机器视觉技术估算边坡连续形变体积

摘要：

"自动化"是实现矿山数字化、智能化的关键一步,同时也是矿山生产安全的重要保障.由于矿区环境复杂,造成边坡发生形变产生的原因、形变持续时间存在差异,使得准确提取边坡连续形变信息变得极为困难.为提升该类信息提取的准确度,提出一种基于深度信息的边坡连续形变信息提取方法.首先通过试验模拟矿山边坡,利用深度相机记录边坡在降雨条件下的破坏过程以获取图像数据和三维点云数据;然后采用相机标定建立图像数据和三维点云数据之间的关系并基于坐标变换和最近邻插值技术实现点云缺失值的补充;最后利用背景差分算法和去噪算法识别边坡形变区域,根据边坡形变前后点云的坐标变化估算边坡形变产生的体积.研究表明:该方法能够精确识别边坡形变区域,平均识别精度达92.39％.通过机器视觉技术能够以较高精度实现边坡形变区域自动识别与边坡形变体积信息提取,减少人工参与.

关键词：矿山边坡;机器视觉;形变识别;体积估算

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目;国家自然科学基金面上项目;国家自然科学基金项目

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：60-64