煤矿综掘工作面视频融合技术研究
发布时间：2020-10-21 06:05
煤矿无人开采是目前全球各个煤矿追求的目标,集中监控平台在无人化工作现场中扮演重要的角色。集中监控的前提是系统能将多摄像头拍摄到的视频进行融合,形成一个煤矿的全景图像,其中需要用到视频融合技术。视频融合技术的基础是图像融合。图像融合是将来自场景的两个或多个图像的信息组合成单个合成图像的过程,其更具信息性并且更适合于视觉感知和计算机处理。图像融合的目标是减少不确定性并减少输出中的冗余,同时最大化有助于应用程序或任务的相关信息。本文针对无人化工作现场中对如何集中监控平台这一问题进行研究,并提出一系列煤矿综掘工作面视频融合方法,主要创新点如下:(1)针对多视角视频在实际应用过程中存在视差的难题,研究多视角掘进工作面视频融合方法。传统的视频融合技术无法准确地确定煤矿综掘工作面人员、物品的位置及大小。为了得到更加准确地感知煤矿综掘工作面场景,本文需要一种多视角掘进工作面视频融合方法。该方法的思路是先提取图像的特征,再利用图像特征和多视角图像匹配技术进行图像的配准和匹配,最后使用局部逼近的投影变换模型来处理视差较大的情况。(2)针对采矿工作面上机器的抖动造成安装摄像头的工作平台不稳定的问题,研究抖动自适应的视频融合方法。由于矿井工作环境的特殊性,采矿工作面上机器的抖动会引起所成图像含有运动模糊。本文提出针对动态视频序列的实时视频融合算法,主要由视频登记和视频融合两个部分组成。视频登记的目的是估计图像之间的相对几何变换,采用的技术手段是从每个视频每帧图像中提取出特征点进行匹配,然后每隔一段时间就对图像中的特征进行提取,尽可能地避免或抑制由相机平移或抖动带来的影响。同时在图像融合阶段,结合相应的图像变换模型,避免图像融合后出现扭曲现象。(3)针对视频融合算法复杂度高的问题,研究快速工作面视频融合方法。现阶段的全景视频融合系统在对图像进行快速融合的过程中往往存在着图像错位和鬼影的问题,同时矿井中光线弱且存在大量噪声对全景融合系统的性能提出新的挑战。为了有效地解决视频图像融合实时性差的问题,本文利用图形处理单元(GPU)结合统一计算设备架构(CUDA)来实现视频图像的快速融合。在以上研究工作的基础上,针对赵家寨安全生产的需要,本文设计一套综掘工作面动态视频图像融合系统。该系统可以实现视频图像清晰化处理、综掘工作面动态视频图像融合、综掘工作面动态视频查看及存储功能。所设计的综掘工作面动态视频图像融合系统应用在煤矿开采现场,产生很好的安全效益、经济效益和社会效益。
【学位单位】：中国矿业大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP391.41;TD67
【部分图文】：
多摄像监控Figure1-1Multi-cameramonitoring
并给出实验结果。之后简述四种不同做一定的介绍，介绍刚性变换、仿射变换。简要阐述特征提取和特征匹配技术，其中提取算法[48]、高维索引（K-D）树数据结构算法[50]的介绍。在本章的最后一个部分介景下的实验结果。型(Image Transformation Model)主要原理是建立一种从立体到平面的空间平面中需要通过几何转换等方法。从而可知系，下面对四种图像拼接任务中常用的坐系
因素会导致图像的非线性畸变，包括由拍摄过程中视角、照明等引起的非人为因素和人为因素，并且捕获图像与原始理想对象之间的比例失衡是非线性畸变的主要表现。图2-4展示的就是实验中较为常见的非线性畸变图像，比如梯形畸变、枕形畸变和桶形畸变。(a)原始图像 (b)梯形畸变 (c)枕形畸变 (d)桶形畸变图 2-4 非线性畸变Figure 2-4 Nonlinear distortion对于非线性畸变的数学模型，使用公式（2-16）和公式（2-17）表示。( ) ( ( )) ( )2 22 2 2 21 1 2 13 2xδ= k x x + y + p x + y + p xy + s x + y（2-16）( ) ( ( )) ( )2 22 2 2 22 2 1 23 2yδ= k x x + y + p x + y + p xy + s x + y（2-17）从公式（2-16），公式（2-17）可以看出，每个公式分为三部分，分别代表三个不同的畸变模型，分别是径向畸变、切向畸变以及薄棱镜畸变。在公式（2-16）和公式（2-17）中，畸变模型的次数虽然不高，但是已经达到足够的精度要求，能够得到一个较好的结果。以上公式中描述的三种畸变类型分别由不同的原因造成。其中，对于光轴对称的径向畸变是镜头本身硬件问题所导致的
【参考文献】
本文编号：2849743
【学位单位】：中国矿业大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP391.41;TD67
【部分图文】：
多摄像监控Figure1-1Multi-cameramonitoring
并给出实验结果。之后简述四种不同做一定的介绍，介绍刚性变换、仿射变换。简要阐述特征提取和特征匹配技术，其中提取算法[48]、高维索引（K-D）树数据结构算法[50]的介绍。在本章的最后一个部分介景下的实验结果。型(Image Transformation Model)主要原理是建立一种从立体到平面的空间平面中需要通过几何转换等方法。从而可知系，下面对四种图像拼接任务中常用的坐系
因素会导致图像的非线性畸变，包括由拍摄过程中视角、照明等引起的非人为因素和人为因素，并且捕获图像与原始理想对象之间的比例失衡是非线性畸变的主要表现。图2-4展示的就是实验中较为常见的非线性畸变图像，比如梯形畸变、枕形畸变和桶形畸变。(a)原始图像 (b)梯形畸变 (c)枕形畸变 (d)桶形畸变图 2-4 非线性畸变Figure 2-4 Nonlinear distortion对于非线性畸变的数学模型，使用公式（2-16）和公式（2-17）表示。( ) ( ( )) ( )2 22 2 2 21 1 2 13 2xδ= k x x + y + p x + y + p xy + s x + y（2-16）( ) ( ( )) ( )2 22 2 2 22 2 1 23 2yδ= k x x + y + p x + y + p xy + s x + y（2-17）从公式（2-16），公式（2-17）可以看出，每个公式分为三部分，分别代表三个不同的畸变模型，分别是径向畸变、切向畸变以及薄棱镜畸变。在公式（2-16）和公式（2-17）中，畸变模型的次数虽然不高，但是已经达到足够的精度要求，能够得到一个较好的结果。以上公式中描述的三种畸变类型分别由不同的原因造成。其中，对于光轴对称的径向畸变是镜头本身硬件问题所导致的
【参考文献】
相关期刊论文 前6条
1 李鹏程;曾毓敏;张梦;;一种改进的Harris角点检测算法[J];南京师大学报(自然科学版);2014年02期
2 杜召彬;罗晓晖;;一种快速实现透视投影校正和空间定位的方法[J];长江大学学报(自科版)理工卷;2007年03期
3 张祖勋;数字摄影测量与计算机视觉[J];武汉大学学报(信息科学版);2004年12期
4 焦李成,谭山;图像的多尺度几何分析:回顾和展望[J];电子学报;2003年S1期
5 孟晓桥,胡占义;摄像机自标定方法的研究与进展[J];自动化学报;2003年01期
6 邱茂林,马颂德,李毅;计算机视觉中摄像机定标综述[J];自动化学报;2000年01期
本文编号：2849743
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2849743.html
