煤矿地面轨道运输环境感知系统研究
发布时间：2021-07-20 17:52
煤矿地面轨道运输作为煤矿运输系统的重要组成部分,承担着煤矿井上的核心运输任务,其安全高效运行直接关系到煤矿生产运输的效率。现阶段,煤矿地面轨道运输矿车的运行主要依赖于人工控制,运行效率低下,运输安全系数不高,人力物力浪费严重。鉴于此,本文采用机器视觉与毫米波雷达信息融合的方式设计一套煤矿地面轨道运输环境感知系统,实现对运行矿车前方障碍物的自动实时检测与跟踪。本文的主要工作包括以下几个部分:根据煤矿地面轨道运输环境感知系统的功能需求,通过分析比较多种雷达和机器视觉传感器优劣,完成传感器设备的硬件选型与安装,给出了硬件结构设计思路,并制定了系统整体研究方案。研究了基于机器视觉的煤矿地面轨道障碍物检测:首先,采用图像灰度化、图像去噪以及图像增强方法,完成图像的预处理;然后,采用Canny算子完成煤矿地面轨道的边缘检测,并将分段曲线模型与三次样条拟合结合,提取轨道限界;最后,构建基于YOLOv3算法的识别模型,实现对运行矿车前方不同类别和光线亮度下的障碍物检测。研究了基于毫米波雷达的煤矿地面轨道障碍物检测与跟踪:首先,根据设定距离阈值与距离最近原则,初选有效目标;然后,采用有效生命周期的方法,...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
煤矿地面轨道运输矿车Figure1-1Groundrailtransporttramcarofcoalmine
本文章节安排思路框图
2煤矿地面轨道运输环境感知系统方案9表2-3MV-EM120CCCD工业相机参数指标Table2-3ParametersofMV-EM120CCCDindustrialcamera关键参数参数值最大分辨率1280×960帧率40FPS像素尺寸3.75m3.75m传感器类型CCD传输距离100m功耗1.9W工作电压12V如表2-3所示，MV-EM120C相机最大分辨率为1280×960，采用GigE千兆以太网（1000Mbit/s）输出的形式进行图像传输，传输速率高，能够满足煤矿地面轨道运输环境感知系统实时性需求。MV-EM120CCCD工业相机如图2-1所示。图2-1MV-EM120CCCD工业相机Figure2-1MV-EM120CCCDindustrialcamera相机一定要安装稳定，抖动尽可能小，以免在矿车行驶的过程中影响障碍物图片的采集质量，而且相机安装一定要注意相机采集的中线是否和矿车车头的中轴线相符合，一旦镜头的位置不在中间，就会出现在矿车运行时偏差，尤其是弯道行驶时偏差较大。另外，还要注意相机采集的图像和矿车之间的盲区问题，盲区尽量越小越好。2.2.2雷达的选型与安装目前，应用于环境感知系统的雷达主要有超声波雷达、激光雷达和毫米波雷达等[33]。（1）超声波雷达超声波雷达传感器采用机械波检测目标，常用来对近距离目标的探测[34]。工作原理为：超声波雷达传感器发射超声波，当发射波在一定距离范围内遇到障碍物时，将产生反射波并返回，根据发射波与反射波两者时间差与声波速度
【参考文献】：
期刊论文
[1]基于机器视觉的无人驾驶系统设计[J]. 曾仕峰,吴锦均,叶智文,叶妙欣,赖怡雯,丁凡. 电子世界. 2020(05)
[2]77G毫米波雷达ADAS应用及方案分析[J]. 袁沂,周升辉. 汽车文摘. 2020(03)
[3]多感知信息融合的车辆感知方法研究[J]. 裴崇利,李泽滨,周雨辉,魏涛,韩经鲁. 客车技术与研究. 2020(01)
[4]对我国煤炭主体能源地位与绿色开采的思考[J]. 王双明. 中国煤炭. 2020(02)
[5]基于计算机视觉的车道线检测与识别[J]. 阎翔,谌海云,蒋钰,范光鑫,王晓杰,闫嘉欣. 工业仪表与自动化装置. 2020(01)
[6]基于计算机视觉的辅助驾驶系统设计[J]. 戴卫兵,徐超,陈悦,吴予萌,秦思禹. 科技创新与应用. 2020(03)
[7]基于机器视觉的目标定位与机器人规划系统研究[J]. 杨三永,曾碧. 计算机测量与控制. 2019(12)
[8]基于机器视觉的目标识别与抓取研究[J]. 张纯纯,冯创意,高统林. 农业装备与车辆工程. 2019(12)
[9]基于Hough变换的车道线检测算法设计[J]. 何旭光,江磊,罗一平,张伟伟. 农业装备与车辆工程. 2019(11)
[10]车载毫米波雷达应用研究[J]. 叶常青. 电子测试. 2019(13)
博士论文
[1]无人驾驶汽车环境信息提取及运动决策方法研究[D]. 武历颖.长安大学 2016
[2]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
硕士论文
[1]雷达目标跟踪算法研究与实现[D]. 王晋晶.西安电子科技大学 2019
[2]无人驾驶车测距激光雷达系统设计[D]. 蒋猛.西安理工大学 2019
[3]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[4]复杂情况下的道路边缘检测算法研究[D]. 杨刚.北京交通大学 2019
[5]车载毫米波雷达多目标跟踪算法研究[D]. 白冬杰.北京交通大学 2019
[6]面向智能车的毫米波雷达与单目相机信息融合方法研究[D]. 陈云坤.重庆邮电大学 2019
[7]轨道交通障碍物检测方法研究[D]. 颜光宇.电子科技大学 2019
[8]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[9]基于毫米波雷达及深度学习视觉信息融合的前方车辆检测方法研究[D]. 梁翼.华南理工大学 2019
[10]基于毫米波雷达与视觉融合的前方车辆检测[D]. 刘雷.天津工业大学 2019
本文编号：3293300
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
煤矿地面轨道运输矿车Figure1-1Groundrailtransporttramcarofcoalmine
本文章节安排思路框图
2煤矿地面轨道运输环境感知系统方案9表2-3MV-EM120CCCD工业相机参数指标Table2-3ParametersofMV-EM120CCCDindustrialcamera关键参数参数值最大分辨率1280×960帧率40FPS像素尺寸3.75m3.75m传感器类型CCD传输距离100m功耗1.9W工作电压12V如表2-3所示，MV-EM120C相机最大分辨率为1280×960，采用GigE千兆以太网（1000Mbit/s）输出的形式进行图像传输，传输速率高，能够满足煤矿地面轨道运输环境感知系统实时性需求。MV-EM120CCCD工业相机如图2-1所示。图2-1MV-EM120CCCD工业相机Figure2-1MV-EM120CCCDindustrialcamera相机一定要安装稳定，抖动尽可能小，以免在矿车行驶的过程中影响障碍物图片的采集质量，而且相机安装一定要注意相机采集的中线是否和矿车车头的中轴线相符合，一旦镜头的位置不在中间，就会出现在矿车运行时偏差，尤其是弯道行驶时偏差较大。另外，还要注意相机采集的图像和矿车之间的盲区问题，盲区尽量越小越好。2.2.2雷达的选型与安装目前，应用于环境感知系统的雷达主要有超声波雷达、激光雷达和毫米波雷达等[33]。（1）超声波雷达超声波雷达传感器采用机械波检测目标，常用来对近距离目标的探测[34]。工作原理为：超声波雷达传感器发射超声波，当发射波在一定距离范围内遇到障碍物时，将产生反射波并返回，根据发射波与反射波两者时间差与声波速度
【参考文献】：
期刊论文
[1]基于机器视觉的无人驾驶系统设计[J]. 曾仕峰,吴锦均,叶智文,叶妙欣,赖怡雯,丁凡. 电子世界. 2020(05)
[2]77G毫米波雷达ADAS应用及方案分析[J]. 袁沂,周升辉. 汽车文摘. 2020(03)
[3]多感知信息融合的车辆感知方法研究[J]. 裴崇利,李泽滨,周雨辉,魏涛,韩经鲁. 客车技术与研究. 2020(01)
[4]对我国煤炭主体能源地位与绿色开采的思考[J]. 王双明. 中国煤炭. 2020(02)
[5]基于计算机视觉的车道线检测与识别[J]. 阎翔,谌海云,蒋钰,范光鑫,王晓杰,闫嘉欣. 工业仪表与自动化装置. 2020(01)
[6]基于计算机视觉的辅助驾驶系统设计[J]. 戴卫兵,徐超,陈悦,吴予萌,秦思禹. 科技创新与应用. 2020(03)
[7]基于机器视觉的目标定位与机器人规划系统研究[J]. 杨三永,曾碧. 计算机测量与控制. 2019(12)
[8]基于机器视觉的目标识别与抓取研究[J]. 张纯纯,冯创意,高统林. 农业装备与车辆工程. 2019(12)
[9]基于Hough变换的车道线检测算法设计[J]. 何旭光,江磊,罗一平,张伟伟. 农业装备与车辆工程. 2019(11)
[10]车载毫米波雷达应用研究[J]. 叶常青. 电子测试. 2019(13)
博士论文
[1]无人驾驶汽车环境信息提取及运动决策方法研究[D]. 武历颖.长安大学 2016
[2]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
硕士论文
[1]雷达目标跟踪算法研究与实现[D]. 王晋晶.西安电子科技大学 2019
[2]无人驾驶车测距激光雷达系统设计[D]. 蒋猛.西安理工大学 2019
[3]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[4]复杂情况下的道路边缘检测算法研究[D]. 杨刚.北京交通大学 2019
[5]车载毫米波雷达多目标跟踪算法研究[D]. 白冬杰.北京交通大学 2019
[6]面向智能车的毫米波雷达与单目相机信息融合方法研究[D]. 陈云坤.重庆邮电大学 2019
[7]轨道交通障碍物检测方法研究[D]. 颜光宇.电子科技大学 2019
[8]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[9]基于毫米波雷达及深度学习视觉信息融合的前方车辆检测方法研究[D]. 梁翼.华南理工大学 2019
[10]基于毫米波雷达与视觉融合的前方车辆检测[D]. 刘雷.天津工业大学 2019
本文编号：3293300
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3293300.html
