【技术实现步骤摘要】
本本专利技术属于煤矿智能化掘进，具体涉及一种基于已支护锚杆图像的掘锚机器人行驶位移检测方法。
技术介绍
1、随着我国经济的快速发展,能源的需求量逐年提升,近些年提倡清洁能源发展，但是一次性能源仍然占据主要地位，我国的能源结构是多煤、贫油、少气，以煤为主的能源结构在长时间内难以改变。因此，煤炭工业能否健康稳定发展是国家能源安全与经济可持续发展的关键问题之一。煤炭产业的健康稳定对当前经济持续发展具有重要的意义，保障煤矿开采的安全稳定，合理提高开采效率，大力发展煤炭行业自动化与智能化，从而实现煤矿井下的无人化或少人化。
2、掘锚机器人是实现综掘工作面掘进与支护作业于一体的集成装备，能够有效提高工人的工作效率。目前在巷道掘进过程中，主要依靠工人的施工经验调整掘锚机器人以完成掘进与钻锚作业，其定位精度和效率难以保证，容易造成工作面严重的超挖、欠挖与锚杆安装偏移等问题。因此，为了实现巷道断面的高质量成型及精准支护，必须保证对掘锚机器人的行驶位移实现精准把控，以提升掘锚机器人系统的安全性、可靠性、自动化和智能化。
3、双目视觉定位技术因其测量范围广，可以从视野内的任何物体上提取相机的位姿数据，并且机器视觉在测量过程中不会产生测量误差，同时具有良好的动态连续性。现有技术中采用双目视觉测量掘锚机器人的行驶位移，其原理是利用双目视觉技术测量掘锚机器人与锚杆之间的距离。其核心技术是利用立体匹配算法提取已支护锚杆图像中的视觉信息，从而转化为距离信息。使用双目立体匹配算法获取精度高、效果好锚杆的视差图，对测量精度起着至关重要的作用
4、目前，双目立体匹配算法中最常用的有sad算法、census算法等。其中，sad算法在灰度信息及纹理丰富的图像边缘区域匹配速度快、实时性强，并且由于不涉及邻域像素值与中心像素值的比较，故不受中心像素的影响，但由于其计算过程是将中心像素的邻域像素做差求和取最小值，其计算结果具有较强的窗口整体性，不能辨别窗口内细致的像素差异，在光照和噪声均匀的场景下，鲁棒性较差。传统census变换算法是将窗口内邻域像素值与中心像素值做差，根据差值的大小得到相应的比特串，进而得到邻域像素与中心像素的汉明距离，最后根据汉明距离得大小来进行两幅图像的匹配。由于仅比较某个邻域像素与中心像素的大小，而不考虑两者之间的差异性，进而判定整个窗口的相似度，会造成像素点之间的误匹配。由于census变换算法是利用邻域像素与中心像素的差值来进行相似度检测，在光照变换大、深度不连续区域等过度影响中心像素值的场景下，容易出现误匹配现象。
5、因此，本专利技术提出一种基于已支护锚杆的掘锚机器人行驶位移检测方法，以期解决上述问题。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于双目视觉的掘锚机器人行驶位移检测方法，以双目相机为测量单元，以已支护锚杆为定位基准，建立“掘锚机器人-已支护锚杆”定位模型，运用机器视觉定位技术，构建并提出掘锚机器人行驶位移求解方法。本专利技术可以实现掘锚机器人的行驶位移自主、精确测量，对于煤矿智能化发展具有重大意义。
2、根据本说明书实施例的第一方面，提供一种基于双目视觉的掘锚机器人行驶位移检测方法，所述方法包括：
3、s1、将双目相机安装在掘锚机器人的固定位置，方向朝向掘锚机器人后方，与掘锚机器人同步运动，完成双目相机的安装；
4、s2、锚杆安装在巷道顶板上，使用双目相机拍摄已支护锚杆的图像；
5、s3、使用双目相机采集一排锚杆图像，提取其roi图形，采用平方像素差sad算法与绝对像素差census变换算法分别计算图像中每个像素的匹配代价值，再将两者加权求和得到融合后的匹配代价值，计算图像中所有像素点的代价值来获取所述roi图形的锚杆视差图；
6、s4、利用边缘检测算法对所述视差图中的锚杆进行轮廓提取，采用最小外接矩形与最大外接矩形组合算法对锚杆轮廓进行框选，并提取锚杆特征点的像素坐标；
7、s5、通过分析坐标转换关系，将所述像素坐标转换为世界坐标；
8、s6、将同一排锚杆的特征点的世界坐标采用最小二乘法拟合成一条直线，在该直线上建立平行截面，计算相机与平行截面的距离，由此得到掘锚机器人的行驶位移。
9、进一步地，采用平方像素差的sad算法计算图像中每个像素的匹配代价值算法过程为：
10、s3.1.1、以左图中一个像素点il(x,y)建立3×3矩形窗口，在右图中行对齐处建立相同的窗口ir(x+d,y)，将左右窗口位置中对应的像素值做差；
11、s3.1.2、将步骤一的做差结果取平方，放大左右窗口中对应像素的差异；
12、s3.1.3、重复上述两步，将窗口内所有像素的处理结果相加，得到基于平方像素差的sad相似度值，即平方像素差sad算法的匹配代价值：
13、
14、式中：cspd-sad为平方像素差sad算法的匹配代价值；d为左右窗口在左右图对应行上的位置偏差，il(x,y)、ir(x,y)为左右图像中(x,y)位置的像素灰度值，i，j为遍历坐标；
15、s3.1.4、将右图搜索范围内的所有像素点作此处理，取cspd-sad最小值对应的窗口作为左图的匹配窗口。
16、进一步地，所述步骤s3中，采用绝对像素差census变换算法计算图像中每个像素的匹配代价值算法过程为：
17、s3.2.1、在左右图创建3×3矩形窗口，将2个待匹配窗口的中心像素点p与其邻域像素点q的像素值相减并将结果进行串联：
18、
19、
20、式中：lt(p)为左图窗口经过变换得到的比特串；rt(p)为右图窗口经过变换得到的比特串；
21、s3.2.2、将2组串联结果按位做差，并将做差结果取绝对值；
22、wt＝lt(p)-rt(p)
23、式中：wt为2比特串按位做差并取绝对值得到的新比特串；
24、s3.2.3、再取2组wt中的元素按位进行比较，其值大的元素在相应位上记为1，反之记为0。
25、
26、式中：为wt的相似度比较函数；
27、s3.2.4、将通过相似度比较函数得到的比较结果相加，得到左右图中两窗口的匹配代价值capd-census：
28、
29、式中：capd-census为左右图中两窗口的匹配代价值；
30、进一步地，所述步骤s3中，将平方像素差sad算法与绝对像素差census变换算法计算得到的匹配代价值加权求和进行融合具体过称为：
31、融合代价计算函数：
32、c＝ρcapd-census+(1-ρ)cspd-sad
33、式中：c为融合算法的匹配代价值；ρ为融合算法权重；capd-census与cspd-sad分别为绝对像素差census变换算法与平方像素差sad算法的匹配代价值。
34、本文档来自技高网...
【技术保护点】
1.一种基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于所述方法包括：
2.根据权利要求1所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于：步骤S3中，采用平方像素差的SAD算法计算图像中每个像素的匹配代价值算法过程为：
3.根据权利要求1所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于：所述步骤S3中，采用绝对像素差Census变换算法计算图像中每个像素的匹配代价值算法过程为：
4.根据权利要求1所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，所述步骤S3中，将平方像素差SAD算法与绝对像素差Census变换算法计算得到的匹配代价值加权求和进行融合的融合代价计算函数为：
5.根据权利要求1-4任一项所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于：通过解算已支护锚杆视差图中的视觉信息获取到的掘锚机器人的行驶位移，行驶位移误差小于20mm。
【技术特征摘要】
1.一种基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于所述方法包括：
2.根据权利要求1所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于：步骤s3中，采用平方像素差的sad算法计算图像中每个像素的匹配代价值算法过程为：
3.根据权利要求1所述的基于已支护锚杆图像的掘锚机器人行驶位移检测方法，其特征在于：所述步骤s3中，采用绝对像素差census变换算法计算图像中每个像素的匹配代...
【专利技术属性】
技术研发人员：马宏伟，薛旭升，毛清华，王川伟，晁勇，孙思雅，马柯翔，段优优，赵英杰，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。