面向礦井環(huán)境感知的智能礦用機(jī)器人系統(tǒng)研究

摘" 要：礦井環(huán)境對(duì)于礦用機(jī)器人的工作效率影響很大，能夠快速、準(zhǔn)確地獲取巷道地面與內(nèi)壁位置，可以提高智能礦用機(jī)器人的工作效率與安全性。基于此，設(shè)計(jì)了一種基于機(jī)器視覺(jué)的礦井環(huán)境監(jiān)測(cè)系統(tǒng)。該系統(tǒng)采用圖像識(shí)別、激光雷達(dá)測(cè)距等手段獲取目標(biāo)區(qū)域信息，最終利用種子算法完成測(cè)試區(qū)域中巷道地面與內(nèi)壁位置的反演計(jì)算。實(shí)驗(yàn)結(jié)果顯示，不同算法的圖像清晰度，邊界位置識(shí)別度具有明顯差異。[ 2]"采用的種子算法完成圖像提取后的識(shí)別效果優(yōu)于傳統(tǒng)支持向量機(jī)算法，具有更好的應(yīng)用前景。

關(guān)鍵詞：智能礦用機(jī)器人" 環(huán)境參數(shù)" 圖像識(shí)別" 種子算法

中圖分類號(hào)：TD67;TP242

Research on Intelligent Mining Robot System for Mine Environment Perception

ZHOU Mingwen¹" LI Xiaoyu¹" BI Haijin¹" ZHANG Xueliang²" WANG Yuzhang²" YANG Meng²

1. Ordos Haohua Fine Precision Coal Co.， Ltd.， Ordos， Inner Mongolia Autonomous Region， 017000 China; ；2. Shanxi Dade Measurement and Control Technology Co.， Ltd.， Taiyuan， Shanxi Province， 030000 China

Abstract： The mining environment has a significant impact on the work efficiency of mining robots. Being able to quickly and accurately obtain the positions of the roadway ground and inner walls can improve the work efficiency and safety of intelligent mining robots. Based on this， tThis article designs a mine environment monitoring system based on machine vision. The system uses image recognition， LiDAR ranging and other methods to obtain target area information， and finally uses seed algorithm to complete the inversion calculation of the ground and inner wall positions of the tunnel in the test area. The experimental results show that there are significant differences in image clarity and boundary position recognition among different algorithms. The seed algorithm used for image extraction hasin this article achieves better recognition performance after image extraction than traditional support vector machine algorithms， and has better application prospects.

Key Wwords： Intelligent mining robot; ；Environmental parameters; ；Image recognition; ；Seed algorithm

礦山機(jī)械具有大型化、智能化、連續(xù)化的特點(diǎn)，一旦出現(xiàn)異常情況則會(huì)引起停產(chǎn)停工，影響整個(gè)礦廠的工作及生產(chǎn)效益，因而須定期對(duì)設(shè)備的運(yùn)行情況進(jìn)行檢查，保障機(jī)械設(shè)備可以穩(wěn)定運(yùn)行^[1]。隨著機(jī)器視覺(jué)領(lǐng)域和機(jī)器人技術(shù)的迅速發(fā)展，一些企業(yè)采用智能礦用機(jī)器人來(lái)替代人工巡檢方式，巡檢效率與可靠性有了較大的提升^[2]。智能礦用機(jī)器人^[3，4]涉及的技術(shù)較多，其中，環(huán)境感知是機(jī)器人與礦井環(huán)境信息交互的關(guān)鍵環(huán)節(jié)，通過(guò)機(jī)器人上的傳感器實(shí)時(shí)獲取路徑上的環(huán)境參數(shù)信息，使其能夠采集和分析當(dāng)前環(huán)境狀態(tài)，是實(shí)現(xiàn)機(jī)器人自主移動(dòng)的重要前提。煤礦井下的環(huán)境特殊，巷道內(nèi)壁與地面都是不規(guī)則的邊界，機(jī)器人的圖像檢測(cè)分析能力有限，容易造成機(jī)器人在跟蹤與控制的過(guò)程中發(fā)生偏差，進(jìn)而導(dǎo)致巡檢失敗。基于此，以機(jī)器視覺(jué)理論^[5]為依據(jù)，利用各種濾波技術(shù)和曲線擬合的方式降低噪聲對(duì)測(cè)試結(jié)果的影響，采用種子算法對(duì)圖像子區(qū)域進(jìn)行劃分，并通過(guò)支持向量機(jī)[ 3]"算法對(duì)測(cè)試結(jié)果進(jìn)行對(duì)比驗(yàn)證，確保機(jī)器人的環(huán)境測(cè)試能力符合井下的實(shí)際應(yīng)用，對(duì)提高井下安全工作、降低人工成本具有一定的意義。

1 "智能礦用機(jī)器人

智能礦用機(jī)器人是應(yīng)用于礦井中的機(jī)器人，其結(jié)構(gòu)主要分為硬件模塊、處理模塊和應(yīng)用模塊三部分，如圖1所示。

硬件模塊由智能礦用機(jī)器人、激光測(cè)距雷達(dá)和多功能相機(jī)組成，主要用于采集環(huán)境的點(diǎn)云集合；處理模塊由主控系統(tǒng)組成，主要由UBUNTU操作系統(tǒng)^[6]和機(jī)器人操作系統(tǒng)[ 4]"控制系統(tǒng)^[7]構(gòu)成，負(fù)責(zé)重建點(diǎn)云數(shù)據(jù)與環(huán)境的圖像；應(yīng)用模塊由傳感單元標(biāo)定、環(huán)境參數(shù)測(cè)試和跟蹤控制幾個(gè)部分組成，它們分別負(fù)責(zé)傳感器標(biāo)定、環(huán)境狀態(tài)感知和路徑跟蹤的反饋控制。負(fù)責(zé)傳感器標(biāo)定的部分通常采用周期性自檢控制。點(diǎn)云環(huán)境重建用于對(duì)測(cè)試區(qū)域的環(huán)境進(jìn)行三維重構(gòu)。機(jī)器人的路徑跟蹤與控制完成在測(cè)試過(guò)程中的避障等功能。系統(tǒng)模塊通過(guò)IPV6等協(xié)議^[8]與硬件模塊數(shù)據(jù)交互，通過(guò)ROS控制系統(tǒng)中的消息節(jié)點(diǎn)與應(yīng)用層進(jìn)行信息交換與處理。

2 "礦井中工作環(huán)境參數(shù)采集

2.1 點(diǎn)云數(shù)據(jù)采集與分析

在點(diǎn)云數(shù)據(jù)中，單個(gè)的點(diǎn)是構(gòu)成整個(gè)集合的基礎(chǔ)單元，它攜帶了諸如三維坐標(biāo)、亮度、方向、顏色等多種屬性，數(shù)據(jù)的密度越大，其所承載的信息就越豐富。由于環(huán)境復(fù)雜，收集的數(shù)據(jù)往往會(huì)混雜一些無(wú)效噪點(diǎn)，并且數(shù)據(jù)分布較為零散，覆蓋范圍較為廣泛。因此，為了減輕后續(xù)處理的計(jì)算負(fù)擔(dān)，必須采用適當(dāng)?shù)乃惴▽?duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行濾波和處理。

直通濾波作為一種高效的手段，能夠有效去除點(diǎn)云數(shù)據(jù)中的噪點(diǎn)。該方法通過(guò)預(yù)設(shè)X[ 5]"軸和Y[ 6]"軸在點(diǎn)云坐標(biāo)系中的界限，移除界限內(nèi)的點(diǎn)，從而提取出更為精確的目標(biāo)點(diǎn)云。為了防止數(shù)據(jù)量減少而引起礦井通道邊界不清晰問(wèn)題，對(duì)處理之后的數(shù)據(jù)要進(jìn)行擬合。第一，要確定測(cè)試數(shù)據(jù)的邊界，由于機(jī)器人的激光傳感器一般只能測(cè)試十多米，并且機(jī)器人的視野也受到限制，因此，選定機(jī)器人為中心，將礦井通道地面在左右兩側(cè)分出邊界，確保巡檢的準(zhǔn)確性和效率。

2.2 "基于種子算法的圖像提取

機(jī)器人在巡檢過(guò)程中得到的圖像邊界特征雖不突出，但礦井通道的地面與其四周在顏色和紋理上仍有明顯不同。由此可采用種子算法對(duì)機(jī)器人得到的圖像進(jìn)行分割來(lái)區(qū)分。該算法通過(guò)優(yōu)化能量函數(shù)來(lái)精確定義邊界，該能量函數(shù)基于概率密度直方圖和超像素邊界形態(tài)構(gòu)建。算法迭代過(guò)程中，僅需要處理位于邊界的像素點(diǎn)，這種方法不僅提高了分割的準(zhǔn)確性，還有效減少了計(jì)算量。為了進(jìn)一步優(yōu)化分割效果，種子算法采用了類似于爬山法的策略，逐步調(diào)整并改進(jìn)分割邊界，確保最終結(jié)果盡可能貼合實(shí)際的區(qū)域邊界。該算法能量函數(shù)為

算法的基本步驟概述如下：先計(jì)算出初始的能量函數(shù)，并采用同等尺寸的超像素對(duì)圖像進(jìn)行初步分割，形成若干個(gè)子區(qū)域；接下來(lái)，算法針對(duì)每個(gè)位于邊界上的像素點(diǎn)，評(píng)估其初始的能量值與嘗試移動(dòng)到相鄰超像素后的能量變化，若降低則將其重新分配給相鄰超像素。實(shí)驗(yàn)結(jié)果顯示，當(dāng)將圖像分割為34個(gè)子區(qū)域時(shí)，處理過(guò)程耗時(shí)僅 85 ms[ 8]"，展現(xiàn)出高效的計(jì)算性能。

3 "實(shí)驗(yàn)

上文提及礦井通道相較于周圍在顏色和紋理上具有顯著不同。基于這一特點(diǎn)，特征指標(biāo)可以選取為圖像的顏色和紋理，并利用色彩均值和紋理特征來(lái)量化各子區(qū)域的顏色和紋理屬性。傳統(tǒng)支持向量機(jī)算法與本算法的測(cè)試圖像如圖2（a）和圖2（b）所示。

通過(guò)圖像模型評(píng)估用于礦業(yè)的巡檢機(jī)器人的測(cè)試能力。測(cè)試數(shù)據(jù)中有2 000多個(gè)樣本值，有1 500個(gè)正樣本和500個(gè)負(fù)樣本。用模型對(duì)圖像子區(qū)域分類，輸入為特征指標(biāo)，輸出為分類結(jié)果，最終生成一幅二值圖像，如圖3（a）所示。

使用本文種子算子來(lái)識(shí)別礦井通道地面邊緣，輸入圖像是地面的二值圖像。由于地面邊緣清晰，固定算子閾值1和閾值2為30與90。結(jié)果如圖3（b）所示，可見(jiàn)其精確度和完整性較高。本文算法的結(jié)果具有更好的地面邊緣的分離情況，顯示了地面左右邊緣的擬合結(jié)果，與實(shí)際邊界相吻合。

4 "結(jié)語(yǔ)

本文設(shè)計(jì)了一種針對(duì)礦井環(huán)境參數(shù)檢測(cè)的智能礦用機(jī)器人。首先，利用直通濾波算法去除噪點(diǎn)以提高原始數(shù)據(jù)清晰度；隨后，進(jìn)行擬合得到礦井通道邊界，同時(shí)，使用種子算法對(duì)圖像進(jìn)行分割，并與傳統(tǒng)支持向量機(jī)算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果顯示，本算法在擬合礦井通道邊界方面更好，能夠準(zhǔn)確反映實(shí)際情況，從而提升了環(huán)境感知精度。該研究在提升巡檢效率、減少成本等方面具有重要意義，并為智慧礦山的發(fā)展提供了有力支持。

參考文獻(xiàn)

[1] 姚寧平，王毅，姚亞峰，等.我國(guó)煤礦井下復(fù)雜地質(zhì)條件下鉆探技術(shù)與裝備進(jìn)展[J].煤田地質(zhì)與勘探，2020，48（2）：1?7.

[2]徐文權(quán)，李軍霞，陳維望，等．礦用巡檢機(jī)器人系統(tǒng)設(shè)計(jì)與研究[J].煤炭工程，2022，54（3）： 177-181.

[3]楊春雨，張?chǎng)蚊旱V機(jī)器人環(huán)境感知與路徑規(guī)劃關(guān)鍵技術(shù)[J].煤炭學(xué)報(bào)，2022，47（7）：2844-2872.

[4]楊春雨，袁曉光.煤礦井下巷道變形巡檢視頻異常檢測(cè)方法[J].工礦自動(dòng)化，2021，47（2）：13-17.

[5] MENG Long.Research and development of coal mine disaster prevention and rescue drill platform based on VR virtual reality technology[J].Journal of Physics Conference Series，2020，1549（4）：042060.

[6] 李首濱，李森，張守祥，等.綜采工作面智能感知與智能控制關(guān)鍵技術(shù)與應(yīng)用[J].煤炭科學(xué)技術(shù)，2021，49（4）：28-39.

[7] 薛倩冰，張金昌.智能化自動(dòng)化鉆探技術(shù)與裝備發(fā)展概述[J].探礦工程（巖土鉆掘工程），2020，47（4）：9?14.

[8] 董洪波，姚寧平，馬斌，等.煤礦井下坑道鉆機(jī)電控自動(dòng)化技術(shù)研究[J].煤田地質(zhì)與勘探，2020，48（3）：219?224.