基于機(jī)器視覺(jué)的井下機(jī)車防撞系統(tǒng)研究.pdf

1、隨著煤炭市場(chǎng)的持續(xù)高漲，井下煤礦運(yùn)輸任務(wù)越發(fā)繁重，行駛速度較高的機(jī)車在惡劣環(huán)境中容易造成運(yùn)輸事故。因此研究井下機(jī)車防撞系統(tǒng)對(duì)煤礦安全生產(chǎn)、保障礦工生命安全有著重要的實(shí)際意義。
　　 目前基于機(jī)器視覺(jué)的防撞系統(tǒng)主要針對(duì)公路環(huán)境，對(duì)煤礦井下環(huán)境的研究較少。傳統(tǒng)的防撞系統(tǒng)主要用紅外線、激光、超聲波采集數(shù)據(jù)，設(shè)備體積大、價(jià)格高且防撞效果不佳。針對(duì)上述問(wèn)題，論文將機(jī)器視覺(jué)引入井下機(jī)車防撞系統(tǒng)，采用視覺(jué)傳感器對(duì)機(jī)車前方危險(xiǎn)區(qū)域進(jìn)行障礙物檢測(cè)

2、，實(shí)現(xiàn)預(yù)警防撞功能。
　　 論文對(duì)傳統(tǒng)的圖像處理算法進(jìn)行分析，考慮井下光線分布不均等因素，研究了適合井下環(huán)境的圖像處理算法。算法對(duì)灰度圖像進(jìn)行拉伸，突出邊緣信息，減小光線不均的影響；通過(guò)對(duì)傳統(tǒng)圖像邊緣提取算子的比較和對(duì)井下軌道特征的分析，提出了灰度與梯度幅度相結(jié)合的軌道邊緣提取算法，提高了檢測(cè)效果；設(shè)計(jì)了基于邊緣圖像的內(nèi)側(cè)軌道邊緣點(diǎn)搜索算法，細(xì)化了軌道邊緣，減小了軌道識(shí)別的計(jì)算量。MATLAB仿真研究表明，該方法能有效檢測(cè)出機(jī)車

3、軌道與障礙物。
　　 論文在研究了適用于煤礦井下復(fù)雜環(huán)境的圖像處理算法基礎(chǔ)上，采用SOPC系統(tǒng)實(shí)現(xiàn)井下機(jī)車防撞功能。相比復(fù)合結(jié)構(gòu)，在實(shí)現(xiàn)上減少了芯片、降低了成本，在可靠性上減少了硬件故障的概率；利用SOPC系統(tǒng)的FPGA邏輯資源研究了灰度像素實(shí)時(shí)處理、邊緣檢測(cè)流水線設(shè)計(jì)，原始圖像與邊緣圖像并行存儲(chǔ)等硬件加速方法，提高了系統(tǒng)性能。
　　 經(jīng)過(guò)調(diào)試，系統(tǒng)能夠?qū)崿F(xiàn)防撞功能，運(yùn)行穩(wěn)定、滿足實(shí)時(shí)性要求，達(dá)到了預(yù)期目標(biāo)。論文根據(jù)研究