CN109903383B - 一种采煤机在工作面煤层三维模型中精确定位方法 - Google Patents

Abstract

本发明公开了一种采煤机在工作面煤层三维模型中精确定位方法，步骤包括：(1)把激光雷达和惯导安装在采煤机上，快速获取激光扫描巷道三维模型和采煤机的惯性坐标；(2)分别提取巷道三维模型和工作面煤层三维模型的特征点集；(3)利用KD树算法寻找对应的特征点进行初始匹配，建立基于NDT算法的特征粗匹配点集；(4)利用RANSAC方法对粗匹配点集进行筛选去除掉错误的匹配点对；(5)建立基于ICP算法的特征精匹配点集，精确对齐采煤机坐标系与工作面煤层三维模型坐标系，实现采煤机在工作面煤层三维模型中精确定位。优点：能快速建立采煤机与工作面煤层三维模型之间的关联性，解决采煤机在煤层三维模型中实时状态描述问题。

Description

一种采煤机在工作面煤层三维模型中精确定位方法

技术领域

本发明涉及一种三维模型中精确定位方法，尤其是一种适用于采煤机在工作面煤层三维模型中精确定位的方法，属于煤矿自动化/无人化开采技术领域。

背景技术

煤矿无人化开采是国际煤炭开采领域共同追求的前沿技术，是减少人员伤亡、保障安全生产的重要手段也是我国煤矿实现安全、高效、绿色开采的有效途径。目前，制约煤矿井下无人化开采的主要技术瓶颈是煤岩界面识别，从上世纪六十年代，世界主要产煤国(英国、美国、澳大利亚、中国、前苏联等)先后提出了γ射线法、放射性同位素法、雷达探测法、应力截齿分析法、红外热成像法、超声波法、高压水射流法、多传感器融合法等二十多种不同的煤岩识别方法，然而由于煤岩界面的复杂性以及综采工作面恶劣环境等原因使得现有煤岩识别技术均未在综放工作面获得应用。

随着煤层厚度精确预测技术的发展，结合三维震波CT探测在煤炭领域的应用，煤层厚度的预测结果越来越准确，煤层精确三维模型的建立已经逐步成为可能。在这一背景下，我们可以规避煤岩识别难题，利用三维震波CT探测或其它手段获得的测量数据，通过建立煤层精确三维模型来控制采煤机割煤高度，达到采煤机自动煤岩界面识别，提高自动化工作面的适应性。但如何建立采煤机在煤层三维模型中的实时状态描述，实现采煤机在工作面煤层三维模型中精确定位，是目前迫切需要解决的关键技术，且国内外在这方面的研究还处于空白阶段。

发明内容

技术问题：本发明的目的是要克服现有技术中的不足之处，提供一种采煤机在工作面煤层三维模型中精确定位方法，通过激光扫描巷道三维模型与工作面煤层三维模型的精准匹配，实现采煤机在工作面煤层三维模型中精确定位。

技术方案：一种采煤机在工作面煤层三维模型中精确定位方法，包括采用激光雷达和惯导系统，其特征在于：利用激光扫描巷道三维模型与工作面煤层三维模型的精准匹配，实现采煤机在工作面煤层三维模型中的精确定位，具体步骤包括：

(1)将激光雷达和惯导系统安装在采煤机上，当采煤机截割到工作面端头位置时，激光雷达开始快速扫描，获取巷道激光扫描三维点云数据，采用高斯滤波方法对巷道激光扫描三维点云数据进行去噪滤波处理，建立巷道激光扫描三维模型，同时通过惯导系统读取采煤机的惯性坐标；

(2)通过地质测量数据建立工作面煤层三维模型，根据地质特征分布不变法则分别提取巷道三维模型和工作面煤层三维模型的特征点集；

(3)利用KD树算法搜索对应的特征点，对提取的特征点进行初始匹配；根据特征点单元格网参数大小和匹配距离的误差，建立基于正态分布变换NDT算法的特征粗匹配点集；

(4)在粗配准的基础上利用RANSAC方法对粗匹配点集对进行筛选，去除掉错误的匹配点对；

(5)根据最大迭代次数、匹配误差阈值和变换矩阵差值等限制条件，建立基于改进迭代最近点ICP算法的特征精匹配点集，校验是否满足设定的匹配精度，如果不满足要求，将重复步骤3～5，直至满足设定的匹配精度，精确对齐采煤机坐标系和煤层三维坐标系，从而实现采煤机在工作面煤层三维模型中的精确定位。

2.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤3中，KD树算法搜索对应特征点包括：

①从根节点开始，沿着KD树递归向下移动，根据小于或者大于当前结点来决定向左或向右；

②一旦到达叶子节点，将当前结点保存为最佳节点；

③进入递归对每个遍历到的结点进行如下操作：如果当前节点比最佳节点更靠近输入的结点时，则变更为最佳节点；检查另外KD子树是否有更邻近的点，若存在则沿着该节点继续查找；

④当算法完成根节点搜索后，就完成了最佳邻近特征点的搜索。

3.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤3中，基于NDT算法的特征粗匹配点集包括：

①建立工作面煤层三维模型特征点集Y的正态分布变换；

②根据坐标转换参数将巷道三维模型特征点集X转换到Y中，得到匹配特征点集P；

③计算P中每一个点的概率及特征点概率之和P；

④采用基于牛顿迭代算法进行迭代，如果达到收敛条件S(P)≤λ则停止，λ为设定的迭代收敛阈值；如果达不到收敛条件S(P)≤λ，，则更新转换坐标参数跳转到步骤②中继续执行算法，直至S(P)≤λ，基于NDT算法的特征粗匹配结束并输出匹配结果。

4.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤4中，利用RANSAC方法对特征粗匹配点集对进行筛选去除掉错误的匹配点对包括：

①P为粗匹配后的特征点集，从中选取k个特征点组成子集S，利用子集S计算特征初始匹配点集M，其中k是粗匹配点集P的最小样本数，P中样本数应满足Num(P)＞k；

②根据粗匹配精度设定距离参数，计算点集M和P中剩余特征点对应的距离偏差，与设定距离参数进行对比，用偏差小于距离参数的点构成粗匹配特征点子集，用S₀表示；

③假设K为子集S的最少特征点个数，如果S₀中的最大点数大于或等于K，那么认为得到的粗配准点集P是正确的，如果S₀中的最大点数小于K，重复步骤①、②，当算法重复次数达到设定次数时，还未满足参数要求，则算法执行失败，此时利用最大的样本点集模拟出最终结果。

5.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤5中，基于改进ICP算法的特征精匹配点集包括：

①提取粗匹配点集P中相邻的所有特征点数据，分别表示为巷道三维模型特征点集A，煤层三维模型特征点集B，这两个特征点集中特征点的个数分别为m，n，且满足m≤n，在B中找到与A中每一个特征点a_i所对应的特征点b_i；

②假设点集A向点集B进行匹配的旋转变换向量是g_R＝[g_x,g_y,g_z,gw]，且

平移变换向量为g_T＝[t_x,t_y,t_z]，点集A和点集B的重心表示为：

旋转矩阵和平移矩阵表示为：

g_T＝W_b-R(g_R)W_a；

③假设一对匹配点的法向量分别为

和

利用该法向量计算匹配点对的权重值，那么该匹配点的权重值可表示为：

令所有点对间的最大距离是d，匹配点间的距离加权值为：

④计算相应点集中的匹配点的误差e_i＝||(a_i·R(g_R)+g_T-b_i)·Θ||，并校验是否e_i＜ε，ε为设定匹配误差阈值，如不满足，重复步骤①～④，直至满足e_i＜ε，得到旋转和平移矩阵，完成巷道三维模型与煤层三维模型之间的特征精匹配。

有益效果：由于采用了上述技术方案，本发明能快速建立采煤机与工作面煤层三维模型之间的关联性，解决采煤机在煤层三维模型中实时状态描述问题，在本技术领域内具有广泛的实用性。主要优点有：

(1)本发明能实现采煤机在工作面煤层三维模型中精确定位，定位精准度可达到厘米级；

(2)本发明能提高采煤机对煤层地质条件的适应性，快速实现采煤机与煤层三维模型之前的交互感知。

附图说明

图1是本发明的一种采煤机在工作面煤层三维模型中精确定位方法流程图。

图2是本发明对采煤机位置精确定位在工作面煤层三维模型中的示意图。

具体实施方式

下面结合附图中的实施例对本发明作进一步的描述：

如图1所示，本发明的采煤机在工作面煤层三维模型中精确定位方法，通过激光扫描巷道三维模型与工作面煤层三维模型的精准匹配，实现采煤机在工作面煤层三维模型中精确定位，具体步骤包括：

(1)把激光雷达和惯导安装在采煤机上，当采煤机截割到工作面端头位置时，激光雷达开始快速扫描，获取巷道激光扫描三维点云数据，并采用高斯滤波方法对巷道激光扫描三维点云数据进行去噪滤波处理，建立巷道激光扫描三维模型，同时通过惯导系统读取采煤机的惯性坐标；

(2)通过地质测量数据建立工作面煤层三维模型，根据地质特征分布不变法则分别提取巷道三维模型和工作面煤层三维模型的特征点集；

(3)利用KD(K-Demension)树算法搜索对应的特征点，并对提取的特征点进行初始匹配；根据特征点单元格网参数大小和匹配距离误差，建立基于正态分布变换(NormalDistribution Transform，NDT)算法的特征粗匹配点集；

其中，所述KD树算法搜索对应特征点的步骤包括：①从根节点开始，沿着KD树递归向下移动，根据小于或者大于当前结点来决定向左或向右；②一旦到达叶子节点，将当前结点保存为最佳节点；③进入递归对每个遍历到的结点进行如下操作：如果当前节点比最佳节点更靠近输入的结点时，则变更为最佳节点；检查另外KD子树是否有更邻近的点，若存在则沿着该节点继续查找；④当算法完成根节点搜索后，就完成了最佳邻近特征点的搜索。

其中，所述基于NDT算法的特征粗匹配点集步骤包括：①建立工作面煤层三维模型特征点集Y的正态分布变换；②根据坐标转换参数将巷道三维模型特征点集X转换到Y中，得到匹配特征点集P；③计算P中每一个点的概率及特征点概率之和P；④采用基于牛顿迭代算法进行迭代，如果达到收敛条件S(P)≤λ(λ是设定的迭代收敛阈值)则停止，否则更新转换坐标参数跳转到步骤②中继续执行算法，直至S(P)≤λ，基于NDT算法的特征粗匹配结束并输出匹配结果。

(4)在粗配准的基础上利用RANSAC方法对粗匹配点集对进行筛选，去除掉错误的匹配点对；

其中，所述利用RANSAC方法对特征粗匹配点集对进行筛选去除掉错误的匹配点对的步骤包括：①P为粗匹配后的特征点集，从中选取k个特征点组成子集S，利用子集S计算特征初始匹配点集M，其中k是粗匹配点集P的最小样本数，P中样本数应满足Num(P)＞k；②根据粗匹配精度设定距离参数，计算点集M和P中剩余特征点对应的距离偏差，与设定距离参数进行对比，用偏差小于距离参数的点构成粗匹配特征点子集，用S₀表示；③假设K为子集S的最少特征点个数，如果S₀中的最大点数大于或等于K，那么我们认为得到的粗配准点集P是正确的，如果S₀中的最大点数小于K，重复步骤①、②，当算法重复次数达到认为设定次数时，还未满足参数要求，则算法执行失败否则利用最大的样本点集模拟出最终结果。

(5)根据最大迭代次数、匹配误差阈值和变换矩阵差值等限制条件，建立基于改进迭代最近点(Iterative Closest Point，ICP)算法的特征精匹配点集，并校验是否满足设定的匹配精度，如果不满足要求，将重复步骤3～步骤5，直至满足设定的匹配精度，精确对齐采煤机坐标系和煤层三维坐标坐标系，实现采煤机在工作面煤层三维模型中精确定位如图2所示，其中煤层走向长度为550m，工作面长度为180m，煤层埋深为5～7m，采煤机在工作面煤层三维模型中的定位精度可达到±5cm。

其中，所述基于改进ICP算法的特征精匹配点集步骤包括：①提取粗匹配点集P中相邻的所有特征点数据，分别表示为巷道三维模型特征点集A，煤层三维模型特征点集B，这两个特征点集中特征点的个数分别为m，n，且满足m≤n，在B中找到与A中每一个特征点a_i所对应的特征点b_i；②假设点集A向点集B进行匹配的旋转变换向量是g_R＝[g_x,g_y,g_z,g_w]，且

平移变换向量为g_T＝[t_x,t_y,t_z]，点集A和点集B的重心表示为：

旋转矩阵和平移矩阵表示为：

g_T＝W_b-R(g_R)W_a；③假设一对匹配点的法向量分别为

和

利用该法向量计算匹配点对的权重值，那么该匹配点的权重值可表示为：

令所有点对间的最大距离是d，匹配点间的距离加权值为：

④计算相应点集中的匹配点的误差e_i＝||(a_i·R(g_R)+g_T-b_i)·Θ||，并校验是否e_i＜ε(ε是设定匹配误差阈值)，如不满足，重复①～④的过程直到e_i＜ε，得到旋转和平移矩阵完成巷道三维模型与煤层三维模型之间的特征精匹配。

Claims (4)

1.一种采煤机在工作面煤层三维模型中精确定位方法，包括采用激光雷达和惯导系统，其特征在于：利用激光扫描巷道三维模型与工作面煤层三维模型的精准匹配，实现采煤机在工作面煤层三维模型中的精确定位，具体步骤包括：

(1)将激光雷达和惯导系统安装在采煤机上，当采煤机截割到工作面端头位置时，激光雷达开始快速扫描，获取巷道激光扫描三维点云数据，采用高斯滤波方法对巷道激光扫描三维点云数据进行去噪滤波处理，建立巷道激光扫描三维模型，同时通过惯导系统读取采煤机的惯性坐标；

(2)通过地质测量数据建立工作面煤层三维模型，根据地质特征分布不变法则分别提取巷道三维模型和工作面煤层三维模型的特征点集；

(3)利用KD树算法搜索对应的特征点，对提取的特征点进行初始匹配；根据特征点单元格网参数大小和匹配距离的误差，建立基于正态分布变换NDT算法的特征粗匹配点集；

(4)在粗配准的基础上利用RANSAC方法对粗匹配点集对进行筛选，去除掉错误的匹配点对；

(5)根据最大迭代次数、匹配误差阈值和变换矩阵差值限制条件，建立基于改进迭代最近点ICP算法的特征精匹配点集，校验是否满足设定的匹配精度，如果不满足要求，将重复步骤3～5，直至满足设定的匹配精度，精确对齐采煤机坐标系和煤层三维坐标系，从而实现采煤机在工作面煤层三维模型中的精确定位；所述基于改进ICP算法的特征精匹配点集包括：

①提取粗匹配点集P中相邻的所有特征点数据，分别表示为巷道三维模型特征点集A，煤层三维模型特征点集B，这两个特征点集中特征点的个数分别为m，n，且满足m≤n，在B中找到与A中每一个特征点a_i所对应的特征点b_i；

②假设点集A向点集B进行匹配的旋转变换向量是g_R＝[g_x,g_y,g_z,g_w]，且

平移变换向量为g_T＝[t_x,t_y,t_z]，点集A和点集B的重心表示为：

旋转矩阵和平移矩阵表示为：

g_T＝W_b-R(g_R)W_a；

③假设一对匹配点的法向量分别为

和

利用该法向量计算匹配点对的权重值，那么该匹配点的权重值可表示为：

令点对间的距离是d，则匹配点间的距离加权值为：

④计算相应点集中的匹配点的误差e_i＝||(a_i·R(g_R)+g_T-b_i)·Θ||，并校验是否e_i＜ε，ε为设定匹配误差阈值，如不满足，重复步骤①～④，直至满足e_i＜ε，得到旋转和平移矩阵，完成巷道三维模型与煤层三维模型之间的特征精匹配。

2.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤3中，KD树算法搜索对应特征点包括：

①从根节点开始，沿着KD树递归向下移动，根据小于或者大于当前结点来决定向左或向右；

②一旦到达叶子节点，将当前结点保存为最佳节点；

③进入递归对每个遍历到的结点进行如下操作：如果当前节点比最佳节点更靠近输入的结点时，则变更为最佳节点；检查另外KD子树是否有更邻近的点，若存在则沿着该节点继续查找；

④当算法完成根节点搜索后，就完成了最佳邻近特征点的搜索。

3.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤3中，基于NDT算法的特征粗匹配点集包括：

①建立工作面煤层三维模型特征点集Y的正态分布变换；

②根据坐标转换参数将巷道三维模型特征点集X转换到Y中，得到匹配特征点集P；

③计算P中每一个点的概率及特征点概率之和P；

④采用基于牛顿迭代算法进行迭代，如果达到收敛条件S(P)≤λ则停止，λ为设定的迭代收敛阈值；如果达不到收敛条件S(P)≤λ，，则更新转换坐标参数跳转到步骤②中继续执行算法，直至S(P)≤λ，基于NDT算法的特征粗匹配结束并输出匹配结果。

4.根据权利要求1中所述的一种采煤机在工作面煤层三维模型中精确定位方法，其特征在于：所示步骤4中，利用RANSAC方法对特征粗匹配点集对进行筛选去除掉错误的匹配点对包括：

①P为粗匹配后的特征点集，从中选取k个特征点组成子集S，利用子集S计算特征初始匹配点集M，其中k是粗匹配点集P的最小样本数，P中样本数应满足Num(P)＞k；

②根据粗匹配精度设定距离参数，计算点集M和P中剩余特征点对应的距离偏差，与设定距离参数进行对比，用偏差小于距离参数的点构成粗匹配特征点子集，用S₀表示；

③假设K为子集S的最少特征点个数，如果S₀中的最大点数大于或等于K，那么认为得到的粗配准点集P是正确的，如果S₀中的最大点数小于K，重复步骤①、②，当算法重复次数达到设定次数时，还未满足参数要求，则算法执行失败，此时利用最大的样本点集模拟出最终结果。

Images