CN110415302A - 基于图像识别的矿井定位系统 - Google Patents
基于图像识别的矿井定位系统 Download PDFInfo
- Publication number
- CN110415302A CN110415302A CN201910821966.4A CN201910821966A CN110415302A CN 110415302 A CN110415302 A CN 110415302A CN 201910821966 A CN201910821966 A CN 201910821966A CN 110415302 A CN110415302 A CN 110415302A
- Authority
- CN
- China
- Prior art keywords
- special sign
- information
- image
- positioning system
- wireless camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明公开了基于图像识别的矿井定位系统,所述定位系统通过对井下特定标志的识别和测距进而确定井下移动目标位置信息,充分考虑了煤矿井下环境的复杂多样和井下工作人员的特征,易于实施,检测过程实现完全自动化,可以精确显示井下移动目标的位置信息,有效避免了传统无线电信号定位因井下复杂环境影响电磁波传输导致定位精度不高的问题。所述定位系统定位过程简单有效,抗干扰能力强,具有较强的鲁棒性,本定位系统具有定位精度高,成本较低,系统设备结构简单,易于实施等特点;便于安全生产管理人员对井下移动目标位置的监测。
Description
技术领域
本发明涉及一种基于图像识别的矿井定位系统,该系统涉及图像处理技术、地理信息系统和通信等领域。
背景技术
煤炭作为我国的基础能源和重要的工业原料,为国民经济建设做出了卓越贡献。煤矿井下工作环境复杂多样,存在着各种安全隐患,对井下作业的人员和设备安全构成了极大的威胁。矿井定位系统作为煤矿安全避险系统之一,对保障煤矿安全生产发挥着重大作用。
目前矿井定位系统往往采用RFID卡识别和无线电信号定位技术。RFID卡识别利用射频方式进行非接触双向通信,射频卡和读卡器之间不用接触就可实现对移动目标的识别和位置监测。基于RFID卡识别定位属于区域定位技术,只能识别井下移动目标是否经过某个区域,无法对区域内的移动目标进行精确定位。RFID卡识别受识别速度限制,不能处理多目标同时快速通过读卡系统的情况,容易出现漏读现象。无线电信号定位技术基于无线电信号在矿井中的传输信号衰减RSSI或传输时间进行定位,由于无线电信号在传输过程中易受井下巷道尺寸、形状、巷道粗糙度、障碍物等因素影响,无线电信号衰减模型极其复杂,定位精度低。基于无线电信号传输时间的定位系统的定位精度高于RSSI定位系统,但无线电信号传输时间受多径效应、非视距传播时延、时钟同步、时钟计时误差等影响,同样无法实现对井下移动目标的精确定位。
因此,需要一种适合煤矿环境的、简单有效、建设成本低且定位精度高的定位系统,实时监测井下移动目标位置信息,进而保障井下生产作业的安全。
发明内容
随着存储技术和数据处理技术的提高,使基于图像的识别技术得到很大的发展,在地理信息系统的支持下,本发明提出了一种适合广泛推广的、简单有效的井下移动目标的定位系统,本发明通过图像识别等技术实现井下移动目标的精确定位,解决传统井下无线电信号定位影响电磁波传输,导致精度低、应用范围受限的问题。
为实现上述目的,本发明提供一种基于图像识别的矿井定位系统,系统包括无线摄像机、有线网络、无线网络、信息处理服务器、地理信息服务器、信息存储服务器、视频存储服务器和监控终端;所述信息处理服务器、地理信息服务器、信息存储服务器、视频存储服务器和监控终端部署于井上;所述信息存储服务器用于存储信息包括矿井地理空间信息、移动目标信息和特定标志信息;所述移动目标包括井下人员与车辆;所述特定标志信息包括特定标志的图像信息、编号信息、形状特征信息、地理位置信息;所述图像信息包括无线摄像机在不同方向、角度拍摄的特定标志的图像,和图像的拍摄方向、角度信息;所述特定标志包括具有固定位置的井下设备、标牌和自建参照物;所述具有固定位置的井下设备包括消防设备、供电设备、基站、固定的机电设备;所述自建参照物包括自行设置的条码、二维码或指示牌;所述移动目标携带或安装至少一个无线摄像机,固定于移动目标上,将无线摄像机位置作为移动目标位置;所述系统定位过程包括:
a.无线摄像机采集包含至少一种特定标志的图像;
b.无线摄像机利用无线网络和有线网络将采集到的图像信息传至信息处理服务器和视频存储服务器;
c.视频存储服务器存储视频图像数据;
d.信息处理服务器在信息存储服务器的支持下对采集到的图像进行数据处理,得到移动目标位置;
e.信息处理服务器将移动目标位置信息发送给信息存储服务器;
f.地理信息服务器在信息存储服务器的支持下,为监控终端提供地理信息及移动目标位置的数据服务;
信息处理服务器对移动目标定位的具体步骤包括:
a.识别图像中的特定标志;
b.通过特定标志图像的拍摄方向、角度信息,获得无线摄像机的方向、角度;
c.通过特定标志信息建立无线摄像机与特定标志的测距模型;
d.通过测距模型计算出特定标志与移动目标之间的距离;
e.根据特定标志地理位置信息得出移动目标的位置信息。
1.所述的矿井定位系统进一步包括:所述视频存储服务器用于存储井下采集到的视频数据,作为视频资料为矿井灾害预防体系服务。
2.所述的矿井定位系统进一步包括:所述特定标志信息包括特定标志的形状、尺寸、色彩、纹理。
3.所述的矿井定位系统进一步包括:所述特定标志在无线摄像机水平状态下镜头的采集区域内,高度不高于设定阈值Hmax,且不低于设定阈值Hmin,Hmax和Hmin通过测量设定或人为设定得到。
4.所述的矿井定位系统进一步包括:识别图像中的特定标志的方法的步骤包括,先识别图像中特定标志的种类,继续识别特定标志的唯一性特征;所述唯一性特征包括特定标志上的编号;所述唯一性特征包括图像中多个特定标志之间的相对位置。
5.所述的矿井定位系统进一步包括:识别图像中的特定标志的方法包括特征比对识别、模糊识别、机器学习识别。
6.所述的矿井定位系统进一步包括:无线摄像机与特定标志的测距模型的测距参数包括,图像中特定标志的尺寸、形状,信息存储服务器中存储的特定标志的实际尺寸、形状,无线摄像机的焦距数据。
7.所述的矿井定位系统进一步包括:所述特定标志信息还包括特定标志的圆形标记,所述圆形标记包括特定标志上的圆形物体和图案;无线摄像机与特定标志的测距模型的测距参数包括,无线摄像机采集到的图像中特定标志的圆形标记的长轴,特定标志的圆形标记实际直径,无线摄像机的焦距数据。
8.所述的矿井定位系统进一步包括:图像中特定标志圆形标记的长轴判定方法包括,在移动目标采集到的图像中识别出特定标志上的圆形标记,对其进行描边,任取边界上的两点连线,所成线段中长度最大的线段即为圆形标记的长轴。
9.所述的矿井定位系统进一步包括:测距模型包括单目测距模型、双目测距模型和多目测距模型。
本发明达到的有益效果:本发明的定位系统不依赖于无线电定位技术,以井下移动目标的视角采集图像,并以可视标志物为定位参照物进行定位,不受固定位置摄像机安装密度和图像采集范围的限制,完全不同于现有固定位置摄像机的图像定位方法。
本发明的定位系统不存在井下无线电定位方法存在的时钟同步、信号遮挡、折射等造成定位误差的问题,可作为提高井下无线电定位精度的补充定位方法。理论上,只需足够的数据支持,本发明的定位系统可自主实现无监控死角的全矿井区域精确定位,具有广阔的应用空间。
附图说明
图1矿井定位系统结构图。
图2矿井图像定位工作流程图。
图3矿井定位方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种矿井定位系统,图1为本发明实施例提供的一种矿井定位系统的结构图。如图1所示,本实施例中的矿井定位系统,包括:
1.信息处理服务器101,在信息存储服务器103的数据支持下,对无线摄像机采集的图像数据进行处理识别,获得移动目标位置。
2.地理信息服务器102,负责为监控终端105提供矿井地理信息的显示服务,可采用标准GIS服务平台系统及设备。
3.信息存储服务器103,负责存储信息包括地理空间信息、移动目标信息和特定标志信息,为信息处理服务器101提供特定标志信息的数据服务,以实现特定标志识别;为地理信息服务器102提供地理空间信息、移动目标信息及位置信息的数据服务,以实现地理信息显示。
4.视频存储服务器104,负责备份存储无线摄像机采集的视频图像数据。
5.监控终端105,用于监控移动目标,具有地图和移动目标位置显示功能,所述显示功能所需的数据由地理信息服务器102提供。监控终端包括具有显示和通信功能的电脑、手机、平板电脑等。
6.核心交换机106,有线网络的核心交换设备,负责所有接入有线网络的设备的数据交换。
7.井下交换机107,有线网络的井下交换设备,多个井下交换机可通过环网方式连接。
8.无线基站108,无线网络的接入设备,负责包括无线摄像机109在内的无线通信设备的无线网络接入。
9.无线摄像机109,负责采集现场图像,具有无线通信功能,通过无线网络和有线网络实现与信息处理服务器101和视频存储服务器104的通信,由移动目标携带和安装。
10.特定标志110,指具有固定位置的井下设备、标牌和自建参照物,是图像识别定位的标志物,其图像、编号、形状特征、地理位置的相关信息由信息存储服务器存储。
本实施例提供一种矿井图像定位工作流程,如图2所示,本实施例中的矿井图像定位流程为:
1.无线摄像机109将采集到的视频图像数据通过无线网络和有线网络传输至视频存储服务器104和信息处理服务器101。
2.视频存储服务器104备份存储视频图像数据。
3.信息处理服务器101在信息存储服务器103的支持下得到无线摄像机109(即移动目标)位置。
4.信息处理服务器101将移动目标位置发送给信息存储服务器103进行存储,并为地理信息服务器102提供移动目标位置数据服务。
5.地理信息服务器102为监控终端105提供监控井下移动目标所需的井下地理信息数据和移动目标位置数据,由监控终端105显示。
本实施例提供一种基于图像的矿井定位系统的定位方法,如图3所示,具体实施方式如下:
1.301采集图像并上传,井下移动目标携带无线摄像机进入井下采集图像后传输至信息处理服务器和视频存储服务器。
2.302图像预处理,信息处理服务器对采集到的图片进行预处理。
3.303特定标志识别,信息处理服务器在信息存储服务器的支持下对预处理后的图片进行图像识别,以供电箱作为特定标志为例,信息处理服务器对包含供电箱的图像与信息存储服务器存储的供电箱不同方向、角度的图像进行比对识别,若成功识别出图像中的特定标志,继续进行下一步图像处理操作,;如果在图像中没有识别出特定标志,返回301继续采集图像;
(1)本实施例提供一种图像识别方法,具体步骤如下:
a.选取采集图像中任一像素点作为圆心,半径为3个像素宽度,取圆形区域作为该像素点的邻域,用圆心出的灰度值与邻域内的16个像素点灰度值进行比较,若至少有n点与圆心处灰度值差值超过了预先设定的阈值t,则将圆心保留作为特征点。
b.用特征点的原始特征点描述子对图像进行匹配,获得初始匹配点对集G。
c.从初始匹配集G中找出并记录下最大汉明距离值max dist,设置两个阈值T1和T2
d.遍历初始匹配集G中的特征点对,取其中一对特征点对(a,b),计算a、b两点之间的汉明距离dist,若dist<T1max dist,则将特征点对作为正确匹配点对保留到最终匹配结果的点对集S中;若dist>T2max dist则直接将此特征点对排除;若T1max dist<dist<T2max dist,则执行步骤d-h。完成上述判断后进入步骤i。
e.分别将待确定点对分别将待确定特征点对a、b的空间邻域半径为10像素、15像素和20像素划分为3部分。
f.分别计算特征点a、b周围10*10、15*15、20*20空间邻域内分布的相邻特征点的个数,形成相应的空间特征点分布情况的特征向量N=(n1,n2,n3)和N'=(n'1,n'2,n'3)。
g.用公式(n1、n2、n3和n'1、n'2、n'3分别为a和b在10*10、15*15、20*20圆邻域内分布的特征点个数)计算出两个特征点的空间特征点分布情况的特征向量之间的欧氏距离d。
h.用判断两个特征向量之间的相似性R,设置一个阈值ε,当R>ε则将特征点对(a,b)作为正确匹配点对保留到最终匹配结果的点对集S中,否则排除点对(a,b)。
i.重复步骤d遍历完初始匹配集G,输出最终匹配结果的点对集S。
j.由匹配结果点对集S,确定图片中的特定标志种类。
(2)除了上述特定标志识别方法,本实施例还提供一种基于机器学习的特定标志识别方法,主要包括:
a.采集包含特定标志的图像组成样本集,对样本集进行图像分块向量化并从每张图像中随机抽取若干个图像块得到训练矩阵,用训练矩阵来学习生成特征库;这里介绍一种算法用于构造特征库,具体步骤如下:
a)假定训练数据库已知,通过下式近似求解:
xi表示信号;D表示未知特征库;ai表示稀疏表示;考虑信号拟合的最优值和矩阵分解上式可变形为:本算法的基础是在训练数据已知的情况下,完成对特征库的每一列进行求解,在式(2)的基础上,可以得到如下式子:(3),为A的第j行,dt与为更新目标,为误差矩阵,记作Et。利用奇异值分解求得最优dt和这么做通常会增加非零项的数量,即导致稀疏性降低为了保持稀疏性,将Et和两个矩阵的非零列组成新的矩阵上述变换有效的保证了稀疏性,使得Et可以用来更新dt和对应的稀疏系数。
b)假定输入:原有数据库阈值k0。
c)计算输出:输出k次迭代后特征库D(k)和稀疏矩阵A(k)。
d)算法实现流程:初始化阶段:令k=0,构造特征库D(0)∈Rm×n并归一化各列;主迭代阶段:当k值每增加1时,算法执行以下步骤:
i.稀疏编码:对式求近似解,并稀疏表示列向量ai(i=1,2,...,n),组成矩阵A(k);
ii.特征库更新,令t=1,2,...,n,重复以下步骤,更新特征库得到D(k);对标签集进行定义:Ωt={j|1≤j≤N,A(k)(t,j)≠0};计算残差选择与标签集Ωt相对应的列进而限制Et,得通过奇异值分解,得到,同时实现对特征库原子得更新dt=u1与表示,记为:
iii.终止条件;若经过上述步骤后有足够小的变化,则迭代停止,否则,迭代继续进行。
b.采集特定标志图像组成样本集,特定标志图像组成模板图像集;
c.首先对样本集进行图像分块向量化并从每张图像中随机抽取若干个图像快得到训练矩阵,用训练矩阵学习生成特征库;
d.特征库对模板图像集和含有采集移动目标采集到的待测图像进行稀疏表示;
e.对待测图像分块,求出各子块的信息熵作为权值;
f.用相关系数作为相似性度量函数,并根据各子块的权值对稀疏域的相似度进行加权求和得到识别结果。
4.304唯一性特征识别,确定特定标志种类后,进入信息存储服务器获取这种特定标志的信息包括图像、编号、形状特征、地理位置信息,识别特定标志的唯一性特征;唯一性特征可以通过特定标志编号识别,用字符分割识别出特定标志编号信息,从而确定被采集到的特定标志。对于条码或二维码,可通过编码规则识别出其包含的唯一性信息。
5.305方向角度判定,可通过存储的特定标志图像的对应的拍摄方向、角度获得无线摄像机的方向、角度。
6.306测距,根据信息存储服务器中储存的信息即可确定被采集特定标志的位置信息,然后测量移动目标与特定标志间的距离,本实施例提供一种单目测距模型、一种双目测距模型和一种特定标志包含圆形标记的测距模型;
a.单目测距时,已知采集图像中特定标志的像素尺寸P,无线摄像机设备的焦距F,同时由信息存储服务器所存信息可知特定标志的实际尺寸W,计算出特定标志与无线摄像机的距离:
b.双目测距时,假设特定标志位于空间中P点处,令左侧摄像机安装在世界坐标系O-xyz的原点处且没有任何旋转,摄像机的图像坐标系设为Ol-XlYl,fl为做摄像机的有效焦距;右摄像机坐标系为or-xryrzr,其图像坐标系为Or-XrYr,fr为右摄像机的有效焦距,由透视变换模型可以得出一下公式: O-xyz坐标系和or-xryrzr坐标系之间的相互位置可以用空间转换矩阵Mlr表示为如下形式:其中Mlr=[R|T],且分别表示O-xyz和or-xryrzr两个坐标系之间的旋转矩阵和其与世界坐标系原点间的平移向量;由公式(1)、(2)、(3)可知位于O-xyz坐标系中的空间点P,存在两个摄像机平面点间的对应关系可以表示为求解可得:P点坐标(x,y,z)分别为x=zXl/fl、y=zYl/fl、由P坐标可以求出特定标志与移动目标间距离。
c.特定标志包含圆形标记时,本实施例提供一种基于包含圆形标记的特定标志识别方法,采用一种表决式的参数估计方式,利用图像空间和参数空间的线-点对偶性,把圆形标记检测从图像空间转换到参数空间中进行。圆形的一般性方程表示为(x-a)2+(y-b)2=r2,在参数空间中有三个参数分别为圆心坐标a、b和半径r。已知特定标志圆形标记的信息,即半径r为已知量,只需要计算出圆心的坐标即可得到参数空间中的圆。具体算法过程如下:
a)对移动目标采集的图像进行边缘检测,获取边界点,即前景点;
b)假如图像中存在圆形,那么其轮廓必定属于前景点;
c)将图像中的像素点由图像空间坐标系转换到参数空间坐标系。在图像空间坐标系中圆的一般性公式为:(x-a)2+(y-b)2=r2,在图像空间坐标系中圆形边界上的一点对应到参数空间坐标系中即为一个圆;
d)图像空间坐标系中一个圆形边界上有很多个点,对应到参数空间坐标系中就会有很多个圆。由于原图像中这些点都在同一个圆形上,那么转换后圆心坐标必定也满足参数空间坐标系下的所有圆形的方程式。直观表现为这许多点对应的圆都会相交于一个点,那么这个交点就可能是圆心(a,b);
e)统计局部交点处圆的个数,取每一个局部最大值,就可以获得原图像中对应的圆形的圆心坐标(a,b);
确定圆心后,由于半径已知,如果在已知半径r下检测到圆,即可识别出包含圆形标记的特定标志种类。在不同的情况下,移动目标采集图像中的圆形标记可能会发生偏移变为椭圆形,因为圆形具有长轴不变的特点,即使圆形标记偏移变成椭圆形,圆形的长轴长度仍保持不变,保证了图像中圆形长轴的像素尺寸不会发生偏移,因此以圆形的长轴作为参照物有助于在测距时简化计算过程,提高测距精度。此时特定标志与移动目标间距离可以表示为x为特定标志中圆形长轴的实际长度,y为无线摄像机的焦距,z为采集的图像中圆形长轴的像素尺寸。
7.307根据特定标志地理位置信息、无线摄像机的方向及角度和无线摄像机与特定标志之间距离,得出移动目标的位置数据。
Claims (10)
1.基于图像识别的矿井定位系统,其特征在于:系统包括无线摄像机、有线网络、无线网络、信息处理服务器、地理信息服务器、信息存储服务器、视频存储服务器和监控终端;所述信息处理服务器、地理信息服务器、信息存储服务器、视频存储服务器和监控终端部署于井上;所述信息存储服务器用于存储信息包括矿井地理空间信息、移动目标信息和特定标志信息;所述移动目标包括井下人员与车辆;所述特定标志信息包括特定标志的图像信息、编号信息、形状特征信息、地理位置信息;所述图像信息包括无线摄像机在不同方向、角度拍摄的特定标志的图像,和图像的拍摄方向、角度信息;所述特定标志包括具有固定位置的井下设备、标牌和自建参照物;所述具有固定位置的井下设备包括消防设备、供电设备、基站、固定的机电设备;所述自建参照物包括自行设置的条码、二维码或指示牌;所述移动目标携带或安装至少一个无线摄像机,固定于移动目标上,将无线摄像机位置作为移动目标位置;所述系统定位过程包括:
a.无线摄像机采集包含至少一种特定标志的图像;
b.无线摄像机利用无线网络和有线网络将采集到的图像信息传至信息处理服务器和视频存储服务器;
c.视频存储服务器存储视频图像数据;
d.信息处理服务器在信息存储服务器的支持下对采集到的图像进行数据处理,得到移动目标位置;
e.信息处理服务器将移动目标位置信息发送给信息存储服务器;
f.地理信息服务器在信息存储服务器的支持下,为监控终端提供地理信息及移动目标位置的数据服务;
信息处理服务器对移动目标定位的具体步骤包括:
a.识别图像中的特定标志;
b.通过特定标志图像的拍摄方向、角度信息,获得无线摄像机的方向、角度;
c.通过特定标志信息建立无线摄像机与特定标志的测距模型;
d.通过测距模型计算出特定标志与移动目标之间的距离;
e.根据特定标志地理位置信息得出移动目标的位置信息。
2.如权利要求1所述的矿井定位系统,其特征在于:所述视频存储服务器用于存储井下采集到的视频数据,作为视频资料为矿井灾害预防体系服务。
3.如权利要求1所述的矿井定位系统,其特征在于:所述特定标志信息包括特定标志的形状、尺寸、色彩、纹理。
4.如权利要求1所述的矿井定位系统,其特征在于:所述特定标志在无线摄像机水平状态下镜头的采集区域内,高度不高于设定阈值Hmax,且不低于设定阈值Hmin,Hmax和Hmin通过测量设定或人为设定得到。
5.如权利要求1所述的矿井定位系统,其特征在于:识别图像中的特定标志的方法的步骤包括,先识别图像中特定标志的种类,继续识别特定标志的唯一性特征;所述唯一性特征包括特定标志上的编号;所述唯一性特征包括图像中多个特定标志之间的相对位置。
6.如权利要求1所述的矿井定位系统,其特征在于:识别图像中的特定标志的方法包括特征比对识别、模糊识别、机器学习识别。
7.如权利要求1所述的矿井定位系统,其特征在于:无线摄像机与特定标志的测距模型的测距参数包括,图像中特定标志的尺寸、形状,信息存储服务器中存储的特定标志的实际尺寸、形状,无线摄像机的焦距数据。
8.如权利要求1所述的矿井定位系统,其特征在于:所述特定标志信息还包括特定标志的圆形标记,所述圆形标记包括特定标志上的圆形物体和图案;无线摄像机与特定标志的测距模型的测距参数包括,无线摄像机采集到的图像中特定标志的圆形标记的长轴,特定标志的圆形标记实际直径,无线摄像机的焦距数据。
9.如权利要求8的矿井定位系统,其特征在于:图像中特定标志圆形标记的长轴判定方法包括,在移动目标采集到的图像中识别出特定标志上的圆形标记,对其进行描边,任取边界上的两点连线,所成线段中长度最大的线段即为圆形标记的长轴。
10.如权利要求1所述的矿井定位系统,其特征在于:测距模型包括单目测距模型、双目测距模型和多目测距模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821966.4A CN110415302A (zh) | 2019-09-02 | 2019-09-02 | 基于图像识别的矿井定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821966.4A CN110415302A (zh) | 2019-09-02 | 2019-09-02 | 基于图像识别的矿井定位系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415302A true CN110415302A (zh) | 2019-11-05 |
Family
ID=68369900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910821966.4A Pending CN110415302A (zh) | 2019-09-02 | 2019-09-02 | 基于图像识别的矿井定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415302A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612904A (zh) * | 2020-05-08 | 2020-09-01 | 中国矿业大学(北京) | 基于三维模型图像机器学习的位置感知系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067856A (zh) * | 2011-10-24 | 2013-04-24 | 康佳集团股份有限公司 | 基于图像识别的地理位置定位方法及系统 |
CN104215988A (zh) * | 2014-09-27 | 2014-12-17 | 江苏华宏实业集团有限公司 | 一种水下目标定位方法 |
CN107015193A (zh) * | 2017-04-18 | 2017-08-04 | 中国矿业大学(北京) | 一种双目ccd视觉矿井移动目标定位方法及系统 |
WO2018135134A1 (ja) * | 2017-01-18 | 2018-07-26 | 横浜ゴム株式会社 | コンベヤベルトのモニタリングシステム |
CN109085534A (zh) * | 2018-06-19 | 2018-12-25 | 中国矿业大学(北京) | 基于图像的井下人员测距定位监测方法 |
-
2019
- 2019-09-02 CN CN201910821966.4A patent/CN110415302A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067856A (zh) * | 2011-10-24 | 2013-04-24 | 康佳集团股份有限公司 | 基于图像识别的地理位置定位方法及系统 |
CN104215988A (zh) * | 2014-09-27 | 2014-12-17 | 江苏华宏实业集团有限公司 | 一种水下目标定位方法 |
WO2018135134A1 (ja) * | 2017-01-18 | 2018-07-26 | 横浜ゴム株式会社 | コンベヤベルトのモニタリングシステム |
CN107015193A (zh) * | 2017-04-18 | 2017-08-04 | 中国矿业大学(北京) | 一种双目ccd视觉矿井移动目标定位方法及系统 |
CN109085534A (zh) * | 2018-06-19 | 2018-12-25 | 中国矿业大学(北京) | 基于图像的井下人员测距定位监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612904A (zh) * | 2020-05-08 | 2020-09-01 | 中国矿业大学(北京) | 基于三维模型图像机器学习的位置感知系统 |
CN111612904B (zh) * | 2020-05-08 | 2024-02-23 | 中国矿业大学(北京) | 基于三维模型图像机器学习的位置感知系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428419A (zh) | 基于移动图像识别的矿井定位系统 | |
CN106793086B (zh) | 一种室内定位方法 | |
CN102194367B (zh) | 信息处理设备、地图更新方法以及信息处理系统 | |
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
CN108234927A (zh) | 视频追踪方法和系统 | |
CN110874864A (zh) | 获取对象三维模型的方法、装置、电子设备及系统 | |
CN108550143A (zh) | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 | |
CN110689562A (zh) | 一种基于生成对抗网络的轨迹回环检测优化方法 | |
CN107369183A (zh) | 面向mar的基于图优化slam的跟踪注册方法及系统 | |
CN108256439A (zh) | 一种基于循环生成式对抗网络的行人图像生成方法及系统 | |
CN107247834A (zh) | 一种基于图像识别的三维环境模型重构方法、设备及系统 | |
CN109029381A (zh) | 一种隧道裂缝的检测方法、系统及终端设备 | |
CN102930251B (zh) | 两维收藏品数据收录与甄别的装置和方法 | |
CN109740444A (zh) | 人流量信息展示方法及相关产品 | |
CN106649747A (zh) | 一种景点识别方法及其系统 | |
CN102054166A (zh) | 一种新的用于户外增强现实系统的场景识别技术 | |
CN102914295A (zh) | 基于计算机视觉立方体标定的三维测量方法 | |
CN115797408A (zh) | 融合多视角图像和三维点云的目标跟踪方法及装置 | |
CN110415302A (zh) | 基于图像识别的矿井定位系统 | |
CN110414101A (zh) | 一种仿真场景测量方法、准确性测定方法及系统 | |
CN111402429B (zh) | 一种尺度还原、三维重建方法、系统、存储介质及设备 | |
CN109086350A (zh) | 一种基于WiFi的混合图像检索方法 | |
CN110516647A (zh) | 基于图像识别的移动目标定位方法及系统 | |
CN113421286B (zh) | 一种动作捕捉系统及方法 | |
CN115578539A (zh) | 室内空间高精度视觉位置定位方法、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191105 |