CN114429469A - 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 - Google Patents
一种基于三激光点标靶的掘进机机身位姿确定方法及系统 Download PDFInfo
- Publication number
- CN114429469A CN114429469A CN202210098038.1A CN202210098038A CN114429469A CN 114429469 A CN114429469 A CN 114429469A CN 202210098038 A CN202210098038 A CN 202210098038A CN 114429469 A CN114429469 A CN 114429469A
- Authority
- CN
- China
- Prior art keywords
- laser
- spot
- determining
- machine body
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本发明涉及一种基于三激光点标靶的掘进机机身位姿确定方法及系统。该方法包括构建三激光点标靶;采集三激光点标靶图像;利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;建立基于三点定位特征的掘进机机身位姿解算模型,以三激光光斑中心坐标以及三激光点的空间坐标为输入,确定掘进机机身在巷道坐标下的位置和姿态角。本发明能够提高机身位姿确定的稳定性。
Description
技术领域
本发明涉及煤矿掘进装备运行状态监测领域,特别是涉及一种基于三激光点标靶的掘进机机身位姿确定方法及系统。
背景技术
煤矿井下掘进工作面施工工艺复杂,智能化水平低,“掘进失衡”矛盾制约了生产效率,而掘进装备位姿自主测量和动态定位成为掘进装备智能化发展面临的首要难题。现有的煤矿井下掘进机机身位姿测量方法有:基于惯性导航的位姿测量系统、基于UWB的位姿测量系统、基于全站仪的位姿测量系统以及基于机器视觉的位姿测量系统。其中,基于惯性导航的位姿测量系统不需要任何外界信息,但存在时间累积误差且受振动工况影响严重;基于全站仪的位姿测量系统受掘进过程中恶劣环境的影响,棱镜光路易被遮挡,测量结果稳定性亟待解决。
发明内容
本发明的目的是提供一种基于三激光点标靶的掘进机机身位姿确定方法及系统,能够利用三激光点的二维图像与空间三维坐标间的映射关系,获得掘进机机身的位置和姿态角。
为实现上述目的,本发明提供了如下方案:
一种基于三激光点标靶的掘进机机身位姿确定方法,包括:
根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光点,构建三激光点标靶;
利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出;
可选地,所述利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割,具体包括:
根据颜色分量约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理,确定二值化分割处理后的连通区域像素点集合;
根据上述二值化分割处理后的图像连通区域中像素点的统计值,以及连通区域像素点的统计值阈值,对二值化分割处理得到的图像进行二次分割处理;
利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
可选地,所述利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标,具体包括:
利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
利用激光光斑轮廓边缘的梯度的对称性几何约束对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
一种基于三激光点标靶的掘进机机身位姿确定系统,包括:
三激光点标靶构建模块,用于根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光点,构建三激光点标靶;
标定模块,利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
三激光点标靶图像采集模块,用于利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
激光光斑的区域分割模块,用于利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
中心坐标确定模块,用于利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
掘进机机身位姿确定模块,用于根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出;
可选地,所述激光光斑的区域分割模块具体包括:
初始激光光斑像素点聚类分割区域集合确定单元,用于根据颜色空间约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
自适应灰度阈值确定单元,用于将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
二值化分割处理单元,用于根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理;
二次分割单元,用于根据二值化分割处理后图像中连通区域集合中像素点的统计值,以及连通区域像素点的统计阈值,对二值化分割处理后图像进行分割;
激光光斑的区域确定单元,用于利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
可选地,所述中心坐标确定模块具体包括:
初始的激光光斑的轮廓边缘的像素点聚类集合确定单元,用于利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
激光光斑轮廓边缘的梯度提取单元,用于利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
杂点干扰滤除单元,用于利用激光光斑轮廓边缘的梯度的对称性几何约束对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
中心坐标确定单元,用于利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定方法及系统,由矿用相机采集由矿用激光指向仪形成的激光点特征,通过图像处理获得激光光斑特征参数,代入到建立的基于三点定位特征的掘进机机身位姿视觉测量模型获得掘进机相对巷道的位姿参数。矿用相机固定于掘进机机身后方,对掘进巷道上方的矿用激光指向仪所形成的三激光光斑图像进行采集,将获得的光斑图像进行区域分割和光斑中心检测,得到三个激光光斑的中心坐标参数;构建基于三激光点定位特征的掘进机机身位姿视觉测量模型,将提取的激光光斑中心坐标代入到上述模型,获得掘进机相对巷道的位姿参数。本发明能够利用三激光点的空间三维坐标与二维图像间的映射关系,获得掘进机机身的位置和姿态角信息,为煤矿井下掘进工作面掘进机机身的位姿测量提供必要的技术支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定方法流程示意图;
图2为本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定方法整体流程示意图;
图3为基于三激光点标靶的掘进机机身视觉测量系统示意图;
图4为基于三激光点标靶的掘进机机身位姿解算模型示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种基于三激光点标靶的掘进机机身位姿确定方法及系统,能够利用三激光点的二维图像与空间三维坐标间的映射关系,获得掘进机机身的位置和姿态角。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定方法流程示意图,图2为本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定方法整体流程示意图,如图1和图2所示,本发明所提供一种基于三激光点标靶的掘进机机身位姿确定方法,包括:
S101,如图3所示,根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光光斑,构建三激光点标靶;
S102,利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
S103,利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
S104,利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
S104具体包括:
根据颜色空间约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理;
根据上述二值化分割处理后的图像连通区域中像素点的统计值,以及连通区域像素点的统计值阈值,对二值化分割处理得到的图像进行二次分割处理;
利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
作为一个具体的实施例,激光光斑的区域分割的具体步骤如下:
步骤(1)、假设三激光点标靶图像中的第i个像点表示为I(xi,yi),定义颜色空间分量约束为0<H(xi,yi)<10,40<S(xi,yi)<250,40<V(xi,yi)<250,对当前三激光点标靶图像中的每一个像素点根据上述颜色空间约束进行判断,得到的初始激光光斑像素点聚类分割区域集合;
步骤(2)、通过计算当前获得的初始激光光斑像素点聚类分割区域的最大灰度值,得到当前标靶图像的自适应灰度阈值;
步骤(3)、结合步骤(2)获得的自适应灰度阈值,利用Otsu阈值分割算法对当前图像进行二值化分割处理,定义阈值分割获得区域S,该区域不仅含有激光光斑,还含有杂散光光斑;
步骤(4)、假设Sk表示区域S中的第k个连通区域的像素集合,设S′k为连通区域集合Sk和步骤(1)获得的初始激光光斑像素点聚类分割区域集合L的交集,Nk为集合S′k中像素点的统计值。利用满足颜色空间约束的像素统计值Nk>m对区域S进行分割,其中m通常设置为5;
步骤(5)、利用三激光光斑中心沿u轴和v轴的像素间欧氏距离约束关系,进一步对分割得到的光斑区域进行筛选并确定三个激光光斑区域。
S105,利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
S105具体包括:
利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
利用激光光斑轮廓边缘的梯度的对称性几何约束对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
S106,根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出;
建立掘进机机身位姿解算模型的具体步骤如下:
步骤(1)建立如图4所示的巷道坐标系OnXnYnZn、三激光点标靶坐标系ObXbYbZb和摄像机坐标系Oc=(Xc,Yc,Zc);建立像素坐标系Ouv,像素坐标系原点为O,(u,v)表示像素点在图像上的行数和列数;P1、P2、P3为三激光标靶的激光光斑中心,P1P2间的距离为d,P1在图像上的投影为p1(x1,y1,z1),P2在图像上的投影为p2(x2,y2,z2),P3在图像上的投影为p3(x3,y3,z3);
步骤(2)定义辅助坐标系M1为(O1,mx1,my1,mz1),其中,mx1=Ocp1/||Ocp1||,my1=mz1×mx1,mz1=mx1×Ocp2/||mx1×Ocp2||,定义辅助坐标系M2=(O2,mx2,my2,mz2),其中,mx2=P1P2/||P1P2||,mz2=mx2×P1P3/||mx2×P1P3||,my2=mz2×mx2,相机坐标系与辅助坐标系M1间的转换矩阵可以表示为 三激光点标靶坐标系与辅助坐标系M2间的转换矩阵可以表示为
步骤(3)定义由矢量OcP1与矢量OcP2构成辅助平面π,则辅助坐标系M1(O1,mx1,my1,mz1)投影到辅助平面π可以表示为投影辅助坐标系M1′=[m′x1,m′y1,m′z1],m′x1=[-cosθ,-sinθ,0],m′y1=[-cosθ,-sinθ,0],m′z1=[-cosθ,-sinθ,0]。因此,假设辅助坐标系M1与辅助坐标系M2间的坐标变换矩阵为Rα,辅助坐标系M1与辅助坐标系M2间的转化关系可以表示为投影辅助坐标系M′1绕辅助坐标系M1的矢量轴mx1旋转角度α,
其中,
相机坐标系Oc投影到辅助平面π可以表示为投影辅助坐标系M′o=[O′x1,O′y1,O′z1],O′x1=dcosθ1sinθ1cotθ2+dcos2θ1,O′y1=dsin2θ1sincotθ2+dsinθ1cosθ1,O′z1=0,投影辅助坐标系M′o转换到辅助坐标系M2可以表示为:
其中,
步骤(4)定义标靶坐标系下的激光点P3转换到辅助坐标系M2可以表示为
标靶坐标系下的激光点P3转换到辅助坐标系M1可以表示为
根据建立的辅助坐标系,标靶坐标系下的激光点P3还可以通过先转换到辅助坐标系M2,然后再转换到辅助坐标系M1,因此,可以得到
假设x=cosα,结合公式(4)(5),可以得到式(6)所示的四阶多项式
K0x4+K1x3+K2x2+K3x+K4=0 (6)
其中,
步骤(7)根据上述获得的掘进机机身坐标系与激光标靶坐标系间的旋转矩阵与平移矩阵,结合三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系,得到掘进机机身在巷道坐标下的位置和姿态角。
本发明所提供的一种基于三激光点标靶的掘进机机身位姿确定系统,包括:
三激光点标靶构建模块,用于根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光光斑,构建三激光点标靶;
标定模块,用于利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
三激光点标靶图像采集模块,用于利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
激光光斑的区域分割模块,用于利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
中心坐标确定模块,用于利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
掘进机机身位姿确定模块,用于根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出;
所述激光光斑的区域分割模块具体包括:
初始激光光斑像素点聚类分割区域集合确定单元,用于根据颜色空间约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
自适应灰度阈值确定单元,用于将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
二值化分割处理单元,用于根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理;
二次分割单元,用于根据二值化分割处理后图像中连通区域集合中像素点的统计值,以及连通区域像素点的统计阈值,对二值化分割处理后图像进行分割;
激光光斑的区域确定单元,用于利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
所述中心坐标确定模块具体包括:
初始的激光光斑的轮廓边缘的像素点聚类集合确定单元,用于利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
激光光斑轮廓边缘的梯度提取单元,用于利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
杂点干扰滤除单元,用于利用激光光斑轮廓边缘的梯度的对称性几何约束对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
中心坐标确定单元,用于利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种基于三激光点标靶的掘进机机身位姿确定方法,其特征在于,包括:
根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光光斑,构建三激光点标靶;
利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出。
2.根据权利要求1所述的一种基于三激光点标靶的掘进机机身位姿确定方法,其特征在于,所述利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割,具体包括:
根据颜色空间约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理;
根据上述二值化分割处理后的图像连通区域中像素点的统计值,以及连通区域像素点的统计值阈值,对二值化分割处理得到的图像进行二次分割处理;
利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
3.根据权利要求1所述的一种基于三激光点标靶的掘进机机身位姿确定方法,其特征在于,所述利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标,具体包括:
利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
利用激光光斑轮廓边缘的梯度的对称性几何约束,对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
4.一种基于三激光点标靶的掘进机机身位姿确定系统,其特征在于,包括:
三激光点标靶构建模块,用于根据安置在掘进工作面的巷道顶部的三个矿用激光指向仪发射形成的三个激光光斑,构建三激光点标靶;
标定模块,利用全站仪对三激光点标靶进行标定,确定三个激光出射点在三激光点标靶坐标下的三维空间坐标,以及三激光点标靶坐标系与掘进工作面巷道坐标系间的相对位姿转换关系;
三激光点标靶图像采集模块,用于利用安装在掘进机机身后方的矿用相机采集三激光点标靶图像;
激光光斑的区域分割模块,用于利用颜色分量约束与欧式距离约束对三激光点标靶图像进行激光光斑的区域分割;
中心坐标确定模块,用于利用改进的Hough圆变换的激光光斑亚像素中心定位算法对区域分割的图像进行定位,确定三激光光斑的中心坐标;
掘进机机身位姿确定模块,用于根据基于三激光光斑定位特征的掘进机机身位姿解算模型、三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标确定掘进机机身在巷道坐标系下的位置和姿态角;所述基于三激光光斑定位特征的掘进机机身位姿解算模型以三激光点标靶图像的三个激光光斑的中心坐标以及三个激光点在三激光点标靶坐标系下的三维空间坐标为输入,以掘进机机身在巷道坐标系下的位置和姿态角为输出。
5.根据权利要求4所述的一种基于三激光点标靶的掘进机机身位姿确定系统,其特征在于,所述激光光斑的区域分割模块具体包括:
初始激光光斑像素点聚类分割区域集合确定单元,用于根据颜色空间约束对三激光点标靶图像中的每一个像素点进行判断,确定初始激光光斑像素点聚类分割区域集合;
自适应灰度阈值确定单元,用于将初始激光光斑像素点聚类分割区域集合中的最大灰度值确定为当前标靶图像的自适应灰度阈值;
二值化分割处理单元,用于根据自适应灰度阈值,利用Otsu阈值分割算法对三激光点标靶图像进行二值化分割处理;
二次分割单元,用于根据二值化分割处理后图像中连通区域集合中像素点的统计值,以及连通区域像素点的统计阈值,对二值化分割处理后图像进行分割;
激光光斑的区域确定单元,用于利用欧氏距离约束对二次分割后的图像进行筛选,确定激光光斑的区域。
6.根据权利要求4所述的一种基于三激光点标靶的掘进机机身位姿确定系统,其特征在于,所述中心坐标确定模块具体包括:
初始的激光光斑的轮廓边缘的像素点聚类集合确定单元,用于利用Canny边缘检测对激光光斑的区域进行处理,确定初始的激光光斑的轮廓边缘的像素点聚类集合;
激光光斑轮廓边缘的梯度提取单元,用于利用Sobel梯度算子对初始的激光光斑的轮廓边缘的像素点聚类集合进行提取,确定激光光斑轮廓边缘的梯度;
杂点干扰滤除单元,用于利用激光光斑轮廓边缘的梯度的对称性几何约束对初始的激光光斑的轮廓边缘的像素点聚类集合中的像素点进行筛选,确定滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合;
中心坐标确定单元,用于利用Hough圆变换对滤除杂点干扰的激光光斑的轮廓边缘的像素点聚类集合进行处理,确定激光光斑的亚像素中心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098038.1A CN114429469A (zh) | 2022-01-27 | 2022-01-27 | 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098038.1A CN114429469A (zh) | 2022-01-27 | 2022-01-27 | 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114429469A true CN114429469A (zh) | 2022-05-03 |
Family
ID=81312555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210098038.1A Pending CN114429469A (zh) | 2022-01-27 | 2022-01-27 | 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114429469A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295313A (zh) * | 2023-05-22 | 2023-06-23 | 太原理工大学 | 掘进机的实时定位系统 |
-
2022
- 2022-01-27 CN CN202210098038.1A patent/CN114429469A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295313A (zh) * | 2023-05-22 | 2023-06-23 | 太原理工大学 | 掘进机的实时定位系统 |
CN116295313B (zh) * | 2023-05-22 | 2023-07-18 | 太原理工大学 | 掘进机的实时定位系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059954B (zh) | 支持高精度地图车道线实时融合更新的方法和系统 | |
CN112396650B (zh) | 一种基于图像和激光雷达融合的目标测距系统及方法 | |
CN109684921B (zh) | 一种基于三维激光雷达的道路边界检测与跟踪方法 | |
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN106989683B (zh) | 一种盾构机盾尾间隙视觉测量方法 | |
CN110458161B (zh) | 一种结合深度学习的移动机器人门牌定位方法 | |
CN113379712B (zh) | 一种基于计算机视觉的钢桥螺栓病害检测方法及系统 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN107133623A (zh) | 一种基于背景差和圆心定位的指针位置精确检测方法 | |
CN112464812A (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
CN114331986A (zh) | 一种基于无人机视觉的坝体裂纹识别与测量方法 | |
CN114325634A (zh) | 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法 | |
CN114332394A (zh) | 一种基于语义信息辅助的动态场景三维重建方法 | |
CN116844147A (zh) | 一种基于深度学习的指针式仪表识别和异常警报方法 | |
CN114719873B (zh) | 一种低成本精细地图自动生成方法、装置及可读介质 | |
CN104180794B (zh) | 数字正射影像拉花区域的处理方法 | |
CN114429469A (zh) | 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 | |
CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
CN113327296B (zh) | 基于深度加权的激光雷达与相机在线联合标定方法 | |
CN114820474A (zh) | 一种基于三维信息的列车车轮缺陷检测方法 | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN116958218A (zh) | 一种基于标定板角点对齐的点云与图像配准方法及设备 | |
CN114359403A (zh) | 一种基于非完整性蘑菇图像的三维空间视觉定位方法、系统及装置 | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 |
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 |