期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
国家能源集团智能矿山建设实践与探索
被引量：
33
1
作者
潘涛
赵永峰
+7 位作者
丁涛
张骐
王继生
张延生
郑磊
吴晓旭
丁震
邱爽
《中国煤炭》
2020年第5期30-40,共11页
介绍了国家能源集团智能矿山建设历程,并从智能矿山的规划研究、煤矿业务标准化、管控系统智能化、综采工作面智能化、掘进工作面智能化、主运系统智能化、辅助运输系统智能化等方面,详细阐述了国家能源集团在榆家梁煤矿、大柳塔煤矿、...
介绍了国家能源集团智能矿山建设历程,并从智能矿山的规划研究、煤矿业务标准化、管控系统智能化、综采工作面智能化、掘进工作面智能化、主运系统智能化、辅助运输系统智能化等方面,详细阐述了国家能源集团在榆家梁煤矿、大柳塔煤矿、上湾煤矿、锦界煤矿和准能集团露天煤矿进行智能矿山建设的实践以及良好的应用效果;针对智能矿山建设实践中存在的问题,提出智能化工作面建设、煤矿机器人研发、智能选煤厂、露天煤矿用智能卡车等集团智能矿山建设的目标任务。
展开更多
关键词
国家能源集团
智能矿山
数字矿山
煤矿智能化
煤矿机器人
在线阅读
下载PDF
职称材料
基于双目视觉技术的煤矿救援机器人研究进展
被引量：
23
2
作者
翟国栋
张文涛
+3 位作者
岳中文
潘涛
胡文渊
卢杏浩
《煤炭科学技术》
CAS
CSCD
北大核心
2020年第7期206-217,共12页
针对发生煤矿事故后的环境探测和紧急救援任务,研发和使用煤矿救援机器人是提高救援效率和降低救援危险系数的关键途径,而双目视觉技术是煤矿救援机器人获取事故现场信息和实现自主避障及路径规划的前提。首先,基于双目视觉技术的实现流...
针对发生煤矿事故后的环境探测和紧急救援任务,研发和使用煤矿救援机器人是提高救援效率和降低救援危险系数的关键途径,而双目视觉技术是煤矿救援机器人获取事故现场信息和实现自主避障及路径规划的前提。首先,基于双目视觉技术的实现流程,介绍了视觉测距的数学原理,归纳了目前摄像机标定领域的代表性方法,包括传统标定方法、主动视觉标定方法和自标定方法。阐述了立体视觉匹配中全局匹配算法、局部匹配算法和亚全局匹配算法的最新研究成果,并比较了3类匹配算法的优缺点。然后,在对近年来煤矿救援机器人研究文献进行分析的基础上,研究了双目视觉技术在煤矿救援机器人中的应用和发展情况。指出双目视觉技术在煤矿救援机器人领域的研究范围主要涵盖立体视觉匹配算法、模式分类与识别、视觉测量与3维重建、组合测量与定位、视觉伺服控制和基于虚拟现实技术的视觉算法仿真等方面。最后,根据煤矿非结构化环境的高动态和强干扰特点,指出煤矿救援机器人现场应用的关键是解决运动模糊和镜头污染、超广角镜头的非线性大幅畸变、弱/零照度条件等技术难题;根据煤矿救援机器人双目视觉的大视场、高精度、自适应感知等要求,提出了包括多自由度测量、多传感器信息融合、基于主动视觉的自适应感知等未来发展建议。
展开更多
关键词
煤矿救援机器人
双目视觉
摄像机标定
立体视觉匹配
应急救援
信息融合
主动视觉
在线阅读
下载PDF
职称材料
多尺度特征融合的煤矿救援机器人目标检测模型
被引量：
7
3
作者
翟国栋
任聪
+3 位作者
王帅
岳中文
潘涛
季如佳
《工矿自动化》
北大核心
2020年第11期54-58,共5页
传统目标检测模型采用人工设计的目标特征,造成检测精度较差。基于深度学习的目标检测模型具有较高的检测精度,然而针对实时性和精度要求比较高的煤矿救援机器人应用场合,获取的图像信息较少且目标特征不明显,造成目标检测效果较差。为...
传统目标检测模型采用人工设计的目标特征,造成检测精度较差。基于深度学习的目标检测模型具有较高的检测精度,然而针对实时性和精度要求比较高的煤矿救援机器人应用场合,获取的图像信息较少且目标特征不明显,造成目标检测效果较差。为提高目标检测精度和速度,基于YOLO V3模型提出了一种多尺度特征融合的煤矿救援机器人目标检测模型。该模型主要包括特征提取和特征融合2个模块:特征提取模块采用空洞瓶颈和多尺度卷积获得更加丰富的图像特征信息,增强目标特征表达能力,提高了目标分类精度和检测速度;特征融合模块在特征金字塔中引入空间注意力机制,对含有丰富语义信息的高层特征图和含有丰富位置信息的低层特征图进行有效融合,弥补了高层特征图位置信息表达能力不足的缺点,提高了目标定位精度。将该模型部署在煤矿救援机器人嵌入式NVIDIA Jetson TX2平台上进行灾后环境目标检测实验,检测精度为88.73%,检测速度为28帧/s,满足煤矿救援机器人目标检测的实时性和精度需求。
展开更多
关键词
煤矿救援机器人
目标检测
多尺度特征融合
YOLO
V3
深度学习
在线阅读
下载PDF
职称材料
题名
国家能源集团智能矿山建设实践与探索
被引量：
33
1
作者
潘涛
赵永峰
丁涛
张骐
王继生
张延生
郑磊
吴晓旭
丁震
邱爽
机构
神华信息技术有限公司
智能
矿山
(
煤炭行业
)
工程
研究
中心
国家能源投资集团有限责任公司
煤炭
与运输产业管理部
国家能源投资集团有限责任公司信息化管理部
出处
《中国煤炭》
2020年第5期30-40,共11页
基金
国家重点研发计划项目(2016YFC0801800)
国家重点研发计划项目(2017YFC0804300)
+3 种基金
中国科学院无线传感网与通信重点实验室开放课题(20190913)
福建省信息处理与智能控制重点实验室(闽江学院)开放基金(MJUKF-IPIC201905)
神华集团科技创新项目(SX-1)
国家高技术研究发展计划(863计划)项目(2012AA062800)。
文摘
介绍了国家能源集团智能矿山建设历程,并从智能矿山的规划研究、煤矿业务标准化、管控系统智能化、综采工作面智能化、掘进工作面智能化、主运系统智能化、辅助运输系统智能化等方面,详细阐述了国家能源集团在榆家梁煤矿、大柳塔煤矿、上湾煤矿、锦界煤矿和准能集团露天煤矿进行智能矿山建设的实践以及良好的应用效果;针对智能矿山建设实践中存在的问题,提出智能化工作面建设、煤矿机器人研发、智能选煤厂、露天煤矿用智能卡车等集团智能矿山建设的目标任务。
关键词
国家能源集团
智能矿山
数字矿山
煤矿智能化
煤矿机器人
Keywords
China Energy Group
intelligent mine
digital mine
coal mine intellectualization
coal mine robot
分类号
TD-918 [矿业工程]
在线阅读
下载PDF
职称材料
题名
基于双目视觉技术的煤矿救援机器人研究进展
被引量：
23
2
作者
翟国栋
张文涛
岳中文
潘涛
胡文渊
卢杏浩
机构
中国矿业大学(北京)机电与信息
工程
学院
中国矿业大学(北京)力学与建筑
工程
学院
神华信息技术有限公司
智能
矿山
(
煤炭行业
)
工程
研究
中心
福建省信息处理与
智能
控制重点实验室(闽江学院)
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2020年第7期206-217,共12页
基金
中央高校基本科研业务费专项资金资助项目(2020YJSJD06)
国家重点研发计划资助项目(2017YFC0804307)
+2 种基金
国家级大学生创新创业训练计划资助项目(201911413045)
北京高等学校高水平人才交叉培养“实培计划”毕业设计(创业类)资助项目(2019110750146)
福建省信息处理与智能控制重点实验室(闽江学院)开放基金资助项目(MJUKF-IPIC201905)。
文摘
针对发生煤矿事故后的环境探测和紧急救援任务,研发和使用煤矿救援机器人是提高救援效率和降低救援危险系数的关键途径,而双目视觉技术是煤矿救援机器人获取事故现场信息和实现自主避障及路径规划的前提。首先,基于双目视觉技术的实现流程,介绍了视觉测距的数学原理,归纳了目前摄像机标定领域的代表性方法,包括传统标定方法、主动视觉标定方法和自标定方法。阐述了立体视觉匹配中全局匹配算法、局部匹配算法和亚全局匹配算法的最新研究成果,并比较了3类匹配算法的优缺点。然后,在对近年来煤矿救援机器人研究文献进行分析的基础上,研究了双目视觉技术在煤矿救援机器人中的应用和发展情况。指出双目视觉技术在煤矿救援机器人领域的研究范围主要涵盖立体视觉匹配算法、模式分类与识别、视觉测量与3维重建、组合测量与定位、视觉伺服控制和基于虚拟现实技术的视觉算法仿真等方面。最后,根据煤矿非结构化环境的高动态和强干扰特点,指出煤矿救援机器人现场应用的关键是解决运动模糊和镜头污染、超广角镜头的非线性大幅畸变、弱/零照度条件等技术难题;根据煤矿救援机器人双目视觉的大视场、高精度、自适应感知等要求,提出了包括多自由度测量、多传感器信息融合、基于主动视觉的自适应感知等未来发展建议。
关键词
煤矿救援机器人
双目视觉
摄像机标定
立体视觉匹配
应急救援
信息融合
主动视觉
Keywords
coal mine rescue robot
binocular vision
camera calibration
stereo vision matching
emergency rescue
information fusion
active vision
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
多尺度特征融合的煤矿救援机器人目标检测模型
被引量：
7
3
作者
翟国栋
任聪
王帅
岳中文
潘涛
季如佳
机构
中国矿业大学(北京)机电与信息
工程
学院
湖北工业大学电气与电子
工程
学院
中国矿业大学(北京)力学与建筑
工程
学院
神华信息技术有限公司
智能
矿山
(
煤炭行业
)
工程
研究
中心
闽江学院福建省信息处理与
智能
控制重点实验室
出处
《工矿自动化》
北大核心
2020年第11期54-58,共5页
基金
国家重点研发计划项目(2017YFC0804307)
中央高校基本科研业务费专项资金资助项目(2020YJSJD06)
福建省信息处理与智能控制重点实验室(闽江学院)开放基金项目(MJUKF-IPIC201905)。
文摘
传统目标检测模型采用人工设计的目标特征,造成检测精度较差。基于深度学习的目标检测模型具有较高的检测精度,然而针对实时性和精度要求比较高的煤矿救援机器人应用场合,获取的图像信息较少且目标特征不明显,造成目标检测效果较差。为提高目标检测精度和速度,基于YOLO V3模型提出了一种多尺度特征融合的煤矿救援机器人目标检测模型。该模型主要包括特征提取和特征融合2个模块:特征提取模块采用空洞瓶颈和多尺度卷积获得更加丰富的图像特征信息,增强目标特征表达能力,提高了目标分类精度和检测速度;特征融合模块在特征金字塔中引入空间注意力机制,对含有丰富语义信息的高层特征图和含有丰富位置信息的低层特征图进行有效融合,弥补了高层特征图位置信息表达能力不足的缺点,提高了目标定位精度。将该模型部署在煤矿救援机器人嵌入式NVIDIA Jetson TX2平台上进行灾后环境目标检测实验,检测精度为88.73%,检测速度为28帧/s,满足煤矿救援机器人目标检测的实时性和精度需求。
关键词
煤矿救援机器人
目标检测
多尺度特征融合
YOLO
V3
深度学习
Keywords
coal mine rescue robot
object detection
multi-scale feature fusion
YOLO V3
deep learning
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
国家能源集团智能矿山建设实践与探索
潘涛
赵永峰
丁涛
张骐
王继生
张延生
郑磊
吴晓旭
丁震
邱爽
《中国煤炭》
2020
33
在线阅读
下载PDF
职称材料
2
基于双目视觉技术的煤矿救援机器人研究进展
翟国栋
张文涛
岳中文
潘涛
胡文渊
卢杏浩
《煤炭科学技术》
CAS
CSCD
北大核心
2020
23
在线阅读
下载PDF
职称材料
3
多尺度特征融合的煤矿救援机器人目标检测模型
翟国栋
任聪
王帅
岳中文
潘涛
季如佳
《工矿自动化》
北大核心
2020
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
