秦岭是中国的“中央水塔”,研究秦岭北麓矿山生境质量的时空演变特征对区域生态保护和可持续发展意义重大。为了评估小流域背景下人类活动对矿山生态环境的影响,该研究针对沣河流域内的重点工程祥峪铁矿区,基于遥感影像提取其1985、2002...秦岭是中国的“中央水塔”,研究秦岭北麓矿山生境质量的时空演变特征对区域生态保护和可持续发展意义重大。为了评估小流域背景下人类活动对矿山生态环境的影响,该研究针对沣河流域内的重点工程祥峪铁矿区,基于遥感影像提取其1985、2002、2010年和2022年土地利用变化,结合InVEST(integrated valuation of ecosystem services and tradeoffs)模型和地理探测器定量分析该矿区生境质量变化与驱动因素。结果表明:祥峪铁矿区的土地利用变化主要由旱地逐步转变为林地和工业用地,疏林地转入面积达到18245505.71 m^(2),退耕还林还草工程取得显著成效;祥峪铁矿区生境质量指数由0.50下降为0.49,标准差由0.06增加为0.09,说明生境质量有所下降,空间差异不断扩大,区域整体平均生境退化度降低,但工业用地迅速扩张对周边林地产生持续影响;生境质量变化是自然因素和人文因素共同作用的结果,其中,土地利用变化是造成生态环境脆弱的主要原因,对生境质量变化的解释力达到0.82。该研究可为分析其他类似矿区生态环境演变,推动景观格局的优化和生态文明建设提供科学参考。展开更多
煤矿智能化的重大需求对煤矿井下移动机器人智能感知提出了更高的要求,视觉同时定位与建图(Visual Simultaneous Localization and Mapping,VSLAM)是煤矿机器人智能感知的关键技术。然而,煤矿井下存在非结构化环境特征、纹理弱、光照不...煤矿智能化的重大需求对煤矿井下移动机器人智能感知提出了更高的要求,视觉同时定位与建图(Visual Simultaneous Localization and Mapping,VSLAM)是煤矿机器人智能感知的关键技术。然而,煤矿井下存在非结构化环境特征、纹理弱、光照不均匀、空间狭小等问题,现有依赖启发式阈值进行关键帧选取的方法无法满足煤矿下视觉SLAM的定位与建图需求。为此,提出一种煤矿井下多重约束的视觉SLAM关键帧选取方法,实现了煤矿井下移动机器人实时稳健的位姿估计,并为煤矿井下数字孪生提供数据基础。首先,提出的方法根据几何结构约束,采用自适应阈值取代静态启发式阈值进行关键帧选取,以实现视觉SLAM关键帧选取的有效性和鲁棒性。其次,通过重心平衡原则对有效特征点分布进行均匀化处理,以进一步确保视觉SLAM关键帧选取的稳定性以及创建地图点的稠密性和准确性。最后,利用航向角阈值对转向处做进一步约束,降低视角突变对视觉SLAM精度的影响。为验证本文方法的有效性,利用自主搭建的移动机器人数据采集平台在室内场景及煤矿井下分别进行了实验,并从绝对轨迹误差(Absolute Trajectory Error,ATE)和均方根误差(Root Mean Square Error,RMSE)等方面进行了定量和定性评价。结果表明:相比于启发式视觉SLAM关键帧选取方法,提出的方法在室内场景中轨迹RMSE提高了29%,在煤矿井下环境中轨迹RMSE提高了44%,具有较高的鲁棒性、定位精度和全局一致的建图效果。展开更多
文摘秦岭是中国的“中央水塔”,研究秦岭北麓矿山生境质量的时空演变特征对区域生态保护和可持续发展意义重大。为了评估小流域背景下人类活动对矿山生态环境的影响,该研究针对沣河流域内的重点工程祥峪铁矿区,基于遥感影像提取其1985、2002、2010年和2022年土地利用变化,结合InVEST(integrated valuation of ecosystem services and tradeoffs)模型和地理探测器定量分析该矿区生境质量变化与驱动因素。结果表明:祥峪铁矿区的土地利用变化主要由旱地逐步转变为林地和工业用地,疏林地转入面积达到18245505.71 m^(2),退耕还林还草工程取得显著成效;祥峪铁矿区生境质量指数由0.50下降为0.49,标准差由0.06增加为0.09,说明生境质量有所下降,空间差异不断扩大,区域整体平均生境退化度降低,但工业用地迅速扩张对周边林地产生持续影响;生境质量变化是自然因素和人文因素共同作用的结果,其中,土地利用变化是造成生态环境脆弱的主要原因,对生境质量变化的解释力达到0.82。该研究可为分析其他类似矿区生态环境演变,推动景观格局的优化和生态文明建设提供科学参考。
文摘煤矿智能化的重大需求对煤矿井下移动机器人智能感知提出了更高的要求,视觉同时定位与建图(Visual Simultaneous Localization and Mapping,VSLAM)是煤矿机器人智能感知的关键技术。然而,煤矿井下存在非结构化环境特征、纹理弱、光照不均匀、空间狭小等问题,现有依赖启发式阈值进行关键帧选取的方法无法满足煤矿下视觉SLAM的定位与建图需求。为此,提出一种煤矿井下多重约束的视觉SLAM关键帧选取方法,实现了煤矿井下移动机器人实时稳健的位姿估计,并为煤矿井下数字孪生提供数据基础。首先,提出的方法根据几何结构约束,采用自适应阈值取代静态启发式阈值进行关键帧选取,以实现视觉SLAM关键帧选取的有效性和鲁棒性。其次,通过重心平衡原则对有效特征点分布进行均匀化处理,以进一步确保视觉SLAM关键帧选取的稳定性以及创建地图点的稠密性和准确性。最后,利用航向角阈值对转向处做进一步约束,降低视角突变对视觉SLAM精度的影响。为验证本文方法的有效性,利用自主搭建的移动机器人数据采集平台在室内场景及煤矿井下分别进行了实验,并从绝对轨迹误差(Absolute Trajectory Error,ATE)和均方根误差(Root Mean Square Error,RMSE)等方面进行了定量和定性评价。结果表明:相比于启发式视觉SLAM关键帧选取方法,提出的方法在室内场景中轨迹RMSE提高了29%,在煤矿井下环境中轨迹RMSE提高了44%,具有较高的鲁棒性、定位精度和全局一致的建图效果。
