题名 基于双目视觉的露天矿无人车前障碍检测研究
1
作者
阮顺领 张回国 顾清华 卢才武 刘迪 毛晶
机构
西安 建筑科技大学资源工程学院西安 建筑科技大学西安 市智慧 工业感知计算与决策重点实验室西安优迈智慧矿山研究院有限公司
出处
《煤炭学报》
CSCD
北大核心
2024年第S2期1285-1294,共10页
基金
国家自然科学基金资助项目(52074205) 陕西省自然科学基础研究计划青年资助项目(S2023-JC-QN-0687) 陕西省科技厅重点研发资助项目(2023GXLH-062)。
文摘
无人驾驶汽车在露天矿区复杂环境下遭遇落石、水坑、行人等障碍物有着极大的安全隐患,易导致车辆侧翻、陷车,造成财物损失的风险或者对人员生命安全构成威胁,因此,露天矿道路上复杂多变的地形环境作为矿山智能化中露天矿无人驾驶车辆的重要解决问题,需要在测出车前障碍物的深度的同时保障对障碍物检测的精度和速度。提出的Feffol网络模型在特征提取阶段选取Efficient-v2作为骨干网络结构进行特征提取,选取基于带有SppCSP结构的Ebifpn特征金字塔模块在提高特征感受野的同时也增强了不同尺寸的特征信息,使用FocalLoss和CIoULoss损失函数来平衡正负样本并解决预测框与真实检测框没有交集时方法失效的问题。针对现阶段对于露天矿障碍物检测多数处于二维阶段、仅能对目标障碍物进行识别、缺少对障碍物的深度信息的测量、对前方障碍物无法做出正确决策的问题,基于双目相机,以双目视觉深度检测的方法对无人车提供车前障碍物的深度数据支持。实验结果表明:Feffol的检测精度为90.09%,检测速度为9.75it/s,对比其他主流型网络,Feffol能在进一步提高监测精度的同时,监测速度也可以满足露天无人驾驶矿区道路障碍物检测的避障数据决策需求,同时对车前障碍物的深度获取使图像识别在露天矿山的应用更加具有可行性,为露天矿无人驾驶车辆的安全行驶提供了重要依据。
关键词
露天矿区 无人驾驶 障碍物检测 Feffol
Keywords
open-pit mines unmanned obstacle detection Feffol
分类号
TD57
[矿业工程—矿山机电]
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于改进U-net的少样本煤岩界面图像分割方法
被引量：4
2
作者
卢才武 宋义良 江松 章赛 王懋 纪凡
机构
西安 建筑科技大学资源工程学院西安 市智慧 工业感知、计算与决策重点实验室西安优迈智慧矿山研究院有限公司 陕西财经职业技术学院大数据与人工智能学院
出处
《金属矿山》
CAS
北大核心
2024年第1期149-157,共9页
基金
陕西省自然科学联合基金项目(编号:2019JLP-16) 陕西省自然科学基金青年项目(编号:2023-JC-QN-0513) 陕西省教育厅服务地方专项重点培育项目(编号:21JC024)。
文摘
煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。
关键词
煤岩识别 语义分割 少样本学习 U-net 深度学习 机器视觉技术
Keywords
coal-rock recognition semantic segmentation few-shot learning U-net deep learning machine vision tech-nique
分类号
TD67
[矿业工程—矿山机电]
题名 基于双向特征融合的露天矿区道路障碍检测
被引量：11
3
作者
阮顺领 李少博 顾清华 江松 毛晶
机构
西安 建筑科技大学资源工程学院西安 建筑科技大学西安 市智慧 工业感知计算与决策重点实验室西安优迈智慧矿山研究院有限公司
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2023年第3期1425-1438,共14页
基金
国家自然科学基金资助项目(52074205) 陕西省自然科学基础研究计划资助项目(2020JC-44)。
文摘
近年来矿用卡车自动驾驶的兴起,使得障碍检测变得至关重要,露天矿区非结构化道路复杂多变,时常出现碎石、坑洼等小目标或多尺度行车障碍,严重危害行车安全。因此,笔者提出一种基于双向特征融合的露天矿区道路障碍检测方法。通过实地采集并使用数据扩增方法对露天矿障碍图像数据集进一步细分及扩充,并在特征提取阶段提出了更适用于障碍检测的RepVGG+骨干网络结构。在特征融合阶段,提出基于SimAM空间与通道注意力和跨阶段连接的双向特征融合金字塔模型。通过扩大预测小目标障碍的特征图和特征感受野,提升小目标障碍检测性能,通过双向特征融合机制提升多尺度检测性能。同时对网络分类预测模块的卷积层和先验框尺寸进一步调整,提升障碍检测性能,降低特征冗余,加快模型推理速度。在模型的损失函数方面,针对训练中样本不均衡和障碍物边界框定位不精准问题,使用融合标签平滑正则化的Focal Loss作为分类损失函数,GIoU Loss作为边界框损失函数进一步优化露天矿区障碍模型。实验表明本文方法能有效识别复杂背景下露天矿区非结构化道路障碍物,在实际应用中,检测精度达到了91.76%,检测速度达到56.76 fps,相较于主流检测方法有着更好的小目标和多尺度目标检测性能,可以满足露天矿区无人矿卡行进中的障碍安全检测要求。
关键词
露天矿 无人驾驶卡车 机器视觉 障碍检测 特征融合
Keywords
open pit mine driverless truck machine vision obstacle detection feature fusion
分类号
TD804
[矿业工程—矿山开采]
题名 基于改进HMM纠偏算法的露天矿车辆高精度定位方法
被引量：4
4
作者
阮顺领 李孟 顾清华 卢才武
机构
西安 建筑科技大学资源工程学院西安 市智慧 工业感知与决策重点实验室西安优迈智慧矿山研究院有限公司
出处
《矿业科学学报》
CSCD
2023年第3期381-389,共9页
基金
国家自然科学基金(52074205) 陕西省自然科学基础研究计划(2022JM-201)。
文摘
针对露天矿区复杂路网背景下容易出现车辆定位偏差,严重影响生产车辆路径规划和智能调度的问题,提出了一种基于改进隐马尔可夫模型的露天矿车辆高精度定位纠偏方法。通过对构建的露天矿复杂路网地图进行路段裁剪处理以及对矿车定位轨迹数据清洗、密度稀疏化和分段处理等,建立缓冲区搜索轨迹候选路段点,从而提高复杂路网下矿车定位纠偏效率;通过计算矿车定位观测概率和转移概率建立定位纠偏HMM优化模型,并结合Viterbi算法计算最优纠偏结果,实现对露天矿车的高精度定位纠偏。研究结果表明,该方法纠偏效果优于原始HMM定位纠偏方法,纠偏准确率可达到89.2%,平均纠偏时间仅需0.055 s,能够实现对复杂背景下露天矿车辆定位坐标的有效纠偏。
关键词
露天矿 定位纠偏 隐马尔可夫模型 VITERBI算法
Keywords
open pit mine positioning correction Hidden Markov model Viterbi algorithm
分类号
TD57
[矿业工程—矿山机电]
题名 基于点渲染的多分支融合露天矿爆堆块体精细分割方法
被引量：1
5
作者
江松 饶彬舰 卢才武 顾清华 阮顺领 杨辉
机构
西安 建筑科技大学资源工程学院西安 市智慧 工业感知、计算与决策重点实验室西安优迈智慧矿山研究院有限公司 河南跃薪智能机械有限公司
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2023年第S02期542-552,共11页
基金
国家自然科学基金青年基金资助项目(52104146) 陕西省自然科学基金青年基金资助项目(2021JQ-509) 陕西省社会科学基金资助项目(2020R005)。
文摘
现代矿产开采中,爆破成本控制占据整个矿产开采的成本控制的很大一部分,这使得爆破效果的控制在整个矿产开采流程中至关重要,而爆破效果的控制与爆破参数直接关联,这需要采集现场真实的数据来指导爆破参数的优化。为解决当前对于矿区现场爆堆块度识别时存在的精度低、实时性差、泛化性能弱等问题,基于爆破参数优化的需要,提出了深度学习框架下的爆堆块体精细分割方法(Point+S Deeplabv3+)。首先模型在骨干网络特征提取部分引入多分支可分离注意力机制,学习不同通道间的权重特征并融合,改善了提取特征时跨通道交互缺乏的问题;在解码阶段,运用点渲染模块,通过迭代选取点在不同尺度特征图的特征,逐步对每个点对应的低级语义特征和高级语义特征进行拼接,解决了上采样时大量丢失语义信息、边缘及小目标分割精度降低的问题;最后使用动态学习率调整策略,加快模型的收敛速度。实验结果表明,基于Point+S Deeplabv3+模型的MPA和MIoU分别达到了94.36%和89.04%,对比主流的语义分割网络,如FCN、UNet、PSPnet和Deeplabv3+相比,基于Point+S Deeplabv3+的模型MPA和MIoU分别提升了3.04%、4.44%、2.79%、1.52%和2.95%、4.36%、3.17%、1.88%,具有更好的综合性能,特别对于边缘和小目标的分割效果有明显改进。因此,基于Point+S Deeplabv3+的分割模型为在爆破现场环境下的爆破参数优化数据采集提供了实时便利、可靠的理论依据。
关键词
爆堆 点渲染 多分支可分离注意力 语义分割 Deeplabv3+ 边缘
Keywords
blast stack point rendering multi⁃branch separable attention semantic segmentation Deeplabv3+ edge
分类号
TD322
[矿业工程—矿井建设]
题名 融合聚类和小生境搜索的多模态多目标优化算法
被引量：1
6
作者
顾清华 唐慧 李学现 江松
机构
西安 建筑科技大学资源工程学院西安 市智慧 工业感知计算与决策重点实验室西安优迈智慧矿山研究院有限公司 西安 建筑科技大学管理学院
出处
《智能系统学报》
CSCD
北大核心
2023年第5期1127-1141,共15页
基金
国家自然科学基金项目(52074205) 陕西省自然科学基础研究计划(2020JC-44)。
文摘
针对多模态多目标优化中种群多样性难以维持和所得等价Pareto最优解数量不足问题,提出一种融合聚类和小生境搜索的多模态多目标优化算法(multimodal multi-objective optimization algorithm with clustering and niching searching,CSSMPIO)。首先利用基于聚类的特殊拥挤距离非支配排序方法(clustering-based special crowding distance,CSCD)初始化种群;引入自适应物种形成策略生成稳定的小生境,在不同的小生境子空间并行搜索和保持等价Pareto最优解;采用特殊拥挤距离非支配排序策略实现个体选优、精英学习策略避免过早收敛。通过在14个多模态多目标函数上进行测试,并与7种新提出的多模态多目标优化算法进行对比实验以及Wilcoxon秩和检验发现,CSSMPIO的总体性能优于对比算法。最后将算法用于基于地图的测试问题,进一步证明了算法的有效性。
关键词
多模态多目标优化 鸽群优化算法 聚类策略 小生境搜索 非支配排序 精英学习策略 多样性 地图测试应用
Keywords
multimodal multi-objective optimization pigeon-inspired optimization algorithm clustering strategy nich-ing searching non-dominant sorting elite learning strategy diversity map-based testing application©《智能系统学报》编辑部版权所有
分类号
TP301
[自动化与计算机技术—计算机系统结构]
