CN115100622B 深部受限空间无人运输设备可行驶域检测和自主避障方法 （中国矿业大学）

专利代理师陈月菊CN205983220U,2017.02.22US2019187725A1,2019.06.20789.深部受限空间无人运输设备可行驶域检测本发明公开了一种深部受限空间无人运输维栅格地图和风险地图使用针对深井受限巷道设计的改进粒子群路径规划方法进行自主避障依据可行驶域检测和安全评估信息完成无人辅煤矿辅助运输车自动驾驶技术落地具有重要意2ArtificialPotentialFieldandGen3S12，对步骤S11获得的煤矿巷道预处理图像，设S122，用步骤S121的卷积窗口覆盖煤矿巷S123，用步骤S121的卷积窗口覆盖煤S124，求出步骤S122和步骤S123左右煤矿巷道S127，依据步骤S126获得的煤块巷道视差图，依S128，依据步骤S127获得的煤矿巷道视差优化图4www)：S13，对步骤S11获得的煤矿巷道预处理图像，设计针对S133，依据步骤S132获得的预训练deeplabv3+模型S134，依据步骤S133获得的经煤矿巷道数据集微S14，依据步骤S12获得的煤矿巷道三维点云数据和步骤S13获得的煤矿巷道二维可行S141，依据步骤S134获得的二维图像可行驶域，S142，依据无人驾驶运输车煤矿巷道左视图，进行步S2，依据步骤S1的可行驶域检测信息确定深井受限5S21，根据步骤S1的可行驶域检测信息建立无人辅助运输车辆的工作空间二维栅格地S22，根据步骤S1的可行驶域投影建立风险栅格地图，该风险栅格地图包含了安全区S221，依据步骤S1分割获得的车辆可行驶域建立2.根据权利要求1所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，S112，运用基于对数Log变换的图像增强算法对步骤S111获得的校正图像进行煤矿巷S113，运用基于双边滤波的图像滤波算法对步骤3.根据权利要求2所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，S1111，依据相机标定算法获取左右煤矿巷道图像的对极约束关系并找到左右煤矿巷T的变换矩阵H′；6)和(u22)是原始左4.根据权利要求2所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，S1122，根据下述公式，对步骤S1121获得的对数变5.根据权利要求2所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，76.根据权利要求1所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，S241，对步骤S21建立的基于可行驶域检测得到的栅,Vn}1n表示路径Xi经过的所有栅格编号，且不存在风险等row是当前栅格地图中1行栅格的个数；S24211，使用循环遍历计算当前栅格与其他所有S2423，从起始节点VS开始根据步骤1建立的连通矩阵Mlink随机选择下一个与起始点连8max-Rmin)体历史最优解pbesf中当前粒子i代表的一组路径Xi中相同位置的编号，并根据一定概率位置更新项为当前粒子i所代表一组路径Xi的适应度值；当前粒子i代表的路径Xi根据S244，判断是否到达最大迭代次数，如若到达7.根据权利要求6所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，9min和ωmax为最小惯性权重和最大惯性8.根据权利要求6所述的深部受限空间无人运输设备可行驶域检测和自主避障方法，式中，f表示适应度函数，表示当前粒子i代表的一组路径的总长度，[0004]激光雷达直接获取得到的是煤矿巷道三维点云数据，由于三维[0005]专利公开号CN110188817B公开了一种基于深度学习的实时高性能街景图像语义注点伪标签，获取的伪标签能够作为现有强监督点云分割网络的训练数据。专利公开号[0008]专利号CN201811385877.1公开了一种基于蚁群算法的双焊接机器人智能路径规利公开号CN109581987B公开了一种基于粒子群算法的AGV调度路径规划方法及系统，该方的进化计算类路径规划方法未考虑到有效利用环境感知信息，没有对环境的状态评估方解决了煤矿辅助运输车在煤矿巷道中需要获取安全场景评估中煤矿巷道三维点云可行驶[0012]本发明实施例提出了一种深部受限空间无人运输设备可行驶域检测和自主避障0,21,0,1,0,21,0,0,0,0,[0041]S14，依据步骤S12获得的煤矿巷道三维点云数据和步骤S13获得的煤矿巷道二维的形态学处理之后的煤矿巷道可行驶域图像，(x,y)为双目摄像头采集的煤矿巷道左视图改进粒子群优化算法的自主避障算法进行无人辅助运输车在深井受限巷道中的安全行驶；[0047]S21，根据步骤S1的可行驶域检测信息建立无人辅助运输车辆的工作空间二维栅[0053]S24，使用针对深井受限巷道设计的改进粒子群路径规划方法进行自主避障路径[0056]进一步地，步骤S11中，所述双目摄像头采集辅助运输车在煤矿巷道行驶视频图[0058]S112，运用基于对数Log变换的图像增强算法对步骤S111获得的校正图像进行煤[0061]S1111，依据相机标定算法获取左右煤矿巷道图像的对极约束关系并找到左右煤T的变换矩阵H′；[0098]S2423，从起始节点VS开始[0101]《"=协购[0111]位置更新项为当前粒子i所代表一组路径Xi的适应度值。当前粒[0120]式中，f表示适应度函数，表示当前粒子i代表的一组路径的总长[0123](1)本发明提出了一种深部受限空间无人运输设备可行驶域检测和自主避障方[0124](2)本发明提出一种基于对数Log变换的图像增强算法和基于双边滤波图像滤波[0126](4)本发明提出了一种由二维煤矿巷道可行驶域语义分割图像映射到煤矿巷道三[0127](5)本发明提出了一种基于改进粒子群优化算法的无人辅助运输车自主避障方[0128]图1为本发明实施例的深部受限空间无人运输设备可行驶域检测和自主避障方法[0129]图2为本发明实施例的用于深部地下受限空间无人运输设备的可行驶域检测和自[0130]图3为本发明实施例的深部受限空间无人运输设备可行驶域检测和自主避障方法[0141]图1为本发明深部受限空间无人运输设备可行驶域检测和自主避障方法的深部地下空间辅助运输车应用示意图，煤矿辅助运输车履带4安装在煤矿辅助运输车车身1的下[0148]步骤1-1-2、运用基于对数Log变换的图像增强算法对步骤1-1-1获得的校正图像[0153]步骤1-1-1-1、依据相机标定算法获取左右煤矿巷道图像的对极约束关系并找到T的变换矩阵H′。[0170]步骤1-1-3-2、依据空间域和范围域对步骤1-1-3-1中的卷积模-1-3-1卷积0,0,21,0,1,0,21,0,0,0,0,[0181]步骤1-2-4、求出步骤1-2-2和步骤1-2-3左右煤矿巷道视图卷积窗口覆盖区域内[0187]步骤1-2-6、依据步骤1-2-5获得自适应匹配代价聚合步长dstep范围内的匹配代[0204]步骤1-4、依据步骤1-2获得的煤矿巷道三维点云数据和步骤1-3获得的煤矿巷道[0207]步骤1-4-1-1、依据步骤1-3-4获得的煤矿巷道可行驶域图像进行形态学腐蚀运得的形态学处理之后的煤矿巷道可行驶域图像，(x,y)为双目摄像头采集的煤矿巷道左视于改进粒子群优化算法的自主避障算法进行无人辅助运输车在深井受限巷道中的安全行[0217]步骤1使用图像分割技术对深井受限巷道进行安全评估获得该地图包含了安全区安全区域为安全区域和不可行驶域之间的步骤1分割出的可行驶域，在该区域行驶时存在[0219]规则2-2-2，当栅格的风险等级存在冲突时，以最高的风险等级对该栅格进行评[0227]步骤2-4，使用针对深井受限巷道设计的改进粒子群路径规划方法进行自主避障[0229]步骤2-4-1，对步骤2-1建立的基于可行驶域检测信息得到的栅格地图和步骤2-2[0244]步骤2-4-2-3，从起始节点V[0254]式中，自我速度项使用随机分布计算栅格坐标并使用步骤2-4-1的编码方式计算在粒子更新的公式自我速度项中引入了惯性权重ω,其取值范围为0到1之间。惯性权重越[0261]位置更新项为当前粒子i所代表一组路径Xi的适应度值。当前粒[0264]式中，f表示适应度函数，表示当前粒子i代表的一组路径的总长j为该路径起点VS到终点VE之间的第j个组成栅[0267]步骤2-6，重复步骤2-1到步骤2-5完成无人辅助运输车在深井受限巷道中的自主[0268]综上所述本发明提出了一种深部受限空间无人运输设备可行驶域检测和自主避输车无人驾驶基于双目视觉的深部受限空间可行驶域检测方法采用Hartley图像校正算法、对数Log变换的图像增强算法和基于双边滤波