煤田地质与勘探

作者：张旭辉, 迟云凯, 杜昱阳, 姜俊英, 杨文娟, 赵友军, 万继成, 王彦群, 田琛辉,

关键词：掘进机, 视觉定位, 图像增强, 线特征提取与匹配, 运动估计, 锚网特征, 煤矿,

背景煤矿井下掘进装备精确定位是实现综掘工作面自动化、智能化导控的重要基础。但因井下巷道狭长封闭、光照不足、纹理稀疏等因素，传统的视觉定位方法应用受限，基于此提出一种基于锚网特征的煤矿井下掘进机视觉定位方法。方法采用三分支深度可分离卷积的图像增强网络，分别估计图像的反射、光照和噪声，在调整光照分量的同时抑制噪声的影响，得到了光照均匀、纹理清晰的图像，提升了视觉定位系统在复杂光照条件下的适应性；设计了适用于锚网线特征提取与匹配的方法，通过自适应阈值的EDLines(edge drawing lines)增强了对锚网线特征的提取能力，并利用结构相似度(structure similarity index measure，SSIM)提高了线特征的匹配的准确性；构建了最小化线特征重投影误差的位姿解算模型，结合位姿图优化，实现了掘进机的精确定位。搭建实验平台，对图像增强、线特征处理以及定位性能分别设计实验进行定量分析。结果和结论TSCR-NET图像增强方法相较于MSRCR和Zero-DCE取得了更高的PSNR值与SSIM值；线特征处理方法相对于传统算法提取特征数量与匹配精度显著提高，为后续定位过程奠定了基础；定位实验部分，在EuRoC数据集以及实际巷道场景中将TSCR-NET算法与其它基于线特征的视觉定位方法进行对比，该算法在EuRoC数据集的9个数据序列中表现优于PL-VINS算法，在60 m范围内的巷道锚网环境中对机身进行连续跟踪，观测到该视觉定位方法最大误差为163 mm，与PL-VINS的最大误差213 mm相比，降低了23.5%，均方根误差由0.531降低至0.426，降低了19.8%，可见TSCR-NET算法具有更高的精度与稳定性，对掘进机在井下巷道锚网环境中的长距离位姿检测具有重要借鉴作用。

来源：2025年第6期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2025年第6期