煤矿场景下基于RGBD的视觉导航技术北大核心

为解决煤矿机器人现有自主导航技术的局限性,提出了1种煤矿场景下基于RGBD的视觉导航技术。研究了视觉导航的总体架构,并对各个功能模块进行了设计描述;研究了地图创建方法,将ORB_SLAM2算法生成的连续帧间位姿进行关系变换,采用逐帧的RGBD点云拼接,获得了稠密的点云地图;设计了巡检机器人的自主定位和路径规划实现流程,结合蒙特卡洛、D*及DWA算法完成了机器人的精准定位与导航;建立了该视觉导航技术的测试平台,并利用该平台进行了系列化的模拟测试。测试结果表明:煤矿场景下基于RGBD的视觉导航技术能够满足煤矿井下轮式巡检机器人的自主行走功能需求,定位精度良好。     

煤矿井下移动机器人深度视觉自主导航研究

煤矿井下移动机器人是煤矿机器人的主力军,煤矿井下移动机器人的自主导航是其研究的难点和热点。目前,煤矿井下移动机器人自主导航所必须的三维环境数据库尚未形成,尤其是制作高分辨率、多信息融合的煤矿井下高精度地图还处于研究阶段。为了有效解决煤矿井下移动机器人自主导航问题,构建了基于深度相机的机器视觉系统,提出了一种基于深度视觉的导航方法,自主导航过程分为地图创建与自主运行两个阶段。在地图创建中:①对深度视觉数据进行特征提取与匹配,利用10组煤矿井下真实视频截图,对比测试5种特征提取与匹配组合算法,结果表明SURF+SURF+FLANN与GFTT+BRIEF+BF算法能够在煤矿井下获得良好匹配结果;②建立煤矿井下移动机器人深度视觉定位与建图问题的捆集调整迭代最近点图模型(Iterative Closest Points Bundle Adjustment,ICP BA);③通过图优化方式估计当前观测下的最优位姿与环境路标点坐标。在实验室场景中利用提出的ICP-BA图优化算法,建立了包含关键位姿与三维环境点的原始点云地图。在自主运行阶段:①通过八叉树数据结构,将点云地图转化为移动机器人运动规划可使用的Octomap导航地图,实验结果表明,Octomap导航地图分辨率可调、系统资源占用低、索引效率高;②使用三维到二维映射的视觉图匹配PNP(Perspective N Points)方法进行实时在线重定位;③基于图搜索的A*(A Star)路径规划作为轨迹规划初值,自定义最小化能量损失泛函为最小化加加速度的变化率(Minimum-Snap)求解2次规划问题,生成用于煤矿井下移动机器人运动执行的轨迹。在Matlab开发环境中设计随机导航地图,生成时间分配、位置、速度、加速度、加加速度的最优轨迹规划结果,验证了运动规划算法的正确性。通过理论分析和实验验证,表明笔者提出的煤矿井下移动机器人深度视觉自主导航方法的有效性。     

SLAM在室内测绘仪器研发中的应用综述

SLAM(Simultaneous localization and mapping,同时定位与地图创建)指机器人在自身位置不确定和未知的环境中创建环境地图,并且利用地图进行自主导航与定位。移动机器人研究的核心课题是同步定位与地图创建,而移动机器人又是室内测绘仪器的数据采集平台。文中对SLAM在室内测绘仪器的研发现状进行总结,然后结合SLAM测绘仪器室内移动测量系统重点探讨了被动视觉SLAM、主动视觉SLAM、无线局域网(Wi Fi)SLAM和RGB-D SLAM方法的原理、优缺点和研究现状,对两种比较流行的SLAM算法改进思想和研究现状进行了阐述,最后根据SLAM室内测绘仪器的研发探讨了SLAM测绘仪器室内移动测量系统的评价标准与发展趋势。     

融合点云RGB影像和3D-NDT算法溶洞的点云自动精确拼接

3D-NDT(正态分布变换)算法是一种应用在同时定位和地图生成(SLAM)的机器人领域中的点云拼接算法。在SLAM中,点云初始拼接是通过机器人测距仪获取两个站之间初始变换完成的,然后采用3D-NDT算法进行精确拼接。地面三维激光扫描仪无法直接获取两站点云的初始变换,因此3D-NDT算法无法直接应用到地面三维激光扫描作业中。文中针对地面三维激光获取溶洞点云数据的扫描流程,提出了一种融合点云RGB影像和3D-NDT算法的点云自动精确拼接方法。实验结果表明,该拼接方法针对百万级大型复杂溶洞点云数据,无论在时间和精度上均较传统拼接方法有很大优势。     

煤矿巷道智能化掘进感知关键技术

针对目前煤矿巷道掘进工作面智能化应用水平较低导致掘进效率低下、采掘接替紧张的问题,分析了制约巷道掘进工作面实现智能化的关键技术-快速掘进煤炭地质保障技术、智能超前自主感知技术、智能掘进大数据云计算及控制软件技术。论述了煤矿快速掘进理论及技术基础,以煤矿高分辨率三维地震勘探技术、矿井地质透明化技术为支撑,巷道围岩应力及其控制理论为基础,快速掘进设备为保障,形成实现煤矿智能高效掘进的探测、掘进、支护协同作业的基础支撑理论。重点阐述了煤矿巷道掘进工作面的智能超前自主感知技术,包括高分辨地质雷达探测技术、基于TSOA定位原理混合算法的掘进机位姿感知技术、基于同步定位与建图(SLAM)原理的掘进工作面环境感知技术、掘进设备运行状态感知技术。形成实现智能化掘进工作面的"掘进机位姿感知、工作面环境感知、设备状态感知"的空间一体化感知体系。在分析煤矿综掘工作面实现智能化快掘自主感知和调控技术的基础上,提出按照"以智能化超前感知为基础,以多源数据计算为中心,以安全智能快速掘进为目标"的原则进行设计和构建煤矿智能快速掘进技术体系。开发基于F5G通讯的多源数据和多源图像传输、存储技术,确保了数据传输的高效、可靠和稳定。依托大数据分析和云计算平台,开发具有CPU、存储和网络资源聚合计算基础架构VMware vSphere的软件-智能化掘进-SmartX,系统架构划分为数据源层、智能化超前感知数据采集层、多源数据和图像的传输存储层、大数据云平台数据分析层、决策应用层,包括超前地质探测精准感知、掘进设备位姿感知和掘进工作面环境感知等8个主要功能模块。形成智能化掘进工作面HadoopSpark一体化大数据云计算分析处理平台,智能化掘进-SmartX系统。分析煤矿巷道智能化掘进面临的挑战和未来发展,提出继续研制高质量感知设备与多源数据、图像深度融合技术,提高智能掘进设备上使用的感知设备种类、精度和智能性等,提升多源数据、图像在深度融合方面的精度和准确度。加大研发基于F5G通讯技术的掘进工艺智能化技术,智能化掘进设备在工作过程中,确保各项参数判定和指令动作在提前设定的状态下快速可靠准确完成。提出进一步提升巷道智能化掘进辅助生产环节的智能化水平,以减少现场作业人员数量,减轻作业人员劳动强度,实现掘进工作面智能化水平整体提升。     

煤矿井下顾及特征点动态提取的激光SLAM算法研究

针对煤矿井下无GNSS信号、主流激光SLAM算法易出现特征约束不足而导致退化问题，提出了一种面向煤矿井下环境的激光雷达、IMU紧耦合SLAM算法。首先，设计一种动态提取特征点方法，通过检测煤矿井下环境是否发生退化，动态调整特征点提取数量，构建丰富且良好的特征信息约束矩阵，提高位姿估计准确性；然后，利用因子图优化实现煤矿井下稳健精确的SLAM；最后，通过煤矿井下实测数据进行了广泛的试验分析。结果表明：提出的激光SLAM算法表现较好，位姿估计误差在平面方向较LIO＿SAM降低了50.93%，在高程方向降低了42.13%，可为煤矿机器人智能感知、安全巡检提供了技术参考。     

巷道智能化掘进的自主感知及调控技术研究进展

针对当前煤矿巷道综掘工作面的智能化程度较低,掘进效率低下的问题,分析了煤矿综掘工作面实现智能化快速掘进的关键技术--自主感知和调控技术。首先,探讨了智能化快掘创新方法与理论,以智能感知技术、自主控制技术、群组协同技术为核心,构建智能化快速掘进技术体系,以实现煤矿综合掘进机器人化装备的探-掘-护-锚一体化协同作业。其次,重点阐述了智能化掘进的自主感知技术,包括基于超宽带原理的位姿感知、基于双频激电法的超前探测、基于SLAM原理的环境感知、基于变迁记忆故障Petri网的故障感知等;自主调控技术,包括基于群体智能算法的智能截割、基于遗传变异粒子群算法的路径规划、基于BP神经网络PID算法的自主纠偏等。再次,详细论述了智能临时支护感知,包括围岩压力、顶底板状况、支架位姿等多维信息的感知,研究了非水平场景下掘支协同与多机组多缸联动的自适应控制方法;介绍了智能永久支护感知,包括围岩位移感知和支护装备受力变形感知,探讨了锚护网络结构优化方法,提出了基于粒子群优化算法的自适应钻进控制策略。最后,展望了煤矿巷道智能化掘进的自主感知及调控技术的发展方向。     

煤矿救灾机器人超声波和惯性导航技术

针对煤矿救灾机器人导航系统的导航精度低的问题,结合煤矿井下非结构化环境的特点,提出一种适于煤矿井下灾后环境的超声波导航和惯性传感器的导航方法,并利用粒子滤波技术进行算法设计。结果表明,基于超声波和惯性传感器融合的导航性能满足煤矿救灾机器人的导航需求,算法的收敛速度很快,提高了煤矿救灾机器人的导航性能和应急抢险能力。     

煤矿水泵房巡检机器人路径规划与跟踪算法的研究

目前煤矿水泵房排水设备的巡检工作仍需要人工完成,存在工人巡检懈怠,巡检不及时,巡检不到位,巡检结果数字化不便等问题。结合里程计定位技术、轮式移动机器人导航和避障技术,以ROS机器人开发平台为基础,研究了一种适用于井下水泵房环境的巡检机器人全局路径规划与跟踪算法,可实现巡检机器人在无人为干预,无磁轨、线缆或GPS辅助的情况下按照设定的路径自主移动完成水泵房设备的巡检工作。首先根据水泵房的平面图建立二维栅格地图,通过PRM路径规划算法在建好的二维栅格地图中规划一条经过所有检测点和行进点的无障碍路径,接着通过Pure Pursuit路径跟踪算法计算巡检机器人沿该路径行走需要的实时线速度和角速度,将其发送给巡检机器人运动控制器,然后控制器根据雷达数据实时监测机器人10 cm范围内障碍物情况,决定巡检机器人是否采用当前的线速度和角速度沿规划路径行走,最后在机器人到达检测点后对排水设备进行拍照和运行数据的采集。通过对巡检机器人的模拟实验结果分析得出：巡检机器人能够避开路径上的障碍物,准确到达巡检点,机器人实际位置平均误差为4 cm,姿态角度平均误差为0.095 rad,满足机器人巡检工作的要求。     

煤矿井下无轨胶轮车巷道感知技术实验研究

为实现煤矿井下无轨胶轮车的巷道成像以及信号灯识别技术，提出了一种基于激光雷达与毫米波雷达融合成像技术，以郭家湾煤矿辅运巷道为背景，将传感器布置于德塔WLR-5BA型无轨胶轮车上，并考虑到巷道路面的恶劣情况，采用地面坡度阈值法对地面进行局部分割，提高传感器检测精度，最后进行了煤矿井下的工业性实验。实验结果表明：该传感器布置方案有效识别了红绿信号灯，较好地成像出煤矿巷道及其岔路口和工人乘车站的实际情况，为煤矿智能化发展提供了技术支撑。     

煤矿井下定位导航技术研究进展

煤矿井下为完全封闭空间,面临着复杂的电磁环境,也没有卫星导航信号辅助实现设备和人员的定位,导航难度很大。基于《煤炭行业绿色矿山建设规范》中建设智能化矿山的基本要求,介绍了现有定位导航技术并进行对比,分析了地下定位导航策略的组合类型,回顾了地下定位导航滤波和位置估计算法的最新研究成果,最后提出和展望了井下设备自主定位与导航技术及相关算法的发展方向。     

神东矿区煤矿掘进工艺及装备智能化技术研究

为了实现神东煤炭集团煤矿巷道掘进由人控到数控、由自动到智能的全面提速,分析了神东矿区煤矿单巷掘进、双巷掘进、大断面切眼贯通的工艺及设备配套技术现状,研究了智能化掘锚一体机、智能化连续采煤机、智能掘锚一体机惯性导航技术、成套智能化掘进技术、近端AI识别和远程云控制技术等掘进设备智能化技术,同时研究了预埋孔钻进机器人、智能化管路抓举设备、智能化防爆柴油开槽机、电缆自动收放车辆、智能清仓机器人等掘进辅助作业设备及技术。在此基础上给出神东煤炭集团煤矿掘进智能化发展建议,即：加快推广掘锚一体化生产工艺、发展5G无线网络技术、完善透明地质保障系统等,从根源上解决智能设备自主可控、智能互联、安全可信等关键问题。     

基于SLAM导航的煤矿井下机器人设计

针对机器人在井下精准定位难题,实现机器人操作等问题,设计基于SLAM算法导航的井下机器人,利用激光雷达完成地形扫描,搭载Jetson Nano主机接收雷达数据实现建图、定位、路径规划、避障等功能,单片机接收来自主机的指令实现车轮电机速度与转角控制,进而完成井下探测、开采、运输、救援等工作。通过实验室的测试,验证了所设计的井下机器人能够有效地实现导航、避障等功能。     

煤矿辅助运输防爆车辆电动化和数智化的应用研究

为提升煤矿辅助运输智能化建设水准,神东煤炭集团构建了辅助运输车辆管理系统。文章介绍了构成系统的主要模块,并基于井下人员和车辆的定位系统,利用井下4G/5G网络和巷道基站将信号传输到每个矿井地面调度室,然后通过光纤传输到大数据中心,实现了车辆监管数字化,让用车、派车更便捷。介绍了辅助运输车辆车载辅助安全驾驶系统、启动预警系统、智能感应自动停车装置、空挡启动保护装置、无线视距遥控等智能化技术。该系统利用激光雷达和相机对巷道扫描建模,为无人驾驶车辆提供“地图”,采用毫米波雷达技术和机器视觉技术实现辅助运输车辆在井下的精确定位,实现了无人驾驶的常态化运行能力。神东辅助运输车辆的电动化、监管数字化和智能化,极大的提高了辅助运输的安全和效率,提升了煤矿智能化建设水平。     

基于多传感器数据融合的煤矿移动机器人自主导航研究

针对煤矿井下环境空间狭窄、非结构化以及能见度低等状况，移动机器人环境感知不足、定位精度不高和自主导航性能差等问题，提出了基于多传感器数据融合的煤矿移动机器人自主导航方法，通过有效融合激光雷达、相机和IMU采集数据信息，采用改进SURF算法快速图像特征匹配，结合粒子群算法提供的最佳位姿，构建高精准环境地图，并通过路径规划获取最佳安全可行的路径，实现移动机器人的自主导航。通过实验测试，验证了多传感器数据融合的自主导航系统可行安全性和稳定性，能有效提升煤矿移动机器人的鲁棒性。     

5G是煤矿智能化的关键

煤矿智能化和第5代移动通信系统(5G)都处于发展初级阶段,随着5G技术在煤矿智能化建设中逐步展开应用,专家学者对5G技术在煤矿中的应用价值展开讨论。分析了我国煤炭发展的4个阶段,指出了目前煤炭发展面临的矛盾和发展方向;提出了5G赋能煤矿智能化建设,分析了5G不同于以往通信技术,5G技术对煤矿智能化的价值;指出了煤矿智能化建设的关键以及5G技术在其中的作用;提出了5G+煤矿智能化的典型应用场景。总结了5G技术所处的发展时期,煤矿行业融合5G技术的意义,推动煤矿5G技术发展对于煤矿智能化的重要性。     

新型煤矿救援机器人研发与试验

煤矿救援机器人是一种在矿井发生灾害事故时,替代救护队员进入危险区域进行环境探测和对矿工实施救援的多功能智能救援装备,其应用对提升煤矿灾后救援效率、减少2次伤亡具有重要的意义。以中国矿业大学CUMT-V系列煤矿环境探测与救援机器人的研发为例,从行走机构、防爆设计、结构轻量化、通信方法、传感探测和智能化等方面进行了相关技术和理论研究。针对灾后煤矿的巷道环境特点,推演了机器人行走机构的基本构型,设计了地形适应性好、越障能力强的机器人行走机构;提出并采用基于短时防爆理论的本安兼隔爆的机器人防爆设计技术;提出了基于多腔体自加强结构的机器人轻量化优化设计方法;采用了有线和无线相结合的机器人通信方式;搭建了机器人传感探测与运动控制系统;研发了机器人井下地图构建和定位导航技术。从而研制了能够承载多种探测传感器和急救装备的煤矿灾后环境探测救援机器人,并取得了国家煤矿安全认证。井下应用试验及性能测试结果表明,机器人的行走能力强,能够适用于煤矿非结构复杂地形;机器人续航能力强,通信距离长,环境感知和信息传输的可靠性高;能够通过遥控方式实现机器人的灾后救援;采用有线和无线相结合的机器人通信技术可实现多台机器人的协同救援。通过对机器人进行智能化升级,提高了煤矿救援机器人的环境感知能力,并使其具备了实时定位与自主行走的功能。将上述技术的组合进一步完善,可研发出满足不同应用需求的煤矿环境探测、监控、救援机器人。     

基于5G技术的煤矿智能化开采关键技术探索

5G的到来,极大地促进了云计算、大数据和人工智能等技术的深度融合,成为包括煤矿智能化开采在内的各行各业升级转型的关键基础设施,必将推动煤矿智能化开采技术的创新与变革。首先阐述了煤矿智能化开采的发展历程,总结了相关的政策支持和技术发展态势,系统分析了智能化开采技术在应用推广过程中亟待解决8个方面的问题,即:工作面自动找直技术、复杂环境下的高清晰可视化技术、煤炭开采多场动态信息融合的4D透明地质构建技术、煤岩自动识别及智能截割技术、高质量传感器研制与多传感器数据融合技术、采矿工艺智能化技术、煤炭智能化开采的微服务系统平台架构、危险源智能感知与预警技术;并从宏观角度分析凝练了技术方面的制约因素,提出以5G技术为核心汇聚而成的技术生态必将成为解决上述问题的一种有效手段。其次,深入研究了通信技术和煤矿开采技术之间的关系,分析了5G技术在智能化开采中的特点和优势,构建了智能化开采核心技术与5G技术生态关联矩阵,指出5G大带宽、泛在万物互联、低时延高可靠、切片技术等特性和技术在煤矿智能化开采发展中的关键支撑作用,阐述了5G生态在煤矿智能化开采中的重要性,并展望了随着5G技术生态的不断成熟,煤矿智能化开采将探索衍生出的一些高效关键技术和生产管理模式。最后,从多个方面探索了5G技术在智能化开采中的关键应用,包括:系统计算分析管控模式、4D-GIS透明地质和实时推演、工作面自动找直、视频驱动的智能化开采、井下环境感知等。最后针对煤矿智能化开采提出了一种基于5G技术的解决方案以供探讨。     

煤矿5G智能化应用实践关键技术研究

基于山西新元煤矿5G技术智能化应用背景，通过剖析当前煤矿智能化对于4G与WiFi通信技术各项性能的发展需求，提出了煤矿5G智能化应用场景及设计内容；从智能化建设顶层设计体系出发，搭建矿用5G网络、部署组织架构，研究提出适用于井下精准协调控制、综采工作面设备智能监测与集中控制、系统运行状态回传和井下透明可视化巡检的技术方案，以实现井上井下协同作业、综采工作面智能化和机器人智能巡检。研究成果在新元煤矿31004和3411工作面进行应用，应用结果表明，技术方案的实施显著提高了煤矿经济效益，有助于推动实现煤矿井下少(无)人化作业。     

基于优化Fast-SLAM的煤矿水泵房巡检机器人研究

针对目前煤矿水泵房无GPS环境下巡检机器人的自主定位、抗干扰能力弱、不能很好的帮机器人完成日常巡检任务等问题,研究基于Fast-SLAM的同步定位与建图方法。首先建立SLAM的概率模型,采用最小线性二乘对里程计进行标定和融合轮式里程计、IMU的方式对传感器数据进行预处理,获得比单一轮式里程计更为精确的位姿信息,减小相对定位中的非系统误差。然后再利用机器人的坐标变换关系将外部传感器获得的环境信息和机器人的运动信息转换为世界坐标系下,基于粒子滤波算法对proposal分布进行优化以获得机器人的精确位姿估计。最后通过覆盖栅格建图建立全局环境地图。经MATLAB仿真和实验结果分析表明,在经过传感器预处理和算法优化后的Gmapping算法满足机器人实时定位的需要,且具有较高的建图精度,可以有效应用于煤矿水泵房机器人自动巡检中。