面向智慧矿山的无人矿用卡车运动信息识别算法

针对现有智慧矿山排班、调度、路径规划系统中无法通过外界感知自行判断矿用自卸卡车（矿卡）前进方向的问题以及为提高系统对矿卡的检测速率与特征信息识别效率，提出了一种基于YOLO-v5的改进算法。算法将矿卡车身与车头部位的边界框分别进行捕捉跟踪，首先调整输出参数，借助各个边界框的中心点坐标计算方向向量。其次利用所提出的方向角转换的算法，与YOLO-v5结合，实现矿卡转向及转角的判断。另外添加防误识别、漏检机制，防止在多目标识别定位的情况下出现漏检误检问题。最后为了增加安全性，添加矿卡动静识别机制，防止矿卡意外停车导致的安全事故。实验结果表明，改进后的YOLO-v5算法不仅保留了其原有的识别速度和精度还能有效的解决智慧矿山系统无法识别矿卡前进方向的问题，并且在具有高速检测的同时还提高了模型的泛化能力。     

装载机动臂孔组同轴度视觉检测系统设计

针对装载机动臂孔组尺寸大、距离远、现有的测量仪器和检测方案难以满足长距离异面通孔同轴度在线检测等问题,设计了基于机器视觉的装载机动臂孔组同轴度视觉检测系统。首先,根据装载机动臂孔组的结构特点建立动臂孔组同轴度误差模型,确定检测方案;然后,对工业相机进行标定,通过机器视觉联合伺服运动获取装载机动臂孔组图像,对获得的图像进行处理,得到装载机动臂孔组的边缘轮廓及圆心空间坐标,并计算装载机动臂孔组的同轴度;最后,通过企业实机验证,证明装载机动臂孔组同轴度视觉检测系统的检测精度和稳定性均达到检测要求,且在检测效率和自动化程度等方面均优于传统检测方案,满足流水线在线检测需求。     

一种改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在大型、复杂环境下全局搜索效率差且收敛速度慢的问题,提出一种改进的蚁群路径规划算法。该算法通过引入目标方向函数作为启发因子,构建距离与目标方向的融合启发函数,以提高算法的收敛速度;采用一种基于有效拐点的路径优化策略,以减少规划路径的转弯次数;在输出路径的基础上采用三次B样条曲线进行路径平滑处理,以提高路径平滑性。通过梯度实验和2种不同规模对比实验表明,该算法与传统蚁群算法相比,2种规模下转弯次数分别减少41.67%和70.18%,最短路径迭代次数分别减少72.73%和63.24%,验证了该算法的优越性与可行性。