基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术

来源：黄金科学技术杂志2021年第1期北京时间：

作者：王京华,王李管,毕林

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题，提出传统计算机视觉技术与深度学习目标检测算法YOLOv3相结合的障碍物智能检测方法。首先，采集电机车行驶区域（即有效检测区域）存在的障碍物数据并制作VOC格式数据集，使用YOLOv3训练数据集，得到障碍物检测模型；然后，采用传统计算机视觉技术定位到轨道，使用“3邻域”搜索法获得轨道线坐标值，根据距离信息向轨道外侧扩展一定距离，提取有效检测区域，同时网格化图片，将障碍物的坐标换算为实际距离；最后，使用障碍物检测模型对有效检测区域进行检测。试验结果表明：该方法可以识别行驶区域内多种特征差异很大的目标物体，如电机车、人和大块落石等；该方法每秒可以处理6帧图片，现场采集的实际数据测试平均精确率达到93.2%。

关键词：地下矿,无人驾驶电机车,障碍物智能检测,计算机视觉,YOLOv3,有效检测区域

基金资助：国家重点研发计划项目“深部集约化开采生产过程智能管控技术”(2017YFC0602905)