基于机器视觉的煤矿井下钻杆计数方法研究与实现

摘要

瓦斯爆炸、突出等瓦斯事故是煤矿生产过程中最大的一类安全隐患[1]。因此，对煤矿瓦斯综合治理最有效的方法是瓦斯抽采技术。目前，对于瓦斯抽采钻孔深度的测量基本采用随钻测量的方法进行；而对于打钻后的监督测量，仍然采用人工抽检探测的方式，存在极大的安全隐患。
　　机器视觉技术是一门多学科融合的技术，主要目的是获取目标的图像信号，并且通过图像处理模块对图像进行一系列的处理，从而检测出目标的特征信息，进而与决策模块以及控制模块做出一定的协调。研究了一种基于机器视觉技术的钻杆计数系统，通过对煤矿井下打钻视频图像进行智能处理，从而实现钻杆的自动计数，该课题对于加强煤矿安全管理，具有重要意义。
　　本系统首先在钻机的钻头处设置标识装置，利用煤矿井下摄像仪拍摄瓦斯抽采钻机的运行图像，并通过以太环网将图像传输给工控机的图像处理系统，从而进行图像预处理、特征提取、目标检测、目标跟踪，最终实现钻杆的自动计数。
　　针对钻机上标识物的目标检测问题，对Vibe目标检测算法做了大量改进，提出了一个适用于井下钻机前景区域检测的目标检测方法。在初始化背景模型阶段采用中值背景建模方法快速地划定背景区以及前景区域；在背景检测与更新阶段采用自衰减的更新方式去除鬼影区域；在最后阶段，提取Vibe检测到的目标的边缘与原目标取或运算，最终得到较理想的运动目标。
　　针对钻机上标识物的跟踪问题，传统的Camshift算法对钻杆标识物的目标跟踪容易受到遮挡及工人头灯光照的干扰，并且在计数初始时需要手动框选标识目标，为此，提出了一种基于改进Camshift算法的钻机标识物目标跟踪算法：○1采用模版匹配的方法定位跟踪目标在第一帧中的位置，取代鼠标框选搜索窗口方式；○2将运动特征与颜色特征相融合，来解决相似颜色干扰问题；○3采用卡尔曼滤波器来解决部分遮挡问题。该算法在钻头标识物跟踪中具有一定的鲁棒性。
　　本系统硬件组成主要包括煤矿井下防爆摄像仪、光端机、视频服务器、工控机和照明装置等。应用Visua1 Studio2012+OpenCV函数库，开发了界面友好的图像处理软件系统，实现了钻杆的自动计数。
　　根据现场图像所做的试验结果表明,本研究所设计的煤矿井下钻杆自动计数系统的计数效度可达80％以上,基本满足了实际的需求。

目录

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 选题背景及研究意义

1.2 国内外研究现状

1.3 本文研究的主要内容

1.4 本文的章节安排

2 钻杆计数系统设计方案

2.1 钻杆计数的常见方法

2.2 钻机打钻过程分析

2.3 基于机器视觉的钻杆计数方案

2.4 本章小结

3 运动目标跟踪关键技术

3.1 图像预处理

3.2 目标检测常用方法

3.3 目标跟踪常用方法

3.4 本章小结

4 钻机前景区域检测方法

4.1 Vibe目标检测算法优点

4.2 Vibe目标检测算法的不足

4.3 改进的Vibe目标检测算法

4.4 实验结果和分析

4.5 本章小结

5 钻机标识物跟踪方法

5.1 Camshift目标跟踪方法

5.2 基于卡尔曼滤波器的Camshift目标跟踪算法

5.3 实验结果和分析

5.4 本章小结

6 系统实现与测试

6.1 系统概述

6.2 软件系统组成

6.3 系统软件界面与测试结果

7 结 论

7.1 总结

7.2 展望

致谢

参考文献

附录