[发明专利]一种钻锚机器人多钻臂协同控制方法、系统、设备及介质

说明书

本发明公开了一种钻锚机器人多钻臂协同控制方法、系统、设备及介质，涉及钻锚机器人控制领域。该方法包括：获取待识别钻锚孔图像；将所述待识别钻锚孔图像输入至钻锚孔识别模型中，得到钻锚孔识别图像；所述钻锚孔识别模型是基于K‑Means聚类算法和MaskR‑CNN网络构建得到的；对所述钻锚孔识别图像中的钻锚孔进行定位，得到钻锚孔位置信息；根据所述钻锚孔位置信息对目标钻锚机器人的各钻臂的运动轨迹和工作空间进行规划，得到钻臂规划信息；根据所述钻臂规划信息对所述目标钻锚机器人的各钻臂进行协同控制。本发明能够实现对钻锚机器人的各钻臂的协同控制，提高支护效率和人员安全性。

技术领域

本发明涉及钻锚机器人控制领域，特别是涉及一种钻锚机器人多钻臂协同控制方法、系统、设备及介质。

背景技术

煤矿综掘工作面智能化是煤矿智能化的基础，而综掘工作面设备的协同控制是实现煤矿智能化、无人化的重要前提。在实际的煤矿生产过程中，钻锚机器人利用多钻臂进行锚网支护作业时，由于井下环境恶劣、支护作业工艺复杂，支护作业仍以人工为主，这对支护工人的安全造成威胁。因此，为提高支护效率和人员安全性，对钻锚机器人的多钻臂进行协同控制，从而减少井下工作人员，这对煤矿的安全生产具有重要的意义。

发明内容

本发明的目的是提供一种钻锚机器人多钻臂协同控制方法、系统、设备及介质，以实现对钻锚机器人的各钻臂的协同控制，提高支护效率和人员安全性。

为实现上述目的，本发明提供了如下方案：

一种钻锚机器人多钻臂协同控制方法，所述方法包括：

获取待识别钻锚孔图像；

将所述待识别钻锚孔图像输入至钻锚孔识别模型中，得到钻锚孔识别图像；所述钻锚孔识别模型是基于K-Means聚类算法和Mask R-CNN网络构建得到的；

对所述钻锚孔识别图像中的钻锚孔进行定位，得到钻锚孔位置信息；

根据所述钻锚孔位置信息对目标钻锚机器人的各钻臂的运动轨迹和工作空间进行规划，得到钻臂规划信息；

根据所述钻臂规划信息对所述目标钻锚机器人的各钻臂进行协同控制。

可选地，所述钻锚孔识别模型的构建方法包括：

获取钻锚孔图像数据集和钻锚孔位置标记数据；所述钻锚孔图像数据集包括多幅钻锚孔图像样本；所述钻锚孔位置标记数据包括各所述钻锚孔图像样本对应的钻锚孔边界框和钻锚孔分割掩膜；

采用K-Means聚类算法，根据所述钻锚孔图像数据集确定锚框数据；

以所述锚框数据作为Mask R-CNN网络的锚点框参数，将所述钻锚孔图像数据集和所述钻锚孔位置标记数据输入至所述Mask R-CNN网络中进行训练，得到钻锚孔识别模型。

可选地，所述Mask R-CNN网络包括依次连接的特征提取模块、候选区域生成模块、区域特征聚集模块和预测识别模块；所述预测识别模块包括并行的边界框识别层和掩膜预测层；

所述特征提取模块用于对输入的图像进行特征提取，得到第一特征图；

所述候选区域生成模块用于根据所述第一特征图生成候选区域集；所述候选区域集包括多个感兴趣区域；

所述区域特征聚集模块用于对所述候选区域集进行区域特征聚集处理，得到第二特征图；

所述边界框识别层用于对所述第二特征图进行目标检测和边界框特征提取，得到与输入的图像对应的边界框识别图像；

所述掩膜预测层用于对所述第二特征图进行实例分割和掩膜特征提取，得到与输入的图像对应的掩膜预测图像。