[发明专利]一种基于面结构光的堆煤检测方法

说明书

本发明涉及一种基于面结构光的堆煤检测方法，属于煤矿运输监测技术领域。一种基于面结构光的堆煤检测方法，该方法包括以下步骤：S1：彩色相机采集可见光下目标的彩色图像；投影仪、红外相机和深度处理器采集目标的深度图或者点云数据；深度图是目标任意像素到红外相机的距离；点云数据是以相机为原点，目标的任意像素相对于相机的三维空间坐标集，深度图与点云数据是一一映射；重建点云数据剖分；S2：运用统计方法判断是否发生堆煤。本发明基于计算机视觉技术判别带式输送机的堆煤故障情况，实现堆煤故障及时检测并报警。

技术领域

本发明属于煤矿运输监测技术领域，涉及一种基于面结构光的堆煤检测方法。

背景技术

带式输送机是煤矿生产过程中的主要运输设备，具有运输距离远、低能耗、高效率等优点。但堆煤故障是带式输送机的常见故障之一，堆煤故障的主要表现是煤炭因输送不及时而堆积在输送带或者煤仓处，使得煤炭高度大于正常煤位时。堆煤产生的主要原因是：

1.在输送机机头处，前一部输送机停止运转，后一部输送机持续运行；

2.大块异物、煤料等堵塞落煤桶或者溜煤眼等。当堆煤发生时，必须停止运输并及时处理，否则煤炭将淹没输送机机头，造成巷道阻塞，引起瓦斯超限；还会造成输送带打滑，引起火灾等严重安全生产事故。

面结构光技术是一种快速、高精度、无接触的深度感知技术，也能用于物体的三维曲面重建，广泛应用于文物考古、工业生产、卫生医疗等行业。其原理类似于三角测距，精度高且成本远低于激光雷达。

专利CN110053943(一种人工智能视频识别皮带堆煤的监测方法)、专利CN112784820(一种煤矿AI智能视频识别系统及使用方法)和专利CN113306991(基于立体视觉的煤炭运输机监测管理系统)是与本发明较接近的现有技术。

专利CN110053943和CN112784820均采用可见光视频图像作为图像采集系统，并利用计算机视觉算法进行图像特征提取，实现堆煤故障检测。与本发明使用结构光技术作为图像采集系统，存在明显差异。

专利CN113306991采用多线结构光技术作为图像采集系统，并利用计算机视觉技术进行对堆煤故障分析。虽然多线结构光与面结构光都属于立体视觉技术，但从硬件和理论方面都存在明显差异，这种差异也导致后期堆煤分析算法存在明显差异。

目前，带式输送机堆煤故障的检测技术主要是接触式传感器检测和非接触式计算机视觉检测。

接触式堆煤传感器检测方法主要利用行程开关、电极开关等原理实现堆煤检测。基于行程开关的堆煤传感器由行程触杆和对应的传感器组成，正常条件下传感器的接线端子断路，当堆煤发生后，煤炭推动行程触杆，使得传感器接线端子接通，从而触发堆煤事故报警。基于电极开关的堆煤传感器利用电极探头与煤炭接触产生导电信号，完成堆煤检测。这类检测方法存在以下缺点：1)传感器安装位置靠近输送带，容易与煤块产生机械摩擦，使设备变形、损坏，引起电火花等。2)煤矿井下湿度大，传感器容易短路，导致误触发堆煤报警。3)煤尘多且堆积在触杆、电极探头处，容易误触发报警，需要经常清理和维护。

非接触式计算机视觉检测主要利用智能图像处理技术实现堆煤检测。这类检测方法存在以下缺点：

1)泛化能力差：堆煤的图像特征随着使用场景变化而变化，堆煤算法常常需要重新设计；

2)堆煤样本少：堆煤故障发生概率极低，以深度学习为主的检测技术，缺少有效训练样本，导致推理模型性能差。

发明内容

有鉴于此，本发明的目的在于提供一种基于面结构光的堆煤检测方法，基于计算机视觉技术判别带式输送机的堆煤故障情况，实现堆煤故障及时检测并报警。

为达到上述目的，本发明提供如下技术方案：

一种基于面结构光的堆煤检测方法，该方法包括以下步骤：