91学术服务平台

您好,欢迎来到91学术官网!站长邮箱:91xszz@sina.com

发布论文

论文咨询

基于机器视觉的煤矿井下钻杆抓取系统研究

  2025-04-02    68  上传者:管理员

摘要:煤矿井下钻探是实现煤炭资源评估、煤层状态探测、煤矿瓦斯抽采及储层地应力释放等的重要技术手段,然而目前井下钻探过程中钻杆的抓取及拧卸多依靠人工实现,存在效率低下及安全隐患等问题。基于此,基于机器视觉原理研制了一种适用于煤矿井下的钻杆抓取系统,对系统的钻杆定位算法、数据滤波算法及机械手手眼标定等进行了介绍,并在系统完成后利用室内机械手进行了验证试验。结果显示,在无干扰的情况下,抓取成功率可达100%,在钻杆所处环境背景颜色与钻杆相近时,试验成功率降低到84%。研究成果将助力于煤矿井下自动化及智能化钻机的研发,可为从业者提供一定的借鉴。

  • 关键词:
  • 摄像设备
  • 机器视觉
  • 机械手
  • 煤矿井下
  • 钻杆抓取
  • 加入收藏

煤矿井下钻探是实现煤炭资源评估、煤层状态探测、煤矿瓦斯抽采及储层地应力释放等的重要技术手段[1],被广泛应用于煤炭勘探及开发的各个环节。煤矿钻探过程中,钻杆的抓取及拧卸多依靠人工实现,存在效率低下及安全隐患等问题,而机器视觉则为实现自动化的钻杆抓取提供了可靠的技术保障[2]。机器视觉是一种利用计算机和摄像设备,并辅以智能算法,使计算机能够模拟人类视觉系统,实现对图像或视频进行感知、理解和分析的技术。国内外相关学者对机器视觉的相关硬件及算法进行了广泛的研究,并将机器视觉应用于各个领域,包括芯片缺陷[3]及机械加工[4]等,而在煤矿领域,机器视觉也实现了煤矸石分选[5]、掘进机定位[6]及工作面推进度识别[7]等功能。基于此,本文提出了一种适用于煤矿井下的钻杆抓取系统,可在煤矿井下基于机器视觉实现钻杆的自动抓取。本文的研究内容对于提高钻探效率及抓取精度、降低钻探成本及安全隐患等,均具有重要意义。


1、基于机器视觉钻杆抓取系统总体设计及工作原理


钻杆抓取系统工作原理如图1所示,主要由机械手、相机、工控机及矿用钻杆四部分组成。工作时由相机拍摄的钻杆照片经数据线传输给工控机,工控机对获取的信息进行特征提取,通过目标坐标系构建目标姿态,使用Kalman滤波算法处理数据,利用手眼标定将像素坐标转换到基坐标系,通过模型计算出当前目标的位置,随后控制机械手进行钻杆的抓取。此外,为保证抓取的实时性及高频性,选用高刷新的摄像头并简化网络层数,降低算力负担,提高抓取效率。

图1钻杆抓取系统工作原理示意图


2、钻杆定位算法


本文使用Sobel算子算法来实现钻杆的定位。Sobel算子算法是一种用于物体边缘检测的算法,根据物体图像明暗程度,将图像灰度或结构突变标记为边缘,从而实现钻杆的识别及定位[8]。钻杆识别定位的计算公式:


3、数据滤波算法


实际使用中由于钻机工作时存在较大的抖动,数据中将无可避免地引入噪声,因此采用Kalman算法对数据进行滤波,以确保抓取精度[9]。Kalman滤波的公式

公式编写完成后,利用软件对数据处理效果进行试验,将pylab估计值、真实值、噪声与迭代次数进行对比,试验结果如图2所示。可见当数据迭代超过30次后,估计值始终收敛于真实值,且其误差也在0~30次的迭代中趋于0,因此采用Kalman滤波算法满足钻杆抓取的实际需求。

图2滤波试验结果


4、机械手手眼标定


相机的安装分为眼在手上和眼在手外2种方式,本系统中由于钻杆尺寸较大,需要较大的视野范围,因此选用眼在手外的安装方式。手眼标定过程是通过坐标系的转换将机械手和视觉统一在相同的坐标系下,本系统中采用九点标定法建立相机坐标系和机械手坐标系之间的映射关系[10],即

由式(4)可知,应用时只需获取3组现场相机坐标及机械手末端执行器坐标数据,即可计算得到两者的映射函数。然而考虑到误差因素的影响,实际使用时常选取9组数据进行标定,以提高标定精度。


5、试验验证


将算法编写入软件,进行钻杆的识别及抓取。利用室内的机械手进行钻杆抓取试验时,共分为4组:无干扰组、覆盖物组、背景干扰组以及弱光线组。其中无干扰组是理想的试验情况,覆盖物组是指有其他物体覆盖钻杆一部分区域,背景干扰组是指钻杆所处背景颜色与钻杆相近,而弱光线组则是指钻杆所处环境光线较弱。试验结果如表1所示。

表1钻杆抓取试验结果

由表1可知,无干扰组的试验成功率最高,随后依次是覆盖物组、弱光线组及背景干扰组。背景干扰组的试验成功率最低,因此背景干扰是影响抓取成功的主要因素。背景干扰组失败率较高的原因在于,系统是利用钻杆与周围背景颜色的差异进行钻杆的特征识别及定位,因此当背景色干扰较大时,将导致钻杆抓取失败。然而在煤矿的实际使用中,由于钻杆是安装在钻机上,而钻机颜色与钻杆颜色区别较大,因此实际使用时的背景干扰较小,成功率将有所提升。


6、结语


本文提出了一种适用于煤矿井下的钻杆抓取系统,可基于机器视觉在煤矿井下实现钻杆的自动抓取。对系统的钻杆定位算法、数据滤波算法及机械手手眼标定进行了介绍,并在系统完成后利用室内机械手进行了验证试验。结果显示,在无干扰的情况下,抓取成功率可达100%,在钻杆所处环境背景颜色与钻杆相近时,试验成功率降低到84%。然而在煤矿的实际使用中,由于钻杆是安装在钻机上,而钻机颜色与钻杆颜色区别较大,因此实际使用时的背景干扰较小,成功率将有所提升。


参考文献:

[1]高珺.基于钻探机械的地质信息探测装置研究[J].煤矿机械,2022,43(9):110-112.

[2]陈彦宇,田东庄,许翠华,等.基于双目视觉的钻杆接头定位系统设计[J].组合机床与自动化加工技术,2020(2):143-144+160.

[3]王建冲,高军伟.基于机器视觉的芯片引脚缺陷检测与分拣系统[J].仪表技术与传感器,2023(6):56-63.

[4]刘建春,苏进发,叶中赵,等.面向立铣刀磨损的在机视觉检测方法研究[J].机床与液压,2023,51(13):52-57.

[5]申龙,单浩然,王永利,等.智能煤矸石分选机器人的研究与应用[J].中国煤炭,2023,49(10):74-78.

[6]王祝.基于机器视觉的矿用悬臂掘进机自主定位关键技术的研究[J].自动化应用,2023,64(14):177-179.

[7]朱朋飞,郭龙真.基于机器视觉的煤矿井下工作面推进度智能识别方法[J].煤矿机械,2023,44(8):200-203.

[8]韩红桂,甄晓玲,李方昱,等.基于多尺度卷积神经网络的手机表面缺陷识别方法[J].北京工业大学学报,2023,49(11):1150-1158.

[9]窦海波.考虑遮挡因素的视频人体运动目标自适应跟踪[J].吉林大学学报(信息科学版),2023,41(3):566-573.

[10]石宪闪.面向装配过程的工业机器人关键技术的研究[D].太原:中北大学,2023.


基金资助:国家重点研发计划项目(2023YFC2907502);陕西陕煤曹家滩矿业有限公司项目(KCYJY-2023-ZD-02);天地科技股份有限公司科技创新创业资金专项项目(2023-TD-ZD003-003);


文章来源:任建超,冯彦军,丁维波,等.基于机器视觉的煤矿井下钻杆抓取系统研究[J].煤矿机械,2025,46(04):66-68.

分享:

91学术论文范文

相关论文

推荐期刊

网友评论

加载更多

我要评论

煤矿机械

期刊名称:煤矿机械

期刊人气:2106

期刊详情

主管单位:国家煤矿安全监察局

主办单位:哈尔滨煤矿机械研究所

出版地方:黑龙江

专业分类:煤矿

国际刊号:1003-0794

国内刊号:23-1280/TD

邮发代号:14-38

创刊时间:1980年

发行周期:月刊

期刊开本:大16开

见刊时间:1年以上

论文导航

查看更多

相关期刊

热门论文

【91学术】(www.91xueshu.com)属于综合性学术交流平台,信息来自源互联网共享,如有版权协议请告知删除,ICP备案:冀ICP备19018493号

微信咨询

返回顶部

发布论文

上传文件

发布论文

上传文件

发布论文

您的论文已提交,我们会尽快联系您,请耐心等待!

知 道 了

登录

点击换一张
点击换一张
已经有账号?立即登录
已经有账号?立即登录

找回密码

找回密码

你的密码已发送到您的邮箱,请查看!

确 定