论文部分内容阅读
通过井下工业互联网,可以对井下无人机等智能设备进行远程管理,对实现无人采矿具有十分重要的意义。为了对井下无人机进行管理,需要实现矿井环境下的无人机自主定位和导航。同时定位与建图(SLAM)算法可以通过传感器对周围环境信息进行观测,对无人机进行精确定位。因此,本文针对井下巷道中行驶的无人机单目视觉SLAM算法进行了研究,以实现矿井环境下的无人机自主定位和导航。本文的主要成果如下:(1)针对较宽阔无障碍物的巷道以及较窄巷道分别提出在巷道顶壁设置带有位置信息的二维码以及在巷道壁两侧设置反光标识牌作为无人机引导路标。针对这两种不同的巷道环境,分别创建了基于几何-拓扑的井下巷道图。(2)针对宽阔巷道环境,提出了一种含有位置信息的二维码,根据边缘检测、拟合直线等算法得到二维码的码值信息,即二维码的位置信息,实验和仿真表明该算法能快速清晰地对二维码进行识别。针对较窄巷道环境中设置的人工路标即反光标识牌,事先将每一个反光标识牌和其周围的自然特征进行图像获取并放入库中,提出了基于RANSAC的SIFT算法对井下无人机单目视觉所获取的每一帧图像进行特征提取,并与事先建立好的特征图像库进行匹配。实验和仿真表明基于RANSAC的SIFT算法有很高的正确匹配率,可以根据特征图像库和离线地图得到路标位置信息。(3)针对较宽阔无障碍物的巷道和二维码无人机引导路标场景,提出了一种基于二维码的井下无人机单目视觉PSOFastSLAM算法。仿真结果表明所提出的井下无人机PSOFastSLAM算法,有效改善了 FastSLAM定位算法粒子退化的问题,提高了井下无人机定位精度。(4)针对较窄巷道和反光标识牌引导路标场景,提出了一种基于反光标识牌的井下无人机单目视觉EKF-SLAM算法,通过已知路标得到的观测信息对无人机位姿进行估计。仿真结果表明单目视觉EKF-SLAM算法可以对井下无人机进行精确定位。最终结果显示,针对不同的巷道环境,采用不同的SLAM算法可以对面向工业互联网的井下无人机进行精确定位,为后续工业互联网对采集环境数据的井下无人机进行有效管理打下基础。