[发明专利]一种基于图像识别的井巷通风阻力系数计算方法

权利要求书

1.一种基于图像识别粗糙度的通风摩擦阻力系数预测方法，其特征在于包括如下步骤：

步骤1：获取围岩表面图片；在巷道内架设相机，并对巷道的围岩拍照，在此过程中不断调整拍摄角度，照片需要覆盖预测通风摩擦阻力系数巷道区段围岩的所有区域，得到的照片集合P，遍历该区域所有的照片集合P＝{p₁,p₂,…,p_m，…，p_n}；

步骤2：识别照片中的围岩粗糙度，如图2所示采用高斯函数差分法处理照片，本步骤以集合P中的任意一张照片为例说明粗糙度识别的计算过程，集合内的其他照片都采用相同的计算过程处理，如果照片的长度为x m，宽度为y m，滤波参数分别为σ₁和σ₂，那么两次滤波后的图片表示如下：

将两幅图像g₁和g₂在不同参数下的高斯滤波结果相减，g₃是得到高斯差分图表示如下：

步骤3：提取照片中识别出的边缘点作为三维重构的关键点，建立世界坐标系(world)、相机坐标系(camera)、图像坐标系(picture)、像素坐标系(pile)间的映射关系，涉及外参矩阵和内参矩阵，相机的外参是矩阵的旋转R和平移T，相机的内参是焦距的参数f_x和f_y，主点的偏移量x₀和y₀；

①首先需要根据外参矩阵将世界坐标系O_world转换为以相机为中心的坐标系O_camera如图3所示，转换涉及坐标系的旋转和平移，此时相机坐标系和世界坐标系方向一致；

②根据相机成像原理(如图4所示)，借助相机的内参将像素点映射在相机坐标系中，为了统一标准和以后方便计算，归一化处理相机坐标系中的位置坐标，使其变为与成像平面平行且距离相机原点距离相等的平面，此时也是建立三维空间点和二维空间点的关系，然而物理平面坐标系中的图像是以图像的左上角为原点，而我们之前的归一化相平面坐标系中是成像中心O_imagin(u₀,v₀)点为原点(如图5所示)，因此需要平移变换；

步骤4：通过方差减小规则(SDR)将点的集合S分割为多个子集合(如图6所示)，遍历所有的子集合S＝{S₁,S₂,...,S_m,...,S_n}，分割准则如公式(4)，其中，sd是集合的方差，|E|是E集合里数目；

步骤5：通过偏最小二乘法分别拟合S子集合中的点，平面的集合A，遍历集合A＝{A₀,A₁,A₂,…,A_m，…，A_n}，则拟合平面表示为公式(5)：

其中，

步骤6：计算点云到对应拟合平面的距离，将拟合面表达式(5)整理变换得到公式(7)：

x+y+(-k₁-k₂)z+(-b₁-b₂)＝0 (7)

分别计算子集合内各个点坐标到拟合平面的距离，再将求平均值作为这一个子集合的粗糙度，计算过程如下述公式(8)所述：

步骤7：遍历所有的子集合S＝{S₁,S₂,...,S_m,...,S_n}，上述计算仅针对点集合S中的一个子集合计算出粗糙度，其它子集合重复步骤5至步骤6分别计算粗糙度，通过均值计算所有点云集合S的粗糙度，均值粗糙度ε_均^d也是集合P中的第d张照片的粗糙度识别结果计算过程如公式(9)所示：

步骤8：遍历围岩所有的照片集合P＝{p₁,p₂,…,p_m，…，p_n}，上述计算仅针对照片集合P中的一张照片计算出粗糙度，其它照片的粗糙度计算需要重复步骤2至步骤7，各张照片的粗糙度识别结果组成集合Ω＝{ε_均¹,ε_均²,...,ε_均^m，...，ε_均ⁿ}，计算集合Ω中所有元素的均值，如公式(10)所示，ε也是整条待测通风摩擦阻力系数巷道的围岩粗糙度识别结果：

步骤9：计算摩阻系数λ，通过照片反演到世界坐标系中的所有点云能够确定巷道的当量直径D，借用Colebrook公式(11)并结合上述求解出的巷道粗糙度ε能够计算出摩阻系数λ：

步骤10：根据通风阻力系数α和摩擦阻力系数λ的关系公式(12)求得最终结果：

α＝λρ/8N·s²/m⁴ (12)

其中，ρ为空气密度，一般情况下取1.29kg/m³。