[发明专利]一种井下无人驾驶车辆的单目测距系统与方法

说明书

本发明公开了一种井下无人驾驶车辆的单目测距系统与方法，包括以下步骤：在车辆行驶路线中，通过传感器采集前向车辆图像，并自动识别检测框信息和前向车辆的类型信息；通过类型信息和检测框信息判断前向车辆的车辆位姿；根据车辆位姿求得前向车辆上与传感器的距离最近点在前向车辆图像中的像素坐标；得到最近点与传感器的测量距离，再将测量距离进行预测更新得到车辆距离，通过对车身、车尾、轮毂实时感知，基于检测结果提出多目标信息融合的方法，为精准测距提供了前提条件，然后采用二阶段的精准测距，结合传统几何测距模型与卡尔曼滤波算法，进一步提高最终结果的准确性，提高了井下无人驾驶车辆测距的稳定性和鲁棒性。

技术领域

本发明涉及井下无人驾驶感知技术领域，具体而言，涉及一种井下无人驾驶车辆的单目测距系统与方法。

背景技术

面对日益增长的能源需求，熟练技工短缺带来的高昂人工成本以及严峻的国际竞争压力，矿业公司、能源集团正积极探索开发矿区的智能化建设，由于矿区工作环境恶劣，且需要全天候运行，矿区运输无人驾驶技术成为了推进智能化建设的关键点。目前井下运输主要存在招工难、效率低、安全风险高等问题。

无人驾驶作为当前主流的研究方向，矿区运输无人化可从根本上解决驾驶人员安全问题，降低人力成本，并能极大提高生产运输效率。特别是对于井工矿，相较于露天矿，其工作场景更为恶劣、人工成本更高，因而对智能化、无人化运输的需求也更强。其中感知系统作为无人驾驶的重要组成部分，尤其是基于井下无人驾驶车辆单目视觉测距技术，具有重要的研究价值。

目前单目测距方法多用于城市道路和高速公路。专利CN113720300A提出一种基于目标识别神经网络的单目测距方法，该方法通过采集同一目标的近图和远图，将检测结果带入到光学关系式中，得到距离。专利CN111046843A提出一种智能驾驶环境下的单目测距方法，该方法利用检测框对待测物体进行分割处理并提取数值化信息。专利CN114046769A提出一种基于多维参考信息的单目测距方法，该方法基于消失点和相似三角形方法对检测对象进行测距。但是以上单目测距方法存在一些问题：(1)井下巷道多为非规则化道路，地面凹凸不平的工况为测距带来较大误差；(2)由于目标检测框是二维的，依靠单一的检测框是没有办法获取车辆准确的深度信息。

发明内容

本发明旨在提供一种井下无人驾驶车辆的单目测距系统与方法，以解决或改善上述技术问题中的至少之一。

有鉴于此，本发明的第一方面在于提供一种井下无人驾驶车辆的单目测距方法。

本发明的第二方面在于提供一种井下无人驾驶车辆的单目测距系统。

本发明的第一方面提供了一种井下无人驾驶车辆的单目测距方法，包括以下步骤：S1，在车辆行驶路线中，通过传感器采集前向车辆图像，并自动识别检测框信息和所述前向车辆的类型信息；S2，通过所述类型信息和所述检测框信息判断所述前向车辆的车辆位姿；S3，根据所述车辆位姿求得所述前向车辆上与所述传感器的距离最近点在所述前向车辆图像中的像素坐标；S4，将所述像素坐标带入单目几何测距模型得到所述最近点与所述传感器的测量距离，再将所述测量距离采用卡尔曼滤波算法进行预测更新得到车辆距离；其中，所述类型信息包括：车身信息、车尾信息和轮毅信息，且分别与所述检测框信息一一对应。

本发明提供的一种井下无人驾驶车辆的单目测距系统与方法，针对上述提出的问题，提出一种应用于井下无人驾驶车辆的单目测距系统与方法，本发明设计一种基于卷积神经网络的多信息融合方法，该方法使用卷积神经网络对车辆信息进行实时检测，并根据检测结果进行信息融合，为后续获取车辆位姿信息提供条件。此外，本发明设计位姿估计模块对车辆位姿进行判断，获取前方车辆最近点对应的像素坐标。最后，设计二阶段精准测距方法，先基于单目几何测距模型求得车辆距离，接着采用卡尔曼滤波对距离进行预测与更新，保证了测距的鲁棒性和稳定性。