期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
井下无人驾驶电机车行驶场景中多目标检测研究 被引量：6
1
作者 郭永存 童佳乐 王爽 《工矿自动化》 北大核心 2022年第6期56-63,共8页
目前煤矿井下无人驾驶有轨电机车在行驶过程中,对轨道中的石块及其他小型障碍物的识别存在检测速度慢、检测精度低,且对于重叠目标,易造成漏检、错检等问题。针对上述问题,提出了一种井下电机车多目标检测模型——SE-HDC-Mask R-CNN模... 目前煤矿井下无人驾驶有轨电机车在行驶过程中,对轨道中的石块及其他小型障碍物的识别存在检测速度慢、检测精度低,且对于重叠目标,易造成漏检、错检等问题。针对上述问题,提出了一种井下电机车多目标检测模型——SE-HDC-Mask R-CNN模型。该模型基于Mask R-CNN进行改进,通过在主干特征提取网络ResNet的残差块中嵌入压缩-激励(SE)模块,学习各个通道的重要程度和相互联系,增强网络对特征的选择和捕获能力;将残差块中卷积核大小为3×3的标准卷积替换成混合空洞卷积(HDC),在不改变特征图大小、不增加参数计算量的前提下,通过增加卷积核处理数据时各值之间的距离达到增大感受野的目的。实验结果表明:SE-HDC-Mask R-CNN模型可有效提取轨道、电机车、信号灯、行人和石块目标,在井下电机车多场景运行数据集上的平均准确率均值为95.4%,平均掩码分割精度为88.1%,平均边界框交并比为91.7%,相较于Mask R-CNN模型均提升了0.5%,对信号灯、石块(小目标)的检测精度分别提升了0.7%和4.1%;SE-HDC-Mask R-CNN模型的综合性能优于YOLOV2,YOLOV3-Tiny,SSD,Faster R-CNN等模型,可有效解决小目标漏检问题;SE-HDC-Mask R-CNN模型在煤巷直轨、弯轨、黑暗环境、多目标重叠等场景下均可有效实现目标检测,具有一定泛化能力及较高鲁棒性,基本满足无人驾驶电机车障碍物检测需求。 展开更多
关键词 井下无人驾驶 煤矿电机车 目标检测 Mask R-CNN 实例分割 压缩-激励模块 混合空洞卷积
下载PDF
井下受限空间内无人车设计 被引量：1
2
作者 张家栋 于宝涵 +2 位作者 蔡子豪 徐国瑞 高程 《时代汽车》 2023年第1期145-147,共3页
为解决井下受限空间内煤炭运输问题,首先通过激光雷达对井下巷道进行定位,构建地图,从而实现路径规划,接着通过MPC(Model Predictive Control)算法进行轨迹跟踪;为保证安全,然后将速度检测,超声波检测等功能集成在无人车上;为了检验实... 为解决井下受限空间内煤炭运输问题,首先通过激光雷达对井下巷道进行定位,构建地图,从而实现路径规划,接着通过MPC(Model Predictive Control)算法进行轨迹跟踪;为保证安全,然后将速度检测,超声波检测等功能集成在无人车上;为了检验实际性能,通过搭建车模进行模拟;运用CarSim(Mechanical Simulation Corporation)对车辆进行优化系统大量参数;最后运用MATLAB实现MPC算法的功能模拟,证明了所设计无人车的可行性,并在仿真平台上进行轨迹仿真,验证了所设计无人车的适用性、稳定性。 展开更多
关键词 井下无人驾驶 无轨胶轮车 激光雷达检测 模型预测控制
下载PDF
基于SD-YOLOv5s-4L的煤矿井下无人驾驶电机车多目标检测
3
作者 赵伟 王爽 赵东洋 《工矿自动化》 CSCD 北大核心 2023年第11期121-128,共8页
为解决煤矿井下无人驾驶电机车由于光照不均、高噪声等复杂环境因素导致的多目标检测精度低及小目标识别困难问题,提出一种基于SD-YOLOv5s-4L的煤矿井下无人驾驶电机车多目标检测模型。在YOLOv5s基础上进行以下改进,构建SD-YOLOv5s-4L... 为解决煤矿井下无人驾驶电机车由于光照不均、高噪声等复杂环境因素导致的多目标检测精度低及小目标识别困难问题,提出一种基于SD-YOLOv5s-4L的煤矿井下无人驾驶电机车多目标检测模型。在YOLOv5s基础上进行以下改进,构建SD-YOLOv5s-4L网络模型:引入SIoU损失函数来解决真实框与预测框方向不匹配的问题,使得模型可以更好地学习目标的位置信息;在YOLOv5s头部引入解耦头,增强网络模型的特征融合与定位准确性,使得模型可以快速捕捉目标的多尺度特征;引入小目标检测层,将原三尺度检测层增至4层,以增强模型对小目标的特征提取能力和检测精度。在矿井电机车多目标检测数据集上进行实验,结果表明:SD-YOLOv5s-4L网络模型对各类目标的平均精度均值(m AP)为97.9%,对小目标的平均检测精度(AP)为98.9%,较YOLOv5s网络模型分别提升了5.2%与9.8%;与YOLOv7,YOLOv8等其他网络模型相比,SD-YOLOv5s-4L网络模型综合检测性能最佳,可为实现矿井电机车无人驾驶提供技术支撑。 展开更多
关键词 井下无人驾驶 电机车 多目标检测 YOLOv5s SIoU 解耦头 小目标检测
下载PDF
面向无人驾驶的井下行人检测方法 被引量：7
4
作者 刘备战 赵洪辉 周李兵 《工矿自动化》 北大核心 2021年第9期113-117,共5页
行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过... 行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力。实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。 展开更多
关键词 井下无人驾驶 井下行人检测 多传感器融合 特征提取 RetinaNet Dense连接
下载PDF
井下机车智能控制系统车地无线网络解决方案 被引量：2
5
作者 杨坤尧 刘阳 +1 位作者 马宁 张素娜 《现代矿业》 CAS 2022年第12期37-40,共4页
车地无线网络高速稳定是保障井下机车智能运输系统安全高效运行的关键。以中关铁矿井下电机车无人驾驶智能运输系统为背景,提出井下电机车在高速运行下车地无线网络技术解决方案。在对巷道AP布点及无缝覆盖技术、信号冗余覆盖技术、RF... 车地无线网络高速稳定是保障井下机车智能运输系统安全高效运行的关键。以中关铁矿井下电机车无人驾驶智能运输系统为背景,提出井下电机车在高速运行下车地无线网络技术解决方案。在对巷道AP布点及无缝覆盖技术、信号冗余覆盖技术、RF射频衰减技术、防电磁抗干扰技术、网络管理技术等进行综合分析的基础上,提出总体网络架构、巷道AP布点方案、安装技术要点及详细的信号抗干扰技术措施,实现实时无缝地完成车地间图像和控制信号的双向传递,确保地表控制中心与机车之间建立稳定、安全且能避免冲突的通信网络,在地表控制中心实现对井下主干网和车地无线网的管理和控制。 展开更多
关键词 井下机车无人驾驶 车地无线网络 双向传输
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部