| 摘 要： | 煤矿综掘工作面受限于狭小空间、工艺繁杂、环境恶劣等特殊条件，导致用工多、安全性差、效率低等问题，亟需研发更加安全高效的智能化掘进技术与装备。巷道掘进机作为综掘工作面的核心设备，对其智能化进行研究具有重要的社会价值和经济意义。为实现巷道掘进机的智能化作业，首先需要解决的关键问题是为掘进机机体定位，精确、鲁棒的机体位姿检测方法是保障巷道智能掘进有效性的首要条件。因此，针对巷道掘进机机体定位问题，提出了一种基于时间序列图像学习的机体绝对六自由度位姿实时检测方法。首先，通过在掘进机机体安装一台单目相机，并在掘进机后方设置人工特征对象，设计适用于巷道狭长、非结构化环境的视觉定位方案。然后，提出用于时间序列图像融合的深度学习模型，其中，使用一种训练好的多尺度变分自编码器辅助的卷积神经网络（MSVAE-CNN）的编码器模型提取时间序列图像中每个样本的多尺度潜在空间特征，以保证图像特征提取的鲁棒性；基于双向长短期记忆（LSTM）网络构建时间序列图像特征融合模型，并同时估计所有时间步图像样本对应的机体位姿参数，当推理某个时间步图像对应的位姿参数时，其他时间步的信息都可作为先验知识，通过学习图像样本之间的...
|
