煤礦無人開采是目前全球各個煤礦追求的目標(biāo),集中監(jiān)控平臺在無人化工作現(xiàn)場中扮演重要的角色。集中監(jiān)控的前提是系統(tǒng)能將多攝像頭拍攝到的視頻進(jìn)行融合,形成一個煤礦的全景圖像,其中需要用到視頻融合技術(shù)。視頻融合技術(shù)的基礎(chǔ)是圖像融合。圖像融合是將來自場景的兩個或多個圖像的信息組合成單個合成圖像的過程,其更具信息性并且更適合于視覺感知和計算機處理。圖像融合的目標(biāo)是減少不確定性并減少輸出中的冗余,同時最大化有助于應(yīng)用程序或任務(wù)的相關(guān)信息。本文針對無人化工作現(xiàn)場中對如何集中監(jiān)控平臺這一問題進(jìn)行研究,并提出一系列煤礦綜掘工作面視頻融合方法,主要創(chuàng)新點如下:(1)針對多視角視頻在實際應(yīng)用過程中存在視差的難題,研究多視角掘進(jìn)工作面視頻融合方法。傳統(tǒng)的視頻融合技術(shù)無法準(zhǔn)確地確定煤礦綜掘工作面人員、物品的位置及大小。為了得到更加準(zhǔn)確地感知煤礦綜掘工作面場景,本文需要一種多視角掘進(jìn)工作面視頻融合方法。該方法的思路是先提取圖像的特征,再利用圖像特征和多視角圖像匹配技術(shù)進(jìn)行圖像的配準(zhǔn)和匹配,最后使用局部逼近的投影變換模型來處理視差較大的情況。(2)針對采礦工作面上機器的抖動造成安裝攝像頭的工作平臺不穩(wěn)定的問題,研究抖動自適應(yīng)的視頻融合方法。由于礦井工作環(huán)境的特殊性,采礦工作面上機器的抖動會引起所成圖像含有運動模糊。本文提出針對動態(tài)視頻序列的實時視頻融合算法,主要由視頻登記和視頻融合兩個部分組成。視頻登記的目的是估計圖像之間的相對幾何變換,采用的技術(shù)手段是從每個視頻每幀圖像中提取出特征點進(jìn)行匹配,然后每隔一段時間就對圖像中的特征進(jìn)行提取,盡可能地避免或抑制由相機平移或抖動帶來的影響。同時在圖像融合階段,結(jié)合相應(yīng)的圖像變換模型,避免圖像融合后出現(xiàn)扭曲現(xiàn)象。(3)針對視頻融合算法復(fù)雜度高的問題,研究快速工作面視頻融合方法�，F(xiàn)階段的全景視頻融合系統(tǒng)在對圖像進(jìn)行快速融合的過程中往往存在著圖像錯位和鬼影的問題,同時礦井中光線弱且存在大量噪聲對全景融合系統(tǒng)的性能提出新的挑戰(zhàn)。為了有效地解決視頻圖像融合實時性差的問題,本文利用圖形處理單元(GPU)結(jié)合統(tǒng)一計算設(shè)備架構(gòu)(CUDA)來實現(xiàn)視頻圖像的快速融合。在以上研究工作的基礎(chǔ)上,針對趙家寨安全生產(chǎn)的需要,本文設(shè)計一套綜掘工作面動態(tài)視頻圖像融合系統(tǒng)。該系統(tǒng)可以實現(xiàn)視頻圖像清晰化處理、綜掘工作面動態(tài)視頻圖像融合、綜掘工作面動態(tài)視頻查看及存儲功能。所設(shè)計的綜掘工作面動態(tài)視頻圖像融合系統(tǒng)應(yīng)用在煤礦開采現(xiàn)場,產(chǎn)生很好的安全效益、經(jīng)濟效益和社會效益。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TD67
【部分圖文】：

多攝像監(jiān)控Figure1-1Multi-cameramonitoring

并給出實驗結(jié)果。之后簡述四種不同做一定的介紹，介紹剛性變換、仿射變換。簡要闡述特征提取和特征匹配技術(shù)，其中提取算法[48]、高維索引（K-D）樹數(shù)據(jù)結(jié)構(gòu)算法[50]的介紹。在本章的最后一個部分介景下的實驗結(jié)果。型(Image Transformation Model)主要原理是建立一種從立體到平面的空間平面中需要通過幾何轉(zhuǎn)換等方法。從而可知系，下面對四種圖像拼接任務(wù)中常用的坐系

因素會導(dǎo)致圖像的非線性畸變，包括由拍攝過程中視角、照明等引起的非人為因素和人為因素，并且捕獲圖像與原始理想對象之間的比例失衡是非線性畸變的主要表現(xiàn)。圖2-4展示的就是實驗中較為常見的非線性畸變圖像，比如梯形畸變、枕形畸變和桶形畸變。(a)原始圖像 (b)梯形畸變 (c)枕形畸變 (d)桶形畸變圖 2-4 非線性畸變Figure 2-4 Nonlinear distortion對于非線性畸變的數(shù)學(xué)模型，使用公式（2-16）和公式（2-17）表示。( ) ( ( )) ( )2 22 2 2 21 1 2 13 2xδ= k x x + y + p x + y + p xy + s x + y（2-16）( ) ( ( )) ( )2 22 2 2 22 2 1 23 2yδ= k x x + y + p x + y + p xy + s x + y（2-17）從公式（2-16），公式（2-17）可以看出，每個公式分為三部分，分別代表三個不同的畸變模型，分別是徑向畸變、切向畸變以及薄棱鏡畸變。在公式（2-16）和公式（2-17）中，畸變模型的次數(shù)雖然不高，但是已經(jīng)達(dá)到足夠的精度要求，能夠得到一個較好的結(jié)果。以上公式中描述的三種畸變類型分別由不同的原因造成。其中，對于光軸對稱的徑向畸變是鏡頭本身硬件問題所導(dǎo)致的
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李鵬程;曾毓敏;張夢;;一種改進(jìn)的Harris角點檢測算法[J];南京師大學(xué)報(自然科學(xué)版);2014年02期

2 杜召彬;羅曉暉;;一種快速實現(xiàn)透視投影校正和空間定位的方法[J];長江大學(xué)學(xué)報(自科版)理工卷;2007年03期

3 張祖勛;數(shù)字?jǐn)z影測量與計算機視覺[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2004年12期

4 焦李成,譚山;圖像的多尺度幾何分析:回顧和展望[J];電子學(xué)報;2003年S1期

5 孟曉橋,胡占義;攝像機自標(biāo)定方法的研究與進(jìn)展[J];自動化學(xué)報;2003年01期

6 邱茂林,馬頌德,李毅;計算機視覺中攝像機定標(biāo)綜述[J];自動化學(xué)報;2000年01期

本文編號：2849743