申请/专利权人:中国矿业大学
申请日:2024-03-28
公开(公告)日:2024-06-14
公开(公告)号:CN118196126A
主分类号:G06T7/13
分类号:G06T7/13;G06T7/66;G06T5/70;G06N3/0499;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明公开的一种基于深度学习的井下巷道点云边界线提取方法,涉及矿井点云边界线提取技术领域。该方法首先通过激光雷达采集巷道点云数据,然后对点云数据进行去噪、特征保留及特征重建;接着进行数据切片,对点云视角下的锚杆进行标注,并制作训练集;再接着建立点云识别网络,识别锚杆与其中心点;最后依据巷道切片结合识别结果的锚杆在巷道壁的中心,记录其位置,并标红;在巷道切片上连接标红点,成功绘制巷道边界,成图保存下来。本发明利用激光雷达采集点云数据,识别巷道壁上钻打的锚杆寻找边界点,并结合神经网络得到边界点,大大提高了巷道边界识别的精准度与效率。
主权项:1.一种基于深度学习的井下巷道点云边界线提取方法,其特征在于,包括以下步骤:S1、激光雷达上电,采集巷道数据,记录锚杆间隔amg,在锚杆下方处进行测量,并保存到数据库中;S2、对点云数据进行去噪、特征保留及特征重建;S3、进行数据切片,对点云视角下的锚杆进行标注,并制作训练集;S4、建立点云识别网络,并训练得到最优权重文件;S5、通过网络识别锚杆与其中心点;S6、依据巷道切片结合识别结果的锚杆在巷道壁的中心,记录其位置,并标红;S7、在巷道切片上连接标红点,成功绘制巷道边界,成图保存下来。
全文数据:
权利要求:
百度查询: 中国矿业大学 一种基于深度学习的井下巷道点云边界线提取方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。