一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法技术

一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，利用高清摄像仪采集防冲钻孔机器人钻进过程中排出的原始钻屑图像，通过改进的自适应区域加权导向滤波模型对原始钻屑图像进行去噪处理后，输出去噪后的钻屑图像，并通过局部信息加权直觉模糊C均值聚类算法，对去噪后的钻屑图像的聚类分割，将输入图像中的像素分为煤或岩两种类别，其对应的两个聚类集数中心分别为c1或c2，此时聚类结束，然后通过对比聚类集数中心c1与c2来得出是煤还是岩；在实际作业时，钻孔机器人在钻进卸压过程中排出的钻屑可以直接反映当前钻杆的煤岩钻进状态，本发明专利技术可以通过钻屑图像的处理，实现钻进卸压过程中的煤岩识别，提高煤岩识别精度和效率。提高煤岩识别精度和效率。提高煤岩识别精度和效率。

【技术实现步骤摘要】
一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法


[0001]本专利技术涉及一种煤岩识别方法，具体是一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，属于钻孔卸压过程中煤岩识别


技术介绍

[0002]防冲钻孔机器人钻进卸压过程中的煤岩识别是煤炭领域中的世界性难题，是钻孔卸压区域的机器人化作业的关键技术。在煤岩识别方法研究中，国内外学者主要以放射性射线探测法、振动探测法、钻进压力法、钻进扭矩法等为主，但由于煤矿井下巷道的煤岩性状特征复杂多变，且钻机设备结构复杂、传感信号噪声多，导致上述方法实际应用效果并不理想，因此，迫切需要提供新的技术和方法来解决钻孔卸压过程的煤岩精准识别问题。

技术实现思路

[0003]本专利技术的目的是提供一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，钻孔机器人在钻进卸压过程中通过排出的钻屑能够直接反映当前钻杆的煤岩钻进状态，实现钻进卸压过程中的煤岩精确识别。
[0004]为了实现上述目的，本专利技术提供一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，包括以下步骤：
[0005]步骤1：利用高清摄像仪采集防冲钻孔机器人钻进过程中排出的原始钻屑图像，针对煤矿井下图像中存在的不均匀噪声，设计一种改进的自适应区域加权导向滤波模型，根据原始钻屑图像不同位置的噪声强度自适应的选择高斯滤波的尺度，进一步平衡噪声滤除和边缘保护之间的关系，实现噪声成分及不重要的细节信息的充分滤除；通过对原始钻屑图像进行去噪处理后输出去噪后的钻屑图像
[0006]步骤2：对去噪后的钻屑图像进行聚类分割，经改进的自适应区域加权导向滤波处理后的钻屑图像仍存在一定程度的残留噪声，容易降低图像分割结果的准确性，为此，通过局部信息加权直觉模糊C均值聚类算法，实现去噪图像的聚类分割，将输入图像中的像素分为煤或岩两种类别，其对应的两个聚类集数中心分别为c1或c2，此时聚类结束；
[0007]步骤3：煤岩识别，若聚类集数中心c1＞c时，则聚类集数中心c1所对应的图像像素点为岩，聚类集数中心c2所对应的图像像素点为煤；反之，聚类集数中心c1所对应的图像像素点为煤，聚类集数中心c2所对应的图像像素点为岩。
[0008]本专利技术步骤1中通过对原始钻屑图像进行去噪处理的步骤如下：
[0009]步骤1.1：改进的自适应区域加权导向滤波的引导图像
[0010]式中，G为输入的原始钻屑图像；
[0011]ω为自适应加权因子；
[0012]为经高斯滤波器处理后的图像；
[0013]定义图像含噪程度因子ξ：
[0014][0015]式中，为原始钻屑图像G的灰度方差；
[0016]为经高斯滤波器处理后的图像的灰度方差；
[0017]为一个正常数，以保证图像含噪程度因子ξ不出现畸变，的值定义为(1/L2)，L为原始钻屑图像G的灰度等级；
[0018]在此基础上，自适应加权因子ω定义如下：
[0019][0020]式中：τ为控制参数，根据实际需求设定；
[0021]在无噪声或者噪声强度较低的区域，图像含噪程度因子ξ趋向于1，为了避免高斯滤波器对原始图像过度平滑，进而造成图像边缘信息的损坏，此时，自适应加权因子ω趋近于0，从而避免关键信息的损失；在噪声强度较高的区域，过强噪声将造成图像信息严重破坏，此时，自适应加权因子ω趋近于1，使得经高斯滤波器平滑后的图像在引导图像中起主要作用，尽可能地降低噪声对输出图像的影响，增加噪声平滑作用；
[0022]步骤1.2：在改进的自适应区域加权导向滤波过程中，其代价函数E定义如下：
[0023][0024]式中，p为图像中的像素点；
[0025]p
′
为图像中一个以r为半径的正方形窗口θ
r
(p
′
)的中心；
[0026]为边缘感知因子；
[0027]λ为惩罚系数；可以对较大的进行惩罚，避免过大而使输出图像无限趋近于原图像造成滤波器失效；
[0028]通过使式(3)所示的代价函数最小，可以求得和和为增益因子，为偏置因子，如式(4)所示，
[0029][0030]式(4)中，为两个图像矩阵的逐点像素灰度值的乘积；
[0031]为在半径为r的窗口中像素的灰度均值；
[0032]为在半径为r的窗口中像素的灰度均值；
[0033]μ
G,r
(p
′
)为G在半径为r的窗口中像素的灰度均值；
[0034]为半径为r的窗口中像素的灰度方差；
[0035]步骤1.3：在所定义的尺寸为θ
r
(p
′
)的图像窗口中，输出去噪后的钻屑图像可以由引导图像通过改进的自适应区域加权导向滤波模型而得到，如式(5)所示，
[0036][0037]式中：和是在尺寸为θ
r
(p
′
)的图像窗口中和的平均值，可由式(6)求得：
[0038][0039]式中：|θ
r
(p
′
)|为尺寸为θ
r
(p
′
)的窗口中所包含的像素个数。
[0040]本专利技术步骤2中，通过局部信息加权直觉模糊C均值聚类算法，对去噪后的钻屑图像的聚类分割步骤如下：
[0041]步骤2.1：在局部信息加权直觉模糊C均值聚类算法中引入不确定度使得图像分割时在图像噪声滤除和图像细节保留之间取得了平衡；同时还引入了自适应的局部信息权重κ
ij
、局部信息H
ij
，来平衡局部信息对模糊划分的影响，避免在低噪声区域过分依赖局部信息H
ij
而忽略隶属度本身对聚类结果的影响，反之，在含有较多噪声部分，局部信息H
ij
具有更强的影响作用，局部信息加权直觉模糊C均值聚类算法的核心是通过最小化目标函数J(U,V)，对已知数据个体对聚类集数中心的隶属度进行求解，如式(7)所示，
[0042][0043]式中，样本x
j
属于样本数据集X＝{x1，x2，
…
，x
N
}；
[0044]c为根据需求选取的聚类集数；
[0045]N为样本数据集中的个体数量；
[0046]m为模糊常数(一般取2)；
[0047]为样本x
j
对于第i个聚类集的复合隶属度；
[0048]为各个聚类集的聚类中心与样本x
j
之间的距离；
[0049]为第i个聚类集的聚类中心，计算更新公式如式(8)所示，
[0050][0051]为了避免由于直觉模糊隶属度代替标准模糊隶属度造成的标准隶属度的重要性降低，在局部信息加权直觉模糊C均值聚类算法中定义如式(9)的复合隶属度关系
[0052][0053]式中，μ
i,j
为考虑局部信息的模糊C均值聚类的隶属度；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，其特征在于，包括以下步骤：步骤1：利用高清摄像仪采集防冲钻孔机器人钻进过程中排出的原始钻屑图像，通过改进的自适应区域加权导向滤波模型对原始钻屑图像进行去噪处理后，输出去噪后的钻屑图像步骤2：对去噪后的钻屑图像进行聚类分割，通过局部信息加权直觉模糊C均值聚类算法，实现去噪图像的聚类分割，将输入图像中的像素分为煤或岩两种类别，其对应的两个聚类集数中心分别为c1或c2，此时聚类结束；步骤3：煤岩识别。若聚类集数中心c1＞c2时，则聚类集数中心c1所对应的图像像素点为岩，聚类集数中心c2所对应的图像像素点为煤；反之，聚类集数中心c1所对应的图像像素点为煤，聚类集数中心c2所对应的图像像素点为岩。2.根据权利要求1所述的一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，其特征在于，步骤1中通过对原始钻屑图像进行去噪处理的步骤如下：步骤1.1：设计改进的自适应区域加权导向滤波的引导图像步骤1.1：设计改进的自适应区域加权导向滤波的引导图像式中，G为输入的原始钻屑图像；ω为自适应加权因子；为经高斯滤波器处理后的图像；定义图像含噪程度因子ξ：式中，为原始钻屑图像G的灰度方差；为经高斯滤波器处理后的图像的灰度方差；为一个正常数，的值定义为(1/L2)，L为原始钻屑图像G的灰度等级；在此基础上，自适应加权因子ω定义如下：式中：τ为控制参数；在无噪声或者噪声强度较低的区域，图像含噪程度因子ξ趋向于1，自适应加权因子ω趋近于0；在噪声强度较高的区域，自适应加权因子ω趋近于1；步骤1.2：在改进的自适应区域加权导向滤波过程中，其代价函数E定义如下：式中，p为图像中的像素点；p
′
为图像中一个以r为半径的正方形窗口的中心；为边缘感知因子；λ为惩罚系数；
通过使式(3)所示的代价函数E最小，求得和为增益因子，为偏置因子，如式(4)所示，式(4)中，为两个图像矩阵的逐点像素灰度值的乘积；为在半径为r的窗口中像素的灰度均值；为在半径为r的窗口中像素的灰度均值；μ
G,r
(p
′
)为G在半径为r的窗口中像素的灰度均值；为半径为r的窗口中像素的灰度方差；步骤1.3：在所定义的尺寸为的图像窗口中，输出去噪后的钻屑图像如式(5)所示，式中：是在尺寸为的图像窗口中的平均值；是在尺寸为的图像窗口中的平均值；由式(6)求得：式中：为尺寸为的窗口中所包含的像素个数。3.根据权利要求2所述的一种防冲钻孔机器人钻进卸压过程中的煤岩识别方法，其特征在于，步骤2中，通过局部信息加权直觉模糊C均值聚类算法，对去噪后的钻屑图像的聚类分割步骤如下：...

【专利技术属性】
技术研发人员：司垒，魏东，王忠宾，谭超，闫海峰，邹筱瑜，戴剑博，顾进恒，王清峰，辛德忠，
申请(专利权)人：中煤科工集团重庆研究院有限公司，
类型：发明
国别省市：