CN107330939B - 一种基于矿井巷道灯的可见光定位***及方法 - Google Patents

一种基于矿井巷道灯的可见光定位***及方法 Download PDF

Info

Publication number
CN107330939B
CN107330939B CN201710577094.2A CN201710577094A CN107330939B CN 107330939 B CN107330939 B CN 107330939B CN 201710577094 A CN201710577094 A CN 201710577094A CN 107330939 B CN107330939 B CN 107330939B
Authority
CN
China
Prior art keywords
image
fluorescent
illuminating lamp
information
lamp
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710577094.2A
Other languages
English (en)
Other versions
CN107330939A (zh
Inventor
陈朋朋
牛强
高守婉
李鸣
王重秋
尹雨晴
杨旭
王海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GLORIA TECHNOLOGY LLC
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201710577094.2A priority Critical patent/CN107330939B/zh
Publication of CN107330939A publication Critical patent/CN107330939A/zh
Application granted granted Critical
Publication of CN107330939B publication Critical patent/CN107330939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
    • E21F17/18—Special adaptations of signalling or alarm devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于矿井巷道灯的可见光定位***及方法，属于井下定位技术领域。包括初始设置模块、光信息采样模块、光数据解析模块以及匹配定位模块；首先初始设置模块首先建立井下荧光照明灯光信息指纹库；光信息采样模块控制相机自适应曝光时间，最大化获取包含荧光照明灯特征频率的图像信息；光数据解析模块建立高频特性放大机制，识别采样荧光灯其特征频率；匹配定位模块搜索光信息指纹库匹配特征频率，通过几何变换实现井下人员定位。无需改造原有电路，设备成本低，抗环境干扰能力强，可靠精准对井下巷道移动目标定位。

Description

一种基于矿井巷道灯的可见光定位***及方法
技术领域
本发明涉及一种可见光定位***及方法，尤其是一种适用于井下定位使用的基于矿井巷道灯的可见光定位***及方法。
背景技术
井下人员定位***对于实现矿井下作业人员考勤管理，遏制超定员生产，防止井下人员进入危险区域，及时发现未按时升井人员，加强特种作业人员管理，以及加强干部带班管理等多方面都起到了重要的作用。
目前应用到井下人员定位***的主要技术有RFID技术、ZigBee技术以及WIFI技术。射频识别RFID技术是一种非接触式的自动识别技术。井下人员携带的唯一标志卡在天线射频信号工作区域内被激活，识别信息通过卡内置天线被反馈给读卡分站，从而实现了人员位置信息的采集。该技术具有读取数据方便快捷、实时性好等特点。ZigBee技术采用大量传感器装置，固定位置已知的锚节点，将移动定位模块佩戴在井下人员身上，是一种复杂度低、功耗少、速率小的双向无线网络通讯技术。WIFI技术利用井下以太网设立若干基站使井下覆盖无线网络，井下井上工作人员通过移动终端设备进行人员设备的调度和信息的反馈。但矿井下环境条件恶劣、空气湿度大并充斥着大量煤灰粉尘以及可燃气体，伴随着物理通信空间狭小并随开采进程改变、专业化设备众多等问题，导致射频、无线信号衰弱严重、通信受限。而如果采取增加收发信号装置的方法提高定位精度，则又造成成本增高、不易安装的困难。因此，基于上述技术的井下人员定位***在实际应用过程中存在着稳定性差和定位精度不理想的主要问题。
可见光通信技术是一种新兴的光无线通信技术，它具有发射功率高、抗电磁干扰能力强、安全无害的特性。近年来，可见光技术为井下人员定位***提供了新方法。专利号为CN201310140087.8的基于可见光通信的井下移动目标光指纹定位跟踪方法，利用接收光照能量强度和角度首先建立光指纹数据库，然后由井下移动人员所携带的接收机检测到的照明灯基站信号强度、角度信息以及人员ID信息、照明灯基站ID信息组成定位数据包回传给定位服务器，最终通过模糊预测匹配模式计算出人员位置；专利号为CN20141037268.1的基于可见光通信技术的井下人员定位方法，利用LED驱动电路控制LED矿灯明暗变化表示发送信号‘1’和‘0’编码，从而得到以光信号为信息载体的通信模式。然而针对上述两种基于可见光技术井下人员定位方法的研究尚存在如下问题：第一，煤矿井下复杂恶劣的环境会对建立指纹库时收集的光照能量强度以及移动目标检测光信号强度造成数据偏差从而影响定位精度；第二，几乎所有现存的基于LED灯通信定位技术都需要改造原有灯具结构添加LED驱动控制电路，然而对矿井下数百盏矿灯进行电路改造，其成本代价是巨大的；第三，井下作业人员需要额外携带接收光信号的移动终端，既不利于人员安全作业也增加了***成本。
发明内容
技术问题：本发明的目的是针对现有技术中存在的不足之处，提供一种抗干扰能力强、无需改造原有电路、设备成本低、利用荧光照明灯特征频率的唯一标志性定位的基于矿井巷道灯的可见光定位***及方法。
技术方案：为实现上述技术目的，本发明的基于矿井巷道灯的可见光定位装置，包括初始设置模块、光信息采样模块、光数据解析模块以及匹配定位模块；
所述的初始设置模块包括用于采集巷道中所有荧光照明灯标识特征频率数值的光学接收探测器，和给光学接收探测器供电的光学接收探测器电池；
所述的光信息采样模块包括设置在矿井安全头盔上的嵌入式工业CCD相机、无线传输模块和高精度磷酸铁充电锂电池，其中嵌入式工业CCD相机与无线传输模块相连接，并利用高精度磷酸铁充电锂电池供电，控制嵌入式工业CCD相机自适应曝光时间从而最大化获取包含荧光照明灯特征频率的视频图像信息；
所述的光数据解析模块为核心处理计算机，用于建立高频特性放大机制，识别当前视频信息中采样荧光照明灯的特征频率；
所述的匹配定位模块为光信息指纹库服务器，光信息指纹库服务器中的光信息指纹库包含巷道中所有荧光照明灯的数据信息，包括各荧光照明灯的编号、各荧光照明灯的标识特征频率数值以及各荧光照明灯的的物理坐标；
所述的嵌入式工业CCD相机、无线传输模块和高精度磷酸铁充电锂电池由井下工作人员随身携带，并通过无线网络与核心处理计算机相连接，光信息指纹库服务器与核心处理计算机相互连接；
通过嵌入式工业CCD相机采集的视频图像信息中采样荧光照明灯的标识特征频率与光信息指纹库服务器数据进行搜索匹配，从而确认当前视频图像信息中采样荧光照明灯的编号和地理位置，同时通过对视频图像信息尺寸和物理尺寸进行几何变换实现井下目标人员位置的精准定位。
所述光学接收探测器的型号为BPW34。
使用上述基于矿井巷道灯的可见光定位装置的可见光定位方法，包括如下步骤：
a.建立光信息指纹库：首先对井下巷道所有荧光照明灯进行编号，并采集所有的荧光照明灯的物理坐标，同时使用光学接收探测器采集所有荧光照明灯的标识特征频率，通过核心处理计算机建立光信息指纹库服务器中的光信息指纹库；
光信息指纹库中每一个荧光照明灯的光信息的格式为<编号，物理坐标，特征频率>；
b.当目标人员头戴的矿井安全头盔在井下巷道中移动时，通过设置在矿井安全头盔上的嵌入式工业CCD相机利用自适应曝光时间算法采集邻近的荧光照明灯的图像信息，并通过无线网络将图像信息发送至核心处理计算机中进行识别；
c.核心处理计算机对接收到的图像信息进行高频特性放大识别；
d.将高频特性放大识别方法获得的荧光照明灯特征频率与光信息指纹库中的各荧光照明灯的标识特征频率进行匹配，通过对当前图像识别出的标识特征频率依次与光信息指纹库中每盏荧光照明灯的标识特征频率进行差值运算，查找差距最小的光信息指纹，从而确定当前图像信息中采样荧光照明灯的编号和坐标位置信息；
e.根据原始采样图像中心位置与荧光照明灯的图像相对位置关系，利用当前采样荧光照明灯的位置信息进行对应几何坐标转换，得到井下移动目标人员与当前荧光照明灯的距离，最终得到目标人员的准确位置，完成整体定位工作。
嵌入式工业CCD相机基于自适应曝光时间算法采样获得的的图像信息，图像信息格式为RAW格式；所述嵌入式工业CCD相机自适应曝光时间算法在采样过程中曝光时间te *满足下式：
Figure BDA0001351235210000031
其中，
Figure BDA0001351235210000032
表示在有限种曝光设置中第i种曝光时间，
Figure BDA0001351235210000033
表示嵌入式工业CCD相机在
Figure BDA0001351235210000034
时间下进行采样过程后所能获取的频率响应；该式表示嵌入式工业CCD相机在采样过程中自适应地选取使获取频率响应最大化的一种曝光时间设置。
所述核心处理计算机对接收到的图像信息进行高频特性放大识别方法如下：
c1.对图像信息进行二次采样，在保留荧光照明灯轮廓的前提下将嵌入式工业CCD相机采集的图像压缩至原始图像大小的1/256，以提高采样图像的识别速度；
c2.对压缩至原始图像大小的1/256的图像进行阈值化处理得到二元掩膜图像，利用OpenCV视觉库中图像去噪方法处理获得净化后图像，并确定图像中所有荧光照明灯的最大轮廓；
c3.通过计算荧光灯轮廓的长边和图像底边的直线系数判定两条直线是否具有垂直关系，即判断图像信息中荧光照明灯轮廓是否存在角度偏移，若存在角度偏移，则旋转轮廓图像使其长边垂直于图像底边；使用刚性边界框规则化上述处理后的荧光照明灯图像，使待处理的荧光照明灯图像中每行每列像素点个数固定一致；
c4.对刚性边界框规则化的图像信息进行解压处理，还原成原始像素尺寸，从而得到为原始像素尺寸的刚性边界框规则化的原尺寸框规图像；
c5.选取原尺寸框规图像中的所有荧光照明灯图像，将荧光照明灯图像中每行像素点的光强度加和得到待处理列向量，对同一荧光照明灯采样的多幅图像重复上述步骤处理后得到列向量序列；
c6.利用快速傅里叶变换算法对列向量序列进行运算解析，最后从解析光谱中识别最高峰即为该荧光照明灯的特征频率。
通过对识别出的特征频率依次与光信息指纹库中每盏荧光照明灯的特征频率进行差值运算查找差距最小那条光信息指纹信息时，为了提高识别匹配的准确性，利用多荧光照明灯优化匹配方法进一步确认识别出的荧光照明灯与移动目标采样的荧光照明灯相同。
多荧光照明灯优化匹配方法步骤：
d1.将光信息指纹库中的每4盏相互邻近的荧光照明灯的光信息组成一组，单独成库；
d2.如图像信息中分解出来的采样图像中包含两个或以上荧光照明灯，则分别识别所有荧光照明灯的特征频率并在光信息指纹库中匹配相应的物理坐标位置；
d3.利用记载每组光信息为4盏相互邻近的荧光照明灯光信息库，判别图片中匹配的多个荧光照明灯是否分为同一小组内，如分组信息内存在一个荧光照明灯匹配错误，则利用嵌入式工业CCD相机重新进行光信息采样。
有益效果：由于采用了上述技术方案，本发明在井下巷道荧光照明灯分布均匀规整，而且无日光影响，相距间隔适中从而相互干扰较少。根据井下巷道照明特点，采用移动摄像装置采样解析荧光灯特征频率，可通过指纹库匹配方法达到人员定位的目的。同时，相比较于其他井下可见光定位方法，本技术无需修改照明灯电路结构，无需大量信号收发装备，无需额外携带移动设备，具有经济适用，可靠准确，抗环境干扰能力强等特点。与现有技术相比的主要优点：
本发明利用井下巷道荧光照明灯其特征频率的唯一标识性建立光信息指纹库，可以清晰地形成井下巷道地标图；通过光影图像采样、特征频率识别以及指纹库匹配过程，可以有效地缩小定位范围；去噪处理、多灯匹配以及图像几何变换都进一步使本发明精准、可靠地对井下巷道移动目标人员进行定位。
附图说明
图1为本发明的基于矿井巷道灯的可见光定位***示意图。
图2为本发明的基于矿井巷道灯的可见光定位方法流程图。
图3为本发明的光数据解析模块的实施流程图。
图中：1-荧光照明灯，2-光学接收探测器，3-光学接收探测器电池，4-工业CCD相机，5-高精度磷酸铁充电锂电池。
具体实施方式
下面结合附图中的实施例对本发明作进一步的说明：
如图1所示，本发明的基于矿井巷道灯的可见光定位装置，主要由初始设置模块、光信息采样模块、光数据解析模块以及匹配定位模块构成；
所述的初始设置模块包括用于采集巷道中所有荧光照明灯1标识特征频率数值的光学接收探测器2，和给光学接收探测器2供电的光学接收探测器电池；所述光学接收探测器2的型号为BPW34。
所述的光信息采样模块包括设置在矿井安全头盔上的嵌入式工业CCD相机4、无线传输模块和高精度磷酸铁充电锂电池5，其中嵌入式工业CCD相机4与无线传输模块相连接，并利用高精度磷酸铁充电锂电池5供电，控制嵌入式工业CCD相机4自适应曝光时间从而最大化获取包含荧光照明灯特征频率的视频图像信息；
如图3所示，所述的光数据解析模块为核心处理计算机6，用于建立高频特性放大机制，识别当前视频信息中采样荧光照明灯1的特征频率；包括：压缩采样图像，荧光灯简单轮廓提取，刚性边界框规则化荧光灯轮廓，选的那个轮廓图像像素还原，每行像素光强度加和得到待处理列向量，快速傅里叶变换算法解析辨识特征频率。
所述的匹配定位模块为光信息指纹库服务器，光信息指纹库服务器中的光信息指纹库包含巷道中所有荧光照明灯1的数据信息，包括各荧光照明灯1的编号、各荧光照明灯1的标识特征频率数值以及各荧光照明灯1的的物理坐标；
所述的嵌入式工业CCD相机4、无线传输模块和高精度磷酸铁充电锂电池5由井下工作人员随身携带，并通过无线网络与核心处理计算机6相连接，光信息指纹库服务器与核心处理计算机6相互连接；
通过嵌入式工业CCD相机4采集的视频图像信息中采样荧光照明灯1的标识特征频率与光信息指纹库服务器数据进行搜索匹配，从而确认当前视频图像信息中采样荧光照明灯1的编号和地理位置，同时通过对视频图像信息尺寸和物理尺寸进行几何变换实现井下目标人员位置的精准定位。
如图2所示，本发明的基于矿井巷道灯的可见光定位方法，具体步骤如下：
a.建立光信息指纹库：首先对井下巷道所有荧光照明灯1进行编号，并采集所有的荧光照明灯1的物理坐标，同时使用光学接收探测器2采集所有荧光照明灯1的标识特征频率，通过核心处理计算机6建立光信息指纹库服务器中的光信息指纹库；
光信息指纹库中每一个荧光照明灯1的光信息的格式为<编号，物理坐标，特征频率>；
b.当目标人员头戴的矿井安全头盔在井下巷道中移动时，通过设置在矿井安全头盔上的嵌入式工业CCD相机4利用自适应曝光时间算法采集邻近的荧光照明灯1的图像信息，并通过无线网络将图像信息发送至核心处理计算机6中进行识别；
嵌入式工业CCD相机4基于自适应曝光时间算法采样获得的的图像信息，图像信息格式为RAW格式；所述嵌入式工业CCD相机4自适应曝光时间算法在采样过程中曝光时间te *满足下式：
Figure BDA0001351235210000051
其中，
Figure BDA0001351235210000052
表示在有限种曝光设置中第i种曝光时间，
Figure BDA0001351235210000053
表示嵌入式工业CCD相机4在
Figure BDA0001351235210000054
时间下进行采样过程后所能获取的频率响应；该式表示嵌入式工业CCD相机4在采样过程中自适应地选取使获取频率响应最大化的一种曝光时间设置；
c.核心处理计算机6对接收到的图像信息进行高频特性放大识别，具体方法如下：
c1.对图像信息进行二次采样，在保留荧光照明灯轮廓的前提下将嵌入式工业CCD相机4采集的图像压缩至原始图像大小的1/256，以提高采样图像的识别速度；
c2.对压缩至原始图像大小的1/256的图像进行阈值化处理得到二元掩膜图像，利用OpenCV视觉库中图像去噪方法处理获得净化后图像，并确定图像中所有荧光照明灯1的最大轮廓；
c3.通过计算荧光灯轮廓的长边和图像底边的直线系数判定两条直线是否具有垂直关系，即判断图像信息中荧光照明灯1轮廓是否存在角度偏移，若存在角度偏移，则旋转轮廓图像使其长边垂直于图像底边；使用刚性边界框规则化上述处理后的荧光照明灯图像，使待处理的荧光照明灯图像中每行每列像素点个数固定一致；
c4.对刚性边界框规则化的图像信息进行解压处理，还原成原始像素尺寸，从而得到为原始像素尺寸的刚性边界框规则化的原尺寸框规图像；
c5.选取原尺寸框规图像中的所有荧光照明灯1图像，将荧光照明灯1图像中每行像素点的光强度加和得到待处理列向量，对同一荧光照明灯1采样的多幅图像重复上述步骤处理后得到列向量序列；
c6.利用快速傅里叶变换算法对列向量序列进行运算解析，最后从解析光谱中识别最高峰即为该荧光照明灯1的特征频率。
d.将高频特性放大识别方法获得的荧光照明灯1特征频率与光信息指纹库中的各荧光照明灯1的标识特征频率进行匹配，通过对当前图像识别出的标识特征频率依次与光信息指纹库中每盏荧光照明灯1的标识特征频率进行差值运算，查找差距最小的光信息指纹，从而确定当前图像信息中采样荧光照明灯1的编号和坐标位置信息；
e.根据原始采样图像中心位置与荧光照明灯1的图像相对位置关系，利用当前采样荧光照明灯1的位置信息进行对应几何坐标转换，得到井下移动目标人员与当前荧光照明灯1的距离，最终得到目标人员的准确位置，完成整体定位工作。
通过对识别出的特征频率依次与光信息指纹库中每盏荧光照明灯的特征频率进行差值运算查找差距最小那条光信息指纹信息时，为了提高识别匹配的准确性，利用多荧光照明灯优化匹配方法进一步确认识别出的荧光照明灯与移动目标采样的荧光照明灯相同；多荧光照明灯1优化匹配方法步骤：
d1.将光信息指纹库中的每4盏相互邻近的荧光照明灯1的光信息组成一组，单独成库；
d2.如图像信息中分解出来的采样图像中包含两个或以上荧光照明灯1，则分别识别所有荧光照明灯1的特征频率并在光信息指纹库中匹配相应的物理坐标位置；
d3.利用记载每组光信息为4盏相互邻近的荧光照明灯光信息库，判别图片中匹配的多个荧光照明灯1是否分为同一小组内，如分组信息内存在一个荧光照明灯1匹配错误，则利用嵌入式工业CCD相机4重新进行光信息采样。

Claims (6)

1.一种基于矿井巷道灯的可见光定位装置，其特征在于：它包括初始设置模块、光信息采样模块、光数据解析模块以及匹配定位模块；
所述的初始设置模块包括用于采集巷道中所有荧光照明灯(1)标识特征频率数值的光学接收探测器(2)，和给光学接收探测器(2)供电的光学接收探测器电池；
所述的光信息采样模块包括设置在矿井安全头盔上的嵌入式工业CCD相机(4)、无线传输模块和高精度磷酸铁充电锂电池(5)，其中嵌入式工业CCD相机(4)与无线传输模块相连接，并利用高精度磷酸铁充电锂电池(5)供电，控制嵌入式工业CCD相机(4)自适应曝光时间从而最大化获取包含荧光照明灯特征频率的视频图像信息；
所述的光数据解析模块为核心处理计算机(6)，用于建立高频特性放大机制，识别当前视频信息中采样荧光照明灯(1)的特征频率；
所述的匹配定位模块为光信息指纹库服务器，光信息指纹库服务器中的光信息指纹库包含巷道中所有荧光照明灯(1)的数据信息，包括各荧光照明灯(1)的编号、各荧光照明灯(1)的标识特征频率数值以及各荧光照明灯(1)的物理坐标；
所述的嵌入式工业CCD相机(4)、无线传输模块和高精度磷酸铁充电锂电池(5)由井下工作人员随身携带，并通过无线网络与核心处理计算机(6)相连接，光信息指纹库服务器与核心处理计算机(6)相互连接；
通过嵌入式工业CCD相机(4)采集的视频图像信息中采样荧光照明灯(1)的标识特征频率与光信息指纹库服务器数据进行搜索匹配，从而确认当前视频图像信息中采样荧光照明灯(1)的编号和物理坐标，同时通过对荧光照明灯(1)的视频图像信息尺寸和物理尺寸进行几何变换实现井下目标人员位置的精准定位；
核心处理计算机(6)对接收到的图像信息进行高频特性放大识别方法如下：
c1.对图像信息进行二次采样，在保留荧光照明灯轮廓的前提下将嵌入式工业CCD相机(4)采集的图像压缩至原始图像大小的1/256，以提高采样图像的识别速度；
c2.对压缩至原始图像大小的1/256的图像进行阈值化处理得到二元掩膜图像，利用OpenCV视觉库中图像去噪方法处理获得净化后图像，并确定图像中所有荧光照明灯(1)的最大轮廓；
c3.通过计算荧光灯轮廓的长边和图像底边的直线系数判定两条直线是否具有垂直关系，即判断图像信息中荧光照明灯(1)轮廓是否存在角度偏移，若存在角度偏移，则旋转轮廓图像使其长边垂直于图像底边；使用刚性边界框规则化上述处理后的荧光照明灯图像，使待处理的荧光照明灯图像中每行每列像素点个数固定一致；
c4.对刚性边界框规则化的图像信息进行解压处理，还原成原始像素尺寸，从而得到为原始像素尺寸的刚性边界框规则化的原尺寸框规图像；
c5.选取原尺寸框规图像中的所有荧光照明灯(1)图像，将荧光照明灯(1)图像中每行像素点的光强度加和得到待处理列向量，对同一荧光照明灯(1)采样的多幅图像重复步骤c1-c5处理后得到列向量序列；
c6.利用快速傅里叶变换算法对列向量序列进行运算解析，最后从解析光谱中识别最高峰即为该荧光照明灯(1)的特征频率。
2.根据权利要求1所述的基于矿井巷道灯的可见光定位装置，其特征在于：所述光学接收探测器(2)的型号为BPW34。
3.一种使用权利要求1所述基于矿井巷道灯的可见光定位装置的定位方法，其特征在于包括如下步骤：
a.建立光信息指纹库：首先对井下巷道所有荧光照明灯(1)进行编号，并采集所有的荧光照明灯(1)的物理坐标，同时使用光学接收探测器(2)采集所有荧光照明灯(1)的标识特征频率，通过核心处理计算机(6)建立光信息指纹库服务器中的光信息指纹库；
光信息指纹库中每一个荧光照明灯(1)的光信息的格式为<编号，物理坐标，特征频率>；
b.当目标人员头戴的矿井安全头盔在井下巷道中移动时，通过设置在矿井安全头盔上的嵌入式工业CCD相机(4)利用自适应曝光时间算法采集邻近的荧光照明灯(1)的图像信息，并通过无线网络将图像信息发送至核心处理计算机(6)中进行识别；
c.核心处理计算机(6)对接收到的图像信息进行高频特性放大识别；
具体步骤为：
c1.对图像信息进行二次采样，在保留荧光照明灯轮廓的前提下将嵌入式工业CCD相机(4)采集的图像压缩至原始图像大小的1/256，以提高采样图像的识别速度；
c2.对压缩至原始图像大小的1/256的图像进行阈值化处理得到二元掩膜图像，利用OpenCV视觉库中图像去噪方法处理获得净化后图像，并确定图像中所有荧光照明灯(1)的最大轮廓；
c3.通过计算荧光灯轮廓的长边和图像底边的直线系数判定两条直线是否具有垂直关系，即判断图像信息中荧光照明灯(1)轮廓是否存在角度偏移，若存在角度偏移，则旋转轮廓图像使其长边垂直于图像底边；使用刚性边界框规则化上述处理后的荧光照明灯图像，使待处理的荧光照明灯图像中每行每列像素点个数固定一致；
c4.对刚性边界框规则化的图像信息进行解压处理，还原成原始像素尺寸，从而得到为原始像素尺寸的刚性边界框规则化的原尺寸框规图像；
c5.选取原尺寸框规图像中的所有荧光照明灯(1)图像，将荧光照明灯(1)图像中每行像素点的光强度加和得到待处理列向量，对同一荧光照明灯(1)采样的多幅图像重复步骤c1-c5处理后得到列向量序列；
c6.利用快速傅里叶变换算法对列向量序列进行运算解析，最后从解析光谱中识别最高峰即为该荧光照明灯(1)的特征频率；
d.将高频特性放大识别方法获得的荧光照明灯(1)特征频率与光信息指纹库中的各荧光照明灯(1)的标识特征频率进行匹配，通过对当前图像识别出的标识特征频率依次与光信息指纹库中每盏荧光照明灯(1)的标识特征频率进行差值运算，查找差距最小的光信息指纹，从而确定当前图像信息中采样荧光照明灯(1)的编号和坐标位置信息；
e.根据原始采样图像中心位置与荧光照明灯(1)的图像相对位置关系，利用当前采样荧光照明灯(1)的位置信息进行对应几何坐标转换，得到井下移动目标人员与当前荧光照明灯(1)的距离，最终得到目标人员的准确位置，完成整体定位工作。
4.根据权利要求3所述的基于矿井巷道灯的可见光定位方法，其特征在于：嵌入式工业CCD相机(4)基于自适应曝光时间算法采样获得的图像信息，图像信息格式为RAW格式；所述嵌入式工业CCD相机(4)自适应曝光时间算法在采样过程中曝光时间te *满足下式：
Figure FDA0002561946730000031
其中，
Figure FDA0002561946730000032
表示在有限种曝光设置中第i种曝光时间，
Figure FDA0002561946730000033
表示嵌入式工业CCD相机(4)在
Figure FDA0002561946730000034
时间下进行采样过程后所能获取的频率响应；该式表示嵌入式工业CCD相机(4)在采样过程中自适应地选取使获取频率响应最大化的一种曝光时间设置。
5.根据权利要求3所述的基于矿井巷道灯的可见光定位方法，其特征在于：通过对识别出的特征频率依次与光信息指纹库中每盏荧光照明灯(1)的特征频率进行差值运算查找差距最小那条光信息指纹信息时，为了提高识别匹配的准确性，利用多荧光照明灯(1)优化匹配算法进一步确认识别出的荧光照明灯(1)与移动目标采样的荧光照明灯(1)相同。
6.根据权利要求5 所述的基于矿井巷道灯的可见光定位方法，其特征在于：所述的多荧光照明灯(1)优化匹配算法为：
d1.将光信息指纹库中的每4盏相互邻近的荧光照明灯(1)的光信息组成一组，单独成库；
d2.如图像信息中分解出来的采样图像中包含两个或以上荧光照明灯(1)，则分别识别所有荧光照明灯(1)的特征频率并在光信息指纹库中匹配相应的物理坐标位置；
d3.利用记载每组光信息为4盏相互邻近的荧光照明灯光信息库，判别图片中匹配的多个荧光照明灯(1)是否分为同一小组内，如分组信息内存在一个荧光照明灯(1)匹配错误，则利用嵌入式工业CCD相机(4)重新进行光信息采样。
CN201710577094.2A 2017-07-14 2017-07-14 一种基于矿井巷道灯的可见光定位***及方法 Active CN107330939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710577094.2A CN107330939B (zh) 2017-07-14 2017-07-14 一种基于矿井巷道灯的可见光定位***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710577094.2A CN107330939B (zh) 2017-07-14 2017-07-14 一种基于矿井巷道灯的可见光定位***及方法

Publications (2)

Publication Number Publication Date
CN107330939A CN107330939A (zh) 2017-11-07
CN107330939B true CN107330939B (zh) 2020-08-28

Family

ID=60227221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710577094.2A Active CN107330939B (zh) 2017-07-14 2017-07-14 一种基于矿井巷道灯的可见光定位***及方法

Country Status (1)

Country Link
CN (1) CN107330939B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143170B (zh) * 2018-07-27 2021-03-05 清华大学 可见偏振光干涉定位中位置色相采样方法和装置
CN113256551B (zh) * 2021-01-21 2023-03-14 中国煤炭科工集团太原研究院有限公司 基于机器视觉的巷道顶板刚带钻孔识别定位***及方法
CN113674344A (zh) * 2021-10-22 2021-11-19 深圳市莱法照明通信科技有限公司 基于工业摄像机的照明光定位方法、装置及相关设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6573063B2 (en) * 1995-10-04 2003-06-03 Cytoscan Sciences, Llc Methods and systems for assessing biological materials using optical and spectroscopic detection techniques
WO2004051189A1 (de) * 2002-12-05 2004-06-17 Rag Aktiengesellschaft System und verfahren zur orientierung im untertägigen berg- und tunnelbau
CN101938310A (zh) * 2010-07-21 2011-01-05 中国科学院半导体研究所 一种可见光通信控制***及其实现方法
CN102901946A (zh) * 2012-11-05 2013-01-30 北京半导体照明科技促进中心 矿井中的定位***及方法
CN103188604A (zh) * 2011-12-31 2013-07-03 丹东东方测控技术有限公司 一种实现井下矿定位导航的方法及装置
CN103310442A (zh) * 2013-05-16 2013-09-18 南京航空航天大学 基于多频信息融合的智能定位***及其定位方法
CN103383446A (zh) * 2013-04-09 2013-11-06 北京半导体照明科技促进中心 基于可见光的室内定位方法、装置和***以及光源

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6573063B2 (en) * 1995-10-04 2003-06-03 Cytoscan Sciences, Llc Methods and systems for assessing biological materials using optical and spectroscopic detection techniques
WO2004051189A1 (de) * 2002-12-05 2004-06-17 Rag Aktiengesellschaft System und verfahren zur orientierung im untertägigen berg- und tunnelbau
CN101938310A (zh) * 2010-07-21 2011-01-05 中国科学院半导体研究所 一种可见光通信控制***及其实现方法
CN103188604A (zh) * 2011-12-31 2013-07-03 丹东东方测控技术有限公司 一种实现井下矿定位导航的方法及装置
CN102901946A (zh) * 2012-11-05 2013-01-30 北京半导体照明科技促进中心 矿井中的定位***及方法
CN103383446A (zh) * 2013-04-09 2013-11-06 北京半导体照明科技促进中心 基于可见光的室内定位方法、装置和***以及光源
CN103310442A (zh) * 2013-05-16 2013-09-18 南京航空航天大学 基于多频信息融合的智能定位***及其定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research on coal mine personnel orientation rescuing system based on RFID;LI Bai-ping等;《2008 International Conference on MultiMedia and Information Technology》;20081231;第555-557页 *
煤矿井巷环境下的机器人障碍识别研究;庄秀丽;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20170215(第02期);第I138-4016页 *

Also Published As

Publication number Publication date
CN107330939A (zh) 2017-11-07

Similar Documents

Publication Publication Date Title
CN103199923B (zh) 一种基于可见光通信的井下移动目标光指纹定位跟踪方法
CN107330939B (zh) 一种基于矿井巷道灯的可见光定位***及方法
CN206668325U (zh) 一种矿井移动目标实时跟踪与精确定位***
CN111096138B (zh) 一种基于uwb的割草机器人工作边界建立与识别***和方法
CN105338489B (zh) 一种用于室内定位的智能终端及蓝牙室内定位***
CN204142952U (zh) 蓝牙实时动态定位***及蓝牙基站
CN109511095B (zh) 一种基于支持向量机回归的可见光定位方法及***
CN111404607B (zh) 基于机器学习和ofdm的室内可见光通信定位方法及***
CN104270194A (zh) 一种可见光室内定位方法
CN109116298B (zh) 一种定位方法、存储介质及定位***
CN109459552B (zh) 一种节点监测装置的投放和回收方法及***
CN113705376B (zh) 一种基于rfid和摄像机的人员定位方法及***
CN113607158A (zh) 基于可见光通信的平板光源视觉识别匹配定位方法及***
CN109635797A (zh) 基于多载体识别技术的钢卷顺序精准定位方法
CN116843222B (zh) 一种基于矿山安全生产的矿道环境监测***及方法
CN113109344A (zh) 一种基于物联网技术实时高效的新型水质监测***
CN111090074A (zh) 基于机器学习的室内可见光定位方法和设备
CN109085534A (zh) 基于图像的井下人员测距定位监测方法
CN110988791A (zh) 一种用于电缆通道球形机器人的定位***及其定位方法
CN114325573A (zh) 变电站运维人员身份及位置信息快速检测方法
CN114758364A (zh) 基于深度学习的工业物联网场景融合定位方法及***
CN106680771B (zh) 一种反向定位***及方法
CN114937218A (zh) 基于图像识别的电力设施巡检***和方法
CN110307839B (zh) 一种基于特定光频率的矿井下定位***及定位方法
CN115379556A (zh) 一种定位人员的井下智能电灯装置及定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 221116 Research Institute of China University of Mining and Technology,, Jiangsu

Applicant after: CHINA University OF MINING AND TECHNOLOGY

Address before: 221116 Research Institute, China University of Mining and Technology, Xuzhou University, Jiangsu, China,

Applicant before: CHINA University OF MINING AND TECHNOLOGY

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230410

Address after: No. 30 Kunlun Road, Xuzhou High tech Industrial Development Zone, Xuzhou City, Jiangsu Province, 221000

Patentee after: GLORIA TECHNOLOGY LLC

Address before: 221116 Research Institute of China University of Mining and Technology, Tongshan University Road, Xuzhou City, Jiangsu Province

Patentee before: CHINA University OF MINING AND TECHNOLOGY

TR01 Transfer of patent right