买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国矿业大学;中煤科工集团重庆研究院有限公司申请的专利一种防冲钻孔机器人动态障碍物监测系统及监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114913420B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210535570.5，技术领域涉及：G06V20/10；该发明授权一种防冲钻孔机器人动态障碍物监测系统及监测方法是由魏东;闫海峰;王忠宾;司垒;谭超;刘新华;顾进恒;戴剑博;辛德忠设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种防冲钻孔机器人动态障碍物监测系统及监测方法在说明书摘要公布了：一种防冲钻孔机器人动态障碍物监测系统及监测方法，采用防爆广角摄像仪对防冲巷道场景进行采集，通过Lucas–Kanade光流法和随机采样一致性算法实时提取视野区域内的移动目标，获取所提取移动目标的运动特征信息，基于该信息采用强跟踪模型对移动目标运行趋势进行估计，判别移动目标在后续时刻是否会落入依据广角摄影仪与防冲钻孔机器人的刚性关系所建立的警戒区域，若是则语音提示模块报警并将制动信号发送给防冲钻孔机器人行走控制器进行制动。本发明避免了引入多相机或云台带来的控制及防爆困难，为防冲钻孔机器人安全作业创造条件，实现防冲钻孔机器人行进过程中的自主保护，防止发生碰撞事故，提高其对泄压巷道工作环境的适应性。

本发明授权一种防冲钻孔机器人动态障碍物监测系统及监测方法在权利要求书中公布了：1.一种防冲钻孔机器人动态障碍物监测方法，该监测方法基于的监测系统包括视觉信息采集模块、视觉信息处理模块、语音提示模块和PLC控制器，所述的视觉信息采集模块输出端与视觉信息处理模块输入端连接，视觉信息处理模块同时与语音提示模块和PLC控制器连接，PLC控制器与采煤机连接；其特征在于，包括以下步骤：1以防爆广角摄像仪1视场中轴线垂直于防冲钻孔机器人3机身上平面所能覆盖的危险区域视角范围确定危险区域的两方向边界为[Xmin,Xmax,Ymin,Ymax]；2采用Lucas–Kanade光流法对防爆广角摄像仪1采集到的图像中各个像素的光流信息进行计算获取图像光流信息，并通过随机采样一致性算法对移动目标前景与静态背景光流进行分类，获取移动前景光流，所述移动前景光流的起始像素为图像域内运动前景所包含的像素，对所述像素进行形态学闭运算并去掉前景图像内空洞，得到完整的移动前景图像，计算移动前景图像的平均矢量作为该前景目标的运动特征信息，具体的前景目标运动特征提取步骤如下：201建立自适应的光流感知窗口为不同像素的光流矢量解算提供最优窗口：a.逐行扫描所采集图像的各个像素，并计算以该像素为中心、半径为r个像素宽度的2r+1×2r+1区域内的灰度方差σ2，其中，半径r根据图像尺寸选择，为有效表示图像内不同区域平坦度，r取值小于等于5；通过式1计算平坦系数τ： σ02为所采集图像方差的平均值，若该2r+1×2r+1区域范围内较为平坦，则τ趋近于0，否则趋近于1；b.建立根据式2建立光流感知窗口自适应半径κ： κmin和κmax分别为根据实际需要预设定的光流感知窗口自适应半径κ的最小值和最大值，为向下取整，所采集图像的每个像素均与一个光流感知窗口自适应半径值相对应；c.在图像域内，逐行扫描各个像素，建立以当前点p为中心，半径κ为所对应光流感知窗口自适应半径值，根据标准光流法所采用的空间一致性假设，在该窗口内建立如下关系式： Ix、Iy和It分别表示图像I中像素点沿横纵轴x，y和时间t方向的偏导数，u和v分别表示当前点p分别在x方向和y方向的光流矢量，n为所对应光流感知窗口内的像素总数，x，y和t的下角标均为该窗口内的像素号；Wκi为以p为中心、以κ为半径的感知窗口内为使中心像素在光流矢量求解中起到主要作用所添加的像素权重；根据式4解算光流结果：u,v＝ATWκ2A-1ATWκ2b4其中，u,v为所求光流矢量； 202基于随机采样一致性算法的目标前景光流判定：a.通过光流场解算结果建立连续两帧图像中对应点对集合，记为Ω，并从其中随机抽取8个点对，基于八点法解算对极线和基础矩阵；b.根据判定阈值，将剩余点对根据其与对极线的距离划分局内点或局外点，小阈值的点对集合为局内点集；c.在局内点集内随机抽取8个点对，再次基于八点法解算对极线和基础矩阵，重复局内点和局外点判定以及随机抽取点对，直至内点数量大于总点数的90％；d.依据最终基础矩阵和最终对极线进行划分后的局内点集和局外点集分别为静态背景所对应的光流矢量集合和移动前景目标所对应的光流矢量点集；203计算移动前景目标所对应的光流矢量点集内光流矢量的平均值U,V，及光流矢量点集的像素重心X,Y，合成当前时刻的状态传感量值xt|t＝Xt,Yt,Ut,Vt；3采用强跟踪模型作为移动目标位置预测模型：301所述强跟踪模型为卡尔曼滤波模型的演化模型，在标准卡尔曼滤波模型中，卡尔曼滤波算法的迭代过程如下式： 其中，xt+1|t表示通过t时刻的运动状态对t+1时刻的运动状态进行理论估计；Ft和B分别为状态变换矩阵和控制矩阵，根据下式求得： 其中，ut+1为控制向量，a为加速度；Qt和Rt分别为理论预测值的噪声部分wt+1和真实传感值的噪声部分vt+1的协方差；zt+1表示t+1时刻人员运动的真实状态值，xt和xt+1分别表示t时刻和t+1时刻人员运动的真实传感值，Ht+1为传感变量与状态变量的映射矩阵，Ht+1T为其转置，St+1为理论估计状态值与实际观测状态值之间的误差协方差矩阵表示，Kt+1为卡尔曼增益，Pt|t和Pt+1|t+1分别表示在t时刻和t+1时刻综合理论预测及实际测量结果对t时刻的变量状态进行估计的结果；Pt+1|t为状态估计值与真实状态值关系的协方差表示，根据下式求得：Pt+1|t＝covxt+1-xt+1|t8其中，xt+1|t为卡尔曼滤波中对t+1时刻对人员运动状态的理论预测值；为了适应防冲钻孔机器人3动态障碍物监测任务所在的具有突变信息的环境，引入渐消因子λ，构造强跟踪模型，渐消因子构造形式如下： 其中， Nt+1＝Xt+1,t+1-Ht+1Qt+1Ht+1T-βRt+111Mt+1＝HtFtPt|tFtTHtT12 其中，δ0表示初始时刻所引入的新息，δt表示t时刻下所引入的新息，ρ与β分别为遗忘因子和弱化因子，δtδtT为系统观测协方差，δtδtT增加导致Xt|t增加，从而导致渐消因子λ增加，进而提升该预测模型的位置预测稳定性，至此，输出预测结果xt+1|t+1＝Xt+1,Yt+1,Ut+1,Vt+1；302对移动目标后一时刻的位置进行预测，进而将所预测的位置与步骤1中构建的防冲钻孔机器人3危险区域进行比较，若落在危险区域内，即XminXt+1Xmax,YminYt+1Ymax，则将危险信息传给防冲钻孔机器人3PLC控制器以及语音提示模块，并等待防冲钻孔机器人3PLC控制器所发出的复位指令；若不在危险区域内，重复步骤2至步骤3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国矿业大学;中煤科工集团重庆研究院有限公司，其通讯地址为：221000 江苏省徐州市大学路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。