摘要
煤炭是我国经济发展的重要基石，我国以煤炭为主导地位的能源结构短时期无法改变。2020年，国家发改委联合八部发布的《关于加快煤矿智能化发展的指导意见》表明，智能化是我国煤炭产业发展的必然要求。基于视觉的同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术，可以实时准确地构建煤矿井下三维地图，实现井下机器人的避障导航功能，对煤炭产业智能化发展意义重大。然而煤矿井下低照度、多粉尘、弱纹理的恶劣环境，严重影响了视觉传感器数据采集质量以及特征提取匹配精度，极大限制了视觉SLAM在煤矿井下的应用。所以为了提高视觉SLAM算法在煤矿井下的适用性，本文研究了顾及图像增强的煤矿井下视觉SLAM算法，具体研究内容如下： (1)视觉SLAM以图像信息为基础，其定位和建图精度与图像质量密切相关。煤矿井下低照度、多粉尘、弱纹理的恶劣环境，严重影响了煤矿井下图像质量，导致其存在照度不均、对比度低、细节模糊的问题。所以为了增强煤矿井下图像质量，提高视觉SLAM算法的整体精度与稳定性，本文设计了一种基于改进双边滤波的Retinex算法。将原始RGB(Red，Green, Blue)图像转换至HSI(Hue，Saturation,Intensity)色彩空间，以改进的双边滤波代替传统Retinex算法的高斯滤波作为中心环绕函数，对图像反射分量进行估计后转换至RGB色彩空间，得到最终增强图像。相较于单尺度Retinex（Single-Scale Retinex, SSR)算法和多尺度Retinex(Muti-Scale Retinex, MSR)算法，该算法处理后的图像未出现明显的泛白及光晕现象，图像质量得到了明显提升。 (2)针对煤矿井下弱纹理、低对比度环境，视觉SLAM容易发生跟踪丢失和建图失败的问题。本文提出一种基于自适应阈值的ORB特征提取匹配算法。根据图像对比度，自适应调整特征提取算法的检测阈值。试验结果表明：与传统的ORB算法相比，本文算法提取特征点数量更多，增强了视觉SLAM前端里程计的鲁棒性，满足了视觉SLAM算法在煤矿井下的特征提取匹配需求。 (3)针对视觉SLAM算法在建图过程中存在的信息冗余以及累积误差问题。本文研究基于关键帧的局部地图优化以及基于视觉词袋的回环检测模型，有效剔除了重复图像，节约了计算成本，提高了相机位姿精度，并在此基础上构建了煤矿井下的全局一致性地图。 试验结果表明：本文的视觉SLAM在明暗变化区域和弱纹理区域中表现效果更好，相比 ORB-SLAM2，本文的绝对位姿误差均值减少了 76.2%，具有更好的轨迹精度。同时，本文构建的稠密点云地图及八叉树地图质量良好，具有较高的鲁棒性，可为机器人在煤矿井下的自主导航提供技术参考。
NETL