基于井下移动图像采集的目标识别与精确定位方法 论文

针对现有井下定位方法定位精度波动较大、难以进一步提高的问题，提出一种基于井下移动图像采集的目标识别与精确定位方法。利用定位目标携带的摄像机采集环境图像，通过自适应直方图均衡化方法对采集到的原始图像进行预处理，通过深度学习技术识别井下标志目标，并采用基于小孔成像原理的单目测距方法进行测距和定位。实验结果表明：与传统算法相比，SSD算法对距离和角度变化的适应能力更好，距离为4.5m时有效检测率仍达89.2%；数据增强SSD算法提高了鲁棒性，检测精确率比SSD算法提升了1.7%，可以更好地适应复杂环境。井下应用结果表明，基于井下移动图像采集的目标识别与精确定位方法在2～10m范围内可得到较理想的效果，随着距离增加，测量精度有所下降。