融合多级特征增强与权重网格统计的煤矿井下图像匹配
李和平1
洪劭楸2
程健1
安宁3
赵海龙2
修海鑫3
1.煤炭科学研究总院,北京 100013;煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;天地科技股份有限公司,北京 1000132.煤炭科学研究总院,北京 100013;煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 1000133.煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;天地科技股份有限公司,北京 100013
摘要：图像特征提取与匹配是实现煤矿井下视频和图像拼接、视觉定位导航等任务的一项关键技术,但受井下低光、不均匀光照以及重复纹理等环境因素的影响,相机采集到的图像往往对比度低、纹理信息不明显,存在特征点提取困难、误匹配率高的问题.对此,文章提出一种融合多级特征增强与权重网格统计的方法,以实现煤矿井下图像的有效匹配.首先,设计多级特征检测网络,在堆叠网络层的基础上引入可变形卷积层,保证特征的旋转不变性;其次,利用特征增强模块,将提取的特征点与描述子信息编码投影到高维空间,并通过Transformer网络增强特征间的可区分性;最后,采用基于权重网格的多阶段匹配优化策略,结合匹配质量因子与运动平滑性约束对初步匹配结果进行筛选,解决井下重复纹理感知混淆的问题,提高相似区域间的误匹配判识能力.在井下实际采集数据集和LOL、HPatches公开数据集上的大量试验表明:所提图像匹配方法具有更高的精度与鲁棒性.具体地,相较于ORB、SIFT、ASLFeat和Superpoint算法,所提特征提取方法的平均精度分别提升了33.07%、69.78%、17.65%和33.52%;相较于FLANN、BF+KNN、BF+RANSAC和BF+GMS特征匹配方法,所提特征匹配算法的平均精度分别提升了19.66%、23.26%、4.16%和18.46%.
关键词：煤矿井下图像特征提取特征增强特征匹配深度学习
分类号：TD76(矿山安全与劳动保护)TP391.4(计算技术、计算机技术)
资助基金：国家重点研发计划(2023YFC2907600)天地科技股份有限公司科技创新创业资金专项重点资助项目(2022-TD-ZD004)天地科技股份有限公司科技创新创业资金专项重点资助项目(2021-TD-ZD002)
论文发表日期：2024-11-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 129-140 )
英文信息