煤炭科学技术

作者：毛清华, 何君怡, 刘韩勇, 翟姣, 王荣泉, 薛旭升,

关键词：带式输送机, 堆煤, 三维点云, GWPCA, 泊松表面重建, 智能识别,

针对复杂工况下煤矿带式输送机传统堆煤识别方法准确性、稳定性不高和三维点云的煤堆表面三维重建完整性不足导致堆煤误判等问题，提出一种地理加权主成分分析（GWPCA）和自适应α-shape三维点云重建的堆煤智能识别方法。针对深度相机全视角采集点云数据量大导致处理速度慢、识别率低等问题，通过手动绘制ROI(Region of Interest)局部区域确定带式输送机表面目标点云数据，并采用直通滤波有效滤除冗余点和噪点、孤立数据，实现带式输送机表面煤堆点云数据快速、准确获取。针对煤堆侧表面点云缺失问题，构建基于地理加权主成分分析（GWPCA）的改进型泊松表面重建模型，通过输送带面与煤堆上表面的空间拓扑关系，结合法向约束机制实现点云数据补全，并采用最小凸包筛选算法消除伪平面干扰。针对不同形态煤堆与输送带表面分割问题，建立煤堆底部边界紧凑度和局部曲率标准差的函数关系，实现自适应α-shape算法的煤堆底部轮廓边界提取，准确分割煤堆点云数据并计算其等效宽度。针对采用单一参数的堆煤识别方法易受局部敏感值影响导致识别结果出现偏差的问题，提出一种基于煤堆宽/高最大值和等效值联合判别的堆煤识别方法，采用局部点云高度值的核密度函数期望值计算等效高度和最小包围盒计算最大宽、高值。搭建带式输送机堆煤智能识别试验平台，开展不同试验环境下的堆煤识别验证试验，结果表明：正常光照环境下，最大宽度和高度检测的平均误差分别为0.40 cm、0.35 cm，单帧宽/高等效值与最大值之间的相关系数为0.983，平均检测速度为每帧1.15 s，有效反映了真实的煤堆状态；粉尘环境下，最大宽度和高度检测的平均误差分别为0.46 cm、0.47 cm，单帧平均识别速度为1.23 s。等效值能准确反映煤堆整体形态变化，实现了堆煤状态的准确、可靠判别。

来源：2026年第2期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2026年第2期