本發(fā)明涉及無(wú)線通信技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)，特別是涉及一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)。

背景技術(shù)：

煤炭是我國(guó)重要的基礎(chǔ)能源，以煤為主的能源結(jié)構(gòu)在相當(dāng)長(zhǎng)時(shí)間內(nèi)不會(huì)改變，隨著國(guó)民經(jīng)濟(jì)的發(fā)展和煤炭的需求量越來(lái)越大，伴隨的煤礦安全生產(chǎn)事故也在不斷增多。因此，礦井安全的要求也越來(lái)越高，這對(duì)于礦井作業(yè)人員、作業(yè)設(shè)備等移動(dòng)目標(biāo)定位的準(zhǔn)確性和可靠性也提出了更高的要求。

目前，已經(jīng)有一些基于rfid、wifi、zigbee等定位技術(shù)，以及三角形質(zhì)心定位、toa、aoa等定位算法在井下人員定位方面得到應(yīng)用，但上述定位技術(shù)和定位方法，在井下移動(dòng)目標(biāo)定位精準(zhǔn)度上存在問(wèn)題：一方面由于井下nlos環(huán)境電磁波非直視傳播和多徑干擾，wifi、zigbee等定位技術(shù)的實(shí)時(shí)性、準(zhǔn)確性易受影響，而且由于礦井巷道無(wú)線電磁波傳輸損耗大、信號(hào)衰減較為嚴(yán)重，采用三角形質(zhì)心定位、toa、aoa等定位算法存在較大誤差，無(wú)法實(shí)現(xiàn)礦井移動(dòng)目標(biāo)的精確定位。另一方面，rfid定位技術(shù)只能進(jìn)行井下移動(dòng)目標(biāo)的進(jìn)出識(shí)別，無(wú)法實(shí)現(xiàn)移動(dòng)目標(biāo)的二維定位，尤其是，當(dāng)井下出入口及工作面同一地點(diǎn)同時(shí)出現(xiàn)多個(gè)移動(dòng)目標(biāo)時(shí)，rfid識(shí)別會(huì)造成漏檢或識(shí)別不準(zhǔn)問(wèn)題，也難以進(jìn)行準(zhǔn)確定位。

ccd視覺(jué)定位技術(shù)廣泛應(yīng)用于工業(yè)非接觸測(cè)量中，具有定位精度高、抗干擾能力強(qiáng)、可遠(yuǎn)距離獲取目標(biāo)圖像等特點(diǎn)，而且，隨著ccd視覺(jué)傳感器及其測(cè)量技術(shù)在工業(yè)應(yīng)用成果的不斷推廣，其在煤礦井下移動(dòng)目標(biāo)定位的應(yīng)用也得到越來(lái)越多的重視。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是：針對(duì)上述存在的問(wèn)題，提出一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，實(shí)現(xiàn)對(duì)礦井移動(dòng)目標(biāo)的實(shí)時(shí)跟蹤與精確定位。

本發(fā)明的技術(shù)方案是：提出一種多源傳感器礦井移動(dòng)目標(biāo)定位方法，實(shí)現(xiàn)該方法的系統(tǒng)包括地面裝置和井下裝置，所述系統(tǒng)的地面裝置通過(guò)光鏈路與所述井下裝置連接并進(jìn)行通信，地面裝置包括定位網(wǎng)關(guān)、網(wǎng)絡(luò)交換機(jī)和視頻終端，井下裝置包括智能無(wú)線網(wǎng)關(guān)、無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)、無(wú)線識(shí)別標(biāo)簽。

所述系統(tǒng)的智能無(wú)線網(wǎng)關(guān)內(nèi)置或外接本安型單目ccd視覺(jué)傳感器，用于采集井下移動(dòng)目標(biāo)無(wú)線識(shí)別標(biāo)簽的圖像信息，并進(jìn)行orb特征匹配和移動(dòng)目標(biāo)的立體標(biāo)定；

所述系統(tǒng)的智能無(wú)線網(wǎng)關(guān)與無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)構(gòu)成無(wú)線傳感網(wǎng)絡(luò)，并經(jīng)無(wú)線網(wǎng)絡(luò)和光鏈路將將井下移動(dòng)目標(biāo)的位置信息發(fā)送至所述定位網(wǎng)關(guān)；

所述系統(tǒng)的無(wú)線識(shí)別標(biāo)簽，內(nèi)置無(wú)線信號(hào)發(fā)射裝置，并作為簇頭節(jié)點(diǎn)用于井下無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的通信與定位；

所述系統(tǒng)的無(wú)線識(shí)別標(biāo)簽，作為移動(dòng)目標(biāo)識(shí)別標(biāo)志安裝或固定于井下移動(dòng)目標(biāo)上，并利用混合卡爾曼粒子濾波算法進(jìn)行移動(dòng)目標(biāo)位置預(yù)測(cè)和估計(jì)；以及

所述一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，實(shí)施該系統(tǒng)的方法步驟包括：

步驟1、所述單目ccd視覺(jué)傳感器采用orb算法對(duì)無(wú)線識(shí)別標(biāo)簽進(jìn)行特征提取訓(xùn)練，并根據(jù)提取特征對(duì)移動(dòng)目標(biāo)識(shí)別標(biāo)志特征進(jìn)行匹配；

步驟2、所述無(wú)線傳感網(wǎng)絡(luò)利用混合卡爾曼粒子濾波算法為移動(dòng)目標(biāo)位置和權(quán)重賦值初始化；

步驟3、所述無(wú)線傳感網(wǎng)絡(luò)利用混合卡爾曼粒子濾波算法預(yù)測(cè)和估計(jì)移動(dòng)目標(biāo)位置，并

將預(yù)測(cè)和估計(jì)的移動(dòng)目標(biāo)位置轉(zhuǎn)變?yōu)槭澜缱鴺?biāo)；

步驟4、所述無(wú)線傳感網(wǎng)絡(luò)采用混合卡爾曼粒子濾波算法進(jìn)行權(quán)值更新；

步驟5、所述無(wú)線傳感網(wǎng)絡(luò)對(duì)粒子群退化進(jìn)行判決，若粒子退化，則采用混合卡爾曼粒子濾波算法進(jìn)行重采樣，轉(zhuǎn)入步驟3，否則執(zhí)行步驟6；

步驟6、將預(yù)測(cè)和估計(jì)的移動(dòng)目標(biāo)世界坐標(biāo)轉(zhuǎn)化為單目ccd視覺(jué)傳感器的圖像物理坐標(biāo)系坐標(biāo)，并進(jìn)行特征匹配的閾值分割，以縮小單目ccd視覺(jué)傳感器的特征匹配范圍；

步驟7、所述單目ccd視覺(jué)傳感器根據(jù)提取訓(xùn)練的特征集，采用orb算法檢測(cè)移動(dòng)目標(biāo)特征，并進(jìn)行匹配判決；若移動(dòng)目標(biāo)特征匹配率pmatch≥判決閾值threshold，則采用單目ccd視覺(jué)傳感器標(biāo)定移動(dòng)目標(biāo)世界坐標(biāo)，轉(zhuǎn)入步驟9，否則執(zhí)行步驟8；

步驟8、對(duì)移動(dòng)目標(biāo)進(jìn)行融合定位，融合后的移動(dòng)目標(biāo)世界坐標(biāo)coordmerge＝pmatch×coordorb+(1-pmatch)×coordkalman，其中，coordorb為orb特征匹配和立體標(biāo)定的移動(dòng)目標(biāo)世界坐標(biāo)，coordkalman為混合卡爾曼粒子濾波算法估計(jì)的移動(dòng)目標(biāo)世界坐標(biāo)；

步驟9、輸出定位結(jié)果；

步驟10、重復(fù)執(zhí)行步驟3～步驟9。

所述一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，對(duì)井下移動(dòng)目標(biāo)進(jìn)行混合卡爾曼粒子濾波算法的步驟進(jìn)一步包括:

步驟1、初始化：在k＝0時(shí)刻，設(shè)定初始粒子總數(shù)nj，并賦予粒子相同的權(quán)值

步驟2、重要性采樣：根據(jù)粒子重要性采樣密度函數(shù)進(jìn)行采樣，其中，粒子表示移動(dòng)目標(biāo)的概率分布，服從高斯分布且(1≤i≤ck，1≤j≤nj)，nj為該時(shí)刻粒子總數(shù)，ck為簇內(nèi)節(jié)點(diǎn)總數(shù)，可隨時(shí)間變化，從中抽取m個(gè)粒子，得到新的粒子集合

步驟3、權(quán)值更新：根據(jù)無(wú)線傳感網(wǎng)絡(luò)采集的移動(dòng)目標(biāo)位置信號(hào)和傳感器節(jié)點(diǎn)的先驗(yàn)信息，由計(jì)算m個(gè)粒子權(quán)值，并歸一化權(quán)值

步驟4、粒子重采樣：根據(jù)重采樣的衡量指標(biāo)判斷是否滿足粒子退化條件mi，k＜m0，其中m0為初始權(quán)重，若滿足，則對(duì)粒子集重采樣，重采樣后的粒子集為權(quán)值為否則，粒子集無(wú)需重采樣。

步驟5、狀態(tài)預(yù)測(cè)與估計(jì)：根據(jù)計(jì)算k時(shí)刻第i節(jié)點(diǎn)的均值、協(xié)方差和權(quán)值狀態(tài)參數(shù)估計(jì)值集合其中

步驟6、粒子數(shù)量更新：無(wú)跡卡爾曼濾波(ukf)算法更新粒子，從集合中選擇一組樣本點(diǎn)集合近似表示k-1時(shí)刻的狀態(tài)分布根據(jù)傳遞樣本點(diǎn)更新預(yù)測(cè)估計(jì)值集合擴(kuò)展卡爾曼濾波(ekf)算法更新ukf算法估計(jì)值集合，將作為ekf在k-1時(shí)刻的估計(jì)值，即利用重要性采樣密度函數(shù)將其代入公式計(jì)算k+1時(shí)刻的粒子數(shù)得到迭代后的參數(shù)估計(jì)值

步驟7、輸出估計(jì)值與融合結(jié)果：輸出參數(shù)估計(jì)值及根據(jù)計(jì)算數(shù)據(jù)融合后的結(jié)果

步驟8、判定是否結(jié)束信息采集：簇頭節(jié)點(diǎn)根據(jù)數(shù)據(jù)融合結(jié)果判斷估計(jì)值協(xié)方差的最小跡jk是否達(dá)到設(shè)定閾值j0，若jk≥j0，則輸出定位結(jié)果否則執(zhí)行步驟9。

步驟9、粒子數(shù)量更新：根據(jù)計(jì)算k+1時(shí)刻的粒子數(shù)令k＝k+1，重復(fù)執(zhí)行步驟2～步驟8。

步驟10、輸出定位結(jié)果。

所述的一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，對(duì)井下移動(dòng)目標(biāo)進(jìn)行orb特征匹配的步驟進(jìn)一步包括:

步驟1、利用orb算法檢測(cè)特征點(diǎn)，采用fast算子檢測(cè)井下移動(dòng)目標(biāo)特征點(diǎn)。

步驟2、對(duì)檢測(cè)到的井下移動(dòng)目標(biāo)特征點(diǎn)添加方向信息，構(gòu)成ofast。

步驟3、采用灰度質(zhì)心法對(duì)檢測(cè)到的井下移動(dòng)目標(biāo)角點(diǎn)添加方向信息。orb采用灰度質(zhì)心法給檢測(cè)到的角點(diǎn)添加方向信息。rosin定義鄰域矩：mpq＝∑x，yx^py^qi(x，y)，質(zhì)心為：特征點(diǎn)與質(zhì)心夾角定義為fast特征點(diǎn)的方向：θ＝atan2(m01，m10)。

步驟4、采用brief描述子對(duì)檢測(cè)到的井下移動(dòng)目標(biāo)進(jìn)行特征點(diǎn)描述。

步驟5、對(duì)檢測(cè)到的井下移動(dòng)目標(biāo)特征點(diǎn)描述子添加旋轉(zhuǎn)不變性，構(gòu)成steerbrief，不僅利用brief的計(jì)算簡(jiǎn)單、快速的優(yōu)點(diǎn)，而且解決了brief本身不具有旋轉(zhuǎn)不變性的特點(diǎn)。定義s×s大小圖像，算法提取到特征點(diǎn)描述符其中p(x)是平滑之后圖像鄰域p在x＝(u，v)^t處的灰度值。對(duì)于(xi，yi)的n個(gè)位置對(duì)，steerbrief在(xi，yi)處，對(duì)于任意n個(gè)位置對(duì)的特征集利用旋轉(zhuǎn)矩陣rθ旋轉(zhuǎn)匹配點(diǎn)，得到帶有方向的特征集sθ＝rθs。

步驟6、計(jì)算兩個(gè)匹配點(diǎn)對(duì)的描述子hamming距離ham，進(jìn)行特征匹配判決。旋轉(zhuǎn)后的二進(jìn)制準(zhǔn)則描述子gn(p，θ)：＝fn(p)|(xi，yi)∈sθ，在匹配時(shí)只需計(jì)算兩個(gè)特征點(diǎn)描述子的hamming距離ham，進(jìn)行特征匹配判決。

步驟7、利用貪婪算法從所有可能的像素塊對(duì)中搜索已設(shè)定的n個(gè)相關(guān)性最低的像素塊對(duì)，檢索并匹配移動(dòng)目標(biāo)特征，判決特征匹配結(jié)果。

所述一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，單目ccd視覺(jué)傳感器對(duì)井下移動(dòng)目標(biāo)進(jìn)行立體標(biāo)定的步驟進(jìn)一步包括：

步驟1、所述單目ccd視覺(jué)傳感器采集移動(dòng)目標(biāo)圖像，并利用orb特征匹配算法進(jìn)行目標(biāo)識(shí)別；

步驟2、所述單目ccd視覺(jué)傳感器根據(jù)外部測(cè)量獲取單目ccd視覺(jué)傳感器的位置高度h、俯仰角α；

步驟3、所述單目ccd視覺(jué)傳感器進(jìn)行內(nèi)部參數(shù)標(biāo)定，獲取焦距f、水平和豎直方向的像元間距dx、dy和圖像物理坐標(biāo)系坐標(biāo)；

步驟4、所述單目ccd視覺(jué)傳感器根據(jù)內(nèi)外參數(shù)：位置高度h、俯仰角α、焦距f、水平和豎直方向的像元間距dx、dy和圖像物理坐標(biāo)系坐標(biāo)，可以獲取移動(dòng)目標(biāo)的世界坐標(biāo)。

所述一種基于多源傳感器的的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)，其中，

智能無(wú)線網(wǎng)關(guān)，用于對(duì)多源傳感器采集的礦井移動(dòng)目標(biāo)位置信息進(jìn)行融合處理，并將融合信息轉(zhuǎn)發(fā)給定位網(wǎng)關(guān)。

無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)，用于采集和接收來(lái)自移動(dòng)目標(biāo)無(wú)線識(shí)別標(biāo)簽發(fā)射的無(wú)線信號(hào)，并對(duì)移動(dòng)目標(biāo)位置進(jìn)行預(yù)測(cè)和估計(jì)。

定位網(wǎng)關(guān)，用于處理、存儲(chǔ)礦井移動(dòng)目標(biāo)實(shí)時(shí)位置信息，為井下移動(dòng)目標(biāo)提供移動(dòng)定位服務(wù)。

網(wǎng)絡(luò)交換機(jī)，用于井下智能無(wú)線網(wǎng)關(guān)與地面定位網(wǎng)關(guān)的互聯(lián)，并實(shí)現(xiàn)所述定位系統(tǒng)與地面通信網(wǎng)絡(luò)的互聯(lián)。

視頻終端，用于接收來(lái)自于定位網(wǎng)關(guān)的圖像和實(shí)時(shí)定位信息，并進(jìn)行可視化顯示。

本發(fā)明的有益效果在于：

該發(fā)明基于混合卡爾曼粒子濾波算法與orb算法，通過(guò)無(wú)線傳感網(wǎng)絡(luò)對(duì)井下移動(dòng)目標(biāo)的混合卡爾曼粒子濾波預(yù)測(cè)、更新和單目ccd視覺(jué)標(biāo)定、定位相融合，提供了一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)。本發(fā)明解決了現(xiàn)有定位技術(shù)存在漏檢和識(shí)別不準(zhǔn)、定位精度較低等問(wèn)題，尤其是通過(guò)ccd視覺(jué)特征匹配實(shí)現(xiàn)移動(dòng)目標(biāo)的匹配面切割、快速匹配，以及克服了井下nlos環(huán)境下目標(biāo)遮擋導(dǎo)致無(wú)法對(duì)移動(dòng)目標(biāo)識(shí)別、精準(zhǔn)定位問(wèn)題，提高了井下移動(dòng)目標(biāo)定位的實(shí)時(shí)性、準(zhǔn)確性和系統(tǒng)魯棒性。系統(tǒng)定位精度高，抗干擾能力強(qiáng)，適宜于各種復(fù)雜環(huán)境及限定空間的移動(dòng)目標(biāo)實(shí)時(shí)跟蹤與精確定位。

附圖說(shuō)明

圖1為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)的系統(tǒng)組成示意圖。

圖2為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)的定位流程圖。

圖3為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的混合卡爾曼粒子濾波算法流程圖。

圖4為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的orb算法流程圖。

圖5為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的單目ccd定位算法流程圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)描述。

圖1為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)的系統(tǒng)組成。參照?qǐng)D1所示，實(shí)現(xiàn)上述礦井定位方法的系統(tǒng)主要包括：無(wú)線識(shí)別標(biāo)簽(101)、無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)(102)、智能無(wú)線網(wǎng)關(guān)(103)、網(wǎng)絡(luò)交換機(jī)(104)、定位網(wǎng)關(guān)(105)、視頻終端(106)。

其中，無(wú)線識(shí)別標(biāo)簽(101)，內(nèi)置無(wú)線信號(hào)發(fā)射裝置，并作為簇頭節(jié)點(diǎn)用于井下無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的通信與定位，無(wú)線識(shí)別標(biāo)簽還作為移動(dòng)目標(biāo)識(shí)別標(biāo)志安裝或固定于井下移動(dòng)目標(biāo)上；無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)(102)，用于采集和接收來(lái)自移動(dòng)目標(biāo)無(wú)線識(shí)別標(biāo)簽發(fā)射的無(wú)線信號(hào)，并對(duì)移動(dòng)目標(biāo)位置進(jìn)行預(yù)測(cè)和估計(jì)；智能無(wú)線網(wǎng)關(guān)(103)，內(nèi)置或外接單目ccd視覺(jué)傳感器，用于采集井下移動(dòng)目標(biāo)無(wú)線識(shí)別標(biāo)簽的圖像信息，并進(jìn)行orb特征匹配和移動(dòng)目標(biāo)的立體標(biāo)定，無(wú)線智能網(wǎng)關(guān)用于對(duì)多源傳感器采集的礦井移動(dòng)目標(biāo)位置信息進(jìn)行融合處理，并將融合信息轉(zhuǎn)發(fā)給定位網(wǎng)關(guān)；網(wǎng)絡(luò)交換機(jī)(104)，用于井下智能無(wú)線網(wǎng)關(guān)與地面定位網(wǎng)關(guān)的互聯(lián)，并實(shí)現(xiàn)所述定位系統(tǒng)與地面通信網(wǎng)絡(luò)的互聯(lián)；定位網(wǎng)關(guān)(105)，用于處理、存儲(chǔ)礦井移動(dòng)目標(biāo)實(shí)時(shí)位置信息，為井下移動(dòng)目標(biāo)提供移動(dòng)定位服務(wù)；視頻終端(106)，用于接收來(lái)自于定位網(wǎng)關(guān)的圖像和實(shí)時(shí)定位信息，將圖像和實(shí)時(shí)定位信息進(jìn)行可視化顯示。

圖2為多源傳感器的礦井移動(dòng)目標(biāo)定位方法的定位流程圖。參照?qǐng)D2所示，一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)的定位流程步驟及功能描述如下：(1)單目ccd對(duì)無(wú)線識(shí)別標(biāo)簽特征提取與訓(xùn)練(201)，單目ccd視覺(jué)傳感器對(duì)于安裝在礦井移動(dòng)目標(biāo)的無(wú)線識(shí)別標(biāo)簽進(jìn)行匹配特征的識(shí)別與提取訓(xùn)練，為目標(biāo)的orb算法匹配提供匹配特征；(2)混合卡爾曼粒子濾波算法為移動(dòng)目標(biāo)位置和權(quán)重賦初值(202)，在k＝0時(shí)刻，設(shè)定初始粒子總數(shù)nj，并賦予粒子相同的權(quán)值根據(jù)粒子重要性采樣密度函數(shù)進(jìn)行采樣，從中抽取m個(gè)粒子，得到新的粒子集合粒子表示移動(dòng)目標(biāo)的概率分布；(3)混合卡爾曼粒子濾波算法預(yù)測(cè)和估計(jì)位置(203)，計(jì)算當(dāng)前時(shí)刻k第i節(jié)點(diǎn)的均值、協(xié)方差和權(quán)值狀態(tài)參數(shù)估計(jì)值集合實(shí)現(xiàn)移動(dòng)目標(biāo)的位置預(yù)測(cè)和估計(jì)；(4)混合卡爾曼粒子濾波的權(quán)值更新(204)，根據(jù)單目ccd視覺(jué)傳感器采集的移動(dòng)目標(biāo)世界坐標(biāo)校正權(quán)值并對(duì)粒子權(quán)重進(jìn)行歸一化處理；(5)判決粒子是否退化(205)，根據(jù)重采樣的衡量指標(biāo)判斷是否滿足粒子退化條件mi，k＜m0，其中m0為初始權(quán)重，若滿足，則對(duì)粒子集重采樣，否則，粒子集無(wú)需重采樣，進(jìn)行步驟(207)；(6)混合卡爾曼粒子濾波算法的重采樣(206)，滿足粒子群退化條件，混合卡爾曼粒子濾波算法進(jìn)行粒子群重采樣；(7)將移動(dòng)目標(biāo)預(yù)測(cè)和估計(jì)的世界坐標(biāo)轉(zhuǎn)化為ccd的圖像物理坐標(biāo)，并進(jìn)行特征匹配的閾值分割(207)，將預(yù)測(cè)和估計(jì)的移動(dòng)目標(biāo)世界坐標(biāo)轉(zhuǎn)化為單目ccd視覺(jué)傳感器的圖像物理坐標(biāo)系坐標(biāo)，并進(jìn)行特征匹配的閾值分割，以縮小單目ccd視覺(jué)傳感器的特征匹配范圍，實(shí)現(xiàn)更快更高效特征匹配；(8)單目ccd視覺(jué)傳感器檢測(cè)移動(dòng)目標(biāo)特征(208)，單目ccd視覺(jué)傳感器采集移動(dòng)目標(biāo)圖像，在混合卡爾曼粒子濾波算法切割圖像物理坐標(biāo)系范圍內(nèi)進(jìn)行移動(dòng)目標(biāo)特征匹配；(9)判決orb特征匹配率pmatch是否大于等于判決門(mén)限threshold(209)，當(dāng)pmatch≥threshold，繼續(xù)向下執(zhí)行流程(210)，否則，轉(zhuǎn)而執(zhí)行流程(211)；(10)單目ccd視覺(jué)傳感器對(duì)移動(dòng)目標(biāo)定位(210)，當(dāng)單目ccd視覺(jué)傳感器的移動(dòng)目標(biāo)特征匹配率pmatch≥threshold時(shí)，根據(jù)獲得的單目ccd視覺(jué)傳感器的內(nèi)外參數(shù)：位置高度h、俯仰角α、焦距f、水平和豎直方向的像元間距dx、dy和圖像物理坐標(biāo)系坐標(biāo)來(lái)獲取移動(dòng)目標(biāo)的世界坐標(biāo)；(11)混合卡爾曼粒子濾波算法定位與單目ccd視覺(jué)傳感器定位融合(211)，當(dāng)單目ccd視覺(jué)傳感器的移動(dòng)目標(biāo)特征匹配率pmatch＜threshold時(shí)，混合卡爾曼粒子濾波算法對(duì)移動(dòng)目標(biāo)位置的參數(shù)估計(jì)量和單目ccd視覺(jué)傳感器求得的移動(dòng)目標(biāo)世界坐標(biāo)進(jìn)行數(shù)據(jù)融合定位，輸出融合后的移動(dòng)目標(biāo)世界坐標(biāo)coordmerge，其中，coordmerge＝pmatch×coordorb+(1-pmatch)×coordkalman，coordorb為orb特征匹配和立體標(biāo)定的移動(dòng)目標(biāo)世界坐標(biāo)，coordkalman為混合卡爾曼粒子濾波算法估計(jì)的移動(dòng)目標(biāo)世界坐標(biāo)；(12)輸出移動(dòng)目標(biāo)世界坐標(biāo)，實(shí)現(xiàn)定位(212)，根據(jù)單目ccd視覺(jué)傳感器的移動(dòng)目標(biāo)特征匹配在不同特征匹配率下的定位策略,多源傳感器定位方法輸出移動(dòng)目標(biāo)的世界坐標(biāo)，實(shí)現(xiàn)礦井下移動(dòng)目標(biāo)精確定位。

圖3為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的混合卡爾曼粒子濾波算法流程圖。如圖3所示，一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的混合卡爾曼粒子濾波算法流程步驟包括：(1)粒子初始化(301)，在k＝0時(shí)刻，設(shè)定初始粒子總數(shù)nj，并賦予粒子相同的權(quán)值(2)重要性采樣(302)，根據(jù)粒子重要性采樣密度函數(shù)進(jìn)行采樣，從中抽取m個(gè)粒子，得到新的粒子集合粒子表示移動(dòng)目標(biāo)的概率分布；(3)權(quán)值更新(303)，由單目ccd視覺(jué)傳感器對(duì)移動(dòng)目標(biāo)位置和傳感器節(jié)點(diǎn)的先驗(yàn)信息計(jì)算m個(gè)粒子權(quán)值，并歸一化權(quán)值(4)判決粒子是否重采樣(304)，根據(jù)重采樣的衡量指標(biāo)判斷是否滿足粒子退化條件mi，k＜m0，其中m0為初始權(quán)重，若滿足，則對(duì)粒子集重采樣，重采樣后的粒子集為權(quán)值為否則，粒子集無(wú)需重采樣；(5)狀態(tài)預(yù)測(cè)與估計(jì)(305)，計(jì)算k時(shí)刻第i節(jié)點(diǎn)的均值、協(xié)方差和權(quán)值狀態(tài)參數(shù)估計(jì)值集合(6)粒子更新(306)，利用ukf算法更新粒子，從集合中選擇一組樣本點(diǎn)集合近似表示k-1時(shí)刻的狀態(tài)分布根據(jù)傳遞樣本點(diǎn)更新預(yù)測(cè)估計(jì)值集合利用ekf算法更新ukf算法估計(jì)值集合，將作為ekf在k-1時(shí)刻的估計(jì)值，即利用重要性采樣密度函數(shù)為計(jì)算k+1時(shí)刻的粒子數(shù)k＝k+1，得到迭代后的參數(shù)估計(jì)值(7)輸出估計(jì)值與融合結(jié)果(307)，輸出參數(shù)估計(jì)值及根據(jù)計(jì)算數(shù)據(jù)融合后的結(jié)果(8)判斷是否結(jié)束信息采集(308)，判斷預(yù)測(cè)估計(jì)值協(xié)方差的最小跡是否滿足設(shè)定閾值條件，若滿足則輸出定位結(jié)果否則執(zhí)行步驟(309)；(9)粒子數(shù)量更新(309)，根據(jù)計(jì)算k+1時(shí)刻的粒子數(shù)令k＝k+1，返回步驟(302)，重復(fù)執(zhí)行步驟(302)～(308)；(10)輸出定位結(jié)果(310)。

圖4為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的orb算法流程圖。如圖4所示，一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的orb算法流程步驟包括：(1)輸入移動(dòng)目標(biāo)圖像信息(401)，將單目ccd視覺(jué)傳感器的采集到的移動(dòng)目標(biāo)圖像作為orb算法特征匹配的輸入；(2)利用ofast算子進(jìn)行特征點(diǎn)檢測(cè)(402)，采用對(duì)fast算子添加旋轉(zhuǎn)不變性形成ofast算子，利用ofast算子進(jìn)行特征點(diǎn)檢測(cè)，并且采用灰度質(zhì)心法為檢測(cè)到的特征點(diǎn)增加匹配局部不變性；(3)使用steerbrief對(duì)特征點(diǎn)進(jìn)行描述(403)，steerbrief算法利用brief的計(jì)算簡(jiǎn)單、快速的優(yōu)點(diǎn)對(duì)ofast算法檢測(cè)到的特征點(diǎn)進(jìn)行特征描述，并且解決了brief本身不具有旋轉(zhuǎn)不變性的缺點(diǎn)；(4)構(gòu)建特征集及二進(jìn)制準(zhǔn)則描述子(404)，定義s×s大小圖像，該區(qū)域內(nèi)選取任意n個(gè)位置特征對(duì)(xi，yi)構(gòu)成特征集并在s×s大小圖像內(nèi)，構(gòu)建算法提取到特征點(diǎn)描述符steerbrief在(xi，yi)處，對(duì)于任意n個(gè)位置對(duì)的特征集利用旋轉(zhuǎn)矩陣rθ旋轉(zhuǎn)匹配點(diǎn)，得到帶有方向的特征集sθ＝rθs，旋轉(zhuǎn)后的二進(jìn)制準(zhǔn)則描述子gn(p，θ)：＝fn(p)|(xi，yi)∈sθ；(5)設(shè)置特征匹配的閾值haming距離(405)，多次利用相同特征圖像匹配訓(xùn)練得到相同特征圖像匹配的閾值haming距離并求均值，以獲得最佳特征匹配的閾值haming距離，設(shè)置該特征匹配的閾值haming距離均值作為特征對(duì)是否配的判決標(biāo)準(zhǔn)；(6)貪婪檢索符合特征匹配像素塊(406)，使用貪婪算法檢出小于等于設(shè)定haming距離閾值的像素塊，檢索出特征匹配的結(jié)果；(7)輸出特征匹配檢索結(jié)果(407)，根據(jù)貪婪算法的檢索出特征匹配的結(jié)果，判決特征匹配結(jié)果。

圖5為一種基于多源傳感器的礦井移動(dòng)目標(biāo)定位方法與系統(tǒng)采用的單目ccd定位算法流程。如圖5所示，上述礦井定位方法采用的單目ccd定位算法流程主要包括：(1)單目ccd對(duì)移動(dòng)目標(biāo)采集圖像(501)，單目ccd視覺(jué)傳感器采集移動(dòng)目標(biāo)圖像，并利用orb特征匹配算法進(jìn)行目標(biāo)識(shí)別；(2)獲取單目ccd的位置高度和俯仰角(502)，根據(jù)外部測(cè)量獲取單目ccd視覺(jué)傳感器的位置高度h、俯仰角α；(3)單目ccd進(jìn)行內(nèi)部參數(shù)標(biāo)定(503)，單目ccd視覺(jué)傳感器進(jìn)行內(nèi)部參數(shù)標(biāo)定，獲取焦距f、水平和豎直方向的像元間距dx、dy和圖像物理坐標(biāo)系坐標(biāo)；(4)獲取移動(dòng)目標(biāo)的世界坐標(biāo)(504)，根據(jù)已經(jīng)獲得的單目ccd視覺(jué)傳感器的內(nèi)外參數(shù)：位置高度h、俯仰角α、焦距f、水平和豎直方向的像元間距dx、dy和圖像物理坐標(biāo)系坐標(biāo)來(lái)獲取移動(dòng)目標(biāo)的世界坐標(biāo)。

顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，本發(fā)明及上述實(shí)施例所涉及定位方法及系統(tǒng)各組成功能，除作為礦井移動(dòng)目標(biāo)定位應(yīng)用于煤礦井下環(huán)境外，通過(guò)適當(dāng)集成或改進(jìn)后也適用于非金屬和金屬等非煤礦山的移動(dòng)目標(biāo)監(jiān)控、跟蹤與定位，以及安全監(jiān)控領(lǐng)域移動(dòng)目標(biāo)跟蹤與定位。這樣本發(fā)明不限制除煤礦井下移動(dòng)目標(biāo)定位之外的非煤礦山等移動(dòng)監(jiān)控和移動(dòng)目標(biāo)精確定位等通信技術(shù)領(lǐng)域。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施例方式對(duì)本發(fā)明所做的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施方式僅限于此，對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明設(shè)計(jì)思路的前提下，還可進(jìn)行若干簡(jiǎn)單的替換和更改，都應(yīng)當(dāng)視為屬于本發(fā)明所提交的權(quán)利要求書(shū)所涉及的保護(hù)范圍。