[發明專利]一種隧道鉆孔機器人鉆孔方法、裝置、鉆孔機器人和介質

在審

• 申請號: 202011359093.9
• 申請日: 2020-11-27
• 公開（公告）號: CN112330670A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 劉飛香;龔文忠;朱晨;王利平;張雪;何韜;馬熠;陳瀟堯
• 申請（專利權）人: 中國鐵建重工集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/70;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王云曉

1.一種隧道鉆孔機器人鉆孔方法，其特征在于，包括：

獲取鉆孔工作面的設定拍照位置的隧道表面圖像，并將所述隧道表面圖像進行預處理得到待檢測圖像；

將所述待檢測圖像輸入預設的圖像檢測模型中進行圖像檢測，得到圖像數據；其中，所述圖像數據包括鉆孔像素坐標位置、多種類型對象區域；

以所述鉆孔像素坐標位置為基準，按照預設偏移參數確定鉆孔定位數據；

根據所述鉆孔定位數據所處的所述類型對象區域確定鉆孔施工參數，并根據所述鉆孔施工參數進行鉆孔。

2.根據權利要求1所述的隧道鉆孔機器人鉆孔方法，其特征在于，所述以所述鉆孔像素坐標位置為基準，按照預設偏移參數確定鉆孔定位數據，包括：

以所述鉆孔像素坐標位置為基準，按照預設定的鉆孔水平方向間距、垂直方向間距，確定下一個鉆孔的像素坐標位置；

確定所述下一個鉆孔的像素坐標位置所在的所述類型對象區域；

若所在的所述類型對象區域是鋼筋區域，則按照偏移參數確定新的鉆孔的像素坐標位置，直至所述新的鉆孔的像素坐標位置不在所述鋼筋區域中，得到所述鉆孔定位數據。

3.根據權利要求2所述的隧道鉆孔機器人鉆孔方法，其特征在于，所述根據所述鉆孔定位數據所處的所述類型對象區域確定鉆孔施工參數，包括：

當所述鉆孔定位數據對應的鉆孔所在的類型對象區域為混凝土區域時，選擇第一鉆孔施工參數；

當所述鉆孔定位數據對應的鉆孔所在的類型對象區域為巖石區域時，選擇第二鉆孔施工參數。

4.根據權利要求1所述的隧道鉆孔機器人鉆孔方法，其特征在于，所述圖像檢測模型的建立過程包括：

獲取測試集和訓練集；

將所述訓練集輸入卷積神經網絡模型中進行訓練，得到初始圖像檢測模型；

利用所述測試集對所述初始圖像檢測模型進行檢測，得到檢測準確率；

判斷所述檢測準確率是否達到預設準確率；

若達到所述預設準確率，則將所述初始圖像檢測模型確定為所述圖像檢測模型；

若未達到所述預設準確率，繼續進行模型訓練，以使所述檢測準確率達到所述預設準確率，得到所述圖像檢測模型。

5.根據權利要求4所述的隧道鉆孔機器人鉆孔方法，其特征在于，所述獲取測試集和訓練集，包括：

獲取隧道表面圖像；

利用OpenCV函數庫對所述隧道表面圖像進行尺寸、亮度統一處理，得到隧道表面圖像數據集；

使用標記工具對所述隧道表面圖像數據集中的圖像的不同類型對象區域進行標識，生成監督數據集；

將所述隧道表面圖像數據集和所述監督數據集轉換為三維矩陣數據；

對所述三維矩陣數據進行歸一化處理得到處理后數據，并將所述處理后數據分成所述測試集和所述訓練集。

6.根據權利要求4所述的隧道鉆孔機器人鉆孔方法，其特征在于，所述將所述訓練集輸入卷積神經網絡模型中進行訓練，得到初始圖像檢測模型，包括：

利用卷積網絡VGG16獲取所述訓練集中的訓練圖像的特征圖；

利用上采樣反卷積層將所述特征圖利用插值計算進行圖像還原，得到與所述訓練圖像同尺寸大小的還原圖像；

在輸出層對所述還原圖像的圖像像素進行特征對象分類，得到分類結果；

利用交叉熵誤差函數作為損失函數來計算分類結果和實際結果的偏差；

若所述偏差在預設范圍內，則確定得到所述初始圖像檢測模型；

若所述偏差不在所述預設范圍內，則更新訓練參數，直至所述偏差在所述預設范圍內。

7.根據權利要求1所述的隧道鉆孔機器人鉆孔方法，其特征在于，還包括：

輸出所述圖像數據中的著色圖，其中，所述著色圖是對每一所述類型對象區域進行不同顏色標記的圖。