Репортаж от Wedoany，Исследовательская группа профессора Ху Цинсуна из Китайского горно-технологического университета в статье, опубликованной в июне 2026 года в 4-м выпуске журнала «Промышленная и горная автоматизация», предложила инновационную схему восприятия, объединяющую сверхширокополосное (UWB) позиционирование и технологию облаков точек лидара. Эта схема, использующая сеть обнаружения UWB-PU-VGAT, позволяет достичь точности обнаружения шахтных вагонеток беспилотными транспортными средствами до 90,23% и частоты кадров до 32,3 кадра/с, что значительно повышает безопасность и оперативность автономного вождения в шахтах, обеспечивая ключевую технологическую поддержку для строительства интеллектуальных шахт.
В ответ на отраслевые проблемы, такие как плохие условия освещения из-за темноты и запыленности в подземных выработках, низкая доля эффективных целей и разреженность облаков точек на больших расстояниях, команда разработала улучшенную воксельную графовую сеть внимания, начиная с алгоритмического уровня. Эта сеть, используя модули усиления признаков и компенсации, глубоко исследует пространственные взаимосвязи внутри облака точек и, в сочетании с механизмом графового внимания и оптимизацией функции потерь Focal Loss, эффективно решает проблемы серьезного дисбаланса положительных и отрицательных образцов и высокой ошибки обнаружения на больших расстояниях. В тестах с использованием только лидара средняя точность обнаружения шахтных вагонеток и шахтеров сетью VGAT достигла 83,17% и 78,54% соответственно, что превосходит несколько основных алгоритмов по общей точности.
Для дальнейшего преодоления проблемы распознавания на больших расстояниях команда умело использовала уже широко развернутую в шахтах систему сверхширокополосного позиционирования UWB. Система, используя предоставляемые UWB координаты в реальном времени в качестве априорной информации, определяет целевую область и автоматически обрезает облако точек лидара для фильтрации нерелевантных фоновых данных, тем самым значительно сужая область распознавания и снижая вычислительную нагрузку. Одновременно, для решения проблемы разреженности облаков точек на больших расстояниях, сеть оснащена технологией повышения дискретизации облаков точек (Grad-PU), которая позволяет выполнять 4-кратное восполнение и реконструкцию неполных облаков точек на расстоянии до 30 метров, преобразуя разреженные облака точек в плотные и полные, что позволяет четко «проявлять» удаленных шахтеров и вагонетки.
Данная технология прошла полевые испытания на железном руднике Учжуан горнорудной группы Сюйчжоу. Как подземный рудник с годовой добычей железной руды 500 000 тонн, рудник Учжуан в последние годы последовательно продвигает интеллектуальную трансформацию «замена людей механизацией, сокращение людей автоматизацией». Данные испытаний показывают, что средняя точность обнаружения шахтных вагонеток сетью UWB-PU-VGAT достигла 90,23%, а средняя точность обнаружения шахтеров — 83,67%, что на 6,09% выше по сравнению с базовой сетью. Частота кадров достигает 32,3 кадра/с, что значительно превышает требование к оперативности для беспилотного вождения в шахтах (от 10 до 30 кадров/с), и сеть может гибко адаптироваться к различным формам выработок, таким как прямые, разветвленные и изогнутые штреки, а также стабильно распознавать цели в условиях частичного затенения.
Профессор Ху Цинсун является докторантским руководителем в Китайском горно-технологическом университете и долгое время специализируется на исследованиях ключевых технологий в области интеллектуализации шахт, включая точное позиционирование, связь в транспортных сетях и мультимодальное восприятие. Он руководил проектами Фонда естественных наук Китая. Появление технологических достижений этой команды, как ожидается, предоставит новые решения для давних проблем восприятия окружающей среды в области беспилотного вождения в шахтах.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
