Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Ore extraction and analysis from RGB image and 3D Point Cloud

Jin Feng, Zhan Kai, Chen Shengjie, Huang Shuwei, Zhang Yuansheng

Gospodarka Surowcami Mineralnymi

2022

T. 38, z. 1

89--106

Based on the theory of computer vision, a new method for extracting ore from underground mines is proposed. This is based on a combination of RGB images collected by a color industrial camera and a point cloud generated by a 3D ToF camera. Firstly, the mean-shift algorithm combined with the embedded confidence edge detection algorithm is used to segment the RGB ore image into different regions. Secondly, the effective ore regions are classified into large pieces of ore and ore piles consisting of a number of small pieces of ore. The method applied in the classification process is to embed the confidence into the edge detection algorithm which calculates edge distribution around ore regions. Finally, the RGB camera and the 3D ToF camera are calibrated and the camera matrix transformation of the two cameras is obtained. Point cloud fragments are then extracted according to the cross-calibration result. The geometric properties of the ore point cloud are then analysed in the subsequent procedure.

W oparciu o teorię widzenia komputerowego zaproponowano nową metodę wydobycia rudy z podziemnych kopalń. Jest to połączenie obrazów RGB zebranych przez kolorową kamerę przemysłową oraz chmury punktów wygenerowanej przez kamerę 3D ToF. Po pierwsze, algorytm zmiany średniej w połączeniu z wbudowanym algorytmem wykrywania krawędzi ufności służy do segmentacji obrazu rudy RGB na różne regiony. Po drugie, efektywne regiony rud są podzielone na złoża rudy o dużych rozmiarach i zwałowiska składające się z małej ilości rudy. Metodą stosowaną w procesie klasyfikacji jest określenie ufności w algorytmie wykrywania krawędzi, który oblicza rozkład krawędzi wokół regionów rudnych. Wreszcie, kamera RGB i kamera 3D ToF są skalibrowane i uzyskuje się transformację matrycy obu kamer. Następnie, fragmenty chmury punktów są wyodrębniane zgodnie z wynikiem kalibracji krzyżowej. W kolejnej procedurze przeanalizowano właściwości geometryczne chmury punktów rudy.

Image segmentation method of mine pass soil and ore based on the fusion of the confidence edge detection algorithm and mean shift algorithm

Jin Feng, Zhan Kai, Chen Shengjie, Huang Shuwei, Zhang Yuansheng

Gospodarka Surowcami Mineralnymi

2021

T. 37, z. 4

133--152

In the execution of edge detection algorithms and clustering algorithms to segment image containing ore and soil, ore images with very similar textural features cannot be segmented effectively when the two algorithms are used alone. This paper proposes a novel image segmentation method based on the fusion of a confidence edge detection algorithm and a mean shift algorithm, which integrates image color, texture and spatial features. On the basis of the initial segmentation results obtained by the mean shift segmentation algorithm, the edge information of the image is extracted by using the edge detection algorithm based on the confidence degree, and the edge detection results are applied to the initial segmentation region results to optimize and merge the ore or pile belonging to the same region. The experimental results show that this method can successfully overcome the shortcomings of the respective algorithm and has a better segmentation results for the ore, which effectively solves the problem of over segmentation.

W procesie algorytmu wykrywania krawędzi ufności i algorytmu grupowania do segmentacji obrazu zawierającego rudę i glebę, obraz rudy o bardzo podobnych cechach tekstury nie może być skutecznie segmentowany, gdy oba algorytmy są używane osobno. W pracy zaproponowano nowatorską metodę segmentacji obrazu opartą na połączeniu algorytmu wykrywania krawędzi ufności i algorytmu zmiany średniej, który integruje kolor, teksturę i cechy przestrzenne obrazu. Na podstawie wstępnych wyników segmentacji uzyskanych przez algorytm segmentacji zmiany średniej informacja o krawędziach oryginalnego obrazu jest wyodrębniana za pomocą algorytmu wykrywania krawędzi opartego na stopniu ufności, a otrzymane wyniki są stosowane do początkowych wyników segmentacji obszaru w celu optymalizacji i scalenia rudy lub gleby należących do tego samego obszaru. Wyniki eksperymentalne pokazują, że metoda ta może skutecznie przezwyciężyć wady odpowiedniego algorytmu i daje lepsze wyniki segmentacji dla rudy, co dobrze rozwiązuje problem nadmiernej segmentacji.