由于作业环境的动态变化与自然环境因素的影响，矿山运输车轨道上可能存在石块、设备等障碍物。驾驶员如无法及时发现，将造成安全隐患。为此，采用人工智能算法开发了机器视觉轨道障碍物检测系统。自动识别轨道上障碍物，并测量障碍物距离车辆的距离，实时提供距离信息。实现轨道障碍物自动检测与预警。

背景介绍

目前，矿山运输车行进的轨道上可能存在障碍物。这些障碍物主要来自作业环境与自然环境的动态变化。在作业环境中，由于运输车超载可能出现矿石的掉落，如未能及时清理，可能造成安全隐患。此外，部分轨道暴露于外部环境，由于自然因素的影响，可能出现落石。正常情况下，轨道的完整性可以保证。造成轨道区域的不安全因素是位于轨道内部的异物。通常驾驶员通过肉眼观察隧道内状况，鉴于行驶环境照明不足、行驶空间狭小等特点，驾驶员很难对前方出现的异常目标作出快速反应，仅依靠驾驶员视觉进行障碍物识别，难以保证行车安全。而且，由于驾驶员长期处于驾驶环境，可能出现驾驶疲劳问题。因此，实时监测轨道障碍物是保障矿车行驶安全的必要手段。

现有监测手段存在以下问题：

人工监测易漏检：由于隧道内光线不足、空间受限，且考虑到驾驶员的疲劳问题，可能造成轨道内异常目标的漏检。或者难以对异常目标作出快速反应。
激光雷达价格昂贵：激光雷达能够反馈物体的距离信息。但是其价格昂贵，并且涉及到复杂的点云处理，需要大量的算力设备支撑。

为此，采用人工智能算法实现：

轨道内障碍物检测：对轨道目标进行分割，并识别轨道内的人员、设备、石块等异常目标。当发现这些异常目标位于轨道内时，产生告警。
轨道内障碍物测距：基于深度学习视觉算法对轨道内目标检测，并通过像素-空间位置变换，自动计算障碍物距离运输车车体的距离。

图1. 检测示意图

系统构成

分析系统包括后台管理系统与AI算法两部分。两部分详情如下。

1. 后台管理系统

后台管理系统负责实时画面查看、视频接入、告警管理与数据推送。

实时画面：对监控画面实时预览，可用于告警核验或实况监测。可在实时画面中查看AI检测结果。
视频接入：将摄像头接入后台管理系统，并将摄像头绑定轨道障碍物检测算法，使摄像头具备AI分析能力。
告警管理：产生的告警图片、短视频以及放矿地点、告警时间等数据存储至磁盘与数据库，并可进行检索、查看、处理与导出。
数据推送: 将产生的告警数据通过http协议推送至第三方平台，这个告警数据是实时障碍物目标坐标与距离数据，包括告警图片与结构化数据。

后台管理系统为B/S架构设计，用户可在局域网内通过个人电脑主机访问系统，查看画面与告警。

图2. 后台管理系统

2. 障碍物检测算法

障碍物检测算法包括障碍物目标检测与目标测距两部分。

障碍物目标检测算法：识别轨道与障碍物目标。当障碍物目标位于轨道内时产生告警。如图1，前方存在矿车，且障碍物目标位于轨道内，需产生告警。
障碍物目标测距算法：基于目标像素与空间坐标变换，实时计算障碍物目标距离车头距离。驾驶员根据障碍物距离信息，采取合理的处理手段。

障碍物检测算法基于深度学习视频理解算法，自动识别障碍物目标与距离。具备高效稳定、精准低价的特点。纯视觉方案部署简单，算力依赖较低，实时性好，适用于复杂场景的异物检测。

部署组网

摄像头、智能分析盒、控制平台、放矿机与料斗部署组网如下图。

图2. 部署组网图

摄像头-智能分析盒：两者之间通过局域网进行连接。摄像头的rtsp/rtmp视频流，通过局域网接入智能分析盒进行智能分析。
智能分析盒-控制平台: 智能分析盒内置轨道障碍物检测算法，实时分析异物目标与距离。操作员可在局域网内查看检测结果。

项目图集

图3. 项目图集

上图为障碍物算法现场检测图。

左图，为直道情况下轨道目标检测图。
右图，为弯道情况下轨道目标检测图。

应用成效

依托边缘计算与人工智能视频分析领域的创新能力与工程化实践，智驱力机器视觉轨道障碍物检测系统在国内多所矿井率先落地。产品投产应用后取得了如下成效。

小障碍物漏报事件降低90%

与人工相比，机器视觉对小障碍物时间的漏报率降低90%。极大提升矿车运行安全性。

远距离异物发现时间提前2-3秒

与人工相比，机器视觉能够及时发现远距离异物目标，发现时间提前2-3秒，给异常处理提供了缓冲时间。

相比对激光雷达方案成本降低80%