一种基于光场相机和深度学习的井工矿无人驾驶方法

本申请公开了一种基于光场相机和深度学习的井工矿无人驾驶方法，涉及无人驾驶，包括：采集光场数据，并进行时空同步操作；对时空同步操作后的光场数据依次进行去噪处理、颜色校正和几何校正；根据校正后的光场数据生成对应的视差图和深度图；将深度图转换为3D点云模型；3D点云模型输入预训练的HyperVoxelNet障碍物检测模型中，输出检测到的障碍物的类别和位置信息；根据检测到的障碍物的类别和位置信息，通过A star算法进行路径规划，得到井工矿无人车的行驶路线；根据行驶路线，生成对应的控制指令，控制井工矿无人车按照行驶路线驾驶。针对现有技术中井工矿环境下无人驾驶动态感知能力弱，本申请提高了井下无人驾驶感知井工矿动态环境的能力。