摘要
本申请公开了一种露天矿电铲自动控制系统及方法,其通过采用基于深度学习的神经网络模型对障碍物目标区域进行特征提取来挖掘出障碍物目标区域中的深层次语义特征,以提高对障碍物的具体的类型和特性的识别精度;进一步通过对障碍物类型和障碍物的相对位置进行联合编码分析,来实现对障碍物类型及其与电铲间距离关系的深度理解,以得到能够综合反映障碍物类型和距离信息的交互编码特征,并基于所述交互编码特征,来确定是否生成紧急制动指令。通过这样的方式,提升了障碍物的检测精度,进而实现了对障碍物更精确、更智能的识别与响应,大大提高了露天矿电铲作业的安全性。
技术关键词
露天矿电铲
编码向量
自动控制系统
跨模态
线索
图像编码
编码特征
图像特征提取
障碍物识别
多模态特征融合
核心
采集周围环境
矩阵
滤波
YOLO模型
自动控制方法
激光雷达