来源：期刊VIP网 时间：
作者：陈新;兰媛;牛蔺楷;钮晨光;
单位：太原理工大学机械与运载工程学院;太原理工大学先进传感器与智能控制系统教育部重点实验室;
摘要：近年来，我国市场经济快速发展，基础建设投资持续增加，挖掘机在建筑施工、矿山开采、国防工程等土石方作业中应用日益广泛。在挖掘机自动化研究领域，传统接触式传感器常被用于工作装置姿态测量，但设备振动和碰撞容易导致传感器损坏。虽然基于人工标记的视觉检测方法被提出作为替代方案，但其存在标记易污染、检测困难等问题。针对上述问题，本研究提出一种无人工标记的视觉检测方法，以挖掘机杆件铰点为测量对象。研究采用Keypoint RCNN深度学习算法，通过标注杆件铰点构建数据集，并以此训练视觉检测模型。该模型能够准确识别杆件铰点，结合关键点约束关系与相机成像原理，实现三维坐标解算与杆件姿态角计算。实验结果显示，该姿态测量系统性能优异，瞬时测量偏差与平均测量偏差均控制在±1°以内，满足视觉伺服系统的姿态预测精度要求。同时，系统每帧图像处理时间平均仅为200ms，具备良好的实时性，可有效应用于挖掘机工作装置姿态测量。
关键词：挖掘机;;关键点;;工作装置姿态;;实时测量
基金资助：山西省关键核心技术和共性技术研发攻关项目（2020XXX001）
