董立紅，宋偉思，符立梅

(西安科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，陜西 西安 710600)

0 引 言

我國(guó)是世界上最大的煤礦生產(chǎn)和消費(fèi)大國(guó)，煤礦是國(guó)民經(jīng)濟(jì)發(fā)展中不可或缺的重要能源[1]。隨著信息化水平不斷提高，數(shù)字礦山[2]的概念被提出，數(shù)字礦山是信息技術(shù)在礦山產(chǎn)業(yè)中的應(yīng)用。核心思想是：利用科學(xué)的預(yù)測(cè)方法、有效的數(shù)學(xué)模型、先進(jìn)的圖像處理技術(shù)實(shí)現(xiàn)礦業(yè)資源、礦山生產(chǎn)和經(jīng)營(yíng)運(yùn)作過程的數(shù)字化和可視化。煤產(chǎn)量是衡量煤礦企業(yè)經(jīng)濟(jì)效益的一項(xiàng)重要指標(biāo)，但我國(guó)煤礦智能化發(fā)展處于初級(jí)階段，技術(shù)設(shè)備滯后于企業(yè)需求、智能化建設(shè)技術(shù)標(biāo)準(zhǔn)與規(guī)范缺失、高端人才匱乏[3]，亟需通過不斷進(jìn)行理論、技術(shù)與裝備創(chuàng)新，推動(dòng)我國(guó)煤礦工業(yè)智能化快速發(fā)展。煤礦智能化中的煤礦數(shù)字化指以煤礦科學(xué)技術(shù)、信息科學(xué)、人工智能和計(jì)算科學(xué)等為理論基礎(chǔ)，建立煤礦各環(huán)節(jié)的數(shù)學(xué)模型、力學(xué)模型或信息模型等實(shí)現(xiàn)煤礦數(shù)字化管理。因此，基于雙目視覺的井下帶式輸送機(jī)表面煤量測(cè)重的計(jì)算理論與方法的研究將煤礦井下煤產(chǎn)量轉(zhuǎn)化為可度量的數(shù)字、數(shù)據(jù)，符合國(guó)家對(duì)數(shù)字礦山的發(fā)展趨勢(shì)，滿足礦業(yè)需求。

目前，井下煤量檢測(cè)方法分為接觸式和非接觸式檢測(cè)。接觸式檢測(cè)主要為皮帶秤[4]，由于煤礦井下應(yīng)用場(chǎng)景的復(fù)雜性，電子皮帶秤的使用仍存在不足：① 標(biāo)定精度高，使用環(huán)境決定使用精度；② 人為故意操作會(huì)嚴(yán)重影響煤產(chǎn)量計(jì)量；③ 少量煤時(shí)無法測(cè)重。核子秤[5]采用非接觸稱重，穩(wěn)定性好，但放射源是國(guó)家強(qiáng)制監(jiān)管物品，辦理手續(xù)麻煩。激光盤煤儀[6]使用非接觸高速激光測(cè)量方法采集運(yùn)輸面工作時(shí)的三維數(shù)據(jù)信息數(shù)據(jù)，進(jìn)而求出煤體積和重量。曾飛等[7]提出了帶式輸送機(jī)物料瞬時(shí)激光測(cè)量方法，但價(jià)格昂貴，難以普遍使用。

針對(duì)以上問題，提出了一種新的非接觸式測(cè)重方法。首先，提出一種新的體積測(cè)量方法，再結(jié)合密度計(jì)算煤量。目前，對(duì)于不規(guī)則物體體積測(cè)量較困難，且物體體積較大，特別是動(dòng)態(tài)的不規(guī)則物體體積的測(cè)量。例如：煤體積的測(cè)量，傳統(tǒng)的人工測(cè)量方法耗費(fèi)大量人力、財(cái)力和時(shí)間。周麒等[8]建立結(jié)構(gòu)光雙目測(cè)量系統(tǒng)獲取物體表面三維點(diǎn)坐標(biāo)進(jìn)行體積測(cè)量，毛佳紅等[9]通過線結(jié)構(gòu)光法和雙目視覺原理實(shí)現(xiàn)三維重建進(jìn)行積分式的體積測(cè)量，但在測(cè)量時(shí)需確保激光掃描儀勻速前進(jìn)，直到所有物體掃描完才能獲得物體表面所有點(diǎn)的信息，操作難度大，且成本高。高如新等[10]利用雙目視覺和SURF(Speed Up Robust Features)特征匹配算法提取特征點(diǎn)實(shí)現(xiàn)體積計(jì)算，但所提方法中特征點(diǎn)是稀疏的，使得體積測(cè)量誤差較大。屈濱等[11]通過雙目視覺獲取圖像信息,經(jīng)圖像拼接擬合煤場(chǎng)三維曲面,進(jìn)而實(shí)現(xiàn)煤體積和質(zhì)量計(jì)算，但圖像拼接中由于像素的灰度和梯度特征存在較大差異，像素不匹配，拼接后圖像存在明顯圖像裂縫。因此，基于雙目視覺測(cè)距原理[12]的煤體積測(cè)量方法需進(jìn)一步研究。由于操作容易、設(shè)備輕巧、可以計(jì)算出密集的視差圖，應(yīng)用到體積測(cè)量，最后結(jié)合煤密度計(jì)算煤量。試驗(yàn)主要包括圖像獲取、圖像分析、立體匹配、圖像分割、深度計(jì)算、三維重建。該方案采用真實(shí)數(shù)據(jù)進(jìn)行試驗(yàn)研究，可以適應(yīng)于煤礦井下特殊環(huán)境測(cè)重的需求，保證測(cè)量數(shù)據(jù)的真實(shí)性和穩(wěn)定性。

1 雙目視覺模型

左右2個(gè)攝像機(jī)在水平方向的不同位置組成的雙目立體系統(tǒng)[13]。如圖1所示，描述的是在理想情況下，即一對(duì)經(jīng)過校正以后在豎直方向沒有位移差的雙目圖像，物體表面上的P點(diǎn)在左右攝像機(jī)投影平面上處于同一極線。被拍攝物體表面上的一點(diǎn)P相對(duì)于攝像機(jī)的距離可以用深度值來表示。

圖1 雙目立體系統(tǒng)Fig.1 Binocular stereo system

圖1中，T為左右攝像機(jī)光軸中心Ol到Or之間的距離；fl和fr為左右攝像機(jī)的焦距xl和xr為點(diǎn)P在左右攝像機(jī)投影平面上的橫坐標(biāo)，Z為物體P點(diǎn)到相機(jī)光軸中心的距離，d為視差,d=x1-xr。

2 主煤流深度值計(jì)算

首先用雙目相機(jī)獲取真實(shí)場(chǎng)景下主運(yùn)面的雙目俯視視頻，提取每一幀圖像并對(duì)圖像進(jìn)行預(yù)處理；然后采用opencv中的半全局塊匹配算法(SGBM)對(duì)處理過的圖像進(jìn)行立體匹配計(jì)算出對(duì)應(yīng)的視差圖并對(duì)視差圖進(jìn)行空洞填充；再用改進(jìn)的分水嶺分割算法將目標(biāo)(原煤)提取出來，根據(jù)視差信息計(jì)算深度信息，根據(jù)相機(jī)標(biāo)定的內(nèi)外參數(shù)建立像素坐標(biāo)系和世界坐標(biāo)系之間的關(guān)系計(jì)算各點(diǎn)的三維信息；在三維信息基礎(chǔ)上提出一種新的體積測(cè)量方法；最后，根據(jù)煤密度計(jì)算出煤質(zhì)量。本文提出的煤量測(cè)量試驗(yàn)方案流程如圖2所示。

圖2 試驗(yàn)方案流程Fig.2 Experimental scheme flow

2.1 雙目圖像獲取

用雙目相機(jī)獲取煤礦井下主運(yùn)輸面的俯視視頻，相機(jī)垂直于主皮帶表面，盡可能獲得較全面的皮帶運(yùn)輸表面的左右俯視圖，對(duì)所采集視頻提取每一幀圖像。

2.2 圖像預(yù)處理

井下圖像在采集和傳輸中受電磁干擾，噪聲較大。除光源照射區(qū)域外，其余區(qū)域亮度和對(duì)比度都比較低，稱為非均勻照度圖像[14](Non-Uniform Illumination Image)。針對(duì)煤礦井下圖像特性，選用合適的圖像預(yù)處理算法，算法過程如下：

1)采用中值濾波的算法除去圖像噪聲，消除孤立的噪點(diǎn)。

2)對(duì)圖像進(jìn)行增強(qiáng)，直方圖均衡化算法[15]，Retinex算法[16]、廣義反銳化掩膜算法[17]，均可用于非均勻照度圖像的增強(qiáng)，但會(huì)產(chǎn)生過增強(qiáng)現(xiàn)象。因此首先采用對(duì)數(shù)函數(shù)和指數(shù)函數(shù)可以增強(qiáng)低強(qiáng)度和中強(qiáng)度，函數(shù)分別如式(1)和式(2)所示：

(1)

I2=1-exp(-X)

(2)

式中：X為輸入圖像；I1為對(duì)數(shù)縮放函數(shù)后的圖像；*為乘法算子；I2為經(jīng)過指數(shù)函數(shù)處理后的圖像。

3)使用自適應(yīng)對(duì)數(shù)圖像處理(LIP)方法將指數(shù)函數(shù)和對(duì)數(shù)函數(shù)得到的圖像組合在一起，以獲得保持兩個(gè)圖像特征的圖像；自適應(yīng)對(duì)數(shù)函數(shù)如式3所示：

(3)

式中：λ為控制增強(qiáng)過程的標(biāo)量；I3為經(jīng)LIP處理后的圖像。

4)使用改進(jìn)的s曲線函數(shù)提高圖像的整體亮度，增強(qiáng)效果更好。改進(jìn)的s曲線函數(shù)為：

I4=erf(λ*arctan(exp(I3))-0.5*I3)

(4)

式中，I4為經(jīng)s曲線函數(shù)處理后的圖像；erf為誤差函數(shù)。

預(yù)處理后的結(jié)果如圖3所示，其中圖3a、圖3b分別為真實(shí)煤礦井下雙目左、右圖像，圖3c、圖3d分別為為改進(jìn)前左、右圖像增強(qiáng)結(jié)果，圖3e、圖3f分別為本文圖像增強(qiáng)的結(jié)果。可以看出本文圖像增強(qiáng)算法可以避免圖像過增強(qiáng)。

圖3 圖像增強(qiáng)Fig.3 Image enhancement

2.3 視差計(jì)算

通過立體匹配就可以計(jì)算出左右圖像的密集視差圖，視差指左右雙目圖像中，2個(gè)匹配塊中心像素的水平距離。采用opencv庫中改進(jìn)的半全局匹配算法(SGBM)計(jì)算圖像的視差圖。SGBM算法主要分為4個(gè)過程：預(yù)處理、代價(jià)計(jì)算、動(dòng)態(tài)規(guī)劃和和后處理。預(yù)處理主要采用水平sobel算子獲得梯度信息；代價(jià)計(jì)算由預(yù)處理后的圖像通過采樣的方法得到梯度代價(jià)和原圖像通過采樣的方法得到SAD代價(jià)組成；半全局算法通過多方向一維路徑的約束建立一個(gè)全局的馬爾科夫方程，在各個(gè)方向上按照動(dòng)態(tài)規(guī)劃的思想進(jìn)行能量求和，再將各個(gè)方向的匹配代價(jià)相加得到總的匹配代價(jià)；后處理包括性一性檢測(cè)、亞像素插值、左右一致性檢測(cè)，根據(jù)圖像調(diào)整4個(gè)過程中的參數(shù)，以確保得到最優(yōu)視差圖。采用SGBM算法得到的視差圖存在很多空洞信息，即誤匹配點(diǎn)。為了增強(qiáng)視差的連續(xù)性，需要對(duì)視差圖進(jìn)行空洞填充。對(duì)視差圖進(jìn)行一次中值濾波，將較小的空洞用鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值進(jìn)行填充。不僅去除視差圖中孤立的噪點(diǎn)，而且保證圖像不會(huì)過度平滑。由于原煤表面視差值變換較緩可以采用最近鄰插值的方法將剩余的較大鄰域的空洞填充，結(jié)果如圖4所示，改進(jìn)前視差空洞較多，不能得到準(zhǔn)確的視差值，本文視差圖可以表示出每一點(diǎn)的視差值，目標(biāo)區(qū)域的視差值更為精確。

圖4 計(jì)算視差圖Fig.4 Calculated parallax

2.4 圖像分割

經(jīng)典的分割算法如：分水嶺分割[18]、閾值分割[19]、小波變換[20]、邊緣檢測(cè)[21]，分水嶺分割算法模擬水的淹沒過程分割速度快、精度高成為圖像分割的熱點(diǎn)。文中采用模擬浸水過程實(shí)現(xiàn)圖像分割。

2.4.1 傳統(tǒng)的分水嶺算法

模擬浸水原理為：將圖像中所有像素的灰度值對(duì)應(yīng)于地形中的海拔高度，包括盆地(局部灰度極小點(diǎn))、山脊(圖像邊緣)以及盆地和山脊之間的山坡。在這個(gè)地形各個(gè)“盆地”最低處穿孔，同時(shí)將整個(gè)地形垂直放入湖中，水面逐步上升。直到淹沒整個(gè)“地形”，使得不同“匯水盆地”的水可能會(huì)匯集，因此需要修建堤壩阻止不同“匯水盆地”進(jìn)行匯集，則該堤壩稱為“分水嶺”。這樣“堤壩”將各個(gè)“盆地 (目標(biāo) )”隔擋 ，完成圖像分割。分水嶺表示的是輸入圖像極大值點(diǎn)。因此，為得到圖像的邊緣信息，通常把梯度圖像作為輸入圖像。

2.4.2 改進(jìn)的分水嶺分割算法

傳統(tǒng)的分水嶺分割仍存在以下缺點(diǎn)：① 對(duì)噪聲極敏感，易造成分割輪廓偏移;② 受噪聲、量化誤差影響，易產(chǎn)生過度分割。針對(duì)以上問題，對(duì)分水嶺算法進(jìn)行改進(jìn)，用雙邊濾波預(yù)處理和形態(tài)學(xué)梯度重建的標(biāo)記分水嶺圖像分割方法。分割過程如下：首先對(duì)原始圖像進(jìn)行雙邊濾波預(yù)處理；然后計(jì)算形態(tài)學(xué)梯度，接著采用形態(tài)學(xué)開閉重建運(yùn)算對(duì)梯度圖像進(jìn)行重建；最后，對(duì)重建的梯度圖像進(jìn)行基于標(biāo)記的分水嶺分割。分割過程如圖5所示。

圖5 改進(jìn)分水嶺算法Fig.5 Improved watershed algorithm

算法步驟描述如下：

1)用雙邊濾波對(duì)圖像進(jìn)行預(yù)處理，消除噪聲的干擾。

2)計(jì)算形態(tài)學(xué)梯度：與傳統(tǒng)的梯度計(jì)算不同的的是，形態(tài)學(xué)梯度[22]能增強(qiáng)圖像中極值對(duì)比度，還能保持圖像中相對(duì)平滑的區(qū)域。梯度圖像g(x,y)定義為：

(5)

式中：f(x,y)為原始圖像；b(x,y)為圓盤狀結(jié)構(gòu)元素；⊕和Θ分別為灰度形態(tài)學(xué)膨脹和腐蝕運(yùn)算。

(6)

(7)

形態(tài)學(xué)閉重建運(yùn)算建立在測(cè)地腐蝕的基礎(chǔ)上，類似地，測(cè)地腐蝕和測(cè)地閉重建運(yùn)算分別定義為：

(8)

(9)

形態(tài)學(xué)混合開閉重建運(yùn)算定義為先開后閉得二次重建，即

(10)

形態(tài)學(xué)混合開閉重建運(yùn)算減少因細(xì)節(jié)和噪聲干擾造成的分水線位置偏移造成的分水嶺過分割現(xiàn)象。

(11)

式中：gθ為閾值。

分別采用傳統(tǒng)和改進(jìn)的分水嶺算法對(duì)視差圖進(jìn)行分割，結(jié)果如圖6所示。可以看出：改進(jìn)的分水嶺算法抑制了嚴(yán)重的過分割現(xiàn)象，產(chǎn)生較好的分割結(jié)果。圖6b中間位置白色線條內(nèi)即為目標(biāo)區(qū)域。

圖6 分割結(jié)果Fig.6 Segmentation result graph

2.5 深度信息計(jì)算

根據(jù)分水嶺算法的分割結(jié)果，將原煤目標(biāo)區(qū)域的視差值保存下來，根據(jù)視差和深度之間的關(guān)系計(jì)算物體表面的深度信息Z。由三角測(cè)量原理可知，視差d和深度Z的關(guān)系為

(12)

式中：B′為相機(jī)的基線距離，取120 mm；f為相機(jī)焦距，取2.1 mm。

3 主煤流體積測(cè)量

3.1 體積計(jì)算原理

目標(biāo)體積測(cè)量對(duì)象是煤礦井下主運(yùn)面的原煤，原煤俯視圖求出的深度信息可以表示原煤表面點(diǎn)的深度信息。原煤深度圖中的點(diǎn)均勻分布，可以用三重積分來求解，用公式表達(dá)為：

(13)

式中：V為原煤體積；Δs為每個(gè)像素點(diǎn)對(duì)應(yīng)的小立方體的面積；hi為每個(gè)像素點(diǎn)對(duì)應(yīng)的小立方體到皮帶表面的距離；N為目標(biāo)區(qū)域像素點(diǎn)的個(gè)數(shù)。

一般地，把原煤表面點(diǎn)當(dāng)作離散的像素采樣點(diǎn)，每個(gè)物點(diǎn)距離主輸送帶表面的高度為采樣點(diǎn)的值，這些采樣點(diǎn)的平均值就是目標(biāo)區(qū)域的平均高度值，那么原煤體積就可以近似用原煤平均高度和原煤底面積的乘積來表示。由于這種近似估計(jì)的方法估算的結(jié)果存在誤差大的缺點(diǎn)，本文提出一種新的體積估算方法，步驟如下：

1)對(duì)目標(biāo)區(qū)域內(nèi)每個(gè)像素點(diǎn)基于視差值進(jìn)行分類，統(tǒng)計(jì)出不同視差值下像素點(diǎn)的個(gè)數(shù)ni，并計(jì)算出每個(gè)視差值下像素點(diǎn)占整幅圖像素點(diǎn)E的比值pi為：

(14)

統(tǒng)計(jì)不同視差值下的像素?cái)?shù)量，將可取到的視差值分為M類：統(tǒng)計(jì)直方圖如圖7所示。

圖7 不同視差值的像素?cái)?shù)量統(tǒng)計(jì)直方圖Fig.7 Statistical histogram of the number of pixels with different parallax values

2)同一視差值下對(duì)應(yīng)的像素點(diǎn)具有相同的高度，那么原煤體積就可以用不同視差值下像素點(diǎn)占目標(biāo)區(qū)域的像素點(diǎn)的比值pi、帶寬w、當(dāng)前圖像幀下的皮帶長(zhǎng)度b、不同視差值下的像素點(diǎn)對(duì)應(yīng)的小立方體到皮帶表面的距離li(每一個(gè)像素點(diǎn)內(nèi)的原煤高度)的乘積來表示。即：

(15)

式中：M為視差值的種類數(shù)量。

3.2 原煤高度計(jì)算

由于深度圖像中儲(chǔ)存的像素值為物點(diǎn)到攝像頭的距離，所以原煤高度為相機(jī)到主皮帶表面的距離與原煤區(qū)域深度值之差。在圖像采集過程中，測(cè)得相機(jī)到主輸送帶表面的距離已知記為m，即原煤的高度li為：

li=m-zi

(16)

式中：zi為不同視差值對(duì)應(yīng)的深度值。

3.3 當(dāng)前圖像的主輸送帶長(zhǎng)度計(jì)算

由于原煤在輸送帶上運(yùn)輸，設(shè)輸送帶前端點(diǎn)A的空間三維坐標(biāo)為(X1,Y1,Z1)，與左相機(jī)成像平面交點(diǎn)為(u1,v1)，設(shè)輸送帶后端點(diǎn)B的空間三維坐標(biāo)為(X2,Y2,Z2)，與左相機(jī)成像平面交點(diǎn)為(u2,v2)，通過深度計(jì)算，可以得到點(diǎn)A和點(diǎn)B的Z軸坐標(biāo)Z1和Z2。通過標(biāo)定好的相機(jī)內(nèi)外參數(shù)，通過采用重投影映射的的方法實(shí)現(xiàn)像素坐標(biāo)與世界坐標(biāo)之間的轉(zhuǎn)換，X方向和Y方向的坐標(biāo)表示為：

(17)

計(jì)算得到A、B兩點(diǎn)X方向和Y方向上的坐標(biāo)信息(X1,Y1)和(X2,Y2) 就再可以得到物體得三維坐標(biāo)信息，可以計(jì)算當(dāng)前圖像下輸送的長(zhǎng)度b。即：

b=|Y2-Y1|

(18)

則采樣時(shí)間t可以表示為：

(19)

式中：v3為主輸送帶傳輸速度。

3.4 體積計(jì)算

研究的是基于雙目視頻的動(dòng)態(tài)煤體積測(cè)量方案。試驗(yàn)采用離散的體積計(jì)算方法，為了避免重復(fù)計(jì)算問題，跳幀的方法來提取圖像，雙目相機(jī)幀率為30 fps/s，可以計(jì)算出當(dāng)前圖像下的主輸送帶運(yùn)輸?shù)臅r(shí)間t秒內(nèi)圖像幀數(shù)f為：

f=30t

(20)

最后將跳幀提取的圖像所得體積累加求和，計(jì)算得到某段時(shí)間內(nèi)煤的體積。設(shè)輸送帶寬度為w，一段時(shí)間T內(nèi)，帶式輸送機(jī)輸送的煤體積采用式(21)計(jì)算得到。

(21)

式中：k為第k幀圖像;Pk,i為第k幀圖像第i類視差值的概率;zk,i為第k幀圖像第i類視差值對(duì)應(yīng)的物體的高度;i為第i類視差。

4 算法驗(yàn)證和結(jié)果分析

試驗(yàn)操作系統(tǒng)為 windows10，CPU 為core i7-8700k，用Matlab編程完成整個(gè)試驗(yàn)。

根據(jù)煤密度ρ和原煤體積V，可以根據(jù)式(22)計(jì)算煤質(zhì)量。

m=ρV

(22)

試驗(yàn)中采集陜北曹家灘煤礦122109首個(gè)綜采放頂煤工作面原煤2020-05-28T14：31：00—2020-05-28T15：02：18的雙目視頻，原煤一般粒度≤300 mm，毛煤中有300～400 mm的大塊，比例為15%～20%，當(dāng)前圖像下輸送帶的長(zhǎng)度b=0.83 m，原煤的平均高度h=0.46 m，堆煤密度為ρ=0.9 t/m3，v3=4.5 m/s，w=2 m。

表1為不同時(shí)間內(nèi)算法改進(jìn)前后原煤體積計(jì)算結(jié)果。改進(jìn)的分水嶺分割算法能更準(zhǔn)確的將原煤區(qū)域分割出來，減少了過分割現(xiàn)象，使得分割效果更好；改進(jìn)前的體積計(jì)算方法采用原煤的近似平均高度計(jì)算得到原煤體積，提出的體積計(jì)算方法通過計(jì)算原煤每一點(diǎn)對(duì)應(yīng)的高度，使得計(jì)算結(jié)果更準(zhǔn)確。

表1 原煤體積測(cè)量結(jié)果Table 1 Volume measurement results of raw coal

不同時(shí)間下人工(磅秤)、改進(jìn)前和本文測(cè)量結(jié)果見表2，數(shù)據(jù)分別為不同時(shí)間的主運(yùn)輸表面的雙目俯視視頻，時(shí)間分別為1、5、16 min的結(jié)果顯示誤差均低于10%，可以滿足礦井需求。

表2 原煤質(zhì)量測(cè)量結(jié)果及誤差分析Table 2 Weight measurement results of raw coal and error analysis

5 結(jié) 論

1)圖像預(yù)處理方法避免了圖像過增強(qiáng)現(xiàn)象的產(chǎn)生；采用中值濾波和最近鄰插值法分別填充視差圖中較小和較大的空洞，可以增強(qiáng)視差圖的連續(xù)性，得到更為精確的視差值。

2)改進(jìn)的分水嶺算法抑制了過分割現(xiàn)象，使分割結(jié)果更為準(zhǔn)確。

3)體積計(jì)算方法通過計(jì)算原煤每一點(diǎn)對(duì)應(yīng)的高度，使得煤量計(jì)算誤差低于10%。所用硬件設(shè)施簡(jiǎn)單，可以實(shí)時(shí)獲取雙目視頻，采用一種新的體積計(jì)算方法實(shí)現(xiàn)煤礦產(chǎn)量數(shù)字化，符合煤礦智能化發(fā)展的要求。