煤炭学报

作者：张子瑜, 顾清华, 李少博, 赵洋滋,

关键词：露天矿, 拉普拉斯金字塔, 跃层连接, DEAB, CGA, 深度补全,

深度信息是无人矿卡在露天矿复杂恶劣环境下环境感知的重要组成部分，采用激光雷达或双目系统获取环境深度信息时，易被露天矿粉尘、雨雾和复杂光线等因素影响。因此，提出一种基于热红外图像的障碍物深度估计方法，首先通过深度补全技术将稀疏深度图转化为稠密深度图作为监督标签，随后基于热红外图像实现单目深度估计，提升无人矿卡在恶劣环境中深度信息获取能力。提出一种结合拉普拉斯金字塔深度残差(Laplacian Pyramid Depth Residual)和跃层连接的网络结构，显著提升深度估计的准确性。该结构通过多尺度深度信息捕捉不同层次的细节特征，并利用跃层连接(Hierarchical Connection，HC)增强细节恢复能力，使模型能更好地处理复杂场景中的细微变化。为进一步提升模型性能，引入内容引导注意力(Content-Guided Attention，CGA)融合模块(CGA-Driven Cross-layer Interaction，CGA-DCI)，通过改进高频和低频信息的融合过程，避免简单拼接方法导致的信息丢失问题，提升深度估计的精度和鲁棒性。此外，提出细节增强注意力模块(Detail-Enhanced Attention Blocks，DEAB)强化对图像细节的提取，使模型能够有效应对露天矿环境中粉尘、雨雾和复杂光线等干扰，在恶劣条件下仍保持较高的深度估计准确性。实验结果显示，结合拉普拉斯金字塔深度残差和跃层连接，CGA-DCI和DEAB模块的模型在矿卡深度估计任务中， \delta _1.25 为83.3%，AbsRel为15.2%，相较于主流的深度估计方法，估计精度有所提升，能够为无人矿卡在复杂恶劣环境中提供全时域的深度信息。

来源：2026年第4期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2026年第4期