周李兵， 陈晓晶， 贾文琪， 卫健健， 叶柏松， 邹盛

（1. 中煤科工集团常州研究院有限公司，江苏 常州 213015；2. 天地（常州）自动化股份有限公司，江苏 常州 213015；3. 南京航空航天大学 机电学院，江苏 南京 210016）

0 引言

目前，我国煤矿多采用人工驾驶运输车辆。鉴于井下巷道环境复杂，作业人员繁多，驾驶员在疲劳驾驶或者误操作的情况下，容易造成车辆碰撞和侧翻等运输事故，威胁井下作业人员生命安全，影响生产效率。现阶段，我国煤矿开采技术正处于由传统开采转向智能化开采的关键时期。矿用运输车辆无人化作为智慧矿山建设的重要一环，很大程度上决定了煤矿开采的智能化程度[1]。矿用无人驾驶车辆的工作环境光照条件复杂，导致行人检测易出现漏检和误检现象，降低了矿用无人驾驶车辆的可靠性。

由于井下光照条件复杂，难以利用可见光对环境中的行人轮廓成像，在逆光和弱光情况下，需要联合其他图像传感器对环境中的行人目标成像，获取更多行人特征信息。红外摄像头通过补充红外线对场景成像，可以在复杂光照或弱光条件下工作，采集的图像为灰度图像。可见光摄像头可以提供场景中的细节纹理，具有更高的分辨率，且可见光图像更加契合人类的视觉系统。因此，可以通过融合红外和可见光图像，将红外线反射信息和细节纹理信息融合于可见光图像中，解决单个传感器的不足，改善目标检测效果。

红外与可见光图像融合方法主要分为传统方法和基于深度学习的方法[2]。……