机器人高光谱矿物分析系统
机器人辅助的井下矿物勘探高光谱成像技术
英文: Robot-aided Hyperspectral Imaging For Mineral Exploration in Underground Mining Environments
研究单位
代尔夫特理工大学
摘要
在能源转型及政治环境动荡的背景下，关键原材料的需求持续攀升，这促使欧洲各地重新启动了新的采矿与勘探项目。高光谱成像技术已证明是矿产勘探中一种快速而有效的非侵入性手段。通过在无人机和各类机器人上装载高光谱及激光雷达传感器，能够安全地测绘那些难以接近且充满危险的区域，以搜集关键的地质信息。随着地下矿山向更深处、更危险的地带延伸，迫切需要一种机器人辅助的地下环境高光谱矿产勘探技术。该研究在Boston Dynamics Spot多功能机器人上配备了Cubert X20P高光谱成像仪（VNIR）和VLP16激光雷达，构建了一个适用于地下采矿环境的多传感器机器人平台。研究还提出了一套数据采集流程，并在德国Zinnwald/Cinnovec矿区进行了云英岩化花岗岩的实地井下应用。通过高光谱与几何数据的结合，获得了独特的3D高光谱点云结果，有效解读了矿物和结构特征。高光谱分析成功识别了铁质矿物、粘土矿物以及多个矿脉和断层结构。这种远程矿产勘探方法在地下矿山的应用，极大地提升了操作人员的安全，减少了接触危险区域的风险。所提出的平台和流程展现了其在地下矿产勘探领域的巨大潜力，尤其是随着数据质量和机器人自主能力的进一步提升。
高光谱数据：高光谱数据由Cubert X20P机载框幅式高光谱成像仪获取。该成像仪采用革命性的框幅式高光谱成像技术，具有20MP的超高清大面阵光谱探测器，可同步获取350~1000 nm范围内164个光谱通道高光谱图像，在1/1000秒内获得整个高光谱立方体数据，更适合高速移动式测量，数据真实可靠无伪影，影像具有厘米级地理坐标信息，既适用于地面场景，也可配备一体式无刷云台，搭载于多旋翼或固定翼无人机。
研究过程
图1 （A）阿尔滕贝格-特普利采火山口及其周边地区的地质图、（B）Zinnwald/Cinnovec钠长石花岗岩（带有Tiefer Bünaustollen坑道）、（C）横截面
图2 机器人高光谱矿物分析系统完整机械配置（含Spot、VLP16和Cubert X20P）示意图（正面和侧面）
表1 研究所采用机器狗（Spot）的参数
图3 Cubert X20P安装于Spot的3D设计
图4 机器人高光谱矿物分析系统侧视图（配备两台CORE计算机、Cubert X20P高光谱成像仪和VLP16激光雷达）
表2 Cubert X20P高光谱成像仪参数
图5 Cubert X20P高光谱成像仪实物图
表3 VLP16激光雷达参数
图6 主控计算机和网络配置
图7 用于创建高光谱点云的通用数据工作流程
图8 机器人高光谱矿物分析系统实验室测试
图9 岩石样本高光谱RGB图像及其特征表
图10 用虚线表示的岩石表面UG-1和UG-2的高光谱点云RGB图（A）及外业考察图（B）
图11 机器人高光谱矿物分析系统在Zinnwald/Cinnovec矿采集UG-1岩石表面作业图
图12 岩石样本Cubert X20P和Fenix的Fe3+波段比值可视化图
图13 岩石样本高光谱影像RGB图及对应端元的高光谱曲线图
图14 RGB、Fe3+波段比值和端元假彩色高光谱点云图
图15 带有数据采集表面（UG-1和UG-2）和视场角（虚线）指示的原始点云俯视图（A）及UG-2（B）、UG-1（C）处理后的点云图
图16 UG-1高光谱点云RGB图与Fe³⁺波段比值吸收强度图（黑色箭头：脉状构造；红色区域：透镜状结构；蓝色箭头：亮色圆形斑点）
图17 UG-1端元RGB散点图和相应的端元光谱曲线
图18 UG-2高光谱点云RGB图与Fe³⁺波段比值吸收强度图
图19 UG-1（A）和Fenix（B）Fe3+波段比值高光谱点云分析比较
图20 基于Fenix、实验室及地下应用的端元矿物光谱库（灰色框为铁元素的光谱特征区间）
表4 实验室端元特征及其解译的矿物相关性
表5 UG-1端元特征及其解译的矿物相关性
表6 UG-2端元特征及其解译的矿物相关性
研究结论
设计的机器人高光谱矿物分析系统已被证实可成功在井下采矿环境中获取高光谱与几何数据，并通过处理生成高光谱点云支持多维度分析。值得注意的是，即便仅配备小型高光谱传感器，该系统仍能生成大量有效信息。研究提出的工作流程可在预处理阶段优化数据质量，随后通过Hylite软件进行人工高光谱点云投影。基于生成的高光谱点云开展的光谱分析，对来自Zinnwald/Cinnovec矿山的实验室样本与井下岩面提供了可靠的结果：
（1）Fe³⁺波段比值分析可识别断层、脉状构造及岩表铁氧化蚀变带，其原理是铁元素在岩石表面的氧化作用会导致特征光谱响应。
（2）赤铁矿（hematite）、针铁矿（goethite）和黄钾铁矾（jarosite）等含铁矿物，可通过实验室与井下数据的端元提取与光谱解混结果高置信度关联。
（3）高岭石（kaolinite）在可见光-近红外（VNIR）波段虽无诊断性光谱特征，但依据其空间分布规律与整体光谱形态，仍能可靠关联实验室与井下场景的端元。
（4）实验室与井下端元的光谱相似性表明，该特征并非特定矿物的诊断性光谱，而是所测样本与岩体在VNIR范围内云英岩（greisen）的岩性指示标志。此类光谱特征可能是多矿物混合谱或VNIR区间无诊断性光谱矿物的综合反映。
研究结果已通过Zinnwald/Cinnovec矿区岩石的既有研究成果得到验证，显示二者在可见光-近红外（VNIR）波段具有相似的光谱特征，且三维点云数据具有可比性。得益于Spot机器人灵活的特性，该配置系统能够在复杂崎岖的井下采矿环境中完成数据采集。结合Cubert X20P相机的综合操作手册及数据采集任务的执行经验，该机器人高光谱矿物分析系统既可补充矿物勘探研究，又能创造更安全的井下工作环境，展现出卓越的应用潜力。
原文链接：https://repository.tudelft.nl/record/85233b49-6b59-4d4a-8857-99ebcdb78979
