【技术实现步骤摘要】
基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法
本专利技术涉及钢铁厂无人化行车系统控制,具体涉及一种结合了多尺度特征提取与Pointnet神经网络对目标钢卷进行识别与分类的方法。
技术介绍
为提高钢铁厂库区钢卷装卸的作业效率,同时为避免库区高危作业环境产生的操作风险,钢铁厂库区的无人化操作管理正逐渐成为自动化领域的重要研究趋势。其中通过识别钢卷以正确执行自动装卸钢卷作业,更是整个钢厂无人化操作系统中极为关键的工序之一。目前的方法主要是利用三维扫描仪扫描载钢卷卡车,通过生成三维点云数据进行传统的手工点云属性判别与分类处理。此方法直接基于圆柱体拟合算法进行钢卷识别,由于采集的三维点云数据存在较多无用点云区域,如卡车车厢平面与地面点云,且鞍座与钢卷互相遮挡程度较大,所以此方法对于钢卷的有效识别与分类精度低,效率差,具有一定的局限性。
技术实现思路
专利技术目的:针对现有的钢铁库区三维激光扫描系统无法自主预知钢卷点云块的属性,仍需进行传统的手工点云属性判别的问题,本专利技术提出一种基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法,有效提高了钢卷识别的效率和分类的精度。技术方案:一种基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法,包括以下步骤:S1、利用扫描仪对载钢卷卡车车厢进行扫描,对扫描获得的原始三维点云数据进行坐标转换与直通滤波处理,分离出仅包含车厢平面、钢卷、鞍座的点云团;S2、基于仅包含车厢平面、钢卷、 ...
【技术保护点】
1.一种基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,包括以下步骤:/nS1、利用扫描仪对载钢卷卡车车厢进行扫描,对扫描获得的原始三维点云数据进行坐标转换与直通滤波处理,分离出仅包含车厢平面、钢卷、鞍座的点云团;/nS2、基于仅包含车厢平面、钢卷、鞍座的点云团,通过随机采样一致型算法进行平面模型拟合与圆柱体模型拟合,剔除车厢平面点云,得到含钢卷和鞍座的点云团;/nS3、基于步骤S2所得点云团,通过边缘检测与聚类分割算法将黏连的多个目标点云团分割为彼此独立的单个目标的点云数据;/nS4、将彼此独立的单个目标点云数据输入到结合多尺度特征提取的Pointnet神经网络模型中进行分类,通过选取三个不同尺度,对输入进的单个目标点云数据中的每个点云选取邻域,利用Pointnet神经网络提取邻域特征作为每个点的局部特征,将不同尺度下的局部特征通过全连接层组合,并与利用Pointnet神经网络提取的全局特征结合,给出特征分类结果。/n
【技术特征摘要】
1.一种基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,包括以下步骤:
S1、利用扫描仪对载钢卷卡车车厢进行扫描,对扫描获得的原始三维点云数据进行坐标转换与直通滤波处理,分离出仅包含车厢平面、钢卷、鞍座的点云团;
S2、基于仅包含车厢平面、钢卷、鞍座的点云团,通过随机采样一致型算法进行平面模型拟合与圆柱体模型拟合,剔除车厢平面点云,得到含钢卷和鞍座的点云团;
S3、基于步骤S2所得点云团,通过边缘检测与聚类分割算法将黏连的多个目标点云团分割为彼此独立的单个目标的点云数据;
S4、将彼此独立的单个目标点云数据输入到结合多尺度特征提取的Pointnet神经网络模型中进行分类,通过选取三个不同尺度,对输入进的单个目标点云数据中的每个点云选取邻域,利用Pointnet神经网络提取邻域特征作为每个点的局部特征,将不同尺度下的局部特征通过全连接层组合,并与利用Pointnet神经网络提取的全局特征结合,给出特征分类结果。
2.如权利要求1所述的基于多尺度特征提取与Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,所述步骤S1具体包括:
S11、启动库区中卡车通道区域上方的三维激光扫描仪,获取卡车车厢点云的原始极坐标数据;
S12、将原始极坐标数据通过立体几何换算还原成笛卡尔坐标系的三维点云数据;
S13、对三维点云数据进行直通滤波,滤除车厢外的无关区域平面,仅保留车厢平面、钢卷、鞍座的点云数据。
3.如权利要求1所述的基于多尺度特征提取与Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,所述步骤S3中边缘检测包括:基于剔除车厢平面点云后的点云团,对点云进行边缘检测,检测并分离各个黏连状态的目标点云间的边缘点云,得到彼此分离的目标点云团。
4.如权利要求3所述的基于多尺度特征提取与Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,所述步骤S3中聚类分割算法实施如下:基于彼此分离的目标点云团,根据扫描仪安装高度、扫描密度,设置点云团聚类半径和聚类阈值,对目标点云团进行Meanshift聚类分割,将多个彼此分离的目标点云团分割成彼此独立的单个目标的有效点云。
5.如权利要求4所述的基于多尺度特征提取与Pointnet神经网络的钢卷点云识别与分类方法,其特征在于,所述对目标点云团进行Meanshift聚类分割,将多个彼此分离的目标点云团分割成彼此独立的单个目标的有效点云包括以下步骤:
S31、遍历彼此分离的目标点云团,随机选取某个点作为聚类中心c;
S32、根据...
【专利技术属性】
技术研发人员:牛丹,刘子璇,李奇,陈夕松,魏双,孙长银,
申请(专利权)人:东南大学,南京科远智慧科技集团股份有限公司,南京闻望自动化有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。