料场物料的体积测量方法及系统技术方案

本发明专利技术公开了一种料场物料的体积测量方法及系统，其中，方法包括：步骤S1，利用激光扫描仪获取料场料堆的点云数据；步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；步骤S3，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；步骤S4，根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积，完成体积测量。本发明专利技术可以快速精准的获取料堆体积，实现料堆物料体积的自动化测量，降低人工成本，且准确度较高。

【技术实现步骤摘要】
料场物料的体积测量方法及系统
本专利技术涉及测量
，具体地，涉及一种料场物料的体积测量方法及系统。
技术介绍
在大型钢铁企业中，对料场物料进行精准存储和计量是降低钢铁企业成本的关键因素之一，是保证企业安全生产的基础。由于原料种类多，体积庞大，钢铁企业对料场物料体积进行自动化测量的需求十分迫切。为了对原料进行精准管理，首先要实时掌握料堆的体积变化。因此应用各种传感器对信息进行感知并融合，以完成可靠的体积反馈是测量系统首要的功能。现有的测量料场物料体积的方法，多采用传统测量工具、目测料堆点、人工计算料堆体积，未采用自动化测量手段，人工成本巨大且精准度低。
技术实现思路
鉴于以上问题，本专利技术的目的是提供一种料场物料的体积测量方法及系统，以实时高效的获取大型料场物料的体积。为了实现上述目的，本专利技术的一个方面是提供一种料场物料的体积测量方法，包括：步骤S1，利用激光扫描仪获取料场料堆的点云数据；步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；步骤S3，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；步骤S4，根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积，完成体积测量。优选地，所述步骤S2中，利用H/I模型对料场背景区域和料堆目标区域进行粗分割，其中，所述H/I模型中，若满足下式，则用色调H表示图像，若不满足下式，则用强度值I表示图像，其中，S表示饱和度，V表示明度。优选地，所述步骤S3包括：步骤S31，利用降维SIFT3D算法提取所述料堆目标区域的关键点，并计算所述关键点的FPFH特征；步骤S32，基于FPFH特征和RANSAC粗配准算法对同一视角下的料堆目标区域的点云数据进行粗配准；步骤S33，基于FPFH特征和ICP精配准算法对不同视角下的料堆目标区域的点云数据进行精配准。优选地，所述步骤S31包括：步骤S311，采用不同大小的高斯核函数对料堆目标区域的图像进行卷积滤波处理，生成多层尺度图像；步骤S312，在层级变换之间进行下采样来构建金字塔模式下的尺度空间；步骤S313，检测所述尺度空间中的极值点，并剔除对比度低于设定阈值的特征点和边缘响应点，得到关键点；步骤S314，确定关键点的主方向，关键点到邻域中心的幅值、方向角，以及K邻域点到邻域中心的幅值、方向角；步骤S315，对关键点的特征向量进行降维处理；步骤S316，建立关键点的FPFH特征描述如下：其中，Pi为第i个关键点，Pk为第k个K邻域点，ωk为第k个K邻域点的权值，K为K邻域点的数量，SPFH为简单特征直方图，FPFH为快速点特征直方图。优选地，所述步骤S315包括：对关键点确定一个设定范围的邻域，并将所述邻域旋转至所述关键点的主方向；计算所述邻域内像素点的水平梯度和垂直梯度，确定特征描述子；根据原始特征矩阵计算协方差矩阵，并获取所述协方差矩阵的特征向量；根据所述协方差矩阵的特征向量计算特征根，并将特征根按照从大到小的顺序排列；选择排序靠前的设定个数个特征根对应的特征向量，构成投影矩阵；将所述特征描述子乘以所述投影矩阵，得到所述关键点的降维后的特征向量。优选地，所述步骤S1中，激光扫描仪设置于料场料堆的上方，且相邻两个激光扫描仪扫描的内容至少包含三分之一重合。优选地，所述步骤S4中，利用蒙特卡洛法和积分法相结合的方式计算料堆体积的计算公式如下：其中，Vd表示料堆体积；h表示料堆高度；Si表示拟合配准后的料堆目标区域面积，Sp表示扫描图像的面积；Ni表示利用蒙特卡洛法在料堆目标区域中随机生成的点的数量；Nall表示利用蒙特卡洛法在扫描图像中随机生成的点的数量。为了实现上述目的，本专利技术的另一个方面是提供一种料场物料的体积测量系统，包括：多个激光扫描仪，安装于料场料堆的上方；数据获取模块，用于获取料场料堆的点云数据；目标分割模块，用于提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；拟合配准模块，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；体积测量模块，用于根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积。优选地，相邻两个激光扫描仪扫描的内容至少包含三分之一重合。优选地，所述点云数据包括几何位置信息、颜色信息和深度信息。与现有技术相比，本专利技术具有以下优点和有益效果：本专利技术根据颜色特征对料堆目标区域进行初步分割筛选，提高了整个测量方法的精确度；并且通过采用粗配准和精配准的方法可以更精确的拟合平面，利用蒙特卡洛法和积分法相结合的方式测体积，能够对图像数量较多的连续图像快速的估算面积，进而精准地求得料堆体积，且实现了料堆体积的自动化测量，降低人工成本。本专利技术通过在对料堆目标区域的关键点特征算子进行降维，降低了算法的复杂度，保证了体积测量的实时性。附图说明图1是本专利技术所述料场物料的体积测量方法的流程示意图；图2是拟合配准的流程示意图。具体实施方式下面将参考附图来描述本专利技术所述的实施例。本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。图1是本专利技术所述料场物料的体积测量方法的流程示意图，如图1所示，本专利技术所述料场物料的体积测量方法包括以下步骤S1-步骤S5。步骤S1，利用激光扫描仪获取料场料堆的点云数据，其中，激光扫描仪用于对料场料堆进行扫描，设置于料场料堆的上方，例如可以安装在料场的制高点架站处，优选地，相邻两个激光扫描仪扫描的内容至少包含三分之一重合，以保证对料场物料进行全方位扫描。通过对三维点云数据进行处理分析，可以实时高效地反馈料场物料的体积。采集到的点云数据除了具有几何位置信息以外，还包括颜色信息和深度信息。进一步地，步骤S1还包括在开发软件中配置点云的第三方库，利用第三方库将点云数据转化为机器可读的文件格式。具体地，软件部分是在终端设备中安装VisualStudio(VS)，并将PCL配置到VS中，PCL中包含的OpenNI提供了传感器和中间的API，激光扫描仪可以直接作为输入源，创建机器可读的PCD文件格式，可以将点云数据传输至终端设备中，其中，终端设备可以是计算机、平板电脑等。步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区本文档来自技高网...

【技术保护点】
1.一种料场物料的体积测量方法，其特征在于，包括：/n步骤S1，利用激光扫描仪获取料场料堆的点云数据；/n步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；/n步骤S3，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；/n步骤S4，根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积，完成体积测量。/n

【技术特征摘要】
1.一种料场物料的体积测量方法，其特征在于，包括：
步骤S1，利用激光扫描仪获取料场料堆的点云数据；
步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；
步骤S3，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；
步骤S4，根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积，完成体积测量。


2.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S2中，利用H/I模型对料场背景区域和料堆目标区域进行粗分割，
其中，所述H/I模型中，若满足下式，则用色调H表示图像，若不满足下式，则用强度值I表示图像，



其中，S表示饱和度，V表示明度。


3.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S3包括：
步骤S31，利用降维SIFT3D算法提取所述料堆目标区域的关键点，并计算所述关键点的FPFH特征；
步骤S32，基于FPFH特征和RANSAC粗配准算法对同一视角下的料堆目标区域的点云数据进行粗配准；
步骤S33，基于FPFH特征和ICP精配准算法对不同视角下的料堆目标区域的点云数据进行精配准。


4.根据权利要求3所述的料场物料的体积测量方法，其特征在于，所述步骤S31包括：
步骤S311，采用不同大小的高斯核函数对料堆目标区域的图像进行卷积滤波处理，生成多层尺度图像；
步骤S312，在层级变换之间进行下采样来构建金字塔模式下的尺度空间；
步骤S313，检测所述尺度空间中的极值点，并剔除对比度低于设定阈值的特征点和边缘响应点，得到关键点；
步骤S314，确定关键点的主方向，关键点到邻域中心的幅值、方向角，以及K邻域点到邻域中心的幅值、方向角；
步骤S315，对关键点的特征向量进行降维处理；
步骤S316，建立关键点的FPFH特征描述如下：



其中，Pi为第i个关键点，Pk为第k个K邻域点，ωk为第k个K邻域点的权值，K为K邻域点的数量，SPFH为简单特征直方图，FPFH为快速点特征直方...

【专利技术属性】
技术研发人员：刘晓程，吴忠华，周煜申，钱小聪，杨璇，康望星，
申请(专利权)人：中冶华天工程技术有限公司，中冶华天南京工程技术有限公司，中冶华天南京电气工程技术有限公司，
类型：发明
国别省市：安徽;34