【技术实现步骤摘要】
一种基于三维点云数据的爆破块度快速识别方法及系统
[0001]本专利技术涉及爆破工程矿岩爆破块度识别
,特别涉及一种基于三维点云数据的爆破块度快速识别方法及系统。
技术介绍
[0002]露天台阶爆破在矿山开采中一直占据主导地位,爆破效果的好坏直接影响着矿山整体的生产效率和经济效益,在爆破过程中,炸药爆炸使矿岩破碎形成不同形态的爆堆以及不同分布特征的爆破块度,爆破块度是爆堆形态的微观组成,是爆破效果的最直观体现,评价爆破效果的关键指标之一。爆破块度过大需要机械破碎甚至二次爆破,直接降低了机械设备的铲装效率和运输效率,影响生产效率;爆破块度过小则证明炸药装载量过大,造成了用料浪费增加生产成本,且细碎料不利于铲装及后续的选矿处理。因此,高效、准确的获取爆破块度分布信息,对快速评价当次爆破效果,优化爆破参数,加快生产效率,提高经济效益等方面具有重要现实意义。
[0003]三维激光扫描仪通过激光测距,可以高速获取目标对象大量密集的点云,做到目标对象的实景复刻,较图像识别相比,不受光线影响、昼夜均可采用,并且具有深度信息,不需要现场标记物就可以实现爆破块度的直接、快速提取。公开号为CN109359680A的中国专利技术专利采用三维激光扫描仪扫描爆堆岩块,利用LCCP算法进行点云聚类,将岩块点云数据采用不同标签保存,并于PCA算法提取岩块粒径,评价爆破块度。该方法计算岩块粒径效率较低,无法一次计算爆堆中的所有岩块的块度,并且未涉及岩块体积计算。公开号为CN114399075A的中国专利技术申请通过语义分割对岩块进行分 ...
【技术保护点】
【技术特征摘要】
1.一种基于三维点云数据的爆破块度快速识别方法,其特征在于,包括如下步骤:步骤S1,利用三维激光扫描仪结合RTK定位,对爆破后的爆堆进行原始数据的多站采集;步骤S2,结合地球坐标系对多站爆堆原始点云数据进行粗配准,应用ICP算法对拼接后的爆堆点云数据进行精细配准,选择SOR算法去除岩块周围噪声数据,采用体素降采样降低点云的密度,提高点云计算效率;步骤S3,采用RANSAC算法对预处理后的点云数据进行平面拟合,剔除掉爆堆点云岩块间的凹陷部分,进行初始分割;步骤S4,根据爆堆点云数据的范围大小以及点云精度,设定聚类点云的半径参数Eps和密度参数MinPts,通过基于点云密度的DBSCAN算法对分割后的点云数据进行聚类;步骤S5,应用三维凸包计算爆堆点云中各岩块体积,通过多次试验增加系数k;步骤S6,通过OBB方向包围盒计算爆堆点云中各岩块粒径;步骤S7,导出计算结果,并进行识别结果的可视化。2.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法,其特征在于,所述步骤S3中,对预处理后的爆堆点云的初始分割过程具体包括以下内容:步骤S31,在爆堆点云内岩块的凹陷区域中随机选择五个点,计算其对应平面方程Ax+By+Cz+D=0;A、B、C为平面方程的变量系数,D为平面方程的常量;步骤S32,计算所有点至该平面的代数距离d
i
=|Ax+By+CZ+D|,选取阈值d
max
,若d
i
≤d
max
,则该点被认为是模型内点,否则为模型外点;进行多次迭代,选取最佳拟合参数;步骤S33,删除拟合平面上的所有点;步骤S3进行的初始分割是为岩块点云聚类提供数据支持,方便后续处理。3.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法,其特征在于,所述步骤S4中,点云数据的聚类过程,包括如下内容:步骤S41,根据爆堆点云数据的范围大小,设定聚类点云的半径参数Eps;步骤S42,根据点云的精度设定密度参数MinPts;步骤S43,将岩块聚类点云以外的点标记为噪音点;步骤S44,标记聚类岩块以及噪音点的颜色,并剔除噪音点。4.根据权利要求3所述的一种基于三维点云数据的爆破块度快速识别方法,其特征在于,所述步骤S4中,DBSCAN聚类算法是一种通过定义密度对空间中点云进行聚类的算法,可以检测任意形状的聚类,所述Eps为定义聚类点云的半径的参数,MinPts为半径为Eps的邻域中点云个数的阈值;计算过程中,在众多样本点中随机选中一个,围绕这个被选中的样本点圈定一个范围,规定这个范围的半径Eps以及范围内最少包含...
【专利技术属性】
技术研发人员:徐振洋,王大坤,刘鑫,莫弘毅,赵建宇,朱颂波,
申请(专利权)人:辽宁科技大学,
类型:发明
国别省市:
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。