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方案

本发明专利技术提供一种基于三维点云数据的爆破块度快速识别方法及系统，用三维激光扫描技术获取现场的点云数据，具有深度信息，数据精度更高，并且不受光线影响可昼夜操作。并在原始点云数据预处理的基础上，通过初始分割后，再采用基于三维点云密度特征的聚类方法进行聚类，可以快速做到爆破块度的轮廓识别，再通过凸包及包围盒一次计算爆堆区域内所有岩块的粒径及体积，岩块块度测量速度更快、效率更高，并且能够进行岩块的三维特征信息的提取。综上，本发明专利技术提供的爆破块度快速识别方法具有高速、高效和高精度的优势。高效和高精度的优势。高效和高精度的优势。

【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割、NARF算法进行聚类、LDA算法计算岩块粒径，同样无法一次计算爆堆中的所有岩块的块度，无法计算岩块的体积，适用范围受限。

技术实现思路

[0004]为了解决
技术介绍
提出的技术问题，本专利技术提供一种基于三维点云数据的爆破块度快速识别方法及系统，在岩块轮廓识别的基础上，实现了爆破块度的快速识别，可一次计算爆堆点云区域内所有岩块的粒径，并且能够直接计算岩块体积，实现了岩块三维特征信息的自动提取。
[0005]为了达到上述目的，本专利技术采用以下技术方案实现：
[0006]本专利技术提供的一种基于三维点云数据的爆破块度快速识别方法，包括如下步骤：
[0007]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；
[0008]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；
[0009]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；
[0010]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；
[0011]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；
[0012]步骤S6，通过OBB方向包围盒计算爆堆点云中各岩块粒径；
[0013]步骤S7，导出计算结果，并进行识别结果的可视化。
[0014]进一步地，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：
[0015]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；
[0016]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；
[0017]步骤S33，删除拟合平面上的所有点；
[0018]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。
[0019]进一步地，所述步骤S4中，点云数据的聚类过程，包括如下内容：
[0020]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；
[0021]步骤S42，根据点云的精度设定密度参数MinPts；
[0022]步骤S43，将岩块聚类点云以外的点标记为噪音点；
[0023]步骤S44，标记聚类岩块以及噪音点的颜色，并剔除噪音点。
[0024]进一步地，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；
[0025]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MinPts数量的样本点，如果在指定半径Eps内有足够多的样本点在内，那么这个范围的中心就转移到这个内部样本点，继续向外搜索；等到圈定样本点数量少于预先指定的MinPts值，即停止搜索.
[0026]进一步地，所述步骤S4中，DBSCAN算法将数据点分为三类：
[0027]核心点：在半径Eps内含有MinPts数目的点；
[0028]边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内的点；
[0029]噪音点：既不是核心点也不是边界点的点。
[0030]进一步地，所述步骤S5包括如下内容：
[0031]应用三维凸包算法，将聚类完的岩块点云进行闭合，通过随机放置点，内部的数量模拟体积的方法，计算凸包体积；
[0032]三维凸包算法的原理为岩块点云内集中任选4个不在同一平面的点，组成一四面体为初始凸包，继续增加新的点，若在凸包内则跳过，在凸包外，将从这个点能直线到的达到的面删除，并重新连接构成新的凸包，直至所有点判断完毕，通过所计算的岩块体积为岩块的部分体积，通过统计现场数据与识别体积进行对比，可以增加系数k，以代表岩块的真实体积；
[0033]V
真实
＝kV
识别
[0034]在多次测试后k取值为4.61
‑
4.75，误差在5％以内。
[0035]进一步地，所述步骤S6包括：使用OBB方向包围盒来计算岩块粒径，其原理是包裹岩块相对于坐标轴方向最小的长方体。OBB方向包围盒最大特点是它的方向的任意性，可以根据岩块的形状特点尽可能紧密的包围岩块，减少误差。
[0036]进一步地，所述步骤S7包括：输出所述岩块计算结果信息，所述岩块计算点云结果信息包括岩块的点云数量、岩块体积、包围盒长宽高径长、最长粒径，以点云文本csv格式进行导出。
[0037]本专利技术的还提供一种基于三维点云数据的爆破块度快速识别系统，其特征在于，包括：
[本文档来自技高网...

【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：