基于三维形貌的粮堆凹凸形状特征识别方法、设备及介质技术

本发明专利技术的一个实施例公开了基于三维形貌的粮堆凹凸形状特征识别方法、设备及介质，所述方法包括：S1：获取当前粮仓内粮堆表面形貌的三维点云数据；S2：对所述三维点云数据进行预处理；S3：根据所述预处理后的三维点云数据重构粮堆表层三维曲面模型；S4：根据所述粮堆表层三维曲面模型提取粮堆表面凹凸形态特征，计算平粮中心点位置、平粮范围和平粮深度。本发明专利技术使平粮作业智能高效，降低了人力成本，提高了工作效率。高了工作效率。高了工作效率。

【技术实现步骤摘要】
基于三维形貌的粮堆凹凸形状特征识别方法、设备及介质


[0001]本专利技术涉及粮食仓储中图像识别方法领域。更具体地，涉及一种基于三维形貌的粮堆凹凸形状特征识别方法、设备及介质。

技术介绍

[0002]随着我国粮食产量的逐年增收，粮食储备规模已达到完好仓容超过6.5亿吨，仓储条件总体达到世界较先进水平。粮食作为国家的一种战略物资，其安全问题的重要性毋庸畳疑。粮食储备是在发生大规模灾害时人们生存和发展的保障，也是国家稳定市场粮食价格的重要方法，关系到国家安全和社会稳定。
[0003]粮食入仓时由于入粮点分布有限，粮堆积高参差不齐，堆积部位易导致发热，威胁储粮安全，给粮情监控带来极大不便。因此平整粮面是粮食丰收到正常储备管理过程的最后一道工序，在进粮结束后，要及时平整粮面，便于顶部的通风及粮情检查，也是粮仓规范化管理的要求。传统的平粮方法多为人工平粮，存在耗费人力大，粮库入粮时间相对集中导致平粮不及时易发生热量集中，人员仓内平粮作业时存在粮堆埋人的安全隐患等问题。而要实现自动平粮，势必需要对粮堆表面凹凸形貌特征足够了解，才能更高效得完成平粮作业。

技术实现思路

[0004]有鉴于此，本专利技术的第一个实施例提供一种基于三维形貌的粮堆凹凸形状特征识别方法，包括：
[0005]S1：获取当前粮仓内粮堆表面形貌的三维点云数据；
[0006]S2：对所述三维点云数据进行预处理；
[0007]S3：根据所述预处理后的三维点云数据重构粮堆表层三维曲面模型；
[0008]S4：根据所述粮堆表层三维曲面模型提取粮堆表面凹凸形态特征，计算平粮中心点位置、平粮范围和平粮深度。
[0009]在一个具体实施例中，所述S2包括：
[0010]S21：在所述三维点云数据中选取一个点作为球心，并统计球体内所包含的点的个数，当球体内的点的个数少于预设的阈值n时，则认为是离群点将被剔除，否则为非离群点保留；
[0011]S22：对所述三维点云数据划分为三维体素栅格，并将每个栅格内所有点用距离重心最近的点进行表示；
[0012]S23：对所述三维点云数据进行平滑处理和漏洞修复；
[0013]S24：对所述三维点云数据进行位置配准。
[0014]在一个具体实施例中，所述S24包括：
[0015]S241：在所述三维点云数据P中取子集计算目标点云Q中对应点∈Q，以
使得最小；
[0016]S242：当误差函数最小时，计算此时(R,T)的值，其中R为3
×
3的旋转矩阵，Q为平移矩阵；
[0017]S243：计算变换源点云位置：P
k+1
＝{R
k
P
ik
+T
k
,P
ik
∈P}，并计算变换后点云位置误差：
[0018]S244：如果上式值不小于预设的误差阈值，返回S241并更新源点云位置迭代直至满足要求或者迭代次数达到要求。
[0019]在一个具体实施例中，所述S3包括：
[0020]S31：将所述三维点云数据中的每个点投影到二维坐标平面内，并进行变换得到三维点在平面上的投影；
[0021]S32：在坐标平面内选中一个点P
i
(x
i
,y
i
,z
i
)，搜索与其距离最近的两个点P
i+1
、P
i+2
，形成种子三角形ΔP
i
P
i+1
P
i+2
，然后对三角形的三个边分别搜索到边两个顶点距离和最近的第三个点，形成新的三角形，其中，i表示三维坐标内第i个点；x
i
表示该坐标点的横坐标；y
i
表示该坐标点的纵坐标；z
i
表示该坐标点所对应的深度信息；
[0022]S33：将获取到的点映射回空间，重复S32，根据平面内三维点的拓扑连接关系获得一个三角网格曲面模型。
[0023]在一个具体实施例中，所述S4包括：
[0024]S41：根据所述粮堆表层三维曲面模型提取粮堆表面凹凸形态特征；
[0025]S42：根据所述粮堆表面凹凸形态特征提取凸型区域的顶点作为平粮中心点；
[0026]S43：根据所述平粮中心点位置计算平粮范围和平粮深度。
[0027]在一个具体实施例中，所述S41包括：
[0028]S411：根据所述重构后的粮堆表层三维曲面模型，计算其三角网格中每个点的高斯曲率以及平均曲率，并根据曲率的正负性进行标记每个点所属的特征类型，其中，每个点的高斯曲率为：
[0029][0030]其中，θ
j
为边P
i+j
P
i
与P
i
P
i+j
的夹角；S
i
＝∑
j
S
j
为点P
i
所属的所有三角形网格的混合面积；
[0031]每个点的平均曲率为：
[0032][0033]其中，α
i+j
和β
i+j
分别为与点P
i
所组成的三角形的两个点对应的内角，N
i
为点P
i
的法矢；
[0034]S412：任意选取一个未被访问的点，根据所标记的特征类型进行区域划分，所有具有凹型特征或凸型特征的连续点所邻接的所有三角形划分为一个新的区域，标记为凹区域或者凸区域，每次划分区域后更新边界，并将已访问的点设置为“已访问”；
[0035]S413：若所有的点都被访问，则搜索结束，否则转向步骤S411，直至所有点都被访问。
[0036]在一个具体实施例中，所述S42包括：
[0037]S421：将各个凸区域利用等高线划分为面状高程分带图；
[0038]S422：判断每个所述面状高程分带图中内封闭等高面的个数，若不为零，则舍弃，若为零，则为独立自封闭等高面；
[0039]S423：提取每个所述独立自封闭等高面内的高程极大值点M
i
(x
i
，y
i
，z
i
)。
[0040]在一个具体实施例中，所述S43包括：
[0041]在装粮线上进行标靶设置，并获取装粮线上靶点三维信息Q
j
(x
j
，y
j
，z
j
)，计算得到所述平粮范围以及装粮线的深度信息H＝z
j
，那么所述平粮深度ΔH
i
为：
[0042]ΔH
i
＝z
i
‑
H
[0043]本专利技术的第二个实施例提供一种计算机设备，包括处理器及存储在存储有计算机程序的存储器，其特征在于，所述处理器执行所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维形貌的粮堆凹凸形状特征识别方法，其特征在于，包括：S1：获取当前粮仓内粮堆表面形貌的三维点云数据；S2：对所述三维点云数据进行预处理；S3：根据所述预处理后的三维点云数据重构粮堆表层三维曲面模型；S4：根据所述粮堆表层三维曲面模型提取粮堆表面凹凸形态特征，计算平粮中心点位置、平粮范围和平粮深度。2.根据权利要求1所述方法，其特征在于，所述S2包括：S21：在所述三维点云数据中选取一个点作为球心，并统计球体内所包含的点的个数，当球体内的点的个数少于预设的阈值n时，则认为是离群点将被剔除，否则为非离群点保留；S22：对所述三维点云数据划分为三维体素栅格，并将每个栅格内所有点用距离重心最近的点进行表示；S23：对所述三维点云数据进行平滑处理和漏洞修复；S24：对所述三维点云数据进行位置配准。3.根据权利要求1所述方法，其特征在于，所述S24包括：S241：在所述三维点云数据P中取子集计算目标点云Q中对应点以使得最小；S242：当误差函数最小时，计算此时(R,T)的值，其中R为3
×
3的旋转矩阵，Q为平移矩阵；S243：计算变换源点云位置：P
k+1
＝{R
k
P
ik
+T
k
,P
ik
∈P}，并计算变换后点云位置误差：S244：如果上式值不小于预设的误差阈值，返回S241并更新源点云位置迭代直至满足要求或者迭代次数达到要求。4.根据权利要求1所述方法，其特征在于，所述S3包括：S31：将所述三维点云数据中的每个点投影到二维坐标平面内，并进行变换得到三维点在平面上的投影；S32：在坐标平面内选中一个点P
i
(x
i
,y
i
,z
i
)，搜索与其距离最近的两个点P
i+1
、P
i+2
，形成种子三角形ΔP
i
P
i+1
P
i+2
，然后对三角形的三个边分别搜索到边两个顶点距离和最近的第三个点，形成新的三角形，其中，i表示三维坐标内第i个点，x
i
表示该坐标点的横坐标；y
i
表示该坐标点的纵坐标；z
i
表示该坐标点所对应的深度信息；S33：将获取到的点映射回空间，重复S32，根据平面内三维点的拓扑连接关系获得一个三角网格曲面模型。5.根据权利要求4所述方法，其特征在于，所述S4包括：S41：根据所述粮堆表层三维曲面模型提取粮堆表面凹凸形态特征；S42：根据所述粮堆表面凹凸形态特征提取凸型区域的顶点作为平粮中心点；...

【专利技术属性】
技术研发人员：杨东，吴建华，石天玉，李倩倩，
申请(专利权)人：国家粮食和物资储备局科学研究院，
类型：发明
国别省市：