一种铲斗位姿感知方法、系统及可存储介质技术方案

本发明专利技术公开了一种铲斗位姿感知方法、系统及可存储介质，涉及点云处理技术领域，其中方法包括以下步骤：S1：获取待感知铲斗的特征点，利用所述特征点构建所述待感知铲斗的模板点云库；S2：获取所述待感知铲斗的场景点云数据，并根据所述场景点云数据得到所述待感知铲斗的铲斗点云数据；S3：实时获取所述铲斗点云数据并进行跟踪处理，得到跟踪处理结果；S4：基于所述S3得到的所述跟踪处理结果实现所述待感知铲斗的位姿估计信息；本发明专利技术对铲斗的空间位姿进行精确获取，操作员可以通过本方法实现对铲斗空间位姿的精确感知，实现精准化铲装作业，确保铲装作业按设计要求进行。确保铲装作业按设计要求进行。确保铲装作业按设计要求进行。

【技术实现步骤摘要】
一种铲斗位姿感知方法、系统及可存储介质


[0001]本专利技术涉及点云处理
，更具体的说是涉及一种铲斗位姿感知方法、系统及可存储介质。

技术介绍

[0002]目前，铲装设备工作机构的精确定位对于矿山开采、基建等领域进行精准铲装至关重要，一方面，铲装设备工作机构的位姿估计能辅助操作员实现精准铲装作业提高铲装效率，另一方面，实时获取铲斗的位姿是实现铲装作业远程遥控、精准引导铲装位置的重要基础。
[0003]但是，现有的获取铲斗位姿的方法是通过安装多种传感器进行实现，通常铲装设备的作业机构多自由度、结构复杂，为了准确获取作业机构铲装物料时变化的姿态，需要安装多个不同类型的传感器(如角度传感器、位移传感器等)，而传感器安装困难、易损坏、难维护，且标定、计算复杂，结构件之间已松动、磨损，易产生误差。
[0004]因此，如何提供一种感知精度高的铲斗位姿感知方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种铲斗位姿感知方法、系统及可存储介质，对铲斗的空间位姿进行精确获取，操作员可以通过本方法实现对铲斗空间位姿的精确感知，实现精准化铲装作业，确保铲装作业按设计要求进行。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种铲斗位姿感知方法，包括以下步骤：
[0008]S1：获取待感知铲斗的特征点，利用所述特征点构建所述待感知铲斗的模板点云库；
[0009]S2：获取所述待感知铲斗的场景点云数据，并根据所述场景点云数据得到所述待感知铲斗的铲斗点云数据；
[0010]S3：实时获取所述铲斗点云数据并进行跟踪处理，得到跟踪处理结果；
[0011]S4：基于所述S3得到的所述跟踪处理结果实现所述待感知铲斗的位姿估计信息。
[0012]优选的，所述S1具体包括：
[0013]S11：获取所述待感知铲斗的三维模型，根据所述三维模型得到对应的铲斗模板点云数据；
[0014]S12：对所述铲斗模板点云数据进行下采样，构建所述待感知铲斗的模板点云库。
[0015]优选的，所述S2具体包括：
[0016]S21：获取所述待感知铲斗的场景点云数据；
[0017]S22：根据所述场景点云数据转换为深度图像数据，根据所述深度图像数据提取所述待感知铲斗的铲斗边界数据；
[0018]S23：提取所述铲斗边界数据与所述铲斗模板点云数据对应的特征点对，形成铲斗点云数据。
[0019]优选的，所述S3具体包括：
[0020]S31：利用卡尔曼滤波方法建立卡尔曼滤波跟踪器；
[0021]S32：将第一帧中识别到的所述铲斗点云数据的位置信息作为初始值进行跟踪，并依次对剩余帧的所述铲斗点云数据进行跟踪检测，得到铲斗位置信息；
[0022]S33：根据所述铲斗位置信息对所述卡尔曼滤波跟踪器进行参数更新，得到跟踪结果。
[0023]优选的，所述S4具体包括：
[0024]S41：获取所述铲斗点云数据的旋转矩阵与位移矩阵；
[0025]S42：根据所述旋转矩阵与所述位移矩阵得到铲斗位姿变化，进而得到所述待感知铲斗的位姿估计信息。
[0026]进一步，本专利技术还提供一种利用上述任一项所述的一种铲斗位姿感知方法的感知系统，包括：
[0027]获取模块，用于获取待感知铲斗的特征点，利用所述特征点构建所述待感知铲斗的模板点云库；
[0028]计算模块，用于获取所述待感知铲斗的场景点云数据，并根据所述场景点云数据得到所述待感知铲斗的铲斗点云数据；
[0029]跟踪模块，用于实时获取所述铲斗点云数据并进行跟踪处理，得到跟踪结果；
[0030]感知模块，用于基于所述跟踪处理结果实现所述待感知铲斗的位姿估计信息。
[0031]进一步，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项任一项所述的铲斗位姿感知方法。
[0032]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种铲斗位姿感知方法、系统及可存储介质，采用卡尔曼滤波跟踪器方法跟踪铲斗的点云数据，不仅提高了位姿估计的速度，而且更适用于铲装作业背景下不断运动的工作机构的识别，可以有效地解决目标移动过程中出现遮挡导致目标丢失的情况；本专利技术提供的方法与基于传统传感器获取工作机构位姿的方法相比，具有误差小、可靠性高、不易损坏等优点；其次，本专利技术提供的方法与基于深度学习进行目标识别的技术相比，不需要大量样本数据，只需要工作机构模型及其点云模板库，提高了计算速度。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0034]图1为本专利技术提供的一种铲斗位姿感知方法的整体流程图；
[0035]图2为本专利技术提供的一种铲斗位姿感知系统的结构示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]参见附图1所示，本专利技术实施例公开了一种铲斗位姿感知方法，包括以下步骤：
[0038]S1：获取待感知铲斗的特征点，利用特征点构建待感知铲斗的模板点云库；
[0039]S2：获取待感知铲斗的场景点云数据，并根据场景点云数据得到待感知铲斗的铲斗点云数据；
[0040]S3：实时获取铲斗点云数据并进行跟踪处理，得到跟踪处理结果；
[0041]S4：基于S3得到的所述跟踪处理结果实现待感知铲斗的位姿估计信息。
[0042]在一个具体的实施例中，S1具体包括：
[0043]S11：获取待感知铲斗的三维模型，根据三维模型得到对应的铲斗模板点云数据；
[0044]S12：对铲斗模板点云数据进行下采样，构建待感知铲斗的模板点云库。
[0045]具体的，获取铲斗的标准三维模型，利用pcl库中的函数实现模型的读入和完整铲斗模板点云的生成，对模板点云通过建立点云的空间体素栅格进行下采样，然后用每个体素内的重心代表该体素内的特征点F，构建铲斗的模板点云库，具体表达式为：
[0046][0047]式中，n为模板点云数据个数，q
xj
,q
yj
,q
zj
为每个点的沿x、y、z轴的坐标值。
[0048]在一个具体的实施例中，S2具体包括：
[0049]S21：通过激光雷达扫描待感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铲斗位姿感知方法，其特征在于，包括以下步骤：S1：获取待感知铲斗的特征点，利用所述特征点构建所述待感知铲斗的模板点云库；S2：获取所述待感知铲斗的场景点云数据，并根据所述场景点云数据得到所述待感知铲斗的铲斗点云数据；S3：实时获取所述铲斗点云数据并进行跟踪处理，得到跟踪处理结果；S4：基于所述S3得到的所述跟踪处理结果实现所述待感知铲斗的位姿估计信息。2.根据权利要求1所述的一种铲斗位姿感知方法，其特征在于，所述S1具体包括：S11：获取所述待感知铲斗的三维模型，根据所述三维模型得到对应的铲斗模板点云数据；S12：对所述铲斗模板点云数据进行下采样，构建所述待感知铲斗的模板点云库。3.根据权利要求2所述的一种铲斗位姿感知方法，其特征在于，所述S2具体包括：S21：获取所述待感知铲斗的场景点云数据；S22：根据所述场景点云数据转换为深度图像数据，根据所述深度图像数据提取所述待感知铲斗的铲斗边界数据；S23：提取所述铲斗边界数据与所述铲斗模板点云数据对应的特征点对，形成铲斗点云数据。4.根据权利要求2所述的一种铲斗位姿感知方法，其特征在于，所述S3具体包括：S31：利用卡尔曼滤波方法建立卡尔曼滤波跟踪器；S32：将第...

【专利技术属性】
技术研发人员：毕林，徐梓菁，周蕴卓，张玉昊，赵子瑜，谭笑，
申请(专利权)人：中南大学，
类型：发明
国别省市：