本申请涉及一种矿卡卸料用时的测量方法、装置、设备及存储介质，其中方法包括：基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息；通过对原始点云信息进行滤波处理，得到滤波后点云集；从滤波后点云集中识别出车辆的点云信息，得到车辆点云集；基于车辆点云集中的点云数据，创建车厢坐标系；基于车厢坐标系，创建车厢底面网格面，并计算车厢底面网格面中每一网格面的矿料体积；累积每一网格面的矿料体积，得到车厢矿料体积，并基于车厢矿料体积，计算矿卡卸料用时。本发明专利技术提高了矿卡卸料用时的测量精准度，进而提高矿卡卸料的效率。率。率。
【技术实现步骤摘要】
矿卡卸料用时的测量方法、装置、设备及存储介质
[0001]本申请涉及无人驾驶
，尤其涉及一种矿卡卸料用时的测量方法、装置、设备及存储介质。
技术介绍
[0002]随着5G+工业互联网、人工AI等技术的普及，我国采掘业也迎来了飞速发展时代，无人驾驶市场进入快速发展阶段。诸多企业在矿卡自动驾驶上的布局已初见成效，能够实现按照预定轨迹和目的地往返进行装载和卸载矿料。但与此同时，要想真正实现全运输链的闭环无人化作业，还需要解决的问题包括实现无人化的矿料装载和卸载。其中无人化的矿卡卸料在实现中，除自身车辆的优异的控制算法和逻辑外，也依赖外部检测设备对于卸料过程中对卸载矿料的体积进行实时监测，并对相关卸料时间进行预测从而更好的优化车队栈列式有序卸料和效率优化，实现全栈式无人值守平台助力实现矿区无人作业闭环。
[0003]当前，矿车卸料状态最主要的鉴别方式仍然是以人工判别为主，或者采用摄像头进行进行卸料车厢进行监控，并通过相关人员进行人为的视觉信号查看判断当前是否卸料完成，及货箱内是否存在有剩余货料。然而这种方式工作量较大，并且工作效率较低，所以现亟需一种能够提高矿卡卸料用时测量精准度，以提高矿卡卸料的效率。
技术实现思路
[0004]本申请实施例的目的在于提出一种矿卡卸料用时的测量方法、装置、设备及存储介质，以提高矿卡卸料用时的测量精准度，进而提高矿卡卸料的效率。
[0005]为了解决上述技术问题，本申请实施例提供一种矿卡卸料用时的测量方法，包括：基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息；通过对所述原始点云信息进行滤波处理，得到滤波后点云集；从所述滤波后点云集中识别出车辆的点云信息，得到车辆点云集；基于所述车辆点云集中的点云数据，创建车厢坐标系；基于所述车厢坐标系，创建车厢底面网格面，并计算所述车厢底面网格面中每一网格面的矿料体积；累积每一所述网格面的矿料体积，得到车厢矿料体积，并基于所述车厢矿料体积，计算矿卡卸料用时。
[0006]为了解决上述技术问题，本申请实施例提供一种矿卡卸料用时的测量装置，包括：原始点云信息获取单元，用于基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息；原始点云信息滤波单元，用于通过对所述原始点云信息进行滤波处理，得到滤波后点云集；车辆点云集识别单元，用于从所述滤波后点云集中识别出车辆的点云信息，得到车辆点云集；
车厢坐标系创建单元，用于基于所述车辆点云集中的点云数据，创建车厢坐标系；矿料体积计算单元，用于基于所述车厢坐标系，创建车厢底面网格面，并计算所述车厢底面网格面中每一网格面的矿料体积；矿卡卸料用时预测单元，用于累积每一所述网格面的矿料体积，得到车厢矿料体积，并基于所述车厢矿料体积，计算矿卡卸料用时。
[0007]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的矿卡卸料用时的测量方法。
[0008]为解决上述技术问题，本专利技术采用的一个技术方案是：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有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的矿卡卸料用时的测量方法。
[0009]本专利技术实施例提供了一种矿卡卸料用时的测量方法、装置、设备及存储介质。其中，方法包括：基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息；通过对原始点云信息进行滤波处理，得到滤波后点云集；从滤波后点云集中识别出车辆的点云信息，得到车辆点云集；基于车辆点云集中的点云数据，创建车厢坐标系；基于车厢坐标系，创建车厢底面网格面，并计算车厢底面网格面中每一网格面的矿料体积；累积每一网格面的矿料体积，得到车厢矿料体积，并基于车厢矿料体积，计算矿卡卸料用时。本专利技术实施例采用激光传感器解决无人化作业的需求，且在精度和准确性上比人工更精准，同时能够精准算出矿料体积和预测矿卡卸料用时，从而提高矿卡卸料用时的测量精准度，进而提高矿卡卸料的效率。
附图说明
[0010]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
[0011]图1是本申请实施例提供的矿卡卸料用时的测量方法流程的一实现流程图；图2是本申请实施例提供的激光雷达安装位置示意图；图3是本申请实施例提供的矿卡卸料用时的测量方法中子流程的一实现流程图；图4是本申请实施例提供的矿卡卸料用时的测量方法中子流程的又一实现流程图；图5是本申请实施例提供的矿卡卸料用时的测量方法中子流程的又一实现流程图；图6是本申请实施例提供的矿卡卸料用时的测量方法中子流程的又一实现流程图；图7是本申请实施例提供的矿卡卸料用时的测量方法中子流程的又一实现流程图；图8是本申请实施例提供的车厢升起示意图；图9是本申请实施例提供的矿卡卸料用时的测量方法中子流程的又一实现流程图；
图10是本申请实施例提供的车厢底面网格面示意图；图11是本申请实施例提供的占据网格体积测量法示意图；图12是本申请实施例提供的矿卡卸料用时的测量装置示意图；图13是本申请实施例提供的计算机设备的示意图。
具体实施方式
[0012]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
[0013]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0014]为了使本
的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0015]下面结合附图和实施方式对本专利技术进行详细说明。
[0016]需要说明的是，本申请实施例所提供的矿卡卸料用时的测量方法一般由服务器执行，相应地，矿卡卸料用时的测量装置一般配置于服务器中。
[0017]请参阅图1和图2，图1示出了矿卡卸料用时的测量方法的一种具体实施方式，图2是本申请实施例提供的激光雷达安装位置示意图。
[0018]需注意的是，若有实质上相同的结果，本专利技术的方法并不以图1所示的流程顺序为限，该方法包括如下步骤：S1：基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息。
[0019]具体本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种矿卡卸料用时的测量方法，其特征在于，包括：基于激光雷达，获取矿卡卸料区域的点云信息，得到原始点云信息；通过对所述原始点云信息进行滤波处理，得到滤波后点云集；从所述滤波后点云集中识别出车辆的点云信息，得到车辆点云集；基于所述车辆点云集中的点云数据，创建车厢坐标系；基于所述车厢坐标系，创建车厢底面网格面，并计算所述车厢底面网格面中每一网格面的矿料体积；累积每一所述网格面的矿料体积，得到车厢矿料体积，并基于所述车厢矿料体积，计算矿卡卸料用时。2.根据权利要求1所述的矿卡卸料用时的测量方法，其特征在于，所述通过对所述原始点云信息进行滤波处理，得到滤波后点云集，包括：遍历所述原始点云信息中的每一点云数据，判断每一所述点云数据在指定维度上的取值是否在预设值域内；删除在指定维度上的取值不在所述值域内的点云数据，得到直通滤波后点云集；采用体素滤波的方式，对所述直通滤波后点云集进行滤波处理，得到所述滤波后点云集。3.根据权利要求2所述的矿卡卸料用时的测量方法，其特征在于，所述采用体素滤波的方式，对所述直通滤波后点云集进行滤波处理，得到所述滤波后点云集，包括：创建三维体素栅格；获取所述三维体素栅格中每一体素格内的所述直通滤波后点云集，作为待处理点云集；计算每一所述待处理点云集的平均坐标值，得到每一体素格内的点云质心；删除所述点云质心外的点云数据，得到所述滤波后点云集。4.根据权利要求1所述的矿卡卸料用时的测量方法，其特征在于，所述从所述滤波后点云集中识别出车辆的点云信息，得到车辆点云集，包括：从所述滤波后点云集中筛选出预设高度的点云数据，得到初始车辆点云集；通过对所述初始车辆点云集中的点云数据进行聚类处理，得到聚类点云数据；基于所述聚类点云数据，确定车辆的点云边界，得到所述车辆点云集。5.根据权利要求4所述的矿卡卸料用时的测量方法，其特征在于，所述基于所述聚类点云数据，确定车辆的点云边界，得到所述车辆点云集，包括：将所述聚类点云数据中的点云数据进行平面投影和进行主成分分析，得到车辆的长边信息和短边信息；根据所述车辆的长边信息和短边信息，将所述聚类点云数据中的点云数据进行旋转对齐，并获取旋转对齐后的所述聚类点云数据中的边界值；获取车辆的长度和宽度，并将所述边界值与所述车辆的长度和宽度进行对比，得到对比值；基于预设的容忍误差值和误差比例以及所述对比值，对旋转对齐后的所述聚类点云数据进行筛选，得到所述车...
【专利技术属性】
技术研发人员：莫长彩，杨国栋，高楠楠，黄文艺，王博，宋士佳，孙超，王文伟，
申请(专利权)人：北京理工大学深圳汽车研究院电动车辆国家工程实验室深圳研究院，
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。