一种针对大中型料堆多传感器测量方法和系统技术方案

本申请提供一种针对大中型料堆多传感器测量方法和系统，通过图像采集装置、多线激光雷达和IMU多种传感器组成的测量仪对料堆数据进行测量，该方法包括获取料堆测量仪采集的料堆测量数据；基于每次转动的图像数据，确定图像采集装置位置姿态数据，以确定激光雷达位置姿态数据，进一步确定激光雷达采集的点云数据的位置姿态数据；对点云数据进行融合，从融合后的点云数据中分割出料堆表面的点云数据；并对料堆表面的点云数据进行测量，确定目标料堆的体积。本申请通过对料堆测量仪采集的点云数据和图像数据结合处理，以及自适应ICP算法，能够提高点云数据融合精度，进一步提高料堆体积测算的准确性。测算的准确性。测算的准确性。

【技术实现步骤摘要】
一种针对大中型料堆多传感器测量方法和系统


[0001]本申请涉及料堆体积测量领域，具体而言，涉及一种针对大中型料堆多传感器测量方法和系统。

技术介绍

[0002]室内的大中型料场中，料堆容易产生自身遮挡，料堆之间容易产生互相遮挡；通过悬吊式料堆测量仪采集的数据容易因遮挡产生空洞，导致料堆表面残缺，直接影响料堆体积测算的精度。

技术实现思路

[0003]本申请实施例的目的在于提供一种针对大中型料堆多传感器测量方法和系统，用以解决了现有技术存在的上述问题，可提高室内料堆体积测算的精度。
[0004]第一方面，提供了一种针对大中型料堆多传感器测量方法，该方法可以包括：获取料堆测量仪采集的料堆测量数据，所述料堆测量数据为运动在预设回环型轨道上的料堆测量仪中转动预设次数的激光雷达和图像采集装置采集的；所述料堆测量数据包括所述预设回环型轨道上各站点的点云数据和相应图像数据；基于每次转动对应的图像数据，确定图像采集装置位置姿态数据，根据图像采集装置位置姿态数据，确定激光雷达位置姿态数据，以确定激光雷达采集的点云数据的位置姿态数据；对确定位置姿态数据对应的点云数据进行融合，得到全部站点融合点云数据；对获取的所述全部站点融合点云数据中目标料堆的表面点云数据进行测量，确定所述目标料堆的体积。
[0005]在一种可能的实现中，所述方法还包括：采用自适应ICP算法，对确定位置姿态数据对应的点云数据进行融合，得到全部站点融合点云数据；所述自适应ICP算法，包括：自适应ICP算法输入值和自适应ICP算法目标函数；对确定位置姿态数据对应的点云数据进行点云类型分割，得到异构数据；所述点云类型包括线段点云、平面点云和散列点云；所述自适应ICP算法输入值为所述异构数据；所述自适应ICP算法目标函数为：
其中，R为旋转矩阵，为平移向量；为全部目标点云，为目标点云中三维空间点的数目；为目标点云中的线段点云集合；为目标点云中线段点云的数目；为目标点云中的平面点云集合；为目标点云中平面点云的数目；为目标点云中散列点云的集合；为目标点云中的任一线段点云；为目标点云中的任一平面点云；为目标点云中的任一点；为与对应的源点云中的线段点云；为与对应的源点云中的平面点云；为与对应的源点云中的点云；记，，，，，，；为源点云中的线段点云集合；为源点云中的平面点云集合；为源点云中的散列点云集合；线段点云，为任一线段方向向量，为线段的起点；平面点云，为任一平面点云的法向量，为平面点云的质心；为构成目标点云中任一平面点云的方差；为构成目标点云中任一线段点云对应的圆柱的半径；为不同质量的线段点云对误差项的贡献；为不同质量的平面点云对误差项的贡献；项的贡献；项的贡献；是先验参数，为散列点云构成误差项的权重；为线段点云构成误差项的权重，
；为平面点云构成误差项的权重，。
[0006]在一种可能的实现中，所述方法还包括：所述异构数据包括各站点异构数据和单一站点异构数据；针对任一站点，确定位置姿态数据对应的点云数据进行点云类型分割，确定所述单一站点异构数据；基于所述单一站点异构数据，采用所述自适应ICP算法，对所述站点的点云数据进行点云融合，得到所述站点对应的单一站点融合点云数据；采用边界检测算法，确定各站点间的位置姿态关系，以确定各站点的所述单一站点融合点云数据的位置姿态数据；确定位置姿态数据对应的单一站点融合点云数据进行点云类型分割，确定所述各站点异构数据；基于所述各站点异构数据，采用自适应ICP算法，对所述各站点的单一站点融合点云数据进行点云融合，得到全部站点融合点云数据。
[0007]在一种可能的实现中，采用边界检测算法，确定各站点间的位置姿态关系，以确定所述单一站点融合点云数据的位置姿态数据，包括：采用点云边界检测算法，对各站点的点云数据进行检测，得到边界点云数据；基于所述边界点云数据，确定各站点间的位置姿态；采用所述自适应ICP算法，对所述各站点的站点位置姿态进行测算，得到各站点间的初始位置姿态关系；采用位姿图优化算法，对所述各站点间的初始位置姿态关系进行二次测算，得到各站点间的位置姿态关系。
[0008]在一种可能的实现中，对获取的所述全部站点融合点云数据中目标料堆的表面点云数据进行测量，确定所述目标料堆的体积，包括：对所述全部站点融合点云数据进行提取，获取到目标料堆的表面点云数据；对目标料堆的表面点云数据对应的三维曲面进行三角剖分，得到每个曲面对应的三角形信息；所述三角形信息包括各顶点的位置；基于每个曲面对应的三角形和相应三角形的目标顶点到地面对应的点云平面的投影，构建每个三角形对应的斜截三棱柱；目标顶点是三角形远离地面点云数据的顶点；对各所述斜截三棱柱的体积进行求和，得到所述目标料堆的体积。
[0009]在一种可能的实现中，将平面点云数据的方差小于预设方差的平面点云数据作为所述异构数据中的平面点云数据。
[0010]在一种可能的实现中，将线段点云数据的拟合精度大于预设拟合精度的线段点云数据作为所述异构数据中的线段点云数据。
[0011]在一种可能的实现中，所述预设回环型轨道为8字型轨道，所述预设回环型轨道上各站点是沿着所述预设回环型轨道的走向，按照预设间隔设置的。
[0012]第二方面，提供了一种针对大中型料堆多传感器测量系统，所述系统包括：料堆测量仪、预设回环型轨道和服务器；所述预设回环型轨道设置于堆放料堆的室内顶部，所述料堆测量仪安装在所述预
设回环型轨道上，所述料堆测量仪和所述服务器通信连接；所述料堆测量仪包括两个激光雷达和图像采集装置；所述料堆测量仪，用于接收所述服务器下发的工作指令，在预设回环型轨道上运动；在运动过程中，基于接收所述服务器下发的转动指令，控制两个激光雷达和所述图像采集装置在预设回环型轨道中各站点上转动预设次数，针对每次转动，采集图像数据和点云数据；将采集的所述图像数据和所述点云数据发送至所述服务器，以执行第一方面中任一所述的方法步骤。
[0013]在一种可能的实现中，所述料堆测量仪还包括旋转轴；所述旋转轴为具有两个端面的柱形旋转轴，其侧面包括凸起位置和非凸起位置；两个激光雷达中的第一激光雷达设置于所述旋转轴的一个端面上；两个激光雷达中的第二激光雷达设置于所述旋转轴的侧面的所述凸起位置上；所述图像采集装置设置于所述旋转轴侧面的非凸起位置上；所述旋转轴，用于带动两个激光雷达和图像采集装置在所述旋转轴上旋转。
[0014]本申请提供一种针对大中型料堆多传感器测量方法和系统，通过图像采集装置、多线激光雷达和IMU多种传感器组成的测量仪对料堆数据进行测量，该方法包括获取料堆测量仪采集的料堆测量数据，料堆测量数据为运动在预设回环型轨道上的料堆测量仪中转动预设次数的激光雷达和图像采集装置采集的；料堆测量数据包括预设回环型轨道上各站点的点云数据和相应图像数据；基于每次转动对应的图像数据，确定图像采集装置位置姿态数据，根据图像采集装置位置姿态数据，确定激光雷达位置姿态数据，以确定激光雷达采集的点云数据的位置姿态数据；对确定位置姿态数据对应的点云数据进行融合，得到全部站点融本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对大中型料堆多传感器测量方法，其特征在于，所述方法包括：获取料堆测量仪采集的料堆测量数据，所述料堆测量数据为运动在预设回环型轨道上的料堆测量仪中转动预设次数的激光雷达和图像采集装置采集的；所述料堆测量数据包括所述预设回环型轨道上各站点的点云数据和相应图像数据；基于每次转动对应的图像数据，确定图像采集装置位置姿态数据，根据图像采集装置位置姿态数据，确定激光雷达位置姿态数据，以确定激光雷达采集的点云数据的位置姿态数据；对确定位置姿态数据对应的点云数据进行融合，得到全部站点融合点云数据；对获取的所述全部站点融合点云数据中目标料堆的表面点云数据进行测量，确定所述目标料堆的体积。2.如权利要求1所述的方法，其特征在于，所述方法还包括：采用自适应ICP算法，对确定位置姿态数据对应的点云数据进行融合，得到全部站点融合点云数据；所述自适应ICP算法，包括：自适应ICP算法输入值和自适应ICP算法目标函数；对确定位置姿态数据对应的点云数据进行点云类型分割，得到异构数据；所述点云类型包括线段点云、平面点云和散列点云；所述自适应ICP算法输入值为所述异构数据；所述自适应ICP算法目标函数为：其中，R为旋转矩阵，为平移向量；为全部目标点云，为目标点云中三维空间点的数目；为目标点云中的线段点云集合；为目标点云中线段点云的数目；为目标点云中的平面点云集合；为目标点云中平面点云的数目；为目标点云中散列点云的集合；为目标点云中的任一线段点云；为目标点云中的任一平面点云；为目标点云中的任一点；为与对应的源点云中的线段点云；为与对应的源点云中的平面点云；为与对应的源点云中的点云；记，，，，，，；为源点云中的线段点云集合；为源点云中的平面点云集合；为源点云中的散列点云集合；线段点云，为任一线段方向向量，为线段的起点；
平面点云，为任一平面点云的法向量，为平面点云的质心；为构成目标点云中任一平面点云的方差；为构成目标点云中任一线段点云对应的圆柱的半径；为不同质量的线段点云对误差项的贡献；为不同质量的平面点云对误差项的贡献；献；α是先验参数，为散列点云构成误差项的权重；β为线段点云构成误差项的权重，；为平面点云构成误差项的权重，。3.如权利要求2所述的方法，其特征在于，所述方法还包括：所述异构数据包括各站点异构数据和单一站点异构数据；针对任一站点，确定位置姿态数据对应的点云数据进行点云类型分割，确定所述单一站点异构数据；基于所述单一站点异构数据，采用所述自适应ICP算法，对所述站点的点云数据进行点云融合，得到所述站点对应的单一站点融合点云数据；采用边界检测算法，确定各站点间的站点位置姿态关系，以确定各站点的所述单一站点融合点云数据的位置姿态数据；确定位置姿态数据对应的单一站点融合点云数据进行点云类型分割，确定所述各站点异构数据；基于所述各站点异构数据，采用自适应ICP算法，对所述各站点的单一站点融合点云数据进行...

【专利技术属性】
技术研发人员：梁兴国，宋晨，佟佳明，张志勇，张涛，王复然，
申请(专利权)人：天津中新智冠信息技术有限公司，
类型：发明
国别省市：