一种基于激光雷达的煤仓中存煤量的自动化测量方法技术

本发明专利技术公开了一种基于激光雷达的煤仓中存煤量的自动化测量方法，属于雷达点云技术领域，具体技术方案为：基于激光雷达对煤仓进行全覆盖式扫描，获取煤仓原始点云数据；然后对激光雷达点云数据进行抽稀、去噪等预处理；再通过球体标靶计算两两雷达间的旋转矩阵和平移向量进行点云合成；检测点云局部空洞面并利用邻域信息内插三维数据点进行修补；接着按照区域进行点云切割，采用最小二乘法拟合投影面，得到裁切后的区域点云和对应的投影面两期数据；最后采用曲面积分的方式计算煤仓中各区域煤堆体积，并根据不同煤种密度计算煤的重量，再将各单元块累加得到整个煤仓的重量，即该时段的煤仓中所有煤的存储量，满足安全高效精准盘煤的需要。精准盘煤的需要。精准盘煤的需要。

【技术实现步骤摘要】
一种基于激光雷达的煤仓中存煤量的自动化测量方法


[0001]本专利技术属于雷达点云
，具体涉及一种基于激光雷达的煤仓中存煤量的自动化测量方法。

技术介绍

[0002]煤炭作为重要的能源物资，成本高、储量大，因此需要进行快速准确的盘点。煤场库存盘点是指对煤炭库存进行量的统计，与账面煤场库存数据进行对比，对核对入炉煤量、摸清煤场存煤量都是不可缺少的，它是煤场监督管理的一个重要组成部分。煤场的盘煤工作由于工作量大且盘煤精度低等问题，一直是燃煤电厂企业的难点，严重影响电厂生产计划的制定，如何快速准确地获取煤场存煤量成为了一个亟待解决的问题。
[0003]已有的存煤量计算方法主要包括两种，一种是人工测量，此类方法首先将堆积的煤炭通过斗轮堆取料机(用来堆取煤炭的载体)进行整形，一般将其整成比较规则梯形或矩形，再通过人工采用皮尺进行丈量。此种方法测量的误差较大且工作量大，严重影响工作效率；另一种是无人机测量，无人机测量虽然解决了工作强度大及工作环境差等问题，但是由于其操作困难，且由于煤场内部粉尘浓度大等问题，也难以对煤场内部存煤情况进行精准的盘点。

技术实现思路

[0004]本专利技术为了满足储煤基地对煤仓中存煤量实时盘点的需求，提供了一种基于激光雷达的煤仓中存煤量的自动化测量方法，通过采用激光雷达对煤场进行全覆盖式扫描，基于精细三维点云数据计算煤场变化体积，从而实现煤仓中所有煤的存储量计算。
[0005]为实现上述目的，本专利技术所采用的技术方案为：一种基于激光雷达的煤仓中存煤量的自动化测量方法，具体步骤如下：
[0006]S1、获取激光雷达点云数据，将激光扫描仪在煤场内部空间进行合理布置，对煤场进行全覆盖式扫描，定时采集点云数据，生成三维坐标数据。
[0007]S2、点云预处理，对原始激光雷达点云数据进行降采样、去噪等预处理。
[0008]进一步是，步骤S2包括以下步骤：
[0009]S21、点云降采样，对采集到的原始激光雷达点云数据采用体素化降采样方法进行抽稀，该方法通过使用规则体素网格从输入点云创造一致化降采样点云，具体为：
①
把点云装进体素网格；
②
把每个被占据的体素中点做平均，取一个精确的点。
[0010]S22、点云去噪，对降采样后的点云数据进行统计滤波方法去噪，该方法计算每个点到其所有临近点的平均距离，假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围(由全局距离平均值和方差定义)之外的点，被定义为离群点并从数据集中去除掉。
[0011]S3、点云配准，利用球体标靶，通过奇异值分解求刚性变换，计算旋转矩阵r和平移矩阵t，使源点云旋转平移过去与目标点云重合，实现点云配准。
[0012]进一步是，步骤S3包括以下步骤：
[0013]S31、建立用于雷达间坐标转换的空间直角坐标系，利用共顶点互相垂直的三条棱构建直角坐标系的原理，采用空间中五组点建立用于转换的空间直角坐标系。
[0014]S32、球体标靶自动识别，首先从每个激光雷达采集到的全局点云中提取出球体标靶的球面点，即球体标靶的特征提取；再对提取出的球面点的点位按雷达关系进行一一对应的识别，即标靶点位的自动对应。
[0015]关于球体标靶特征提取，采用球面点的自动提取算法，筛选平均曲率和高斯曲率大于0的所有点，随机取一点，计算邻域，拟合局部球面；邻域中的每个点到球心的距离d若符合给定条件，则认为该点为球面点；计算所有到球心坐标距离符合半径条件的点，并输出球面点。
[0016]关于球体标靶点位的自动对应，是根据球体标靶的构造，设计相关算法对提取出的球面点的点位按雷达关系进行一一对应的识别，并将识别结果依次存入数据库中，用于后续源点云与目标点云间的旋转矩阵R和平移向量t参数的计算。
[0017]S33、球面拟合算法计算球心，考虑到噪点的影响，在拟合球面之前，先对点云数据进行统计滤波预处理，处理过程同上述步骤S22。然后再采用最小二乘法拟合三维球面数据，旨在使拟合的半径在均方意义下误差达到最小，目标函数如下：
[0018]e
i
(x0,y0,z0,r)＝(x
i
‑
x0)2+(y
i
‑
y0)2+(z
i
‑
z0)2‑
r2[0019]式中，e
i
是拟合半径的误差，(x
i
,y
i
,z
i
)是已知球面坐标，(x0,y0,z0)和r是拟合的球心坐标和半径。
[0020]则误差的平方和为：
[0021][0022]式中，E是x0,y0,z0,r的函数，因此，令E分别对x0,y0,z0,r的偏导数等于0，即可求出球心(x0,y0,z0)和半径r。
[0023]S34、求解旋转矩阵R和平移向量t，求两个点云之间的旋转平移矩阵，将源点云变换到目标点云相同的坐标系下。
[0024]其中，求解旋转矩阵R和平移向量t，采用奇异值分解的最小二乘刚性配准，最优化求解旋转矩阵R和平移向量t等价于最小化目标函数如下：
[0025][0026]式中，R就是旋转矩阵，t是平移向量，SO(d)表示d维空间的一组旋转群，R
d
是变换空间，p
i
和q
i
是变换空间中的两组点集，w
i
(w
i
>0)是每对点的权重，利用特征值分解S＝U∑V
T
计算旋转矩阵，旋转矩阵具体如下：
[0027][0028]其中，U和V分别为m
×
m和n
×
n的单位正交矩阵，U称为左奇异矩阵，V称为右奇异矩阵，∑是一个对角阵，对角线上的元素为奇异值。
[0029]平移向量其中，是两个点集的加权质心。
[0030]S35、利用点云合成序列，进行多个雷达点云的拼接。首先采用广度优先搜索思想，将要合成的多个雷达的id输出为序列。在点云拼接中，按照合成序列和上述步骤S34计算出的雷达间的旋转矩阵R和平移向量t，将源点云变换到目标点云相同的坐标系下。
[0031]关于广度优先搜索算法：将某一雷达id1作为序列初始点，依次访问雷达id1的各个邻接点，直至所有已被访问的顶点的邻接点都被访问到。若此时还有雷达id未被访问，则选此未被访问的雷达id作为新的起始点，重复上述过程，使得所有雷达id均被访问。
[0032]S4、点云空洞面修补，由于被测物体自身形状复杂，扫描设备本身局限或者外部遮挡而出现孔洞，若不进行孔洞处理可能会导致算法失败。本专利技术先采用泊松重建将点云三角网格化，然后基于局部表面拟合法对点云进行法向量估计，最后通过点云上采样实现孔洞修补。
[0033]进一步是，步骤S4包括以下步骤：
[0034]S41、点云三维重建，先对数据进行降采样预处理，处理过程同上述步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的煤仓中存煤量的自动化测量方法，其特征在于，具体步骤：S1、获取激光雷达点云数据，通过激光扫描仪对煤场进行全覆盖式扫描，定时采集点云数据，生成三维坐标数据；S2、点云预处理，对原始激光雷达点云数据进行降采样、去噪预处理；S3、点云配准，利用球体标靶，通过奇异值分解求刚性变换，计算旋转矩阵r和平移矩阵t，使源点云旋转平移至与目标点云重合，实现点云配准；S4、点云空洞面修补，采用泊松重建将点云三角网格化，基于局部表面拟合法对点云进行法向量估计，通过点云上采样实现孔洞修补；S5、转换地面坐标，将雷达坐标系转换成地面坐标，即对合成并经过孔洞修补后的点云坐标进行转化，最终转化为以煤场水平地面为yz坐标平面、地面向上为x轴方向的空间直角坐标系；S6、点云裁切，取雷达扫描到的煤堆边界点坐标，按照区域进行记录，对煤仓中煤堆点云按照指定区域进行裁切；S7、点云投影，将裁切点云进行投影，投影面为煤仓水平地面，用裁切和投影两期点云数据进行煤堆体积计算，采用最小二乘法拟合投影平面，即用水平地面上的n个点拟合平面，平面方程为：ax+by+cz+d＝0；假设c≠0，那么，令按照最小二乘原则，要使得误差平方和最小，则目标函数如下：式中，x
i
、y
i
、z
i
是已知地面点坐标，a0、a1、a2是未知数，将a0、a1、a2视为自变量，对其求导，即可得到平面方程系数a、b、c、d的值；S8、存储量计算，在对大面积无规则的煤堆进行盘点时，利用微积分原理将大面积的煤堆按确定的步长分割为若干个小煤堆，再测量出各个小煤堆的各自高度，即可求出各小煤堆体积，再将各小煤堆的体积求和，完成整个煤堆体积的测量，再采用质量公式计算每个区域的煤堆质量，最后进行求和得到煤仓中的存煤量。2.根据权利要求1所述的一种基于激光雷达的煤仓中存煤量的自动化测量方法，其特征在于，所述步骤S2包括以下步骤：S21、点云降采样，对采集到的原始激光雷达点云数据采用体素化降采样方法进行抽稀，该方法通过使用规则体素网格从输入点云创造一致化降采样点云，具体为：
①
把点云装进体素网格；
②
把每个被占据的体素中点做平均，取一个精确的点；S22、点云去噪，对降采样后的点云数据进行统计滤波方法去噪，该方法计算每个点到其所有临近点的平均距离，假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围之外的点，被定义为离群点并从数据集中去除掉。3.根据权利要求2所述的一种基于激光雷达的煤仓中存煤量的自动化测量方法，其特征在于，所述步骤S3包括以下步骤：
S31、建立用于雷达间坐标转换的空间直角坐标系，利用共顶点互相垂直的三条棱构建直角坐标系的原理，采用空间中五组点建立用于转换的空间直角坐标系；S32、球体标靶自动识别，首先从每个激光雷达采集到的全局点云中提取出球体标靶的球面点，即球体标靶的特征提取，再对提取出的球面点的点位按雷达关系进行一一对应的识别，即标靶点位的自动对应；采用球面点的自动提取算法提取球体标靶特征，筛选平均曲率和高斯曲率大于0的所有点；随机取一点，计算邻域，拟合局部球面；邻域中的每个点到球心的距离d若符合给定条件，则认为该点为球面点；计算所有到球心坐标距离符合半径条件的点，并输出球面点；关于球体标靶点位的自动对应，根据球体标靶的构造，对提取出的球面点的点位按雷达关系进行一一对应的识别，并将识别结果依次存入数据库中，用于后续源点云与目标点云间的旋转矩阵R和平移向量t参数的计算；S33、球面拟合算法计算球心，在拟合球面之前，先对点云数据进行统计滤波预处理，处理过程同上述步骤S22，然后再采用最小二乘法拟合三维球面数据，旨在使拟合的半径在均方意义下误差达到最小，目标函数如下：e
i
(x0,y0,z0,r)＝(x
i
‑
x0)2+(y
i
‑
y0)2+(z
i
‑
z0)2‑
r2式中，e
i
是拟合半径的误差，(x
i
,y
i
,z
i
)是已知球面坐标，(x0,y0,z0)是拟合的球心坐标，r是拟合的半径；则误差的平方和为：式中，E是x0,y0,z0,r的函数，因此，令E分别对x0,y0,z0,r的偏导数等于0，即可求出球心(x0,y0,z0)和半径r；S34、求解旋转矩阵R和平移向量t，求两个点云之间的旋转平移矩阵，将源点云变换到目标点云相同的坐标系下；其中，求解旋转矩阵R和平移向量t，采用奇异值分解的最小二乘刚性配准，最优化求解旋转矩阵R和平移向量t等价于最小化目标函数如下：其中，R就是旋转矩阵，t是平移向量，SO(d)表示d维空间的一组旋转群，R
d
是变换空间，p
i
和q
i
是变换空间中的两组点集，w
i<...

【专利技术属性】
技术研发人员：赵文静，李晓方，张付岗，王强，高佳锋，张岩，武娇娇，贾颜兴，王磊，邵福，吕伟佳，
申请(专利权)人：山西阳光三极科技股份有限公司，
类型：发明
国别省市：