基于激光扫描的皮带输送机异物筛选方法及装置制造方法及图纸

本发明专利技术公开了一种基于激光扫描的皮带输送机异物筛选方法及装置

【技术实现步骤摘要】
基于激光扫描的皮带输送机异物筛选方法及装置


[0001]本专利技术涉及异物检测领域，具体而言，涉及一种基于激光扫描的皮带输送机异物筛选方法及装置
。

技术介绍

[0002]传统工程中对于皮带输送机的监控和故障检测一般采用人工巡检和视频监控两种方式
。
人工巡检即需要工人亲临现场，通过观察
、
听声
、
仪器测量等来判断皮带机是否发生故障；视频监控是指在皮带机运输现场架设大量摄像头，将海量的视频信息汇总到数据中央平台，由监控人员进行远程处理
。
[0003]但通过这两种方式来判断皮带输送机是否发生故障时通常存在以下缺点：
1)
人工巡检浪费人力，而运输现场一般存在安全隐患，可能会引起人员伤亡；
2)
皮带运输总行程较长，工人只能在几个关键点进行检查，且通过视频监控现场时，也只能对一些明显的故障进行分析判断，容易遗漏故障；
3)
不能够获取煤流量等量化指标，也无法形成高精度的三维模型再现现场，不能够可视化地对皮带输送机进行检测，难以实时监测煤流量变化
、
标记场景中异常目标等
。
[0004]针对上述现有技术中由于监测困难，导致难以监测皮带输送机的现场情况，从而难以检测出异物的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0005]本专利技术实施例提供了一种基于激光扫描的皮带输送机异物筛选方法及装置，以至少解决现有技术中由于监测困难，导致难以监测皮带输送机的现场情况，从而难以检测出异物的技术问题
。
[0006]根据本专利技术实施例的一个方面，提供了一种基于激光扫描的皮带输送机异物筛选方法，包括：根据第一点云数据集合确定皮带输送机的传送带的轮廓，其中，所述第一点云数据集合包括所述传送带空载状态下的点云数据的集合；将第二点云数据集合按照扫描角度与所述轮廓对应的第三点云数据集合进行匹配，得到匹配结果；根据所述匹配结果确定在相同扫描角度下所述第二点云数据集合中与所述第三点云数据集合中不匹配的目标点云数据集合；确定所述第三点云数据集合中所述传送带输送的煤流的位置信息；根据所述煤流的位置信息从所述目标点云数据集合中筛选出所述皮带输送机预定范围内的非煤流物体
。
[0007]可选地，根据第一点云数据集合确定皮带输送机的传送带的轮廓，包括：在所述传送带处于空载状态时，触发激光雷达对所述传送带执行预定次数的扫描操作，得到所述第一点云数据集合；根据所述第一点云数据集合确定所述激光雷达采集所述第一点云数据集合中每一个点云数据的扫描角度；确定所述每一个点云数据的扫描角度对应的初始点云距离，得到初始点云数据集合，其中，所述点云距离表示在所述扫描角度下，所述激光雷达与所述传送带的垂直距离；根据所述初始点云数据集合确定所述轮廓
。
[0008]可选地，所述初始点云距离满足高斯混合分布，其中，所述高斯混合分布通过第一公式表示：
b
θ
表示所述初始点云距离，
θ
表示所述扫描角度，
k
表示高斯分布数量，
ω
i
表示第
i
个高斯分布的权重，
μ
i
表示
b
θ
的第
i
个匹配高斯分布的均值，表示
b
θ
的第
i
个匹配高斯分布的标准差，
[0009]可选地，根据所述匹配结果确定在相同扫描角度下所述第二点云数据集合中与所述第三点云数据集合中不匹配的目标点云数据集合，包括：将所述第二点云数据集合中的每一个第二点云数据分别与所述第三点云数据集合中的每一个第三点云数据的高斯混合分布进行匹配，通过第二公式在所述第一点云数据集合中匹配到与所述第二点云数据集合匹配度大于预定匹配度阈值的多个第四点云数据，得到所述第四点云数据集合，其中，第二公式为：
n
表示
c
θ
的最优匹配是
b
θ
的第
n
个高斯分布，
c
θ
表示所述第二点云数据；确定所述第四点云数据集合中满足预定关系的点云数据为所述第二点云数据集合中的背景点云数据，其中，所述预定关系为：
ω
i
≥T
，
c
θ
‑
μ
i
≤3
σ
n
，
T
表示权重阈值；确定所述第二点云数据集合中除所述背景点云数据的部分为所述目标点云数据集合
。
[0010]可选地，确定所述第三点云数据集合中所述传送带输送的煤流的位置信息，包括：确定所述传送带的最大宽度；确定所述传送带空载状态下和激光雷达的最小高度差；根据所述最大宽度
、
所述最小高度差，利用第四公式确定所述激光雷达开始扫描到所述传送带上的煤流时的第一角度，同时利用第五公式确定所述激光雷达最后扫描到所述传送带上的煤流时的第二角度，其中，所述第四公式为：煤流时的第二角度，其中，所述第四公式为：
θ
s
表示所述第一角度，
θ
max
表示所述激光雷达的最大扫描范围，
w
表示多数最大宽度，
H
表示所述最小高度差；第五公式为：
θ
e
表示所述第二角度；根据所述第一角度和所述第二角度确定所述位置信息
。
[0011]可选地，该基于激光扫描的皮带输送机异物筛选方法还包括：通过所述皮带输送机内的编码器确定所述皮带输送机的转速；确定所述皮带输送机的减速器的传动比；确定所述皮带输送机的滚筒半径和传动效率；根据所述转速
、
所述传动比
、
所述滚筒半径以及所述传动效率，通过第六公式确定所述传送带的运转速度，其中，所述第六公式为：
v
表示所述运转速度，
λ
表示所述转速，
r
表示所述滚筒半径，
β
表示所述传动效率，
i
表示所述传动比；通过第七公式确定所述煤流的瞬时流量，其中，所述第七公式为：
V
表示所述瞬时流量，
δ
表示所述激光雷达的角度分辨率
。
[0012]可选地，在根据第一点云数据集合确定皮带输送机的传送带的轮廓之后，还包括：根据所述轮廓对所述传送带进行检测，以确定所述传送带是否出现裂隙；在确定所述传送带出现裂隙时，生成第一报警信息，其中，所述第一报警信息用于提示所述传送带出现裂隙
。
[0013]可选地，在根据所述煤流的位置信息从所述目标点云数据集合中筛选出所述皮带输送机预定范围内的非煤流物体之后，还包括：生成第二报警信息，其中，所述第二报警信息用于提示所述皮带输送机预定范围内存在所述非煤流物体
。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于激光扫描的皮带输送机异物筛选方法，其特征在于，包括：根据第一点云数据集合确定皮带输送机的传送带的轮廓，其中，所述第一点云数据集合包括所述传送带空载状态下的点云数据的集合；将第二点云数据集合按照扫描角度与所述轮廓对应的第三点云数据集合进行匹配，得到匹配结果；根据所述匹配结果确定在相同扫描角度下所述第二点云数据集合中与所述第三点云数据集合中不匹配的目标点云数据集合；确定所述第三点云数据集合中所述传送带输送的煤流的位置信息；根据所述煤流的位置信息从所述目标点云数据集合中筛选出所述皮带输送机预定范围内的非煤流物体
。2.
根据权利要求1所述的基于激光扫描的皮带输送机异物筛选方法，其特征在于，根据第一点云数据集合确定皮带输送机的传送带的轮廓，包括：在所述传送带处于空载状态时，触发激光雷达对所述传送带执行预定次数的扫描操作，得到所述第一点云数据集合；根据所述第一点云数据集合确定所述激光雷达采集所述第一点云数据集合中每一个点云数据的扫描角度；确定所述每一个点云数据的扫描角度对应的初始点云距离，得到初始点云数据集合，其中，所述点云距离表示在所述扫描角度下，所述激光雷达与所述传送带的垂直距离；根据所述初始点云数据集合确定所述轮廓
。3.
根据权利要求2所述的基于激光扫描的皮带输送机异物筛选方法，其特征在于，所述初始点云距离满足高斯混合分布，其中，所述高斯混合分布通过第一公式表示：
b
θ
表示所述初始点云距离，
θ
表示所述扫描角度，
k
表示高斯分布数量，
ω
i
表示第
i
个高斯分布的权重，
μ
i
表示
b
θ
的第
i
个匹配高斯分布的均值，表示
b
θ
的第
i
个匹配高斯分布的标准差，
4.
根据权利要求3所述的基于激光扫描的皮带输送机异物筛选方法，其特征在于，根据所述匹配结果确定在相同扫描角度下所述第二点云数据集合中与所述第三点云数据集合中不匹配的目标点云数据集合，包括：将所述第二点云数据集合中的每一个第二点云数据分别与所述第三点云数据集合中的每一个第三点云数据的高斯混合分布进行匹配，通过第二公式在所述第一点云数据集合中匹配到与所述第二点云数据集合匹配度大于预定匹配度阈值的多个第四点云数据，得到所述第四点云数据集合，其中，第二公式为：
n
表示
c
θ
的最优匹配是
b
θ
的第
n
个高斯分布，
c
θ
表示所述第二点云数据；确定所述第四点云数据集合中满足预定关系的点云数据为所述第二点云数据集合中的背景点云数据，其中，所述预定关系为：
ω
i
≥T
，
c
θ
‑
μ
i
≤3
σ
n
，
T
表示权重阈值；确定所述第二点云数据集合中除所述背景点云数据的部分为所述目标点云数据集合
。
5.
根据权利要求1所述的基于激光扫描的皮带输送机异物筛选方法，其特征在于，确定所述第三点云数据集合中所述传送带输送的煤流的位置信息，包括：确定所述...

【专利技术属性】
技术研发人员：刘海锋，
申请(专利权)人：神华准格尔能源有限责任公司，
类型：发明
国别省市：