【技术实现步骤摘要】
本专利技术涉及点云数据处理，具体涉及一种大宗商品室内仓储激光雷达3d点云数据处理方法。
技术介绍
1、大宗商品仓储监管和体积测量是供应链场景中的重要技术。煤炭、粮食等大宗商品通常采用堆放存储，具有场地大、测量难的特点，激光雷达可以对仓库现场进行扫描，生成3d点云数据，通过对点云数据的处理，去掉墙体、立柱、顶棚等数据，分离出货物数据，为实现货物体积测量提供支撑。
2、现有技术对墙面和顶棚数据的处理主要通过聚类获取平面、设置标靶配准、有监督机器学习方法等。在实际场景中，由于遮挡等因素，墙面和顶棚的点云数据可能出现残缺、不连续情况，通过聚类方式会得到大量不规则的小平面，需要对小平面进行大量后续处理工作，增加了系统复杂度，且准确度难以保障。
3、通过在仓库设置标靶可以显著提高数据处理的便捷性和准确性，但此方法属于侵入式，对仓库环境有一定要求，增加了运维成本。有监督机器学习方法需要准备大量不同环境的样本数据，并进行人工标注工作，前期准备工作较多。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺点，提供了一种大宗商品室内仓储激光雷达3d点云数据处理方法，对于立柱等物体遮挡导致点云数据残缺、不连续情况，能够以低复杂度、非侵入、无监督的方式实现点云数据的高准确度处理，以保障仓储货物检测的精准性。
2、本专利技术的目的通过以下技术方案来实现：
3、本专利技术提供了一种大宗商品室内仓储激光雷达3d点云数据处理方法，包括以下步骤：
4、
5、s2、将3d点云数据集去噪并转换为二维水平平面图；
6、s3、对二维水平平面图进行灰度化、平滑处理和边缘检测；
7、s4、对经过步骤s3处理后的二维水平平面图，使用霍夫变换检测图像中所有的直线，获得直线集合；
8、s5、计算步骤s4中获得的直线集合的凸包；
9、s6、根据步骤s4中获得直线集合和步骤s5中获得的凸包，计算该直线集合中各直线与最近凸包边之间的距离；
10、s7、根据步骤s6获得的距离，过滤掉与最近凸包边距离过大的直线，获得有效直线集合；
11、s8、将步骤s5中获得的凸包和步骤s7中的获得的有效直线集合合并，形成新的数据集；
12、s9、使用dbscan聚类算法对步骤s8获得的数据集进行聚类，将所得到的结果按类簇的大小将进行倒序排列，取前n个数据，获得外墙所在直线；
13、s10、根据步骤s1获得的3d点云数据集和步骤s9得到的结果，设定墙体厚度参数，去掉3d点云数据集中的墙体数据，得到新的数据集；
14、s11、计算步骤s2获取的二维水平平面图的凸包及其中心，随机选取某顶点为起始，将平面等分为8-16份，计算分割边与凸包的交点，获取经过该交点且与分割边垂直的直线，及该直线所在的与水平面的垂面；
15、s12、将步骤s10中得到的数据集投影至步骤s11获得的各个等分平面上，获得多个平面图；
16、s13、检测各平面图中的直线并过滤；
17、s14、根据步骤s13的结果，筛选出与水平面夹角为85º-90º的直线，选取其中直线数量最多的数据集；
18、s15、还原直线在原3d空间中的坐标；
19、s16、以步骤s14中得到的直线为中心，设定直径阈值得到立柱的范围表达，去掉所有在立柱范围内的数据点；
20、s17、若货物不触顶时，计算顶棚和地面分割的超平面，去掉该平面以上的数据点，从而实现货物体积测量。
21、可选或优选地，在获取3d点云数据集时，使用半径滤波算法去除显著离群点。
22、可选或优选地，在计算直线到凸包边的距离时，取该距离为直线两端点到凸包边的投影距离的均值。
23、可选或优选地，在计算平面点的凸包时，将平面点数据按照横坐标升序排序，横坐标相同的点依据纵坐标升序排序；排序完毕后，采用graham 算法从p0、p1扫描所有点得到下凸包，再从 pn-1、pn-2扫描所有点得到上凸包，二者结合即为整个凸包。
24、可选或优选地，在步骤s3进行边缘检测时，采用canny边缘检测算法，具体步骤包括：使用sobel 算子，计算出每个点的梯度大小和梯度方向；使用非极大值抑制，消除边缘检测带来的杂散效应；应用双阈值，来确定真实和潜在的边缘；通过抑制弱边缘来完成最终的边缘检测。
25、可选或优选地，
26、基于上述技术方案，可产生如下技术效果：
27、本专利技术提供的一种大宗商品室内仓储激光雷达3d点云数据处理方法，适用于立柱等物体遮挡导致点云数据残缺、不连续情况。本专利技术能有效地发挥数据的统计特征，不需要准备大量不同场景的样本数据，无需打标签，解决了真实场景可能不具备训练数据集的问题，降低实操成本。本方案根据大宗货物仓储场景巧妙实施处理流程，可解决直接使用聚类方式获取平面可能导致在特殊场景下结果不稳定或无效的问题，具有较强的鲁棒性。
本文档来自技高网...【技术保护点】
1.一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：在获取3D点云数据集时，使用半径滤波算法去除显著离群点。
3.根据权利要求1所述的一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：在计算直线到凸包边的距离时，取该距离为直线两端点到凸包边的投影距离的均值。
4.根据权利要求1所述的一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：在计算平面点的凸包时，将平面点数据按照横坐标升序排序，横坐标相同的点依据纵坐标升序排序；排序完毕后，采用Graham 算法从P0、P1扫描所有点得到下凸包，再从 Pn-1、Pn-2扫描所有点得到上凸包，二者结合即为整个凸包。
5.根据权利要求1所述的一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：在步骤S3进行边缘检测时，采用Canny边缘检测算法，具体步骤包括：使用sobel 算子，计算出每个点的梯度大小和梯度方向；使用非极大值抑制，消除边缘检测带来的
6.根据权利要求1所述的一种大宗商品室内仓储激光雷达3D点云数据处理方法，其特征在于：在步骤S13中，具体为：采用霍夫变换检测图像中所有的直线，获得直线集合；计算直线集合的凸包；计算直线集合中各直线与最近凸包边之间的距离；过滤掉与最近凸包边距离过大的直线。
...【技术特征摘要】
1.一种大宗商品室内仓储激光雷达3d点云数据处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种大宗商品室内仓储激光雷达3d点云数据处理方法，其特征在于：在获取3d点云数据集时，使用半径滤波算法去除显著离群点。
3.根据权利要求1所述的一种大宗商品室内仓储激光雷达3d点云数据处理方法，其特征在于：在计算直线到凸包边的距离时，取该距离为直线两端点到凸包边的投影距离的均值。
4.根据权利要求1所述的一种大宗商品室内仓储激光雷达3d点云数据处理方法，其特征在于：在计算平面点的凸包时，将平面点数据按照横坐标升序排序，横坐标相同的点依据纵坐标升序排序；排序完毕后，采用graham 算法从p0、p1扫描所有点得到下凸包，再从 p...
【专利技术属性】
技术研发人员：叶昕，赵培，黄和文，雷丕贵，陆熙，赵志凯，周明佳，吴睿璇，
申请(专利权)人：四川港投云港科技有限公司，
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。