【技術實現步驟摘要】
本專利技術涉及物料塊度統計，具體涉及一種基于多視角三維激光點云的物料塊度統計方法。
技術介紹
1、塊度是指礦石、巖石經過爆破或破碎后形成的碎塊的大小程度，是工業生產、礦業、物流運輸及資源管理等領域中的重要生產指標，也是生產、加工及使用過程中一個不可忽視的重要因素，隨著工業自動化和智能化的快速發展，對物料塊度的精確識別需求日益迫切。準確的塊度識別不僅能夠提高生產效率，降低能耗，還能優化資源配置，減少浪費，同時，它關系到安全、穩定性、運輸堆放、資源利用以及環境影響等多個方面。
2、物料塊度大小識別方法主要包括基于視覺的識別方法、基于激光掃描的識別方法以及結合三維重建與計算技術的綜合識別方法。其中三維重建與計算技術的綜合識別方法是基于多視角幾何原理，通過三維激光掃描儀從多個視角獲取圖像或掃描數據，結合計算機圖形學和圖像處理技術，推斷出物體或場景的三維結構，盡管物料塊度大小識別技術取得了顯著進展，但仍存在一些問題與挑戰，首先，物料的形態差異較大，對識別算法的適應性和泛化能力提出了較高要求，其次，復雜環境下的光照變化、遮擋物及噪聲干擾等因素，導致物料識別精度低和準確性差。
技術實現思路
1、本專利技術的目的在于提供一種基于多視角三維激光點云的物料塊度統計方法，以解決在不同形態物料統計時，復雜環境下的光照變化、遮擋物及噪聲干擾等因素，導致物料識別精度低和準確性差的問題。
2、為達到上述目的，本專利技術提供的基礎方案為：一種基于多視角三維激光點云的物料塊度統計方法，包括以
3、s1.在物料塊度統計的區域設置若干個三維激光掃描儀，根據實際需求在工控計算機內設置相鄰點云群的夾角的閾值；
4、s2.通過三維激光掃描儀掃描物料塊獲得點云數據；
5、s3.將點云數據進行預處理，得到物料點云數據；
6、s4.在工控計算機內構建樹結構，將物料點云數據保存在樹結構中；
7、s5.利用點云區域增長算法，將物料塊所有面的點云形成對應面的點云群；
8、s6.通過點云群的法向量特征，利用最近鄰距離法，判斷相鄰物料的空間關系。
9、本專利技術的原理和有益效果在于：使用時，根據現場環境的復雜性和多樣性，架設多臺三維激光掃描儀，在工控計算機內設置相鄰點云群法向量夾角的閾值，通過三維激光掃描儀獲得物料的點云數據，再將獲得物料的點云數據進行預處理，存貯在樹結構中，接著利用點云區域增長算法，來確定物料塊所有面的點云群，利用點云群的空間特征法向量，來劃分相鄰點云群間的關系，結合設置相鄰點云群法向量夾角的閾值，從而判斷相鄰物料的空間關系，點云數據具有高精度和高分辨率的幾何信息，能夠直觀地表示空間中的物體形狀、表面和紋理等信息，通過點云數據的預處理減少光照變化、遮擋物及噪聲干擾等，增加物料識別精度和準確性。
10、方案二，此為基礎方案的優選，步驟s1中，設置相鄰點云群的法向量夾角的閾值∠θ1；根據不同物料的特性，物料的法向量夾角設置閾值不同。
11、方案三，此為基礎方案的優選，步驟s3中，對點云數據通過統計濾波進行降噪，通過icp算法將降噪后的點云進行拼接；統計濾波主要用于去除圖像中的噪聲，原理是對每個像素周圍的像素值進行排序，并選擇中間值作為該像素的新值，能夠有效去除噪聲點，同時保持圖像的邊緣信息，可以減少因環境產生的干擾信息，icp算法通過迭代計算最小化兩個點云之間的距離，可以獲得非常精確的配準效果，且不需要對點云進行分割和特征提取，將拼接預處理后的點云數據簡單化。
12、方案四，此為基礎方案的優選，步驟s4中，通過八叉樹將點云數據劃分成不同的層次和區域；八叉樹通過將空間劃分為八個相同的子空間，能夠高效地處理三維數據，可以減少內存使用，且增加數據的查詢和更新速度。
13、方案五，此為基礎方案的優選，步驟s5中，點云區域增長算法的步驟：
14、a.選擇初始點云：從點云數據中通過最遠法采樣選擇一組初始點云；
15、b.確定增長準則：根據物料的幾何特性和統計需求設定增長準則，設定點之間的距離的閾值；
16、c.執行區域增長：從初始點云開始，按照設定的增長準則，在點云數據中搜索相鄰的點，當兩個點之間的距離小于閾值時，則它們屬于同一物料塊的同一表面；當兩個點之間的距離大于閾值時，則它們不屬于同一物料塊的同一表面。
17、d.重復步驟c.：對每個初始點云都執行區域增長過程，直到所有的點云都被處理完畢，得到多個點云群；
18、點云區域增長算法原理是從一個或多個點云開始，逐步將與點云具有相似幾何特征的鄰近點加入到同一個區域中，直到沒有更多的點可以加入為止，主要用于將點云數據中的點，按照幾何特征聚集成不同的區域，通過點云區域增長算法，將點云聚集成點云群，且該算法靈活性高、執行簡單和魯棒性好，可以根據不同物料的性質，通過調整參數來適應不同的需求。
19、方案六，此為基礎方案的優選，步驟s6中，利用最近鄰距離法，判斷相鄰物料的空間關系的步驟：
20、a.法向量計算：通過計算一個點云群局部的協方差矩陣，并求得其最小特征值對應的特征向量
21、b.法向量夾角計算：通過兩個點云群的特征向量和得到夾角值∠θ2；利用公式：得到夾角值∠θ2；
22、c.對比∠θ1和∠θ2，當∠θ2>∠θ1時，則兩個點云群不屬于同一物料塊；當∠θ2<∠θ1時，則兩個點云群屬于同一物料塊；
23、最近鄰距離法通過計算未知樣本與訓練集中樣本之間的距離，選擇距離最近的多個樣本，然后根據這些樣本的標簽進行多數表決或平均值計算，以確定未知樣本的類別或預測其數值，通過計算點云群法向量夾角∠θ2，將∠θ2與設置相鄰點云群的法向量夾角的閾值∠θ1相比較，然后根據對比結果對相鄰物料進行分類，便于處理經降噪后的點云數據，且構建簡單，直觀易懂。
本文檔來自技高網...【技術保護點】
1.一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟S1中，設置相鄰點云群的法向量夾角的閾值∠θ1。
3.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟S3中，對點云數據通過統計濾波進行降噪，通過ICP拼接算法將降噪后的點云進行拼接。
4.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟S4中，通過八叉樹將點云數據劃分成不同的層次和區域。
5.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟S5中，點云區域增長算法的步驟：
6.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟S6中，利用最近鄰距離法，判斷相鄰物料的空間關系的步驟：
【技術特征摘要】
1.一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟s1中，設置相鄰點云群的法向量夾角的閾值∠θ1。
3.根據權利要求1所述的一種基于多視角三維激光點云的物料塊度統計方法，其特征在于，步驟s3中，對點云數據通過統計濾波進行降噪，通過icp拼接算法將降噪后的點云進行拼接。
4....
【專利技術屬性】
技術研發人員：霍成全，王維全，陳真，高茂林，畢建春，韓鵬舉，景釗，郭武英，任陽陽，
申請(專利權)人：富蘊蒙庫鐵礦有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。