CN112950702A - 一种基于三维点云的煤堆体积计算方法 - Google Patents

一种基于三维点云的煤堆体积计算方法 Download PDF

Info

Publication number
CN112950702A
CN112950702A CN202110135610.2A CN202110135610A CN112950702A CN 112950702 A CN112950702 A CN 112950702A CN 202110135610 A CN202110135610 A CN 202110135610A CN 112950702 A CN112950702 A CN 112950702A
Authority
CN
China
Prior art keywords
coal pile
point cloud
dimensional
volume
dimensional point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110135610.2A
Other languages
English (en)
Inventor
刘永
***
周宏斌
张泽巍
刘忻
刘亚伟
林忠朋
赵美玉
于洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huadian Zibo Thermal Power Co ltd
Original Assignee
Huadian Zibo Thermal Power Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huadian Zibo Thermal Power Co ltd filed Critical Huadian Zibo Thermal Power Co ltd
Priority to CN202110135610.2A priority Critical patent/CN112950702A/zh
Publication of CN112950702A publication Critical patent/CN112950702A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明公开了一种基于三维点云的煤堆体积计算方法，其技术方案要点是：包括以下步骤：步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；达到勘测数据准确性高，测量得出体积稳定性优越，通过多次实地勘测数据保障高可靠性勘测体积的效果。

Description

一种基于三维点云的煤堆体积计算方法
技术领域
本发明属于测量领域，具体涉及一种基于三维点云的煤堆体积计算方法。
背景技术
煤为不可再生的资源，在地表常温、常压下，由堆积在停滞水体中的植物遗体经泥炭化作用或腐泥化作用，转变成泥炭或腐泥；泥炭或腐泥被埋藏后，由于盆地基底下降而沉至地下深部，经成岩作用而转变成褐煤；当温度和压力逐渐增高，再经变质作用转变成烟煤至无烟煤。泥炭化作用是指高等植物遗体在沼泽中堆积经生物化学变化转变成泥炭的过程。腐泥化作用是指低等生物遗体在沼泽中经生物化学变化转变成腐泥的过程。腐泥是一种富含水和沥青质的淤泥状物质。冰川过程可能有助于成煤植物遗体汇集和保存。
在实际工作过程中，煤矿生产过程中产生大量堆放的原煤，因此需要对煤堆体积进行测量，从而掌握煤炭存量的具体数值，便于煤炭生产单位安排未来的生产、销售以及运输事务。
可参考公开号为CN107133434A的中国专利，其公开了一种泥石流临界体积浓度的计算方法，该方法通过震区泥石流沟的野外调查手段，确定震区泥石流沟的泥石流固体容重γS，水体的容重γW，泥石流沟道坡度α，泥石流沟道纵比降J，泥石流沟道糙率系数n，泥石流沟道堆积物的内摩擦角θ，泥石流流深H，泥石流的粘滞系数η；将所获得的参数带入计算公式，可以获得泥石流起动过程的泥石流临界体积浓度，该方法适用于震区泥石流体积浓度预测。
上述专利具有基于严密的理论推导，能更准确的得到震区泥石流体积浓度的变化情况，为震区泥石流防治工程的设计提供依据，其运用简单、高效，可满足地质灾害预防需要的优点，但是其也存在缺陷，如：其测量精度较低，稳定性较差，从而无法保障测量可靠性。
发明内容
本发明的目的在于提供一种基于三维点云的煤堆体积计算方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于三维点云的煤堆体积计算方法，包括以下步骤：
步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；
步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；
步骤三.构建三维模型：将步骤一勘测的三维点云数据显示到步骤二建立的三维坐标系中构建待检测煤堆的三维模型，最后通过三维模型计算出煤堆的勘测体积；
步骤四.重复数据检验：重复步骤一多次，分别得出多组测量煤堆的三维点云数据，然后依次通过多组三维点云数据值建立多组三维模型，从而得出多组煤堆勘测体积，最后将所有计算出的煤堆勘测体积相加除以实地勘测次数得到煤堆最终勘测体积。
优选的，所述步骤四中使用的函数方程式包括：
Figure RE-GDA0003007294510000031
式中X代表煤堆勘测体积值，n代表实地勘测次数，
Figure RE-GDA0003007294510000035
代表最终得到的煤堆勘测体积。
优选的，所述测量设备包括激光扫描仪以及用于承载所述激光扫描仪的智能移动车。
优选的，所述步骤一中设定所述测量设备任一测量点的测距为S，扫描角为θ，则该测量点在所述三维坐标系中的坐标为：
Figure RE-GDA0003007294510000032
式中Rn为安置角转换矩阵，
Figure RE-GDA0003007294510000033
为所述测量设备中心相对所述三维坐标系中心的偏心量坐标值。
优选的，所述安置角转换矩阵Rn的公式包括：
Figure RE-GDA0003007294510000034
优选的，所述步骤一中的计算得出的三维点云数据包括被测煤堆的经纬坐标数据。
优选的，所述步骤三中根据三维模型计算体积包括：
首先将被测煤堆三维点云数据中所有煤堆表面点投影到所述三维坐标系中X轴与Y轴所在的平面上；
在水平面X-Y中将煤堆表面点的投影点进行三角剖分，将其剖为多个三角形，投影点构成的三角形与煤堆表面点构成的三角形一一对应，共同构成三棱柱；
按照上述方法被测煤堆的三维点云可被分为多个三棱柱，最后通过计算每个三棱柱的体积并累计加和，即得到整个煤堆的体积结果。
优选的，所述三棱柱的计算方法包括：设N′ik、N′(i+1)k、N′i(k+1) 为煤堆三维表面特征像素点Nik、N(i+1)k、Ni(k+1)在平面上的投影，设N′ ikNik、N′(i+1)kN(i+1)k、N′i(k+1)Ni(k+1)的长度分别为h1、h2、h3，三角形NikN(i+1)kNi(k+1)在平面上的投影面积为ΔS，则由Nik、N′ik、 N(i+1)k、N′(i+1)k、Ni(k+1)、N′i(k+1)构成的三棱柱的体积ΔV为：
Figure RE-GDA0003007294510000041
优选的，所述三角形的面积公式为：ΔS＝(x(i+1)k-xik)(yk+1-yk)/2。
优选的，所述步骤一之前建立模拟煤堆，然后对模拟煤堆进行测量计算，若计算结果与模拟煤堆的实际体积误差率高于或低于设定值，则改进测量方法，直至测量计算结构与模拟煤堆实际体积的误差率在设定值内。
与现有技术相比，本发明的有益效果是：
本基于三维点云的煤堆体积计算方法，通过现场勘测数据，建立三维坐标系以及利用三维点云数据建立模拟三维模型，再通过精密计算得出精准的勘测体积数据，使本发明达到勘测数据准确性高，测量得出体积稳定性优越，通过多次实地勘测数据保障高可靠性勘测体积的效果。
附图说明
图1为本发明的方法流程图；
图2为本发明中的三维模型图；
图3为本发明中的三维点云数据图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3
实施例1
一种基于三维点云的煤堆体积计算方法，包括以下步骤：
步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；
步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；
步骤三.构建三维模型：将步骤一勘测的三维点云数据显示到步骤二建立的三维坐标系中构建待检测煤堆的三维模型，最后通过三维模型计算出煤堆的勘测体积；
步骤四.重复数据检验：重复步骤一10次，分别得出10组测量煤堆的三维点云数据，然后依次通过10组三维点云数据值建立10组三维模型，从而得出10组煤堆勘测体积，最后将所有计算出的煤堆勘测体积相加除以实地勘测次数得到煤堆最终勘测体积。
本实施例中，优选的，步骤四中使用的函数方程式包括：
Figure RE-GDA0003007294510000061
式中X代表煤堆勘测体积值，n代表实地勘测次数，
Figure RE-GDA0003007294510000062
代表最终得到的煤堆勘测体积。
本实施例中，优选的，测量设备包括激光扫描仪以及用于承载激光扫描仪的智能移动车。
本实施例中，优选的，步骤一中设定测量设备任一测量点的测距为S，扫描角为θ，则该测量点在三维坐标系中的坐标为：
Figure RE-GDA0003007294510000063
式中Rn为安置角转换矩阵，
Figure RE-GDA0003007294510000065
为测量设备中心相对三维坐标系中心的偏心量坐标值。
本实施例中，优选的，安置角转换矩阵Rn的公式包括：
Figure RE-GDA0003007294510000064
本实施例中，优选的，步骤一中的计算得出的三维点云数据包括被测煤堆的经纬坐标数据。
本实施例中，优选的，步骤三中根据三维模型计算体积包括：
首先将被测煤堆三维点云数据中所有煤堆表面点投影到三维坐标系中 X轴与Y轴所在的平面上；
在水平面X-Y中将煤堆表面点的投影点进行三角剖分，将其剖为多个三角形，投影点构成的三角形与煤堆表面点构成的三角形一一对应，共同构成三棱柱；
按照上述方法被测煤堆的三维点云可被分为多个三棱柱，最后通过计算每个三棱柱的体积并累计加和，即得到整个煤堆的体积结果。
本实施例中，优选的，三棱柱的计算方法包括：设N′ik、N′(i+1)k、 N′i(k+1)为煤堆三维表面特征像素点Nik、N(i+1)k、Ni(k+1)在平面上的投影，设N′ikNik、N′(i+1)kN(i+1)k、N′i(k+1)Ni(k+1)的长度分别为 h1、h2、h3，三角形NikN(i+1)kNi(k+1)在平面上的投影面积为ΔS，则由 Nik、N′ik、N(i+1)k、N′(i+1)k、Ni(k+1)、N′i(k+1)构成的三棱柱的体积ΔV为：
Figure RE-GDA0003007294510000071
本实施例中，优选的，三角形的面积公式为：ΔS＝ (x(i+1)k-xik)(yk+1-yk)/2。
本实施例中，优选的，步骤一之前建立模拟煤堆，然后对模拟煤堆进行测量计算，若计算结果与模拟煤堆的实际体积误差率高于或低于设定值，则改进测量方法，直至测量计算结构与模拟煤堆实际体积的误差率在设定值内。
本发明的有益效果：
本基于三维点云的煤堆体积计算方法，通过现场勘测数据，建立三维坐标系以及利用三维点云数据建立模拟三维模型，再通过精密计算得出精准的勘测体积数据，使本发明达到勘测数据准确性高，测量得出体积稳定性优越，通过多次实地勘测数据得出高可靠性勘测体积的效果。
实施例2
一种基于三维点云的煤堆体积计算方法，包括以下步骤：
步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；
步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；
步骤三.构建三维模型：将步骤一勘测的三维点云数据显示到步骤二建立的三维坐标系中构建待检测煤堆的三维模型，最后通过三维模型计算出煤堆的勘测体积；
步骤四.重复数据检验：重复步骤一8次，分别得出8组测量煤堆的三维点云数据，然后依次通过8组三维点云数据值建立8组三维模型，从而得出8组煤堆勘测体积，最后将所有计算出的煤堆勘测体积相加除以实地勘测次数得到煤堆最终勘测体积。
本实施例中，优选的，步骤四中使用的函数方程式包括：
Figure RE-GDA0003007294510000081
式中X代表煤堆勘测体积值，n代表实地勘测次数，
Figure RE-GDA0003007294510000093
代表最终得到的煤堆勘测体积。
本实施例中，优选的，测量设备包括激光扫描仪以及用于承载激光扫描仪的智能移动车。
本实施例中，优选的，步骤一中设定测量设备任一测量点的测距为S，扫描角为θ，则该测量点在三维坐标系中的坐标为：
Figure RE-GDA0003007294510000091
式中Rn为安置角转换矩阵，
Figure RE-GDA0003007294510000092
为测量设备中心相对三维坐标系中心的偏心量坐标值。
本实施例中，优选的，安置角转换矩阵Rn的公式包括：
Figure RE-GDA0003007294510000094
本实施例中，优选的，步骤一中的计算得出的三维点云数据包括被测煤堆的经纬坐标数据。
本实施例中，优选的，步骤三中根据三维模型计算体积包括：
首先将被测煤堆三维点云数据中所有煤堆表面点投影到三维坐标系中 X轴与Y轴所在的平面上；
在水平面X-Y中将煤堆表面点的投影点进行三角剖分，将其剖为多个三角形，投影点构成的三角形与煤堆表面点构成的三角形一一对应，共同构成三棱柱；
按照上述方法被测煤堆的三维点云可被分为多个三棱柱，最后通过计算每个三棱柱的体积并累计加和，即得到整个煤堆的体积结果。
本实施例中，优选的，三棱柱的计算方法包括：设N′ik、N′(i+1)k、 N′i(k+1)为煤堆三维表面特征像素点Nik、N(i+1)k、Ni(k+1)在平面上的投影，设N′ikNik、N′(i+1)kN(i+1)k、N′i(k+1)Ni(k+1)的长度分别为 h1、h2、h3，三角形NikN(i+1)kNi(k+1)在平面上的投影面积为ΔS，则由 Nik、N′ik、N(i+1)k、N′(i+1)k、Ni(k+1)、N′i(k+1)构成的三棱柱的体积ΔV为：
Figure RE-GDA0003007294510000101
实施例3
一种基于三维点云的煤堆体积计算方法，包括以下步骤：
步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；
步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；
步骤三.构建三维模型：将步骤一勘测的三维点云数据显示到步骤二建立的三维坐标系中构建待检测煤堆的三维模型，最后通过三维模型计算出煤堆的勘测体积；
步骤四.重复数据检验：重复步骤一多次，分别得出6组测量煤堆的三维点云数据，然后依次通过6组三维点云数据值建立6组三维模型，从而得出6组煤堆勘测体积，最后将所有计算出的煤堆勘测体积相加除以实地勘测次数得到煤堆最终勘测体积。
本实施例中，优选的，步骤四中使用的函数方程式包括：
Figure RE-GDA0003007294510000111
式中X代表煤堆勘测体积值，n代表实地勘测次数，
Figure RE-GDA0003007294510000115
代表最终得到的煤堆勘测体积。
本实施例中，优选的，测量设备包括激光扫描仪以及用于承载激光扫描仪的智能移动车。
本实施例中，优选的，步骤一中设定测量设备任一测量点的测距为S，扫描角为θ，则该测量点在三维坐标系中的坐标为：
Figure RE-GDA0003007294510000112
式中Rn为安置角转换矩阵，
Figure RE-GDA0003007294510000113
为测量设备中心相对三维坐标系中心的偏心量坐标值。
本实施例中，优选的，安置角转换矩阵Rn的公式包括：
Figure RE-GDA0003007294510000114
本实施例中，优选的，步骤三中根据三维模型计算体积包括：
首先将被测煤堆三维点云数据中所有煤堆表面点投影到三维坐标系中X轴与Y轴所在的平面上；
在水平面X-Y中将煤堆表面点的投影点进行三角剖分，将其剖为多个三角形，投影点构成的三角形与煤堆表面点构成的三角形一一对应，共同构成三棱柱；
按照上述方法被测煤堆的三维点云可被分为多个三棱柱，最后通过计算每个三棱柱的体积并累计加和，即得到整个煤堆的体积结果。
本实施例中，优选的，三棱柱的计算方法包括：设N′ik、N′(i+1)k、 N′i(k+1)为煤堆三维表面特征像素点Nik、N(i+1)k、Ni(k+1)在平面上的投影，设N′ikNik、N′(i+1)kN(i+1)k、N′i(k+1)Ni(k+1)的长度分别为 h1、h2、h3，三角形NikN(i+1)kNi(k+1)在平面上的投影面积为ΔS，则由 Nik、N′ik、N(i+1)k、N′(i+1)k、Ni(k+1)、N′i(k+1)构成的三棱柱的体积ΔV为：
Figure RE-GDA0003007294510000121
实验：
建造实际体积为60立方米的实验模拟煤堆，然后通过本方法对实验模拟煤堆进行10次测量，测量计算得出的实验数据如下表。
Figure RE-GDA0003007294510000122
Figure RE-GDA0003007294510000131
上表中的实验体积最大值为60.1，最小值为59.7，平均值为59.87，然后根据误差公式：P＝Xm-Xs/X平(P为误差值，Xm为最大值，Xs为最小值，X平为平均值)，得出误差P为0.668％，误差较小，且可以准确的生成实验模拟煤堆的三维模型图，证实了本方法的高准确性、高稳定性以及高可靠性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于三维点云的煤堆体积计算方法，其特征在于，包括以下步骤：
步骤一.计算三维点云数据：工作人员操作测量设备沿测量煤堆的最底层运动一周，得到测量煤堆的测量数据，然后根据测量数据计算出煤堆的三维点云数据；
步骤二.建立勘测坐标系：以实地数据勘测时的起点为GPS的相位中心，再以相位中心为原点建立勘测坐标系，然后以水平正北为Y轴，Z轴沿重力铅垂线向上，X轴垂直与Y轴指向正东建立三维坐标系；
步骤三.构建三维模型：将步骤一勘测的三维点云数据显示到步骤二建立的三维坐标系中构建待检测煤堆的三维模型，最后通过三维模型计算出煤堆的勘测体积；
步骤四.重复数据检验：重复步骤一多次，分别得出多组测量煤堆的三维点云数据，然后依次通过多组三维点云数据值建立多组三维模型，从而得出多组煤堆勘测体积，最后将所有计算出的煤堆勘测体积相加除以实地勘测次数得到煤堆最终勘测体积。
2.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述步骤四中使用的函数方程式包括：
Figure FDA0002926838950000011
式中X代表煤堆勘测体积值，n代表实地勘测次数，
Figure FDA0002926838950000012
代表最终得到的煤堆勘测体积。
3.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述测量设备包括激光扫描仪以及用于承载所述激光扫描仪的智能移动车。
4.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述步骤一中设定所述测量设备任一测量点的测距为S，扫描角为θ，则该测量点在所述三维坐标系中的坐标为：
Figure FDA0002926838950000021
式中Rn为安置角转换矩阵，
Figure FDA0002926838950000022
为所述测量设备中心相对所述三维坐标系中心的偏心量坐标值。
5.根据权利要求4所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述安置角转换矩阵Rn的公式包括：
Figure FDA0002926838950000023
6.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述步骤一中的计算得出的三维点云数据包括被测煤堆的经纬坐标数据。
7.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述步骤三中根据三维模型计算体积包括：
首先将被测煤堆三维点云数据中所有煤堆表面点投影到所述三维坐标系中X轴与Y轴所在的平面上；
在水平面X-Y中将煤堆表面点的投影点进行三角剖分，将其剖为多个三角形，投影点构成的三角形与煤堆表面点构成的三角形一一对应，共同构成三棱柱；
按照上述方法被测煤堆的三维点云可被分为多个三棱柱，最后通过计算每个三棱柱的体积并累计加和，即得到整个煤堆的体积结果。
8.根据权利要求7所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述三棱柱的计算方法包括：设N′ik、N′(i+1)k、N′i(k+1)为煤堆三维表面特征像素点Nik、N(i+1)k、Ni(k+1)在平面上的投影，设N′ikNik、N′(i+1)kN(i+1)k、N′i(k+1)Ni(k+1)的长度分别为h1、h2、h3，三角形NikN(i+1)kNi(k+1)在平面上的投影面积为ΔS，则由Nik、N′ik、N(i+1)k、N′(i+1)k、Ni(k+1)、N′i(k+1)构成的三棱柱的体积ΔV为：
Figure FDA0002926838950000031
9.根据权利要求8所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述三角形的面积公式为：ΔS＝(x(i+1)k-xik)(yk+1-yk)/2。
10.根据权利要求1所述的一种基于三维点云的煤堆体积计算方法，其特征在于：所述步骤一之前建立模拟煤堆，然后对模拟煤堆进行测量计算，若计算结果与模拟煤堆的实际体积误差率高于或低于设定值，则改进测量方法，直至测量计算结构与模拟煤堆实际体积的误差率在设定值内。
CN202110135610.2A 2021-02-01 2021-02-01 一种基于三维点云的煤堆体积计算方法 Pending CN112950702A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110135610.2A CN112950702A (zh) 2021-02-01 2021-02-01 一种基于三维点云的煤堆体积计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110135610.2A CN112950702A (zh) 2021-02-01 2021-02-01 一种基于三维点云的煤堆体积计算方法

Publications (1)

Publication Number Publication Date
CN112950702A true CN112950702A (zh) 2021-06-11

Family

ID=76240558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110135610.2A Pending CN112950702A (zh) 2021-02-01 2021-02-01 一种基于三维点云的煤堆体积计算方法

Country Status (1)

Country Link
CN (1) CN112950702A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111567A (zh) * 2021-09-26 2022-03-01 华能国际电力股份有限公司大连电厂 一种原煤仓用煤堆测量方法及装置
CN115512345A (zh) * 2022-09-21 2022-12-23 浙江安吉天子湖热电有限公司 一种行车固定式盘煤***和盘煤方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778720A (zh) * 2015-05-07 2015-07-15 东南大学 一种基于空间不变特性的快速体积测量方法
CN106875440A (zh) * 2017-02-22 2017-06-20 神华集团有限责任公司 煤堆体积的计算方法及装置
CN108225185A (zh) * 2018-01-17 2018-06-29 北京建筑大学 一种车载扫描***检校方法
CN108596914A (zh) * 2018-04-04 2018-09-28 湖南三德科技股份有限公司 一种无人机盘煤方法
CN108645339A (zh) * 2018-05-14 2018-10-12 国能生物发电集团有限公司 一种生物发电厂料垛点云数据采集及体积计算方法
CN109029254A (zh) * 2018-07-03 2018-12-18 燕山大学 一种基于点云数据处理的列车车厢载货体积及体密度质量检测方法
CN109655811A (zh) * 2018-11-09 2019-04-19 广西壮族自治区遥感信息测绘院 海陆两用双频机载LiDAR***误差检校模型建模方法
CN111429504A (zh) * 2020-03-02 2020-07-17 武汉大学 基于三维点云的物料堆自动提取和体积测量方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778720A (zh) * 2015-05-07 2015-07-15 东南大学 一种基于空间不变特性的快速体积测量方法
CN106875440A (zh) * 2017-02-22 2017-06-20 神华集团有限责任公司 煤堆体积的计算方法及装置
CN108225185A (zh) * 2018-01-17 2018-06-29 北京建筑大学 一种车载扫描***检校方法
CN108596914A (zh) * 2018-04-04 2018-09-28 湖南三德科技股份有限公司 一种无人机盘煤方法
CN108645339A (zh) * 2018-05-14 2018-10-12 国能生物发电集团有限公司 一种生物发电厂料垛点云数据采集及体积计算方法
CN109029254A (zh) * 2018-07-03 2018-12-18 燕山大学 一种基于点云数据处理的列车车厢载货体积及体密度质量检测方法
CN109655811A (zh) * 2018-11-09 2019-04-19 广西壮族自治区遥感信息测绘院 海陆两用双频机载LiDAR***误差检校模型建模方法
CN111429504A (zh) * 2020-03-02 2020-07-17 武汉大学 基于三维点云的物料堆自动提取和体积测量方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨德山: "大中型散料堆体积测量关键技术研究", 《万方数据》 *
杨德山等: "大型散货堆体积的快速测量", 《光学精密工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111567A (zh) * 2021-09-26 2022-03-01 华能国际电力股份有限公司大连电厂 一种原煤仓用煤堆测量方法及装置
CN115512345A (zh) * 2022-09-21 2022-12-23 浙江安吉天子湖热电有限公司 一种行车固定式盘煤***和盘煤方法
CN115512345B (zh) * 2022-09-21 2023-07-25 浙江安吉天子湖热电有限公司 一种行车固定式盘煤***和盘煤方法

Similar Documents

Publication Publication Date Title
Mazzotti et al. Impact of anthropogenic subsidence on relative sea-level rise in the Fraser River delta
Adams et al. Digital characterization of thrombolite-stromatolite reef distribution in a carbonate ramp system (terminal Proterozoic, Nama Group, Namibia)
Whittaker et al. Geomorphic constraints on fault throw rates and linkage times: Examples from the Northern Gulf of Evia, Greece
Zhou et al. Rates of natural subsidence along the Texas coast derived from GPS and tide gauge measurements (1904–2020)
Wang et al. Coastal dam inundation assessment for the Yellow River Delta: Measurements, analysis and scenario
CN112950702A (zh) 一种基于三维点云的煤堆体积计算方法
Galloway et al. Analysis and simulation of regional subsidence accompanying groundwater abstraction and compaction of susceptible aquifer systems in the USA
CN103278115A (zh) 一种基于dem计算淤地坝淤积量的方法及***
Fabris et al. Estimation of subsidence in Po Delta area (Northern Italy) by integration of GPS data, high-precision leveling and archival orthometric elevations
Liu et al. Current activity of the Long Point Fault in Houston, Texas constrained by continuous GPS measurements (2013–2018)
Guo et al. Utilization of 3D laser scanning for stability evaluation and deformation monitoring of landslides
Valente et al. Studying a subsiding urbanized area from a multidisciplinary perspective: The inner sector of the Sarno Plain (Southern Apennines, Italy)
Porzucek et al. Microgravity survey to detect voids and loosening zones in the vicinity of the mine shaft
Calvo et al. Unlocking the correlation in fluvial outcrops by using a DOM-derived virtual datum: Method description and field tests in the Huesca fluvial fan, Ebro Basin (Spain)
Alho et al. Consequence of DTM precision for flood hazard mapping: A case study in SW Finland
Kowalczyk New model of the vertical crustal movements in the area of Poland
Wendt et al. Geodetic observations of ice flow velocities over the southern part of subglacial Lake Vostok, Antarctica, and their glaciological implications
Kowalczyk Determination of land uplift in the area of Poland
Parrot Tri-dimensional parameterisation: an automated treatment to study the evolution of volcanic cones
Van Orstrand Normal geothermal gradient in United States
Sobak et al. Terrestrial laser scanning assessment of generalization errors in conventional topographic surveys
Mashee et al. Dem Imagery for Investigation and Verification Najaf-Karbala Hill Formation by Use Remote Sensing Techniques
Shenkel An additional comment on volume calculations and a comparison of formulae using several Southeastern Mounds
Toker et al. Revisiting historical sea level elevation in Israel from the British Mandate period through the present day (1922–2017)
Whitten Crustal movement from geodetic measurements

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210611

RJ01 Rejection of invention patent application after publication