CN113291847A - 一种基于三维成像的散料智能堆取料方法 - Google Patents

一种基于三维成像的散料智能堆取料方法 Download PDF

Info

Publication number
CN113291847A
CN113291847A CN202110349022.9A CN202110349022A CN113291847A CN 113291847 A CN113291847 A CN 113291847A CN 202110349022 A CN202110349022 A CN 202110349022A CN 113291847 A CN113291847 A CN 113291847A
Authority
CN
China
Prior art keywords
bulk material
taking
point cloud
bulk
dimensional
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
CN202110349022.9A
Other languages
English (en)
Inventor
陈勇波
陈明
李明阳
倪秀英
张海涛
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.)
Hunan Qianmeng Industrial Intelligent System Co ltd
Original Assignee
Hunan Qianmeng Industrial Intelligent System 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 Hunan Qianmeng Industrial Intelligent System Co ltd filed Critical Hunan Qianmeng Industrial Intelligent System Co ltd
Priority to CN202110349022.9A priority Critical patent/CN113291847A/zh
Publication of CN113291847A publication Critical patent/CN113291847A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G65/00—Loading or unloading
    • B65G65/005—Control arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于三维成像的散料智能堆取料方法，包括：1.基于x定位设备和激光扫描仪获取散料三维点云坐标；2.对散料x坐标以最近邻原则进行时空配准，与激光扫描仪y,z坐标一起形成料堆三维点云数据，把扫描仪坐标统一到散料料堆坐标系下；3.对激光扫描仪和毫米波雷达坐标进行三次B样条曲线插值，补偿因粉尘引起扫描仪缺失的数据；4.基于均值滤波过滤点云离散数据，去除激光扫描仪杂波点；5.基于最小二乘法拟合料堆局部轮廓，补偿局部阴影造成的扫描点缺失；6.对三维点云数据进行x,y,z三个方向网格化分层处理；7.基于分层堆取料及斜坡堆取料的思想，按照高层散料优先抓，堆取料设备顺序走行的原则计算生成堆取料点。

Description

一种基于三维成像的散料智能堆取料方法
技术领域
本发明涉及料场散料的智能堆取料策略，尤其涉及散货料场散料无人化自动抓取需求。
背景技术
散货料场的堆取料方式主要依赖于人工操作设备，但由于料场，尤其是封闭式干煤棚粉尘浓度大，高粉尘环境下司机视野差，无法保证安全高效地作业，且散料粉尘严重影响司机身体健康。人工堆取料的不稳定性加之长期疲劳驾驶，无法保证散料堆取料的连续性，影响散料堆取料效率，而实现堆取料设备的自动化智能化，需要一种新的技术方案来解决这些问题。
发明内容
本发明的目的在于提供一种基于三维成像的散料智能堆取料方法。本发明可以实现基于x定位***和激光扫描仪获取散料三维点云数据，基于三维点云数据智能生成最优堆取料点。克服了散货料场自动化作业程度低，工人劳动强度大，无法全天候连续作业的缺陷。
本发明主要实现步骤如下：
第一步：安装固定x定位***和激光扫描仪以及毫米波雷达。实时采集传感器数据，获取散料三维点云数据，并对x坐标进行最近邻配准。
第二步：对散料点云数据进行滤波，插值拟合处理，去除因粉尘等原因引起的扫描仪数据缺失，平滑点云数据。
第三步：对点云数据分层网格化处理，方便后续计算生成最优堆取料点；
第四步：基于堆取料设备顺序走行的原则，散料高层优先抓，计算每一个网格点的综合属性权重，然后对加权值排序，计算生成最优堆取料点。
第五步：更新散料点云数据，重复第四步，迭代生成下一个最优堆取料点。
本发明实现了基于三维成像的散货料场的智能无人化取料作业，保证了散货料场全天候取料的需求，提高了料场散货取料效率。本发明不仅试用于大型港口码头、露天仓库，还可以用于大型矿山料场、钢铁企业等散货原料厂。
附图说明
图1为煤堆散料实物图；
图2为散料三维点云数据采集装备示意图；
图3为散料点云数据网格划分示意图；
图4为本发明流程图。
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。
下面结合具体实例进行进一步说明本发明的技术方案。
请结合图1至图4，本发明提供一种基于三维成像的散料智能堆取料方法，包括如下步骤：
S1,安装固定x定位装置和激光扫描仪、毫米波雷达；
S2,实时获取散料三维点云x,y,z数据，对x坐标进行最近邻采样，网格化散料的x坐标；
S3,对散料料堆三维坐标进行插值拟合处理，补偿因料场粉尘导致的扫描仪数据缺失问题；
S4,基于均值滤波算法，滤除点云离群点；
S5,基于最小二乘法拟合点云局部坐标，平滑点云；
S6,对散料料堆三维点云数据分层网格化；
S7,按照分层堆取料及斜坡堆取料的思想更新散料点云数据，迭代计算下一个最优堆取料点。
具体操作如下：
按图2方式安装固定激光扫描仪和x坐标定位***。
步骤1，通过x坐标定位设备实时采集散料x坐标，首先对x坐标进行网格化处理，即对x坐标进行均匀分布处理，对x按照最近邻原则插值。具体实施方法为：假设散料x坐标的空间分辨率为dx，即散料的x坐标分布应为x0,x0+dx, x0+2*dx,…,x+n*dx，散料x位置当前实际采样值为X，求解min{dis(X –x0+K*dx)},K＝1,2,3,…,n。其中，dis表示两点之间的距离。找到符合条件的K值，则此位置即为散料当前的最近邻坐标：X’＝x0+K*dx。此时认为散料当前行的x坐标均为X’。
步骤2，扫描仪穿透能力有限，在高粉尘环境下，扫描仪的回波有可能大量缺失。本发明采用毫米波雷达数据与扫描仪数据三次样条插值补偿的方式实现在高粉尘环境下仍可有效采集散料点云数据。具体实施为已知扫描仪扫描范围端点坐标A(y0,z0),B(ym,z1)，以及分布在端点之间的毫米波雷达的点和激光扫描仪的点C(yi,zi)，其中y0<＝yi<＝ym，则可得到三次样条插值点 y0，y1，…，yn，ym∈[y0，y1]，然后依据三次样条插值公式，得到三次样条曲线。然后根据一行点的分布情况，在稀疏的地方插值新的点，稠密的地方随机剔除点，确保每一行的点个数是一致的。
步骤3，由于镜面反射或者水雾，粉尘等原因的影响，扫描仪的回波存在尖峰杂波。本发明使用最小二乘法对包含杂波的局部点云直线拟合，平滑点云数据。假设料堆一行数据点为X＝{(x0,y0),(x1,y1),...,(xn,yn)}，构造损失函数
Figure RE-GDA0003179144550000041
最优化目标
Figure RE-GDA0003179144550000042
求解得出参数a,b，则直线方程为y＝ax+b，根据直线方程，重新拟合散料局部坐标，最终达到平滑点云的目的。
步骤4，对平滑后的点云数据进行降采样网格化划分。把料堆想象成被一张大网覆盖，并且在深度方向也做分层处理，分层步长为h，这样整个料堆被划分成一个个块状结构，每一个块状网格为长宽高为(dx,dy,h)的立方体。计算每一个块状结构属性，对每一个块状结构，计算其所属深度层k，x,y方向的最大坡度，以及满载率。满载率定义如下：假设散料抓具抓满散料，体积为V0，当前块状结构的散料体积为V，则满载率为ρ＝V/V0。定义散料最高层为0层，次高层为1层，依此类推，最底层为K-1层。
步骤5，按照高层散料优先抓的思想，从第0层开始，对散料抓具最大张开覆盖范围内的每一个网格点，读取x,y方向的最大坡度，满载率。假设散料抓具在当前k层高度层共覆盖了m个网格点，对每个网格点属性按照如下优先级排序：x方向坡度>满载率>y方向坡度，取排序后最靠前的一个网格点作为最优取料点。
步骤6，以第5步生成的取料点为中心点，更新散料点云数据高度。重复第 5，6步，生成下一个取料点，直到取料点个数达到指定个数为止。
本发明实现了基于三维成像的散货料场的智能无人化取料作业，保证了散货料场全天候取料的需求，提高了料场散货取料效率。本发明不仅试用于大型港口码头、露天仓库，还可以用于大型矿山料场、钢铁企业等散货原料厂。
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 (6)

1.一种基于三维成像的散料智能堆取料方法，所述方法包括如下步骤：
S1,安装固定x定位装置和激光扫描仪、毫米波雷达；
S2,实时获取散料三维点云x,y,z数据，对x坐标进行最近邻采样，网格化散料的x坐标；
S3,对散料料堆三维坐标进行插值拟合处理，补偿因料场粉尘导致的扫描仪数据缺失问题；
S4,基于均值滤波算法，滤除点云离群点；
S5,基于最小二乘法拟合点云局部坐标，平滑点云；
S6,对散料料堆三维点云数据分层网格化；
S7,按照分层堆取料及斜坡堆取料的思想更新散料点云数据，迭代计算下一个最优堆取料点。
2.根据权利要求1所述的一种基于三维成像的散料智能堆取料方法，其特征在于：安装固定激光扫描仪和x定位设备，实时获取散料三维坐标，并对x坐标进行最近邻采样。
3.根据权利要求1所述的一种基于三维成像的散料智能堆取料方法，其特征在于：对散料三维点云数据进行插值拟合，补偿因粉尘或水雾导致的扫描仪数据缺失，使测量数据更接近散料真实形貌。
4.根据权利要求1所述的一种基于三维成像的散料智能堆取料方法，其特征在于：对散料点云数据网格化分层处理，方便后续计算选择最优堆取料点。
5.根据权利要求1所述的一种基于三维成像的散料智能堆取料方法，其特征在于：基于堆取料设备顺序走行的原则，先抓取散料高层，计算每一个网格点的综合属性权重，然后对加权值排序，选择最优堆取料点。
6.根据权利要求1所述的一种基于三维成像的散料智能堆取料方法，其特征在于：更新散料点云数据，重新计算下一个网格点的属性权重，选择第二个最优抓料点，依次类推，重复生成所有堆取料点。
CN202110349022.9A 2021-03-31 2021-03-31 一种基于三维成像的散料智能堆取料方法 Pending CN113291847A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110349022.9A CN113291847A (zh) 2021-03-31 2021-03-31 一种基于三维成像的散料智能堆取料方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110349022.9A CN113291847A (zh) 2021-03-31 2021-03-31 一种基于三维成像的散料智能堆取料方法

Publications (1)

Publication Number Publication Date
CN113291847A true CN113291847A (zh) 2021-08-24

Family

ID=77319276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110349022.9A Pending CN113291847A (zh) 2021-03-31 2021-03-31 一种基于三维成像的散料智能堆取料方法

Country Status (1)

Country Link
CN (1) CN113291847A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524010A (zh) * 2023-04-25 2023-08-01 北京云中未来科技有限公司 一种散料仓储的无人天车定位方法、***及存储介质
CN116835268A (zh) * 2023-09-01 2023-10-03 测控人(天津)科技有限公司 一种圆形堆取料机的远程控制方法和***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103090791A (zh) * 2013-01-08 2013-05-08 中联重科股份有限公司 散堆物料的测量***、方法、装置和堆取料控制***
US20130121564A1 (en) * 2010-07-05 2013-05-16 Kabushiki Kaisha Topcon Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program
CN108648277A (zh) * 2018-04-25 2018-10-12 南京理工大学 一种激光雷达点云数据的快速重建方法
CN109650090A (zh) * 2019-02-27 2019-04-19 莱芜钢铁集团电子有限公司 一种取料机取料控制方法及装置
CN111285127A (zh) * 2020-02-24 2020-06-16 中冶东方工程技术有限公司 一种刮板取料机智能控制***及方法
CN111830948A (zh) * 2019-03-27 2020-10-27 上海宝信软件股份有限公司 不同料场之间实时料堆三维成像的数据共享***和方法
CN112407979A (zh) * 2020-11-11 2021-02-26 中冶东方工程技术有限公司 一种基于原料场扫描成像的自动取料方法及***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130121564A1 (en) * 2010-07-05 2013-05-16 Kabushiki Kaisha Topcon Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program
CN103090791A (zh) * 2013-01-08 2013-05-08 中联重科股份有限公司 散堆物料的测量***、方法、装置和堆取料控制***
CN108648277A (zh) * 2018-04-25 2018-10-12 南京理工大学 一种激光雷达点云数据的快速重建方法
CN109650090A (zh) * 2019-02-27 2019-04-19 莱芜钢铁集团电子有限公司 一种取料机取料控制方法及装置
CN111830948A (zh) * 2019-03-27 2020-10-27 上海宝信软件股份有限公司 不同料场之间实时料堆三维成像的数据共享***和方法
CN111285127A (zh) * 2020-02-24 2020-06-16 中冶东方工程技术有限公司 一种刮板取料机智能控制***及方法
CN112407979A (zh) * 2020-11-11 2021-02-26 中冶东方工程技术有限公司 一种基于原料场扫描成像的自动取料方法及***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524010A (zh) * 2023-04-25 2023-08-01 北京云中未来科技有限公司 一种散料仓储的无人天车定位方法、***及存储介质
CN116524010B (zh) * 2023-04-25 2024-02-02 北京云中未来科技有限公司 一种散料仓储的无人天车定位方法、***及存储介质
CN116835268A (zh) * 2023-09-01 2023-10-03 测控人(天津)科技有限公司 一种圆形堆取料机的远程控制方法和***

Similar Documents

Publication Publication Date Title
Mi et al. Ship identification algorithm based on 3D point cloud for automated ship loaders
CN113291847A (zh) 一种基于三维成像的散料智能堆取料方法
CN109948189B (zh) 一种挖掘机铲斗物料体积与重量测量***
US8903689B2 (en) Autonomous loading
CN108564525A (zh) 一种基于多线激光雷达的3d点云2d化数据处理方法
CN110194375A (zh) 一种用于物料场的自动堆料、取料、堆取料方法和***
CN113345008B (zh) 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法
CN105976312A (zh) 基于点特征直方图的点云自动配准方法
CN105841631A (zh) 三维激光扫描设备以及方法
CN110329910A (zh) 自动化集装箱岸桥远程操控小车路径规划方法
CN103162659B (zh) 一种构造车辆三维扫描台及生成货物随机采样点的方法
CN110182620A (zh) 一种无人化链斗式连续卸船机的扫描识别***及工作方法
CN115824052B (zh) 一种基于激光雷达点云数据的堆料体积测量方法
Kulawiak et al. Processing of LiDAR and multibeam sonar point cloud data for 3D surface and object shape reconstruction
Beinschob et al. Strategies for 3D data acquisition and mapping in large-scale modern warehouses
CN114119710B (zh) 一种计算敞车车厢剩余冻煤体积的方法及***
Ding et al. A fast volume measurement method for obtaining point cloud data from bulk stockpiles
CN113686600B (zh) 一种旋耕机、开沟机性能鉴定装置
CN117557618A (zh) 一种基于三维建模的散装堆料在线测量方法及***
CN111284014B (zh) 基于激光遥感成像和3d打印技术的体积测量方法及***
Zhao et al. A method of measuring stacked objects volume based on laser sensing
Chang et al. Bulk terminal stockpile automatic modeling based on 3D scanning technology
CN117437291B (zh) 一种基于双目视觉的数字化料堆可视方法
CN112607248A (zh) 智能垃圾箱的溢满度测量方法、装置及智能垃圾箱
Chu et al. Study on damage identification of beam bridge based on characteristic curvature and improved wavelet threshold de-noising algorithm

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210824