CN113776429A - 一种车载物料体积测量方法 - Google Patents
一种车载物料体积测量方法 Download PDFInfo
- Publication number
- CN113776429A CN113776429A CN202110822396.8A CN202110822396A CN113776429A CN 113776429 A CN113776429 A CN 113776429A CN 202110822396 A CN202110822396 A CN 202110822396A CN 113776429 A CN113776429 A CN 113776429A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- dimensional
- model
- laser radar
- volume
- 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
Links
- 239000000463 material Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000004069 differentiation Effects 0.000 claims abstract description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000000691 measurement method Methods 0.000 abstract description 7
- 238000005056 compaction Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 239000002245 particle Substances 0.000 description 4
- 230000001788 irregular Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及遥感测量车载物料体积测量技术领域,一种车载物料体积测量方法,包括如下步骤,步骤1、装载物料车辆经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对装载物料车辆进行实时三维重建,扫描结束得到装载车辆三维模型;步骤2、车辆卸货后以空载状态再次经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对空载车辆进行实时三维重建,扫描结束得到空载车辆三维模型;步骤3、将装载车辆三维模型和空载车辆三维模型进行三维表面重建,对重建三维表面切片微分,将表面重建后模型进行切片处理;步骤4、计算切片微分后物料每一部分的体积,最后基于积分算得装载物料部分总体积。本方法可不接触测量物体并准确测量车载物料体积。
Description
技术领域
本发明涉及遥感测量车载物料体积测量技术领域,特别是一种车载物料体积测量方法。
背景技术
在一些工程项目中,需要对泥土物料体积进行测算,以便于工程中制造混凝土所需原材料的管理和精确控制,以及泥土挖取与填埋的用量估计等其它车载物料的体积测量。一般车载物料体积测量传统测量方法为:通过地磅分别称取装在物料车辆装载与空载时的两次重量,计算物料净重,然后再基于以下经验公式:物料体积=物料净重/物料堆积密度,计算求解体积。其中物料堆积密度由经验所得或以小部分物料测算。
上述测量方法具有诸多不足:
不足1:地磅测量有误差,所得重量无法保证准确可靠。测量车载物料重量的地磅一般安装在室外环境,如果地磅底部积水或者使用较久后未清零量程,测量结果就会出现较大误差。
不足2:物料堆积密度受含水量影响,无法准确获取堆积密度。堆积密度一般由经验或取小部分物料测算所得,不同批次物料含水量往往相差较大。含水越多,堆积密度越大,物料堆积密度是随着含水量动态变化的。因此,基于经验或一个固定测算的堆积密度代入公式求解不同批次物料体积并不准确。
不足3:装车人为注水、压实处理影响较大。为了节省运输费用在装车时会尽量多装载,对装载材料进行注水、压实等处理。经过处理后物料堆积密度会增大,若仍然以经验或堆积测量实验给出的堆积密度计算体积,所得体积则会比真实体积偏大。
不足4:物料堆积密度受物料颗粒形状以及大小影响。物料多种多样,物料颗粒形状各异大小不一,同种物料不同批次也存在差异。物料颗粒形状于大小影响堆积中颗粒间空隙大小,从而影响物料的真实堆积密度。
发明内容
为解决上述问题,本发明提出一种车载物料体积测量方法,本方法可不接触测量物体并准确测量车载物料体积。
为实现上述目的,本发明采用的技术方案是:
一种车载物料体积测量方法,包括如下步骤,
步骤1、装载物料车辆经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对装载物料车辆进行实时三维重建,扫描结束得到装载车辆三维模型;
步骤2、车辆卸货后以空载状态再次经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对空载车辆进行实时三维重建,扫描结束得到空载车辆三维模型;
步骤3、将装载车辆三维模型和空载车辆三维模型进行三维表面重建,对重建三维表面切片微分,将表面重建后模型进行切片处理;
步骤4、计算切片微分后物料每一部分的体积,最后基于积分算得装载物料部分总体积。
作为优选的,在步骤1和步骤2中,通过三个激光雷达组成的扫描***对车辆进行扫描,三个激光雷达分别为安装在车辆行驶方向的测距激光雷达、左右两侧的扫描激光雷达。
作为优选的,车辆行驶经过激光雷达扫描区域,测距激光雷达负责实时测量车辆行驶过程中的位置距离,两侧激光雷达负责实时扫描车辆外部轮廓,基于实时的车辆位置距离和当前轮廓信息,在建立三维空间坐标系下,将扫描的轮廓信息推送至坐标系下对应的位置,实时合成车辆的三维模型。
作为优选的,在步骤1和步骤2中,激光雷达对车辆进行扫描得到离散的车辆三维点云图,基于贪婪三角化的网格投影对车辆三维点云图进行拟合,步骤如下:首先进行移动最小二乘滤波以平滑点云表面,再取局部平滑点云投影至二维平面,在二维平面中进行三角网格化处理,最后将连接好的三角网格还原至三维空间,曲面重建处理后,得到具有连续表面的三维模型。
作为优选的,在步骤3中,将车辆模型将沿着车辆的行驶方向,将模型切割微分成若干个分片段,上述模型切割微分步骤如下:首先将网格化的模型转换至OpenMesh数据结构表示,基于OpenMesh的半边数据结构,遍历每个三角面以及边界,求取每一条切割线与三角边的交点,得到若干个微分后的分模型,该分模型为底面为多边形的柱状体模型。
作为优选的,所述分模型的高度为h,底面面积为s,分模型的体积表示为
V=s*h,
计算得到每个分模型体积后,通过分三维模型体积积分累加即可求得整体体积,则体积可由格林公式计算
离散坐标表示为:
本发明的有益效果是:
本测量方法为非接触式自动测量。本发明测量过程无需接触测量车辆与装载物料,只需车辆按照正确流程经过设备扫描后,测量***自动计算体积结果,同时本发明无需任何类似堆积密度的先验条件。
本测量方法不受人为压实影响。在装载时物料经过压实处理堆积密度会显著增大,载重也会随之增大。本发明不基于堆积密度,而是基于激光雷达扫描后还原的真实三维模型而计算,压实处理不影响体积的计算。不受材料种类差异的影响。不同材料重量、密度以及含水率差异较大,传统方法基于密度与重量计算既不方便也难以保证精度。本发明基于三维模型计算物料所占三维空间的真实体积,不受材料种类的影响。
附图说明
图1为本发明车载物料体积测量方法采用的***硬件安装示意图。
图2为本发明车载物料体积测量方法整体测量流程图。
图3为本发明车载物料体积测量方法三维重建流程图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1-图3所示,本测量方法使用的***硬件安装图1所示,车辆行驶方向安装一个激光雷达,负责车辆行驶时实时测量车辆位置距离。车辆行驶方向两侧上方安装两个激光雷达,负责车辆行驶时实时扫描车辆表面轮廓。车辆行驶前方可安装车牌识别装置以自动记录车辆信息。
如图2所示,本测量方法具体流程如下,首先检测车牌信息,如完整获取车牌信息后,即完成车牌识别,车牌识别成功后,通过激光雷达扫描车辆,具体为包括如下步骤,步骤1、装载物料车辆经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对装载物料车辆进行实时三维重建,扫描结束得到装载车辆三维模型;步骤2、车辆卸货后以空载状态再次经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对空载车辆进行实时三维重建,扫描结束得到空载车辆三维模型;步骤3、将装载车辆三维模型和空载车辆三维模型进行三维表面重建,对重建三维表面切片微分,将表面重建后模型进行切片处理;步骤4、计算切片微分后物料每一部分的体积,最后基于积分算得装载物料部分总体积。
如图3所示,对装载物料车辆、以及空载物料车辆的测量流程如下:
完整测量流程中车辆分别以装载状态和空载状态经过激光雷达扫描,进行两次三维重建。步骤为:
a、扫描***由三个激光雷达组成,分别为安装在车辆行驶方向的测距激光雷达、左右两侧的扫描激光雷达。三维重建工作流程为,车辆行驶经过扫描区域,测距激光雷达负责实时测量车辆行驶过程中的位置距离,两侧激光雷达负责实时扫描车辆外部轮廓。基于实时的车辆位置距离、当前轮廓信息,在建立三维空间坐标系下,实时合成车辆的三维模型。合成原理为,基于实时的位置距离信息,将扫描的轮廓信息推送至坐标系下对应的位置。
b、三维曲面重建:经过三维重建而得到的为车辆三维点云图,点云图由一个一个坐标点构成,是离散的,需要进一步进行表面的三维重建,这里采用基于贪婪三角化的网格投影,处理步骤为首先进行移动最小二乘滤波以平滑点云表面,再一部分部分取局部点云投影至二维平面,在二维平面中进行三角网格化,最后将连接好的三角网格还原至三维空间,曲面重建处理后,得到具有连续表面的三维模型。
c、切片微分:基于微积分的思想,大物体整体无规则的物体无法直接计算其体积,足够小的物体可以近似看作规则物体,以规则物体的体积计算公式计算其体积。将车辆模型将沿着车辆的行驶方向,将模型切割微分成若干个小片段。微分处理这一步处理过程为,首先将网格化的模型转换至OpenMesh数据结构表示,基于OpenMesh的半边数据结构,遍历每个三角面以及边界,求取每一条切割线与三角边的交点。
d、积分计算:经过上一步切片微分的处理,可以得到若干个分模型,分模型形状为不规则多边形为底面,一定高度的柱状物体。如果可以知道分模型底面面积s与高度h,可由以下公式计算的分模型体积:
V=s*h
计算得到每个分模型体积后,积分累加即可求得整体体积。
已知高度h为切片微分的间隔长度,底面积s为不规则多边形。
底面积s可由格林公式计算:
离散坐标可表示为:
本测量方法不受人为压实影响。在装载时物料经过压实处理堆积密度会显著增大,载重也会随之增大。本发明不基于堆积密度,而是基于激光雷达扫描后还原的真实三维模型而计算,压实处理不影响体积的计算。不受材料种类差异的影响。不同材料重量、密度以及含水率差异较大,传统方法基于密度与重量计算即不方便也难以保证精度。本发明基于三维模型计算物料所占三维空间的真实体积,不受材料种类的影响。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上可以作出许多变化,只要这些变化未脱离本发明的构思,均属于本发明的保护范围。
Claims (6)
1.一种车载物料体积测量方法,其特征在于:包括如下步骤,
步骤1、装载物料车辆经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对装载物料车辆进行实时三维重建,扫描结束得到装载车辆三维模型;
步骤2、车辆卸货后以空载状态再次经过激光雷达扫描区域,激光雷达对车辆进行扫描,***对空载车辆进行实时三维重建,扫描结束得到空载车辆三维模型;
步骤3、将装载车辆三维模型和空载车辆三维模型进行三维表面重建,对重建三维表面切片微分,将表面重建后模型进行切片处理;
步骤4、计算切片微分后物料每一部分的体积,最后基于积分算得装载物料部分总体积。
2.根据权利要求1所述的车载物料体积测量方法,其特征在于:在步骤1和步骤2中,通过三个激光雷达组成的扫描***对车辆进行扫描,三个激光雷达分别为安装在车辆行驶方向的测距激光雷达、左右两侧的扫描激光雷达。
3.根据权利要求2所述的车载物料体积测量方法,其特征在于:车辆行驶经过激光雷达扫描区域,测距激光雷达负责实时测量车辆行驶过程中的位置距离,两侧激光雷达负责实时扫描车辆外部轮廓,基于实时的车辆位置距离和当前轮廓信息,在建立三维空间坐标系下,将扫描的轮廓信息推送至坐标系下对应的位置,实时合成车辆的三维模型。
4.根据权利要求1所述的车载物料体积测量方法,其特征在于:在步骤1和步骤2中,激光雷达对车辆进行扫描得到离散的车辆三维点云图,基于贪婪三角化的网格投影对车辆三维点云图进行三维表面拟合,步骤如下:首先进行移动最小二乘滤波以平滑点云表面,再取局部平滑点云投影至二维平面,在二维平面中进行三角网格化处理,最后将连接好的三角网格还原至三维空间,曲面重建处理后,得到具有连续表面的三维模型。
5.根据权利要求4所述的车载物料体积测量方法,其特征在于:在步骤3中,将车辆模型将沿着车辆的行驶方向,将模型切割微分成若干个分片段,上述模型切割微分步骤如下:首先将网格化的模型转换至OpenMesh数据结构表示,基于OpenMesh的半边数据结构,遍历每个三角面以及边界,求取每一条切割线与三角边的交点,得到若干个微分后的分模型,该分模型为底面为多边形的柱状体模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110822396.8A CN113776429A (zh) | 2021-07-21 | 2021-07-21 | 一种车载物料体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110822396.8A CN113776429A (zh) | 2021-07-21 | 2021-07-21 | 一种车载物料体积测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113776429A true CN113776429A (zh) | 2021-12-10 |
Family
ID=78836139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110822396.8A Pending CN113776429A (zh) | 2021-07-21 | 2021-07-21 | 一种车载物料体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113776429A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096402A (zh) * | 2022-07-15 | 2022-09-23 | 南京一淳科技有限公司 | 一种3d料位成像雷达的探测装置和方法 |
CN115564820A (zh) * | 2022-11-10 | 2023-01-03 | 武汉工程大学 | 基于贪婪投影三角化的体积确定方法、***、设备及介质 |
CN115856923A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 矿卡卸料用时的测量方法、装置、设备及存储介质 |
CN115880354A (zh) * | 2023-03-02 | 2023-03-31 | 成都工业学院 | 一种基于点云自适应切片的计算树冠体积的方法 |
CN116843742A (zh) * | 2023-03-13 | 2023-10-03 | 武汉理工大学 | 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102980531A (zh) * | 2012-12-07 | 2013-03-20 | 中国铁道科学研究院 | 一种基于三维激光扫描的容积测量方法及装置 |
CN102980512A (zh) * | 2012-08-29 | 2013-03-20 | 武汉武大卓越科技有限责任公司 | 一种固定式自动体积测量***及其测量方法 |
KR20170034129A (ko) * | 2015-09-18 | 2017-03-28 | 한국도로공사 | 차량 적재 불량 검측 시스템 및 검측 방법 |
US20190162855A1 (en) * | 2015-07-13 | 2019-05-30 | Agerpoint, Inc. | Systems and methods for determining crop yields with high resolution geo-referenced sensors |
CN110335301A (zh) * | 2019-06-14 | 2019-10-15 | 广州大学 | 一种基于激光雷达和结构光的三维扫描方法及装置 |
CN111336917A (zh) * | 2020-02-24 | 2020-06-26 | 成俊 | 体积测量方法、装置、***及计算机可读存储介质 |
-
2021
- 2021-07-21 CN CN202110822396.8A patent/CN113776429A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102980512A (zh) * | 2012-08-29 | 2013-03-20 | 武汉武大卓越科技有限责任公司 | 一种固定式自动体积测量***及其测量方法 |
CN102980531A (zh) * | 2012-12-07 | 2013-03-20 | 中国铁道科学研究院 | 一种基于三维激光扫描的容积测量方法及装置 |
US20190162855A1 (en) * | 2015-07-13 | 2019-05-30 | Agerpoint, Inc. | Systems and methods for determining crop yields with high resolution geo-referenced sensors |
KR20170034129A (ko) * | 2015-09-18 | 2017-03-28 | 한국도로공사 | 차량 적재 불량 검측 시스템 및 검측 방법 |
CN110335301A (zh) * | 2019-06-14 | 2019-10-15 | 广州大学 | 一种基于激光雷达和结构光的三维扫描方法及装置 |
CN111336917A (zh) * | 2020-02-24 | 2020-06-26 | 成俊 | 体积测量方法、装置、***及计算机可读存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096402A (zh) * | 2022-07-15 | 2022-09-23 | 南京一淳科技有限公司 | 一种3d料位成像雷达的探测装置和方法 |
CN115564820A (zh) * | 2022-11-10 | 2023-01-03 | 武汉工程大学 | 基于贪婪投影三角化的体积确定方法、***、设备及介质 |
CN115564820B (zh) * | 2022-11-10 | 2023-03-21 | 武汉工程大学 | 基于贪婪投影三角化的体积确定方法、***、设备及介质 |
CN115856923A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 矿卡卸料用时的测量方法、装置、设备及存储介质 |
CN115880354A (zh) * | 2023-03-02 | 2023-03-31 | 成都工业学院 | 一种基于点云自适应切片的计算树冠体积的方法 |
CN115880354B (zh) * | 2023-03-02 | 2023-05-30 | 成都工业学院 | 一种基于点云自适应切片的计算树冠体积的方法 |
CN116843742A (zh) * | 2023-03-13 | 2023-10-03 | 武汉理工大学 | 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及*** |
CN116843742B (zh) * | 2023-03-13 | 2024-02-02 | 武汉理工大学 | 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113776429A (zh) | 一种车载物料体积测量方法 | |
CN109029254B (zh) | 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 | |
CN102042814B (zh) | 大型堆场三维形貌的投影辅助摄像测量方法 | |
Lanaro et al. | 3-D-laser measurements and representation of roughness of rock fractures | |
CN109000559B (zh) | 一种物体体积的测量方法、装置、***和可读存储介质 | |
CN112233248B (zh) | 基于三维点云的表面平整度的检测方法、***及介质 | |
CN107796325B (zh) | 一种路面纹理构造深度的测量方法与测量*** | |
CN103884291B (zh) | 基于nurbs参数曲面的建筑物表面柔性变形监测方法 | |
CN107644452A (zh) | 机载LiDAR点云屋顶面片分割方法及*** | |
CN104657981A (zh) | 一种移动机器人运动中三维激光测距数据动态补偿方法 | |
CN115824052B (zh) | 一种基于激光雷达点云数据的堆料体积测量方法 | |
CN112184707A (zh) | 基于点云数据的渣土车土石方装载判断方法以及判断*** | |
Kulawiak et al. | Processing of LiDAR and multibeam sonar point cloud data for 3D surface and object shape reconstruction | |
CN112254635A (zh) | 体积测量方法、装置及*** | |
CN116266365A (zh) | 一种点云数据提取方法、装置、电子设备及存储介质 | |
CN112453327B (zh) | 一种砂芯3d打印方法、***、终端及计算机可读存储介质 | |
CN115564820B (zh) | 基于贪婪投影三角化的体积确定方法、***、设备及介质 | |
CN109000560B (zh) | 基于三维相机检测包裹尺寸的方法、装置以及设备 | |
CN111275753A (zh) | 车厢内沙石体积的测量方法 | |
Puri et al. | ’Dimensional quality control of precast concrete slabs using3D laser scan point clouds’ | |
CN112229478A (zh) | 一种料堆作业过程中高度变化的监测方法及*** | |
CN116148143B (zh) | 粗集料级配、针片状含量和不规则颗粒含量检测方法 | |
CN117068793B (zh) | 一种矿仓桥式抓斗自动装车方法及其*** | |
CN115797573B (zh) | 一种衡量点云孪生几何准确度的方法、装置和介质 | |
CN117576327B (zh) | 一种工地管理方法和*** |
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 |