基于三维点云的散料料堆实时体积和堆顶位置计算

介绍了一种基于激光扫描仪技术的方法，用于实时测量散料料堆的体积和确定其堆顶位置。该方法通过在散料堆场内的斗轮堆取料机的悬臂架前端设置激光扫描仪，实时采集散料堆场表面的三维点云数据，仅依赖于激光扫描仪采集到的三维点云数据，无须额外的辅助设备，具备高度自动化和精确性，适用范围广泛，可用于实时监测散料料堆的状态和体积，具有广泛应用于散料料堆管理和控制领域的潜力。0、引言散料堆场广泛存在于水泥厂、钢铁厂、散货码头、发电厂、化工厂等大型工厂，其占地面积较大，给管理和监控料场带来不小挑战。目前，应用于我国的散料料场管理的测量系统主要有皮带秤直接称重方法和基于光学测量的盘料仪方法。皮带秤直接称重方法在大型料场管理中存在效率低、有误差漂移、需要大量的周转场地等缺点，造成皮带秤并不能满足大型料场的实时管理的需求；基于光学测量的盘料仪方法只能测量固定区域的料堆，存在扫描盲区，容易造成料场实时管理的偏差。1、项目背景为了实现散料堆场的自动化改造，唐山分公司二厂采用了如图1所示架构的堆场智能管控系统。其中三维激光扫描仪是为了获取各个散料堆的信息，从而实现对各个库区边界、高度和体积的精准计算。其中，边界和高度存入数据库后，由自动堆取料模型调用，主要用来计算取料时的起止点和耙车的角度；体积数据存入数据库后，由前台数字孪生程序读取并展示，从而直观地显示每个库区的库存量。图1取料机智能管控系统改造系统架构所以，本项目采用基于三维点云的散料料堆实时体积和堆顶位置计算方法对原料堆场智能管控系统改造具有重大意义。该方法主要分为三项内容：三维点云数据获取、堆场信息计算以及堆场信息展示。2、三维点云数据获取为了采集散料料堆表面的三维点云数据，本项目采用Quanergy公司的M8型号的三维激光扫描仪作为数据采集工具。2.1安装位置通过对现场运行状况和工艺流程的分析，为了能够准确获取堆场的最新数据，同时减小后期处理数据的难度，本项目选择将扫描仪安装在堆料机的悬臂上，安装角度与悬臂垂直，如图2所示。图2三维激光扫描仪安装示意这样的安装方式既可以保证在三维扫描仪的扫描范围内将堆场的料堆信息扫描完全，也可以减小取料机等非料堆信息对三维扫描数据的干扰。扫描仪的具体安装效果如图3所示。2.2数据采集与处理堆场中堆料机正常运行是在东西走向水平按照设定的速度匀速移动，在堆料的过程中，扫描仪同时扫描料堆的数据。与此同时，服务器上的点云数据采集软件将采集到的点云数据经过预处理存储到MongoDB数据库中。图3三维激光扫描仪安装效果其中，点云数据的预处理主要包括两部分：重采样和坐标变换。重采样是为了在不损失采集精度的条件下降低存储体积，从而减小服务器内存的压力；同时建立点云数据的定期删除机制，定期删除自定义时间之前的数据，保证服务器稳定运行。坐标变换则是由于初始从扫描仪中获得的点云数据的坐标都是根据堆料机位置得到的相对坐标，为了便于计算和整理整个堆场的位置信息，需要将所有的相对坐标统一到以堆场的边角作为原点的坐标系下，从而使获得的数据都是统一的绝对坐标。在坐标变换中，主要包含平移变换和旋转变换两个操作。3、堆场信息计算在得到堆场完整点云信息的条件下，可以通过先拼接后计算的方法得到每一种堆形的边界、体积以及堆顶位置。3.1计算流程首先，将预处理后的三维点云数据进行点云拼接：基于点云局部特征匹配的方法对所述三维点云数据进行拼接处理，通过找到重叠的特征点为基准，将有重叠区域的三维点云数据叠加起来，来完成点云拼接操作，以获得散料堆场现场的三维点云数据。然后，将拼接完成后的三维点云数据进行点云分割：通过预设定坐标区间对拼接处理后的三维点云数据进行分割，分别保留对应各料堆的三维点云数据。之后再将对应各料堆的三维点云数据进行细化处理：基于滤波的方式，将所述三维点云数据通过迭代的过程来对噪声点和离群点进行鲁棒性评估，通过所述评价结果去除所述噪声点和离群点，从而得到符合精度的三维点云数据子集。最后在符合精度的三维点云数据集的基础上计算每个库区的边界、体积以及堆顶位置。堆场信息计算的流程图如图4所示。图4堆场信息计算流程示意3.2边界和体积计算首先将细化处理后的各料堆的三维点云数据进行曲面重构：构建一个含有所述三维点云数据点的最小凸多边形，从凸壳的中央选择任意一个数据点，并将该数据点与凸壳中的其他数据点连接，形成一个三角形网，根据建立网格的标准，将剩余的数据点依次插入，如此循环往复，直至所有的数据点都已经加入到了三角网的建立当中。然后计算三角形网格模型X、Y、Z方向的最大最小值，即为符合实际要求的边界值。最后，通过对各料堆的三角形网格模型进行体积计算：用一种增量式的方法来计算所述各料堆的三角形网格模型的凸包，并将其分解为上、下两个三角形网格，再用正投影方法来计算两个三角形网格的投影体积，将这两个投影体积相减即为所述各料堆的体积。3.3堆顶位置计算首先将细化处理后的各料堆的三维点云数据进行区间划分，即将细化处理后的三维点云数据投影到同坐标系下的XOY平面上，获取二维点的坐标；然后对所述二维点的X坐标按照定值划分区间；最后遍历区间内所有数据，找到Y最大的数据，即为区间最高点，即堆顶位置。4、堆场信息展示为了方便自动堆取料模型和前台展示程序的调用，需要先将计算好的数据存入Oracle数据库中。然后前台读取并显示。4.1Oracle数据库存储如图5所示，将计算好的数据存入Oracle数据库中。其中，前两列分别表示数据的更新时间和堆号。X_I和X_O分别表示当前堆的东西走向的边界，即X方向的边界。X_L和X_H分别表示当前堆南北走向的边界，即Y方向的边界。VOL表示当前堆计算的体积。HIGH_V表示当前堆计算的高度。图5Oracle数据库表结构4.2前台展示效果前台界面主要使用了Unity对堆场的各个细节部分进行建模，然后根据从数据库中读取的参数修改模型的参数。实际效果如图6所示。图6前台展示效果图5、结束语本文阐述了一种基于三维点云计算散料料堆的实时体积和堆顶位置的方法，