CN105547166A - 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 - Google Patents
一种基于二维激光扫描的掘进机掘进窗口快速检测方法 Download PDFInfo
- Publication number
- CN105547166A CN105547166A CN201510954298.4A CN201510954298A CN105547166A CN 105547166 A CN105547166 A CN 105547166A CN 201510954298 A CN201510954298 A CN 201510954298A CN 105547166 A CN105547166 A CN 105547166A
- Authority
- CN
- China
- Prior art keywords
- point
- vertical
- line
- obtains
- laser scanning
- 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.)
- Granted
Links
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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
Abstract
本发明公开了一种基于二维激光扫描的掘进机掘进窗口快速检测方法,首先,对掘进工作面分别进行水平和垂直二维扫描,对采集到的原始点云数据进行去离群点处理;然后,分别对去离群点之后的水平和垂直二维扫描点云数据进行直线拟合、求中心线、确定基点的操作,完成窗口检测的准备工作;最后,输入目标距离,分别在水平与垂直中心线上,以基点为原点的目标距离处作垂线与拟合得到的两条直线相交,获得点对,水平点对的空间距离是目标距离处的掘进窗口宽度,垂直点对的空间距离是目标距离处的掘进窗口高度。本发明提供的技术方案能够快速地检测出多个目标距离上的掘进窗口尺寸,为工作人员提供及时有效的参考与校正,确保实际掘进过程的合理性。
Description
技术领域
本发明属于激光扫描与点云数据处理领域,更具体地,涉及一种基于二维激光扫描的掘进机掘进窗口快速检测方法。
背景技术
当前的煤炭生产中,掘进机主要用于巷道的挖掘,是现代化矿井生产不可缺少的设备,巷道的掘进方向和尺寸是整个巷道的重点,井下巷道往往是由井下工作人员手动操作掘进机来进行掘进,掘进窗口的尺寸大小难以保障,此外在掘进过程中会产生大量的粉尘,这对现场工作人员的健康带来直接危害。因此,如何能自动且快速地检测出掘进工作面上掘进窗口的大小是一个亟待解决的问题。
针对当前煤炭生产中井下掘进窗口检测的实际需要,掘进机掘进窗口的检测要求检测设备能够按照矿井设计的规定和安全要求,在现场实地实时、自动、快速地检测出掘进巷道的截面尺寸。检测得到的窗口数据能够为工作人员操作掘进机挖掘巷道提供及时有效的参考与校正。
发明内容
针对现有技术的不足,本发明提供一种基于二维激光扫描的掘进机掘进窗口快速检测方法,旨在完成掘进窗口的自动、快速检测。
为了解决上述问题,本发明采用的技术方案如下:
一种基于二维激光扫描的掘进机掘进窗口快速检测方法,包括以下步骤:
S1:使用激光扫描装置对掘进机挖掘的巷道进行二维激光扫描,采集巷道与掘进工作面的水平二维扫描和垂直二维扫描的点云数据;
S2:对步骤S1中水平二维扫描和垂直二维扫描得到的点云数据分别进行去离群点处理,滤除噪声点;
S3:对步骤S2中去离群点之后的水平二维扫描点云数据进行直线拟合,得到两条直线,同样地,对步骤S2中去离群点之后的垂直二维扫描得到的点云数据进行直线拟合,得到两条直线;
S4:求出在步骤S3中从水平二维扫描点云数据拟合而来的两条直线的中心线,求出在步骤S3中从垂直二维扫描点云数据拟合而来的两条直线的中心线;
S5:结合激光扫描装置所处的位置,分别在步骤S4中得到的两条中心线上确定一个基点;
S6:输入一个目标距离值d,该距离值表示最终检测得到的掘进窗口到步骤S5中确定的基点的距离为d;
S7:在步骤S4得到的水平中心线上,以步骤S5中确定的基点为原点,在距离原点距离为d的水平中心线上作垂线,该垂线分别与步骤S3中水平二维扫描点云拟合得到的两条直线相交于一点,两点构成目标距离d上的水平点对;同理,在步骤S4得到的垂直中心线上,以步骤S5中确定的基点为原点,在距离原点距离为d的垂直中心线上作垂线,该垂线分别与步骤S3中垂直二维扫描点云拟合得到的两条直线相交于一点,两点构成目标距离d上的垂直点对;
S8:求出在步骤S7中得到的目标距离d上的水平点对的空间距离,该空间距离值为目标距离d上的掘进窗口的宽度,求出在步骤S7中得到的目标距离d上的垂直点对的空间距离,该空间距离值为目标距离d上的掘进窗口的高度;
S9:根据步骤S8中得到的宽度与高度合成目标距离d上的掘进窗口。
本发明的一个实施例中,所述步骤S1中,使用的激光扫描装置能够使激光束分别在水平方向与垂直方向上自由移动,实现二维激光扫描,快速抓取巷道和掘进工作面的特征轮廓。
本发明的一个实施例中,所述步骤S1中,掘进机在掘进过程中会产生大量的呈悬浮状态的微小粉尘颗粒,激光扫描装置扫描掘进巷道与工作面得到的点云数据中有大量噪声点所以需要对步骤S1中获得的点云数据通过邻域统计法滤除离群点,即点云中孤立的噪声点,方便后续处理。
本发明的一个实施例中,所述步骤S3中,使用RANSAC(随机采样一致性)算法进行直线拟合,RANSAC算法的能鲁棒地估计出模型参数,它能从包含大量局外点和噪声点的数据集中估计出高精度的模型参数。具体地,RANSAC算法有如下基本假设:
a:数据由“局内点”和“局外点”组成,“局内点”数据的分布可以用一些模型参数来解释;
b:“局外点”是不能适应该模型的数据;
c:除此之外的数据属于噪声。
RANSAC算法的输入是一组点云数据(含有噪声点或无效点),一个用于解释观测数据的参数化模型以及一些可信的参数。RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点,并用下述步骤进行验证:
S31:有一个模型适应于假设的局内点,即所有的未知参数都能从假设的局内点计算得出;
S32:用S31中得到的模型去测试所有的其它数据,如果某个点适用于估计的模型,认为它也是局内点;
S33:如果有足够多的点被归类为假设的局内点,那么估计的模型就足够合理;
S34:用所有假设的局内点去重新估计模型,因为它仅仅被初始的假设局内点估计过;
S35:最后,通过估计局内点与模型的错误率来评估模型。
S31-S35这个过程被重复执行固定的次数,每次产生的模型要么因为局内点太而被舍弃,要么因为比现有的模型更好而被选用。在执行完固定次数后,得到一个最优的模型参数,该模型参数就是最终拟合得到的直线方程的参数。
本发明的一个实施例中,所述步骤S3中,拟合得到的两条直线的方向向量指向掘进机的掘进方向,两条直线的空间关系是平行、相交或异面。
本发明的一个实施例中,所述步骤S4中,求步骤S3中得到的两条直线的中心线的具体方法是,若两直线平行,过两平行直线公垂线段中点,以它们的方向向量为方向的直线就是中心线;若两直线相交,过它们的交点,以两条相交直线方向向量的矢量和为方向的直线就是中心线;若两直线异面,先求出两异面直线的公垂线,过公垂线段的中点,以两条异面直线方向向量的矢量和为方向的直线就是中心线。
本发明的一个实施例中,所述步骤S5中,过激光扫描装置所处的点分别向步骤S4中确定的中心线作垂线,确定垂足为基点。
本发明的一个实施例中,所述步骤S6中,人工输入距离值d后,经过步骤S7-S8得到的窗口尺寸即为在掘进方向上距离基点d的位置处的掘进窗口尺寸,输入多个不同的d值,可得到掘进方向上多个不同位置处的掘进窗口的尺寸。
总体而言,本发明提供的在激光扫描获取的二维点云数据的基础上检测掘进窗口的方法能够在很短时间内准确地获取目标距离上的掘进窗口的尺寸,相较于传统的人工测量方法更安全,效率更高,精度也更高。检测得到的窗口数据能够为工作人员提供参考。
附图说明
图1中(a)是井下巷道的拱形断面图,(b)是掘进机截割头的空间包络面示意图;
图2是基于二维激光扫描的掘进机掘进窗口快速检测方法的流程框图;
图3是点云数据拟合直线示意图;
图4是利用水平二维激光扫描点云数据检测目标距离上的掘进窗口宽度示意图;
图5是利用垂直二维激光扫描点云数据检测目标距离上的掘进窗口高度示意图;
图6是沿掘进方向上多个目标距离处的掘进窗口层叠示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,(a)是井下巷道的拱形断面图,(b)是掘进机截割头的空间包络面示意图。巷道断面的形状取决于支架类型,而巷道支架类型又取决于岩石稳定性及使用年限的长短。岩石较稳固、使用年限短,一般多用木材支架,这时断面常为梯形;岩石不稳固或使用年限较长,一般采用混凝土支架,这时断面为直壁拱形。本实施例中的巷道断面是直壁拱形。掘进机的破碎装置——截割头是掘进机的主要部件,掘进机主要依靠截割头破碎煤炭岩壁形成巷道,掘进机在工作时,其截割臂可以上下及左右摆动,把电机输出的功率转换成扭矩传递到旋转的截割头上,利用截割头上的截齿将机械作用力作用在煤岩体表面,使其从本体上剥离下来,截割头的运动在空间形成复杂的空间网络。截割头绕轴线旋转时,各个截齿齿尖与过轴线平面都有一个交点,连接这些交点就得到齿尖包络曲线,该包络曲线绕轴线旋转就得到如图(b)所示的空间包络面。
下面将参照图2、图3、图4、图5及图6来具体描述实施例中基于二维激光扫描的掘进机掘进窗口快速检测方法,包括以下步骤:
S1:使用激光扫描装置对掘进机挖掘的巷道进行二维激光扫描,采集巷道与掘进工作面的水平二维扫描和垂直二维扫描的点云数据。
二维激光扫描可快速获取物体的轮廓线或者截面线,对于煤矿井下巷道、掘进机工作面等遮挡较多且特征较复杂的环境,使用二维激光扫描可快速抓取巷道和掘进工作面的特征线。本实施例中使用的激光扫描装置能够使激光束在水平方向与垂直方向上自由移动,实现二维扫描。
S2:对扫描得到的点云数据进行去离群点处理,滤除噪声点。
掘进机在掘进过程中会产生大量的呈悬浮状态的微小粉尘颗粒,激光扫描装置扫描掘进巷道与工作面得到的点云数据中有大量离群点,因此,扫描得到的原始数据不适合直接用来进行直线拟合。
离群点的识别和滤除是点云数据预处理阶段的基本任务,其目的是消除偏离主体较远的对于建模意义不大甚至有负面影响的离散点。这部分离群点若不能很好的滤除,会对后续的直线拟合产生一定影响,导致拟合得到的直线模型不符合实际情况。本质上,离群点的消除是一个二分类问题:主体点和离群点存在一些可以辨别的特征,通过这些特征将它们分开。
本实施例中使用基于距离的邻域统计法滤除离群点,即云中孤立的噪声点。具体步骤如下:
(1)设定距离统计的邻近点数目k以及离群点差别因子c;
(2)对点云中的每个点搜索距离其最近的k个点并计算平均距离,这k个点构成k邻域;
(3)对点云中每个点的k邻域的平均距离进行统计分析,求出均值μ以及标准差σ,然后再根据判别因子求出距离阈值为s=μ+c*σ,将点云中平均距离大于s的点判别为离群点并将其删除。
S3:对步骤S2中去离群点之后的水平二维扫描点云数据进行直线拟合,得到两条直线,同样地,对步骤S2中去离群点之后的垂直二维扫描得到的点云数据进行直线拟合,得到两条直线。
由于激光扫描随机测量误差的存在,去离群点之后的点云数据中仍存在一些粗差扫描点,因此直线拟合算法需要具有较强的抗差性能,经典的最小二乘法不适合对含有较多粗差点的数据进行直线拟合。随机抽样一致性算法(RANSAC)是应用广泛的模型拟合算法,对于错误率较高的数据仍然能够处理,使用RANSAC可以有效地排除粗差点的干扰,提高直线拟合的鲁棒性。该算法能从包含较多粗差点的数据集中估计出高精度的直线模型的参数,拟合出的直线接近实际情况。
具体的,在本实施例中,RANSAC(随机采样一致性)算法有如下基本假设:
a:去离群点之后的二维扫描点云数据由“局内点”和“局外点”组成,“局内点”的分布可以用一个三维空间中的直线模型来描述;
b:“局外点”是不能适应该直线模型的数据;
c:除此之外的点属于噪声点。
RANSAC算法的输入是去离群点之后的水平和垂直二维扫描点云数据,算法的迭代次数k,用于决定数据是否适应于直线模型的阈值t,判定模型是否适用于整个点云数据的数据数目d。RANSAC算法场合直线的过程如下:
(1)随机从输入的点云数据中选择两个点,得到通过这两个点的直线的方程;
(2)用(1)中得到直线去测试其他的点,由点到直线的距离确定其他的点是局内点还是局外点,若距离小于t,则认为是局内点,否则认为是局外点;
(3)如果局内点的数量大于d,就认定此直线是“最佳”直线;
(4)如果局内点的数量足够多,并且局内点数量多于原有“最佳”直线的局内点数量,那么将这次迭代得到的直线设为“最佳”直线;
(5)重复(1)~(4)步直到找到最佳直线或者迭代次数到达k次。
每次迭代获得的直线模型要么因为局内点太少而被舍弃,要么因为比原有的直线模型更好而被选用。在执行完固定次数后,得到一个最优的直线模型,由点云数据拟合直线的示意图如图3所示。
S4:求出在步骤S3中从水平二维扫描点云数据拟合而来的两条直线的中心线;同样地,也求出在步骤S3中从垂直二维扫描点云数据拟合而来的两条直线的中心线。
拟合得到的两条直线的方向向量指向掘进机的掘进方向,两条直线的空间关系是平行、相交或异面。求两条直线的中心线的具体方法是,若两直线平行,过两平行直线公垂线段中点,以它们的方向向量为方向的直线就是中心线;若两直线相交,过它们的交点,以两条相交直线方向向量的矢量和为方向的直线就是中心线;若两直线异面,先求出两异面直线的公垂线,过公垂线段的中点,以两条异面直线方向向量的矢量和为方向的直线就是中心线。
S5:过激光扫描装置所处的点分别向步骤S4中确定的中心线作垂线,确定垂足为基点。
S6:输入一个目标距离值d,该距离值表示最终检测得到的掘进窗口到步骤S5中确定的基点的距离为d;
S7:如图4所示,在步骤S4得到的水平中心线上,以步骤S5中确定的基点为原点O,在距离O点距离为d的水平中心线上作垂线,该垂线分别与步骤S3中水平二维扫描点云拟合得到的两条直线相交于一点,分别是点A(x1,y1,z1),点B(x2,y2,z2)。AB两点构成目标距离d上的水平点对;同理,如图5所示,在步骤S4得到的垂直中心线上,以步骤S5中确定的基点为原点O,在距离O点距离为d的垂直中心线上作垂线,该垂线分别与步骤S3中垂直二维扫描点云拟合得到的两条直线相交于一点,分别是点C(x3,y3,z3),点D(x4,y4,z4)。CD两点构成目标距离d上的垂直点对。
S8:如图4所示,求出在步骤S7中得到的目标距离d上的水平点对的空间距离w,w即为目标距离d上的掘进窗口的宽度;同理,如图5所示,求出在步骤S7中得到的目标距离d上的垂直点对的空间距离h,h即为目标距离d上的掘进窗口的高度。
S9:根据步骤S8中得到的宽度与高度合成目标距离d上的掘进窗口。如图6所示,输入多个不同的d值,重复步骤S7-S8可合成得到掘进方向上多个不同位置处的掘进窗口的尺寸。
在实践应用中,本发明提供的方法能够在快速准确地获取多个目标距离上的掘进窗口的尺寸,这些窗口数据可以用来判断掘进是否合理,为操作掘进机的工作人员提供指导,提高了煤炭生产的效率。无接触式的测量还可以避免人工参与,杜绝了对待测目标的人为破坏,相较于传统的人工测量方法更安全,效率更高,精度也更高。本发明提供的检测方法可以确保实际掘进的过程中巷道掘进的合理性,对指导安全开采与优化巷道设计等具有十分重要意义。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,不能认定本发明的具体实施只局限于这些说明。对于本发明所属领域的技术人员来说,在不脱离本发明的构思和原则的前提下,还可以作出若干替换或者改进,均应视为属于本发明的保护范围。
Claims (7)
1.一种基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,包括下列步骤:
S1:使用激光扫描装置对掘进机挖掘的巷道进行二维激光扫描,采集巷道与掘进工作面的水平二维扫描和垂直二维扫描的点云数据;
S2:对步骤S1中水平二维扫描和垂直二维扫描得到的点云数据分别进行去离群点处理,滤除噪声点;
S3:对步骤S2中去离群点之后的水平二维扫描点云数据进行直线拟合,得到两条直线,同样地,对步骤S2中去离群点之后的垂直二维扫描得到的点云数据进行直线拟合,得到两条直线;
S4:求出在步骤S3中从水平二维扫描点云数据拟合而来的两条直线的中心线,求出在步骤S3中从垂直二维扫描点云数据拟合而来的两条直线的中心线;
S5:结合激光扫描装置所处的位置,分别在步骤S4中得到的两条中心线上确定一个基点;
S6:输入一个目标距离值d,该目标距离值表示最终检测得到的掘进窗口到步骤S5中确定的基点的距离为d;
S7:在步骤S4得到的水平中心线上,以步骤S5中确定的基点为原点,在距离原点距离为d的水平中心线上作垂线,该垂线分别与步骤S3中水平二维扫描点云拟合得到的两条直线相交于一点,两点构成目标距离d上的水平点对;同理,在步骤S4得到的垂直中心线上,以步骤S5中确定的基点为原点,在距离原点距离为d的垂直中心线上作垂线,该垂线分别与步骤S3中垂直二维扫描点云拟合得到的两条直线相交于一点,两点构成目标距离d上的垂直点对;
S8:求出在步骤S7中得到的目标距离d上的水平点对的空间距离,该空间距离值为目标距离d上的掘进窗口的宽度,求出在步骤S7中得到的目标距离d上的垂直点对的空间距离,该空间距离值为目标距离d上的掘进窗口的高度;
S9:根据步骤S8中得到的宽度与高度合成目标距离d上的掘进窗口。
2.根据权利要求1所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S2中,对步骤S1中获得的点云数据通过邻域统计法滤除离群点,即点云中孤立的噪声点。
3.根据权利要求1所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S3中,使用随机采样一致性算法RANSAC进行直线拟合。
4.根据权利要求1所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S3中,所述直线拟合得到的两条直线的方向向量指向掘进机的掘进方向,两条直线的空间关系是平行、相交或异面。
5.根据权利要求1至4中任一所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S4中,求步骤S3中得到的两条直线的中心线的具体方法是,若两直线平行,过两平行直线公垂线段中点,以它们的方向向量为方向的直线就是中心线;若两直线相交,过它们的交点,以两条相交直线方向向量的矢量和为方向的直线就是中心线;若两直线异面,先求出两异面直线的公垂线,过公垂线段的中点,以两条异面直线方向向量的矢量和为方向的直线就是中心线。
6.根据权利要求1至4中任一所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S5中,过激光扫描装置所处的点分别向步骤S4中确定的中心线作垂线,确定垂足为基点。
7.根据权利要求1至4中任一所述的基于二维激光扫描的掘进机掘进窗口快速检测方法,其特征在于,所述步骤S6中,人工输入距离值d后,经过步骤S7-S8得到的窗口尺寸即为在掘进方向上距离基点d的位置处的掘进窗口尺寸,输入多个不同的d值,能够得到掘进方向上多个不同位置处的掘进窗口的尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510954298.4A CN105547166B (zh) | 2015-12-17 | 2015-12-17 | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510954298.4A CN105547166B (zh) | 2015-12-17 | 2015-12-17 | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105547166A true CN105547166A (zh) | 2016-05-04 |
CN105547166B CN105547166B (zh) | 2018-07-06 |
Family
ID=55826526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510954298.4A Active CN105547166B (zh) | 2015-12-17 | 2015-12-17 | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105547166B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN108445505A (zh) * | 2018-03-29 | 2018-08-24 | 南京航空航天大学 | 线环境下基于激光雷达的特征显著性检测方法 |
CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
CN109444847A (zh) * | 2018-11-01 | 2019-03-08 | 肖湘江 | 机器人激光雷达避障的噪点滤波方法 |
CN112082491A (zh) * | 2020-09-11 | 2020-12-15 | 苏州杰锐思智能科技股份有限公司 | 基于点云的高度检测方法 |
CN112985298A (zh) * | 2021-02-08 | 2021-06-18 | 上海机器人产业技术研究院有限公司 | 一种基于显微ct的手机镜头尺寸测量方法 |
CN113640771A (zh) * | 2021-08-19 | 2021-11-12 | 深圳市中联讯科技有限公司 | 一种噪点滤波方法及终端 |
CN114754741A (zh) * | 2022-06-15 | 2022-07-15 | 湖南大学 | 边坡断面坡度测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526617A (zh) * | 2007-12-06 | 2009-09-09 | 上海交通大学 | 装船机物位二维激光扫描雷达自动检测方法 |
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
CN103473404A (zh) * | 2013-08-30 | 2013-12-25 | 南京梅山冶金发展有限公司 | 一种基于断面测量数据的实测三心拱巷道实体建模方法 |
JP2014002027A (ja) * | 2012-06-18 | 2014-01-09 | Hazama Ando Corp | トンネル内空変位計測方法 |
CN203479269U (zh) * | 2013-09-29 | 2014-03-12 | 上海嘉珏实业有限公司 | 一种隧道横断面形状测量装置 |
-
2015
- 2015-12-17 CN CN201510954298.4A patent/CN105547166B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526617A (zh) * | 2007-12-06 | 2009-09-09 | 上海交通大学 | 装船机物位二维激光扫描雷达自动检测方法 |
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
JP2014002027A (ja) * | 2012-06-18 | 2014-01-09 | Hazama Ando Corp | トンネル内空変位計測方法 |
CN103473404A (zh) * | 2013-08-30 | 2013-12-25 | 南京梅山冶金发展有限公司 | 一种基于断面测量数据的实测三心拱巷道实体建模方法 |
CN203479269U (zh) * | 2013-09-29 | 2014-03-12 | 上海嘉珏实业有限公司 | 一种隧道横断面形状测量装置 |
Non-Patent Citations (3)
Title |
---|
李军利等: "基于掘进机姿态的巷道断面在线测量方法", 《矿山机械》 * |
李珵等: "基于激光点云的隧道断面连续提取与形变分析方法", 《测绘学报》 * |
杨彪: "矿井巷道三维场景重建的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN107292899B (zh) * | 2017-05-05 | 2020-12-29 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN108445505A (zh) * | 2018-03-29 | 2018-08-24 | 南京航空航天大学 | 线环境下基于激光雷达的特征显著性检测方法 |
CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
US11435480B2 (en) | 2018-09-07 | 2022-09-06 | Shenzhen Silver Star Intelligent Technology Co., Ltd. | Map construction method and robot |
CN109444847A (zh) * | 2018-11-01 | 2019-03-08 | 肖湘江 | 机器人激光雷达避障的噪点滤波方法 |
CN112082491A (zh) * | 2020-09-11 | 2020-12-15 | 苏州杰锐思智能科技股份有限公司 | 基于点云的高度检测方法 |
CN112985298A (zh) * | 2021-02-08 | 2021-06-18 | 上海机器人产业技术研究院有限公司 | 一种基于显微ct的手机镜头尺寸测量方法 |
CN112985298B (zh) * | 2021-02-08 | 2022-09-20 | 上海机器人产业技术研究院有限公司 | 一种基于显微ct的手机镜头尺寸测量方法 |
CN113640771A (zh) * | 2021-08-19 | 2021-11-12 | 深圳市中联讯科技有限公司 | 一种噪点滤波方法及终端 |
CN114754741A (zh) * | 2022-06-15 | 2022-07-15 | 湖南大学 | 边坡断面坡度测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105547166B (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105547166A (zh) | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 | |
CN108710732B (zh) | 一种盾构刀具服役期磨损的评估和预测方法 | |
CN110030951B (zh) | 一种基于三维激光扫描技术的引水竖井缺陷检测方法 | |
CN106643551B (zh) | 一种叶片形状快速扫描装置及方法 | |
CN111811420B (zh) | 隧道三维轮廓整体绝对变形监测方法及系统 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
KR102106452B1 (ko) | Avm 카메라 기반 터널 내부 고속 측정 시스템 및 그의 터널 내부 고속 측정 방법 | |
CN109448087B (zh) | 一种盾构隧道表面点云数据分段方法 | |
CN111612902B (zh) | 一种基于雷达点云数据的煤矿巷道三维模型构建方法 | |
CN103942837B (zh) | 基于序列线性规划的叶片点云模型截面曲线直接构造方法 | |
CN105955275A (zh) | 一种机器人路径规划方法及系统 | |
CN106705892B (zh) | 基于三维激光扫描仪检测桁架轨道平行度和平整度的方法 | |
CN104392491A (zh) | 基于旋转面的采空区激光扫描点云三角剖分方法 | |
CN103075992A (zh) | 一种接触式测量料堆取料后形状的方法 | |
CN111721279A (zh) | 一种适用于输电巡检工作的末端路径导航方法 | |
CN110992479A (zh) | 一种适合散乱点云的高粗糙度三维曲面拟合方法 | |
Hu et al. | Experiment and application of NATM tunnel deformation monitoring based on 3D laser scanning | |
Lampinen et al. | Autonomous robotic rock breaking using a real‐time 3D visual perception system | |
CN103268632A (zh) | 一种机载激光雷达扫描生成地形信息的方法 | |
CN116630411B (zh) | 基于融合感知的矿用电铲物料面识别方法、装置及系统 | |
CN111272764B (zh) | 大型智能临时平台非接触图像识别移动管控系统及方法 | |
CN116934832A (zh) | 基于现场参照物的三维点云的实时标定方法 | |
Ji et al. | Bucket teeth detection based on faster region convolutional neural network | |
Pan et al. | Assessment method of slope excavation quality based on point cloud data | |
CN113772363A (zh) | 一种刮板输送机位姿模型建立方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |