CN108257222B - 钢炉转炉三维激光点云自动融合算法 - Google Patents
钢炉转炉三维激光点云自动融合算法 Download PDFInfo
- Publication number
- CN108257222B CN108257222B CN201810093755.9A CN201810093755A CN108257222B CN 108257222 B CN108257222 B CN 108257222B CN 201810093755 A CN201810093755 A CN 201810093755A CN 108257222 B CN108257222 B CN 108257222B
- Authority
- CN
- China
- Prior art keywords
- converter
- data
- point cloud
- fire door
- 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.)
- Active
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 26
- 239000010959 steel Substances 0.000 title claims abstract description 26
- 238000002156 mixing Methods 0.000 title claims abstract description 9
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 2
- 239000000155 melt Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000003628 erosive effect Effects 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000007499 fusion processing Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明涉及一种钢炉转炉三维激光点云自动融合算法，包括转炉区域数据提取、转炉特征提取、转炉数据融合。发明的效果是：本发明可用于实时监测钢炉转炉内衬，在不停工的情况下自动检测转炉炉衬的侵蚀状况，能够防止转炉漏钢事故的发生，保障钢炉的安全生产；能够合理指导炉衬修补，减少炉料的浪费，延长炉衬的使用寿命。
Description
技术领域
本发明涉及冶金领域，尤其是一种钢炉转炉三维激光点云自动融合算法。
背景技术
钢炉转炉内衬厚度或烧蚀情况，对钢炉的安全生产具有重要意义。由于钢厂的生产环境限制(高温，粉尘，振动等)，对运行过程中转炉炉衬的使用状况，长期以来，缺少有效的在线监测手段。传统的处理方法是在钢厂停工的情况下，对冷却后的钢炉内衬进行人工检测。这种方法的不足主要包括：停工带来的经济损失，钢炉冷却及加热所带来的能源损耗及环境污染，以及检测的效率、准确性或精度较低。随着激光雷达等技术的发展，也有国内外相关厂商用激光扫描设备，在钢炉不停工的情况下对转炉及炉衬进行监测。其主要工作原理是，利用激光扫描设备，从不对角度对转炉及炉衬进行三维成像(由于遮挡等因素影响，需要从不同的角度“可视化”采集数据)；将收集到的多角度(测站)数据进行配准、融合，再对其进行分析。其中，已知的多测站数据融合采用两种方式，(a)手工配准融合，(b)安装标靶或其他标志物后，对数据进行自动融合。手工融合需要在不同测站数据间手工选择同名特征，计算变换参数后再进行数据融合；除不能满足实时要求外，其数据融合精度受操作者影响。安装标靶后，可以以标志物的已知特征为参考进行自动融合，在一定程度上解决了手工融合的低效率问题。但是，一方面，标靶物的安装(选点、布置，连接等)比较困难，且其使用寿命较短，另一方面，在高温、粉尘环境下的标志物的形变、污染等也会对标志物检测、数据融合精度等带来严重影响。
发明内容
本发明要解决上述现有技术的缺点，提供一种在不对原有生产环境进行任何改造的情况下，自动提取结构特征，并融合多景点云数据的钢炉转炉三维激光点云自动融合算法。
本发明解决其技术问题采用的技术方案：这种钢炉转炉三维激光点云自动融合算法，包括以下步骤：
1)对于同一位置的多次观测数据，采用点云直接相差法或扫描图相差法，进行转炉区域数据提取；
2)通过炉壳炉衬数据分离，炉壳外边界跟踪，炉口提取，炉口平面拟合步骤，进行转炉特征提取；
3)以基准数据的炉口平面为参考，将数据平移、旋转后，再迭代求精，进行转炉数据融合，生成最终的融合结果。
作为优选，所述点云直接相差法是，以参考数据为基准，将其他观测数据与参考数据相减；其中，考虑到观测误差等因素，对同名点的判定设置容差限；对差值结果再利用连接成分分析法剔除细碎目标，最后提取出转炉区域。
作为优选，所述扫描图相差法是，将三维点云直角坐标转换为球坐标系，再利用柱面投影为扫描图；选择差异较大的影像进行差值，对差值结果滤噪、阈值化，再膨胀恢复部分被腐蚀的边缘区域；计算凸角点集的凸包，形成转炉区域掩膜；以此掩膜对原始点云数据进行裁剪，提取转炉区域数据；为改进提取精度，对区域掩膜结果再利用连接成分分析法剔除细碎组分，形成最终的转炉点云数据。
作为优选，炉壳炉衬数据分离基于连接成分分析，即将点云数据按欧氏距离进行聚类、分割为不同的邻接区域，选择其中的炉壳组分；炉壳外边界跟踪基于凸包算法，即从炉壳点云数据中的种子点开始，选择扫描射线所扫过的最小转角线上的点作为下一边界点/线，迭代进行上述过程到回到起点为止；炉口提取则以炉壳点云数据所构三角网中的长边三角形为基础，进行区域增长，直到其邻接三角形边长小于阈值为止，区域增长结果即为炉口区域，其边界点即为炉口边界点；炉口平面片拟合则以炉口边界点为基础，进行最小二乘平面拟合，计算平面参数。
作为优选，炉口点云旋转过程以参考点为中心，直接基于炉口平面法向夹角旋转；点云迭代求精过程基于迭代邻接点算法即逐次计算邻接点对之间的变换关系，以及数据融合误差；再计算对数据施加变换后的融合误差，两次误差小于给定的阈值即终止迭代过程。
发明的效果是：本发明可用于实时监测钢炉转炉内衬，在不停工的情况下自动检测转炉炉衬的侵蚀状况，能够防止转炉漏钢事故的发生，保障钢炉的安全生产；能够合理指导炉衬修补，减少炉料的浪费，延长炉衬的使用寿命。
附图说明
图1是本发明的算法处理框图；
图2是点云扫描图所使用的坐标系及投影(直角坐标到球坐标)；
图3是扫描图相差法中转炉数据(点云)提取流程图；
图4是转炉特征提取框图；
图5是转炉点云数据融合过程图；
图6是钢炉三维激光点云原始数据图(固定测站，转炉旋转)；
图7是图6中相应三维激光点云数据的距离扫描图；
图8是转炉区域掩膜生成过程(图像差值后，二值化，滤波，再计算凸包)；
图9是炉壳点云图(左，投影到扫描面)以及转炉近似边界图(右)；
图10是炉口边界提取图(左为炉口区域，右为对应的炉口边界点)；
图11是转炉迭代融合结果图。
具体实施方式
下面结合附图对本发明作进一步说明：
实施例：
如图1所示，本算法的处理流程包括三个主要部分，转炉区域数据提取、转炉特征提取、及转炉点云数据融合。
对同一位置的多次观测数据(转炉旋转不同角度)，转炉区域提取采用两种不同方式：(a)点云直接相差法，(b)扫描图相差法。
点云直接相差法则直接以参考数据(所观测的多组数据中选择的出某一数据)为基准后，将其他观测数据与参考数据相减；其中，考虑到观测误差等因素，对同名点的判定设置一定的容差限(3d距离阈值)，这里的容差限与仪器的标称精度及测量点距有关,这里的范围大致为0.5～2cm(仪器标称精度3mm@10m,测距约10m)；对差值结果再利用连接成分分析方法(connected component analysis)剔除细碎目标，最后提取出转炉区域(点云)。
扫描图相差法则将三维点云转换为距离扫描图，即，将直角坐标转换为球坐标系，再利用柱面投影为扫描图(如图2所示)。具体步骤为：首先将各数据进行对齐(按扫描角度范围，求交集)，扫描图(深度/距离)使用(θ,90-φ,r)，其中角度根据输入值均匀量化，距离值量化为灰度值；其次，选择差异较大的影像进行差值(两组数据采集时,钢炉转炉旋转角度的差异,即,对应的数据(成像)差异,差异较大即两者之间的转角大,有利于突出成像差异检测，但只要有(转角)差异,成像的差异即可以检测出来)，对差值结果滤噪(形态学算子，方形结构元素腐蚀)、阈值化(二值化)，再膨胀(形态学算子，方形结构元素膨胀)恢复部分被腐蚀的边缘区域；再次，计算凸角点集的凸包(消除间隙等无效区域的影响)，形成转炉区域掩膜，最后，以此掩膜对原始点云数据进行裁剪，提取转炉区域(或部分)数据。为改进提取精度，对区域掩膜结果再利用连接成分分析剔除细碎组分，形成最终的转炉点云数据。具体处理流程参考图3。
用于点云数据融合的转炉特征为炉口平面(片)，处理步骤包括：炉壳炉衬数据分离，炉壳外边界跟踪，炉口提取，炉口平面(片)拟合，具体步骤见图4。炉壳炉衬数据分离基于连接成分分析，即，将点云数据按欧氏距离进行聚类、分割为不同的邻接区域，选择其中的炉壳组分。炉壳外边界跟踪则基于凸包改进算法，即，(选择)从炉壳点云数据中的种子点(最下最右坐标点)开始，选择扫描射线所扫过的最小转角线上的点(逆时针方向)作为下一边界点(线)，迭代进行上述过程到回到起点为止。炉口提取则以炉壳点云数据所构三角网中的长边三角形为基础(洞口种子区域)，进行区域增长，直到其邻接三角形边长小于阈值为止；区域增长结果即为炉口区域，其边界点即为炉口边界点。炉口平面片拟合则以炉口边界点为基础，进行最小二乘平面拟合，计算平面(方程)参数。
转炉点云数据融合过程则以基准数据的炉口平面为参考(几何中心，平面法向)，将数据平移、旋转后，再迭代求精，生成最终的融合结果(图5)。其中炉口点云旋转过程，则以参考点为中心，直接基于炉口平面法向夹角旋转，即，使用如下形式的旋转矩阵：
R＝I+(sinθ)K+(1-cosθ)K2，
其中,I是3X 3单位矩阵，反对称矩阵
点云迭代求精过程则基于迭代邻接点算法(Iterative Closest Points,ICP),即，逐次计算邻接点对(同名特征)之间的变换关系(变换矩阵：旋转、平移等)，以及数据融合误差；再计算对数据施加变换(应用前一次迭代中的变换矩阵)后的融合误差，两次误差小于给定的阈值即终止迭代过程。
以下以某钢厂实施例说明。其中三站激光点云数据(原始数据)如图6所示，转换为距离扫描如图7所示，转炉区域提取见图8。转炉特征提取过程包括炉口检测、边界跟踪(图9)，炉口边界点提取(图10)，炉口参数拟合等，参数拟合基于最小二乘法。融合过程则以中间组(测站)数据为基准，将其他数据平移至参考基准的原点位置，再以相应的炉口面法向夹角进行旋转，将数据粗对齐的结果再进行同名特征迭代(或最近点迭代)求精，生成最终的融合结果(图11)。
基于本发明的转炉三维点云数据自动融合算法，不对原生产环境进行任何改造(不添加标记、靶标等，无辅助数据)，无须人工干预，全自动、高精度、实时地融合、拼接多景激光点云数据。算法可应用于钢厂，解决钢炉内壁的数据自动采集、重建、分析及监测问题。除应用于该特定场景外，算法还可应用于如多测站、多源地形数据融合，室内场景融合或文物三维重建等。
本算法数据融合结果的精度值为毫米级(平均中误差<1mm)，融合迭代次数少(平均小于5次即收敛于全局最优值)，收敛速度快，效率高。本发明(算法)有效解决了其他三维点云数据融合算法的缺陷(局部最优解、效率较低等)，这在国际上是首次实现。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (4)
1.一种钢炉转炉三维激光点云自动融合算法，包括以下步骤：
1)对于同一位置的多次观测数据，采用点云直接相差法或扫描图相差法，进行转炉区域数据提取；
2)通过炉壳炉衬数据分离，炉壳外边界跟踪，炉口提取，炉口平面拟合，进行转炉特征提取；具体来说，炉壳炉衬数据分离基于连接成分分析，即将点云数据按欧氏距离进行聚类、分割为不同的邻接区域，选择其中的炉壳组分；炉壳外边界跟踪基于凸包改进算法，即从炉壳点云数据中的种子点开始，选择扫描射线所扫过的最小转角线上的点作为下一边界点/线并迭代进行这一过程到回到起点为止；炉口提取则以炉壳点云数据所构三角网中的长边三角形为基础，进行区域增长，直到其邻接三角形边长小于阈值为止，区域增长结果即为炉口区域，其边界点即为炉口边界点；炉口平面片拟合则以炉口边界点为基础，进行最小二乘平面拟合，计算平面参数；
3)以基准数据的炉口平面为参考，将数据平移、旋转后，再迭代求精，进行转炉数据融合，生成最终的融合结果。
2.根据权利要求1所述的钢炉转炉三维激光点云自动融合算法，其特征是：所述点云直接相差法是，以参考数据为基准，将其他观测数据与参考数据相减；其中，考虑到观测误差等因素，对同名点的判定设置容差限；对差值结果再利用连接成分分析法剔除细碎目标，最后提取出转炉区域。
3.根据权利要求1所述的钢炉转炉三维激光点云自动融合算法，其特征是：所述扫描图相差法是，将三维点云直角坐标转换为球坐标系，再利用柱面投影为扫描图；选择差异较大的影像进行差值，对差值结果滤噪、阈值化，再膨胀恢复部分被腐蚀的边缘区域；计算凸角点集的凸包，形成转炉区域掩膜；以此掩膜对原始点云数据进行裁剪，提取转炉区域数据；为改进提取精度，对区域掩膜结果再利用连接成分分析法剔除细碎组分，形成最终的转炉点云数据。
4.根据权利要求1所述的钢炉转炉三维激光点云自动融合算法，其特征是：炉口点云旋转过程以参考点为中心，直接基于炉口平面法向夹角旋转；点云迭代求精过程基于迭代邻接点算法即逐次计算邻接点对之间的变换关系，以及数据融合误差；再计算对数据施加变换后的融合误差，两次误差小于给定的阈值即终止迭代过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810093755.9A CN108257222B (zh) | 2018-01-31 | 2018-01-31 | 钢炉转炉三维激光点云自动融合算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810093755.9A CN108257222B (zh) | 2018-01-31 | 2018-01-31 | 钢炉转炉三维激光点云自动融合算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108257222A CN108257222A (zh) | 2018-07-06 |
| CN108257222B true CN108257222B (zh) | 2019-01-22 |
Family
ID=62743671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810093755.9A Active CN108257222B (zh) | 2018-01-31 | 2018-01-31 | 钢炉转炉三维激光点云自动融合算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108257222B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507340B (zh) * | 2020-04-16 | 2023-09-01 | 北京深测科技有限公司 | 一种基于三维点云数据的目标点云数据提取方法 |
| CN113345007A (zh) * | 2021-05-12 | 2021-09-03 | 清华大学 | 一种转炉炉口自动定位方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105803153A (zh) * | 2016-04-05 | 2016-07-27 | 钢铁研究总院 | 转炉炉衬耐火材料安全性的实时在线监测系统与方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102136155B (zh) * | 2010-01-27 | 2012-10-03 | 首都师范大学 | 基于三维激光扫描数据的物体立面矢量化方法和系统 |
| US9279773B2 (en) * | 2014-07-18 | 2016-03-08 | Process Metrix | Crack detection and measurement in a metallurgical vessels |
| CN105423928B (zh) * | 2015-12-15 | 2018-09-11 | 湖南镭目科技有限公司 | 一种转炉炉衬激光测厚用自动定位装置及自动定位方法 |
| EP3241916A1 (fr) * | 2016-05-02 | 2017-11-08 | Cockerill Maintenance & Ingenierie S.A. | Contrôle en temps réel du chauffage d'une pièce par un four siderurgique ou un four de traitement thermique |
| CN106780721B (zh) * | 2016-11-30 | 2019-12-20 | 北京矿冶研究总院 | 三维激光螺旋扫描点云三维重建方法 |
-
2018
- 2018-01-31 CN CN201810093755.9A patent/CN108257222B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105803153A (zh) * | 2016-04-05 | 2016-07-27 | 钢铁研究总院 | 转炉炉衬耐火材料安全性的实时在线监测系统与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108257222A (zh) | 2018-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
| CN108389256B (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
| CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
| CN108257222B (zh) | 钢炉转炉三维激光点云自动融合算法 | |
| CN109214994A (zh) | 一种基于双控制点的隧道密集点云噪声剔除方法 | |
| CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
| CN113155027B (zh) | 一种隧道岩壁特征物识别方法 | |
| JP2020509370A5 (zh) | ||
| CN115203778A (zh) | 隧道超欠挖检测方法、装置、终端设备及存储介质 | |
| Lee et al. | A study on scan data matching for reverse engineering of pipes in plant construction | |
| CN114821522A (zh) | 基于车载激光点云数据的城市道路横坡和超高值计算方法 | |
| CN115415694A (zh) | 一种钣金工艺用焊接方法、系统及装置 | |
| CN113763570B (zh) | 隧道点云高精度快速自动拼接方法 | |
| Wang et al. | Multilayer positioning strategy for tubesheet welding robot based on point cloud model | |
| CN117324221A (zh) | 一种曲面构件腻子喷涂方法 | |
| Yang et al. | A measurement method of the shortest distance between ultrahigh ships and transmission lines based on binocular vision | |
| Dey et al. | Building Boundary Extraction from LiDAR Point Cloud Data | |
| Cheng et al. | Dynamic triangle—Based method for 3D building rooftop reconstruction from LiDAR data | |
| CN112504208A (zh) | 输电线路空气间隙分析方法 | |
| CN116645485B (zh) | 一种基于无人机倾斜摄影的古建筑模型构建方法 | |
| CN116620360B (zh) | 一种轨道车定位系统及方法 | |
| Kim et al. | Optimal Pre-processing of Laser Scanning Data for Indoor Scene Analysis and 3D Reconstruction of Building Models | |
| CN116295262B (zh) | 一种隧道变形区域自动三维定位方法 | |
| CN117934556B (zh) | 高空抛物的检测方法、装置、存储介质和电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240625 Address after: Room E10, No. 889 Jiangcheng Road, Shangcheng District, Hangzhou City, Zhejiang Province, 310002 Patentee after: XIAN HENG INTERNATIONAL TECHNOLOGY CO.,LTD. Country or region after: China Address before: Room 1501, 15th Floor, No. 217 Wujiang Road, Shangcheng District, Hangzhou City, Zhejiang Province, 310000 Patentee before: HANGZHOU ZHONGKE TIANWEI TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |