CN110517220A - 一种基于激光三维数据的集料表面数量检测方法 - Google Patents

Abstract

本发明提供了一种基于激光三维数据的集料表面数量检测方法，包括：步骤1，获取当前集料三维点云数据，并对当前集料三维点云数据进行去噪；步骤2，获取去噪后的当前集料三维点云数据的局部拟合平面，并计算局部拟合平面的法向量，即得到当前集料的全部表面法线；步骤3，通过当前集料的每一条表面法线的起始点位置坐标对当前集料的多条表面法线进行聚类，得到N个聚类中心，即当前集料具有N个表面数量；步骤4，对多种形状集料集合中的每一个集料重复上述步骤，即可得到每个形状集料的表面数量。本发明利用激光三维数据，能够批量、快速、无损的对集料表面个数进行智能检测。

Description

一种基于激光三维数据的集料表面数量检测方法

技术领域

本发明属于道路工程领域，具体涉及一种基于激光三维数据的集料表面数量检测方法。

背景技术

近年来我国在交通领域发展迅猛，已成为我国经济增长体系的主要组成部分。目前沥青混凝土被广泛应用于高速公路和城乡道路的修建中，沥青原材料的合格与否严重影响着集料颗粒形成嵌挤结构，而占据混合料绝大部分的集料颗粒是构成沥青混凝土的重要组成部分。因此，研究集料颗粒的形态特征是影响沥青混合料路用性能的关键因素。

粗集料棱角性属于形状特性中的宏观范畴，粗集料形状越接近立方体且棱角分明，越有利于矿料级配集料之间的相互嵌锁，集料表面角度变化越锐利，集料的棱角性就表现得越强。传统对集料棱角的量化一般是通过测量未压实松散集料颗粒样品的空隙率来推断集料颗粒的棱角或者采用流砂法，测量集料通过标准漏斗所需要的时间来粗略评价集料的形态特征。这些方法不仅费时、枯燥而且测量过程主观性较大，并且测量的集料是不可循环利用的。而目前的图像分析技术，虽然已经开发出了许多不同的算法和实验装置来量化集料颗粒形态特征，但这些技术多局限于基于二维图像处理，无法准确地表征集料颗粒的三维特征。

发明内容

针对现有技术中存在的不足，本发明的目的在于，提供一种基于激光三维数据的集料表面数量检测方法，解决现有技术无法快速、准确的检测出集料颗粒的表面个数的技术问题。

为了解决上述技术问题，本申请采用如下技术方案予以实现：

一种基于激光三维数据的集料表面数量检测方法，包括以下步骤：

步骤1，从多种形状集料集合中任选一个集料作为当前集料，获取该当前集料三维点云数据，并对当前集料三维点云数据进行去噪，得到去噪后的当前集料三维点云数据；

步骤2，获取去噪后的当前集料三维点云数据的局部拟合平面，并计算局部拟合平面的法向量，即得到当前集料的全部表面法线；

包括：

步骤21，设去噪后的当前集料三维点云数据为p＝{p_i|i∈1，2，…，p_i∈R³}；选取去噪后的集料三维点云数据中的任一点p_i作为当前点p_i，其中p_i＝(x_i,y_i,z_i)；

步骤22，选取当前点p_i的k个邻域点，从k个邻域点中任选一个邻域点作为当前邻域点j，j＝1,2,...,k；

步骤23，计算当前点p_i与当前邻域点j所拟合的局部拟合平面P_ij，该局部拟合平面P_ij的法向量为n_ij；

步骤24，对法向量n_ij进行标准化，得到局部邻域点的协方差矩阵C_ij；

步骤25，计算协方差矩阵C_ij的特征值以及特征向量

步骤26，对k个邻域点中的每一邻域点均进行步骤23至步骤25的处理，得到k个特征值及其所对应的k个特征向量

在k个特征值中选取特征值最小时所对应的特征向量作为当前集料的一条表面法线；

步骤27，将去噪后的集料三维点云数据p＝{p_i|i∈1，2，…，p_i∈R³}中的每个点均作为当前点p_i，重复步骤23至步骤26，得到当前集料的多条表面法线；

步骤3，获取当前集料的每一条表面法线的起始点位置坐标，通过当前集料的每一条表面法线的起始点位置坐标对当前集料的多条表面法线进行聚类，得到N个聚类中心，即当前集料具有N个表面数量；

步骤4，对多种形状集料集合中的每一个集料重复步骤1至步骤3，即可得到每个形状集料的表面数量。

进一步地，所述多种形状集料集合包括类四面体、类五面体和类六面体形状集料。

进一步地，所述步骤1中对当前集料三维点云数据进行去噪，得到去噪后的集料三维点云数据，包括：

预设上限阈值T_up和下限阈值T_down，将当前集料三维点云数据中Z方向的点云坐标大于上限阈值T_up或者Z方向的点云坐标小于下限阈值T_down所对应的当前集料三维点云数据删除，得到阈值分割后的当前集料三维点云数据；并对阈值分割后的当前集料三维点云数据进行滤波处理。

进一步地，通过式(1)计算当前点p_i与当前邻域点j所拟合的局部拟合平面P_ij：

式(1)中，m_j表示当前邻域点j，n_ij表示局部拟合平面P_ij的法向量，d_i表示当前点p_i到坐标原点的距离，argmin代表函数取得最小值时，自变量的取值。

进一步地，通过式(2)得到协方差矩阵C_ij：

式(2)中，表示k个邻域点的三维质心。

进一步地，通过式(3)得到协方差矩阵C_ij的特征值则特征向量

其中，x_j、y_j、z_j为当前邻域点j的X方向坐标、Y方向坐标和Z方向坐标；a、b、c、d为待定系数，d为常数项。本发明与现有技术相比，有益的技术效果是：

1.本发明利用激光三维数据，能够批量、快速、无损的对集料表面个数进行智能检测。

2.本发明通过三维数据计算得到集料表面所有点云的法线起始点坐标信息，根据法线起始点信息得到集料不同表面的法线方向分布特性。

3.本发明采用聚类方法对集料表面个数进行量化，达到对集料表面个数进行准确检测的目的，检测结果能够为路用集料棱角性的快速、准确评价提供量化基础。

附图说明

图1是本发明挑选出的符合形状的集料颗粒实物图，其中，(a)为类六面体集料，(b)为类五面提集料，(c)为类六面体集料；

图2是本发明所采集的集料点云数据的采集界面以及存储数据信息，其中，(a)为Gocator集料采集图，(b)为CSV存储文件细节信息；

图3是本发明的方法集料颗粒点云数据Z方向分量的阈值滤波前后对比，其中，(a)为原图，(b)为本发明的方法滤波后的集料Z方向分量图像；

图4是本发明的方法集料颗粒点云数据Z方向分量的滤波前后对比，其中，(a)为原图，(b)为本发明的方法滤波后的集料Z方向分量图像；

图5是本发明的方法求得的集料颗粒表面法线图；

图6为本发明的方法计算到的集料不同形状聚类结果示意图；(a)为四面体集料聚类决策图，(b)为四面体集料聚类结果图，(c)为五面体集料聚类决策图，(d)为五面体集料聚类结果图，(e)为六面体集料聚类决策图，(f)为六面体集料聚类结果图。

以下结合附图和实施例对本发明的具体内容作进一步详细解释说明。

具体实施方式

以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。

实施例1：

本实施例给出一种基于激光三维数据的集料表面数量检测方法，，包括以下步骤：

步骤1，从多种形状集料集合中任选一个集料作为当前集料，获取该当前集料三维点云数据，并对当前集料三维点云数据进行去噪，得到去噪后的当前集料三维点云数据；

本发明利用筛分试验分别获取了9.5mm、13.2mm和16mm的玄武岩、花岗岩和石灰岩集料，并选择多种形状集料集合包括类四面体、类五面体和类六面体形状集料，如图1所示。

本实施例基于Gocator 3D智能传感器的集料三维图像采集系统，分别获取了不同岩性、不同粒径的集料三维点云数据，以.CSV格式保存三维点云数据，如图2所示。

由于Gocator输出的图像一般为16bit的RGB图，图像中每个点云坐标信息可以拆分为X、Y、Z方向，坐标分别存储在ImageX、ImageY、ImageZ三个通道中，ImageZ数组存储的高度数值由于受环境影响比较敏感，所以对三维数据滤波可转为对高度方向ImageZ图像进行去噪处理。

其中，对当前集料三维点云数据进行去噪，得到去噪后的集料三维点云数据，包括：

预设上限阈值T_up和下限阈值T_down，将当前集料三维点云数据中Z方向的点云坐标大于上限阈值T_up或者Z方向的点云坐标小于下限阈值T_down所对应的当前集料三维点云数据删除，得到阈值分割后的当前集料三维点云数据；并对阈值分割后的当前集料三维点云数据进行滤波处理。

由于Z分量数据为三维点云数据中的高度数据，阈值的条件可以直接按高度数据选取。本发明实施例中采用9.5～16档的集料，所以上限阈值T_up取0.2，下限阈值T_down取20，这样就可以去除一些较高或者较低的噪声。如图3所示，可以明显看出图像中的一些杂点已经去除。

对阈值分割后的Z分量数据进行滤波处理，在一定程度上可以克服线性滤波器所带来的图像模糊问题，并且在滤除噪声的同时，可以较好地保留图像边缘信息，如图4所示。

本实施例具体采用中值滤波对阈值分割后的当前集料三维点云数据进行滤波处理。

为了得到更加准确的集料表面点云的法线数据，对步骤2得到的去噪后的点云数据通过采用最小二乘法来求解局部数据点的拟合平面，然后以此平面的法线来表示待求数据点的法线。所以估计集料表面法线的解决方案变为求解集料点云数据的局部拟合平面，并分析该邻域内协方差矩阵的特征矢量和特征值，找到特征的最小值，称该最小值所对应的特征向量即为拟合平面的法向量。

步骤2，获取去噪后的当前集料三维点云数据的局部拟合平面，并计算局部拟合平面的法向量，即得到当前集料的全部表面法线；

包括：

步骤21，设去噪后的当前集料三维点云数据为p＝{p_i|i∈1，2，…，p_i∈R³}；选取去噪后的集料三维点云数据中的任一点p_i作为当前点p_i，其中p_i＝(x_i,y_i,z_i)；

步骤22，选取当前点p_i的k个邻域点，从k个邻域点中任选一个邻域点作为当前邻域点j，j＝1,2,...,k；

步骤23，计算当前点p_i与当前邻域点j所拟合的局部拟合平面P_ij，该局部拟合平面P_ij的法向量为n_ij；

通过式(1)计算当前点p_i与当前邻域点j所拟合的局部拟合平面P_ij：

式(1)中，m_j表示当前邻域点j，n_ij表示局部拟合平面P_ij的法向量，d_i表示当前点p_i到坐标原点的距离，argmin代表函数取得最小值时，自变量的取值。

步骤24，对法向量n_ij进行标准化，使法向量数据符合正态分布，||n||＝1，得到对应的协方差矩阵C_ij；

本发明中的标准化是将数据按比例缩放，使之落在一个小区间内符合正态分布，均值为0，标准差为1。

过式(2)得到协方差矩阵C_ij：

式(2)中，表示k个邻域点的三维质心。

步骤25，计算协方差矩阵C_ij的特征值以及特征向量

通过式(3)得到协方差矩阵C_ij的特征值则特征向量

其中，x_j、y_j、z_j为当前邻域点j的X方向坐标、Y方向坐标和Z方向坐标；a、b、c、d为待定系数，d为常数项。

步骤26，对k个邻域点中的每一邻域点均进行步骤23至步骤25的处理，得到k个特征值及其所对应的k个特征向量

在k个特征值中选取特征值最小时所对应的特征向量作为当前集料的一条表面法线；集料表面法线如图5所示。

步骤27，将去噪后的集料三维点云数据p＝{p_i|i∈1，2，…，p_i∈R³}中的每个点均作为当前点p_i，重复步骤23至步骤26，得到当前集料的多条表面法线；

由于集料颗粒表面法线，可以看出集料的相邻面法线方向是不同的，且在一个面上法线方向趋于平行，基于此，提出一种基于法向量的三维数据聚类方法，来判断集料颗粒所在面的个数，从而分析集料的棱角性。

步骤3，获取当前集料的每一条表面法线的起始点位置坐标，通过当前集料的每一条表面法线的起始点位置坐标对当前集料的多条表面法线进行聚类，得到N个聚类中心，即当前集料具有N个表面数量；

本发明采用基于快速搜索与寻找密度峰值的聚类方法(Clustering by fastsearch and find of density peaks.Science，2014)对集料表面法线坐标数据进行聚类。该方法具体包括两个部分：首先通过用户输入的参数值，计算每个样本的局部密度以及距离，找到样本聚类中心，并根据决策图选择合适的聚类中心；然后将剩余的其它样本点分配到与其最近的高密度邻域的集群中，得到聚类结果。

步骤4，对多种形状集料集合中的每一个集料重复步骤1至步骤3，即可得到每个形状集料的表面数量。

本发明中不同形状集料表面聚类个数不同，如图6所示，可以为进一步分析聚类个数与集料表面个数之间的关系打下基础。

表1石灰岩聚类结果统计表

对步骤1中挑选出的所有形状石灰岩集料颗粒数据进行聚类处理，便可得到不同形状集料表面的个数情况，统计结果如表1所示。

Claims (6)

1.一种基于激光三维数据的集料表面数量检测方法，其特征在于，包括以下步骤：

步骤1，从多种形状集料集合中任选一个集料作为当前集料，获取该当前集料三维点云数据，并对当前集料三维点云数据进行去噪，得到去噪后的当前集料三维点云数据；

步骤2，获取去噪后的当前集料三维点云数据的局部拟合平面，并计算局部拟合平面的法向量，即得到当前集料的全部表面法线；

包括：

步骤21，设去噪后的当前集料三维点云数据为p＝{p_i|i∈1，2，…，p_i∈R³}；选取去噪后的集料三维点云数据中的任一点p_i作为当前点p_i，其中p_i＝(x_i,y_i,z_i)；

步骤22，选取当前点pi的k个邻域点，从k个邻域点中任选一个邻域点作为当前邻域点j，j＝1,2,...,k；

步骤23，计算当前点pⁱ与当前邻域点j所拟合的局部拟合平面P_ij，该局部拟合平面P_ij的法向量为n_ij；

步骤24，对法向量n_ij进行标准化，得到局部邻域点的协方差矩阵C_ij；

步骤25，计算协方差矩阵C_ij的特征值以及特征向量

步骤26，对k个邻域点中的每一邻域点均进行步骤23至步骤25的处理，得到k个特征值及其所对应的k个特征向量

在k个特征值中选取特征值最小时所对应的特征向量作为当前集料的一条表面法线；

步骤27，将去噪后的集料三维点云数据p＝{p_i|i∈1，2，…，p_i∈R³}中的每个点均作为当前点p_i，重复步骤23至步骤26，得到当前集料的多条表面法线；

步骤3，获取当前集料的每一条表面法线的起始点位置坐标，通过当前集料的每一条表面法线的起始点位置坐标对当前集料的多条表面法线进行聚类，得到N个聚类中心，即当前集料具有N个表面数量；

步骤4，对多种形状集料集合中的每一个集料重复步骤1至步骤3，即可得到每个形状集料的表面数量。

2.如权利要求1所述的集料表面数量检测方法，其特征在于，所述多种形状集料集合包括类四面体、类五面体和类六面体形状集料。

3.如权利要求1所述的集料表面数量检测方法，其特征在于，所述步骤1中对当前集料三维点云数据进行去噪，得到去噪后的集料三维点云数据，包括：

预设上限阈值T_up和下限阈值T_down，将当前集料三维点云数据中Z方向的点云坐标大于上限阈值T_up或者Z方向的点云坐标小于下限阈值T_down所对应的当前集料三维点云数据删除，得到阈值分割后的当前集料三维点云数据；并对阈值分割后的当前集料三维点云数据进行滤波处理。

4.如权利要求1所述的集料表面数量检测方法，其特征在于，通过式(1)计算当前点p_i与当前邻域点j所拟合的局部拟合平面P_ij：

式(1)中，m_j表示当前邻域点j，n_ij表示局部拟合平面P_ij的法向量，d_i表示当前点p_i到坐标原点的距离，argmin代表函数取得最小值时，自变量的取值。

5.如权利要求1所述的集料表面数量检测方法，其特征在于，通过式(2)得到协方差矩阵C_ij：

式(2)中，表示k个邻域点的三维质心。

6.如权利要求1所述的集料表面数量检测方法，其特征在于，通过式(3)得到协方差矩阵C_ij的特征值则特征向量

其中，x_j、y_j、z_j为当前邻域点j的X方向坐标、Y方向坐标和Z方向坐标；a、b、c、d为待定系数，d为常数项。