CN111192328A - 基于二维激光雷达的车厢容器三维扫描系统点云处理方法 - Google Patents

基于二维激光雷达的车厢容器三维扫描系统点云处理方法 Download PDF

Info

Publication number
CN111192328A
CN111192328A CN201911409321.6A CN201911409321A CN111192328A CN 111192328 A CN111192328 A CN 111192328A CN 201911409321 A CN201911409321 A CN 201911409321A CN 111192328 A CN111192328 A CN 111192328A
Authority
CN
China
Prior art keywords
dimensional
carriage
point cloud
scanning system
laser radar
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
Application number
CN201911409321.6A
Other languages
English (en)
Other versions
CN111192328B (zh
Inventor
樊璇
陈建
刘志恒
李龙
高云峰
曹雏清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhu Hit Robot Technology Research Institute Co Ltd
Original Assignee
Wuhu Hit Robot Technology Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhu Hit Robot Technology Research Institute Co Ltd filed Critical Wuhu Hit Robot Technology Research Institute Co Ltd
Priority to CN201911409321.6A priority Critical patent/CN111192328B/zh
Publication of CN111192328A publication Critical patent/CN111192328A/zh
Application granted granted Critical
Publication of CN111192328B publication Critical patent/CN111192328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于二维激光雷达的车厢容器三维扫描系统点云处理方法，首先建立起对车厢等容器的三维扫描系统，然后根据二维激光雷达扫描后的数据进行整合处理，以建立车厢整体原始三维无序点云模型，随后再根据本发明方法处理该三维点云模型，通过改变算法部分技术路线应用于火车、汽车、箱式工件的位置定位及尺寸测量，以解决车厢类容器在三维空间中的车厢定位问题。

Description

基于二维激光雷达的车厢容器三维扫描系统点云处理方法
技术领域
本发明涉及动码垛装车系统中三维扫描系统，尤其涉及一种基于二维激光雷达的车厢容器的三维扫描系统点云处理方法。
背景技术
三维激光扫描技术又被称为实景复制技术，是测绘领域继GPS技术之后的一次技术革命。它突破了传统的单点测量方法，具有高效率、高精度的独特优势。三维激光扫描技术能够提供扫描物体表面的三维点云数据，它通过高速激光扫描测量的方法，大面积地快速获取被测对象表面的三维坐标数据，可以快速、大量的采集空间点位信息，因此可以用于获取高精度高分辨率的数字模型。在逆向工程、测绘工程、工业测量、数字城市地形可视化等众多领域有广泛的应用。
激光雷达具有测距速度快、精度高、获取的测量信息直观等优点，在军事、航空和民用等领域得到了越来越广泛的应用。目前，激光雷达主要分为二维激光雷达和三维激光雷达两种。二维激光雷达只能在单一扫描平面上得到距离和角度信息，以极坐标的形式进行保存，而且把得到的数据经过后期处理还原成的图像也只是被扫描物体在激光雷达扫描平面上的二维轮廓图。而三维激光雷达可以在二维扫描的同时还能转动扫面平面，这样便可以直接扫描得到空间点的三维数据信息，并能更直观的反映被扫描物体的外形特征，因此在一些导航、工程测量等重要的领域具有更大应用价值，但价格昂贵。
在实际工业生产中，袋装或箱装物品装车形式非常普遍。目前，人们在码垛装车环节中仍然普遍采用人工搬运码垛的方式，这样不仅需要大量的人力，而且在一些恶劣环境下，对工作人员的身体健康危害也极大。为解决这些问题，解放劳动力，我们可以直接选用三维激光雷达对装车车辆的车厢进行扫描，然后通过扫描数据直接获取车辆外形轮廓的尺寸信息。但是三维激光雷达价格昂贵，在普通的民用企业的装车环节中使用并不现实。因此，发明一种三维扫描系统测量方法对于民用工业应用具有非常强的现实意义。而对车厢容器进行测量，必须建立该扫描系统的标定方法，在确定标定方法时，必须明确其对扫描所得三维点云数据的处理方法。
发明内容
针对上述问题，本发明提供了一种基于二维激光雷达的车厢容器三维扫描系统点云处理方法，可通过改变算法部分技术路线应用于火车、汽车、箱式工件的位置定位及尺寸测量，以解决车厢类容器在三维空间中的车厢定位问题。
为了实现上述技术方案，本发明提供了一种基于二维激光雷达的车厢容器三维扫描系统点云处理方法，包括以下处理步骤：
步骤一：建立对车厢容器的三维扫描系统，该三维扫描系统包括有控制器、上位工控机、带动桁架机器人行走梁纵向运动的运动轴、二维激光雷达和桁架机器人，由控制器控制纵向运动轴沿着桁架机器人纵向沿扫描方向运动，上位工控机同时与主控制器和二维激光雷达进行数据交互，确保数据交互的实时性与准确性，待二维激光雷达对车厢容器扫描完成后，对主控制器和二维激光雷达的数据进行整合，随之建立车厢整体原始三维无序点云模型；
步骤二：对原始三维无序点云模型进行处理，依次采用直通滤波器和统计滤波器对原始点云分别进行大范围的杂波滤除和小范围内去除离群点，以此得到车厢范围内的有效点云数据；
步骤三：根据欧式聚类分割方法，对点云进行再次分割，并提取出关于车厢底部点云相关部分；
步骤四：根据平面模型分割方法，采用随机一致性采样RANSAC方法，在剩下的点云数据中提取出车厢底平面模型及模型参数；
步骤五：根据平面模型提取结果，查看提取出的平面模型数量及对应的模型参数，根据车厢实际情况即车厢底平面尺寸范围及平面法向，对提取的平面模型进行判断并识别，确定车厢底平面模型参数；
步骤六：根据已确认后的车厢底平面模型参数和其对应的底平面有效点云，采用最小外接矩形算法对该数据进行处理，最终来获取最小外接矩形的模型参数，即可获得视觉坐标系中最小外接矩形的四个角点位置坐标及车辆位姿信息，根据该系统所建立完成的标定转换矩阵，计算并得到在桁架机器人坐标下的车厢模型，完成对车厢整体位置及位姿所有信息的获取。
进一步改进在于：在步骤一中，所述三维扫描系统的硬件包括有主控制器、上位工控机、带动桁架机器人行走梁纵向运动的运动轴、二维激光雷达和桁架机器人，将运动轴、二维激光雷达和桁架机器人按照在所述支架上，支架内用来放置车厢容器，所述支架的旁边放置有主控制器和上位工控机。
本发明的有益效果是：本发明首先建立起对车厢等容器的三维扫描系统，然后根据二维激光雷达扫描后的数据进行整合处理，以建立车厢整体原始三维无序点云模型，随后再根据本发明方法处理该三维点云模型，通过改变算法部分技术路线应用于火车、汽车、箱式工件的位置定位及尺寸测量，以解决车厢类容器在三维空间中的车厢定位问题。
附图说明
图1为本发明的处理方法流程图。
图2为本发明的三维扫描系统的硬件结构图。
图3为本发明的原始点云图像。
图4为本发明的平面提取图像。
其中：1、控制器；2、上位工控机；3、车厢容器；4、运动轴；5、二维激光雷达；6、桁架机器人。
具体实施方式
为了加深对本发明的理解，下面将结合实施例对本发明做进一步详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
实施例一
根据图1-图4所示，本实施例提供了一种基于二维激光雷达的车厢容器三维扫描系统点云处理方法，包括以下处理步骤：
步骤一：建立对车厢容器的三维扫描系统，该三维扫描系统包括有控制器1、上位工控机2、带动桁架机器人行走梁纵向运动的运动轴4、二维激光雷达5和桁架机器人6，由控制器1控制纵向运动轴4沿着桁架机器人6纵向沿扫描方向运动，上位工控机2同时与主控制器1和二维激光雷达5进行数据交互，确保数据交互的实时性与准确性，待二维激光雷达5对车厢容器3扫描完成后，对主控制器1和二维激光雷达5的数据进行整合，随之建立车厢整体原始三维无序点云模型；
步骤二：对原始三维无序点云模型进行处理，依次采用直通滤波器和统计滤波器对原始点云分别进行大范围的杂波滤除和小范围内去除离群点，以此得到车厢范围内的有效点云数据；
步骤三：根据欧式聚类分割方法，对点云进行再次分割，并提取出关于车厢底部点云相关部分；
步骤四：根据平面模型分割方法，采用随机一致性采样RANSAC方法，在剩下的点云数据中提取出车厢底平面模型及模型参数；
步骤五：根据平面模型提取结果，查看提取出的平面模型数量及对应的模型参数，根据车厢实际情况即车厢底平面尺寸范围及平面法向，对提取的平面模型进行判断并识别，确定车厢底平面模型参数；
步骤六：根据已确认后的车厢底平面模型参数和其对应的底平面有效点云，采用最小外接矩形算法对该数据进行处理，最终来获取最小外接矩形的模型参数，即可获得视觉坐标系中最小外接矩形的四个角点位置坐标及车辆位姿信息，根据该系统所建立完成的标定转换矩阵，计算并得到在桁架机器人坐标下的车厢模型，完成对车厢整体位置及位姿所有信息的获取。
在步骤一中，所述三维扫描系统的硬件包括有主控制器1、上位工控机2、带动桁架机器人行走梁纵向运动的运动轴4、二维激光雷达5和桁架机器人6，将运动轴4、二维激光雷达5和桁架机器人6按照在所述支架上，支架内用来放置车厢容器3，所述支架的旁边放置有主控制器1和上位工控机2。
本发明首先建立起对车厢等容器的三维扫描系统，然后根据二维激光雷达扫描后的数据进行整合处理，以建立车厢整体原始三维无序点云模型，随后再根据本发明方法处理该三维点云模型，通过改变算法部分技术路线应用于火车、汽车、箱式工件的位置定位及尺寸测量，以解决车厢类容器在三维空间中的车厢定位问题。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于二维激光雷达的车厢容器三维扫描系统点云处理方法，其特征在于，包括以下处理步骤：
步骤一：建立对车厢容器的三维扫描系统，建立对车厢容器的三维扫描系统，并根据三维扫描系统来对车厢进行扫描以建立车厢整体原始三维无序点云模型；
步骤二：对原始三维无序点云模型进行处理，依次采用直通滤波器和统计滤波器对原始点云分别进行大范围的杂波滤除和小范围内去除离群点，以此得到车厢范围内的有效点云数据；
步骤三：根据欧式聚类分割方法，对点云数据进行再次分割，并提取出关于车厢底部点云相关部分；
步骤四：根据平面模型分割方法，采用随机一致性采样RANSAC方法，在剩下的点云数据中提取出车厢底平面模型及模型参数；
步骤五：根据平面模型提取结果，查看提取出的平面模型数量及对应的模型参数，根据车厢实际情况即车厢底平面尺寸范围及平面法向，对提取的平面模型进行判断并识别，确定车厢底平面模型参数；
步骤六：根据已确认后的车厢底平面模型参数和其对应的底平面有效点云，来对车厢整体位置及位姿所有信息进行获取。
2.根据权利要求1所述的基于二维激光雷达的车厢容器三维扫描系统点云处理方法，其特征在于：在步骤一种，该三维扫描系统包括有控制器(1)、上位工控机(2)、带动桁架机器人行走梁纵向运动的运动轴(4)、二维激光雷达(5)和桁架机器人(6)，由控制器(1)控制纵向运动轴(4)沿着桁架机器人(6)纵向沿扫描方向运动，上位工控机(2)同时与主控制器(1)和二维激光雷达(5)进行数据交互，确保数据交互的实时性与准确性，待二维激光雷达(5)对车厢容器(3)扫描完成后，对主控制器(1)和二维激光雷达(5)的数据进行整合，随之建立车厢整体原始三维无序点云模型。
3.根据权利要求1或2所述的基于二维激光雷达的车厢容器三维扫描系统点云处理方法，其特征在于：在步骤一中，所述三维扫描系统的硬件包括有主控制器(1)、上位工控机(2)、带动桁架机器人行走梁纵向运动的运动轴(4)、二维激光雷达(5)和桁架机器人(6)，将运动轴(4)、二维激光雷达(5)和桁架机器人(6)按照在所述支架上，支架内用来放置车厢容器(3)，所述支架的旁边放置有主控制器(1)和上位工控机(2)。
4.根据权利要求1所述的基于二维激光雷达的车厢容器三维扫描系统点云处理方法，其特征在于：在步骤六中，根据已确认后的车厢底平面模型参数和其对应的底平面有效点云，采用最小外接矩形算法对该数据进行处理，以对车厢整体位置及位姿所有信息进行获取。
5.根据权利要求4所述的基于二维激光雷达的车厢容器三维扫描系统点云处理方法，其特征在于：采用最小外接矩形算法对该数据进行处理过，通过获取最小外接矩形的模型参数，即可获得视觉坐标系中最小外接矩形的四个角点位置坐标及车辆位姿信息，并根据三维扫描系统所建立完成的标定转换矩阵，计算并得到在桁架机器人坐标下的车厢模型，来对车厢整体位置及位姿所有信息进行获取。
CN201911409321.6A 2019-12-31 2019-12-31 基于二维激光雷达的车厢容器三维扫描系统点云处理方法 Active CN111192328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911409321.6A CN111192328B (zh) 2019-12-31 2019-12-31 基于二维激光雷达的车厢容器三维扫描系统点云处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911409321.6A CN111192328B (zh) 2019-12-31 2019-12-31 基于二维激光雷达的车厢容器三维扫描系统点云处理方法

Publications (2)

Publication Number Publication Date
CN111192328A true CN111192328A (zh) 2020-05-22
CN111192328B CN111192328B (zh) 2023-06-02

Family

ID=70707844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911409321.6A Active CN111192328B (zh) 2019-12-31 2019-12-31 基于二维激光雷达的车厢容器三维扫描系统点云处理方法

Country Status (1)

Country Link
CN (1) CN111192328B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111551122A (zh) * 2020-06-30 2020-08-18 上海振华重工(集团)股份有限公司 一种基于激光雷达的火车车皮数量和长度测量系统及方法
CN112099050A (zh) * 2020-09-14 2020-12-18 北京魔鬼鱼科技有限公司 车辆外形识别装置和方法、车辆处理设备和方法
CN112417591A (zh) * 2020-11-16 2021-02-26 上海交通大学 基于云台与扫描仪的车辆建模方法、系统、介质及设备
CN112906128A (zh) * 2021-01-18 2021-06-04 上海交通大学 基于直线导轨与扫描仪的车辆建模方法、设备及系统
CN113280733A (zh) * 2021-04-07 2021-08-20 深圳市异方科技有限公司 一种基于激光雷达的货车车厢容积测量方法及系统
WO2022048590A1 (zh) * 2020-09-03 2022-03-10 长城汽车股份有限公司 车辆空间的获取方法和装置、电子设备、存储介质
CN117420562A (zh) * 2023-10-21 2024-01-19 广州市西克传感器有限公司 一种基于云台三维数据的顶开式车厢识别测量系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011127375A1 (en) * 2010-04-09 2011-10-13 Pochiraju Kishore V Adaptive mechanism control and scanner positioning for improved three-dimensional laser scanning
CN106932784A (zh) * 2017-04-20 2017-07-07 河北科技大学 基于二维激光雷达的车斗形容器三维扫描系统测量方法
CN108932736A (zh) * 2018-05-30 2018-12-04 南昌大学 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011127375A1 (en) * 2010-04-09 2011-10-13 Pochiraju Kishore V Adaptive mechanism control and scanner positioning for improved three-dimensional laser scanning
CN106932784A (zh) * 2017-04-20 2017-07-07 河北科技大学 基于二维激光雷达的车斗形容器三维扫描系统测量方法
CN108932736A (zh) * 2018-05-30 2018-12-04 南昌大学 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孔德明;张娜;黄紫双;陈晓玉;沈阅;: "基于激光雷达探测技术的列车车厢载货体积测量方法研究" *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111551122A (zh) * 2020-06-30 2020-08-18 上海振华重工(集团)股份有限公司 一种基于激光雷达的火车车皮数量和长度测量系统及方法
WO2022048590A1 (zh) * 2020-09-03 2022-03-10 长城汽车股份有限公司 车辆空间的获取方法和装置、电子设备、存储介质
CN112099050A (zh) * 2020-09-14 2020-12-18 北京魔鬼鱼科技有限公司 车辆外形识别装置和方法、车辆处理设备和方法
CN112417591A (zh) * 2020-11-16 2021-02-26 上海交通大学 基于云台与扫描仪的车辆建模方法、系统、介质及设备
CN112417591B (zh) * 2020-11-16 2022-06-28 上海交通大学 基于云台与扫描仪的车辆建模方法、系统、介质及设备
CN112906128A (zh) * 2021-01-18 2021-06-04 上海交通大学 基于直线导轨与扫描仪的车辆建模方法、设备及系统
CN113280733A (zh) * 2021-04-07 2021-08-20 深圳市异方科技有限公司 一种基于激光雷达的货车车厢容积测量方法及系统
CN117420562A (zh) * 2023-10-21 2024-01-19 广州市西克传感器有限公司 一种基于云台三维数据的顶开式车厢识别测量系统

Also Published As

Publication number Publication date
CN111192328B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN111192328B (zh) 基于二维激光雷达的车厢容器三维扫描系统点云处理方法
CN108152831B (zh) 一种激光雷达障碍物识别方法及系统
CN111043963A (zh) 基于二维激光雷达的车厢容器的三维扫描系统测量方法
CN110243380B (zh) 一种基于多传感器数据与角度特征识别的地图匹配方法
CN110780305A (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN109794963B (zh) 一种面向曲面构件的机器人快速定位方法
Miądlicki et al. Ground plane estimation from sparse LIDAR data for loader crane sensor fusion system
CN113218408B (zh) 适用于多地形的多传感器融合的2Dslam方法及其系统
CN114581619A (zh) 一种基于三维定位和二维建图的煤仓建模方法
CN111121628A (zh) 基于二维激光雷达的车厢容器的三维扫描系统标定方法
CN112880562A (zh) 一种机械臂末端位姿误差测量方法及系统
WO2023142608A1 (zh) 获得飞机面型的系统和方法
WO2020260272A1 (en) Autonomous mobile aircraft inspection system
CN114187357A (zh) 一种高精地图的生产方法、装置、电子设备及存储介质
Cho et al. Autonomous positioning of the unloading auger of a combine harvester by a laser sensor and GNSS
Withers et al. Modelling scene change for large-scale long term laser localisation
CN116823942A (zh) 三维点云的目标标注方法和点云连续帧中目标跟踪方法
CN114659518B (zh) 一种固定场景下的高精鲁棒定位方法
Kolu et al. A mapping method tolerant to calibration and localization errors based on tilting 2D laser scanner
CN114419118A (zh) 三维点云配准方法、移动设备及存储介质
Guo et al. 3D Lidar SLAM Based on Ground Segmentation and Scan Context Loop Detection
CN117437291B (zh) 一种基于双目视觉的数字化料堆可视方法
CN111596309A (zh) 一种基于激光雷达的车辆排队测量方法
CN116342695B (zh) 无人叉车放货检测方法及装置、无人叉车、存储介质
CN117788593B (zh) 剔除三维激光数据中动态点的方法、装置、介质及设备

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