CN113570623B - 大型煤堆开挖点、堆料点自动识别方法及装置 - Google Patents
大型煤堆开挖点、堆料点自动识别方法及装置 Download PDFInfo
- Publication number
- CN113570623B CN113570623B CN202110859219.7A CN202110859219A CN113570623B CN 113570623 B CN113570623 B CN 113570623B CN 202110859219 A CN202110859219 A CN 202110859219A CN 113570623 B CN113570623 B CN 113570623B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- cloud data
- information
- acquiring
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 65
- 238000009412 basement excavation Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013486 operation strategy Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Earth Drilling (AREA)
Abstract
本发明涉及大型煤堆开挖点、堆料点自动识别方法,包括以下:获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;获取需要进行操作的区域需求,根据区域需求选择对应的区域;获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;获取并保存处理后的三维信息;将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别。本发明模拟了人工判别开挖点、堆料点流程性;提取的开挖点、堆料点准确性高,可以提高后续作业的效率;本发明提高了煤矿作业的自动化程度,符合智能制造的发展理念。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及大型煤堆开挖点、堆料点自动识别方法及装置。
背景技术
煤炭是火电机的核心燃料,同时也是中国的主要电力供应能源之一。在能源领域具有重要的地位。
现有技术中,针对大型煤堆的开挖与堆料作业,更多的是通过人工控制机械臂来进行挖料与堆料,存在耗费时间长、作业精度低、人员劳动强度大等问题;同时煤堆周围污染源多,会对操作人员的身体健康带来影响。
随着点云数据技术的不断成熟,其在不同领域的应用也越来越广泛,比如工业、医疗、军事等。而在大型煤堆的作业中,点云数据可以很好的记录煤堆的物理几何信息,其中煤堆的重要的物理几何信息包括,
堆料点作用:给后续操作中机械臂提供一个开始堆料的准确位置;
取煤点作用:给后续操作中机械臂提供一个稳定安全的取煤位置。
但是现有技术中通过结合点云数据技术来对煤堆进行智能开挖的相关技术仍较为空缺。
发明内容
本发明的目的是为了至少解决现有技术的不足之一,提供大型煤堆开挖点、堆料点自动识别方法及装置。
为了实现上述目的,本发明采用以下的技术方案:
具体的,提出大型煤堆开挖点、堆料点自动识别方法,包括以下:
获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
获取并保存处理后的三维信息;
将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别。
进一步,上述获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型,具体包括以下,
获取用户上传的原始点云模型的文件格式,判断所述文件格式是否为pcd格式文件,若不是,则提示重新选择文件,直到格式为pcd为止;
获取并计算原始点云模型的数据量;
判断所述数据量是否在给定的范围内,若不是,则驳回当前pcd格式文件并提示重新选择文件;
对符合上述判别过程的原始点云模型进行去噪处理,减少离群点。
进一步,具体的,所述操作策略包括堆煤流程以及取煤流程,其中,
堆煤流程包括,
计算所选区域的点云数据的宽度,
以宽度为基准将所选区域的点云数据均分为2列,在每列分别计算一个堆料点,
分别计算2列点云数据的最高点高度z_1以及z_2,
以z_1\ z_2加上一个预设的高度,作为堆料点的高度z,
取2列点云数据最左端点的x、y坐标作为两个堆料点的x、y坐标,
保存2个堆料点的三维坐标信息;
取煤流程包括,
根据主成分分析的方法,判断所选区域的点云数据为多平面区域或大斜面区域,
针对不同数据类型采取不同的开挖点计算策略,具体的,
所选区域的点云数据为多平面区域时,
计算出所有的平面区域的点云信息,记录每个平面区域的索引信息并保存,
根据所述索引信息依次计算每个平面的最左端点信息,
保存所有平面的最左端点为开挖点;
所选区域的点云数据为大斜面区域时,
首先计算出斜面区域的点云信息,
以斜面的高度为基准三等分,
取2根三等分线的最左端点为开挖点。
保存开挖点三维坐标信息。
本发明还提出大型煤堆开挖点、堆料点自动识别装置,包括以下:
点云数据获取模块,用于获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
区域划分模块,用于将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
区域选择模块,用于获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
三维信息保存模块,用于获取并保存处理后的三维信息;
信息导入模块,用于将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别。
本发明还提出一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述方法的步骤。
本发明的有益效果为:
本发明通过基于机器学习的方式对大型煤堆的开挖点、堆料点进行智能识别,具有如下优势,
1.本发明模拟了人工判别开挖点、堆料点流程,并且具有一定的智能性,可以判断输入数据的正确性;
2.工作人员无需去现场作业,仅需操作终端电脑,不仅减轻了工作强度,也保障了健康;
3.提取的开挖点、堆料点准确性高,可以提高后续作业的效率;
4.本发明提高了煤矿作业的自动化程度,符合智能制造的发展理念。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为本发明大型煤堆开挖点、堆料点自动识别方法的流程图;
图2所示为本发明大型煤堆开挖点、堆料点自动识别方法中开挖点选取示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1,实施例1,本发明提出大型煤堆开挖点、堆料点自动识别方法,包括以下:
获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
获取并保存处理后的三维信息;
将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别。
进一步,上述获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型,具体包括以下,
获取用户上传的原始点云模型的文件格式,判断所述文件格式是否为pcd格式文件,若不是,则提示重新选择文件,直到格式为pcd为止;
获取并计算原始点云模型的数据量;
判断所述数据量是否在给定的范围内,若不是,则驳回当前pcd格式文件并提示重新选择文件;
对符合上述判别过程的原始点云模型进行去噪处理,减少离群点。
进一步,具体的,所述操作策略包括堆煤流程以及取煤流程,其中,
堆煤流程包括,
计算所选区域的点云数据的宽度,
以宽度为基准将所选区域的点云数据均分为2列,
分别计算2列点云数据的最高点高度z_1以及z_2,
以z_1\ z_2加上一个预设的高度,作为堆料点的高度z,
取2列点云数据最左端点的x、y坐标作为两个堆料点的x、y坐标(堆料点的计算来看不是只有一个吗,这里感觉不清楚),
保存堆料点的三维坐标信息;
取煤流程包括,
根据主成分分析的方法,判断所选区域的点云数据为多平面区域或大斜面区域,
针对不同数据类型采取不同的开挖点计算策略,具体的,
所选区域的点云数据为多平面区域时,
计算出所有的平面区域的点云信息,记录每个平面区域的索引信息并保存,
参照图2,其中黑色的矩形框表示开挖点,以其中一个平面为示例,根据所述索引信息依次计算每个平面的最左端点信息,
保存所有平面的最左端点为开挖点;
所选区域的点云数据为大斜面区域时,
首先计算出斜面区域的点云信息,
以斜面的高度为基准三等分,
取2根三等分线的最左端点为开挖点;
保存开挖点三维坐标信息。
在本发明的该优选实施方式中,考虑到挖煤过程一般都为从左至右挖掘,故针对计算每个平面的最左端点信息
基于以上,本发明在实施时,具体如下,
加载数据
1.1 将点云模型传输进本发明系统,原始点云模型A如图1、图2所示
1.2 判断传输进的点云模型是否为pcd格式文件,若不是,则系统会提示重新选择文件,直到格式正确(pcd)为止
1.3 计算原始点云模型A数据量
1.4 判断数据量是否合规,即判断总点数是否在给定的范围,若不是,则系统会提示重新选择文件。因数据量太少,煤堆特征会保存不完全;而若数据量太多,则数据冗余大,时间成本高
1.5 对原始点云A模型进行去噪处理,减少离群点
将去噪后的原始点云模型B按长度三等分为三片区域,并分别保存
根据需求选择需要操作的片数(一或二或三)
根据需求选择开挖点(取煤)或堆料点(堆煤)提取策略
4.1 堆煤流程
4.1.1 计算所选点云数据的宽度
4.1.2 以宽度均分为2列
4.1.3 分别计算2列的最高点高度z_1、z_2
4.1.4 以z_1\ z_2加上一个给定的高度,即为堆料点的高度z
4.1.5 取两列最左端点的x、y坐标即为两个堆料点的x、y坐标
4.1.6 保存堆料点的三维坐标信息
4.2 取煤流程
4.2.1先根据主成分分析的方法,判断所选点云数据为哪种(多平面区域或大斜面区域)
4.2.2 针对不同数据类型采取不同的开挖点计算策略
A.多平面区域
1.先计算出所有的平面区域点云信息,记录索引信息并保存
2.根据索引依次计算每个平面的最左端点信息
3.保存所有平面的最左端点为开挖点
B.大斜面区域
1.首先计算出斜面区域点云信息
2.以斜面的高度为基准三等分
3.取2根三等分线的最左端点为开挖点
4.2.3 保存开挖点三维坐标信息
保存开挖点\堆料点三维信息
将开挖点\堆料点三维信息传入机械臂识别模块即可自动识别开挖点\堆料点
本发明还提出大型煤堆开挖点、堆料点自动识别装置,包括以下:
点云数据获取模块,用于获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
区域划分模块,用于将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
区域选择模块,用于获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
三维信息保存模块,用于获取并保存处理后的三维信息;
信息导入模块,用于将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别。
本发明还提出一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储的介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包括的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (4)
1.大型煤堆开挖点、堆料点自动识别方法,其特征在于,包括以下:
获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
获取并保存处理后的三维信息;
将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别;
具体的,所述操作策略包括堆煤流程以及取煤流程,其中,
堆煤流程包括,
计算所选区域的点云数据的宽度,
以宽度为基准将所选区域的点云数据均分为2列,在每列分别计算一个堆料点,
分别计算2列点云数据的最高点高度z_1以及z_2,
以z_1\ z_2加上一个预设的高度,作为堆料点的高度z,
取2列点云数据最左端点的x、y坐标作为两个堆料点的x、y坐标,
保存2个堆料点的三维坐标信息;
取煤流程包括,
根据主成分分析的方法,判断所选区域的点云数据为多平面区域或大斜面区域,
针对不同数据类型采取不同的开挖点计算策略,具体的,
所选区域的点云数据为多平面区域时,
计算出所有的平面区域的点云信息,记录每个平面区域的索引信息并保存,
根据所述索引信息依次计算每个平面的最左端点信息,
保存所有平面的最左端点为开挖点;
所选区域的点云数据为大斜面区域时,
首先计算出斜面区域的点云信息,
以斜面的高度为基准三等分,
取2根三等分线的最左端点为开挖点,
保存开挖点三维坐标信息。
2.根据权利要求1所述的大型煤堆开挖点、堆料点自动识别方法,其特征在于,上述获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型,具体包括以下,
获取用户上传的原始点云模型的文件格式,判断所述文件格式是否为pcd格式文件,若不是,则提示重新选择文件,直到格式为pcd为止;
获取并计算原始点云模型的数据量;
判断所述数据量是否在给定的范围内,若不是,则驳回当前pcd格式文件并提示重新选择文件;
对符合上述判别过程的原始点云模型进行去噪处理,减少离群点。
3.大型煤堆开挖点、堆料点自动识别装置,其特征在于,包括以下:
点云数据获取模块,用于获取目标煤堆的点云数据,对所述点云数据进行预处理得到去噪后的点云模型;
区域划分模块,用于将去噪后的点云模型按数据长度三等分的划分为三片区域,并分别保存;
区域选择模块,用于获取需要进行操作的区域需求,根据区域需求选择对应的区域;
获取操作策略选取信息,根据操作策略选取信息选择对应的操作策略对对应的所述区域进行处理;
三维信息保存模块,用于获取并保存处理后的三维信息;
信息导入模块,用于将处理后的所述三维信息导入机械臂识别模块以实现煤堆自动识别;
具体的,所述操作策略包括堆煤流程以及取煤流程,其中,
堆煤流程包括,
计算所选区域的点云数据的宽度,
以宽度为基准将所选区域的点云数据均分为2列,在每列分别计算一个堆料点,
分别计算2列点云数据的最高点高度z_1以及z_2,
以z_1\ z_2加上一个预设的高度,作为堆料点的高度z,
取2列点云数据最左端点的x、y坐标作为两个堆料点的x、y坐标,
保存2个堆料点的三维坐标信息;
取煤流程包括,
根据主成分分析的方法,判断所选区域的点云数据为多平面区域或大斜面区域,
针对不同数据类型采取不同的开挖点计算策略,具体的,
所选区域的点云数据为多平面区域时,
计算出所有的平面区域的点云信息,记录每个平面区域的索引信息并保存,
根据所述索引信息依次计算每个平面的最左端点信息,
保存所有平面的最左端点为开挖点;
所选区域的点云数据为大斜面区域时,
首先计算出斜面区域的点云信息,
以斜面的高度为基准三等分,
取2根三等分线的最左端点为开挖点,
保存开挖点三维坐标信息。
4.一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-2中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859219.7A CN113570623B (zh) | 2021-07-28 | 2021-07-28 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859219.7A CN113570623B (zh) | 2021-07-28 | 2021-07-28 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570623A CN113570623A (zh) | 2021-10-29 |
CN113570623B true CN113570623B (zh) | 2023-12-01 |
Family
ID=78168642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110859219.7A Active CN113570623B (zh) | 2021-07-28 | 2021-07-28 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570623B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150629A (zh) * | 2020-09-25 | 2020-12-29 | 福建华电可门发电有限公司 | 一种基于视觉的盘煤系统及方法 |
CN112161568A (zh) * | 2020-09-28 | 2021-01-01 | 山东大学 | 基于多目普通摄像机的大型煤堆体积测量方法 |
CN112687005A (zh) * | 2020-12-18 | 2021-04-20 | 苏州同港无人机研究院有限公司 | 一种基于三维重建的煤堆体积测量方法 |
-
2021
- 2021-07-28 CN CN202110859219.7A patent/CN113570623B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150629A (zh) * | 2020-09-25 | 2020-12-29 | 福建华电可门发电有限公司 | 一种基于视觉的盘煤系统及方法 |
CN112161568A (zh) * | 2020-09-28 | 2021-01-01 | 山东大学 | 基于多目普通摄像机的大型煤堆体积测量方法 |
CN112687005A (zh) * | 2020-12-18 | 2021-04-20 | 苏州同港无人机研究院有限公司 | 一种基于三维重建的煤堆体积测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113570623A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853081B (zh) | 基于单木分割的地面和机载LiDAR点云配准方法 | |
CN111260668B (zh) | 一种电力线提取方法、系统及终端 | |
CN109559054B (zh) | 一种电力工程施工信息处理系统 | |
CN114782970B (zh) | 一种表格提取方法、系统及可读介质 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN111275821A (zh) | 一种电力线拟合方法、系统及终端 | |
CN113570623B (zh) | 大型煤堆开挖点、堆料点自动识别方法及装置 | |
CN103761711A (zh) | 一种车载激光扫描路面点云非均匀抽稀方法 | |
CN112527442B (zh) | 一种环境数据多维显示方法、装置、介质及终端设备 | |
CN113269202B (zh) | 一种提取门型电塔点云的方法 | |
CN112668448B (zh) | 一种生态进程变化分析方法、装置、介质及终端设备 | |
CN116188627B (zh) | 一种测井曲线数字化方法及装置 | |
CN115408926B (zh) | 用于隧道掘进岩体参数预测的数据处理方法和装置 | |
CN116052109A (zh) | 点云特征获取方法、目标检测方法、设备、介质及车辆 | |
Berg et al. | Simulating conventional and integrated stump-and round-wood harvesting systems: a comparison of productivity and costs | |
CN107869971B (zh) | 一种基于三维激光扫描数据计算树冠表面积的方法 | |
CN115984805A (zh) | 一种数据增强方法、目标检测方法及车辆 | |
CN113434922A (zh) | 一种孪生零件的虚拟基准对准方法、装置及系统 | |
CN113608271A (zh) | 一种地质勘探数据处理方法及系统 | |
CN112329178A (zh) | 角钢塔三维造价模型建立方法、装置及终端设备 | |
CN112183329A (zh) | 植株的补种信息识别方法、装置、计算机设备和存储介质 | |
CN111260723A (zh) | 棒材的质心定位方法及终端设备 | |
CN118135116B (zh) | 基于cad二维转换三维实体的自动生成方法及系统 | |
CN111221821A (zh) | 一种ai模型迭代更新方法、电子设备及存储介质 | |
CN115830269B (zh) | 隧道点云法线方向调整方法、装置、设备及可读存取介质 |
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 |