CN114295046A - 一种爆堆形态综合评价方法及系统、电子设备、存储介质 - Google Patents

Abstract

本发明公开了一种爆堆形态综合评价方法及系统、电子设备、存储介质，该方法通过在对爆区进行勘探和测量后在爆区内布置多个三维激光扫描站，以对爆破全过程进行监测，并根据爆区监测范围和选定的多个监测站点建立三维坐标系，然后，利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像，对点云数据和图像进行分析处理后可以得到爆堆的多个形态特征，并基于多个形态特征计算得到信息融合的爆堆形态综合评判指数，不仅从多个维度对爆堆形态进行评价分析，而且实现了多个形态特征的信息融合，可以更全面、准确地对爆堆形态进行综合评价，为后续的铲装作业和爆破参数优化提供了准确的参考依据。

Description

一种爆堆形态综合评价方法及系统、电子设备、存储介质

技术领域

本发明涉及爆破工程技术领域，特别地，涉及一种爆堆形态综合评价方法及系统、电子设备、计算机可读取的存储介质。

背景技术

爆堆形态是爆破效果评价的关键指标之一，在露天矿爆破作业后，爆堆形态的特征信息关联着爆破的质量，对后续的铲装效率有较大的影响。因此，对露天矿爆堆形态的特征信息进行综合评价有助于爆破设计的优化，通过爆堆形态特征指导后续铲装作业的有序进行，从而提高铲装效率。现有的爆堆形态评价方法仅针对一种形态特征进行单一评价，未考虑到爆堆形态特征的多样化，难以全面、真实地反映出爆堆形态。

发明内容

本发明提供了一种爆堆形态综合评价方法及系统、电子设备、计算机可读取的存储介质，以解决现有技术存在的上述缺点。

根据本发明的一个方面，提供一种爆堆形态综合评价方法，包括以下内容：

对爆区进行勘探和测量，并在爆区内布置多个三维激光扫描站进行监测；

根据爆区监测范围和选定的多个监测站点建立三维坐标系；

利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像；

对爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

进一步地，所述在爆区内布置多个三维激光扫描站进行监测的过程具体为：

以爆区的中心为原点、以最小安全距离为半径建立平面站点圆，在平面站点圆的上、下、左、右四个切点处各布置一个三维激光扫描站，四个监测站点均处于第一水平高度位置，并以圆心为旋转中心，将上切点和下切点顺时针旋转45°后在第二水平高度位置对应各布置一个三维激光扫描站，再将位于第二水平高度位置的两个监测站点继续顺时针旋转90°后在第三水平高度位置对应各布置一个三维激光扫描站，形成1圆3水平8站点的监测站点布局方式。

进一步地，所述爆堆的形态特征包括爆堆的松散度、平整度和块度，所述松散度采用有效抛掷率和松散系数作为形态特征值，通过对抛掷到空区且不需要二次搬运的岩石体积和爆堆体积信息进行分析获得有效抛掷率和松散系数，所述平整度采用爆堆隆起高度作为形态特征值，通过对爆堆轮廓的点云数据分析得到爆堆隆起高度，所述块度采用大块率作为形态特征值，通过对爆堆点云数据和对应图像进行灰度识别和图像分割处理生成爆堆块度分布图，从而得到爆堆的大块率。

进一步地，采用以下公式计算得到爆堆形态综合评判指数：

其中，C为爆堆形态综合评判指数，E_P为有效抛掷率，K_s为松散系数，a为修正系数，I_ks为松散系数的权重系数，I_H为爆堆隆起高度的权重系数，H_i为第i组点云数据对应的爆堆隆起高度值，n为点云数据的总组数，H_max为爆堆隆起的最大高度值，D为大块率，I_D为大块率的权重系数。

进一步地，所述基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价的过程具体为：

将计算得到的爆堆形态综合评判指数与预设的等级标准进行对比，根据对比结果得到爆堆形态的综合评价结果。

进一步地，在所述基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价的步骤之后还包括以下内容：

根据综合评价结果和各个形态特征值对爆破参数进行优化。

另外，本发明还提供一种爆堆形态综合评价系统，采用如上所述的方法，包括：

坐标系构建模块，用于根据爆区监测范围和选定的多个监测站点建立三维坐标系；

爆堆形态特征分析模块，用于根据多个监测站点获得的爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

信息融合模块，用于基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

综合评价模块，用于基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

进一步地，还包括：

爆破参数优化模块，用于根据综合评价结果和各个形态特征值对爆破参数进行优化。

另外，本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明还提供一种计算机可读取的存储介质，用于存储对爆堆形态进行综合评价的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

本发明具有以下效果：

本发明的爆堆形态综合评价方法，通过在对爆区进行勘探和测量后在爆区内布置多个三维激光扫描站，以对爆破全过程进行监测，三维激光扫描站内置有高分辨率的高度摄影仪，比传统的测量仪器精度更高，可以更快地扫描目标，并根据爆区监测范围和选定的多个监测站点建立三维坐标系，可以对应三维激光扫描站的点云数据，便于后续处理。然后，利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像，对点云数据和图像进行分析处理后可以得到爆堆的多个形态特征，并基于多个形态特征计算得到信息融合的爆堆形态综合评判指数，不仅从多个维度对爆堆形态进行评价分析，而且实现了多个形态特征的信息融合，可以更全面、准确地对爆堆形态进行综合评价，为后续的铲装作业和爆破参数优化提供了准确的参考依据。

另外，本发明的爆堆形态综合评价系统同样具有上述优点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的爆堆形态综合评价方法的流程示意图。

图2是本发明优选实施例中进行监测站点布局的示意图。

图3是本发明优选实施例中从俯视角度观察的站点布局示意图。

图4是本发明优选实施例中从主视角度观察的站点布局示意图。

图5是本发明另一实施例的爆堆形态综合评价方法的流程示意图。

图6是本发明另一实施例的爆堆形态综合评价系统的模块结构示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。

如图1所示，本发明的优选实施例提供一种爆堆形态综合评价方法，包括以下内容：

步骤S1：对爆区进行勘探和测量，并在爆区内布置多个三维激光扫描站进行监测；

步骤S2：根据爆区监测范围和选定的多个监测站点建立三维坐标系；

步骤S3：利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像；

步骤S4：对爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

步骤S5：基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

步骤S6：基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

可以理解，本实施例的爆堆形态综合评价方法，通过在对爆区进行勘探和测量后在爆区内布置多个三维激光扫描站，以对爆破全过程进行监测，三维激光扫描站内置有高分辨率的高度摄影仪，比传统的测量仪器精度更高，可以更快地扫描目标，并根据爆区监测范围和选定的多个监测站点建立三维坐标系，可以对应三维激光扫描站的点云数据，便于后续处理。然后，利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像，对点云数据和图像进行分析处理后可以得到爆堆的多个形态特征，并基于多个形态特征计算得到信息融合的爆堆形态综合评判指数，不仅从多个维度对爆堆形态进行评价分析，而且实现了多个形态特征的信息融合，可以更全面、准确地对爆堆形态进行综合评价，为后续的铲装作业和爆破参数优化提供了准确的参考依据。

具体地，在步骤S1中，由于每一个爆区的环境和条件不同，不同爆区内监测站点布置都需要重新勘查和测量，以保证监测站点布置的准确性和可靠性。可选地，如图2至图4所示，所述步骤S1中在爆区内布置多个三维激光扫描站进行监测的过程具体为：

以爆区的中心为原点、以最小安全距离为半径建立平面站点圆，在平面站点圆的上、下、左、右四个切点处各布置一个三维激光扫描站，这四个监测站点均处于第一水平高度位置，即A水平处，并以圆心为旋转中心，将上切点和下切点顺时针旋转45°后在第二水平高度位置(即B水平处)对应各布置一个三维激光扫描站，再将位于第二水平高度位置的两个监测站点继续顺时针旋转90°后在第三水平高度位置(即C水平处)对应各布置一个三维激光扫描站，形成1圆3水平8站点的监测站点布局方式。

可以理解，通过设置1圆3水平8站点的监测站点布局方式，不仅可以以较少的三维激光扫描站数量进行全方位的监测布局，满足以少概全的原则，而且可以有效地规避容易发生视线遮挡的建筑物、三维激光扫描站的重叠部分和扫描死角部分，从而可以对爆破过程进行全方位的自动化监测。另外，在本发明的其它实施例中，也可以根据爆堆的大小对旋转角度和水平数量进行调整。

可以理解，在所述步骤S2中，在确定好爆区监测范围和完成监测站点的布局后，开启多个监测站点的三维激光扫描站，生成点云数据后上传到云端，对多个三维激光扫描站重叠的部分进行处理，通过扫描的量程和处理后的点云数据建立爆区监测范围内的三维坐标系，该三维坐标系可以与三维激光扫描站的点云数据进行对应，便于后续进行点云数据的处理。

可以理解，在所述步骤S3中，在爆破开始前开启所有的三维激光扫描站，进行实时监测和扫描，在整个爆破过程中持续工作，直至爆破作业后爆堆稳定形成，从而可以获得爆堆生成过程的所有点云数据和图像。另外，云端可以获取爆堆生成过程的点云数据和坐标的变化，能够在云端生成爆堆可视化模型，并且通过三维激光扫描仪内置的高分辨率、高速摄影仪，可以截取不同时间的点云数据对应的图像。

可以理解，在所述步骤S4中，所述爆堆的形态特征包括爆堆的松散度、平整度和块度，所述松散度采用有效抛掷率和松散系数作为形态特征值，通过对抛掷到空区且不需要二次搬运的岩石体积和爆堆体积信息进行分析获得有效抛掷率和松散系数，所述平整度采用爆堆隆起高度作为形态特征值，通过对爆堆轮廓的点云数据分析得到爆堆隆起高度，所述块度采用大块率作为形态特征值，通过对爆堆点云数据和对应图像进行灰度识别和图像分割处理生成爆堆块度分布图，从而得到爆堆的大块率。从松散度、平整度和块度三个维度对爆堆形态进行评价，评价结果更加全面、准确。另外，云端在获取爆堆生成过程的所有点云数据和图像后，可以自动分类和打包已采集的信息，分别传输给对应的云端软件进行爆堆形态特征分析和处理，具体的分析和处理过程为现有技术，故在此不再赘述。

可选地，在所述步骤S5中，采用以下公式计算得到爆堆形态综合评判指数：

其中，C为爆堆形态综合评判指数，E_P为有效抛掷率，K_s为松散系数，a为修正系数，I_ks为松散系数的权重系数，I_H为爆堆隆起高度的权重系数，H_i为第i组点云数据对应的爆堆隆起高度值，n为点云数据的总组数，H_max为爆堆隆起的最大高度值，D为大块率，I_D为大块率的权重系数。其中，I_ks：I_H：I_D＝(0.45～0.55)：(0.25～0.35)：(0.15～0.25)，具体取值可以根据实际要求进行设定。

可以理解，所述步骤S6具体为：

将计算得到的爆堆形态综合评判指数与预设的等级标准进行对比，根据对比结果得到爆堆形态的综合评价结果。

其中，预设的等级标准如表1所示。

表1、爆堆形态综合评价的等级标准

可以理解，如图5所示，在本发明的另一实施例中，所述爆堆形态综合评价方法在步骤S6之后还包括以下内容：

步骤S7：根据综合评价结果和各个形态特征值对爆破参数进行优化。

具体地，当综合评价结果不满足要求时，例如根据预设的等级标准判定为较差时，根据综合评价结果和具体的形态特征值对爆破参数进行优化，为提高爆破质量提供了准确的参考依据。例如，当大块率D较大时，可以提高炸药用量，或者优化炸药点布设方式。

可以理解，为了便于更好的揭示本发明的技术方案，下面给出几个具体实施例进行说明。

实施例1

清渣爆破爆堆的形态评价

步骤1，对爆区进行勘探、测量，在爆区内布置三维激光扫描站，三维激光扫描站点的布置按照以少概全的原则进行，对爆区进行勘察和测量，由于每一个爆区的环境和条件不同，不同爆区内站点的布置都需要重新勘查和测量。

步骤2，根据监测爆区范围和选定的监测站点，生成点云数据上传到云端，对扫描重叠的部分进行处理，通过扫描的量程以及点云数据，建立爆区监测范围内的三维坐标系，可对应点云数据，方便处理。

步骤3，监测爆堆形成的全过程，获取爆堆生成过程的点云数据和坐标的变化，在云端生成爆堆可视化模型，通过三维激光扫描仪内置的高分辨率、高速摄影仪截取不同时间的点云对应图像。

步骤4，从爆堆的松散度、平整度、块度对爆堆形态特征进行分析，自动归类和打包已采集的信息，分别传输给对应云端软件进行爆堆形态特征数据的分析和处理，获得爆堆形态特征值：有效抛掷率E_p、松散系数k_s、爆堆隆起的高度H、大块率D。

步骤5，根据不同形态特征值的数据以及权重建立爆堆形态综合评判指数C，爆堆形态特征值的权重为I_ks：I_H：I_D＝0.55：0.28：0.17。

步骤6，根据最终综合评判指数C＝0.83，确定爆堆形态等级为Ⅱ级(良好)，但爆堆隆起的高度不均匀，需要对爆破参数进一步优化，能够提升生产效率。

实施例2

隧道爆破爆堆的形态评价

步骤1，对爆区进行勘探、测量，在爆区内布置三维激光扫描站，三维激光扫描站点的布置按照以少概全的原则进行，对爆区进行勘察和测量，由于每一个爆区的环境和条件不同，不同爆区内站点的布置都需要重新勘查和测量。

步骤2，根据监测爆区范围和选定的监测站点，生成点云数据上传到云端，对扫描重叠的部分进行处理，通过扫描的量程以及点云数据，建立爆区监测范围内的三维坐标系，可对应点云数据，方便处理。

步骤3，监测爆堆形成的全过程，获取爆堆生成过程的点云数据和坐标的变化，在云端生成爆堆可视化模型，通过三维激光扫描仪内置的高分辨率、高速摄影仪截取不同时间的点云对应图像。

步骤4，从爆堆的松散度、平整度、块度对爆堆形态特征进行分析，自动归类和打包已采集的信息，分别传输给对应云端软件进行爆堆形态特征数据的分析和处理，获得爆堆形态特征值：有效抛掷率E_p、松散系数k_s、爆堆隆起的高度H、大块率D。

步骤5，根据不同形态特征值的数据以及权重建立爆堆形态综合评判指数C，爆堆形态特征值的权重为I_ks：I_H：I_D＝0.5：0.32：0.18。

步骤6，根据最终综合评判指数C＝0.63，确定爆堆形态等级为Ⅳ级(较差)，块度分布不均匀，大块率高，抛掷到空区的岩石方量较少，有效抛掷率较低，不利于电铲作业，铲装效率较低，需要对爆破参数进行调整。

实施例3

压渣爆破爆堆的形态评价

步骤1，对爆区进行勘探、测量，在爆区内布置三维激光扫描站，三维激光扫描站点的布置按照以少概全的原则进行，对爆区进行勘察和测量，由于每一个爆区的环境和条件不同，不同爆区内站点的布置都需要重新勘查和测量。

步骤2，根据监测爆区范围和选定的监测站点，生成点云数据上传到云端，对扫描重叠的部分进行处理，通过扫描的量程以及点云数据，建立爆区监测范围内的三维坐标系，可对应点云数据，方便处理。

步骤3，监测爆堆形成的全过程，获取爆堆生成过程的点云数据和坐标的变化，在云端生成爆堆可视化模型，通过三维激光扫描仪内置的高分辨率、高速摄影仪截取不同时间的点云对应图像。

步骤4，从爆堆的松散度、平整度、块度对爆堆形态特征进行分析，自动归类和打包已采集的信息，分别传输给对应云端软件进行爆堆形态特征数据的分析和处理，获得爆堆形态特征值：有效抛掷率E_p、松散系数k_s、爆堆隆起的高度H、大块率D。

步骤5，根据不同形态特征值的数据以及权重建立爆堆形态综合评判指数C，爆堆形态特征值的权重为I_ks：I_H：I_D＝0.5：0.3：0.2。

步骤6，根据最终综合评判指数C＝0.91，确定爆堆形态等级为Ⅰ级(优秀)，爆堆轮廓规整，块度分布均匀，前冲和隆起高度适中，有效抛掷率高，有利于电铲作业，铲装效率高。

实施例4

高陡边坡爆破爆堆的形态评价

步骤1，对爆区进行勘探、测量，在爆区内布置三维激光扫描站，三维激光扫描站点的布置按照以少概全为原则进行，对爆区进行勘察和测量，由于每一个爆区的环境和条件不同，不同爆区内站点的布置都需要重新勘查和测量。

步骤2，根据监测爆区范围和选定的监测站点，生成点云数据上传到云端，对扫描重叠的部分进行处理，通过扫描的量程以及点云数据，建立爆区监测范围内的三维坐标系，可对应点云数据，方便处理。

步骤3，监测爆堆形成的全过程，获取爆堆生成过程的点云数据和坐标的变化，在云端生成爆堆可视化模型，通过三维激光扫描仪内置的高分辨率、高速摄影仪截取不同时间的点云对应图像。

步骤4，从爆堆的松散度、平整度、块度对爆堆形态特征进行分析，自动归类和打包已采集的信息，分别传输给对应云端软件进行爆堆形态特征数据的分析和处理，获得爆堆形态特征值：有效抛掷率E_p、松散系数k_s、爆堆隆起的高度H、大块率D。

步骤5，根据不同形态特征值的数据以及权重建立爆堆形态综合评判指数C，爆堆形态特征值的权重为I_ks：I_H：I_D＝0.48：0.32：0.18。

步骤6，根据最终综合评判指数C＝0.74，确定爆堆形态等级为Ⅲ级(中等)，但爆堆隆起的高度较高，对电铲和人员的安全有一定影响，需要调整爆破参数。

另外，如图6所示，本发明的另一实施例还提供一种爆堆形态综合评价系统，优选采用如上所述的方法，所述系统包括：

坐标系构建模块，用于根据爆区监测范围和选定的多个监测站点建立三维坐标系；

爆堆形态特征分析模块，用于根据多个监测站点获得的爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

信息融合模块，用于基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

综合评价模块，用于基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

可以理解，本实施例的爆堆形态综合评价系统，通过在对爆区进行勘探和测量后在爆区内布置多个三维激光扫描站，以对爆破全过程进行监测，三维激光扫描站内置有高分辨率的高度摄影仪，比传统的测量仪器精度更高，可以更快地扫描目标，并根据爆区监测范围和选定的多个监测站点建立三维坐标系，可以对应三维激光扫描站的点云数据，便于后续处理。然后，利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像，对点云数据和图像进行分析处理后可以得到爆堆的多个形态特征，并基于多个形态特征计算得到信息融合的爆堆形态综合评判指数，不仅从多个维度对爆堆形态进行评价分析，而且实现了多个形态特征的信息融合，可以更全面、准确地对爆堆形态进行综合评价，为后续的铲装作业和爆破参数优化提供了准确的参考依据。

可选地，所述爆堆形态综合评价系统还包括：

爆破参数优化模块，用于根据综合评价结果和各个形态特征值对爆破参数进行优化。

可以理解，本实施例的系统的各个模块分别与上述方法实施例的各个步骤相对应，故各个模块的具体工作过程在此不再赘述，参考上述方法实施例即可。

另外，本发明的另一实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储对爆堆形态进行综合评价的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

一般计算机可读取存储介质的形式包括：软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种爆堆形态综合评价方法，其特征在于，包括以下内容：

对爆区进行勘探和测量，并在爆区内布置多个三维激光扫描站进行监测；

根据爆区监测范围和选定的多个监测站点建立三维坐标系；

利用多个三维激光扫描站监测爆堆形成的全过程，获取爆堆生成过程的点云数据和图像；

对爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

2.如权利要求1所述的爆堆形态综合评价方法，其特征在于，所述在爆区内布置多个三维激光扫描站进行监测的过程具体为：

以爆区的中心为原点、以最小安全距离为半径建立平面站点圆，在平面站点圆的上、下、左、右四个切点处各布置一个三维激光扫描站，四个监测站点均处于第一水平高度位置，并以圆心为旋转中心，将上切点和下切点顺时针旋转45°后在第二水平高度位置对应各布置一个三维激光扫描站，再将位于第二水平高度位置的两个监测站点继续顺时针旋转90°后在第三水平高度位置对应各布置一个三维激光扫描站，形成1圆3水平8站点的监测站点布局方式。

3.如权利要求1所述的爆堆形态综合评价方法，其特征在于，所述爆堆的形态特征包括爆堆的松散度、平整度和块度，所述松散度采用有效抛掷率和松散系数作为形态特征值，通过对抛掷到空区且不需要二次搬运的岩石体积和爆堆体积信息进行分析获得有效抛掷率和松散系数，所述平整度采用爆堆隆起高度作为形态特征值，通过对爆堆轮廓的点云数据分析得到爆堆隆起高度，所述块度采用大块率作为形态特征值，通过对爆堆点云数据和对应图像进行灰度识别和图像分割处理生成爆堆块度分布图，从而得到爆堆的大块率。

4.如权利要求3所述的爆堆形态综合评价方法，其特征在于，采用以下公式计算得到爆堆形态综合评判指数：

其中，C为爆堆形态综合评判指数，E_P为有效抛掷率，K_s为松散系数，a为修正系数，I_ks为松散系数的权重系数，I_H为爆堆隆起高度的权重系数，H_i为第i组点云数据对应的爆堆隆起高度值，n为点云数据的总组数，H_max为爆堆隆起的最大高度值，D为大块率，I_D为大块率的权重系数。

5.如权利要求1所述的爆堆形态综合评价方法，其特征在于，所述基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价的过程具体为：

将计算得到的爆堆形态综合评判指数与预设的等级标准进行对比，根据对比结果得到爆堆形态的综合评价结果。

6.如权利要求4所述的爆堆形态综合评价方法，其特征在于，在所述基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价的步骤之后还包括以下内容：

根据综合评价结果和各个形态特征值对爆破参数进行优化。

7.一种爆堆形态综合评价系统，采用如权利要求1～6任一项所述的方法，其特征在于，包括：

坐标系构建模块，用于根据爆区监测范围和选定的多个监测站点建立三维坐标系；

爆堆形态特征分析模块，用于根据多个监测站点获得的爆堆生成过程的点云数据和图像进行分析，得到爆堆的多个形态特征；

信息融合模块，用于基于爆堆的多个形态特征计算得到信息融合的爆堆形态综合评判指数；

综合评价模块，用于基于计算得到的爆堆形态综合评判指数对爆堆形态进行综合评价。

8.如权利要求7所述的爆堆形态综合评价系统，其特征在于，还包括：

爆破参数优化模块，用于根据综合评价结果和各个形态特征值对爆破参数进行优化。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～6任一项所述的方法的步骤。

10.一种计算机可读取的存储介质，用于存储对爆堆形态进行综合评价的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～6任一项所述的方法的步骤。

Images