CN114972351A - 矿车矿量检测方法、装置及设备 - Google Patents
矿车矿量检测方法、装置及设备 Download PDFInfo
- Publication number
- CN114972351A CN114972351A CN202210913854.3A CN202210913854A CN114972351A CN 114972351 A CN114972351 A CN 114972351A CN 202210913854 A CN202210913854 A CN 202210913854A CN 114972351 A CN114972351 A CN 114972351A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- information
- data information
- mine car
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 239000000463 material Substances 0.000 claims description 42
- 238000007781 pre-processing Methods 0.000 claims description 16
- 235000012730 carminic acid Nutrition 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 abstract description 22
- 238000005065 mining Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005303 weighing Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于数据处理技术领域,公开了一种矿车矿量检测方法、装置及设备。本发明通过获取目标矿车对应的点云数据信息和图像信息,然后根据点云数据信息和图像信息确定目标点云数据信息,再对目标点云数据信息进行三角网格化划分,并根据划分结果确定目标矿车对应的矿车矿量。本发明通过根据点云数据信息和图像信息共同确定目标点云数据信息,能够得到精确的目标点云数据信息,然后根据三角网格划分结果确定目标矿车对应的矿车矿量,能够适用于各种类型的矿车矿量检测,相较于现有的通过地磅称重进行矿量检测,本发明上述方式能够通过对精确的目标点云数据信息进行三角划分,从而能够根据划分结果精确地对矿车矿量进行检测。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种矿车矿量检测方法、装置及设备。
背景技术
随着采矿技术的不断进步,现代矿山采集朝着数字智能化方向发展,高智能、自动化的数据采集系统不仅能够为采矿现场的各项工程采集数据,还能实施监控系统和智能化实施管理各项采矿工序。矿车矿量检测是矿山数字化发展的重要环节,传统的矿量检测方法已经无法满足矿山日益发展的需求,目前常用的矿量检测方式为地磅称重,该种方式得到的检测结果并不精确。因此,如何对矿车矿量进行精确检测,成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种矿车矿量检测方法、装置及设备,旨在解决如何对矿车矿量进行精确检测的技术问题。
为实现上述目的,本发明提供了一种矿车矿量检测方法,所述矿车矿量检测方法包括以下步骤:
获取目标矿车对应的点云数据信息和图像信息;
根据所述点云数据信息和所述图像信息确定目标点云数据信息;
对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
可选地,所述获取目标矿车对应的点云数据信息和图像信息的步骤,具体包括:
通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息;
通过摄像头采集所述目标矿车对应的初始图像信息,并对所述图像信息进行预处理,获得图像信息;
其中,所述激光雷达和所述摄像头处于相同位置。
可选地,所述通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息的步骤,具体包括:
通过激光雷达采集目标矿车对应的初始点云数据信息,所述初始点云数据信息包括空车点云数据信息和满料点云数据信息;
对所述满料点云数据信息进行预处理,获得处理后的满料点云数据信息;
将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
可选地,所述将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息的步骤,具体包括:
将所述处理后的满料点云数据信息进行旋转平移,以使旋转平移后的满料点云数据信息与所述空车点云数据信息处于同一位置;
将所述旋转平移后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
可选地,所述根据所述点云数据信息和所述图像信息确定目标点云数据信息的步骤,具体包括:
根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息;
将所述缩放后的图像信息和所述点云数据信息进行对比;
根据对比结果确定目标点云数据信息。
可选地,所述根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息的步骤,具体包括:
获取所述点云数据信息对应的第一高度信息集合和第一宽度信息集合;
获取所述图像信息对应的第二高度信息集合和第二宽度信息集合;
根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息。
可选地,所述根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息的步骤,具体包括:
从所述第一高度信息集合中选取最大的第一高度信息,从所述第一宽度信息集合中选取最大的第一宽度信息;
从所述第二高度信息集合中选取最大的第二高度信息,从所述第二宽度信息集合中选取最大的第二宽度信息;
根据所述第一高度信息和所述第二高度信息对所述图像信息进行高度缩放;
根据所述第一宽度信息和所述第二宽度信息对所述图像信息进行宽度缩放,获得缩放后的图像信息。
可选地,所述对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量的步骤,具体包括:
对所述目标点云数据信息进行三角网格化划分,获得多个三角网;
获取各三角网对应的三角网体积;
根据所述三角网体积确定所述目标矿车对应的矿车矿量。
此外,为实现上述目的,本发明还提供一种矿车矿量检测装置,所述矿车矿量检测装置包括:
信息获取模块,用于获取目标矿车对应的点云数据信息和图像信息;
信息确定模块,用于根据所述点云数据信息和所述图像信息确定目标点云数据信息;
矿车矿量检测模块,用于对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
此外,为实现上述目的,本发明还提出一种矿车矿量检测设备,所述矿车矿量检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的矿车矿量检测程序,所述矿车矿量检测程序配置为实现如上文所述的矿车矿量检测方法的步骤。
本发明通过获取目标矿车对应的点云数据信息和图像信息,然后根据点云数据信息和图像信息确定目标点云数据信息,再对目标点云数据信息进行三角网格化划分,并根据划分结果确定目标矿车对应的矿车矿量。本发明通过根据点云数据信息和图像信息共同确定目标点云数据信息,能够得到精确的目标点云数据信息,然后根据三角网格划分结果确定目标矿车对应的矿车矿量,能够适用于各种类型的矿车矿量检测,相较于现有的通过地磅称重进行矿量检测,本发明上述方式能够通过对精确的目标点云数据信息进行三角划分,从而能够根据划分结果精确地对矿车矿量进行检测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的矿车矿量检测设备的结构示意图;
图2为本发明矿车矿量检测方法第一实施例的流程示意图;
图3为本发明矿车矿量检测方法一实施例的三角网格化划分示意图;
图4为本发明矿车矿量检测方法第二实施例的流程示意图;
图5为本发明矿车矿量检测方法第三实施例的流程示意图;
图6为本发明矿车矿量检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的矿车矿量检测设备结构示意图。
如图1所示,该矿车矿量检测设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对矿车矿量检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及矿车矿量检测程序。
在图1所示的矿车矿量检测设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明矿车矿量检测设备中的处理器1001、存储器1005可以设置在矿车矿量检测设备中,所述矿车矿量检测设备通过处理器1001调用存储器1005中存储的矿车矿量检测程序,并执行本发明实施例提供的矿车矿量检测方法。
基于上述矿车矿量检测设备,本发明实施例提供了一种矿车矿量检测方法,参照图2,图2为本发明矿车矿量检测方法第一实施例的流程示意图。
本实施例中,所述矿车矿量检测方法包括以下步骤:
步骤S10:获取目标矿车对应的点云数据信息和图像信息;
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如手机、平板电脑、个人电脑等,或者是一种能够实现上述功能的电子设备或矿车矿量检测设备。以下以所述矿车矿量检测设备为例,对本实施例及下述各实施例进行说明。
可理解的是,目标矿车是指需要进行矿量检测的矿车,点云数据信息是指目标矿车对应的点云数据,具体可通过激光雷达进行采集,还可通过其他方式采集,本实施例对此不做具体限制;图像信息是指包括目标矿车的图像,具体可通过摄像头进行采集,还可通过其他方式采集,本实施例对此不做具体限制。
步骤S20:根据所述点云数据信息和所述图像信息确定目标点云数据信息;
应理解的是,目标点云数据信息是指对根据图像信息对点云数据信息进行处理后,获得包含目标矿车的较为精确的点云数据信息。
步骤S30:对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
需要说明的是,三角网格划分是指将完目标点云数据信息通过法线投影到某一平面,然后对投影得到的点云作平面内的三角化,从而得到各个点的连接关系,即划分结果为多个三角形。
可理解的是,参照图3,图3为本发明矿车矿量检测方法一实施例的三角网格化划分示意图。如图3所示,O为投影平面的坐标原点,A、B、C、D为四个顶点,并且对目标点云数据信息进行投影后,可获得A、B、C、D四个顶点的坐标。
进一步地,为了精确确定矿车矿量,在本实施例中,所述步骤S30包括:对所述目标点云数据信息进行三角网格化划分,获得多个三角网;获取各三角网对应的三角网体积;根据所述三角网体积确定所述目标矿车对应的矿车矿量。
应理解的是,由图3可以看出,经过三角网格化划分后得到的多个三角网,目标点云数据信息经过投影后得到的体积为:V_ABCD = V_OABC - V_OACD - V_OABD,V_OABC表示OABC三角网对应的体积,V_OACD表示OACD三角网对应的体积, V_OABD表示OABD三角网对应的体积,上述三个体积都可以根据A、B、C、D四个顶点的坐标得到。
在具体实现中,在得到投影后的体积后,即可确定目标矿车对应的矿车矿量。
本实施例通过获取目标矿车对应的点云数据信息和图像信息,然后根据点云数据信息和图像信息确定目标点云数据信息,再对目标点云数据信息进行三角网格化划分,并根据划分结果确定目标矿车对应的矿车矿量。本实施例通过根据点云数据信息和图像信息共同确定目标点云数据信息,能够得到精确的目标点云数据信息,然后根据三角网格划分结果确定目标矿车对应的矿车矿量,能够适用于各种类型的矿车矿量检测,相较于现有的通过地磅称重进行矿量检测,本实施例上述方式能够通过对精确的目标点云数据信息进行三角划分,从而能够根据划分结果精确地对矿车矿量进行检测。
参考图4,图4为本发明矿车矿量检测方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S10包括:
步骤S101:通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息;
需要说明的是,本实施例可通过激光雷达采集目标矿车对应的初始点云数据信息,初始点云数据信息中除了目标矿车对应的点云数据信息之外,还可能存在目标矿车所处的环境之中的点云数据信息,例如:背景、其他物体等。
应理解的是,预处理是指对初始点云数据信息中除目标矿车对应的点云数据信息之外,进行删除处理,以得到较干净的点云数据信息。
进一步地,为了精确获得点云数据信息,在本实施例中,所述步骤S101包括:通过激光雷达采集目标矿车对应的初始点云数据信息,所述初始点云数据信息包括空车点云数据信息和满料点云数据信息;对所述满料点云数据信息进行预处理,获得处理后的满料点云数据信息;将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
可理解的是,本实施例中的初始点云数据信息可包括空车点云数据信息和满料点云数据信息,空车点云数据信息是指目标矿车在空车状态下的点云数据信息,具体可通过激光雷达在目标矿车装载矿料之前进行采集;满料点云数据信息是指目标矿车在满料状态下的点云数据信息,具体可通过激光雷达在目标矿车装载矿料之后进行采集。
应理解的是,本实施例需要对满料点云数据进行预处理,以对背景冗余点云数据进行过滤,具体可通过cloudpoint等软件进行预处理,得到处理后的满料点云数据信息,还可通过其他方式进行过滤,本实施例对此不做具体限制。
进一步地,为了精确确定点云数据信息,在本实施例中,所述将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息的步骤,具体包括:将所述处理后的满料点云数据信息进行旋转平移,以使旋转平移后的满料点云数据信息与所述空车点云数据信息处于同一位置;将所述旋转平移后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
在具体实现中,本实施例可将处理后的满料点云数据信息和空车点云数据信息进行合并,获得点云数据信息。由于采集点云数据信息时,无法约束矿车停车位置固定在同一位置(偏差在厘米级,角度在3°以内),因此直接将处理后的满料点云数据信息和空车点云数据信息进行合并无法满足需求,需将处理后的满料点云数据信息PA进行旋转平移至空车点云数据信息PC同一位置。此处需提取PA 和PC三对以上的对应点,提取三对以上对应点的方法为:通过直通滤波,欧氏距离语义分割,提取出目标矿车车斗的部分点云数据,矿料不论装多少,都不会覆盖车斗边沿。获取车斗点云垂直于地面的最低点高度值Z,将车斗点云投影至地面,使用八领域的方法,获取投影后点云的边沿,两线的交点即为标志点,对空车点云数据信息和处理后的满料点云数据信息分别按照此方法求出,点必须一一对应。由此三个以上点可求出旋转矩阵H,进一步获得旋转转换后的满料点云数据信息,合并后即为封闭的完整点云数据,即本实施例中的点云数据信息。
步骤S102:通过摄像头采集所述目标矿车对应的初始图像信息,并对所述图像信息进行预处理,获得图像信息;
其中,所述激光雷达和所述摄像头处于相同位置。
应理解的是,本实施例中的激光雷达和摄像头安装的位置相同,以便以相同的角度采集初始点云数据信息和初始图像信息。
在具体实现中,本实施例需要对目标矿车对应的初始图像信息进行预处理,即对初始图像信息中的背景部分进行删除,具体可通过现有技术中的图像识别技术进行预处理,还可通过其他的方式,本实施例对此不做具体限制。
本实施例通过激光雷达采集目标矿车对应的初始点云数据信息,并对初始点云数据信息进行预处理,获得点云数据信息,并通过摄像头采集目标矿车对应的初始图像信息,并对图像信息进行预处理,获得图像信息,激光雷达和摄像头处于相同位置。本实施例通过对初始点云数据信息和初始图像信息分别进行预处理,从而能够对背景进行过滤,获得较精确的点云数据信息和图像信息,进一步获得精确的目标点云数据信息。
参考图5,图5为本发明矿车矿量检测方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S20包括:
步骤S201:根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息;
可理解的是,由于在采集点云数据信息和图像信息时,激光雷达和摄像头的角度不同,可能导致点云数据信息和图像信息的大小并不相同,因此需要对图像信息进行缩放,以使缩放后的图像信息的大小与点云数据信息的大小相同。
进一步地,为了精确确定缩放后的图像信息,在本实施例中,所述步骤S201包括:获取所述点云数据信息对应的第一高度信息集合和第一宽度信息集合;获取所述图像信息对应的第二高度信息集合和第二宽度信息集合;根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息。
需要说明的是,第一高度信息集合中可包含点云数据信息中所有点云数据对应的高度,第一宽度信息集合中可包含点云数据信息中所有点云数据对应的宽度。第二高度信息集合中可包含图像信息中所有图像边缘对应的高度,第二宽度信息集合中可包含图像信息中所有图像边缘对应的宽度。
进一步地,为了精确确定缩放后的图像信息,在本实施例中,所述根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息的步骤,具体包括:从所述第一高度信息集合中选取最大的第一高度信息,从所述第一宽度信息集合中选取最大的第一宽度信息;从所述第二高度信息集合中选取最大的第二高度信息,从所述第二宽度信息集合中选取最大的第二宽度信息;根据所述第一高度信息和所述第二高度信息对所述图像信息进行高度缩放;根据所述第一宽度信息和所述第二宽度信息对所述图像信息进行宽度缩放,获得缩放后的图像信息。
应理解的是,第一高度信息是指第一高度信息集合中最大的数值,也就是点云数据信息中最高的点云数据与最低的点云数据之间的高度;第一宽度信息是指第一宽度信息集合中最大的数值,也就是点云数据信息中最左边的点云数据与最右边的点云数据之间的宽度;第二高度信息是指第二高度信息集合中最大的数值,也就是图像信息中最高点与最低点之间的高度;第二宽度信息是指第二宽度信息集合中最大的数值,也就是图像信息中最左边的点与最右边的点之间的宽度。在确定最大的数值时,可能会出现点不在目标矿车上的情况,例如点云数据信息中最高的点云数据或最低的点云数据并不在目标矿车上,所以在获取到第一高度信息后,可将该第一高度信息与高度信息集合中剩余的高度信息中较大的值进行比较,如果差异较大,说明此时获取到的第一高度信息存在异常,需要重新确定第一高度信息,此时的第一高度信息为剩余的高度信息中最大的值,例如:第一高度信息集合中的数值包括:20、15、14.7、14.3......,可认定最初选取的第一高度信息20为异常值,需要重新选取15作为第一高度信息,选取后也需要通过上述方式进行验证,对于第一宽度信息、第二高度信息以及第二宽度信息也需要通过上述方式进行验证,本实施例对此不做过多赘述。
可理解的是,本实施例可先根据第一高度信息和第二高度信息对图像信息进行高度缩放,具体可以是根据第一高度信息和第二高度信息确定高度缩放倍数,再对图像信息进行高度缩放,例如:第一高度信息为10,第二高度信息为15,则高度缩放倍数为1.5,此时需要将图像信息缩小1.5倍。在进行高度缩放后,也可根据第一宽度信息和第二宽度信息对图像信息进行宽度缩放,宽度缩放方式与高度缩放方式相同。
步骤S202:将所述缩放后的图像信息和所述点云数据信息进行对比;
可理解的是,将缩放后的图像信息和点云数据信息进行对比,即将缩放后的图像信息和点云数据信息放在同一坐标系进行对比,比较两者之间的重合部分。
步骤S203:根据对比结果确定目标点云数据信息。
在具体实现中,本实施例可根据对比结果确定目标点云数据信息,对比结果可包含缩放后的图像信息和点云数据信息之间的重合部分,本实施例可将所有的重合部分作为目标点云数据信息。
本实施例通过根据点云数据信息对图像信息进行缩放,获得缩放后的图像信息,然后将缩放后的图像信息和点云数据信息进行对比,再根据对比结果确定目标点云数据信息。本实施例点云数据信息对图像信息进行缩放,以使缩放后的图像信息和点云数据信息的大小基本相同,并根据对比结果确定目标点云数据信息,能够得到精确的目标点云数据信息。
参照图6,图6为本发明矿车矿量检测装置第一实施例的结构框图。
如图6所示,本发明实施例提出的矿车矿量检测装置包括:
信息获取模块10,用于获取目标矿车对应的点云数据信息和图像信息;
信息确定模块20,用于根据所述点云数据信息和所述图像信息确定目标点云数据信息;
矿车矿量检测模块30,用于对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
本实施例通过获取目标矿车对应的点云数据信息和图像信息,然后根据点云数据信息和图像信息确定目标点云数据信息,再对目标点云数据信息进行三角网格化划分,并根据划分结果确定目标矿车对应的矿车矿量。本实施例通过根据点云数据信息和图像信息共同确定目标点云数据信息,能够得到精确的目标点云数据信息,然后根据三角网格划分结果确定目标矿车对应的矿车矿量,能够适用于各种类型的矿车矿量检测,相较于现有的通过地磅称重进行矿量检测,本实施例上述方式能够通过对精确的目标点云数据信息进行三角划分,从而能够根据划分结果精确地对矿车矿量进行检测。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的矿车矿量检测方法,此处不再赘述。
基于本发明上述矿车矿量检测装置第一实施例,提出本发明矿车矿量检测装置的第二实施例。
在本实施例中,所述信息获取模块10,还用于通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息;通过摄像头采集所述目标矿车对应的初始图像信息,并对所述图像信息进行预处理,获得图像信息;其中,所述激光雷达和所述摄像头处于相同位置。
进一步地,所述信息获取模块10,还用于通过激光雷达采集目标矿车对应的初始点云数据信息,所述初始点云数据信息包括空车点云数据信息和满料点云数据信息;对所述满料点云数据信息进行预处理,获得处理后的满料点云数据信息;将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
进一步地,所述信息获取模块10,还用于将所述处理后的满料点云数据信息进行旋转平移,以使旋转平移后的满料点云数据信息与所述空车点云数据信息处于同一位置;将所述旋转平移后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
进一步地,所述信息确定模块20,还用于根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息;将所述缩放后的图像信息和所述点云数据信息进行对比;根据对比结果确定目标点云数据信息。
进一步地,所述信息确定模块20,还用于获取所述点云数据信息对应的第一高度信息集合和第一宽度信息集合;获取所述图像信息对应的第二高度信息集合和第二宽度信息集合;根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息。
进一步地,所述信息确定模块20,还用于从所述第一高度信息集合中选取最大的第一高度信息,从所述第一宽度信息集合中选取最大的第一宽度信息;从所述第二高度信息集合中选取最大的第二高度信息,从所述第二宽度信息集合中选取最大的第二宽度信息;根据所述第一高度信息和所述第二高度信息对所述图像信息进行高度缩放;根据所述第一宽度信息和所述第二宽度信息对所述图像信息进行宽度缩放,获得缩放后的图像信息。
进一步地,所述矿车矿量检测模块30,还用于对所述目标点云数据信息进行三角网格化划分,获得多个三角网;获取各三角网对应的三角网体积;根据所述三角网体积确定所述目标矿车对应的矿车矿量。
本发明矿车矿量检测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种矿车矿量检测方法,其特征在于,所述矿车矿量检测方法包括以下步骤:
获取目标矿车对应的点云数据信息和图像信息;
根据所述点云数据信息和所述图像信息确定目标点云数据信息;
对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
2.如权利要求1所述的矿车矿量检测方法,其特征在于,所述获取目标矿车对应的点云数据信息和图像信息的步骤,具体包括:
通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息;
通过摄像头采集所述目标矿车对应的初始图像信息,并对所述图像信息进行预处理,获得图像信息;
其中,所述激光雷达和所述摄像头处于相同位置。
3.如权利要求2所述的矿车矿量检测方法,其特征在于,所述通过激光雷达采集目标矿车对应的初始点云数据信息,并对所述初始点云数据信息进行预处理,获得点云数据信息的步骤,具体包括:
通过激光雷达采集目标矿车对应的初始点云数据信息,所述初始点云数据信息包括空车点云数据信息和满料点云数据信息;
对所述满料点云数据信息进行预处理,获得处理后的满料点云数据信息;
将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
4.如权利要求3所述的矿车矿量检测方法,其特征在于,所述将所述处理后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息的步骤,具体包括:
将所述处理后的满料点云数据信息进行旋转平移,以使旋转平移后的满料点云数据信息与所述空车点云数据信息处于同一位置;
将所述旋转平移后的满料点云数据信息和所述空车点云数据信息进行合并,获得点云数据信息。
5.如权利要求4所述的矿车矿量检测方法,其特征在于,所述根据所述点云数据信息和所述图像信息确定目标点云数据信息的步骤,具体包括:
根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息;
将所述缩放后的图像信息和所述点云数据信息进行对比;
根据对比结果确定目标点云数据信息。
6.如权利要求5所述的矿车矿量检测方法,其特征在于,所述根据所述点云数据信息对所述图像信息进行缩放,获得缩放后的图像信息的步骤,具体包括:
获取所述点云数据信息对应的第一高度信息集合和第一宽度信息集合;
获取所述图像信息对应的第二高度信息集合和第二宽度信息集合;
根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息。
7.如权利要求6所述的矿车矿量检测方法,其特征在于,所述根据所述第一高度信息集合、所述第一宽度信息集合、所述第二高度信息集合以及所述第二宽度信息集合对所述图像信息进行缩放,获得缩放后的图像信息的步骤,具体包括:
从所述第一高度信息集合中选取最大的第一高度信息,从所述第一宽度信息集合中选取最大的第一宽度信息;
从所述第二高度信息集合中选取最大的第二高度信息,从所述第二宽度信息集合中选取最大的第二宽度信息;
根据所述第一高度信息和所述第二高度信息对所述图像信息进行高度缩放;
根据所述第一宽度信息和所述第二宽度信息对所述图像信息进行宽度缩放,获得缩放后的图像信息。
8.如权利要求1~7中任一项所述的矿车矿量检测方法,其特征在于,所述对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量的步骤,具体包括:
对所述目标点云数据信息进行三角网格化划分,获得多个三角网;
获取各三角网对应的三角网体积;
根据所述三角网体积确定所述目标矿车对应的矿车矿量。
9.一种矿车矿量检测装置,其特征在于,所述矿车矿量检测装置包括:
信息获取模块,用于获取目标矿车对应的点云数据信息和图像信息;
信息确定模块,用于根据所述点云数据信息和所述图像信息确定目标点云数据信息;
矿车矿量检测模块,用于对所述目标点云数据信息进行三角网格化划分,并根据划分结果确定所述目标矿车对应的矿车矿量。
10.一种矿车矿量检测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的矿车矿量检测程序,所述矿车矿量检测程序配置为实现如权利要求1至8中任一项所述的矿车矿量检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913854.3A CN114972351B (zh) | 2022-08-01 | 2022-08-01 | 矿车矿量检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913854.3A CN114972351B (zh) | 2022-08-01 | 2022-08-01 | 矿车矿量检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114972351A true CN114972351A (zh) | 2022-08-30 |
CN114972351B CN114972351B (zh) | 2022-11-11 |
Family
ID=82969927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210913854.3A Active CN114972351B (zh) | 2022-08-01 | 2022-08-01 | 矿车矿量检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972351B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270480A1 (en) * | 2013-03-15 | 2014-09-18 | URC Ventures, Inc. | Determining object volume from mobile device images |
CN105783810A (zh) * | 2016-04-15 | 2016-07-20 | 昆山数字城市信息技术有限公司 | 基于无人机摄影技术的工程土方量测量方法 |
CN106017320A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的系统 |
CN106767710A (zh) * | 2016-12-22 | 2017-05-31 | 上海华测导航技术股份有限公司 | 一种道路工程土方量测量方法及系统 |
CN109102569A (zh) * | 2018-06-13 | 2018-12-28 | 东莞时谛智能科技有限公司 | 一种重构脚部点云模型处理方法及系统 |
CN109655019A (zh) * | 2018-10-29 | 2019-04-19 | 北方工业大学 | 一种基于深度学习和三维重建的货物体积测量方法 |
CN110118526A (zh) * | 2019-03-08 | 2019-08-13 | 浙江中海达空间信息技术有限公司 | 一种支持实时监测的船载砂石体积自动计算方法 |
CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
AU2019222803A1 (en) * | 2019-02-22 | 2020-09-10 | Binhai Industrial Technology Research Institute Of Zhejiang University | Volume measurement apparatus and method |
US20200292368A1 (en) * | 2019-03-11 | 2020-09-17 | Zhoushan Institute Of Calibration And Testing For Quality And Technology Supervision | Oil tank measurement method and system based on laser point cloud analysis |
CN113743472A (zh) * | 2021-08-06 | 2021-12-03 | 北京航空航天大学 | 一种基于鱼眼相机与激光雷达融合的矿区目标识别方法 |
CN114419130A (zh) * | 2021-12-22 | 2022-04-29 | 中国水利水电第七工程局有限公司 | 一种基于图像特征和三维点云技术的散料体积测量方法 |
CN114549787A (zh) * | 2022-02-28 | 2022-05-27 | 上海交通大学医学院 | 固液混合食物体积的计算方法和系统及设备 |
CN114566254A (zh) * | 2022-02-28 | 2022-05-31 | 上海交通大学医学院 | 非接触式计算机视觉智能膳食营养评估方法和系统及设备 |
-
2022
- 2022-08-01 CN CN202210913854.3A patent/CN114972351B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270480A1 (en) * | 2013-03-15 | 2014-09-18 | URC Ventures, Inc. | Determining object volume from mobile device images |
CN105783810A (zh) * | 2016-04-15 | 2016-07-20 | 昆山数字城市信息技术有限公司 | 基于无人机摄影技术的工程土方量测量方法 |
CN106017320A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的系统 |
CN106767710A (zh) * | 2016-12-22 | 2017-05-31 | 上海华测导航技术股份有限公司 | 一种道路工程土方量测量方法及系统 |
CN109102569A (zh) * | 2018-06-13 | 2018-12-28 | 东莞时谛智能科技有限公司 | 一种重构脚部点云模型处理方法及系统 |
CN109655019A (zh) * | 2018-10-29 | 2019-04-19 | 北方工业大学 | 一种基于深度学习和三维重建的货物体积测量方法 |
AU2019222803A1 (en) * | 2019-02-22 | 2020-09-10 | Binhai Industrial Technology Research Institute Of Zhejiang University | Volume measurement apparatus and method |
CN110118526A (zh) * | 2019-03-08 | 2019-08-13 | 浙江中海达空间信息技术有限公司 | 一种支持实时监测的船载砂石体积自动计算方法 |
US20200292368A1 (en) * | 2019-03-11 | 2020-09-17 | Zhoushan Institute Of Calibration And Testing For Quality And Technology Supervision | Oil tank measurement method and system based on laser point cloud analysis |
CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
CN113743472A (zh) * | 2021-08-06 | 2021-12-03 | 北京航空航天大学 | 一种基于鱼眼相机与激光雷达融合的矿区目标识别方法 |
CN114419130A (zh) * | 2021-12-22 | 2022-04-29 | 中国水利水电第七工程局有限公司 | 一种基于图像特征和三维点云技术的散料体积测量方法 |
CN114549787A (zh) * | 2022-02-28 | 2022-05-27 | 上海交通大学医学院 | 固液混合食物体积的计算方法和系统及设备 |
CN114566254A (zh) * | 2022-02-28 | 2022-05-31 | 上海交通大学医学院 | 非接触式计算机视觉智能膳食营养评估方法和系统及设备 |
Non-Patent Citations (7)
Title |
---|
JINLONG ZHENG等: "Non-contact Measuring Method for Mine Electric Locomotive Load", 《2019 CHINESE AUTOMATION CONGRESS (CAC)》 * |
张有锁等: "船载土石方量测算的无人机图像采集方案研究", 《中国水运(下半月)》 * |
张钰鹏等: "基于图像识别的井下机车载矿量计量系统", 《黄金科学技术》 * |
汪仁银等: "三维激光技术在砂石方量自动测量中的应用", 《测绘通报》 * |
王堃宇等: "基于三维激光扫描技术的岩土工程动、静态监测", 《中国港湾建设》 * |
逯行政等: "单线激光雷达扫描的矿车装载量核算方法", 《测绘通报》 * |
闫兆进等: "基于车载LiDAR点云数据的某露天矿土方量计算", 《现代矿业》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114972351B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9842417B2 (en) | Computing device and method for simplifying point cloud of object | |
CN111368600A (zh) | 遥感图像目标检测识别方法、装置、可读存储介质及设备 | |
CN111310674B (zh) | 基于网格划分技术的河流生态缓冲带遥感监测方法和装置 | |
CN112739983B (zh) | 校正点云数据的方法和相关装置 | |
CN109509257B (zh) | 室内楼层级别构件图形形成方法、终端及存储介质 | |
CN111862204A (zh) | 图像的视觉特征点的提取方法及相关装置 | |
CN114693875A (zh) | 点云可视化优化方法、系统、电子设备及存储介质 | |
CN114638294A (zh) | 一种数据增强方法、装置、终端设备及存储介质 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
CN114872574A (zh) | 基于充电桩的采集与监控系统及方法 | |
CN114972351B (zh) | 矿车矿量检测方法、装置及设备 | |
WO2024207821A1 (zh) | 地图数据管理方法、装置、终端设备及可读存储介质 | |
Wu et al. | A one-stage deep learning framework for automatic detection of safety harnesses in high-altitude operations | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN114972361B (zh) | 一种血流分割方法、装置、设备及存储介质 | |
CN115797182A (zh) | 一种特征图插值方法、装置、设备和存储介质 | |
CN114004552B (zh) | 一种地下水质风险评估方法和系统 | |
KR20240082769A (ko) | 2차원 항공이미지를 활용한 3차원 공간 모델 생성 방법 | |
CN115937388A (zh) | 一种地图渲染方法、装置、设备及存储介质 | |
CN114119646A (zh) | 基于前景超分的遥感影像目标检测方法、装置及介质 | |
CN113033314A (zh) | 一种旅游高峰部署的移动式景区智能服务系统及服务方法 | |
JP2021085838A (ja) | 配筋検査システム、配筋検査方法、及び配筋検査プログラム | |
CN116071276B (zh) | 基于顶点的三维模型缺口修复方法、装置、设备及介质 | |
CN117392348B (zh) | 一种多目标物的抖动消除方法、装置、设备及介质 | |
CN113869197A (zh) | 一种物体检测方法、装置、计算机设备及存储介质 |
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 |