CN117068793B - 一种矿仓桥式抓斗自动装车方法及其系统 - Google Patents

Abstract

本发明公开了一种矿仓桥式抓斗自动装车方法及其系统，方法包括：通过激光测距仪实时获取装矿车辆位置信息、抓斗小车位置信息，通过激光雷达实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息；对激光雷达获取的点云数据进行降噪，再通过规则格网法实现矿仓进行三维建模；根据装矿车辆获取车辆基本信息计算每个车厢矿料抓斗装车的总次数，每一次抓斗时，结合所建立的三维模型，对矿料进行抓斗装车，并动态称重；装载最后1斗前，结合前n斗的重量的累计值和当前装矿车辆的装载量、车辆的限重确定最后1斗的装载量，最后一斗抓取完成后，完成自动装车过程。本发明直接通过三维建模的方式进行动态称重，使用设备安装简单价格低且易维护。

Description

一种矿仓桥式抓斗自动装车方法及其系统

技术领域

本发明涉及吊机控制技术领域，尤其涉及一种矿仓桥式抓斗自动装车方法及其系统。

背景技术

随着“智慧矿山”建设下的散货矿场矿仓的生产管理水平要求不断提高，自动化、无人化、智能化已经成为散货矿场矿仓生产控制系统的发展趋势。很多散货矿场矿仓已经在三维建模系统帮助下实现了无人自动控制作业，如自动取料装车。目前桥式抓斗上都会装配称重设备，而称重设备大多为轨道衡，安装复杂、价格高昂、不易维护。

发明内容

技术目的：针对现有技术中的缺陷，本发明公开了一种矿仓桥式抓斗自动装车方法及其系统，直接通过三维建模的方式进行动态称重，不需要额外装配称重设备，使用设备安装简单价格低且易维护。

技术方案：为实现上述技术目的，本发明采用以下技术方案。

一种矿仓桥式抓斗自动装车方法，包括以下步骤：

S1、数据实时采集：通过激光测距仪实时获取装矿车辆位置信息、抓斗小车位置信息，通过激光雷达实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息，所述装矿车辆位置信息包括装载大车在矿仓长度方向的位置信息，所述抓斗小车位置信息包括抓斗小车在矿仓宽度方向的位置信息，所述矿料的位置信息包括矿料的高度；

S2、三维建模：对激光雷达获取的点云数据进行降噪，再通过规则格网法将降噪后的点云数据高程模型表示成高程矩阵，实现矿仓进行三维建模，结合装矿车辆位置信息、抓斗小车位置信息，得到矿仓内矿料以及停车装载区的三维模型；

S3、抓斗自动装车：根据装矿车辆获取车辆基本信息，包括车厢个数，根据装矿车辆的限重计算每个车厢矿料抓斗装车的总次数，每一次抓斗时，结合所建立的三维模型，对矿料进行抓斗装车，并动态称重；装载最后1斗前，计算前n斗的重量的累计值weight1，计算当前装矿车辆的装载量weight2，综合weight1和weight2以及车辆的限重确定最后1斗的装载量，最后一斗抓取完成后，完成自动装车过程。

优选地，所述步骤S2中降噪过程包括采用近邻统计分析法去除离散点，具体过程包括以下步骤：

S21、针对点云数据中的每一个采样点q_kx构建集合Q，利用k-d树法搜索集合Q中每一个采样点q_kx的k邻域；其中，1≤k≤K，K为邻域的总数；1≤x≤n_k，n_k为第k个邻域中的采样点总数，q为集合Q中的采样点总数；

S22、针对每一个k邻域，对其中的每个采样点q_kx分别计算q_kx到其k邻域中心的距离d_kx；再对每个采样点q_kx的距离d_kx计算平均值其公式为：/>

S23、针对所有k邻域，计算集合Q中的每个采样点q_kx的平均值的均值μ和方差S²；其中，/>

S24、离散点判别：针对每一个采样点q_kx，计算采样点q_kx与所有k邻域中心的距离均值若/>或者/>则认为该采样点q_kx为噪声，即为离散点，去除，最终得到筛选后的点云数据。

优选地，所述S3中，每一次抓斗包括以下步骤：

S31、结合所建立的三维模型，计算车厢位置以及抓斗最优取矿点后进行抓斗装车；

S32、每次抓斗完成后根据实时点云数据更新建立的三维模型；

S33、动态称重：计算每一次抓斗的矿料重量。

优选地，S31中车厢位置的计算过程包括：在建立的三维模型中，采用随机采样一致性算法(RANSAC)将停车装载区的三维数据看作一个样本集合，根据装矿车辆的车辆基本信息中车厢长宽以及车厢底高得到车厢模型参数，并预设车厢模型点判别方法，根据车厢位置判别方法将样本集合分为局内点和局外点，其中，局内点属于车厢位置模型中的三维数据，局外点不属于车厢位置模型中的三维数据，根据局内点构建车厢模型，进而得到车厢位置。

优选地，车厢位置判别方法步骤如下：

S31a、获取局内点集合A初始数据：根据车厢模型参数中的车厢宽度，在样本集合中从车厢宽度方向选取1个子集；根据局内点判别方法遍历判断该子集中所有点，判断通过后将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点；

S31b、对局内点集合A进行数据扩充：根据车厢模型参数中的车厢长度，在样本集合中向车厢长度方向移动一个单元，在样本集合中从车厢宽度方向选取1个子集，根据局内点判别方法遍历判断该子集中所有点，扩充局内点集合A的数据；

S31c、当S31b中出现不符合局内点集合A的数据时，判断到达当前车厢尾部，计算当前车厢在样本集合中向车厢长度方向移动的总单元个数，得到当前车厢的长度，若该长度与车厢模型参数中车厢长度误差小于车厢长度误差阈值，则局内点集合A属于同一车厢，取出局内点集合A中车厢头部数据和尾部数据，即第一组数据和最后一组数据，清空局内点集合A，将尾部数据重新作为局内点集合A的初始数据，返回S31a，循环计算，直至样本集合中所有数据遍历完成，即所有车厢位置判断完成。

优选地，局内点判别方法包括：将该子集中的每个点与车厢模型参数中的车厢高度进行比较，计算每个点与车厢模型参数中车厢高度的偏差，根据实际需求设定偏差阈值，当偏差小于偏差阈值时，则判断该点为有效点，根据实际需求设定有效点阈值，该子集中有效点的个数超出预设有效点阈值后，将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点。

优选地，S31中，抓斗最优取矿点的计算过程包括：从矿仓取矿范围起始点坐标开始，计算以该点为圆心半径2米范围内上下左右4个方向上的坡度，坡度越大说明该点在半径2米范围内高度变化越快，即该点为半径2米范围内的高点，结合设定的抓斗取矿安全参数模型判断该点是否为良好的备选的取矿点；在备选的取矿点集合中选择距离车厢位置比较近的取矿点作为最优取矿点。

优选地，S33中动态称重包括每一次抓斗过程中对矿仓内被抓取的矿料进行称重，以及对装矿车辆上车厢上得到的矿料进行称重，被抓取的矿料进行称重和车厢上得到的矿料进行称重包括框选质量计算区域，计算抓斗前后框选质量计算区域的体积变化，体积变化与密度的乘积即为重量。

优选地，每次计算矿料体积时，将质量计算区域划分为若干个立方体，每个立方体的由8个采样点围成，先计算每个立方体的体积，再将质量计算区域内所有的立方体体积累加求和，得到矿料体积。

一种矿仓桥式抓斗自动装车系统，用于实现以上任一所述的一种矿仓桥式抓斗自动装车方法，包括连接的矿仓扫描模块和矿仓处理模块；

所述矿仓扫描模块安装在矿仓的桥式起重机行车上，包括两台激光测距仪、一台多线激光雷达，其中，激光测距仪的激光雷达安装在桥式起重机行车顶部左侧位置，多线激光雷达安装在桥式起重机行车顶部中间位置，用于跟随桥式起重机行车的移动扫描整个矿仓内部；两台激光测距仪用于实时获取装矿车辆位置信息、抓斗小车位置信息；多线激光雷达用于实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息；所述矿仓处理模块包括连接的PLC系统和工控机，工控机用于接收激光测距仪和多线激光雷达反馈的数据进行三维建模，PLC系统用于根据三维建模结果控制抓斗自动装车。

有益效果：本发明直接通过三维建模的方式进行动态称重，不需要额外装配称重设备，使用设备安装简单价格低且易维护，此外通过三维建模方式动态称重，使得单次称重误差可控制在10％以内，最后一次抓斗时会比较矿料减少的重量与矿料装载的重量进而控制最后一次抓斗的矿料重量，使得自动装车完成后整体误差控制在5％以内，满足生产要求。

附图说明

图1为本发明的方法流程图；

图2为本发明的系统结构框图；

图3为本发明的矿仓结构示意图；

图4为本发明所建的三维图像示意图。

具体实施方式

以下结合附图对本发明的一种矿仓桥式抓斗自动装车方法及其系统做进一步的说明和解释。

如图1所示，一种矿仓桥式抓斗自动装车方法，包括以下步骤：

S1、数据实时采集：通过激光测距仪实时获取装矿车辆位置信息、抓斗小车位置信息，通过激光雷达实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息，所述装矿车辆位置信息包括装载大车在矿仓长度方向的位置信息，所述抓斗小车位置信息包括抓斗小车在矿仓宽度方向的位置信息，所述矿料的位置信息包括矿料的高度；

S2、三维建模：对激光雷达获取的点云数据进行降噪，再通过规则格网法将降噪后的点云数据高程模型表示成高程矩阵，实现矿仓进行三维建模，结合装矿车辆位置信息、抓斗小车位置信息，得到矿仓内矿料以及停车装载区的三维模型；

具体地，对激光雷达获取的点云数据进行降噪，得到降噪后的点云数据高程模型；降噪过程包括：采用近邻统计分析法去除离散点，再通过曲面拟合去除还存在的细微噪声；近邻统计分析法去除离散点的具体步骤为：

S21、针对点云数据中的每一个采样点q_kx构建集合Q，利用k-d树法搜索集合Q中每一个采样点q_kx的k邻域；其中，1≤k≤K，K为邻域的总数；1≤x≤n_k，n_k为第k个邻域中的采样点总数，q为集合Q中的采样点总数；

S22、针对每一个k邻域，对其中的每个采样点q_kx分别计算q_kx到其k邻域中心的距离d_kx；再对每个采样点q_kx的距离d_kx计算平均值其公式为：/>

S23、针对所有k邻域，计算集合Q中的每个采样点q_kx的平均值的均值μ和方差S²；其中，/>

S24、离散点判别：针对每一个采样点q_kx，计算采样点q_kx与所有k邻域中心的距离均值若/>或者/>则认为该采样点q_kx为噪声，即为离散点，去除，最终得到筛选后的点云数据。

激光雷达测量得到的数据是空间分布散乱的点云数据，容易连点成线，构成曲面，因此对筛选后的点云数据再通过曲面拟合去除还存在的细微噪声，得到降噪后的点云数据高程模型；此外，矿仓里的矿料内部结构不复杂，所以选择规则格网法将降噪后的点云数据高程模型表示成高程矩阵，对矿仓内部矿料进行三维重建。规则格网法用一系列在X、Y方向等间隔排列的采样点的高程值Z来表示地形，形成一个矩形网状的表面模型，这种模型基本面元为规则格网，数据结构简单，易于构网，各种分析与计算非常简单有效。本发明中X、Y方向的间隔设定为5厘米，激光雷达扫描数据有一些干扰数据，每个采样点的高程值Z用以(X，Y)点为中心、5*5范围内的数据做均值滤波得到，实现三维建模的准确性。本发明中所建三维图像示意图如附图4所示。

S3、抓斗自动装车：根据装矿车辆获取车辆基本信息，包括车厢个数，根据装矿车辆的限重计算每个车厢矿料抓斗装车的总次数，每一次抓斗时，结合所建立的三维模型，对矿料进行抓斗装车，并动态称重；装载最后1斗前，计算前n斗的重量的累计值weight1，计算当前装矿车辆的装载量weight2，综合weight1和weight2以及车辆的限重确定最后1斗的装载量，完成自动装车过程。

所述S3中，每一次抓斗包括以下步骤：

S31、结合所建立的三维模型，计算车厢位置以及抓斗最优取矿点后进行抓斗装车；

S32、每次抓斗完成后根据实时点云数据更新建立的三维模型；

S33、动态称重：计算每一次抓斗的矿料重量；

S31中车厢位置的计算过程包括：在建立的三维模型中，车厢位置在停车装载区处，但是每节车厢的位置不确定，但装矿车辆的起始区域大致固定；采用随机采样一致性算法(RANSAC)将停车装载区的三维数据看作一个样本集合，根据装矿车辆的车辆基本信息中车厢长宽以及车厢底高得到车厢模型参数，根据车厢位置判别方法将样本集合分为局内点和局外点，其中，局内点属于车厢位置模型中的三维数据，局外点不属于车厢位置模型中的三维数据，根据局内点构建车厢模型，进而得到车厢位置，车厢位置判别方法步骤如下：

S31a、获取局内点集合A初始数据：根据车厢模型参数中的车厢宽度，在样本集合中从车厢宽度方向选取1个子集；根据局内点判别方法遍历判断该子集中所有点，判断通过后将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点；

其中局内点判别方法包括：将该子集中的每个点与车厢模型参数中的车厢高度进行比较，计算每个点与车厢模型参数中车厢高度的偏差，根据实际需求设定偏差阈值，当偏差小于偏差阈值时，则判断该点为有效点，根据实际需求设定有效点阈值，该子集中有效点的个数超出预设有效点阈值后，将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点；

S31b、对局内点集合A进行数据扩充：根据车厢模型参数中的车厢长度，在样本集合中向车厢长度方向移动一个单元，在样本集合中从车厢宽度方向选取1个子集，根据局内点判别方法遍历判断该子集中所有点，扩充局内点集合A的数据；

S31c、当S31b中出现不符合局内点集合A的数据时，判断到达当前车厢尾部，计算当前车厢在样本集合中向车厢长度方向移动的总单元个数，得到当前车厢的长度，若该长度与车厢模型参数中车厢长度误差小于车厢长度误差阈值，则局内点集合A属于同一车厢，取出局内点集合A中车厢头部数据和尾部数据，即第一组数据和最后一组数据，清空局内点集合A，将尾部数据重新作为局内点集合A的初始数据，返回S31a，循环计算，直至样本集合中所有数据遍历完成，即所有车厢位置判断完成。

在本发明的一些实施例中，车厢位置判别以火车为例，实际火车模型参数长12.8米，车厢底高1.7米，宽2.8米；火车停车的区域大致固定，但每节车厢位置不固定，计算时从已知的停车区域开始计算；

(a)、从停车区域开始位置的三维模型数据中取出车厢宽度方向(设为Y方向)上的一组数据(30个点，共1.5米宽)，将这30个点的高度值依次与车厢高度值比较，两者的偏差值如果在设定值阈值(±0.3米)内，则该点为有效值，有效个数＞＝21个(总数的70％)时判别这组数据属于车厢，将这组数据加入集合A中；

(b)、从车厢长度方向(设为X方向)上移动一个单元，取出下一组Y方向上的数据(30个点，共1.5米宽)按步骤(a)的方式计算判别，循环计算；

(c)、当步骤(b)的计算中出现了不符合车厢模型的数据时，认为到了车厢尾部，计算集合A在车厢长度方向(X方向)移动的累计值L，如果L＞＝11.5米则判断集合A属于一节车厢，并取出车厢头部位置(集合A中的第一组数据)，车厢尾部位置(集合A中的最后组数据)，清空集合A；

(d)、沿X方向继续移动计算，直至停车区域结束。

S31中，抓斗最优取矿点的计算过程包括：从矿仓取矿范围起始点坐标开始，计算以该点为圆心半径2米范围内上下左右4个方向上的坡度，坡度越大说明该点在半径2米范围内高度变化越快，即该点为半径2米范围内的高点，结合设定的抓斗取矿安全参数模型判断该点是否为良好的备选的取矿点；在备选的取矿点集合中选择距离车厢位置比较近的取矿点作为最优取矿点。

根据坡度计算获取最优取矿点的过程包括：

(1)、取矿仓取矿范围起始点坐标，即位置点P0的高度H0，先计算以此点为圆心半径2米上下左右4个点(P1，P2，P3，P4)的平均高度H1，如H0＜H1，则认为P0点为凹点，不适合抓取；若H0＞＝H1再计算P0到P1，P2，P3，P4的角度(计算方法为先算正切值再通过反正切函数得到角度值)，取4个角度的均值当作P0点的坡度值，结合设定的抓斗取矿安全参数模型判断该点是否为安全的取矿点，如果安全，加入集合B；

(2)、在矿仓取矿范围内移动位置按步骤(1)方法循环计算剩下的点；

(3)、在集合B中选择距离车厢位置比较近且坡度比较高的点作为最优取矿点。

S31中，抓斗装车的过程为：得到车厢位置以及抓斗最优取矿点后，控制抓斗向抓斗最优取矿点移动，到达抓斗最优取矿点后下移准备取矿，当抓斗位于抓斗最优取矿点上方且高度开始下降2秒时认为即将开始抓取矿料，此时根据三维模型中X方向上的车厢位置、Y方向上的抓斗位置确定抓斗实际抓取点在矿仓中的位置坐标。

S33中动态称重包括每一次抓斗过程中对矿仓内被抓取的矿料进行称重，以及对装矿车辆上车厢上得到的矿料进行称重，被抓取的矿料进行称重和车厢上得到的矿料进行称重包括框选质量计算区域，计算抓斗前后框选质量计算区域的体积变化，体积变化与密度的乘积即为重量。每次计算矿料体积时，将质量计算区域划分为若干个立方体，每个立方体的由8个采样点围成，先计算每个立方体的体积，再将质量计算区域内所有的立方体体积累加求和，得到矿料体积。

矿仓内被抓取的矿料进行称重包括以下步骤：

S33a1、在抓斗前获取实际抓取点，根据实际抓取点框选质量计算区域：当抓斗位于抓斗最优取矿点上方且高度开始下降2秒时，根据三维模型确定抓斗实际抓取点在矿仓中的位置坐标，以抓斗实际抓取点的位置坐标为中心，抓斗张开最大时的长度为长，抓斗的宽度为宽，框选出质量计算区域；

S33a2、每一次抓斗前后根据质量计算区域计算矿料重量，实现动态称重：在每一次抓斗作业过程中，在抓斗前计算质量计算区域的矿料体积V1，在抓斗作业完成后3秒再次计算质量计算区域的矿料体积V2，抓取前后的体积差(V1-V2)即为本次抓斗抓取的矿料体积，乘以此时矿仓中矿料的密度即可得到本次抓取的矿料的重量。需要说明的是，本发明应用场景中，矿料的密度一般是固定的，且同一矿仓中各处矿料密度近似相同，因此可以根据体积与密度的乘积直接得到重量。

车厢上得到的矿料进行称重包括以下步骤：

S33b1、在抓斗卸货时获取实际卸货点，根据实际卸货点框选质量计算区域：当抓斗完成且高度开始上移2秒时，根据三维模型确定抓斗实际卸货点在车厢中的位置坐标，以抓斗实际卸货点的位置坐标为中心，抓斗张开最大时的长度为长，抓斗的宽度为宽，框选出质量计算区域；

S33b2、每一次抓斗卸货前后根据质量计算区域计算矿料重量，实现动态称重：在每一次抓斗卸货过程中，在抓斗卸货前计算质量计算区域的矿料体积V1，在抓斗卸货完成后3秒再次计算质量计算区域的矿料体积V2，卸货前后的体积差(V1-V2)即为本次抓斗卸货的矿料体积，乘以此时矿仓中矿料的密度即可得到本次卸货的矿料的重量。

步骤S3中计算前n斗的重量的累计值weight1，即每次抓斗时矿仓内被抓取的矿料的称重结果累计值；计算当前装矿车辆的装载量weight2，即每次抓斗时车厢上得到的矿料的称重结果累计值，综合weight1和weight2以及车辆的限重确定最后1斗的装载量，先判断weight1和weight2之间的差值是否在误差阈值范围内，若是，则根据车辆的限重减去weight1和weight2的均值得到最后1斗的装载量，控制抓斗小车取矿，完成自动装车过程。

本发明直接通过三维建模的方式进行动态称重，不需要额外装配称重设备，使用设备安装简单价格低且易维护，此外通过三维建模方式动态称重，使得单次称重误差可控制在10％以内，最后一次抓斗时会比较矿料减少的重量与矿料装载的重量进而控制最后一次抓斗的矿料重量，使得自动装车完成后整体误差控制在5％以内，满足生产要求。

如附图2和附图3所示，本发明还公开了一种矿仓桥式抓斗自动装车系统，用于实现以上任一所述的一种矿仓桥式抓斗自动装车方法，包括连接的矿仓扫描模块和矿仓处理模块，

所述矿仓扫描模块安装在矿仓的桥式起重机行车上，包括两台激光测距仪、一台多线激光雷达，其中，激光测距仪的激光雷达安装在桥式起重机行车顶部左侧位置，多线激光雷达安装在桥式起重机行车顶部中间位置，用于跟随桥式起重机行车的移动扫描整个矿仓内部；两台激光测距仪用于实时获取装矿车辆位置信息、抓斗小车位置信息；多线激光雷达用于实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息；所述矿仓处理模块包括连接的PLC系统和工控机，工控机用于接收激光测距仪和多线激光雷达反馈的数据进行三维建模，PLC系统用于根据三维建模结果控制抓斗自动装车。工控机的操作系统为linux。

本发明部分复用或者全部复用原有三维建模设备，直接通过三维建模的方式进行动态称重，不需要额外装配称重设备，使用设备安装简单价格低且易维护，此外通过三维建模方式动态称重，使得单次称重误差可控制在10％以内，最后一次抓斗时会比较矿料减少的重量与矿料装载的重量进而控制最后一次抓斗的矿料重量，使得自动装车完成后整体误差控制在5％以内，满足生产要求。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种矿仓桥式抓斗自动装车方法，其特征在于，包括以下步骤：

S1、数据实时采集：通过激光测距仪实时获取装矿车辆位置信息、抓斗小车位置信息，通过激光雷达实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息，所述装矿车辆位置信息包括装载大车在矿仓长度方向的位置信息，所述抓斗小车位置信息包括抓斗小车在矿仓宽度方向的位置信息，所述矿料的位置信息包括矿料的高度；

S2、三维建模：对激光雷达获取的点云数据进行降噪，再通过规则格网法将降噪后的点云数据高程模型表示成高程矩阵，实现矿仓进行三维建模，结合装矿车辆位置信息、抓斗小车位置信息，得到矿仓内矿料以及停车装载区的三维模型；

S3、抓斗自动装车：根据装矿车辆获取车辆基本信息，包括车厢个数，根据装矿车辆的限重计算每个车厢矿料抓斗装车的总次数，每一次抓斗时，结合所建立的三维模型，对矿料进行抓斗装车，并动态称重；装载最后1斗前，计算前n斗的重量的累计值weight1，计算当前装矿车辆的装载量weight2，综合weight1和weight2以及车辆的限重确定最后1斗的装载量，最后一斗抓取完成后，完成自动装车过程；

所述S2中降噪过程包括采用近邻统计分析法去除离散点，具体过程包括以下步骤：

S21、针对点云数据中的每一个采样点q_kx构建集合Q，利用k-d树法搜索集合Q中每一个采样点q_kx的k邻域；其中，1≤k≤K，K为邻域的总数；1≤x≤n_k，n_k为第k个邻域中的采样点总数，q为集合Q中的采样点总数；

S22、针对每一个k邻域，对其中的每个采样点q_kx分别计算q_kx到其k邻域中心的距离d_kx；再对每个采样点q_kx的距离d_kx计算平均值其公式为：/>

S23、针对所有k邻域，计算集合Q中的每个采样点q_kx的平均值的均值μ和方差S²；其中，/>

S24、离散点判别：针对每一个采样点q_kx，计算采样点q_kx与所有k邻域中心的距离均值若/>或者/>则认为该采样点q_kx为噪声，即为离散点，去除，最终得到筛选后的点云数据。

2.根据权利要求1所述的一种矿仓桥式抓斗自动装车方法，其特征在于：所述S3中，每一次抓斗包括以下步骤：

S31、结合所建立的三维模型，计算车厢位置以及抓斗最优取矿点后进行抓斗装车；

S32、每次抓斗完成后根据实时点云数据更新建立的三维模型；

S33、动态称重：计算每一次抓斗的矿料重量。

3.根据权利要求2所述的一种矿仓桥式抓斗自动装车方法，其特征在于：S31中车厢位置的计算过程包括：在建立的三维模型中，采用随机采样一致性算法将停车装载区的三维数据看作一个样本集合，根据装矿车辆的车辆基本信息中车厢长宽以及车厢底高得到车厢模型参数，并预设车厢模型点判别方法，根据车厢位置判别方法将样本集合分为局内点和局外点，其中，局内点属于车厢位置模型中的三维数据，局外点不属于车厢位置模型中的三维数据，根据局内点构建车厢模型，进而得到车厢位置。

4.根据权利要求3所述的一种矿仓桥式抓斗自动装车方法，其特征在于：车厢位置判别方法步骤如下：

S31a、获取局内点集合A初始数据：根据车厢模型参数中的车厢宽度，在样本集合中从车厢宽度方向选取1个子集；根据局内点判别方法遍历判断该子集中所有点，判断通过后将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点；

S31b、对局内点集合A进行数据扩充：根据车厢模型参数中的车厢长度，在样本集合中向车厢长度方向移动一个单元，在样本集合中从车厢宽度方向选取1个子集，根据局内点判别方法遍历判断该子集中所有点，扩充局内点集合A的数据；

S31c、当S31b中出现不符合局内点集合A的数据时，判断到达当前车厢尾部，计算当前车厢在样本集合中向车厢长度方向移动的总单元个数，得到当前车厢的长度，若该长度与车厢模型参数中车厢长度误差小于车厢长度误差阈值，则局内点集合A属于同一车厢，取出局内点集合A中车厢头部数据和尾部数据，即第一组数据和最后一组数据，清空局内点集合A，将尾部数据重新作为局内点集合A的初始数据，返回S31a，循环计算，直至样本集合中所有数据遍历完成，即所有车厢位置判断完成。

5.根据权利要求4所述的一种矿仓桥式抓斗自动装车方法，其特征在于，局内点判别方法包括：将该子集中的每个点与车厢模型参数中的车厢高度进行比较，计算每个点与车厢模型参数中车厢高度的偏差，根据实际需求设定偏差阈值，当偏差小于偏差阈值时，则判断该点为有效点，根据实际需求设定有效点阈值，该子集中有效点的个数超出预设有效点阈值后，将该子集中的所有点归于局内点，存入局内点集合A中，否则归于局外点。

6.根据权利要求2所述的一种矿仓桥式抓斗自动装车方法，其特征在于，S31中，抓斗最优取矿点的计算过程包括：从矿仓取矿范围起始点坐标开始，计算以该点为圆心半径2米范围内上下左右4个方向上的坡度，坡度越大说明该点在半径2米范围内高度变化越快，即该点为半径2米范围内的高点，结合设定的抓斗取矿安全参数模型判断该点是否为良好的备选的取矿点；在备选的取矿点集合中选择距离车厢位置比较近的取矿点作为最优取矿点。

7.根据权利要求2所述的一种矿仓桥式抓斗自动装车方法，其特征在于：S33中动态称重包括每一次抓斗过程中对矿仓内被抓取的矿料进行称重，以及对装矿车辆上车厢上得到的矿料进行称重，被抓取的矿料进行称重和车厢上得到的矿料进行称重包括框选质量计算区域，计算抓斗前后框选质量计算区域的体积变化，体积变化与密度的乘积即为重量。

8.根据权利要求7所述的一种矿仓桥式抓斗自动装车方法，其特征在于：每次计算矿料体积时，将质量计算区域划分为若干个立方体，每个立方体的由8个采样点围成，先计算每个立方体的体积，再将质量计算区域内所有的立方体体积累加求和，得到矿料体积。

9.一种矿仓桥式抓斗自动装车系统，用于实现如权利要求1-8任一所述的一种矿仓桥式抓斗自动装车方法，其特征在于：包括连接的矿仓扫描模块和矿仓处理模块；

所述矿仓扫描模块安装在矿仓的桥式起重机行车上，包括两台激光测距仪、一台多线激光雷达，其中，激光测距仪的激光雷达安装在桥式起重机行车顶部左侧位置，多线激光雷达安装在桥式起重机行车顶部中间位置，用于跟随桥式起重机行车的移动扫描整个矿仓内部；两台激光测距仪用于实时获取装矿车辆位置信息、抓斗小车位置信息；多线激光雷达用于实时获取矿仓内部的点云数据，进而获取矿仓内矿料的位置信息；所述矿仓处理模块包括连接的PLC系统和工控机，工控机用于接收激光测距仪和多线激光雷达反馈的数据进行三维建模，PLC系统用于根据三维建模结果控制抓斗自动装车。