CN117152239A - 一种基于点云数据的仓内物料体积计算方法及系统 - Google Patents

一种基于点云数据的仓内物料体积计算方法及系统 Download PDF

Info

Publication number
CN117152239A
CN117152239A CN202311406074.0A CN202311406074A CN117152239A CN 117152239 A CN117152239 A CN 117152239A CN 202311406074 A CN202311406074 A CN 202311406074A CN 117152239 A CN117152239 A CN 117152239A
Authority
CN
China
Prior art keywords
volume
point cloud
bin
point
calculating
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
CN202311406074.0A
Other languages
English (en)
Other versions
CN117152239B (zh
Inventor
段睿
肖堂军
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.)
Sichuan Zemu Technology Co ltd
Original Assignee
Sichuan Zemu Technology 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 Sichuan Zemu Technology Co ltd filed Critical Sichuan Zemu Technology Co ltd
Priority to CN202311406074.0A priority Critical patent/CN117152239B/zh
Publication of CN117152239A publication Critical patent/CN117152239A/zh
Application granted granted Critical
Publication of CN117152239B publication Critical patent/CN117152239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于点云数据的仓内物料体积计算方法及系统，包括以下步骤：对采集的仓内点云数据进行坐标修正；使用分离算法提取所有仓底物料的点云集；建立基于物料点云集的三角网；计算物料点云集的体积。本发明针对获取的饲料仓内的点云数据，加入了坐标修正步骤，能够提高精度，后续的三角网体积积分的计算方法，有效地计算了仓内物料体积，也方便计算体积变化，对体积变化的测量也精准，适用于绝大部分的饲料仓内的点云数据体积计算，具有较强的通用性。

Description

一种基于点云数据的仓内物料体积计算方法及系统
技术领域
本发明涉及仓内物料体积计算领域，具体涉及一种基于点云数据的仓内物料体积计算方法及系统。
背景技术
饲料仓是畜牧业生产中的一种重要储存工具，为了更加有效地对农场畜牧业进行管理，有效地对牲畜所需物料进行分析以提高畜牧业的生产效率和经济效益，需要对饲料仓中的物料量进行实时检控。传统的物料体积计算方法是通过量测桶外部体积，并通过桶壁外侧的窥测孔进行观察后估算仓内的物料体积，但由于饲料桶体积大、内部物料不规则细节难以进行观察的缘故，该方法估算的体积不精确且难以做到实时监测。或通过精准测量加入物料和使用物料的量方，来对饲料仓内的物料体积进行计算以达到监控的目的，但此方法需要耗费大量人力，且监测效率较低。
三维激光扫描仪作为一种新型的测量仪器，可以根据激光测距的原理，通过记录被测物体表面大量的密集的点的三维坐标、反射率和纹理等信息，快速复建出被测目标的三维模型及线、面、体等各种图件数据，以达到快速获取测量物体的物理信息的目的。通过这种新型测量仪器，能够解决上述传统物料体积计算方法中存在的时效性差、量测效率低、测量精度较差等问题。通过安装在饲料仓桶盖内侧三维激光扫描仪，可以快速、高效地获取仓内空间及物料的点云信息。
本发明提出的方法不仅用于饲料的体积测量，还可以用于其他粉体。
本发明基于获取的点云数据，提出了一种基于布料模拟滤波和三角网体积积分的饲料桶物料体积计算方法，通过该方法，可以快速对仓内的物料体积变化进行计算，在节省了大量人力的同时，极大提高了物料体积的测量精度，有助于农场的工作人员实时地对仓内的物料消耗与补充情况进行掌握，对提高畜牧业的生产效率有极大的帮助。
发明内容
为解决现有的物料体积测算方法精度低的问题，本发明提供了一种基于点云数据的仓内物料体积计算方法及系统。
一方面，本发明公开一种基于点云数据的仓内物料体积计算方法，包括以下步骤：
对采集的仓内点云数据进行坐标修正；
使用分离算法提取所有仓底物料的点云集；
建立基于物料点云集的三角网；
计算物料点云集的体积。
进一步地，所述计算物料点云集的方法采用积分法。
采用上述方案后，本发明的有益效果在于，本发明针对获取的饲料仓内的点云数据，加入了坐标修正步骤，能够提高精度，后续的三角网体积积分的计算方法，有效地计算了仓内物料体积，也方便计算体积变化，对体积变化的测量也精准，适用于绝大部分的饲料仓内的点云数据体积计算，具有较强的通用性。
具体地，对采集的仓内点云数据进行坐标修正包括如下步骤：
S110.将点云数据中激光雷达仪器中心作为坐标原点，计算点云数据中一条测线所在平面的中心点位置，计算公式如下所示：
式中，/>为中心点的坐标位置，为测线最左点的坐标，/>为测线最右点的坐标；
S120.连接中心点与坐标原点，形成中心线L，将该测线进行旋转，使线L与坐标轴Z轴平行，并计算此次旋转的角度；
S130.对经过旋转的测线再次重复S110和S120步骤，当本次旋转角度减去上次旋转角度即时，认为整条测线已平行于Z轴
S140.对点云数据集中的所有测线重复S110-S130的过程，完成所有测线的坐标修正。
该方法修正了因仪器安装时出现的倾斜，该倾斜会严重影响物料体积的计算以及影响后续滤波算法提取仓底物料。
具体地，所述使用分离算法提取所有仓底物料的点云集包括如下步骤：
S210.倒置几何坐标，对Z轴取反：
S220.针对仓体的体积设置栅格网络大小，记录栅格格网对应的激光点云特征点的高程/>；
S230.假设每个网格皆为可移动网格质点，计算每个质点可能移动的位移，其位移具体计算公式如下所示：
其中，/>为时间步长；G为重力常数；/>为下一步粒子所在位置；/>为当前粒子所处位置；/>为上一步粒子所处位置，比较粒子当前所处位置高程与其对应激光点云特征点高程，如果质点高程小于或等于特征点高程，则将该质点位置替换到对应的特征点位置，并假设其不再移动；
S240.依次计算所有可能移动的质点，每个质点的可以移动通量为：
式中，/>为粒子位移量；当粒子可移动时，b=1，不可移动时，b=0；别表示粒子与其近邻粒子的当前位置的坐标向量；/>为点标准化到垂直方向上的单位向量；
S250.重复步骤S230和S240，当各个质点的位移变化开始小于阈值或者迭代次数达到最大次数的时候，模拟过程终止；
S260.对最后的点云进行分析，如果质点的位移位置小于预先设置的阈值，则将其归类为仓底物料点，否则归类为非仓底物料点。
上述步骤可以完全提取仓底的点，为下一步构建三角网提供完整数据，保证了整体的精度。
具体地，所述建立基于物料点云集的三角网包括如下步骤：
S310.使用快速三角网生成法形成三角网，首先选取物料点云集中任意一点，并在其邻域内搜索与最近的点/>，其计算方法如下：
式中，为/>点的坐标，/>为/>点的坐标，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数；
S320.连接点与点/>，形成第一个三角形的第一条边，寻找邻域内距离该边最近的点，以该点和这条边组成三角网中的第一个三角形，其具体计算公式如下：
式中/>为最邻近点/>的坐标，/>为向量/>与/>的夹角正弦值，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数。
S330.以第一个三角形中新生成的两条边为基础，采用S320中的方法，寻找每个边邻域内最近的点，构建两个新的三角形；再以每个新的三角形为基础形成周边另外两个三角形，以此达到遍历全部物料点云集的目的，形成物料点云集三角网：
具体地，所述使用积分法计算物料点云集的体积包括如下步骤：
S410.以坐标原点为基准，形成包含原点的X-Y平面；
S420.基于体积积分的思想，以每个三角形作为三角柱的顶面，对三角形网中每个三角柱体积进行计算，其具体计算公式如下：
式中/>为计算参数，/>为该三角网所对应的三角柱体积大小，以z轴坐标的大小进行判断，三角形三个顶点坐标从大到小命名为/>点，其坐标分别为、/>；
S430.设三角网中三角形个数为n，将所有三角网中所有三角形按照S420中的方法计算仓内空桶体积，并将其相加，仓内最终的体积为：
进一步地，使用点云集体积对仓底饲料体积变化进行计算。
具体地，所述使用点云集体积对仓底饲料体积变化进行计算包括如下步骤：
S510.通过S1-S4的步骤对下一次进行物料调整的仓内空体积进行计算，结果为；
S520.由这一次体积计算结果减去上一次体积计算结果即为仓内物料体积的变化量；另一方面，本发明还公开一种基于点云数据的仓内物料体积计算系统，所述系统用于对仓内的物料体积进行测量，所述物料包括但不限于饲料和粉体，其特征在于，所述系统内包括如下单元，
坐标修正单元，用于对采集的仓内点云数据进行坐标修正；
仓底物料点云集提取单元，用于采用分离算法提取所有仓底物料的点云集；
三角网构建单元，用于通过物料点云集建立三角网；
体积计算模块，用于使用积分法计算物料点云集的体积。
为解决本发明的技术问题，本发明还公开一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的基于点云数据的仓内物料体积计算方法。
附图说明
图1为本发明具体实施方式中提供的基于点云数据的仓内物料体积计算方法流程图；
图2为本发明实施例提供的坐标修正前的点云数据图；
图3为本发明实施例提供的坐标修正后的点云数据图；
图4所示为本发明实施例提供的建立的三角网格俯视图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。
实施例1
本发明实施例以具体测量饲料的体积来说明，本具体实施方式的基于点云数据的仓内物料体积计算方法，如图1所示，包括以下步骤S100-S500：
S100.对采集的仓内点云数据进行坐标修正。
本发明实施例中，对采集的仓内点云数据进行坐标修正，具体方法如下：
S110.将点云数据中激光雷达仪器中心作为坐标原点，计算点云数据中一条测线所在平面的中心点位置，计算公式如下所示：
式中，/>为中心点的坐标位置，为测线最左点的坐标，/>为测线最右点的坐标；
S120.连接中心点与坐标原点，形成中心线L，将该测线进行旋转，使线L与坐标轴Z轴平行，并计算此次旋转的角度；
S130.对S12中经过旋转的测线再次重复步骤S11-S12的内容，当本次旋转角度减去上次旋转角度即时，可认为整条测线已平行于Z轴；
S140.对点云数据集中的所有测线重复S11-S13的过程，完成所有测线的坐标修正。
如图2和图3所示，通过坐标修正的方法，使目标点云的桶中心轴与坐标的z轴平行，使整体点云数据更为清晰明确，将坐标修正处理后的数据，按照本具体实施方式中的后续步骤进行仓底点云提取，可以有效地得到仓底的点云数据，能够提高最终的计算精度，同时有利于后续体积变化计算。
S200.使用分离算法提取所有仓底物料的点云集；
步骤S200包括以下分步骤S210-S260：
S210.倒置几何坐标，对Z轴取反；
S220.针对仓体的体积设置栅格网络大小，记录栅格格网对应的激光点云特征点的高程;
S230.假设每个网格皆为可移动网格质点，计算每个质点可能移动的位移，其位移具体计算公式如下所示：
其中，/>为时间步长；G为重力常数；/>为下一步粒子所在位置；/>为当前粒子所处位置；/>为上一步粒子所处位置，比较粒子当前所处位置高程与其对应激光点云特征点高程，如果质点高程小于或等于特征点高程，则将该质点位置替换到对应的特征点位置，并假设其不再移动；
S240.依次计算所有可能移动的质点，每个质点的可以移动通量为：
式中，/>为粒子位移量；当粒子可移动时，b=1，不可移动时，b=0；分别表示粒子与其近邻粒子的当前位置的坐标向量；为点标准化到垂直方向上的单位向量；
S250.重复步骤S230和S240，当各个质点的位移变化开始小于阈值或者迭代次数达到最大次数的时候，模拟过程终止；
S260.对最后的点云进行分析，如果质点的位移位置小于预先设置的阈值，则将其归类为仓底物料点，否则归类为非仓底物料点。
S300、建立基于物料点云集的三角网。
步骤S300包括以下分步骤S310-S330：
S310.使用快速三角网生成法形成三角网，首先选取物料点云集中任意一点，并在其邻域内搜索与最近的点/>，其计算方法如下：
式中，为/>点的坐标，/>为/>点的坐标，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数；
S320.连接点与点/>，形成第一个三角形的第一条边，寻找邻域内距离该边最近的点，以该点和这条边组成三角网中的第一个三角形，其具体计算公式如下：
式中/>为最邻近点/>的坐标，/>向量/>与/>的夹角正弦值，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数。
S330.以第一个三角形中新生成的两条边为基础，采用S320中的方法，寻找每个边邻域内最近的点，构建两个新的三角形；再以每个新的三角形为基础形成周边另外两个三角形，以此达到遍历全部物料点云集的目的，形成物料点云集三角网。
采用上述快速生成三角网的方法生成三角网后，其结果如图4所示。
S400.使用积分法计算物料点云集的体积。
步骤S400包括以下分步骤S410-S430：
S410.以坐标原点为基准，形成包含原点的X-Y平面；
S420.基于体积积分的思想，以每个三角形作为三角柱的顶面，对三角形网中每个三角柱体积进行计算，其具体计算公式如下：
式中/>为计算参数，/>为该三角网所对应的三角柱体积大小，以z轴坐标的大小进行判断，三角形三个顶点坐标从大到小命名为/>点，其坐标分别为/>、；
S430.设三角网中三角形个数为n，将所有三角网中所有三角形按照S420中的方法计算仓内空桶体积，并将其相加，仓内最终的体积为：
本具体实施方式中，还包括S500.使用点云集体积对仓底饲料体积变化进行计算，即能够计算体积变化量。
步骤S500包括以下分步骤S510-S520：
S510通过S100-S400的步骤对下一次进行物料调整的仓内空体积进行计算，结果为；
S520.由这一次体积计算结果减去上一次体积计算结果即为仓内物料体积的变化量。
此具体实施方式中的物料采用的是饲料。采用上述的方法后，本发明不仅测量仓内饲料的体积，可以快速且准确地获取仓内饲料的体积变化情况，最后的计算精度为82%。
实施例2
本具体实施方式提供一种基于点云数据的仓内物料体积计算系统，所述系统用于对仓内的物料体积进行测量，所述物料包括但不限于饲料和粉体，其特征在于，所述系统内包括如下单元，
坐标修正单元，用于对采集的仓内点云数据进行坐标修正；
仓底物料点云集提取单元，用于采用分离算法提取所有仓底物料的点云集；
三角网构建单元，用于通过物料点云集建立三角网；
体积计算模块，用于使用积分法计算物料点云集的体积。
实施例3
本具体实施方式提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1所述的基于点云数据的仓内物料体积计算方法。

Claims (10)

1.一种基于点云数据的仓内物料体积计算方法，其特征在于，包括以下步骤：
对采集的仓内点云数据进行坐标修正；
使用分离算法提取所有仓底物料的点云集；
建立基于物料点云集的三角网；
计算物料点云集的体积。
2.根据权利要求1所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，所述计算物料点云集的方法采用积分法。
3.根据权利要求2所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，对采集的仓内点云数据进行坐标修正包括如下步骤：
S110.将点云数据中激光雷达仪器中心作为坐标原点，计算点云数据中一条测线所在平面的中心点位置，计算公式如下所示：
式中，/>为中心点的坐标位置，/>为测线最左点的坐标，/>为测线最右点的坐标；
S120.连接中心点与坐标原点，形成中心线L，将该测线进行旋转，使线L与坐标轴Z轴平行，并计算此次旋转的角度；
S130.对经过旋转的测线再次重复S110和S120步骤，当本次旋转角度减去上次旋转角度即时，认为整条测线已平行于Z轴；
S140.对点云数据集中的所有测线重复S110-S130的过程，完成所有测线的坐标修正。
4.根据权利要2所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，所述使用分离算法提取所有仓底物料的点云集包括如下步骤：
S210.倒置几何坐标，对Z轴取反；；
S220.针对仓体的体积设置栅格网络大小，记录栅格格网对应的激光点云特征点的高程；
S230.假设每个网格皆为可移动网格质点，计算每个质点可能移动的位移，其位移具体计算公式如下所示：其中，/>为时间步长；G为重力常数；为下一步粒子所在位置；/>为当前粒子所处位置；/>为上一步粒子所处位置，比较粒子当前所处位置高程与其对应激光点云特征点高程，如果质点高程小于或等于特征点高程，则将该质点位置替换到对应的特征点位置，并假设其不再移动；
S240.依次计算所有可能移动的质点，每个质点的可以移动通量为：式中，/>为粒子位移量；当粒子可移动时，b=1，不可移动时，b=0；/>分别表示粒子与其近邻粒子的当前位置的坐标向量；为点标准化到垂直方向上的单位向量；
S250.重复步骤S230和S240，当各个质点的位移变化开始小于阈值或者迭代次数达到最大次数的时候，模拟过程终止；
S260.对最后的点云进行分析，如果质点的位移位置小于预先设置的阈值，则将其归类为仓底物料点，否则归类为非仓底物料点。
5.根据权利要求2所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，所述建立基于物料点云集的三角网包括如下步骤：
S310.使用快速三角网生成法形成三角网，首先选取物料点云集中任意一点，并在其邻域内搜索与最近的点/>，其计算方法如下：
式中，/>为点的坐标，/>为/>点的坐标，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数；
S320.连接点与点/>，形成第一个三角形的第一条边，寻找邻域内距离该边最近的点，以该点和这条边组成三角网中的第一个三角形，其具体计算公式如下：
式中/>为最邻近点/>的坐标，/>为向量/>与/>的夹角正弦值，/>为邻域内某点/>的坐标，n为当前邻域内所有点的个数；
S330.以第一个三角形中新生成的两条边为基础，采用S320中的方法，寻找每个边邻域内最近的点，构建两个新的三角形；再以每个新的三角形为基础形成周边另外两个三角形，以此达到遍历全部物料点云集的目的，形成物料点云集三角网。
6.根据权利要求2所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，所述使用积分法计算物料点云集的体积包括如下步骤：
S410.以坐标原点为基准，形成包含原点的X-Y平面；
S420.基于体积积分的思想，以每个三角形作为三角柱的顶面，对三角形网中每个三角柱体积进行计算，其具体计算公式如下：
式中/>为计算参数，/>为该三角网所对应的三角柱体积大小，以z轴坐标的大小进行判断，三角形三个顶点坐标从大到小命名为/>点，其坐标分别为、/>；
S430.设三角网中三角形个数为n，将所有三角网中所有三角形按照S420中的方法计算仓内空桶体积，并将其相加，仓内最终的体积为：
。
7.根据权利要求1所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，还包括如下步骤，
使用点云集体积对仓底饲料体积变化进行计算。
8.根据权利要求7所述的一种基于点云数据的仓内物料体积计算方法，其特征在于，所述使用点云集体积对仓底饲料体积变化进行计算包括如下步骤：
S510.对下一次进行物料调整的仓内空体积进行计算，结果为；
S520.由这一次体积计算结果减去上一次体积计算结果即为仓内物料体积的变化量；
。
9.一种基于点云数据的仓内物料体积计算系统，所述系统用于对仓内的物料体积进行测量，所述物料包括但不限于饲料和粉体，其特征在于，所述系统内包括如下单元，
坐标修正单元，用于对采集的仓内点云数据进行坐标修正；
仓底物料点云集提取单元，用于采用分离算法提取所有仓底物料的点云集；
三角网构建单元，用于通过物料点云集建立三角网；
体积计算模块，用于使用积分法计算物料点云集的体积。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于点云数据的仓内物料体积计算方法。
CN202311406074.0A 2023-10-27 2023-10-27 一种基于点云数据的仓内物料体积计算方法及系统 Active CN117152239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311406074.0A CN117152239B (zh) 2023-10-27 2023-10-27 一种基于点云数据的仓内物料体积计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311406074.0A CN117152239B (zh) 2023-10-27 2023-10-27 一种基于点云数据的仓内物料体积计算方法及系统

Publications (2)

Publication Number Publication Date
CN117152239A true CN117152239A (zh) 2023-12-01
CN117152239B CN117152239B (zh) 2024-02-06

Family

ID=88910391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311406074.0A Active CN117152239B (zh) 2023-10-27 2023-10-27 一种基于点云数据的仓内物料体积计算方法及系统

Country Status (1)

Country Link
CN (1) CN117152239B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010008490A1 (de) * 2009-02-27 2010-09-02 Navigon Ag Verfahren, System und Computerprogrammprodukt zur dreidimensionalen Darstellung von Gebäuden auf einer grafischen Anzeigeeinrichtung einer Navigationsvorrichtung
CN102721367A (zh) * 2012-07-02 2012-10-10 吉林省粮油科学研究设计院 基于动态三维激光扫描的大型不规则散粮堆体积测量方法
CN105931238A (zh) * 2016-04-19 2016-09-07 北京理工大学 一种粮仓储粮体积测量的方法和系统
CN108846888A (zh) * 2018-04-23 2018-11-20 北京建筑大学 一种古木建筑构件精细尺寸信息自动化提取方法
CN113052892A (zh) * 2021-02-25 2021-06-29 深圳融荟智能科技有限公司 一种车辆货物体积计算方法、装置及存储介质
CN114252127A (zh) * 2022-01-19 2022-03-29 华中农业大学 一种基于激光雷达的立筒仓盘存测量装置及测量方法
CN114445469A (zh) * 2022-02-15 2022-05-06 北京壬工智能科技有限公司 无人机自主调度的物料堆垛盘点装置、系统及其方法
CN114543666A (zh) * 2022-01-20 2022-05-27 大连理工大学 一种基于矿场环境感知的堆料面预测方法
EP4242585A2 (en) * 2022-03-08 2023-09-13 Topcon Corporation Surveying assistance system, information display terminal, surveying assistance method, and surveying assistance program

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010008490A1 (de) * 2009-02-27 2010-09-02 Navigon Ag Verfahren, System und Computerprogrammprodukt zur dreidimensionalen Darstellung von Gebäuden auf einer grafischen Anzeigeeinrichtung einer Navigationsvorrichtung
CN102721367A (zh) * 2012-07-02 2012-10-10 吉林省粮油科学研究设计院 基于动态三维激光扫描的大型不规则散粮堆体积测量方法
CN105931238A (zh) * 2016-04-19 2016-09-07 北京理工大学 一种粮仓储粮体积测量的方法和系统
CN108846888A (zh) * 2018-04-23 2018-11-20 北京建筑大学 一种古木建筑构件精细尺寸信息自动化提取方法
CN113052892A (zh) * 2021-02-25 2021-06-29 深圳融荟智能科技有限公司 一种车辆货物体积计算方法、装置及存储介质
CN114252127A (zh) * 2022-01-19 2022-03-29 华中农业大学 一种基于激光雷达的立筒仓盘存测量装置及测量方法
CN114543666A (zh) * 2022-01-20 2022-05-27 大连理工大学 一种基于矿场环境感知的堆料面预测方法
CN114445469A (zh) * 2022-02-15 2022-05-06 北京壬工智能科技有限公司 无人机自主调度的物料堆垛盘点装置、系统及其方法
EP4242585A2 (en) * 2022-03-08 2023-09-13 Topcon Corporation Surveying assistance system, information display terminal, surveying assistance method, and surveying assistance program

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
MAARTEN ’T HART: "The projection point geodesic grid algorithm for meshing the sphere", 《JOURNAL OF COMPUTATIONAL PHYSICS》, pages 1 - 33 *
吕繁 等: "基于散乱点云的疵点去除与体积积分算法研究", 《武汉纺织大学学报》, vol. 34, no. 1, pages 15 - 18 *
朱铁军 等: "激光扫描技术测量粮堆体积试验", 《粮食科技与经济》, pages 44 - 45 *
汪诗奇 等: "基于三角柱模型的库容计算方法研究", 《测绘与空间地理信息》, vol. 45, no. 12, pages 103 - 109 *
王林云: "多分辨率海陆一体化三维地形建模", 《中国优秀硕士学位论文全文数据库 基础科学辑》, pages 1 - 3 *
胡敏捷 等: "基于舱室三维重建模型的舱容计量技术研究", 《船舶设计通讯》, pages 61 - 66 *

Also Published As

Publication number Publication date
CN117152239B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN107767457B (zh) 一种基于点云快速重建的stl数模生成方法
CN104392476B (zh) 基于最小包围盒算法提取隧道三维轴线的方法
CN109523595B (zh) 一种建筑工程直线棱角间距视觉测量方法
CN110533774B (zh) 一种基于智能手机的三维模型重建方法
CN109919237B (zh) 点云处理方法及装置
CN105701478A (zh) 杆状地物提取的方法和装置
CN111649723B (zh) 面向复杂地形的贴近摄影三维航迹与姿态规划方法及装置
CN114998338A (zh) 一种基于激光雷达点云的矿山开采量计算方法
CN113706587B (zh) 基于空间网格划分的快速点云配准方法、装置和设备
CN109657525A (zh) 一种针对传统LiDAR滤波误差的快速修正方法
CN114463357B (zh) 一种在重介质选煤中实时确定介质堆动态信息的方法
CN114565722A (zh) 一种三维模型单体化实现方法
CN103315770A (zh) 基于三维超声图像的目标参数处理方法及系统
CN117152239B (zh) 一种基于点云数据的仓内物料体积计算方法及系统
CN117315049B (zh) 三维全貌测量的比例尺标定方法、系统及装置
CN115564820B (zh) 基于贪婪投影三角化的体积确定方法、系统、设备及介质
CN110836661A (zh) 一种天坑参数测量方法
CN113947631A (zh) 一种废钢料场盘库方法及装置
CN116579949A (zh) 适用于城市多噪声环境下机载点云地面点滤波方法
Zhao et al. Automated phenotyping of single seeds using a novel volume sculpting framework
Sun et al. Methodology of volume measurement by depth imaging technology
CN110363857B (zh) 降雨过程中土壤侵蚀地表形态dem构建、观测方法及装置
CN114170400A (zh) 基于三维点云的液压支架群空间直线度测量与调整方法
CN114627466A (zh) 一种倾斜实景模型漂浮物自动定位检测方法及系统
CN109151458A (zh) 测试模型构造方法、景深模组光学中心测试方法及设备

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