CN117329971B - 一种基于三维激光雷达的车厢平衡检测方法和系统 - Google Patents

一种基于三维激光雷达的车厢平衡检测方法和系统 Download PDF

Info

Publication number
CN117329971B
CN117329971B CN202311630775.2A CN202311630775A CN117329971B CN 117329971 B CN117329971 B CN 117329971B CN 202311630775 A CN202311630775 A CN 202311630775A CN 117329971 B CN117329971 B CN 117329971B
Authority
CN
China
Prior art keywords
carriage
laser radar
data
balance
module
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
Application number
CN202311630775.2A
Other languages
English (en)
Other versions
CN117329971A (zh
Inventor
雷为
唐筱宁
耿梦迪
刘宇
董军宇
张述
陈中方
孔庆伟
黄振
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.)
Haibotai Technology Qingdao Co ltd
Ocean University of China
Original Assignee
Haibotai Technology Qingdao Co ltd
Ocean University of China
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 Haibotai Technology Qingdao Co ltd, Ocean University of China filed Critical Haibotai Technology Qingdao Co ltd
Priority to CN202311630775.2A priority Critical patent/CN117329971B/zh
Publication of CN117329971A publication Critical patent/CN117329971A/zh
Application granted granted Critical
Publication of CN117329971B publication Critical patent/CN117329971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于三维激光雷达的车厢平衡检测方法和系统，涉及火车偏载检测技术领域，包括以下步骤：以B/S架构构建车厢平衡检测系统，通过标定模块采集激光雷达和相机的标定数据，并对标定数据进行特征点提取和匹配。本发明还公开了一种基于三维激光雷达的车厢平衡检测系统。本发明通过采用三维激光雷达和相机融合技术对车厢中装填的矿石的堆料平整度进行检测，该方案可精准地检测车厢内物料的偏载及平整度，提高运输效率和运输质量，减少安全隐患的发生，针对货运列车在港口运输中遇到的问题，利用先进的技术手段进行解决，从而保障货运火车运输效率和运输安全，为港口货运工作的顺利进行提供保障。

Description

一种基于三维激光雷达的车厢平衡检测方法和系统
技术领域
本发明涉及火车偏载检测技术领域，尤其涉及一种基于三维激光雷达的车厢平衡检测方法和系统。
背景技术
随着全球经济的快速发展，散货港口的货运活动越来越频繁，货运火车也成为了港口货运过程中不可或缺的一环，然而，在装车楼进行装料时，货运火车出现装料重量分布不均匀的问题，出现偏重及重心不稳的情况，不符合铁路货运标准，甚至存在较大安全隐患。
这些问题直接影响了货运火车的运输效率和运输质量，给港口货运工作带来了极大的不便和困扰，因此，为了解决这一问题，需对货运列车的装料过程进行专门的检测和改进，通过现场实地勘察，对物料装车不均匀问题有了更为全面的了解，车厢物料如果呈现出不均匀分布的状态，在运输中会存在车厢侧倾或者触顶的风险。因货运铁路列车的承载重量大，车厢多，物料呈现不均匀分布的特点，故需要对车载物料进行偏载以及平整度检测，以保证运输效率和运输质量。现有方法通常采用轨道衡称重方式，此装置安装较为复杂，需要布设至轨道上，此外建设成本相对较高，对于火车货运装车楼等场景布设较为困难，不易实现轻量化且适用性较强的货运火车偏载检测。
针对现有技术中存在的技术问题，本发明提供了一种基于三维激光雷达的车厢平衡检测方法和系统，以解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于三维激光雷达的车厢平衡检测方法和系统。
为了实现上述目的，本发明采用了如下技术方案：
一种基于三维激光雷达的车厢平衡检测方法，包括以下步骤：
S1，以B/S架构构建车厢平衡检测系统，通过标定模块采集激光雷达和相机的标定数据，并对标定数据进行特征点提取和匹配；
S2，通过标定模块剔除错误匹配点，使用高置信度匹配点解算激光雷达和相机的外参数，完成标定作业；
S3，通过坐标转换模块采集轨道点云数据，并作为标定参照物；
S4，通过坐标转换模块采集目标区域点云，统计滤波去除噪声点，拟合轨道平面，提取高置信度点，构造世界坐标系，并解算旋转平移矩阵；
S5，通过角点定位模块采集车厢图像数据，识别车厢角点位置，配合旋转平移矩阵将车厢图像数据对应至激光点云中，提取车厢内物料的三维点云数据；
S6，通过载重分析模块基于角点定位模块提供的数据来计算分析车厢的载重情况，评估判断车厢是否出现偏载，并由工作人员基于载重分析模块的评估对偏载车厢提出指导意见。
优选地，所述S1中，标定数据包括激光雷达点云数据和相机图像数据。
优选地，所述S2中，高置信度匹配点的解算方法为透视投影方法。
优选地，所述S3中，坐标转换模块包括激光雷达，所述激光雷达固定安装在轨道上方。
优选地，所述S4中，目标区域点云通过直通滤波进行提取，所述旋转平移矩阵的解算由SVD进行分解求解。
优选地，所述S1、S5中，标定模块和角点定位模块均以神经网络模型作为构建基础，所述标定模块通过对照相机和激光雷达的数据作为神经网络模型的训练方法，所述角点定位模块通过采集的车厢顶部图像和标注训练数据集作为神经网络模型的训练方法。
优选地，所述S1、S4中，特征点和高置信度点的提取准则均为随机采样一致性算法。
优选地，所述S6中，载重分析模块的分析数据包括物料重量分布、前后支撑车轮的受力差值、左右方向重心偏移量、物料偏载区域和物料的平面均匀度，所述物料重量分布的计算方法为多维切片法，所述前后支撑车轮的受力差值和左右方向重心偏移量的计算原理包含车厢受力的静力平衡原理及力矩平衡原理，所述物料偏载区域和物料的平面均匀度的计算方法为曲面拟合和统计学原理。
优选地，所述载重分析模块通过分析物料的平面均匀度建立表面标准差和均匀度指数的数学模型。
本发明还提出了一种基于三维激光雷达的车厢平衡检测系统，该车厢平衡检测系统的平台采用B/S架构，所述车厢平衡检测系统内设有标定模块、坐标转换模块、角点定位模块和载重分析模块，所述车厢平衡检测系统的架构层包括基础设施层、数据储存层、数据持久层、算法支撑层、业务逻辑层、网关层和展示层，所述数据储存层内设有雷达点云数据库、相机实时数据库、物料重量数据库、物料体积数据库、异常车厢数据库、基础数据库，所述算法支撑层内设有雷达与相机融合算法、车厢三维重建算法、物料体积中心偏心计算算法、物料曲面拟合算法、车厢物料重量分布算法
本发明与现有技术相比，其有益效果为：
本发明通过采用三维激光雷达和相机融合技术对车厢中装填的矿石的堆料平整度进行检测，该方案可精准地检测车厢内物料的偏载及平整度，提高运输效率和运输质量，减少安全隐患的发生，针对货运列车在港口运输中遇到的问题，利用先进的技术手段进行解决，从而保障货运火车运输效率和运输安全，为港口货运工作的顺利进行提供保障。
附图说明
图1为本发明提出的车厢平衡检测系统的结构示意图。
图2为本发明提出的车厢平衡检测方法的流程图。
图3为本发明提出的拟合轨道平面获得的地面点云以及坐标转换后的坐标系示意图。
图4为本发明提出的车厢以及车厢角点的识别示意图。
图5为本发明提出的车厢物料表面点云的示意图。
图6为本发明提出的物料表面三维重建的示意图。
图7为本发明提出的检测设备安装的示意图。
图8为本发明提出的物料分割的示意图。
图9为本发明提出的车厢前后受力分析的示意图。
图10为本发明提出的车厢左右受力分析的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-图10，一种基于三维激光雷达的车厢平衡检测方法，包括以下步骤：
S1，以B/S架构构建车厢平衡检测系统，通过标定模块采集激光雷达和相机的标定数据，并对标定数据进行特征点提取和匹配；
S2，通过标定模块剔除错误匹配点，使用高置信度匹配点解算激光雷达和相机的外参数，完成标定作业；
S3，通过坐标转换模块采集轨道点云数据，并作为标定参照物；
S4，通过坐标转换模块采集目标区域点云，统计滤波去除噪声点，拟合轨道平面，提取高置信度点，构造世界坐标系，并解算旋转平移矩阵；
S5，通过角点定位模块采集车厢图像数据，识别车厢角点位置，配合旋转平移矩阵将车厢图像数据对应至激光点云中，提取车厢内物料的三维点云数据；
S6，通过载重分析模块基于角点定位模块提供的数据来计算分析车厢的载重情况，评估判断车厢是否出现偏载，并由工作人员基于载重分析模块的评估对偏载车厢提出指导意见。
本发明中，S1中，标定数据包括激光雷达点云数据和相机图像数据。
本发明中，S2中，高置信度匹配点的解算方法为透视投影方法。
本发明中，S3中，坐标转换模块包括激光雷达，激光雷达固定安装在轨道上方。
本发明中，S4中，目标区域点云通过直通滤波进行提取，旋转平移矩阵的解算由SVD进行分解求解。
本发明中，S1、S5中，标定模块和角点定位模块均以神经网络模型作为构建基础，标定模块通过对照相机和激光雷达的数据作为神经网络模型的训练方法，角点定位模块通过采集的车厢顶部图像和标注训练数据集作为神经网络模型的训练方法。
本发明中，S1、S4中，特征点和高置信度点的提取准则均为随机采样一致性算法，随机采样一致性算法在拟合模型的时候，能够忽略掉不符合模型的数据点，即使数据集中存在噪声和离群值，也能有较好的鲁棒性，还具备计算效率高、不需要数据分布假设和适应性强的特点，是一种非常有效且实用的参数估计方法。
本发明中，S6中，载重分析模块的分析数据包括物料重量分布、前后支撑车轮的受力差值、左右方向重心偏移量、物料偏载区域和物料的平面均匀度，物料重量分布的计算方法为多维切片法，前后支撑车轮的受力差值和左右方向重心偏移量的计算原理包含车厢受力的静力平衡原理及力矩平衡原理，物料偏载区域和物料的平面均匀度的计算方法为曲面拟合和统计学原理。
本发明中，载重分析模块通过分析物料的平面均匀度建立表面标准差和均匀度指数的数学模型。
对于检测得到的激光雷达重建的三维车厢物料表面，通过多维切片法计算不规则物料表面与地面构成的不规则立方体体积，根据体积分布分析车厢物料重量分布。通过对车厢厢体内部以及车厢内物料的三维重建数据的计算分析，结合车厢受力的静力平衡原理及力矩平衡原理，计算车厢底部前后支撑车轮的受力差值以及左右方向重心偏移量是否满足平衡标准。对物料表面进行曲面拟合，分析导致车厢偏载的物料区域，利用曲面拟合和统计学的方法计算物料的平面均匀度。通过建立表面标准差和均匀度指数的数学模型，基于标准差和均匀度的大小关系进行评估判断。对上述计算数据进行综合分析，对于出现偏载的车厢给出整平物料的操作指导。
本实施例还提出了一种基于三维激光雷达的车厢平衡检测系统，车厢平衡检测系统的平台采用B/S架构，所述车厢平衡检测系统内设有标定模块、坐标转换模块、角点定位模块和载重分析模块，所述车厢平衡检测系统的架构层包括基础设施层、数据储存层、数据持久层、算法支撑层、业务逻辑层、网关层和展示层，所述数据储存层内设有雷达点云数据库、相机实时数据库、物料重量数据库、物料体积数据库、异常车厢数据库、基础数据库，所述算法支撑层内设有雷达与相机融合算法、车厢三维重建算法、物料体积中心偏心计算算法、物料曲面拟合算法、车厢物料重量分布算法。
将检测以及分析和计算的结果通过可视化界面展示，构建信息化系统。根据检测的计算结果，系统将底层数据划分为雷达点云数据、相机实时数据、物料重量分析数据、异常车厢数据等进行存储；以火车车厢物料体积、中心、重心、重量等数据为平台提供数据支撑。平台采用B/S架构，使用人员可通过账号密码，直接在浏览器端登录访问系统。根据系统展示的检测结果和评估建议，及时汇报给相关人员和部门，以便进行后续的调整和处理。
根据平台系统架构设计，可以快速展示三维模型。展示页面分为车厢信息、当前车次预警、车厢实况图片、车厢三维模型、雷达数据、实况卫士、车次回查、预警记录等模块进行展示。
本发明的具体实施方式如下：
如图2所示，检测货运火车车厢偏载是指对装载在火车车厢上的物料的重量分布进行测量和评估的过程，以确保其符合相关标准和要求，利用激光雷达和相机融合扫描检测火车车厢物料重量分布以及平整度，其具体实施如下：
（1）将激光雷达和工业相机设备固定在支架上，使两个设备位置相对固定；采集点云以及图像数据，将数据输入神经网络模型获得像素和三维点的匹配点对，通过随机采样一致性获得高置信度匹配点对，以透视投影方法求解出两设备的平移旋转矩阵，即标定的外参数。
（2）如图7所示，将固定后的设备沿平行轨道方向，安装至火车车厢正上方，使两个设备工作区域覆盖一节车厢区域，将车厢编号识别相机安装至侧面，工作范围覆盖车厢编号所在区域。对车厢内的物料进行扫描和拍摄，利用激光雷达测量车厢物体表面三维结构，利用相机获取车厢顶部以及物料表面的图像，同时车厢侧面相机拍摄车厢编码，定位指定车厢。
（3）如图4所示，将拍摄的车厢顶部图像输入车厢角点检测模型，计算出车厢位于图像中的像素位置，通过像素位置以及旋转平移矩阵计算出车厢位于激光点云中的位置，如图5所示，以角点坐标分割出车厢以及物料表面点云。同时，侧面编号识别相机拍摄车厢侧面图像，对车厢侧面图像进行编号以及车厢型号及自重文字信息识别检测，将编号以及车厢自重等相关信息与车厢与检测的车厢点云绑定。
（4）如图3所示，通过坐标变换将车厢点云转换到世界坐标系中，此时车厢相对于世界坐标系为一个放置于坐标面的长方体，但物料表面为不规则曲面，如图6所示；如图8所示，通过对车厢点云进行多维切片，将物料切分为近似多个立方柱状体，得到了每个小区域内物料三维结构。
（5）对步骤4得到的细化的车厢物料区域进行三维重建，通过各个小区域的体积以及密度计算出重量分布。由于各个小区域近似为长方体，可得到小区域重心，进而通过求组合体重心方法计算得到物料重心位置，计算步骤如下：
变形体在已知力系作用下平衡时，若将此变形体视为刚体（刚化），则其平衡状态不变。
1）已知车厢尺寸、质量m 0，首先求解车厢重心(x 0, y 0, z 0)；
2）将货物简化为m×n个长方体，如图8所示，分别求解每个长方体的质量m 1 ~ m mn 、重心(x 1, y 1,z 1) ~ (x mn , y mn , z mn )；
3）组合体重心P(x p , y p , z p )满足：
x p = (m 0 × x 0 + m 1 × x 1 + … +m mn × x mn ) / (m 0 + m 1 + … + m mn )
y p = (m 0 × y 0 + m 1 × y 1 + … +m mn × y mn ) / (m 0 + m 1 + … + m mn )
z p = (m 0 × z 0 + m 1 × z 1 + … +m mn × z mn ) / (m 0 + m 1 + … + m mn )
（6）对车厢箱体内部点云进行尺寸计算得到车厢长度以及宽度，结合步骤3得到的车厢自重信息、步骤5得到的物料重心位置以及通过车厢尺寸和车型得到前后车轴距离，计算偏重及重心偏移信息，具体计算步骤如下：
1）前后偏重分析
在进行车厢前后偏重分析时，忽略车厢宽度方向的影响，可将每个转向架都简化为一个整体，如图9所示。车厢货物组合体受到地面支撑力F前、F后，以及组合体重力G。组合体重心为P点，距离前后支撑力的距离分别为l前、l后。
根据车厢竖直方向受力平衡、对P点力矩平衡可得：
由此可以求得车厢前后偏重为：
（2）左右偏心分析
在进行车厢重心左右偏离分析时，忽略车厢长度方向的影响，可将每侧的车轮都简化为一个整体，如图10所示。
车厢货物组合体受到地面支撑力F左、F右，以及组合体重力G。组合体重心为P点，距离前后支撑力的距离分别为l左、l右。根据车厢竖直方向受力平衡、对P点力矩平衡可得：
车厢重心偏离量为：
（7）如图1所示，检测以及分析完成后，对数据结果存入数据库，展示到相关系统界面，以便后续进行统计和复查，同时也为及时发现和解决问题提供依据和参考。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于三维激光雷达的车厢平衡检测方法，其特征在于，包括以下步骤：
S1，以B/S架构构建车厢平衡检测系统，通过标定模块采集激光雷达和相机的标定数据，并对标定数据进行特征点提取和匹配；
S2，通过标定模块剔除错误匹配点，使用高置信度匹配点解算激光雷达和相机的外参数，完成标定作业；
S3，通过坐标转换模块采集轨道点云数据，并作为标定参照物，坐标转换模块包括激光雷达，所述激光雷达固定安装在轨道上方；
S4，通过坐标转换模块采集目标区域点云，统计滤波去除噪声点，拟合轨道平面，提取高置信度点，构造世界坐标系，并解算旋转平移矩阵；
S5，通过角点定位模块采集车厢图像数据，识别车厢角点位置，配合旋转平移矩阵将车厢图像数据对应至激光点云中，提取车厢内物料的三维点云数据将拍摄的车厢顶部图像输入车厢角点检测模型，计算出车厢位于图像中的像素位置，通过像素位置以及旋转平移矩阵计算出车厢位于激光点云中的位置，以角点坐标分割出车厢以及物料表面点云；
所述S1、S5中，标定模块和角点定位模块均以神经网络模型作为构建基础，所述标定模块通过对照相机和激光雷达的数据作为神经网络模型的训练方法，所述角点定位模块通过采集的车厢顶部图像和标注训练数据集作为神经网络模型的训练方法；
S6，通过载重分析模块基于角点定位模块提供的数据来计算分析车厢的载重情况，评估判断车厢是否出现偏载，并由工作人员基于载重分析模块的评估对偏载车厢提出指导意见。
2.根据权利要求1所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述S1中，标定数据包括激光雷达点云数据和相机图像数据。
3.根据权利要求1所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述S2中，高置信度匹配点的解算方法为透视投影方法。
4.根据权利要求1所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述S4中，目标区域点云通过直通滤波进行提取，所述旋转平移矩阵的解算由SVD进行分解求解。
5.根据权利要求1所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述S1、S4中，特征点和高置信度点的提取准则均为随机采样一致性算法。
6.根据权利要求1所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述S6中，载重分析模块的分析数据包括物料重量分布、前后支撑车轮的受力差值、左右方向重心偏移量、物料偏载区域和物料的平面均匀度，所述物料重量分布的计算方法为多维切片法，所述前后支撑车轮的受力差值和左右方向重心偏移量的计算原理包含车厢受力的静力平衡原理及力矩平衡原理，所述物料偏载区域和物料的平面均匀度的计算方法为曲面拟合和统计学原理。
7.根据权利要求6所述的一种基于三维激光雷达的车厢平衡检测方法，其特征在于，所述载重分析模块通过分析物料的平面均匀度建立表面标准差和均匀度指数的数学模型。
8.一种基于三维激光雷达的车厢平衡检测系统，采用权利要求1-7中任一项所述的基于三维激光雷达的车厢平衡检测方法，其特征在于，该系统的平台采用B/S架构，所述车厢平衡检测系统内设有标定模块、坐标转换模块、角点定位模块和载重分析模块，所述车厢平衡检测系统的架构层包括基础设施层、数据储存层、数据持久层、算法支撑层、业务逻辑层、网关层和展示层，所述数据储存层内设有雷达点云数据库、相机实时数据库、物料重量数据库、物料体积数据库、异常车厢数据库、基础数据库，所述算法支撑层内设有雷达与相机融合算法、车厢三维重建算法、物料体积中心偏心计算算法、物料曲面拟合算法、车厢物料重量分布算法。
CN202311630775.2A 2023-12-01 2023-12-01 一种基于三维激光雷达的车厢平衡检测方法和系统 Active CN117329971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311630775.2A CN117329971B (zh) 2023-12-01 2023-12-01 一种基于三维激光雷达的车厢平衡检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311630775.2A CN117329971B (zh) 2023-12-01 2023-12-01 一种基于三维激光雷达的车厢平衡检测方法和系统

Publications (2)

Publication Number Publication Date
CN117329971A CN117329971A (zh) 2024-01-02
CN117329971B true CN117329971B (zh) 2024-02-27

Family

ID=89283452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311630775.2A Active CN117329971B (zh) 2023-12-01 2023-12-01 一种基于三维激光雷达的车厢平衡检测方法和系统

Country Status (1)

Country Link
CN (1) CN117329971B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117784166A (zh) * 2024-01-05 2024-03-29 湖北润铁轨道装备有限公司 一种基于多模态数据的铁路货运敞车折叠式活动顶盖开闭结果检测方法与系统
CN117553686B (zh) * 2024-01-12 2024-05-07 成都航空职业技术学院 一种基于激光雷达点云的车厢散料超限检测方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003035527A (ja) * 2001-07-23 2003-02-07 Kajima Corp 積載物の体積計測方法及び装置
JP2009156746A (ja) * 2007-12-27 2009-07-16 Isuzu Motors Ltd 車両の積荷重心高推定装置
CN107843186A (zh) * 2016-09-21 2018-03-27 保定市天河电子技术有限公司 一种车厢装载状态检测系统和方法
CN111045000A (zh) * 2018-10-11 2020-04-21 阿里巴巴集团控股有限公司 监测系统和方法
CN113625299A (zh) * 2021-07-26 2021-11-09 北京理工大学 基于三维激光雷达的装车物料高度与偏载检测方法及装置
WO2022011560A1 (zh) * 2020-07-14 2022-01-20 Oppo广东移动通信有限公司 图像裁剪方法与装置、电子设备及存储介质
CN114022537A (zh) * 2021-10-29 2022-02-08 浙江东鼎电子股份有限公司 一种用于动态称重区域车辆装载率和偏载率分析方法
CN114241298A (zh) * 2021-11-22 2022-03-25 腾晖科技建筑智能(深圳)有限公司 一种激光雷达和图像融合的塔吊环境目标检测方法及系统
CN114299160A (zh) * 2021-12-28 2022-04-08 江苏集萃智能光电系统研究所有限公司 基于视觉与激光雷达融合的受电弓运行状态动态检测方法
CN115439603A (zh) * 2022-08-11 2022-12-06 大连理工大学 基于多模态信息融合及语义分割的车载料堆体积计算方法
CN115909216A (zh) * 2022-12-13 2023-04-04 浙江大学 一种基于激光雷达和单目相机的货船舱口检测方法及系统
KR20230106958A (ko) * 2022-01-07 2023-07-14 한국해양과학기술원 카메라 기반의 해상 객체 위치 및 방위 정보 제공 장치 및 방법
CN116805234A (zh) * 2023-06-09 2023-09-26 嘉兴恒创电力集团有限公司博创物资分公司 一种基于激光雷达及相机融合的仓库物资管控方法
CN116843742A (zh) * 2023-03-13 2023-10-03 武汉理工大学 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1783517A1 (en) * 2005-11-04 2007-05-09 AGELLIS Group AB Multi-dimensional imaging method and apparatus
DE102020206552A1 (de) * 2020-05-26 2021-12-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Bestimmen eines Lastschwerpunkts eines homogenen Objekts
CN112614176A (zh) * 2020-11-27 2021-04-06 大连海事大学 一种带式传送机物料体积测量方法、装置及存储介质
CN113640821B (zh) * 2021-07-23 2024-01-12 鞍钢集团矿业有限公司 基于单线激光雷达扫描仪扫描的矿车装载量计量方法
CN113670413A (zh) * 2021-08-19 2021-11-19 中煤科工智能储装技术有限公司 一种用于散料装车的激光雷达数据实时处理与通信方法
CN114067076A (zh) * 2021-10-11 2022-02-18 中煤科工智能储装技术有限公司 一种散装物料装载均匀布料自适应调节方法
CN113936198B (zh) * 2021-11-22 2024-03-22 桂林电子科技大学 低线束激光雷达与相机融合方法、存储介质及装置
CN115564730A (zh) * 2022-09-30 2023-01-03 国能(天津)港务有限责任公司 一种车厢内物料统计方法、装置、计算机设备和存储介质
CN116433737A (zh) * 2023-04-26 2023-07-14 吉林大学 一种激光雷达点云与图像配准的方法、装置及智能终端
CN117092659A (zh) * 2023-07-26 2023-11-21 大连海事大学 一种激光成像雷达和相机联合测量船舶高度的系统及方法
CN117252895A (zh) * 2023-09-06 2023-12-19 武汉港迪智能技术有限公司 一种散货船图像点云融合扫描分割方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003035527A (ja) * 2001-07-23 2003-02-07 Kajima Corp 積載物の体積計測方法及び装置
JP2009156746A (ja) * 2007-12-27 2009-07-16 Isuzu Motors Ltd 車両の積荷重心高推定装置
CN107843186A (zh) * 2016-09-21 2018-03-27 保定市天河电子技术有限公司 一种车厢装载状态检测系统和方法
CN111045000A (zh) * 2018-10-11 2020-04-21 阿里巴巴集团控股有限公司 监测系统和方法
WO2022011560A1 (zh) * 2020-07-14 2022-01-20 Oppo广东移动通信有限公司 图像裁剪方法与装置、电子设备及存储介质
CN113625299A (zh) * 2021-07-26 2021-11-09 北京理工大学 基于三维激光雷达的装车物料高度与偏载检测方法及装置
CN114022537A (zh) * 2021-10-29 2022-02-08 浙江东鼎电子股份有限公司 一种用于动态称重区域车辆装载率和偏载率分析方法
CN114241298A (zh) * 2021-11-22 2022-03-25 腾晖科技建筑智能(深圳)有限公司 一种激光雷达和图像融合的塔吊环境目标检测方法及系统
CN114299160A (zh) * 2021-12-28 2022-04-08 江苏集萃智能光电系统研究所有限公司 基于视觉与激光雷达融合的受电弓运行状态动态检测方法
KR20230106958A (ko) * 2022-01-07 2023-07-14 한국해양과학기술원 카메라 기반의 해상 객체 위치 및 방위 정보 제공 장치 및 방법
CN115439603A (zh) * 2022-08-11 2022-12-06 大连理工大学 基于多模态信息融合及语义分割的车载料堆体积计算方法
CN115909216A (zh) * 2022-12-13 2023-04-04 浙江大学 一种基于激光雷达和单目相机的货船舱口检测方法及系统
CN116843742A (zh) * 2023-03-13 2023-10-03 武汉理工大学 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及系统
CN116805234A (zh) * 2023-06-09 2023-09-26 嘉兴恒创电力集团有限公司博创物资分公司 一种基于激光雷达及相机融合的仓库物资管控方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Early Identification of Unbalanced Freight Traffic Loads Based on Wayside Monitoring and Artificial Intelligence;R. Silva等;Sensors;第23卷(第3期);全文 *
铁路货车超偏载自动监测系统;孙魁元等;露天采矿技术;第35卷(第2期);摘要，第1-2节 *

Also Published As

Publication number Publication date
CN117329971A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN117329971B (zh) 一种基于三维激光雷达的车厢平衡检测方法和系统
CN108898044B (zh) 装载率获取方法、装置、系统及存储介质
CN110032949A (zh) 一种基于轻量化卷积神经网络的目标检测与定位方法
CN103593678B (zh) 一种大跨度桥梁车辆动态荷载分布检测方法
CN107314741A (zh) 货物体积测量方法
CN113516660A (zh) 适用于列车的视觉定位与缺陷检测方法和装置
CN111882882B (zh) 一种动态平板秤称重区域汽车跨车道行驶行为检测方法
CN102150011A (zh) 由至少两个用于进行光学的车轴测量的目标装置构成的目标装置组以及用所述目标装置组进行光学的车轴测量的设备
CN108877237A (zh) 基于监控视频图像的车辆行驶速度集成解算系统及方法
Zhu et al. An accurate approach for obtaining spatiotemporal information of vehicle loads on bridges based on 3D bounding box reconstruction with computer vision
CN114022537B (zh) 一种用于动态称重区域车辆装载率和偏载率分析方法
CN204881524U (zh) 一种货车车厢栏板高度检测装置
CN107796373A (zh) 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法
CN111582288A (zh) 一种基于车身振动模型的非接触式车辆超载识别系统
CN111768417A (zh) 基于单目视觉3d重建技术的铁路货车超限检测方法
CN110023953A (zh) 信息处理设备、成像设备、装置控制系统、移动体、信息处理方法以及计算机程序产品
CN112991433A (zh) 基于双目深度感知和车辆位置的货车外廓尺寸测量方法
CN113173502A (zh) 一种基于激光视觉融合和深度学习的防撞方法、系统
CN103942786A (zh) 无人机可见光和红外图像的自适应团块目标检测方法
CN112278891B (zh) 一种车厢内部姿态检测方法
Jiang et al. Bridge coating inspection based on two-stage automatic method and collision-tolerant unmanned aerial system
CN105043253B (zh) 基于面结构光技术货车侧防护栏安装尺寸测量系统及方法
CN111814739B (zh) 快递包裹体积的检测方法、装置、设备及存储介质
CN112684797A (zh) 一种障碍物地图构建方法
CN112161685A (zh) 一种基于表面特征的车辆荷载测量方法

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