一种激光盘料数据处理方法与流程

本发明涉及数据处理技术领域，尤具体是一种激光盘料数据处理方法。

背景技术：

近几年来，越来越多的料场选择轨道式激光盘料，激光测距仪通过激光点云来获取激光点云数据。由于料场现场比较复杂，人员进出、堆取料机工作、激光盘测距仪晃动和轨道机器人移动速度改变等原因，都可能会引起激光点云数据获取精度丢失。点云数据最重要的就是激光测距仪在扫描过程中，对料场中料堆点云的分配，将扫描结果处理完之后对应到坐标点上。主流的点云数据计算方法是，先计算激光测距仪的扫描范围，然后在计算轨道机器人的移动速度和料场的面积等因素，通过获取平均值等算法方式，最终获取点云数据。这种计算方式不仅计算效率不高而且精度低。

技术实现要素：

为了解决激光点云计算速度慢，精度不准确等问题，本发明主要提供一种激光点云数据处理方法，处理速度快、精度高。

本发明是以如下技术方案实现的：一种激光盘料数据处理方法，包括以下步骤：

首先，计算出料场的面积，

其次，算出面积后，获取激光点云映射在料堆表面的激光点云坐标值；

再次，通过激光点云的多个坐标值，计算出激光点云映射在料堆表面上的物理区域大小；

从次，然后按照激光点云映射在料堆表面物理区域大小对整个料场进行分区；在每个分区内，所有的点云数据都默认为此区间内的平均值；

最后，把每个分区的点云数据通过算法计算之后，跟坐标相对应，得到整个料场的点云数据集合。

优选的，采用激光测距仪获取激光点云映射在料堆表面的激光点云坐标值，计算方法如下：

定义激光测距仪xyz方向与实际扫描场景进行一一对应，对应后激光测距仪z轴为扫描场景x轴方向，激光测距仪y轴为扫描场景z轴方向，激光测距仪x轴为扫描场景y轴方向；p0,p1为同一个通道映射在料堆上的点，

坐标点p0的x坐标＝x1-l；

p0的y坐标＝t*cos(ω)*sin(α)，也就是k的距离；

p0的z坐标＝h-c；

p1的x坐标＝x1-l；

p1的y坐标＝t0*cos(ω)*sin(α’)；

p1的z坐标＝h-c

p1与p0两点之间距离为p1的y坐标-p0的y坐标。

其中，x1为轨道机器人移动距离，即激光测距仪距离原点的距离；l为p0点与激光测距仪垂直线之间的距离；h为激光测距仪距离地面的安装高度；c为激光测距仪到料堆的距离；t为p0点与激光测距仪之间的距离；ω为t通道与激光测距仪垂直线之间的夹角；α为激光测距仪通道t旋转之后的角度；t0为p1点与激光测距仪之间的距离，α’为t0通道与垂直线之间的角度。

优选的，激光点云映射在料堆表面上的物理区域大小计算方法如下：p0,p1为通道t以及旋转后t0所形成的2个点，p2,p3是相邻通道同理得出的2个点；p0、p1、p2、p3坐标连起来，获得一个矩形，通过条形料场的宽度和长度，计算出料场中矩形分布，并将矩形分布坐标存储，用于对获取的点云数据进行聚合分析。

优选的，轨道机器人移动过程中，以z坐标为判断依据，通过坐标点x,y的聚合分析，根据料场矩形分布对点云坐标进行分组，并在处理数据时，去掉组内一个x,y的最大值和一个最小值，并对组内剩余点的x进行平均，y进行平均，平均后的矩形中间点值作为这个区域的最后结果，最后把所有点连接在一起形成点云。

本发明有益效果:此方案不仅点云数据获取和处理速度快、精度高，并且由于轨道机器人和激光测距仪晃动造成的误差也可以忽略不计。

附图说明

图1是点云数据获取流程整框图；

图2是计算激光点云获取坐标值的主视图；

图3是计算激光点云获取坐标值的左视图；

图4是计算激光点云映射在料堆上物理区域的示意图；

图5是激光点云扫描料堆时的角度示意图；

图6是本发明硬件安装结构示意图；

图7是图6的i部放大图。

具体实施方式

此处给出的实施方式，仅用于解释相关发明。为了便于描述，附图中仅示出了与发明相关的部分。

如图1所示，一种激光盘料数据处理方法，实现步骤如下：

首先，计算出料场的面积，

其次，算出面积后，获取激光点云映射在料堆表面的激光点云坐标值；

再次，通过激光点云的多个坐标值，计算出激光点云映射在料堆表面上的物理区域大小；

从次，然后按照激光点云映射在料堆表面物理区域大小对整个料场进行分区；在每个分区内，所有的点云数据都默认为此区间内的平均值；

最后，把每个分区的点云数据通过算法计算之后，跟坐标相对应，得到整个料场的点云数据集合。

如图2所示，h为激光测距仪距离地面的安装高度；x1为轨道机器人移动距离，即激光测距仪距离原点的距离；t为激光点云其中一个点与激光测距仪之间的距离；ω为通道与激光测距仪垂直线之间的夹角；c为激光测距仪与地面之间的垂直线；p0为假设激光测距仪映射在料堆上的其中一个点；l为p0点与激光测距仪垂直线之间的距离；

图3中α为激光测距仪其中一个通道t旋转之后的角度；k为p0点到激光测距仪垂直线之间的角度；t0通道为t通道旋转之后的位置，p1是其映射在料堆上的点；α’为t0通道与垂直线之间的角度；h为激光测距仪的安装高度

图3中p0,p1为一同一个通道映射在料堆上的点，p2,p3为领一个通道映射的点；t为激光测距仪其中一个通道，t0为其旋转后的位置；m为p0,p1,p2,p3四个点形成的矩形之后，这个矩形的中心坐标值。

步骤1：首先定义激光测距仪xyz方向与实际扫描场景进行一一对应(因为激光测距仪自身已经定义xyz的方向)，对应后激光测距仪z轴为扫描场景x轴方向，激光测距仪y轴为扫描场景z轴方向，激光测距仪x轴为扫描场景y轴方向

根据图2示意可以得知以下已知条件：

数值x1已知

角度ω已知(激光测距仪t通道与平面yz的夹角，而不是与垂直线之间的夹角)

数值h已知(激光测距仪与水平地面距离)

步骤2：图3为激光测距仪扫描正视图，两图中t为同一通道的不同视角，t0为t通道旋转之后的位置。图3中轨道机器人正下方为原点，水平方向为y轴，垂直方向为z轴。根据图3示意可以得知以下已知条件：

角度α’已知(为t0通道与料堆垂直线之间角度)

角度α已知(为t通道与料堆垂直线之间角度)

因此：l＝t*sin(ω)；c＝t*cos(ω)*cos(α)；

步骤3：图4为轨道机器人在料堆上方的俯视图，图中不同颜色的点，代表不同的通道打在料堆上行形成的点(轨道机器人移动过程中，第二次打的点与第一次不一定水平，可能会有偏差，此处忽略)。

如图4所示p0,p1为通道t以及旋转后通道t0所形成的2个点。p2,p3是相邻通道同理得出的2个点。p0、p1、p2、p3坐标连起来(图1和图2方式可以获得所有坐标点值)，可以获得一个矩形。通过条形料场的宽度和长度，计算出料场中矩形分布，并将矩形分布坐标存储，用于对获取的点云数据进行聚合分析。

随着轨道机器人移动和激光测距仪旋转中，会有很多个点打在矩形中。轨道机器人移动过程中难免会出现晃动，所以会造成不准确，以z坐标为判断依据，通过坐标点xy的聚合分析，根据料场矩形分布对点云坐标进行分组，并在处理数据时，去掉组内一个x,y的最大值和一个最小值，并对组内剩余点的x进行平均，y进行平均，提高精度。平均后的矩形中间点值作为这个区域的最后结果，最后把所有点连接在一起形成点云。

步骤4：图5中e为激光测距仪可以完全覆盖料堆的角度，大约为90度。激光测距仪测量时激光会沿着自身顺时针旋转一周，但是我们需要的数据只有蓝色部分。所以只获取0-45度和315-360度范围内的数据。

根据上述条件，定义激光测距仪xyz方向与实际扫描场景进行一一对应，对应后激光测距仪z轴为扫描场景x轴方向，激光测距仪y轴为扫描场景z轴方向，激光测距仪x轴为扫描场景y轴方向；p0,p1为同一个通道映射在料堆上的点，

坐标点p0的x坐标＝x1-l；

p0的y坐标＝t*cos(ω)*sin(α)，也就是k的距离；

p0的z坐标＝h-c；

p1的x坐标＝x1-l；

p1点跟p0点为同一时间同一通道照射出的点云数据，所以p1的x作为跟p0的x和z坐标均相同；

p1的y坐标＝t0*cos(ω)*sin(α’)；

p1的z坐标＝h-c

p1与p0两点之间距离为p1的y坐标-p0的y坐标。

以上方式可以求到任意一个通道打到料堆上的点的xyz坐标值(如p0),也可以求到这个通道旋转一定角度后的下一个点坐标值(如p1)。

如图6和图7所示，为了能够满足料场盘煤的要求，硬件设备安装情况如下：需要在料场检修马道的下方，布置一条环形轨道1、一套轨道机器人2、一套无线充电装置、一套激光测距仪3。

轨道的安装借助料场干煤棚顶部的马道作为支撑载体，在马道下方布置一条贯穿整个料堆的环形行走轨道。轨道机器人安装于轨道上，并布置有轨道机器人的检修平台4，方便轨道机器人的保养与维护。

激光测距仪由安装附件固定于轨道机器人上，并由轨道机器人的备用电源来供电。当轨道机器人备用电源电量将耗尽时，会自动运动到轨道机器人的无线充电站处充电，当电量充满后自动开始盘煤工作。

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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。