一种粮仓储粮体积测量的方法和系统的制作方法
【专利摘要】本发明公开了一种粮仓储粮体积测量的方法和系统，该方法包括：S1：获取在粮仓内不同位置扫描得到的至少一个点云图像；S2：对所述点云图像进行图像配准，以得到目标点云图像；S3：计算所述目标点云图像所占据的第一体积，以及预先获取的所述粮仓在空仓状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。该方法通过在粮仓的不同位置，例如，粮仓的每个拐角处，获取粮仓内的点云图像，对获取的所有点云图像进行图像配准和拼接，得到粮仓内均匀的点云图像，进而对粮仓内的储粮体积进行计算。均匀的点云图像的获取保了粮仓内图像的完成性，提高了测量的精度，能够快速、精准的计算出粮仓，尤其是大体积的粮仓，的储粮体积。
【专利说明】
一种粮仓储粮体积测量的方法和系统
技术领域
[0001 ]本发明属于测量技术领域，具体涉及一种粮仓储粮体积测量的方法和系统。
【背景技术】
[0002] 高效、准确、安全的粮食储量测量方法是高质量的粮食储备监管系统其系统的重 点，是保障国家利益和粮食安全的关键。传统的粮仓内粮食储量的测算通常依赖清仓查库 的统计监测方法，一般使用钢卷尺等长度测量工具丈量，通过测量粮堆的外型尺寸并根据 粮堆的几何形状计算出粮堆体积。该方法耗费大量人力、物力，无法保证清仓查库时的粮食 安全，且由于粮堆呈现不规则形状、粮面不平整以及仓房形状不规则等现象，该方法会对粮 食储量计算结果产生较大误差。
[0003] 现有的粮食储量测量方法，一方面利用计算机辅助设计对粮仓进行空间建模，使 用导轨移动式三维激光扫描粮堆，生成粮堆表面点云，并得到粮堆形貌，进而计算出体积。 另一方面使用线激光器扫描粮堆表面得到其表面起伏结构，再通过线激光器的步进移动采 集粮堆整体模型，通过建立粮堆数学模型并计算出粮堆体积。然而，这些方法受粮仓体量与 采集设备精度限制，当粮仓体积很大时，无法精准的获取粮仓内部的图像，从而无法精确获 取粮仓内部完整结构，测量粮仓内的粮堆体积。
【发明内容】
[0004] 本发明所要解决的技术问题是如何快速、精准的计算出粮仓储粮体积。
[0005] 针对以上技术问题，本发明提供了一种粮仓储粮体积测量的方法，包括：
[0006] S1:获取在粮仓内不同位置扫描得到的至少一个点云图像；
[0007] S2:对所述点云图像进行图像配准，以得到目标点云图像；
[0008] S3:计算所述目标点云图像所占据的第一体积，以及预先获取的所述粮仓在空仓 状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。
[0009] 优选地，所述步骤S2包括：
[0010] S21:提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向三角形；
[0011] S22:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向 三角形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述第一有向 三角形与所述原始有向三角形重合的第一坐标变换参数；
[0012] S23:重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云图像，以得 到除所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的第一坐标 变换参数；
[0013] S24:将除所述原始点云图像之外的每一点云图像按照与其对应的第一坐标变换 参数进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像；
[0014] 其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原 始点云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图 像之外的任一所述点云图像。
[0015] 优选地，所述步骤S22包括：
[0016] S221:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向 三角形重合的欧氏距离小于预设距离的第一有向三角形，并获取将所述第一有向三角形与 所述原始有向三角形重合的第一坐标变换参数；
[0017] S222:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到的 中间点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是，则 在所述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执行 步骤S23。
[0018] 优选地，所述步骤S222包括：
[0019] S2221:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到 的中间点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是， 则在所述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执 行步骤S2222;
[0020] S2222:判断所述中间点云图像的第一标记位置与所述原始点云图像的原始标记 位置之间的欧氏距离是否大于所述第二预设距离，若是，则获取所述第一点云图像变换为 所述中间点云图像后再旋转至所述第一标记位置与所述原始标记位置重合所对应的坐标 变换参数，以作为第一坐标变换参数，否则，执行步骤S23。
[0021] 优选地，所述第一体积通过将所述目标点云图像进行四面体剖分计算得到。
[0022] 优选地，所述粮仓在空仓状态下的第二体积通过对空仓状态下的粮仓进行扫描得 到，或者，根据设置在所述粮仓内的标尺显示的所述粮仓内的储粮高度进行估算得到。 [0023]优选地，所述第一点云图像与所述原始点云图像之间的坐标变换满足：
[0024] J' = r(Rj,s)-p
[0025] 其中，|为第一点云图像中点的坐标，r:(尾i，s_)为坐标变换参数，为坐标变换参 数中的三个参数，分别为:旋转矩阵、平移向量、尺度缩放因子;所述p为所述第一点云图像 中点经坐标变换后的坐标。
[0026] 优选地，所述坐标变换参数7'(具体为： eos ^CQS/ - 5 sin ^ sin /3 cos y - cos a sin y cos a sin p cos / + sin a sin y lx - cos /7sin / (sin a sin /； sin y + cos a cos y) ? .v cos a sin sm y - si n a cos y /.
[0027] nR.i.s): f. : . - sm p sm a cos p cos aeos p ^ s t. 0 0 0 l-s
[0028]其中，a，0, y和tx，ty，tz是欧氏变换的6个参数，a，0, y旋转矩阵R的绕三个坐标轴 旋转的参数，tx, ty, tz是平移向量7的沿三个坐标轴移动的参数，s是尺度缩放因子。
[0029] 另一方面，本发明提供了一种粮仓储粮体积测量的系统，包括：
[0030] 扫描模块，用于获取在粮仓内不同位置扫描得到的至少一个点云图像；
[0031] 配准模块，用于对所述点云图像进行图像配准，以得到目标点云图像；
[0032] 计算模块，用于计算所述目标点云图像所占据的第一体积，以及预先获取的所述 粮仓在空仓状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。
[0033]优选地，所述配准模块包括：
[0034]提取单元，用于提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向 三角形；
[0035]匹配单元，用于在第一点云图像中的所有有向三角形中查找与原始点云图像中的 原始有向三角形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述 第一有向三角形与所述原始有向三角形重合的第一坐标变换参数；
[0036]校验单元，用于重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云 图像，以得到除所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的 第一坐标变换参数；
[0037]拼接单元，用于将除所述原始点云图像之外的每一点云图像按照与其对应的第一 坐标变换参数进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像；
[0038]其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原 始点云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图 像之外的任一所述点云图像。
[0039] 本发明提供的粮仓储粮体积测量的方法和系统，通过在粮仓的不同位置，例如，粮 仓的每个拐角处，获取粮仓内的点云图像，对获取的所有点云图像进行图像配准和拼接，得 到粮仓内均匀的点云图像，进而对粮仓内的储粮体积进行计算。均匀的点云图像的获取保 了粮仓内图像的完成性，提高了测量的精度，能够快速、精准的计算出粮仓，尤其是大体积 的粮仓，的储粮体积。此外，该方法及系统，设备简单，操作方便，适用性广。
【附图说明】
[0040] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根 据这些附图获得其他的附图。
[0041 ]图1是本发明实施例提供的粮仓储粮体积测量的方法的流程示意图；
[0042]图2是本发明实施例提供的粮仓储粮体积测量过程中点云图像的配准过程示意 图；
[0043]图3是本发明实施例提供的由点云图像计算粮仓储粮体积的过程的示意图；
[0044] 图4是本发明实施例提供的粮仓处于空仓状态时的体积测量过程的示意图；
[0045] 图5是本发明实施例提供的粮仓储粮体积测量的系统的结构示意图。
【具体实施方式】
[0046] 为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047] 图1是本实施例提供的粮仓储粮体积测量的方法的流程示意图，参见图1，该方法 包括：
[0048] S1:获取在粮仓内不同位置扫描得到的至少一个点云图像；
[0049] S2:对所述点云图像进行图像配准，以得到目标点云图像；
[0050] S3:计算所述目标点云图像所占据的第一体积，以及预先获取的所述粮仓在空仓 状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。
[0051] 点云图像通过设置在粮仓不同位置的扫描装置，对粮仓进行三维扫描得到。
[0052] 点云图像的图像配准指的是将不同位置处得到的点云图像进行叠加，以得到粮仓 内各个位置的采集点密度相同的扫描图像。由于三维激光扫描仪采集粮仓内部的离散三维 点云时，其扫描精度与目标点至扫描仪距离有关，因粮仓通常体积庞大，在距离扫描仪较远 的区域采集点的密度与精度均大幅下降。将不同位置处采集的点云图像进行配准可以弥补 因扫描精度问题带来的图像不均匀的缺陷。
[0053] 本实施例提供的粮仓储粮体积测量的方法，通过在粮仓的不同位置，例如，粮仓的 每个拐角处，获取粮仓内的点云图像，对获取的所有点云图像进行图像配准和拼接，得到粮 仓内均匀的点云图像，进而对粮仓内的储粮体积进行计算。均匀的点云图像的获取保了粮 仓内图像的完成性，提高了测量的精度，能够快速、精准的计算出粮仓，尤其是大体积的粮 仓，的储粮体积。此外，该方法操作方便，适用性广。
[0054] 进一步地，所述步骤S2包括：
[0055] S21:提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向三角形；
[0056] S22:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向 三角形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述第一有向 三角形与所述原始有向三角形重合的第一坐标变换参数；
[0057] S23:重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云图像，以得 到除所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的第一坐标 变换参数；
[0058] S24:将除所述原始点云图像之外的每一点云图像按照与其对应的第一坐标变换 参数进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像；
[0059]其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原 始点云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图 像之外的任一所述点云图像。
[0060]本实施例提供了点云图像的配准方法，在配准过程中，依据点云模型的三维凸包 结构信息，匹配待配准模型凸包上的对应特征，用以克服初始位姿差距对配准的影响，完成 多组三维点云数据间的配准与拼接。
[0061 ]具体地，对获取的点云图像进行凸包提取，并提取凸包上的所有有向三角形，有向 三角形的方向统一规定。以获取的点云图像中的任一点云图像为原始点云图像，选取原始 点云图像中的一个有向三角形作为原始有向三角形。
[0062] 在对点云图像中的一个第一点云图像进行配准的过程中，采用枚举的方法从第一 点云图像的有向三角形中找到与原始有向三角形匹配的第一有向三角形。计算出将第一有 向三角形转变为与原始有向三角形重合的三角形时的第一坐标变换参数。通过该方法找到 所有点云图像转变为原始点云图像的第一坐标变换参数。第一欧氏距离指的是匹配的有向 三角形的每个点之间的距离。
[0063] 按照每一点云图像对应的第一坐标变换参数将每一点云图像转变为以原始点云 图像为坐标系的图像，得到所有点云图像重叠的与目标点云图像。
[0064]本实施例提供的点云图像的配准方法通过点云上的有向三角形进行匹配。
[0065] 进一步地，所述步骤S22包括：
[0066] S221:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向 三角形重合的欧氏距离小于预设距离的第一有向三角形，并获取将所述第一有向三角形与 所述原始有向三角形重合的第一坐标变换参数；
[0067] S222:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到的 中间点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是，则 在所述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执行 步骤S23。
[0068]本实施例提供了另一种点云图像匹配的方法，基于上述的匹配方法，通过有向三 角形找到第一坐标变换参数后，为了对匹配结果进行优化，需要检验匹配后的第一点云图 像与原始点云图像是否每个点的欧氏距离，也就是第二欧氏距离，是否大于第二预设距离， 若是，说明在该第一坐标变换参数下，第一点云图像与原始点云图像没有实现最佳匹配，则 重新在原始点云图像中确定一个原始有向三角形，返回步骤S221，找到使第一点云图像与 原始点云图像配准的优化参数。
[0069]本实施例保证了第一点云图像与原始点云图像的最优匹配。
[0070] 进一步地，所述步骤S222包括：
[0071] S2221:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到 的中间点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是， 则在所述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执 行步骤S2222;
[0072] S2222:判断所述中间点云图像的第一标记位置与所述原始点云图像的原始标记 位置之间的欧氏距离是否大于所述第二预设距离，若是，则获取所述第一点云图像变换为 所述中间点云图像后再旋转至所述第一标记位置与所述原始标记位置重合所对应的坐标 变换参数，以作为第一坐标变换参数，否则，执行步骤S23。
[0073]本实施例提供了用于检测第一点云图像与原始点云图像在匹配时是否出现对称 性问题的方法。
[0074]本实施例采用基于凸包匹配的三维点云配准和拼接的方法，对粮仓内多个位置采 集的三维点云数据进行拼接，拼接之前需要对点云图像进行配准。
[0075]首先对于第一点云图像Px和原始点云图像Py，计算Px和Py的三维凸包结构及其有 向三角形集合F(Px)和F(Py)。
[0076]对第一点云图像Px的任意一个第一有向三角形F(Px)i，与原始点云图像的一个原 始有向三角形f(py)」进行配对，计算出两个三角形之间的坐标变换参数r(見心）。
[0077]使第一有向三角形F(Px)i经过：变换后与原始有向三角形F(PY)j之间的相似 度最大，即对应点云之间的欧氏距离最小，该过程采用LM(Levenberg-Marquarat)算法。 [0078]其中，第一点云图像Px和原始点云图像Py之间的坐标变换的函数可以表示为：
[0079] T(R.,'.s)i ： =urgirih)i!{T(Rj.s)-F(f\ ),-r(/； ),.)
[0080] 其中，F(Px)i为第一点云图像上的有向三角形集合中的第i个有向三角形，F(PY)j 为原始点云图像上的有向三角形集合中的第j个有向三角形，表示F(Px)i与F(PY)j 配对后对应的最优变换参数，r(i?J，y是第一点云图像与原始点云图像配对后的坐标变换参 数。有向三角形之间存在最优一致关系，使得对应点云间的欧氏距离在所有 配对中最小，R为旋转矩阵、？为平移向量、S为尺度缩放因子，arg min d为函数名称。
[0081] 此时F(Px)i与其最优配对间的变换矩阵即为F(PY)j对应的最优变换〇/?./.、):、对F (Py)中的每一个三角形F(Py)」进行配对，在每组配对结果中取最优的一致性关系，最终获得 变换矩阵如下：
[0082] = argnlax/CrOR,?,.?):^,^ )
[0083] 在配准(本发明使用刚性配准)结束后，将得到的变换矩阵作用于待配准的第一点 云图像，变换矩阵包括欧式变换以及尺度缩放（用于采集的点云数据所在的坐标系的标尺 不同）两部分。欧氏变换受到旋转矩阵与平移向量共同约束，旋转矩阵R由绕三轴旋转H Y的3个参数组成，平移向量？则有t x，ty，tz3个参数组成，即欧氏变换由6个参数限定。尺度 缩放变换由缩放因子s限定。因此三维坐标系下的刚性变换矩阵7从.7..、_)为7个参数约束下的 坐标变换矩阵，即： cos pcosy .v sin a sin pcos y - cos a sin y cos a sin pcos y + sin sin / /, cos y^ sin / (sin a sin^sin r + gos <z cos^) s cos a sin f3： sin y - sin a eos/ t
[0084] T(R,t,s)- _sin p sinacos/^ cos&co&^'S t: _ 0 0: 0 1.5：
[0085] 任意点p的坐标变换可表示为：r(足J = =尸，其中，J为第一点云图像中 点的坐标，为坐标变换参数，为坐标变换参数中的三个参数，分别为:旋转矩阵、 平移向量、尺度缩放因子;所述P为所述第一点云图像中点经坐标变换后的坐标。
[0086] 图2是本实施例提供的粮仓储粮体积测量过程中点云图像的配准过程示意图，参 见图2,对于完全对称的结构（图2中的201和202)在进行配准时，因其对称相似性，当待配准 模型（图2中的201)与原始模型（图2中的202)具有180°方向偏差时，配准后的结果如图2中 的203所示，其相似性测度函数（即欧氏距离)依然可以指示收敛到最优值。因此在配准完成 后验证配准结果。即在图2中需将待配准模型旋转180°后进行配准，使得待配准模型和原始 模型上的标记位置(图2中的黑色方块)重叠（图2中的204)。
[0087]进一步地，所述第一体积通过将所述目标点云图像进行四面体剖分计算得到。 [0088]所述粮仓在空仓状态下的第二体积通过对空仓状态下的粮仓进行扫描得到，或 者，根据设置在所述粮仓内的标尺显示的所述粮仓内的储粮高度进行估算得到。
[0089 ]具体地，体积的计算采用基于D e 1 a u n a y三角剖分的三维点云四面体剖分的方法。 Delaunay三角剖分是一种特殊的三角剖分，具有三角剖分最小内角最大性质。对于三维情 况，记三维点云P二丨77尺J, 〃).巧,巧丨（即第一点云图像Px和原始点云图像Py进行经坐标变换 参数进行空间坐标变换重叠后的目标点云图像）。
[0090] TE = {TEi，TE2，…，TEn}是目标点云图像P经过De 1 aunay四面体剖分后生成的四面 体集合，则TE满足以下条件：
[0091] TE中所有四面体的顶点都属于P;
[0092] TE中任意两个四面体或者不相交，或者交集为一个顶点或一条边或一个面；
[0093] TE中任意一个四面体TEi的外接球不包含P\TEi中任意一点。
[0094] 经证明满足以上条件的TE唯一。生成Delaunay四面体的过程采用Bowyer-Watson 算法，目标点云图像模型的体积V可以通过计算每个四面体的体积之和得到，如下式， n.
[0095] V = ⑴ iieiJE,)
[0096] 图3是本实施例提供的由点云图像计算粮仓储粮体积的过程的示意图，参见图3， 分别得到粮仓的满仓状态和空仓状态下的点云图像，采用基于Delaunay三角剖分的三维点 云四面体剖分的方法，分别获取空仓扫描模型的第二体积和满仓扫描模型的第一体积，通 过计算第二体积与第一体积的差计算粮堆的体积，或者得到实际粮堆模型。
[0097] 图4是本实施例提供的粮仓处于空仓状态时的体积测量过程的示意图，参见图4， 在事先未获取空仓三维点云模型的情况下，根据粮仓内标尺线可确定粮面四角点的空间位 置，从而对空仓的体积进行计算。
[0098] 通过对满仓点云模型进行PCA(Principal Component Analysis)主轴估计，获取 点云的垂直方向和水平方向。根据四角点的位置求得虚拟空仓模型，利用虚拟空仓模型和 满仓模型，使用上述实施例中的方法，即可获得实际粮堆的体积。
[0099] PCA主轴估计获取满仓模型垂直和水平方向，并重建空仓的三维点云模型的过程。 对于满仓扫描模型经配准和拼接后的目标三维点云图像P，可以表示为： { \ A 乃 zi X, , -v
[0100] P 二；r =(x,y,z) i.% y? ^ n J
[0101] 其中，n表示目标三维点云图像中点的个数，x，y，z分别为点的空间坐标的列向量。 原始采集的点云数据存在一个默认的坐标系，此坐标系不一定能正确表示主轴的方向。主 成分分析就是将3个观测变量综合成为新的变量，SP x = anx + any + al3z
[0102] <: v1* - + <7,-. v -}- avz z'^aitx + ai2y + ai3z
[0103]经此变换后要求模型满足以下条件j'，z'互不相关;Y的方差大于/的方差 大于y的方差=丨(々=丨,2,3)。上述模型用矩阵表示为#=4?，其中4为主成 分系数矩阵，矩阵A可以通过计算点云数据P相关系数矩阵和特征值相对应得特征向量求 得。
[0104] 矩阵A是一特殊的空间变换矩阵，其空间变换参数仅包含旋转。对原始的坐标系进 行旋转变换得到新的坐标系，将三维点数据分别对新的坐标轴方向进行投影，使得Y的方 差尽量大，并满足以上条件。
[0105] 根据对粮仓实际几何模型的判断，Y 为其关于实际物理空间坐标的点坐标 值。再根据粮面四角点的空间位置，和求得主轴方向，可以对空仓粮仓模型进行重建。
[0106] 进一步地，所述第一点云图像与所述原始点云图像之间的坐标变换满足：
[0107] J'= '/(^7..')-7；
[0108] 其中，为第一点云图像中点的坐标，n足u)为坐标变换参数，足7,s为坐标变换参 数中的三个参数，分别为:旋转矩阵、平移向量、尺度缩放因子;所述7为所述第一点云图像 中点经坐标变换后的坐标。
[0109] 所述坐标变换参数具体为： cos p cos f ? s sin a sin /)\'〇s;/ -cosa sin;/ cos a sin p cos y + sin a sin y - cos ^ sin ^ (sin a sin 0 sin y + cos c^ cos /) * 5 cos a sin f3siny- sin a cos y tv
[0110]取⑶=-sm^ smacos/? 爾哪" / 0 0 0 1-5
[0111] 其中，a，0, y和tx，ty，tz是欧氏变换的6个参数，a，0, y旋转矩阵R的绕三个坐标轴 旋转的参数，tx, ty, tz是平移向量？的沿三个坐标轴移动的参数，s是尺度缩放因子。
[0112] 图5是本发明实施例提供的粮仓储粮体积测量的系统的结构示意图，参见图5,该 粮仓储粮体积测量的系统500，包括：
[0113]扫描模块501，用于获取在粮仓内不同位置扫描得到的至少一个点云图像；
[0114]配准模块502,用于对所述点云图像进行图像配准，以得到目标点云图像；
[0115]计算模块503,用于计算所述目标点云图像所占据的第一体积，以及预先获取的所 述粮仓在空仓状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。
[0116] 本发明提供的粮仓储粮体积测量的系统，通过在粮仓的不同位置，例如，粮仓的每 个拐角处，获取粮仓内的点云图像，对获取的所有点云图像进行图像配准和拼接，得到粮仓 内均匀的点云图像，进而对粮仓内的储粮体积进行计算。均匀的点云图像的获取保了粮仓 内图像的完成性，提高了测量的精度，能够快速、精准的计算出粮仓，尤其是大体积的粮仓， 的储粮体积。此外，该系统，设备简单，操作方便，适用性广。
[0117] 进一步地，所述配准模块包括：
[0118] 提取单元，用于提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向 三角形；
[0119]匹配单元，用于在第一点云图像中的所有有向三角形中查找与原始点云图像中的 原始有向三角形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述 第一有向三角形与所述原始有向三角形重合的第一坐标变换参数；
[0120]校验单元，用于重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云 图像，以得到除所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的 第一坐标变换参数；
[0121]拼接单元，用于将除所述原始点云图像之外的每一点云图像按照与其对应的第一 坐标变换参数进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像；
[0122] 其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原 始点云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图 像之外的任一所述点云图像。
[0123] 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，对于本领域的技 术人员来说，本发明可以有各种更改和变化。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。
【主权项】
1. 一种粮仓储粮体积测量的方法，其特征在于，包括： SI:获取在粮仓内不同位置扫描得到的至少一个点云图像； S2:对所述点云图像进行图像配准，以得到目标点云图像； S3:计算所述目标点云图像所占据的第一体积，以及预先获取的所述粮仓在空仓状态 下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。2. 根据权利要求1所述的粮仓储粮体积测量的方法，其特征在于，所述步骤S2包括： S21:提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向三角形； S22:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向三角 形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述第一有向三角 形与所述原始有向三角形重合的第一坐标变换参数； S23:重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云图像，以得到除 所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的第一坐标变换 参数； S24:将除所述原始点云图像之外的每一点云图像按照与其对应的第一坐标变换参数 进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像； 其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原始点 云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图像之 外的任一所述点云图像。3. 根据权利要求2所述的粮仓储粮体积测量的方法，其特征在于，所述步骤S22包括： S221:在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始有向三角 形重合的欧氏距离小于预设距离的第一有向三角形，并获取将所述第一有向三角形与所述 原始有向三角形重合的第一坐标变换参数； S222:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到的中间 点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是，则在所 述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执行步骤 S23〇4. 根据权利要求3所述的粮仓储粮体积测量的方法，其特征在于，所述步骤S222包括： S2221:判断所述第一点云图像按照所述第一坐标变换参数进行坐标变换后得到的中 间点云图像与所述原始点云图像之间的第二欧氏距离是否大于第二预设距离，若是，则在 所述原始点云图像的凸包内重新确定一个原始有向三角形，并返回步骤S221，否则，执行步 骤S2222; S2222:判断所述中间点云图像的第一标记位置与所述原始点云图像的原始标记位置 之间的欧氏距离是否大于所述第二预设距离，若是，则获取所述第一点云图像变换为所述 中间点云图像后再旋转至所述第一标记位置与所述原始标记位置重合所对应的坐标变换 参数，以作为第一坐标变换参数，否则，执行步骤S23。5. 根据权利要求1所述的粮仓储粮体积测量的方法，其特征在于，所述第一体积通过将 所述目标点云图像进行四面体剖分计算得到。6. 根据权利要求1所述的粮仓储粮体积测量的方法，其特征在于，所述粮仓在空仓状态 下的第二体积通过对空仓状态下的粮仓进行扫描得到，或者，根据设置在所述粮仓内的标 尺显示的所述粮仓内的储粮高度进行估算得到。7. 根据权利要求1至6中任一项所述的粮仓储粮体积测量的方法，其特征在于，所述第 一点云图像与所述原始点云图像之间的坐标变换满足： p' = T{R't、s、· P 其中，?为第一点云图像中点的坐标，八兄7. W为坐标变换参数，为坐标变换参数中 的三个参数，分别为:旋转矩阵、平移向量、尺度缩放因子;所述p为所述第一点云图像中点 经坐标变换后的坐标。8. 根据权利要求7所述的粮仓储粮体积测量的方法，其特征在于，所述坐标变换参数 r(,V.7.y)具体为：其中，α,β, γ和tx，ty，tz是欧氏变换的6个参数，α,β, γ旋转矩阵R的绕三个坐标轴旋转 的参数，tx，ty，tz是平移向量_Γ的沿三个坐标轴移动的参数，s是尺度缩放因子。 9 . 一种粮仓储粮体积测量的系统，其特征在于，包括： 扫描模块，用于获取在粮仓内不同位置扫描得到的至少一个点云图像； 配准模块，用于对所述点云图像进行图像配准，以得到目标点云图像； 计算模块，用于计算所述目标点云图像所占据的第一体积，以及预先获取的所述粮仓 在空仓状态下的第二体积和所述第一体积的差，以得到所述粮仓内的储粮体积。10.根据权利要求9所述的粮仓储粮体积测量的系统，其特征在于，所述配准模块包括： 提取单元，用于提取每一所述点云图像的凸包结构，以及所述凸包结构上的有向三角 形； 匹配单元，用于在第一点云图像中的所有有向三角形中查找与原始点云图像中的原始 有向三角形之间的第一欧氏距离小于第一预设距离的第一有向三角形，并获取使所述第一 有向三角形与所述原始有向三角形重合的第一坐标变换参数； 校验单元，用于重复执行步骤S22,直到遍历除所述原始点云图像之外的所有点云图 像，以得到除所述原始点云图像之外的每一点云图像与所述原始点云图像重合所对应的第 一坐标变换参数； 拼接单元，用于将除所述原始点云图像之外的每一点云图像按照与其对应的第一坐标 变换参数进行坐标变换，以得到与所述原始点云图像重合后的目标点云图像； 其中，所述原始点云图像为任一所述点云图像，所述原始有向三角形是在所述原始点 云图像的凸包内随机确定的一个有向三角形;所述第一点云图像为除所述原始点云图像之 外的任一所述点云图像。
【文档编号】G06T7/00GK105931238SQ201610245403
【公开日】2016年9月7日
【申请日】2016年4月19日
【发明人】杨健, 范敬凡, 王涌天, 艾丹妮, 朱建军
【申请人】北京理工大学