一种基于三维重建的堆场体积计算方法及终端设备与流程

本发明属于堆料体积测量，尤其涉及一种基于三维重建的堆场体积计算方法及终端设备。

背景技术：

1、近年来，国家不断推进智慧矿山建设，其中矿山堆场仓储管理是关键一环，实时掌握堆场情况、获取堆场体积对设备人员管理、仓储调度具有十分重要的意义。

2、传统堆场体积测量方法主要采用人力手持全站仪、rtk等仪器提取特征点进行人工监测，但是，该方法作业效率低、人力成本高，测量盲区大，对于大型料堆无法实现完整建模，且人工操作仪器测量速度慢，难以实现堆场体积的实时增量更新。

3、申请号为cn115115778a的中国发明专利申请提供了一种基于三维重建和点云分割的大型堆场体积盘点方法，其使用无人机采集目标堆场的俯视图像，利用三维重建算法将所述俯视图像在三维空间中生成点云p，用于表示真实的堆场场景，并采用基于法向量的点云分割划分点云p中的物料堆，计算每个物料堆的体积，从而进行大型堆场物料的体积盘点。但是该方法需要使用无人机对堆料进行全方位扫描，采集目标堆场的俯视图像，对飞手要求较高，需专业飞手操控无人机，人力成本高，且无人机采集速度慢，无法实时监测、更新堆场模型，难以实现堆场常态化建模；同时，该方法需要计算点云p中每个点pi的法向量信息，大幅增加计算复杂度和时间开销，效率较低，且该方法主要依赖于点pi的法向量信息进行划分物料点和地面点，对离群点较为敏感，无法有效处理堆场点云数据中的离群点，抗干扰性弱，鲁棒性弱；另外，该方法在点云扫描过程中，需要进行全方位扫描，采集目标堆场的俯视图像，数据量大，建模效率较低。

技术实现思路

1、本发明的目的在于，针对上述现有技术的不足，提供一种基于三维重建的堆场体积计算方法及终端设备，可以实时监测、更新堆场模型，实现自动化、常态化点云数据采集，以适用于大型堆场的体积自动测算，能够大幅提升堆场三维重建及体积计算的效率和精度。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、一种基于三维重建的堆场体积计算方法，其特征在于，包括以下步骤：

4、s1、使用设于堆场的多个激光雷达采集堆场点云数据；

5、s2、对激光雷达进行外参标定，确定激光雷达的外参；所述外参包括激光雷达的俯仰角pitch、翻滚角roll、偏航角yaw；

6、s3、将激光雷达设置在同一ip网内，根据所述激光雷达的外参，将不同激光雷达采集到的点云数据统一到同一坐标系，从而将多个激光雷达采集到的点云数据拼接在一起，得到堆场激光点云；其中，所述同一坐标系为选定一个激光雷达为标准，将所有激光雷达的点云数据都统一到该激光雷达的坐标系下；

7、s4、对堆场激光点云进行分割，得到料堆与地面、穹顶的激光点云集，提取堆料模型；

8、s5、根据堆料模型，构建delaunay三角网；

9、s6、以delaunay三角网中每个三角形作为底面，三角形顶点对应的三点到平面距离的均值作为高，计算堆场体积为所有三棱柱的体积之和。

10、优选地，所述步骤s2中，使用tfac自动外参标定算法对所述激光雷达进行外参标定。

11、进一步，所述步骤s3中，对所述堆场激光点云进行体素划分，采用体素质心pcentroid(xcentroid,ycentroid,zcentroid)代替体素内所有点，其中，体素质心pcentroid(xcentroid,ycentroid,zcentroid)为

12、

13、(xi，yi，zi)为体素内的第i个点的坐标，m为体素内所有点的个数。

14、传统的堆场物料的体积盘点方法直接对堆场点云p中所有的点pi进行计算，该方法计算量过于庞大，数据运行效率低；本发明对体素中的点进行降采样，将体素质心代替体素内所有点，尽可能地保留原始信息，在保证采样结果准确的同时减少计算量，对原始数据有较好的表示效果，提升后续堆场三维重建及体积计算的测量效率。

15、优选地，所述步骤s4中，使用ransac平面分割算法对所述堆场激光点云进行分割。

16、相比于通过计算点云p中每个点pi的法向量信息，将每个点pi划分为物料点或地面点的方法，ransac算法为一种异常值检测方法，受异常值(离散点)影响小，可以有效处理堆场点云数据中的离群点，鲁棒性更强；且ransac算法不需要预先计算点云中每个点的法向量信息，可以直接使用点云的几何信息进行模拟拟合和分割。

17、进一步，当所述步骤s1中多个激光雷达设于堆场一侧时，在步骤s4～s5之间，还包括：获取堆料本体最大切面对应的平面为ax+by+cz+d＝0，计算三维空间中点云(x0,y0,z0)关于平面ax+by+cz+d＝0的对称点(x',y',z')，通过点云镜像，模拟堆料被遮挡的一侧，重建完整料堆模型；

18、其中，a，b，c，d为平面系数，

19、

20、针对堆场垂直落料方式导致料堆呈现对称性的特点，采用激光雷达扫描一侧料堆，使用点云镜像方法模拟对侧料堆进行三维重建，无须对目标堆场进行全方位扫描，输出每个扫描角度的点云数据，再对每个扫描角度的点云数据进行点云数据融合，大大减少了计算量和时间开销，提高建模效率。

21、优选地，所述步骤s5中，构建delaunay三角网的具体实现过程包括：

22、s51、根据点云坐标分布，定义一个包含全部计算区域的超级三角形，从三角形集合中取出一个三角形abc，其顶点为a(x1,y1)，b(x2,y2)，c(x3,y3)，计算所述三角形abc的外接圆为：

23、

24、其中，所述三角形集合为点云点集构成的满足delaunay条件的三角形，(x0，y0)为所述三角形abc的外接圆圆心的坐标，r为所述三角形abc的外接圆半径；

25、s52、在所述三角形abc中插入一点p，获取并删除所述三角形集合中所有三角形m，形成空腔，将点p与空腔节点相连，形成新的三角形网格，其中，所述三角形m的外接圆包含点p；

26、s53、更新数据结构，用新生成的三角形网格填充删除的三角形数据，返回步骤s51，重复执行步骤s51～步骤s53，直至所有点都被插值，构建delaunay三角网。

27、进一步，在所述步骤s5～所述步骤s6之间，还包括：对所述delaunay三角网进行点云孔洞修补，恢复模型表面形状。

28、在堆料体积测量技术领域，对于三维重建后的堆场模型，由于物体的形状复杂或者测量方式本身的缺陷，三维点云数据常常存在孔洞，而传统的堆场物料的体积盘点方法并未对这些孔洞进行处理，严重影响模型重建后曲面的质量；本发明通过对构建的delaunay三角网进行点云孔洞修补，恢复堆场模型表面形状，能够大幅提升后续堆场三维重建模型的质量与精度。

29、作为一个发明构思，本发明还提供了一种终端设备，包括：

30、一个或多个处理器；

31、存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明上述方法的步骤。

32、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现本发明上述方法的步骤。

33、与现有技术相比，本发明所具有的有益效果为：

34、(1)本发明通过固定式激光雷达标定与堆场三维重建方法，可以实时监测、更新堆场模型，实现自动化、常态化点云数据采集，解决无人机巡检方法对人员操作要求高、采集速度慢，难以实时更新重建模型的问题，同时弥补我国矿业领域主要采用人工操作仪器提取特征点进行体积计算，测量效率低、覆盖范围小、人力成本高的缺陷，适用于各种大中小型堆场使用，尤其适用于大型堆场的体积自动测算。

35、(2)针对堆场垂直落料方式导致料堆呈现对称性的特点，采用激光雷达扫描一侧料堆，使用点云镜像方法模拟对侧料堆进行三维重建，无须对目标堆场进行全方位扫描，输出每个扫描角度的点云数据，再对每个扫描角度的点云数据进行点云数据融合，大大减少了计算量和时间开销，提高建模效率。

36、(3)基于delaunay三角网进行点云孔洞修补，恢复堆场模型表面形状，进行堆场体积计算，大幅提升堆场三维重建及体积计算的效率和精度，克服现有堆场体积测量方式效率低、鲁棒性弱的缺点。