[发明专利]料场物料的体积测量方法及系统

权利要求书

1.一种料场物料的体积测量方法，其特征在于，包括：

步骤S1，利用激光扫描仪获取料场料堆的点云数据；

步骤S2，提取所述点云数据的颜色特征，并根据所述颜色特征对料场背景区域和料堆目标区域进行粗分割，得到所述料堆目标区域的点云数据；

步骤S3，采用粗配准和精配准的方法对所述料堆目标区域的点云数据进行拟合配准；

步骤S4，根据拟合配准得到的点云数据，利用蒙特卡洛法和积分法相结合的方式计算料堆体积，完成体积测量。

2.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S2中，利用H/I模型对料场背景区域和料堆目标区域进行粗分割，

其中，所述H/I模型中，若满足下式，则用色调H表示图像，若不满足下式，则用强度值I表示图像，

其中，S表示饱和度，V表示明度。

3.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S3包括：

步骤S31，利用降维SIFT 3D算法提取所述料堆目标区域的关键点，并计算所述关键点的FPFH特征；

步骤S32，基于FPFH特征和RANSAC粗配准算法对同一视角下的料堆目标区域的点云数据进行粗配准；

步骤S33，基于FPFH特征和ICP精配准算法对不同视角下的料堆目标区域的点云数据进行精配准。

4.根据权利要求3所述的料场物料的体积测量方法，其特征在于，所述步骤S31包括：

步骤S311，采用不同大小的高斯核函数对料堆目标区域的图像进行卷积滤波处理，生成多层尺度图像；

步骤S312，在层级变换之间进行下采样来构建金字塔模式下的尺度空间；

步骤S313，检测所述尺度空间中的极值点，并剔除对比度低于设定阈值的特征点和边缘响应点，得到关键点；

步骤S314，确定关键点的主方向，关键点到邻域中心的幅值、方向角，以及K邻域点到邻域中心的幅值、方向角；

步骤S315，对关键点的特征向量进行降维处理；

步骤S316，建立关键点的FPFH特征描述如下：

其中，P_i为第i个关键点，P_k为第k个K邻域点，ω_k为第k个K邻域点的权值，K为K邻域点的数量，SPFH为简单特征直方图，FPFH为快速点特征直方图。

5.根据权利要求4所述的料场物料的体积测量方法，其特征在于，所述步骤S315包括：

对关键点确定一个设定范围的邻域，并将所述邻域旋转至所述关键点的主方向；

计算所述邻域内像素点的水平梯度和垂直梯度，确定特征描述子；

根据原始特征矩阵计算协方差矩阵，并获取所述协方差矩阵的特征向量；

根据所述协方差矩阵的特征向量计算特征根，并将特征根按照从大到小的顺序排列；

选择排序靠前的设定个数个特征根对应的特征向量，构成投影矩阵；

将所述特征描述子乘以所述投影矩阵，得到所述关键点的降维后的特征向量。

6.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S1中，激光扫描仪设置于料场料堆的上方，且相邻两个激光扫描仪扫描的内容至少包含三分之一重合。

7.根据权利要求1所述的料场物料的体积测量方法，其特征在于，所述步骤S4中，利用蒙特卡洛法和积分法相结合的方式计算料堆体积的计算公式如下：

其中，V_d表示料堆体积；

h表示料堆高度；

S_i表示拟合配准后的料堆目标区域面积，

S_p表示扫描图像的面积；

N_i表示利用蒙特卡洛法在料堆目标区域中随机生成的点的数量；

N_all表示利用蒙特卡洛法在扫描图像中随机生成的点的数量。