[发明专利]一种基于激光扫描的采煤工作面煤岩识别方法

权利要求书

1.一种基于激光扫描的采煤工作面煤岩识别方法，其特征在于，包括以下步骤：

步骤1：利用安装在采煤机机身上的激光扫描仪探测采煤机前滚筒截割后的煤岩表面，获取原始煤岩截割表面点云数据，简称原始煤岩点云数据；

步骤2：利用k-d树法构建空间邻域关系并利用最小二乘法估计原始煤岩点云数据中各点的法向量和曲率值；同时，利用八叉树法获取K-Means聚类的初始聚类中心，进行聚类；根据法向量和曲率值，提取每个聚类中的特征点；将所有特征点加入经过体素栅格精简法初步精简后的煤岩点云数据中，实现煤岩截割表面点云数据的精简；

步骤3：采用改进的二维大律法对精简后的煤岩点云数据进行处理，获取煤岩点云数据的最佳强度阈值I₀；从种子点选取准则和生长法则两方面改进传统区域生长算法，将满足预设条件的煤岩点云数据分别聚集为煤、岩两类，完成煤岩点云数据的分割，实现煤岩的精确识别；

在步骤3中，改进的二维大律法是通过改进的蚁群算法进行优化的，其中蚁群算法的改进措施包括：

①自适应调整信息素蒸发系数ρ，算法早期，信息素蒸发系数ρ较大，收敛速度快，全局搜索能力强；随着迭代次数的增加，信息素蒸发系数ρ随之变小，局部搜索能力逐渐增强，通过引入一个权重系数w(t)来实现信息素蒸发系数ρ的自适应调整，如公式(3)：

式中：t为当前迭代次数；

G为最大迭代次数；

调整后的信息素强度通过公式(4)进行更新：

T_i＝(1-w(t)ρ)*T_i′+f_i           (4)

式中：T_i为第i只蚂蚁在更新位置后的信息素；

T_i′为第i只蚂蚁在更新位置前的信息素；

f_i为第i只蚂蚁在新位置的适应度值；

②增强蚁群位置的更新效率，通过引入服从高斯分布的ε^*代替服从均匀分布的随机系数ε，同时对局部搜索步长Step添加迭代次数的倒数作为权重，来对更新步长加以限定，使蚂蚁更新步长随迭代次数的增加而减小，增强迭代后期的搜索能力，改进后的蚂蚁位置X通过公式(5)更新：

式中：X^*为蚂蚁当前的位置；

ε^*为服从高斯分布[0,1]的随机系数；

Step为局部搜索步长；

在步骤3中，获取煤岩点云数据的最佳强度阈值I₀是基于改进的二维大律法得到的，过程如下：

步骤3.1：初始化蚂蚁种群参数m、G、ρ、转移概率常数P₀、Step关键参数；

步骤3.2：输入精简后的煤岩点云数据，以精简后的煤岩点云数据的强度值范围作为m只蚂蚁的位置范围；

步骤3.3：计算点云强度直方图，将离散度测试函数作为改进蚁群算法的适应度函数f；

步骤3.4：在煤岩点云数据的强度值范围内，随机产生蚂蚁的初始位置，以适应度函数值为初始信息素，计算状态转移概率P；

步骤3.5：更新蚂蚁位置，若P＜P₀，进行局部搜索，采用公式(5)更新蚂蚁位置；反之，则进行全局搜索，采用X＝X^*+a×Step来更新蚂蚁位置，其中，a为一常数，根据实际情况设定，同时保证蚂蚁新位置限制在点云强度值范围内；

步骤3.6：计算蚂蚁在新位置的适应度值，判断蚂蚁是否移动并更新信息素；

步骤3.7：重复上述步骤，直到满足停止条件，输出最佳强度阈值I₀；

在步骤3中，基于改进传统区域生长算法的煤岩识别过程如下：

步骤a：设置法向量夹角阈值δ₀、最佳强度阈值I₀和最小聚类点数量阈值M₀；

步骤b：计算点云的曲率、法向量，将曲率值最小的点作为初始种子点，计算初始种子点的法向量与邻域内各点法向量的夹角δ_i；

步骤c：比较法向量夹角δ_i与法向量夹角阈值δ₀的大小，初始种子点强度值I^*、邻域内各点的强度值I_i与最佳强度阈值I₀的关系，若满足式(6)，则将此该点归入种子点所在的类；

步骤d：以新归入的点再次作为初始种子点，计算初始种子点的法向量与邻域内各点法向量夹角δ_i，比较法向量夹角δ_i与法向量夹角阈值δ₀的大小，初始种子点强度值I^*、邻域内各点的强度值I_i与最佳强度阈值I₀的关系，若满足式(6)，则将此该点归入种子点所在的类；重复步骤d，直到没有满足条件的点时，此聚类生长完成；

步骤e：重新选择精简后的煤岩点云数据中一个未归类的且曲率值最小的点作为初始种子点，重复步骤c至步骤e，直到每个点都确定了自己所在的类，此时算法结束，区域生长完成；

步骤f：统计每个聚类中点的个数，若小于最小聚类点数量阈值M₀，则将此聚类归入距离其最近的类中；

步骤g：若在同一个煤岩点云数据中存在多个煤层和岩层的边界，在区域生长完成之后，会形成多个聚类，每个聚类分别为煤层或岩层，这取决于每个聚类的初始种子点的强度值I^*，若强度值大于最佳强度阈值I₀，该聚类为岩层；反之，该聚类为煤层。