[发明专利]一种废钢料场的三维重建方法及系统

说明书

本发明提出一种废钢料场的三维重建方法及系统，包括：当废钢料场内作业设备处于静止状态时，获取所述作业设备对应位置的废钢料堆的静态三维模型；当所述作业设备处于移动状态时，获取所述作业设备视场范围内的废钢料堆的三维点云数据，根据所述三维点云数据获取对应的的实时位姿，并根据所述实时位姿对所述三维点云数据进行拼接，得到所述废钢料场的动态三维模型；根据所述静态三维模型和所述动态三维模型引导所述作业设备执行作业任务，其中作业任务包括：废钢装卸和/或向目标料堆移动；本发明针对作业设备不同状态进行三维环境建模，以便于更准确高效的执行作业任务，提高精度和效率。

技术领域

本发明涉及智能钢铁制造领域，尤其涉及一种废钢料场的三维重建方法及系统。

背景技术

科技高速发展的当今世界，在许多工地上仍以人力和普通动力机器为主要劳动力。抓钢机作为炼钢厂工艺流程中废钢的处理的主力作业车辆，需要几乎全天候在烟尘沙土等环境恶劣的场地进行不间断作业。在此背景下，在提高炼钢厂生产效率和减少工人三班倒的繁重劳作上，堆场作业中抓钢机无人化将成为改变传统作业方式的突破口。抓钢机无人化是指，通过在抓钢机车体和机械臂上部署多个传感器，获取作业环境周围的障碍物、目标堆形、自卸货车等三维点云和颜色信息，实现环境障碍物检测、堆形三维重建、抓取区域检测以及自卸货车的位姿估计与拖斗识别等功能，最终实现对废钢堆料的自动抓取。其中，钢料堆型的三维重建与几何信息的获取为进行下一步的识别、待抓取区域的确定奠定基础，是实现抓钢机无人化目标的关键一步。

目前主要有两类三维重建的方式：基于图像和基于点云。基于图像的三维重建是利用图像的二维信息恢复成为三维的模型，但其数据采取以及建模过程操作复杂不适于应用到抓钢过程中；基于点云的三维重建则时将三维数据转换成为点云数据后，再通过处理为三维模型，具有快速且精度高的特点。为了满足堆场作业中抓钢机的自动行进、抓取等应用场景，迫切需要在重建实时性、完整度等方面做出进一步的改进。

发明内容

鉴于以上现有技术存在的问题，本发明提出一种废钢料场的三维重建方法及系统，主要解决现有废钢料场废钢装卸等工作依赖人工，效率低的问题。

为了实现上述目的及其他目的，本发明采用的技术方案如下。

一种废钢料场的三维重建方法，包括：

当废钢料场内作业设备处于静止状态时，获取所述作业设备对应位置的废钢料堆的静态三维模型；

当所述作业设备处于移动状态时，获取所述作业设备视场范围内的废钢料堆的三维点云数据，根据所述三维点云数据获取对应的的实时位姿，并根据所述实时位姿对所述三维点云数据进行拼接，得到所述废钢料场的动态三维模型；

根据所述静态三维模型和所述动态三维模型引导所述作业设备执行作业任务，其中作业任务包括：废钢装卸和/或向目标料堆移动。

可选地，获取静态三维模型和所述动态三维模型，包括：

所述作业设备采集三维点云数据，对所述三维点云数据进行预处理，其中所述预处理包括：采用滤波算法对三维点云数据进行滤波处理；

将经过预处理的三维点云数据输入位姿估计模型，获取三维点云数据对应的实时位姿，并根据所述实时位姿对所述三维点云数据进行拼接；

去除拼接后的三维点云数据中的地面数据，对剩余的三维点云数据采用聚类算法进行聚类运算，得到废钢料堆的三维点云数据，并将所述废钢料堆的点云数据采用八叉树进行表示，得到所述静态三维模型或动态三维模型。

可选地，所述位姿估计模型包括：LeGO-LOAM模型。

可选地，所述滤波算法包括柱形滤波算法和体素滤波算法。

可选地，去除拼接后的三维点云数据中的地面数据，包括：