[发明专利]一种基于三维点云分割的高炉原燃料粒度检测方法及系统

权利要求书

1.一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，包括：

获取原燃料的三维点云数据并进行预处理；

将预处理后的原燃料的三维点云数据输入到训好的PointNet++神经网络模型中进行分类；其中，所述PointNet++神经网络模型通过在不同降采样阶段进行对比边界学习进行边界特征的识别。

2.如权利要求1中的一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，对获取的原燃料的三维点云数据进行筛选，将原燃料粒度差异大的点云数据加入数据集，对于粒度相似度较高的原燃料点云进行随机选择放入数据集；对获取的原燃料的三维点云数据可视化并进行人工筛选。

3.如权利要求1所述的一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，通过在PointNet++网络架构骨干网络部分的每个子采样点云中发现边界点，同时在每个降采样阶段根据人工标注的真实边界点通过聚类确定一组降采样后的真实边界点。

4.如权利要求1所述的一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，在所述PointNet++神经网络模型中，所输入的原燃料的三维点云数据与基于T-Net网络得到的转换矩阵相乘得到转换后的点云数据；

利用多层感知对转换后的各点云数据行特征提取，利用T-Net对所提取的特征进行对齐；

在所提取的特征的各大维度上执行最大化池化操作得到最终全局特征；

将全局特征与各下采样点云的局部特征进行串联，再利用多层感知机得到点云数据的分类结果。

5.如权利要求3所述的一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，PointNet++神经网络模型中的对比边界学习，采用真实边界点与子采样边界点的半径邻域的iou进行对比计算，计算如下：

其中，E_g为标注的真实边界点集，E_p为子采样边界预测点集。

6.如权利要求1所述的一种基于三维点云分割的高炉原燃料粒度检测方法，其特征在于，通过RANSAC点云平面提取算法提取传送带平面，计算传送带点云平面相对于xoy平面的夹角θ，调整3D相机角度使得θ为0后固定3D相机，利用3D相机获取原燃料的三维点云数据。

7.一种基于三维点云分割的高炉原燃料粒度检测系统，其特征在于，包括：

获取模块：获取原燃料的三维点云数据并进行预处理；

粒度分类模块：将预处理后的原燃料的三维点云数据输入到训好的PointNet++神经网络模型中进行分类；其中，所述PointNet++神经网络模型通过在不同降采样阶段进行对比边界学习进行边界特征的识别。

8.如权利要求7所述的一种基于三维点云分割的高炉原燃料粒度检测系统，其特征在于，在粒度分类模块中，在所述PointNet++神经网络模型中，所输入的原燃料的三维点云数据与基于T-Net网络得到的转换矩阵相乘得到转换后的点云数据；

利用多层感知对转换后的各点云数据行特征提取，利用T-Net对所提取的特征进行对齐；

在所提取的特征的各大维度上执行最大化池化操作得到最终全局特征；

将全局特征与各下采样点云的局部特征进行串联，再利用多层感知机得到点云数据的分类结果。

9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的一种基于三维点云分割的高炉原燃料粒度检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的一一种基于三维点云分割的高炉原燃料粒度检测方法的步骤。