[发明专利]一种多激光雷达立体成像人工智能矿石识别方法及装置

说明书

本发明公开了一种多激光雷达立体成像人工智能矿石识别方法及装置涉及光电检测、光电成像和光电测量技术领域，本发明其适用性强，且实时性好、识别效果好。本发明包括如下步骤：采用不同安装角度的多激光雷达分别矿石发射激光信号，并分别根据矿石返回的信号得到矿石的3D点云数据信息；激光雷达数量至少2个。根据对双激光雷达标定所得标定参数对多激光雷达3D点云数据信息进行融合，得到融合后的3D点云数据。对融合后的3D点云数据进行重建，得到矿石的3D立体图像。从矿石的3D立体图像中提取关键特征，关键特征包括：3D纹理特征、3D形状特征及回波强度特征。利用预先训练好的卷积神经网络模型对关键特征进行识别，得到矿石识别结果。

技术领域

本发明涉及光电检测、光电成像和光电测量技术领域，具体涉及一种多激光雷达立体成像人工智能矿石识别方法及装置。

背景技术

在矿石开采过程中会产生大量的固体杂料、废料，如煤炭开采中会产生大量的矸石废料，混杂在煤中会降低煤炭燃烧质量，且加重污染物的排放，因此识别分选是极为重要的环节。目前主要的分选方式还是人工分选，其对分选效率低下，负荷较大的生产线可能需要4人或以上24小时不间断分选，工作强度高，且现场环境恶劣对人员健康危害大。

目前针对矿石分选的成像识别方法主要有高清相机成像法、红外相机成像法和X射线成像法。

其中高清相机成像法通过相机拍摄传送带上的矿石，对采集到的矿石图像进行一系列处理，提取特征信息，最后由分类算法或神经网络进行识别。

高清相机法和红外相机法由于现场环境恶劣、物体表面粉尘杂质掩盖导致纹理信息丢失，部分矿石的灰度相近，而X射线法设备娇贵且对人体辐射危害很大，使得这些方法的实际应用效果不佳。

单个激光雷达分辨率有限，采集信息密度低，某些特定角度下由于激光反射的原因可能会有数据缺失或出现异常值的现象，且在待测物体表面有水分时，表面形成类似镜面，由于角度原因对激光雷达发射的激光光束全反射，导致部分激光光束无法回到激光雷达接收器，造成采集信息的部分丢失，对识别效果的影响较大。

因此目前主流的矿石识别方法适用性较差，且实时性不好、识别效果差。

发明内容

有鉴于此，本发明提供了一种多激光雷达立体成像人工智能矿石识别方法及装置，其适用性强，且实时性好、识别效果好。

为达到上述目的，本发明的具体方案包括如下步骤：

S1、采用不同安装角度的多激光雷达分别矿石发射激光信号，并分别根据矿石返回的信号得到矿石的3D点云数据信息；激光雷达数量至少2个。

S2、根据对多激光雷达标定所得标定参数对多激光雷达3D点云数据信息进行融合，得到融合后的3D点云数据。

S3、对融合后的3D点云数据进行重建，得到矿石的3D立体图像。

S4、从矿石的3D立体图像中提取关键特征，关键特征包括：3D纹理特征、3D形状特征及回波强度特征。

S5、利用预先训练好的卷积神经网络模型对关键特征进行识别，得到矿石识别结果。

预先训练好的卷积神经网络模型，其训练样本为采用已知类别的矿石，利用S1～S4的步骤提取关键特征，利用训练样本对卷积神经网络模型进行训练得到预先训练好的卷积神经网络模型。

进一步地，激光雷达为二维激光雷达，则将矿石置于匀速运动的传送带上，采用不同安装角度的多激光雷达分别矿石发射激光信号，并分别根据矿石返回的信号得到矿石的3D点云数据信息。

进一步地，激光雷达为三维激光雷达。

进一步地，根据对多激光雷达标定所得标定参数对多激光雷达3D点云数据信息进行融合，得到融合后的3D点云数据，具体为：