[发明专利]一种基于矿场环境感知的堆料面预测方法

说明书

一种基于矿场环境感知的堆料面预测方法。首先进行矿场环境感知，将堆料与墙壁进行分类，并在此基础上完成堆料面预测。所述矿场环境感知，包括点云预处理、配准、融合、水平校准、地面与堆料上方无用点去除、聚类、分类及提取，其中环境点云数据是通过3D激光雷达进行采集，所述的环境感知方法包括点云预处理、配准、融合、水平校准、地面等无用点去除、聚类、分类及提取。所述堆料面预测模型是基于Kd树与K最邻近搜索进行建立。本发明实现了点云配准与分割方法的有效融合，能对矿场环境中的堆料点进行有效提取及利用，基于真实堆料点云建立的堆料面预测模型可用于三维挖掘体积计算，可实现计算结果的准确性。

技术领域

本发明属于智能挖掘机研究领域的环境感知技术领域，提出了一种基于矿场感知的堆料面预测方法。

背景技术

矿用挖掘机是矿山开采系统中的核心设备，传统挖掘机需手动操作进行挖掘，但由于设备尺寸巨大，操作人员的视线可能会被挖掘机的铲斗、动臂等组件遮挡，或露天环境常伴有恶劣天气，也会使视线受阻，无法了解到矿场及堆料的实时情况，在挖掘过程中可能造成挖掘碰撞，动臂倾覆等问题，极易产生意外事故。

另外，智能挖掘机在挖掘轨迹优化中需计算挖掘体积，来验证算法的有效性，目前，多数挖掘体积的计算还停留在二维层面，无法实现基于真实堆料点云的挖掘体积计算，这对智能挖掘机的后续研究造成了很大的影响。

发明内容

为了解决现有技术存在的上述问题，本发明要设计一种基于矿场环境的点云处理方法，使点云配准与点云分割方法有效融合，将堆料点进行提取与有效利用。并且设计了一种基于KD树与K最邻近搜索的堆料面预测模型，可实现三维下挖掘体积的计算。

为了实现上述目的，本发明的技术方案如下：

一种基于矿场环境感知的堆料面预测方法，首先进行矿场环境感知，将堆料与墙壁进行分类，并在此基础上完成堆料面预测。包括以下步骤：

第一步，进行矿场环境感知，包括点云预处理、配准、融合、水平校准、地面与堆料上方无用点去除、聚类、分类及提取。具体包括以下步骤：

(1)首先，通过电铲实验平台上安装的两个不同位置的激光雷达扫描采集获取两幅矿场环境点云原始数据，命名为源点云与目标点云，对两幅原始点云进行数据预处理。

所述的预处理包括点云NAN点(非数据点)的去除与降采样，降采样的目的是为了降低点云数据量，以此提升计算效率。体素栅格降采样方法是通过构建三维体素栅格，计算每一个三维栅格内全部点的重心，近似以一个点P_c代替栅格内的其余点：

其中，n为每个三维栅格内的数据点个数，x_i、y_i、z_i分别为栅格内各点的坐标值。

(2)点云配准，由初始配准与精配准两个环节组成。

2.1)初始配准方法选用SAC-IA采样一致性配准算法，可根据给定点对间距离阈值选取有限个对应点对进行计算。初始配准需首先计算源点云与目标点云的法向量及表面曲率。搜索点云中各点的K个邻域点，基于最小二乘的局部表面拟合方法拟合平面S，计算公式如下：

式中，为平面S的法线，d为平面S到坐标原点的距离，s_i为各点重心值，K为邻域点个数，argmin函数表示在目标函数最小时，获取该函数中自变量的值。

以拟合平面S的切平面法线近似作为各点的法向量。各点的K个邻域点的重心在拟合平面S上，同时法向量满足范数等于1，故将求解法向量的问题转换为求解协方差矩阵P，对协方差矩阵P进行特征值分解，最小的特征值所对应的特征向量即为平面S的法向量，计算公式如下：