(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210888336.0 (22)申请日 2022.07.27 (71)申请人 武汉工程大 学 地址 430000 湖北省武汉市东湖新 技术开 发区光谷一路20 6号 (72)发明人 许泽旺　 (74)专利代理 机构 北京汇泽知识产权代理有限 公司 11228 专利代理师 刘思敏 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/62(2017.01) G06V 10/74(2022.01) G01B 11/00(2006.01) (54)发明名称 一种基于三维激光点云的料堆体积计算方 法 (57)摘要 一种基于三维激光点云的料堆体积计算方 法， 其特征在于， 包括： 利用三维激光扫描仪， 采 集料堆表 面的三维点云数据； 对采集后的点云数 据进行预处理， 包括点云数据滤波和拓扑关系建 立； 利用预处理后的点云数据， 按照第一预设规 则， 对点云数据进行粗配准； 利用粗配准后的点 云数据， 按照第二预设规则， 对点云数据进行细 配准； 将所有细配准后的点云数据进行网格化处 理， 根据网格化处理后的点云数据， 得到堆料体 积。 本发明公开的一种基于三维激光点云的料堆 体积计算方法， 与传统测量方法相比， 采集速度 快， 且配有专业的点云分析软件对采集文件进行 处理分析， 计算结果较为真实可靠 。 权利要求书4页 说明书12页 附图6页 CN 115063458 A 2022.09.16 CN 115063458 A 1.一种基于三维激光 点云的料堆体积计算方法， 其特 征在于， 包括： S100.利用三维激光扫描仪， 采集料堆表面的三维点云数据； S200.对采集后的点云数据进行 预处理， 包括点云数据滤波和拓扑关系建立； S300.利用预处 理后的点云数据， 按照第一预设规则， 对点云数据进行粗配准； S400.利用粗配准后的点云数据， 按照第二预设规则， 对点云数据进行细配准； S500.将所有细配准后的点云数据进行网格化处理， 根据网格化处理后的点云数据， 得 到堆料体积。 2.如权利要求1所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， S100 中， 利用三 维激光扫描仪， 采集料堆表面的三 维点云数据的方法为： 采用脉冲测距与相位测 距联合的测距方法， 通过脉冲测距来完成距离的粗测， 再通过相位测距来完成精确的测距； 然后， 利用测角器获得被测 量目标的水平和垂直角度， 从而得到被测量对 象的三维点云数 据。 3.如权利要求1所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， S200 中， 采用直通滤波器和体素滤波器对点云数据进 行滤波， 其中， 直通滤波器用于筛选出在特 定尺寸方向上的值不在给定值范围之内的点； 体素滤波器用于对点云数据适当的稀疏化的 同时， 保留点云数据的主 要特征。 4.如权利要求1所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， S300 中， 按照第一预设规则， 对点云数据进行粗配准， 第一预设规则为： 首先利用SIFT算法提取 两片点云的特征点， 再计算特征点的FPFH特征， 然后依据特征点的FPFH特征采用SAC ‑IA算 法得到旋转矩阵和平 移矩阵， 从而完成粗配准。 5.如权利要求4所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， 利用 SIFT算法提取两片点云的特 征点的方法为： S3011.构建尺度空间， 把原图像 与高斯函数 的卷积定义为一幅图 像的尺度空间 : 其中， 是尺度可变高斯函数， σ尺度空间因子， 决定图像的平滑程度， 为图像像素坐标； S3012.检测尺度空间极值 点： 其中， 为高斯差分函数， 引入该函数是为了有效检测出尺度空间中的稳定 特征点， k表示两个相邻高斯尺度空间的比例因子；权　利　要　求　书 1/4 页 2 CN 115063458 A 2S3013.精确定位极值点， 用拟合三维二次函数可以较为准确地确定特征点的位置和尺 度， 同时滤除低对比度的特征点和不稳定的边缘点， 用以增强匹配的稳定性， 提高抗扰能 力； 对尺度空间DoG函数进行曲线拟合， 利用DoG函数在尺度空间的泰勒开式： 其中， 向量 ， 对上式进行求导并使一阶导数为0， 可得特征点精确位置的 偏移向量： 将 加到原特 征点的坐标， 即得到特 征点的亚像素精确估计； S3014.为每个特征点指定方向参数， 利用特征点邻域像素的梯度 方向分布特性为每个 特征点指定方向参数， 使算子具 备旋转不变性； 每 个像素的梯度模和方向分别为 。 6.如权利要求4所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， 计算 特征点的FPFH特 征的方法为： S3021.对于所求的每个点 ， 计算该点与其邻域点之间的一组 ， 建立简 化的点特 征直方图S PFH; S3022.重新确定每个点的k个邻域点， 用邻近的SPFH来计算 的最终直方 图， 公式如 下： 公式中， 表示第k个领域点SPFH特征的加权值， 表示待计算点和其第k个邻域 点之间的距离值， 用于界定点与 之间的关系。 7.如权利要求4所述的一种基于三维激光点云的料堆体积计算方法， 其特征在于， 依据 特征点的FPFH特 征采用SAC ‑IA算法得到 旋转矩阵和平 移矩阵的方法为： S3031.在源点云 中随机采样s个点， 保证它们之间最小距离大于采样最小距离 ; S3032.对每一个采样点， 在目标点云 中通过K‑D树最近邻搜索 寻找一组FP FH特征相 似的点， 并从这些相似点中任选一个点作为对应点; S3033.对S3032中每一批点对确定一个坐标变换， 并用如 下公式度 量变换的质量， 针对权　利　要　求　书 2/4 页 3 CN 115063458 A 3