基于激光雷达的物流输送机跑偏智能检测方法

摘要

本发明涉及基于激光雷达系统的检测技术领域，提出了基于激光雷达的物流输送机跑偏智能检测方法，包括：获取第一点云数据；根据第一点云数据得到第二点云数据，并对第二点云数据进行体素化；获取体素化后的第二点云数据每个体素内每个点云数据的分布度；获取第二点云数据每个体素的第一采样优先度；根据第一采样优先度获得第三点云数据，在第三点云数据中，获取相似且共线的点云数据数量，得到每个点云数据的第二采样优先度；根据每个点云数据所在体素的第一采样优先度和每个点云数据的第二采样优先度获得综合采样优先度，得到第四点云数据；获取偏差角度，检测输送机输送带是否跑偏。本发明是为了达到降低时间复杂度，并且提高拟合精度的目的。

权利要求

1.基于激光雷达的物流输送机跑偏智能检测方法，其特征在于，该方法包括以下步骤：获取带式物流输送机输送带表面的点云数据即第一点云数据；

在第一点云数据中根据参考值得到第二点云数据，并对第二点云数据进行体素化；

对体素化后的第二点云数据每个体素内根据每个点云数据在其邻域内的点云数据数量，每个点云数据与邻域内其余点云数据的距离得到每个点云数据的分布度；

根据第二点云数据每个体素中点云数据的个数、每个点云数据的分布度得到第二点云数据每个体素的第一采样优先度；

根据第一采样优先度获得第三点云数据，在第三点云数据中获取点云数据的点云强度和点云数据的分布特征，根据所述点云强度和分布特征得到相似且共线的点云数据数量，根据第三点云数据中每个点云数据相似且共线的点云数据数量和第三点云数据中所有点云数据的个数得到每个点云数据的第二采样优先度；

根据每个点云数据所在体素的第一采样优先度和每个点云数据的第二采样优先度获得综合采样优先度，根据综合采样优先度得到第四点云数据；

根据第四点云数据获取当前输送机的输送带与正常使用的输送机输送带之间的偏差角度，检测输送机输送带是否跑偏；

所述根据每个点云数据所在体素的第一采样优先度和每个点云数据的第二采样优先度获得综合采样优先度：式中， 表示第三点云数据中的第 个点云数据的第一采样优先度，其中第三点云数据的第 个点云数据的第一采样优先度与该点云数据所属的体素的第一采样优先度相同；

表示第三点云数据中的第 个点云数据的第二采样优先度， 表示第三点云数据中的第个点云数据的综合采样优先度；

所述相似且共线的点云数据数量的获取方法为：

根据第一采样优先度设置阈值 ，将所有的第二点云数据体素中第一采样优先度小于阈值 的体素去除，剩下体素内的第二点云数据记为第三点云数据；

获取第三点云数据中的所有点云强度，对于第三点云数据中任意一点为第一目标点云数据，在满足点云强度相近的情况下，找到距离该点云数据最近的第二点云数据，第二点云数据和第一点云数据得到第一线段，在第二点云数据满足点云强度相近的情况下，找到除了第一点云数据以外的距离第二点云数据最近的点云数据记为第三点云数据，第二点云数据和第三点云数据得到第二线段，得到两条线段的角度之差，差值小于阈值 时，三个点云数据相似且共线；

得到每个点云数据相似且共线的点云数据数量。

2.根据权利要求1所述的基于激光雷达的物流输送机跑偏智能检测方法，其特征在于，所述根据每个点云数据在其邻域内的点云数据数量，每个点云数据与邻域内其余点云数据的距离得到每个点云数据的分布度的步骤为：式中， 表示第二点云数据中的第 个体素中的以第 个点云数据为中心的 大小邻域内的点云数据的个数， 表示第二点云数据中的第 个体素中的以第 个点云数据与以第 个点云数据为中心的 大小邻域内的第 个点云数据的欧式距离，表示第个体素中的第 个点云数据， 表示第二点云数据中第j个体素中以第 个点云数据为中心的 大小邻域内的第 个点云数据， 表示第二点云数据中第 个体素中第 个点云数据的分布度。

3.根据权利要求1所述的基于激光雷达的物流输送机跑偏智能检测方法，其特征在于，所述根据第二点云数据每个体素中点云数据的个数、每个点云数据的分布度得到第二点云数据每个体素的第一采样优先度的步骤为：对于第二点云数据中的第j个体素，获得第j个体素内的所有点云数据的分布度均值记为第一均值，根据第一均值计算第j个体素内所有点云数据的方差记为第一方差，将第一方差使用线性函数归一化得到第j个体素的第一采样优先度。

4.根据权利要求1所述的基于激光雷达的物流输送机跑偏智能检测方法，其特征在于，所述每个点云数据的第二采样优先度的计算方法为：式中， 表示与第 个体素的第 个点云数据 相似且共线的点云数据的数量； 表示第三点云数据中所有点云数据的个数 ， 表示第 个体素的第 个点云数据 的第二采样优先度。

说明书

基于激光雷达的物流输送机跑偏智能检测方法

技术领域

[0001] 本发明涉及基于激光雷达系统的检测技术领域，具体涉及基于激光雷达的物流输送机跑偏智能检测方法。

背景技术

[0002] 在进行带式物流输送机跑偏检测过程中，通过采用激光雷达设备采集带式物流输送机输送带正表面的点云数据，通过对采集的点云数据进行特征提取，获取当前输送带与正常输送带之间的偏差数据，进而根据偏差数据进行物流输送机的输送带跑偏实时提醒。

[0003] 当前的技术方案中201811395287.7公布了一种基于激光雷达的带式物流输送机跑偏检测方法，其中通过激光雷达采集检测带式输送机输送带正表面的点云数据，通过对采集的点云数据进行聚类分割处理，对聚类分割后的点云数据进行特征提取来拟合输送带的边缘。但是由于设备的扫描精度的影响和光线的影响，在采集的点云数据中会存在很多噪声点云，进而在拟合当前输送带边缘时引入不必要的误差，得到错误的输送带边缘拟合结果；并且在进行输送带边缘拟合过程中，由于点云数据庞大，若对每个点云数据都进行拟合，其时间复杂度较高，会浪费大量的时间，无法对输送机的输送带跑偏进行实时预警，造成不可预估的影响。

发明内容

[0004] 本发明提供基于激光雷达的物流输送机跑偏智能检测方法，以解决现有的采集的点云数据中会存在很多噪声点云，进而在拟合当前输送带边缘时引入不必要的误差的问题，所采用的技术方案具体如下：

[0005] 本发明一个实施例提供了基于激光雷达的物流输送机跑偏智能检测方法，该方法包括以下步骤：

[0006] 获取带式物流输送机输送带表面的点云数据即第一点云数据；

[0007] 在第一点云数据中根据参考值得到第二点云数据，并对第二点云数据进行体素化；

[0008] 对体素化后的第二点云数据每个体素内根据每个点云数据在其邻域内的点云数据数量，每个点云数据与邻域内其余点云数据的距离得到每个点云数据的分布度；

[0009] 根据第二点云数据每个体素中点云数据的个数、每个点云数据的分布度得到第二点云数据每个体素的第一采样优先度；

[0010] 根据第一采样优先度获得第三点云数据，在第三点云数据中获取点云数据的点云强度和点云数据的分布特征，根据所述点云强度和分布特征得到相似且共线的点云数据数量，根据第三点云数据中每个点云数据相似且共线的点云数据数量和第三点云数据中所有点云数据的个数得到每个点云数据的第二采样优先度；

[0011] 根据每个点云数据所在体素的第一采样优先度和每个点云数据的第二采样优先度获得综合采样优先度，根据综合采样优先度得到第四点云数据；

[0012] 根据第四点云数据获取当前输送机的输送带与正常使用的输送机输送带之间的偏差角度，检测输送机输送带是否跑偏。

[0013] 优选的，所述根据每个点云数据在其邻域内的点云数据数量，每个点云数据与邻域内其余点云数据的距离得到每个点云数据的分布度的步骤为：

[0014]

[0015] 式中， 表示第二点云数据中的第 个体素中的以第个点云数据为中心的大小邻域内的点云数据的个数， 表示第二点云数据中的第 个体素中的以第 个点云数据与以第 个点云数据为中心的 大小邻域内的第 个点云数据的欧式距离，表示第 个体素中的第 个点云数据， 表示第二点云数据中第j个体素中以第 个点云数据为中心的 大小邻域内的第 个点云数据， 表示第二点云数据中第 个体素中第 个点云数据的分布度。

[0016] 优选的，所述根据第二点云数据每个体素中点云数据的个数，每个点云数据的分布度得到第二点云数据每个体素的第一采样优先度的步骤为：

[0017] 对于第二点云数据中的第j个体素，获得第j个体素内的所有点云数据的分布度均值记为第一均值，根据第一均值计算第j个体素内所有点云数据的方差记为第一方差，将第一方差使用线性函数归一化得到第j个体素的第一采样优先度。

[0018] 优选的，所述根据点云数据的点云强度和点云数据的分布特征得到相似且共线的点云数据数量的方法为：

[0019] 根据第一采样优先度设置阈值 ，将所有的第二点云数据体素中第一采样优先度小于阈值 的体素去除，剩下体素内的第二点云数据记为第三点云数据；

[0020] 获取第三点云数据中的所有点云强度，对于第三点云数据中任意一点为第一目标点云数据，在满足点云强度相近的情况下，找到距离该点云数据最近的第二点云数据，第二点云数据和第一点云数据得到第一线段，在第二点云数据满足点云强度相近的情况下，找到除了第一点云数据以外的距离第二点云数据最近的点云数据记为第三点云数据，第二点云数据和第三点云数据得到第二线段，得到两条线段的角度之差，差值小于阈值 时，三个点云数据相似且共线；

[0021] 得到每个点云数据相似且共线的点云数据数量。

[0022] 优选的，所述每个点云数据的第二采样优先度的计算方法为：

[0023]

[0024] 式中， 表示与第 个体素的第 个点云数据 相似且共线的点云数据的数量；表示第三点云数据中所有点云数据的个数 ， 表示第 个体素的第 个点云数据 的第二采样优先度。

[0025] 优选的，所述根据每个点云数据所在体素的第一采样优先度和每个点云数据的第二采样优先度获得综合采样优先度：

[0026]

[0027] 式中，表示第三点云数据中的第 个点云数据的第一采样优先度，其中第三点云数据的第 个点云数据的第一采样优先度与该点云数据所属的体素的第一采样优先度相同； 表示第三点云数据中的第 个点云数据的第二采样优先度。

[0028] 本发明的有益效果是：本发明通过计算每个体素中点云数的分布度的变化差异，来表征当前的体素中点云的分布均匀程度，通过分布均匀程度来获取体素的第一采样优先度。通过第一采样优先度来表征当前体素中包含输送带边缘信息含量的多少，进而通过考虑第一采样优先度的大小减少拟合的计算量，降低时间复杂度，并且同时为之后计算每个点云数据的综合采样优先度时计算参考。

[0029] 本发明通过点云数据的固有属性点云强度值之间的相似性，以及相邻体素之间点的分布特征来表征目标点云数据的相似且共线的点云数据，来表征目标点云数据的输送带边缘的信息含量。相较于传统的体素采样算法仅保留距离体素中心最近的点云数据的保留结果更加准确，使得极大的保留了有用的几何信息，在减少计算量的同时，也减少了分析误差。

附图说明

[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0031] 图1为本发明的一个实施例所提供基于激光雷达的物流输送机跑偏智能检测方法的流程示意图。

具体实施方式

[0032] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0033] 请参阅图1，其示出了本发明一个实施例提供的基于激光雷达的物流输送机跑偏智能检测方法流程图，该方法包括以下步骤：

[0034] 步骤S001、采用激光雷达采集带式物流输送机输送带表面的点云数据。

[0035] 本案中需要通过布置激光雷达采集当前时刻带式物流输送机输送带表面的点云数据，并之后进行处理，获取当前时刻输送带的偏差信息，其中记激光雷达采集的当前时刻带式物流输送机输送带表面的点云数据为第一点云数据。

[0036] 步骤S002、对输送带表面点云数据进行筛选素体化处理，并根据点云数据分布得到每个体素所有点云数据的分布度，进而获取每个体素的第一采样优先度。

[0037] 对采集的带式物流输送机的输送带表面的第一点云数据的三维坐标进行高度筛选，其中记第个点云数据的三维坐标为 ，其中 坐标方向为输送带移动方向即输送带的长边的方向，坐标方向为输送带移动方向的垂直方向即输送带的宽边的方向，坐标方向为高度方向。由于正常的带式物流输送机的输送带表面的点云数据高度基本相同，且位于输送带表面的点云数据是最多的，因此本案对所有的点云数据的三维坐标的中的坐标进行筛选，获取所有点云数据中的 坐标的众数作为参考值，记为 。

[0038] 根据上述步骤获取 坐标的参考值 ，计算所有点云数据的 坐标与参考值的差异，即第 个点云数据的 坐标与参考值的差异 |，若 大于设置的 坐标差异阈值 ，本实施例给出的为经验参考值 ，则将对应的点云数据判定为异常点云数据并去除，其中记剩余的点云数据为第二点云数据。

[0039] 根据上述步骤得到第二点云数据，对第二点云数据进行体素化处理。其中本案中设置体素化的三维体素的大小为H米的体素，本实施例给出的为经验参考值为0.5，进行体素化处理。点云数据的体素化为公知技术，在本案中不再赘述，特别说明：本实施例仅对第二点云数据进行体素化处理，而不进行下采样，即对第二点云数据划分体素，但不进行用每个体素中所有点的重心近似显示该体素中其他点云数据。

[0040] 至此获得第二点云数据。

[0041] 由于采集的点云数据中存在输送机的输送带表面的点云数据、输送带边缘的点云数据以及其他非输送带的点云数据，因此根据上述步骤获取的在所有体素中的点云分布往往是不均匀的。每个体素中的点云分布往往表征着每个体素的信息含量的多少，由于本案中是为了更好的获取输送带边缘的点云数据，并且输送带表面的点云数据往往是分布较为均匀的，因此对于点云分布较为均匀的体素，包含的输送带表面的点云数据的信息较多，则对应的本案中的第一采样优先度较小；而对于输送带的边缘的点云数据往往是分布较为不均匀的，并且往往集中偏向于体素的某个区域中，因此对于点云分布较为不均匀的体素，包含的输送带边缘的信息较多，则对应的本案中的第一采样优先度较大。

[0042] 首先。本实施例中采用点云密度分析的思想，通过对体素化后的第二点云数据进行每个体素的点云进行分布均匀性分析，来获取第一采样优先度。其中，在所有第二点云数据的体素中，记第 个体素中的第 个点云数据的三维坐标为 ，通过计算第个点云数据的一定邻域大小 内的点云分布，本实施例给出的为经验参考值 为0.1米，来表征第 个点云数据的分布度，其中第 个点云数据的分布度 的计算表达式为：

[0043]

[0044] 式中， 表示第二点云数据中的第 个体素中的以第 个点云数据为中心的大小邻域内的点云数据的个数， 表示第二点云数据中的第 个体素中的以 第个点云数据与以第 个点云数据为中心的 大小邻域内的第 个点云数据的欧式距离，表示第 个体素中的第 个点云数据， 表示第二点云数据中第j个体素中以第 个点云数据为中心 的大小邻域内的第 个点云数据， 表示第二点云数据中第 个体素中第 个点云数据的分布度。

[0045] 本实施例中通过计算每个体素中的所有点云数据的一定邻域范围内的所有点云数据到中心点云数据的之间的点云的个数与欧式距离的比值，来表征中心点云数据在一定邻域范围内的密度大小。点云数据的分布度越大，表明各个点云数据到中心点云数据的距离越小，则对应的中心点云数据与其邻域范围内的点云数据越密集；点云数据的分布度越小，表明各个点云数据到中心点云数据的距离越大，则对应的中心点云数据与其邻域范围内的点云数据越不密集。

[0046] 根据上述计算，得到第二点云数据中的第个体素中的所有点云数据的分布度，则对应的通过计算所有点云数据的分布度差异，来表征第 个体素的分布均匀度的大小，即对应的本案中所述的第一采样优先度，其中第个体素中所有点云数据的分布度差异越大，则对应的分布均匀度越小，则对应的本案中所述的第一采样优先度越大。其中第个体素的第一采样优先度 的计算表达式为：

[0047]

[0048] 式中， 表示第二点云数据中的第 个体素中的点云数据的个数； 表示第二点云数据中的第 个体素中的第 个点云数据的分布度； 表示第二点云数据中的第 个体素中的第 个点云数据的分布度； 表示线性归一化函数，表示第j个体素的第一采样优先度。

[0049] 本实施例中通过计算第二点云数据中的每个体素中点云数据的分布度的差异变化，来表征每个体素中点云数据的分布均匀程度，若当前体素中的每个点云数据的分布度变化较大，则表明当前体素中的点云数据的一定邻域范围内的密度变化较大，则对应的当前体素中的点云数据分布不均匀。其中当前体素中的点云数据的分布度变化较大，则表明当前体素中的点点云数据分布不均匀，则本案中所述的第一采样优先度越大；当前体素中的点云数据的分布度变化较小，则表明当前体素中的点云数据分布均匀，则本案中所述的第一采样优先度越小。

[0050] 步骤S003、根据第一采样优先度，点云数据的点云强度以及点云数据分布特征得到每个点云数据的第二采样优先度。

[0051] 首先，为了进一步减少计算量，增加拟合速度,根据上述每个体素的第一采样优先度对所有体素进行筛选,设置第一采样优先度阈值 ，本实施例给出的经验值为0.6，将小于第一采样优先度阈值的体素进行去除，获取去除部分体素后的第二点云数据记为第三点云数据。

[0052] 本实施例中根据点云数据的固有属性点云强度以及第三点云数中的相邻体素中的点云数据的分布特征来获取第三点云数据中的所有点云数据的第二优先采样度。以第三点云数据中的第 个体素中的第 个点云数据 为例，其对应的点云强度 计算第三点云数据中的以第 个体素为中心 邻域范围内的体素中点云数据的分布特征，判定每个点云数据的相似且共线的点云数据的数量大小，来表征每个点云数据的第二采样优先度。

[0053] 进一步的，点云强度值相近的判定过程为：由于激光雷达设备因素的影响，点云数据的点云强度值标准不同，因此对点云数据的点云强度值进行限值范围至 范围内，进而计算点云强度值差值阈值 ，若两个点云数据的点云强度值差异小于点云强度差值阈值，则表明两个点云数据的强度值相近。

[0054] 进一步的，判定与第b个点云数据的相似且共线的点云数据的具体的内容为：

[0055] 以第h个体素的第 个点云数据 为起始点云数据，将点云数据 与该点云数据的点云强度值相近且距离最近的点云数据 进行连接得到线段 ，再计算点云数据 的点云强度值相近且距离最近的除 外的点云数据 进行连接得到线段 ，计算两个线段之间的角度差异，若两个角度差异小于设置的阈值 ，则表明三个点云数据 ， 和 相似且共线。

[0056] 至此得到第b个点云数据的相似且共线点的个数 ，将其于第三点云数据中所有点云数据的个数 的比值作为目标点云数据的第二采样优先度，其中第 个体素的第个点云数据 的第二采样优先度 的计算公式为：

[0057]

[0058] 式中， 表示与第 个体素的第 个点云数据 相似且共线的点云数据的数量；表示第三点云数据中所有点云数据的个数 ， 表示 个体素的第 个点云数据 的第二采样优先度。其中与目标点云数据相似且共线的点云数据的个数越多，则对应的与第三点云数据中所有点云数据的总个数的比值越大，则目标点云数据的输送带边缘的信息含量越大，则对应的目标点云数据的第二采样优先度越大；与目标点云数据相似且共线的点云数据的个数越小，则对应的与第三点云数据中所有点云数据的总个数的比值越小，则目标点云数据的输送带边缘的信息含量越小，则对应的目标点云数据的第二采样优先度越小。

[0059] 步骤S004、根据每个体素的第一采样优先度和每个体素每个点云数据的第二采样优先度得到每个点云数据的综合采样优先度，并进行预警。

[0060] 根据上述步骤，得到的第三点云数据的体素的第一采样优先度以及每个点云数据的第二采样优先度，本案中第一采样优先度和第二采样优先度进行整合，得到第三点云数据中每个点云数据的综合采样优先度，其中第三点云数据中的第 个点云数据的综合采样优先度 的计算表达式为：

[0061]

[0062] 式中， 表示第三点云数据中的第 个点云数据的第一采样优先度，其中第三点云数据的第 个点云数据的第一采样优先度与该点云数据所属的体素的第一采样优先度相同； 表示第三点云数据中的第 个点云数据的第二采样优先度。

[0063] 根据上述步骤计算得到的第三点云数据的每个点云数据的综合采样优先度，将第三点云数据中的每个体素中前5个综合采样优先度大的点云数据进行留存，体素中其他的点云数据进行筛除，进而得到第四点云数据。

[0064] 根据第四点云数据进行点云的RANSAC算法拟合，获取拟合的直线对应的即为输送带的一侧边缘的直线，同时得到拟合直线的方程 。类似此操作，获取输送机正常使用时的边缘的直线的方程 ，计算两个直线对应的方程的夹角公式，即可获取当前输送机的输送带与正常使用的输送机输送带之间的偏差角度，若偏差角度大于 ，则进行输送机输送带跑偏预警。

[0065] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。