一种料堆边缘检测方法、装置、介质及产品

本发明涉及4d毫米波雷达点云处理，特别是涉及一种料堆边缘检测方法、装置、介质及产品。

背景技术：

1、随着经济全球化的趋势的不断加强，各个国家和地区之间的货物运输量在不断增长。沿海港口作为物料运输的海陆交通枢纽，对散运货物起到了转运集散的作用，在全球贸易交流中扮演着至关重要的角色。取料机作为目前应用于干散货堆场物料装卸的主要作业机械，实现其自动化、半自动化作业功能是提高港口运转效率的关键。在港口堆场中，干散货物料经堆料机自然下落堆料，其原始料堆形态为圆锥状，在取料机不断地回转取料过程中，料堆形态不断发生变化，特别是针对边缘样本的识别判断，为了能够实时获取料堆边缘形态特征及分类，采用4d毫米波雷达及相关点云改进处理算法完成对料堆边缘形态的判别。

2、传统意义上，毫米波雷达一般指3d毫米波雷达，获取的数据中主要包含目标物体的距离、速度和方位角度信息。4d毫米波雷达可以获取目标物体的径向距离、俯仰角度、方位角度、速度等，在3d毫米波雷达原有优势基础上，可以额外获取针对目标高度的俯仰角信息，且雷达点云的分辨率以及单帧点云数进一步提高，可在一定程度上呈现出目标物体的空间轮廓。通过提取数帧点云的空间特征，可反映目标真实的三维空间形态，为点云形态分类提供更有判别性的空间信息。目前港口堆场散杂货取料作业主要依靠人工控制的方式，对散货料堆形态的分类判断也主要依靠作业人员目视、视觉图像、激光雷达等方式。kamarim等人基于视觉图像处理，使用深度学习的方式对扫描结果进行语义分割，识别目标后将其从环境中分割出来，但基于视觉的方式缺乏空间三维信息，测量误差较大。港口在干散货码头自动化建设中，针对料堆情况，使用三维激光扫描技术，对料堆实时扫描、整合，转化为直观的三维扫描图像并提取其它模块所需的控制数据。张钰提出的孪生重叠敏感边距分类器(取料机无人化作业中感知系统的研究与应用)，使用3d毫米波雷达获取料堆边缘数据训练并识别料堆边缘，但3d毫米波雷达只能返回二维平面点云，局部空间信息不足，需要结合外部斗轮功率特征，且未有效解决训练过程中参数优化选择问题。目前来看，依靠作业人员目视判断不满足产业升级中对取料机半自动化和自动化控制的要求，且人员判断受障碍物角度遮挡、照明等现场条件影响较大；监控摄像及激光雷达等光学器件虽可通过调整安装位置获取良好的监测视角，但要保证其正常工作就必须要求天气、作业环境、照明等条件良好的情况下，然而在实际作业中，不可避免的存在雨雪雾等天气情况，其良好照明条件在夜间也不能充分满足，且高沙尘作业环境下，沙尘对光学传感器遮盖会导致其完全失去感知能力。

技术实现思路

1、本发明的目的是提供一种料堆边缘检测方法、装置、介质及产品，能够提高料堆边缘检测的精度。

2、为实现上述目的，本发明提供了如下方案：

3、一种料堆边缘检测方法，包括：

4、获取当前料堆切削表面的待测三维点云数据；所述待测三维点云数据是安装于取料机侧面的4d毫米波雷达获得的；

5、将待测三维点云数据从毫米波雷达坐标系转换到坝基堆场坐标系，得到坝基堆场坐标系下的三维点云数据；

6、对所述毫米波雷达坐标系下的三维点云数据，以及坝基堆场坐标系下的三维点云数据进行直通滤波处理或统计滤波处理，得到目标三维点云数据；所述目标三维点云数据为在毫米波雷达坐标系下已去除噪点、离群点以及非料堆区域点云；

7、将所述目标三维点云数据按帧序划分得到样本点云，提取样本点云的特征，并将样本点云的特征输入到料堆边缘检测模型中，得到料堆边缘检测结果；所述料堆边缘检测模型是根据料堆切削表面的多个历史三维点云数据制作的数据集，使用模糊孪生支持向量机进行训练，并利用差分进化算法优化模型参数选择得到的。

8、可选的，毫米波雷达坐标系以4d毫米波雷达的中点为原点，以取料机大臂中轴线方向为xl轴；以取料机大臂中轴线的垂线方向为yl轴；以垂直于xlolyl平面的方向为zl轴。

9、可选的，将待测三维点云数据从毫米波雷达坐标系转换到坝基堆场坐标系，得到坝基堆场坐标系下的三维点云数据，包括：

10、确定待测三维点云数据中任一点为当前点；

11、根据毫米波雷达坐标系-取料机回转中心坐标系旋转矩阵和毫米波雷达坐标系-取料机回转中心坐标系平移向量，以及当前点在毫米波雷达坐标系下的坐标，确定当前点在取料机回转中心坐标系下的坐标；

12、确定当前点在取料机回转中心坐标系下的纵坐标为当前点在坝基堆场坐标系下的纵坐标；

13、确定取料机沿坝基走行距离与当前点在取料机回转中心坐标系下的横坐标之和，为当前点在坝基堆场坐标系下的横坐标；

14、遍历待测三维点云数据，得到坝基堆场坐标系下所有三维点云数据。

15、可选的，在获取当前料堆切削表面的待测三维点云数据之前，还包括：

16、获取料堆切削表面的多个历史三维点云数据；

17、将历史三维点云数据从毫米波雷达坐标系转换到坝基堆场坐标系，得到在坝基堆场坐标系下的历史三维点云数据；

18、对所述毫米波雷达坐标系下的历史三维点云数据和坝基堆场坐标系下的历史三维点云数据进行直通滤波处理或统计滤波处理，得到毫米波雷达坐标系下的历史滤波三维点云数据；

19、以预设帧数为步长将历史滤波三维点云数据划分为多个点云样本，提取点云样本的特征为数据集样本，并以数据集样本的样本类别为标签，得到数据集；所述样本类别为边缘样本和堆中样本；所述数据集中边缘样本为正样本，堆中样本为负样本；

20、以数据集样本为输入，以标签为输出，利用差分进化算法优化模糊孪生支持向量机的参数，得到料堆边缘检测模型。

21、一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述所述的一种料堆边缘检测方法。

22、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述所述的一种料堆边缘检测方法。

23、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述所述的一种料堆边缘检测方法。

24、根据本发明提供的具体实施例，本发明公开了以下技术效果：

25、本发明提供的一种料堆边缘检测方法、装置、介质及产品，使用4d毫米波雷达获取料堆边缘区域与非边缘区域的点云数据；通过旋转、平移获取点云在不同空间坐标系下的坐标；接着对相应坐标系下的点云进行直通和统计滤波，去除噪点、离群点以及非料堆区域点云；人工选取特征、制作数据集、并使用自定义模糊隶属度函数计算每个样本点的隶属度值；通过差分进化算法(de)迭代完成模糊孪生支持向量机(ftsvm)参数的选择优化,进而获取高可靠的模型；最后，将目标样本数据输入到经过参数优化过后的支持向量机分类器中，完成料堆边缘检测判别。此外，在取料机回转取料过程中，料堆边缘处的三维形态与非边缘处具有明显的形态差别，且4d毫米波雷达传感器能够在复杂的现场作业环境和恶劣天气条件下稳定正常获取目标物体的三维空间信息，因而通过4d毫米波雷达传感器采集料堆边缘与非边缘区域的形态点云，通过改进的算法提高分类准确度，实现料堆边缘检测任务。

技术特征：

1.一种料堆边缘检测方法，其特征在于，包括：

2.根据权利要求1所述的一种料堆边缘检测方法，其特征在于，毫米波雷达坐标系以4d毫米波雷达的中点为原点，以取料机大臂中轴线方向为xl轴；以取料机大臂中轴线的垂线方向为yl轴；以垂直于xlolyl平面的方向为zl轴。

3.根据权利要求1所述的一种料堆边缘检测方法，其特征在于，将待测三维点云数据从毫米波雷达坐标系转换到坝基堆场坐标系，得到坝基堆场坐标系下的三维点云数据，包括：

4.根据权利要求1所述的一种料堆边缘检测方法，其特征在于，在获取当前料堆切削表面的待测三维点云数据之前，还包括：

5.一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-4中任一项所述的一种料堆边缘检测方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述的一种料堆边缘检测方法。

7.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述的一种料堆边缘检测方法。

技术总结
本发明公开了一种料堆边缘检测方法、装置、介质及产品，涉及4D毫米波雷达点云处理技术领域。方法包括：将待测三维点云数据从毫米波雷达坐标系转换到坝基堆场坐标系，得到坝基堆场坐标系下的三维点云数据；对毫米波雷达坐标系下的三维点云数据，以及坝基堆场坐标系下的三维点云数据进行直通滤波处理或统计滤波处理，得到目标三维点云数据；将目标三维点云数据按帧序划分得到样本点云，提取样本点云的特征，并将样本点云的特征输入到料堆边缘检测模型中，得到料堆边缘检测结果。本发明利用差分进化算法优化料堆边缘检测模型的参数选择，能够提高料堆边缘检测的精度。

技术研发人员：孔德明,陈晓玉,沈晨,李艮海,王伟,申禹,沈阅,高剑慧,李伟
受保护的技术使用者：燕山大学
技术研发日：
技术公布日：2024/12/5