首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 智慧矿山中激光雷达点云处理应用研究

智慧矿山中激光雷达点云处理应用研究

2023-10-23 51 上传者：管理员

摘要：为了实现智慧矿山的散料自动化发货流程，需要开发出高效的散料抓取控制算法。借助激光雷达扫描采集工业散料的分布情况，通过三维建模将采集的信号发送给系统，利用三维特征分布进行精准抓取，实现工业散料自动抓取的功能，整个流程自动化，能够提高工业散料发货效率及保障相关从业人员的安全。针对智慧矿山中雷达点云处理，提出一种采用激光雷达实时采集点云数据的方案，设计了通过发射激光束来精准探测物体与传感器之间距离的主动测量装置；使用飞行时间测量法（Time of Flight），对智慧矿山中的干散料进行三维采集；然后用点云显示软件解析数据包和设备包信息以及3D点云数据；最后通过MATLAB软件进行可视化。

关键词：
可视化
散料抓取
智慧矿山
激光雷达
点数据
点数据，飞行时间测量法
加入收藏

目前，国内外智慧矿山建设聚焦于智能开采，实现少人、无人的智能化采矿是当前国际采矿界研究的热点。由设备生产厂商主导，一些智能化采矿系统已经投入实际应用。中国传统采矿业正在面临新一代信息技术的挑战和洗礼。目前国内工业散料的抓取主要依靠人工对机器的操作，物料抓取的多少需要工人自己判断，同时还很有可能混有很多的杂质，容易造成物料的浪费，增加了很多的人工与材料成本。

为了解决上述问题，以及实现少人或无人的机器操作与散料抓取，本文研究激光雷达点云数据处理，使机器能够通过对散料进行三维扫描确定散料的体积与分布情况，并通过程序根据要求实现无人操作抓斗行车[1,2]，实现高精度的散料抓取[3]，同时减少抓取散料中杂质的占比。这样将大大减少人工与材料的成本，提高效率。

目前国外的激光雷达产业起步较早，竞争日益激烈，其中Velodyne在机械式雷达方面具有显著优势，占有较大份额；但国内固态激光雷达领域还没有公认的成熟解决方案，所有企业基本是齐头并进地竞争，所以这个领域的国产厂商有望超车。在微电子技术方面，国外片上系统和芯片级组件等技术极大提高了天线的集成度；微加工技术可实现系统级封装，可以在一个或几个晶片上实现一部高频段有源相控阵天线。行业内对更小体积、更低成本、更高性能的追求使得微系统与雷达的结合成为必然趋势[4]。激光雷达包含发射单元、接收单元、扫描单元以及数据处理单元。三维扫描激光雷达能够主动获取目标的三维信息，其高速数据采集与传输是目前国内三维实时成像的技术瓶颈之一[5]。从产业链的角度看，我国激光雷达产业链完备，各环节都有参与者跟随国际领先厂商发展。国外厂商在上游光源、探测器和光束操纵等领域具有优势。综合来看，激光雷达领域国外厂商布局较早，已经掌握了比较成熟的技术；国内厂商紧追不舍，产品的精度和价格占据优势，且仍有初创公司不断加入，未来国内市场的竞争将会更加激烈。全球知名市场研究与战略咨询公司Yole Intelligence近期发布的《2022年汽车与工业领域激光雷达报告》指出，中国已经发展出一个重要的激光雷达生态系统，并在物流发展、智能基础设施建设、机器人驾驶和配送方面产生对激光雷达的强大且多样化的需求[6]。

目前激光雷达可使用To F(Time of Flight）法、FMCW(Frequency Modulated Continuous Wave）法及三角测距法等进行测距，To F和FMCW测距法能够在室外阳光下实现较远的测程（100～250 m），是车载激光雷达的优选方案。To F法是目前市场车载长距激光雷达的主流方案，适用场景广，无论被摄物体有无特征点，环境光较强或较弱，都可获得有效的景深信息；较远距离时精度也较高，可以达到厘米级的水平[7]。

1、系统设计

1.1 总体介绍

在智慧矿山中，为了实现对干散料的精准抓取，尝试用雷达采集数据，进行三维建模；设计合理的抓取算法，对干散料进行最优抓取。其中，点云数据处理的研究与应用以激光雷达为基础，采用激光雷达扫描采集工业散料的分布情况，通过Visual Studio 2022和MATLAB软件进行三维建模，将采集的信号处理为图像，显示并发送给系统。激光雷达包含发射单元、接收单元、扫描单元以及数据处理单元。本文采用飞行时间测量法（To F），在激光雷达发出激光脉冲时开始计时（t1）；当激光遇到目标物体光返回，接收端停止计时（t2），距离=光速×(t2-t1)/2。系统总体设计如图1所示。

图1 智慧矿山中激光雷达点云处理系统总体设计

1.2 软件平台

目前由于计算机技术有限，不能将大规模的点云数据一次性导入内存，需要对点云数据进行重新组织。在可视化过程中，对点云数据进行实时调度，不断地在内存和外存之间实现数据切换。随着用户的交互、视点位置的改变，将落入可见区域的数据读入内存，同时释放不在显示区的数据，其中数据的组织是可视化的前提。对于点云数据处理技术，PCL(Point Cloud Library）是一项独立的、大型的处理二维/三维图像和点云数据的开源工程，后来渐渐发展为一个独立的函数库。PCL库可以实现大规模点云的显示、缩放、漫游。PCL包含了许多先进算法，比如滤波、特征估计、表面重建、模型拟合和分割等，由于它是一个模块化的现代C++模板库，文中采用Visual Studio 2022的C++编程库对点云数据进行解析处理。Visual Studio 2022界面如图2所示。

图2 Visual Studio 2022软件界面

2、激光雷达点云采集与处理技术

2.1 激光雷达介绍

文中激光雷达装有16对激光发射接收模组，电机以5 Hz（或者10 Hz、20 Hz）转速驱动进行360°扫描，其测距方式采用脉冲式，测量范围为70～200 m，测距精度为±3 cm。采用飞行时间测量法（To F），在激光雷达发出激光脉冲时开始计时（t1），当激光遇到目标物体时返回，接收端停止计时（t2）。距离计算公式：距离=光速×(t2-t1)/2。

文中使用的16线激光雷达如图3所示。图4展示了2°（左）和1.33°（右）激光雷达示意图。图5显示了激光雷达坐标系和扫描方向。

图3 C16激光雷达

图4 2°（左）和1.33°（右）激光雷达示意图

图5 激光雷达坐标系和扫描方向

EC20 Mini PCIe采用标准封装，同时支持LTE，最大的上行速率为50 Mb/s。它支持接收分集技术，通过多输入多输出技术（MIMO）降低误码率，改善通信质量。

2.2 雷达的系统连接

首先，我们将雷达与上位机连接并配置雷达，用Windows软件显示点云。通过上位机软件设置雷达IP地址为192.168.1.101，设备端口号为2369，数据包端口号为2368。设置电脑IPv4地址为192.168.1.102，连接雷达后电脑使用Wireshark软件抓取设备ARP包进行分析，以便于查看雷达的以太网配置信息。本系统中雷达采用UDP/IP的通信协议。

图6为雷达和电脑的连接示意图，图7是雷达IP地址、数据包端口号及设备端口号设置情况。图8展示了雷达扫描后点云在上位机中的显示情况。

图6 雷达和电脑连接

图7 设置IP和端口

图8 上位机软件显示点云

2.3 点云数据处理

雷达支持单播、广播和组播通信。雷达数据输出和配置使用UDP/IP通信协议，UDP包长均为1 248 B。数据包的数据采用小端模式。数据包输出点云的角度值、距离值、强度值、时间戳等测量数据。数据包包括42 B以太网包头和1 206 B的有效载荷，有效载荷由1 200 B点云数据channel data(12个100 B的数据块block）和6 B的附加信息（4 B的Timestamp和2 B的actory）组成。

16线小型化雷达有两种不同的垂直角度分布，其每个通道数据对应固定的垂直角度（以2°的垂直角度相隔，达到-15°～15°的30°垂直视场角），采用笛卡尔坐标表示，通过获取雷达的垂直角度、水平角度和距离参数，可将极坐标下的角度和距离信息转化到右手笛卡尔坐标系下的X、Y、Z坐标，转换关系表达式为：

式中：r为距离；α为垂直角度；θ为水平旋转角度（计算时需要考虑水平修正角度）；X、Y、Z为极坐标投影到x、y、z坐标。

解析点云数据：（1）解析数据包，获得每一线的相对水平角度、测距信息、强度数据和微秒时间戳信息；（2）读取设备包，获取水平修正角度值、UTC时间（GPS或NTP授时）和设备当前状态配置等信息；（3）依据雷达光束分布得到每一线的垂直角度；（4）根据点云数据的测距值、垂直角度以及计算后的水平角度，得到XYZ坐标值；（5）如果需要，通过UTC时间、微秒时间戳、雷达每一线发光时刻和单双回波模式，计算点云数据的精确时间。

单回波模式时，一次单点激光发射测量一次回波数据。一个点云数据包包含12个数据块，每个数据块包含2组按照打包顺序测量的16个通道点云数据，每个数据块只返回一个方位角，每个方位角输出2组数据，如图9所示。

图9 16线单回波数据格式

为得到每个点云的XYZ空间坐标、角度、所属通道、距离的信息，定义一个通道i（从0至15）为整数类型，对应{-15,1,-13,3,-11,5,-9,7,-7,9,-5,11,-3,13,-1,15}共16个通道，在存放激光雷达采集的原始数据中得到点云的角度lidar＿angle和距离lidar＿dist，设为float类型。随后采用笛卡尔的转换关系，得到XYZ空间坐标，具体实现算法如图10所示。

图1 0 点云空间坐标解析

2.4 点云滤波

在利用三维激光雷达扫描仪扫描目标时，会受到扫描设备、周围环境、人为扰动、目标特性等因素的影响，使得点云数据无法避免地存在一些噪点[8]，导致数据无法正确表达扫描对象的空间位置，为此设计一种高效的点云小尺度噪声滤波算法。利用PCL库通过C++实现点云滤波。目前数据平滑滤波主要采取的是中通滤波、高斯滤波、均值滤波以及中值滤波。这里采用简单高效的直通滤波技术。首先，指定一个维度以及该维度下的值域；其次，遍历点云中的每个点，判断该点在指定维度上的取值是否在值域内，删除取值不在值域内的点；最后，遍历结束，留下的点即构成滤波后的点云[9]。直通滤波实现代码如图11所示。

图1 1 直通滤波

2.5 点云数据的保存与显示

C++将处理后的点云坐标数据（点云的XYZ空间坐标、角度、所属通道、距离）写入txt文件中，保存格式如图12所示。

图1 2 点云数据格式

3、MATLAB绘制图像

对于处理完的点云数据集，需要进行绘图，而与其他的计算机高级语言相比，选择MATLAB有着许多非常明显的优势。MATLAB允许用户以数学形式语言编写程序，用户在命令窗口中输入命令即可直接得到结果；并且用MATLAB画图，数值计算高效快速，还能够对符号进行计算；对于繁杂的数据处理也非常高效，省去用户通过复杂手段处理数据的步骤。MATLAB能够将处理结果以图形方式展现出来，将结果可视化，方便用户更好地对数据进行分析。由于它是用C语言开发的，所以它的流程控制语句与C语言中的相应语句几乎一致。MATLAB软件能够对试验获取的点云进行预处理，降低无关因素对图像的影响，为后续三维重建奠定基础[10]。

采用load（‘Test1.txt’）读取txt文件的方法，绘制点云图像。对采集的点云数据进行处理后，绘制图像结果如图13所示。

图1 3 MATLAB绘制点云数据图像

4、结语

本文开展了智慧矿山中激光雷达点云处理的研究与应用，采用激光雷达，扫描获取矿山工业现场的散料三维空间分布情况，运用PCL库通过C++语言实现点云数据的滤波与处理；采用MATLAB软件进行三维建模，将采集的信号图像化后发送给系统，根据三维特征分布进行精准抓取，实现工业散料自动抓取的功能。基于激光雷达的三维采集，实现少人或无人的机器操作与散料抓取，既能减少抓取散料中杂质的占比，提高效率，也能使相关从业人员的安全得到保障。

参考文献:

[1]韩虎虎,胡诚基于激光雷达点云高精度定位的光伏电厂智能化巡检[J]仪器仪表用户, 2022 29(11):98- 101.

[2]陈淼,于继明,张静矿仓煤渣装运无人操作抓斗摆动抑制研究[J]煤矿机械, 2021 ,42(9): 155- 158.

[3]顾立鹏,孙韶媛,刘训华,等基于激光点云坐标系的3D多目标跟踪算法研究[J]激光与红外, 2021,51(10):1307-1313.

[4]汤伟强雷达中的微系统及国外研究现状[J]现代雷达, 2017,39(3):21-23.

[5]李小路,曾晶晶,王皓,等.三维扫描激光雷达系统设计及实时成像技术[J].红外与激光工程, 2019,48(5)-35-42.

[6]刘霞中国在全球汽车激光雷达市场领先[N].科技日报, 2022-10-21(008).

[7]能珍凯,程晓强,吴幼冬,等. 基于激光雷达的无人驾驶3D多目标跟踪[J/OL]自动化学报: 1-11[2023-08-17].

[8]曾妮,李金龙,高晓蓉,等基于散乱点云的列车关键部件高效滤波平滑算法[J]激光与光电子学进展, 2023,60(14):112-119.

[9]孙钰科.三维激光点云数据的处理及应用研究[D]..上海:上海师范大学, 2018.

[10]牛福生,张红梅,张晋霞利用MATLAB软件实现赤铁矿絮凝体SEM图像的三维重建[J] .中国矿业, 2021,30(11):62-67.

文章来源:王辉,徐楠,于继明,宋佳宁,孙叶新,刘兆秾.智慧矿山中激光雷达点云处理研究与应用[J].物联网技术,2023,13(10):108-111.