(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 202210680445.3 (22)申请日 2022.06.16 (71)申请人 辽宁科技大 学 地址 114051 辽宁省鞍山市高新区千山路 185号 (72)发明人 徐振洋　王大坤　刘鑫　莫弘毅　 赵建宇　朱颂波　 (74)专利代理 机构 鞍山嘉讯科技专利事务所 (普通合伙) 21224 专利代理师 张群 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于三维点云数据的爆破块度快速识 别方法及系统 (57)摘要 本发明提供一种基于三维点云数据的爆破 块度快速识别方法及系统， 用三维激光扫描技术 获取现场的点云数据， 具有深度信息， 数据精度 更高， 并且不受光线影响可昼夜操作。 并在原始 点云数据预处理的基础上， 通过初始分割后， 再 采用基于三维点云密度特征的聚类方法进行聚 类， 可以快速做到爆破块度的轮廓识别， 再通过 凸包及包围盒一次计算爆堆区域内所有岩块的 粒径及体积， 岩块块度测量速度更快、 效率更高， 并且能够进行岩块的三维特征信息的提取。 综 上， 本发明提供的爆破块度快速识别方法具有高 速、 高效和高精度的优势。 权利要求书2页 说明书8页 附图3页 CN 115147631 A 2022.10.04 CN 115147631 A 1.一种基于三维点云数据的爆破块度快速识别方法， 其特 征在于， 包括如下步骤： 步骤S1， 利用三维激光扫描仪结合RTK定位， 对爆破后的爆堆进行原始数据的多站采 集； 步骤S2， 结合地球坐标系对多站爆堆原始点云数据进行粗配准， 应用ICP算法对拼接后 的爆堆点云数据进 行精细配准， 选择SOR算法去除岩块周围噪声 数据， 采用体素降采样降低 点云的密度， 提高点云计算效率； 步骤S3， 采用RANSAC算法对预处理后的点云数据进行平面拟合， 剔除掉爆堆点云岩块 间的凹陷部分， 进行初始分割； 步骤S4， 根据爆堆点云数据的范围大小以及点云精度， 设定聚类点云的半径参数Eps和 密度参数Mi nPts， 通过基于点云密度的DBSCAN 算法对分割后的点云数据进行聚类； 步骤S5， 应用三维凸包计算爆堆 点云中各岩块体积， 通过多次试验增 加系数k； 步骤S6， 通过OB B方向包围盒计算爆堆 点云中各岩块粒径； 步骤S7， 导出计算结果， 并进行识别结果的可视化。 2.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S3中， 对预处 理后的爆堆 点云的初始分割过程具体包括以下内容： 步骤S31， 在爆堆点云内岩块的凹陷区域中随机选择五个点， 计算其对应平面方程Ax+ By+Cz+D＝0； A、 B、 C为平面方程的变量系数， D为平面方程的常量； 步骤S32， 计算所有点至该平面的代数距离di＝|Ax+By+CZ+D|， 选取阈值dmax， 若di≤ dmax， 则该点被认为是模型内点， 否则为模型外点； 进行多次迭代， 选取最佳拟合 参数； 步骤S33， 删除拟合平面上的所有点； 步骤S3进行的初始分割是为岩块 点云聚类提供 数据支持， 方便后续处 理。 3.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S4中， 点云数据的聚类过程， 包括如下内容： 步骤S41， 根据爆堆 点云数据的范围大小， 设定聚类点云的半径参数Eps； 步骤S42， 根据点云的精度设定密度参数Mi nPts； 步骤S43， 将 岩块聚类点云以外的点标记为噪音点； 步骤S44， 标记聚类岩块以及噪音点的颜色， 并剔除噪音点。 4.根据权利要求3所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S4中， DBS CAN聚类算法是一种通过定义密度对空间中点云进行聚类的算法， 可 以检测任意形状的聚类， 所述Eps为定义聚类点云 的半径的参数， MinPts为半径为Eps的邻 域中点云个数的阈值； 计算过程中， 在众多样本点中随机选 中一个， 围绕这个被选 中的样本点圈定一个范围， 规定这个范围的半径Eps以及范围内最少包含MinPts数量的样 本点， 如果在指定 半径Eps内 有足够多的样本点在内， 那么这个范围的中心 就转移到这个内部样本点， 继续向外搜索； 等 到圈定样本点数量少于预 先指定的Mi nPts值， 即停止 搜索。 5.根据权利要求3所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S4中， DBSCAN 算法将数据点分为 三类： 核心点： 在半径Eps内含有Mi nPts数目的点； 边界点： 在半径Eps内点的数量小于 MinPts， 但是落在核心点的邻域内的点；权　利　要　求　书 1/2 页 2 CN 115147631 A 2噪音点： 既不是核心点 也不是边界点的点。 6.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S5包括如下内容： 应用三维凸包算法， 将聚类完的岩块点云进行闭合， 通过随机放置点， 内部的数量模拟 体积的方法， 计算凸包体积； 三维凸包算法的原理为岩块点云内集中任选4个不在同一平面的点， 组成一四面体为 初始凸包， 继续增加新的点， 若在 凸包内则跳过， 在 凸包外， 将从这个点能直线到的达到的 面删除， 并重新连接构成新的凸包， 直至所有点判断完 毕， 通过所计算的岩块体积为岩块的 部分体积， 通过统计现场数据与识别体积进行对比， 可以增加系数k， 以代表岩块的真实体 积； V真 实＝kV识别 在多次测试后k取值 为4.61‑4.75， 误差在5％以内。 7.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S6包括： 使用OBB方向包围盒来计算岩块粒径， 其原理是包裹岩块相 对于坐标 轴方向最小的长方体。 OBB方向包围盒最大特点是它的方向的任意性， 可以根据岩块的形状 特点尽可能紧密的包围岩块， 减少误差 。 8.根据权利要求1所述的一种基于三维点云数据的爆破块度快速识别方法， 其特征在 于， 所述步骤S7包括： 输出所述岩块计算结果信息， 所述岩块计算点云结果信息包括岩块的 点云数量、 岩块体积、 包围盒长 宽高径长、 最长粒径， 以点云文本 csv格式进行导出。 9.一种基于三维点云数据的爆破块度快速识别系统， 其特 征在于， 包括： 数据采集模块， 用于现场爆堆数据的地 面采集； 数据预处 理模块， 用于对原 始爆堆数据进行拼接、 降噪、 下采样等处 理； 数据分割模块， 用于预处 理后的数据进行RANSAC平面拟合； 数据聚类模块， 用于分割后点云数据的轮廓识别； 块度信息提取模块， 用于聚类后岩块 点云的粒径及体积计算； 显示模块， 用于爆破块度识别结果的显示。 10.一种电子设备， 包括处理器和存储器， 所述存储器中存储有计算机程序， 所述处理 器通过调用所述存储器中存储的所述计算机程序， 用于执行如上权利要求 1～8任一项所述 的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115147631 A 3