1.一种计算敞车车厢剩余冻煤体积的方法,其特征在于,所述方法包括:获取已经卸完货物的敞车车厢整体的三维激光点云数据;
将所述三维激光点云数据中侧墙所在平面的法向量作为参考向量,对所述点云数据进行平面拟合,得到侧墙平面模型,并根据所述侧墙平面模型剔除所述三维激光点云数据中侧墙平面的点云数据,得到除侧墙点云数据;
对所述除侧墙点云数据进行聚类处理,得到聚类点云数据;
选取所述聚类点云数据中点的个数最多的类,作为剩余冻煤表面点云数据;
根据所述剩余冻煤表面点云数据,利用Delaunay三角化算法重建剩余冻煤表面,计算剩余冻煤体积;
所述将所述三维激光点云数据中侧墙所在平面的法向量作为参考向量,对所述点云数据进行平面拟合,得到侧墙平面模型,并根据所述侧墙平面模型剔除所述三维激光点云数据中侧墙平面的点云数据,得到除侧墙点云数据,具体包括:在所述三维激光点云数据所在的区域内创建三维体素网格;
利用所述三维体素网格的质心坐标表示所述三维激光点云数据的坐标;
以所述三维激光点云数据的坐标作为平面拟合算法的输入,侧墙所在平面的法向量作为参考向量,设定侧墙上的点到拟合平面的距离阈值,拟合得到侧墙平面模型;
将与所述侧墙平面模型的距离小于距离阈值的局内点剔除,得到除侧墙点云数据;
所述对所述除侧墙点云数据进行聚类处理,得到聚类点云数据,具体包括:将所述除侧墙点云数据中的某个点p加入搜索队列;
采用八叉树的近邻搜索算法找到点p的若干个临近点;
设定聚类距离阈值;
计算点p到每个临近点的欧氏距离,若所述欧氏距离小于所述聚类距离阈值,则将所述临近点聚类到聚类集合中,并将所述临近点加入到所述搜索队列中;
将点p点从所述搜索队列中删除,继续搜索所述搜索队列中的新加入的点,直到所述搜索队列和所述聚类集合中元素的数目不在增加;
将所述聚类集合外未被聚类的点加入搜索队列,返回“将所述除侧墙点云数据中的某个点p加入搜索队列”步骤,直到所有的点都被放入不同的集合;
所述根据所述剩余冻煤表面点云数据,利用Delaunay三角化算法重建剩余冻煤表面,计算剩余冻煤体积,具体包括:构造一个包含所述剩余冻煤表面点云数据中的所有散点的超级三角形;
将所述超级三角形的三个顶点坐标存放入三角形链表;
将所述散点依次插入所述超级三角形中;
每个散点插入的具体过程包括:在所述三角形链表中找出插入散点的影响三角形;所述影响三角形为外接圆包含所述插入散点的三角形;
删除所述影响三角形距离所述插入散点最近的边;
将所述插入散点与所述影响三角形的全部顶点连接,得到两个具有公共边的三角形;
将所述两个具有公共边的三角形放入所述三角形链表,完成一个散点的插入;
删除依次插入所有散点后的所述三角形链表中与超级三角形相同的顶点和边;
利用欧氏距离算法计算依次插入所有散点后的所述三角形链表中每个三角形的边长;
根据三角形链表中每个三角形的三个坐标得到质心坐标;
根据所述每个三角形的边长和所述每个三角形的质心坐标利用海伦公式计算每个三角形的面积;
将每个三角形的质心坐标到所述敞车车厢车底的距离乘以对应三角形的面积,得到每个三角形投影到敞车车厢车底所形成的三棱柱的体积;
对所有三棱柱的体积求和,得到剩余冻煤体积。
2.根据权利要求1所述的计算敞车车厢剩余冻煤体积的方法,其特征在于,所述获取已经卸完货物的敞车车厢整体的三维激光点云数据,具体包括:利用二维激光雷达扫描已经卸完货物的敞车车厢,扫描面垂直于所述敞车车厢和地面,得到x轴与z轴上的探测数据,结合所述敞车车厢的运动速度和运动方向得到y轴的数据,组成激光三维点云数据。
3.根据权利要求1所述的计算敞车车厢剩余冻煤体积的方法,其特征在于,在将所述插入散点与所述影响三角形的全部顶点连接,得到两个具有公共边的三角形之后,还包括:将所述两个具有公共边的三角形合并成一个凸多边形;
找到所述两个具有公共边的三角形的最大空外接圆;
确定另一个顶点是否在所述最大空外接圆之内,若在,则删去两个三角形的公共边,将连接另外两个顶点得到的两个三角形作为所述两个具有公共边的三角形。
4.一种计算敞车车厢剩余冻煤体积的系统,其特征在于,所述系统包括:数据获取模块,用于获取已经卸完货物的敞车车厢整体的三维激光点云数据;
数据剔除模块,用于将所述三维激光点云数据中侧墙所在平面的法向量作为参考向量,对所述点云数据进行平面拟合,得到侧墙平面模型,并根据所述侧墙平面模型剔除所述三维激光点云数据中侧墙平面的点云数据,得到除侧墙点云数据;
聚类模块,用于对所述除侧墙点云数据进行聚类处理,得到聚类点云数据;
数据选择模块,用于选取所述聚类点云数据中点的个数最多的类,作为剩余冻煤表面点云数据;
体积计算模块,用于根据所述剩余冻煤表面点云数据,利用Delaunay三角化算法重建剩余冻煤表面,计算剩余冻煤体积;
所述数据剔除模块,具体用于:
在所述三维激光点云数据所在的区域内创建三维体素网格;
利用所述三维体素网格的质心坐标表示所述三维激光点云数据的坐标;
以所述三维激光点云数据的坐标作为平面拟合算法的输入,侧墙所在平面的法向量作为参考向量,设定侧墙上的点到拟合平面的距离阈值,拟合得到侧墙平面模型;
将与所述侧墙平面模型的距离小于距离阈值的局内点剔除,得到除侧墙点云数据;
所述聚类模块,具体用于:
将所述除侧墙点云数据中的某个点p加入搜索队列;
采用八叉树的近邻搜索算法找到点p的若干个临近点;
设定聚类距离阈值;
计算点p到每个临近点的欧氏距离,若所述欧氏距离小于所述聚类距离阈值,则将所述临近点聚类到聚类集合中,并将所述临近点加入到所述搜索队列中;
将点p点从所述搜索队列中删除,继续搜索所述搜索队列中的新加入的点,直到所述搜索队列和所述聚类集合中元素的数目不在增加;
将所述聚类集合外未被聚类的点加入搜索队列,返回“将所述除侧墙点云数据中的某个点p加入搜索队列”步骤,直到所有的点都被放入不同的集合;
所述体积计算模块,具体用于:
构造一个包含所述剩余冻煤表面点云数据中的所有散点的超级三角形;
将所述超级三角形的三个顶点坐标存放入三角形链表;
将所述散点依次插入所述超级三角形中;
每个散点插入的具体过程包括:在所述三角形链表中找出插入散点的影响三角形;所述影响三角形为外接圆包含所述插入散点的三角形;
删除所述影响三角形距离所述插入散点最近的边;
将所述插入散点与所述影响三角形的全部顶点连接,得到两个具有公共边的三角形;
将所述两个具有公共边的三角形放入所述三角形链表,完成一个散点的插入;
删除依次插入所有散点后的所述三角形链表中与超级三角形相同的顶点和边;
利用欧氏距离算法计算依次插入所有散点后的所述三角形链表中每个三角形的边长;
根据三角形链表中每个三角形的三个坐标得到质心坐标;
根据所述每个三角形的边长和所述每个三角形的质心坐标利用海伦公式计算每个三角形的面积;
将每个三角形的质心坐标到所述敞车车厢车底的距离乘以对应三角形的面积,得到每个三角形投影到敞车车厢车底所形成的三棱柱的体积;
对所有三棱柱的体积求和,得到剩余冻煤体积。