糧倉三維激光測繪系統設計范文

本站小編為你精心準備了糧倉三維激光測繪系統設計參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

糧倉清倉查庫是糧食儲藏管理中必不可少的環節，關系國內糧食的宏觀調控。該文針對傳統的清倉查庫方式中效率低，準確率低的問題，在搭建三維激光監測系統的基礎上，提出基于三維激光掃描的糧堆快速三維建模與體積計算方法。利用三維激光測距傳感器掃描糧堆表面輪廓，獲取表面三維點云，再根據Delaunay原則對點云進行三角劃分，最終利用微軟WPF技術的3D渲染引擎完成糧堆三維模型的建立，而系統中糧堆體積的快速計算采用方格網算法。利用該系統在實驗室搭建的試驗糧堆上進行了試驗。系統利用處理后的標準點云數據可快速準確地完成糧堆三維模型的建立。通過對試驗數據的處理和分析，結果顯示利用該系統對糧堆掃描后計算出的體積與真實體積的相對誤差的平均值僅為0.318%。驗證了該系統中所使用的體積計算方法的準確性與穩定性。該研究為糧倉的清倉查庫提供了一種高效準確的方法。

關鍵詞：

三維；設計；模型；糧倉；三維激光測距；點云；三維模型；體積

民以食為天，糧食儲藏關系軍需民食，也關系國家安全和穩定發展。全國糧倉清倉查庫能獲得糧食總量，有利于更加準確地判斷國內糧食供求形勢，增強糧食工作的預見性和針對性，為經濟發展服務，也有利于切實抓好糧食生產，夯實國家糧食宏觀調控的物質基礎，為經濟平穩較快發展提供有力保障[1-2]。然而隨著糧倉規模的擴大和種類的變化，糧倉的統計工作變得越來越復雜[3]。如今數字化糧倉技術為糧食儲藏及管理的智能化提供了強有力的支持。它利用先進的測繪技術，快速掃描采集糧堆的信息后傳輸給計算機軟件進行處理建模并計算體積和質量。目前國內外的清倉查庫方法主要包括傳統人工測量和激光掃描測繪。在傳統的清倉查庫中，人們首先是將糧堆進行整形，將其整形成截面為梯形或者底面為圓形的糧堆，然后再采用人工丈量的方式來測得糧堆的長寬等數據，最后利用數學公式來得到存糧的體積，這種方法一方面會消耗大量的人力資源和時間，另一方面得到的結果也存在較大的誤差[3-4]。三維激光掃描測繪技術能快速、精確的獲取物體的三維信息，目前在航空航天等眾多行業都有廣泛的應用，特別在大型發電廠的煤場盤點中的應用已相當成熟，利用三維激光測距儀來獲取煤場煤堆的3D模型及存煤量[5-6]。但是在糧倉中的應用還不是很廣泛，朱鐵軍等[7]提出了利用三維激光掃描糧堆，根據掃描的輪廓信息計算糧堆上方空氣層的體積，再利用糧倉體積減去空氣層體積的方式得到糧堆體積，這種方法一方面需要在激光掃描時得到均勻的點云數據，這在實際測量中不容易實現，另一方面利用兩體積之差得到糧堆體積會加大誤差。曾敬文等[8]提出利用立方體等高線計算體積，但是搜索等高線的過程相對復雜。Ren等[9]利用測距傳感器對糧倉進行了非接觸式測量，然后采用多重積分的方式計算體積。為了更精確實現糧堆三維重構以及提高糧堆體積計算的準確性和效率，本文提出利用WPF進行三維重構和方格網算法計算糧堆體積的設計。

1系統設計與數據處理

1.1三維激光掃描系統數據的采集利用三維激光測距儀，三維激光測距儀能獲得距掃描點的距離并結合自身的位置以及角度等信息得到掃描點的三維坐標，如圖1所示，再利用公式（1）即可得到采樣特征點距離底面的距離。經過三維激光測距儀在糧堆上方多個位置多次掃描，即可得到糧堆的三維點集合，通常將此類三維點集合稱為點云。

1.2原始點云數據的處理在糧倉中，隨著懸臂的移動，激光傳感器采集到糧堆表面某點的距離，然后結合傳感器自身的位置將其轉換為特征點距糧堆底面的距離。

1.2.1數據去噪利用三維激光測距儀采集糧堆特征點坐標時，不免會受到空間中塵埃等因素的影響，從而出現毛刺，這些毛刺點對于三維模型的重建和糧堆體積的計算結果都有較大影響。在本系統中采用中值濾波的方式將毛刺點過濾。中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，它的原理是把某點的值用其鄰近的點的中值代替。對于每一條掃描線，按照糧堆輪廓的變化趨勢來判斷，對于突變明顯的點則認為是毛刺，采取中值濾波消除該噪聲點。

1.2.2數據拼接受到糧堆面積大等因素的影響，三維激光測距設備無法在單一的位置掃描到完整的糧堆數據，因而需要在多個位置進行多次掃描，每次掃描得到的數據所在的坐標系也不同。為得到整個糧堆的完整點云數據，需要對多次的掃描結果進行拼接。拼接即利用轉換矩陣和轉換向量將處于不同坐標系下的點云數據轉換到同一個坐標系下。

1.2.3數據網格化通過三維激光測距儀采取到的原始點云數據量龐大，一般都會達到幾十萬個點，而且數據點分布不均，如果對原始點云數據直接進行分析和建模會非常復雜。將散亂點云數據規格化為標準的網格點云數據。規格化點云數據在簡單化建模計算的同時，也使點云數量得到了簡化。將散亂點云規格化為標準的網格點云數據的過程主要包括網格初始化和散亂點云的高度值轉化為標準網格交點的高度值。網格初始化中把糧倉底面劃分若干小方格，網格交點的默認初始值為0。將散亂點云轉化為網格交點的過程采用反向加權平均的算法。對于某個網格交點周圍的點云，將這些點云的高度值加權平均得到該點的高度值。權值根據散亂點距交點的距離來確定，距離越遠，權值越小。

1.3體積與質量計算方法糧堆是不規則形狀，傳統方法是將糧堆整形，利用數學理論中的體積公式計算，一般誤差較大。在此系統中體積計算采用方格網算法，利用處理建模好的標準點云數據，將糧堆的底面分為標準的方格網，此方格網與采集到的點云數據處理后的標準網格相對應，整個糧堆可認為是由數個以方格為底的柱體組成，體積可由這數個柱狀的體積之和表示[6]。每個方格的4個頂點分別對應糧堆標準網格點云中相鄰的4個點，每個點的值代表糧堆上的表面特征點距離糧倉底面的距離，取4個點的高度值的平均值作為柱狀體的等效高，再按照柱體的體積公式就能得到每個柱狀體的體積，將它們累加起來即得到整個糧堆的體積V[7-8]。

2系統硬件組成

糧倉3D測量系統主要由三維激光測距儀、檢測計算機終端、測量懸臂及支架組成。激光測距儀采用德國SICK的DME5000三維激光測距儀，測量范圍0.1～300m，測量精確度為±30mm，模擬輸出范圍為0～20mA。在糧場建立檢測網和空間坐標系，將三維激光測距儀安裝在斗輪機或堆取料機的懸臂上，隨著懸臂的移動，測距儀采集傳感器到谷堆某點的距離值以及角度，再結合傳感器自身的位置得到特征點的三維坐標。糧倉一般分為矩形糧倉和圓形糧倉，對于不同的糧倉，硬件設備安裝形式不同。如圖2a所示為矩形糧倉的糧倉測繪設備安裝示意圖，激光傳感器掛在懸臂上并可在懸臂上沿懸臂移動，而懸臂一端安裝在滑道上可沿滑道水平移動，從而使激光傳感器實現了無死角掃描糧堆。如圖2b所示為圓形糧倉的安裝示意圖，相比矩形糧倉的區別是懸臂是繞著圓形糧倉的中心點的軸旋轉移動，以此來達到無死角測量。

3軟件模塊設計

本設計將通過硬件系統采集到的糧堆特征點來構建糧堆的三維模型，根據不同的構建方式呈現散點模型、線框模型以及立體模型。軟件接收激光測距儀采集的糧堆原始點云數據，經過數據處理，將原始離散點云數據轉化為標準網格點云數據，最后利用建模完成的標準矩陣式點云數據，進行三角剖分，建立糧堆的3D模型送往渲染引擎渲染顯示，最終生成糧堆體積報表和外觀3D模型，如圖3所示。三維模型渲染流程如圖4所示。三角劃分的結果直接決定了曲面的渲染擬合效果。數據存儲在一個標準矩陣數組中，根據Delaunay三角劃分原則，選擇以矩陣中相鄰的4個數為單位，每4個點可劃分為2個三角形，即通過對角線劃分，通過劃分后的三角網構成曲面網格[15-16]，如圖5所示。在三維建模中，需要對其進行平移縮放變換，以便讓我們建立的三維圖像能得到完全顯示。為實現整個3D物體的變換，即對每一個坐標點進行位置變換，一個三維坐標點可以通過變換矩陣變為另外一個三維坐標。

4試驗驗證

4.1實驗室試驗利用此系統在北京林業大學控制實驗室搭建的試驗糧堆上進行了試驗，經精確人工測量得到試驗糧堆的真實體積大小為2.205m3。應用該系統在試驗糧堆上方進行了完整的10次掃描，經過數據網格化處理，將點云數據傳回計算機軟件進行的三維建模效果如圖6所示。通過對以上試驗數據的分析，測量體積與真實體積的平均相對誤差為0.318%，最大誤差為0.58%，由此可知該系統的測量準確度高，結果可靠。另外系統測量體積的標準偏差為0.0083m3，由此體現系統測量穩定性好。

4.2河北滄州糧倉試驗同樣利用此系統在河北某圓形糧倉進行了試驗。已知該糧倉以前采用的是人工丈量的方式得到糧堆的體積和質量。經過完整的10次掃描得到原始點云，經數據處理將原始點云網格化為6724個點，這些點在xy平面上分布在均勻的方格網上呈矩陣排列。如圖7a所示是某次掃描所采集到的糧堆點云所形成的3D散點模型，圖7b是將這些進行曲面重構后形成的曲面模型。對糧堆重復測量10次，體積計算結果如表2所示。對以上測量結果數據進行分析可得系統測量體積平均值為22469.97m3，標準偏差為42.92m3，而人工丈量的平均值22466.5m3，標準偏差為70.25m3。利用系統方格體積算法得出的體積結果相對人工丈量結果相對標準偏差小，重復性高，體積測量穩定性高。

5結論

1）本研究針對傳統清倉查庫方式中存在的準確率低，穩定性不高的問題，設計并實現了基于三維激光掃描技術的糧倉測繪系統。在糧堆三維重構中，采用了WPF技術，充分利用WPF的技術特點，優化軟件界面，利用其高效的3D渲染引擎，強大的紋理映射功能再現糧倉糧堆的三維模型，WPF技術對于硬件的消耗小，避免了采用OpenGL渲染對硬件消耗大的缺點。軟件同時利用方格網算法計算糧堆的體積。2）應用此系統分別在實驗室和河北滄州一糧倉內分別進行了試驗，經過對試驗糧堆的結果的分析，系統測量體積與真實體積的相對誤差的平均值為0.318%，標準偏差小，在河北滄州的試驗中，傳統人工測量的標準差為70.25m3，而系統測量的標準差僅為42.92m3。因此系統具有較高的測量精度以及較好的穩定性。

作者：趙燕東 涂佳炎 劉圣波 杜興元 單位：北京林業大學工學院 中科航宇（北京）自動化工程技術有限公司