一种获取料堆高程模型的方法及系统与流程

1.本发明涉及毫米波雷达检测技术领域，特别是涉及一种获取料堆高程模型的方法及系统。


背景技术：

2.在国内外新型智能化散杂货港口中，港口散杂货的周转量日益增长，提高周转效率是港口面临最重要的问题，散杂货的快速、高效的无人化机械堆取是港口未来的发展方向，全天候、快速的、便捷的和稳定的得到料堆在堆场的三维数据是实现堆取料机全自动化的关键部分。全自动化的的堆取物料技术发展缓慢，最主要的原因是港口恶劣的环境难以全天候的获取料堆的三维数据，在现有技术手段下，由于料堆高度不同、体积较大和材质反射效率低等特性，导致非接触方式难以准确有效获取数据和测量。
3.而且，在大型散杂货堆场，堆取的物料主要有块状、颗粒状的货物，采用的是基于轨道的大型斗轮取料机和堆料机，这些大型机械堆取设备目前大多数需要人工操作，造成了人工成本居高不下问题，所以国内外的散杂货港口都在对堆取料机进行自动化改造，首要问题就是在现有的设备上增加仪器，获取料堆的三维数据，目前，料堆表面三维数据的获取和体积测量方法主要有激光测量、计算机视觉测量等，但是基于激光和视觉的方法不能够满足在雾雨雪天气以及沙尘环境的环境下正常工作。
4.因此，如何设计一种能够提高设备的环境适应能力，并且能够高效获取料堆的高程模型的方法及系统，成为本领域亟需解决的技术问题。


技术实现要素：

5.本发明的目的是提供一种获取料堆高程模型的方法及系统，能够提高设备的环境适应能力，并且能够高效获取料堆的高程模型。
6.为实现上述目的，本发明提供了如下方案：
7.一种获取料堆高程模型的方法，该方法包括以下步骤：
8.分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；所述毫米波雷达安装于堆料机的出料口；所述双天线差分北斗传感器安装于堆料机的回转平台上；所述角编码器安装于堆料机的大臂上；
9.对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；
10.对所述原始点云数据进行预处理，得到预处理后的点云数据；
11.利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型。
12.可选的，所述分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据，具体包括：
13.将所述堆料机的大臂俯仰到预设值；
14.以不同的回转角往复的走行，分别获取料堆表面坐标信息、回转中心在堆场坐标系的位置数据及堆料机大臂的俯仰角和回转角数据；
15.将所述料堆表面坐标信息、所述回转中心在堆场坐标系的位置数据及所述堆料机大臂的俯仰角和回转角数据进行存储；
16.将存储的数据发送到数据处理服务器。
17.可选的，所述对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据，具体包括：
18.分别建立长方形堆场水平直角全局坐标系o
0-x0y0z0、堆料机水平直角坐标系o
1-x1y1z1和毫米波雷达坐标系o-xyz；其中，以堆料机在堆场轨道的起始点为原点o0，以宽边为所述长方形堆场水平直角全局坐标系的x0轴，以长边为所述长方形堆场水平直角全局坐标系的y0轴，所述长方形堆场全局坐标系的z0轴垂直于长方形堆场；以堆料机在长方形堆场的位置为所述堆料机水平直角坐标系的原点o1，以堆料机的大臂在长方形堆场平面的投影为所述堆料机水平直角坐标系的x1轴，以堆料机的回转轴中心线为所述堆料机水平直角坐标系的z1轴，所述堆料机水平直角坐标系的y1轴垂直于堆料机的大臂中心线和回转中心线所在的平面；以毫米波雷达的位置为所述毫米波雷达坐标系的原点o，所述毫米波雷达坐标系的x轴沿堆料机的大臂中线指向回转中心，所述毫米波雷达坐标系的y轴垂直于堆料机的大臂中心线和回转轴中心线所在的平面，所述毫米波雷达坐标系的z轴垂直于所述堆料机的大臂且向下；
19.上采样所述双天线差分北斗传感器和所述角编码器采集的数据，得到与所述毫米波雷达采集到的相同帧数的数据；
20.获取所述毫米波雷达采集到的第i帧数据(x,0,z)；
21.将所述第i帧数据绕y轴旋转γ＝θ+π和平移(δx1,0,δz1)，得到第一变换数据；其中，γ是绕y轴旋转的角度，θ是堆料机的大臂俯仰角，δx1＝l*cosθ，δz1＝h+l*sinθ，l是堆料机的大臂的长度，h是堆料机的回转中心到地面的高度；
22.将所述第一变换数据绕z轴旋转α＝π/2-ψ，得到第二变换数据；其中，α是绕z轴旋转的角度，ψ是堆料机的大臂回转角；
23.结合所述双天线差分北斗传感器采集的数据将所述第二变换数据平移得到第三变换数据；其中，是双天线差分北斗传感器获取的堆料机回转中心在堆场坐标系的位置信息；
24.将所述第三变换数据逐帧解算到所述堆料机坐标系o
1-x1y1z1中，得到料堆在所述堆料机坐标系o
1-x1y1z1的原始点云数据。
25.可选的，对所述原始点云数据进行预处理，得到预处理后的点云数据，具体包括：
26.利用毫米波雷达扫描点的状态信息过滤掉无效点，得到初步预处理点云数据；
27.通过点云的统计滤波和高程值的阈值对所述初步预处理点云数据进行去除噪点和地面点的处理，得到预处理后的点云数据。
28.可选的，所述利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型，具体包括：
29.将所述预处理后的点云数据投影到二维平面，得到二维数据；
30.求取二维数据的凸包；
31.在所述凸包内进行格网划分，得到若干个格网点，每一个格网点为一个查询点；
32.将所述预处理后的点云数据进行delaunay三角化，得到三角面片；
33.将所述三角面片投影到二维平面，得到投影三角面片；
34.通过检索得到每个查询点所属的投影三角面片；
35.判断所述投影三角面片的几何形状是否趋近一条直线；
36.若否，根据所述投影三角面片的坐标值求解出所述投影三角面片所在的平面方程；
37.通过所述平面方程求取查询点的第一高程值；
38.若是，则采用双线性内插方法逐个完成查询点的插值；
39.根据所述插值求取查询点的第二高程值；
40.根据所述第一高程值和所述第二高程值得到堆料高程模型。
41.本发明还提供了一种获取料堆高程模型的系统，该系统包括：
42.数据获取模块，用于分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；所述毫米波雷达安装于堆料机的出料口；所述双天线差分北斗传感器安装于堆料机的回转平台上；所述角编码器安装于堆料机的大臂上；
43.数据处理服务器，用于对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；
44.预处理模块，用于对所述原始点云数据进行预处理，得到预处理后的点云数据；
45.堆料高程模型获取模块，用于利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型。
46.可选的，所述数据获取模块具体包括：
47.俯仰预设子模块，用于将所述堆料机的大臂俯仰到预设值；
48.数据获取子模块，用于以不同的回转角往复的走行，分别获取料堆表面坐标信息、回转中心在堆场坐标系的位置数据及堆料机大臂的俯仰角和回转角数据；
49.存储子模块，用于将所述料堆表面坐标信息、所述回转中心在堆场坐标系的位置数据及所述堆料机大臂的俯仰角和回转角数据进行存储。
50.发送子模块，用于将存储的数据发送到数据处理服务器。
51.可选的，所述数据处理服务器包括：
52.坐标系建立子模块，用于分别建立长方形堆场水平直角全局坐标系o
0-x0y0z0、堆料机水平直角坐标系o
1-x1y1z1和毫米波雷达坐标系o-xyz；其中，以堆料机在堆场轨道的起始点为原点o0，以宽边为所述长方形堆场水平直角全局坐标系的x0轴，以长边为所述长方形堆场水平直角全局坐标系的y0轴，所述长方形堆场全局坐标系的z0轴垂直于长方形堆场；以堆料机在长方形堆场的位置为所述堆料机水平直角坐标系的原点o1，以堆料机的大臂在长方形堆场平面的投影为所述堆料机水平直角坐标系的x1轴，以堆料机的回转轴中心线为所述堆料机水平直角坐标系的z1轴，所述堆料机水平直角坐标系的y1轴垂直于堆料机的大臂中心线和回转中心线所在的平面；以毫米波雷达的位置为所述毫米波雷达坐标系的原点o，所述毫米波雷达坐标系的x轴沿堆料机的大臂中线指向回转中心，所述毫米波雷达坐标系的y轴垂直于堆料机的大臂中心线和回转轴中心线所在的平面，所述毫米波雷达坐标系的z
轴垂直于所述堆料机的大臂且向下；
53.上采样模块，用于上采样所述双天线差分北斗传感器和所述角编码器采集的数据，得到与所述毫米波雷达采集到的相同帧数的数据；
54.毫米波雷达数据获取子模块，用于获取所述毫米波雷达采集到的第i帧数据(x,0,z)；
55.第一变换数据获取子模块，用于将所述第i帧数据绕y轴旋转γ＝θ+π和平移(δx1,0,δz1)，得到第一变换数据；其中，γ是绕y轴旋转的角度，θ是堆料机的大臂俯仰角，δx1＝l*cosθ，δz1＝h+l*sinθ，l是堆料机的大臂的长度，h是堆料机的回转中心到地面的高度；
56.第二变换数据获取子模块，用于将所述第一变换数据绕z轴旋转α＝π/2-ψ，得到第二变换数据；其中，α是绕z轴旋转的角度，ψ是堆料机的大臂回转角；
57.第三变换数据获取子模块，用于结合所述双天线差分北斗传感器采集的数据将所述第二变换数据平移得到第三变换数据；其中，是双天线差分北斗传感器获取的堆料机回转中心在堆场坐标系的位置信息；
58.原始点云数据获取子模块，用于将所述第三变换数据逐帧解算到所述堆料机坐标系o
1-x1y1z1中，得到料堆在所述堆料机坐标系o
1-x1y1z1的原始点云数据。
59.可选的，所述预处理模块包括：
60.无效点过滤子模块，用于利用毫米波雷达扫描点的状态信息过滤掉无效点，得到初步预处理点云数据；
61.噪点和地面点去除子模块，用于通过点云的统计滤波和高程值的阈值对所述初步预处理点云数据进行去除噪点和地面点的处理，得到预处理后的点云数据。
62.可选的，所述堆料高程模型获取模块包括：
63.二维数据获取子模块，用于将所述预处理后的点云数据投影到二维平面，得到二维数据；
64.凸包求取子模块，用于求取二维数据的凸包；
65.划分子模块，用于在所述凸包内进行格网划分，得到若干个格网点，每一个格网点为一个查询点；
66.三角面片获取子模块，用于将所述预处理后的点云数据进行delaunay三角化，得到三角面片；
67.投影三角面片获取子模块，用于将所述三角面片投影到二维平面，得到投影三角面片；
68.检索子模块，用于通过检索得到每个查询点所属的投影三角面片；
69.判断子模块，用于判断所述投影三角面片的几何形状是否趋近一条直线；
70.若否，根据所述投影三角面片的坐标值求解出所述投影三角面片所在的平面方程；
71.通过所述平面方程求取查询点的第一高程值；
72.若是，则采用双线性内插方法逐个完成查询点的插值；
73.根据所述插值求取查询点的第二高程值；
74.堆料高程模型获取子模块，用于根据所述第一高程值和所述第二高程值得到堆料
高程模型。
75.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：
76.本发明提供了一种获取料堆高程模型的方法及系统，本发明分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；对所述原始点云数据进行预处理，得到预处理后的点云数据；利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型。得到高程模型后，可以计算料堆的体积，可以获取料堆在堆场内的位置和形态，可以对料堆的使用情况进行实时的监控，可以制定自动化斗轮取料机取料的策略，可以用来判断取料机的斗轮在取料过程中是否出垛边，可以根据料堆的位置、形状和大小制定防碰策略，避免与堆取料机发生碰撞。
附图说明
77.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
78.图1为本发明实施例1提供的一种获取料堆高程模型的方法的流程图；
79.图2为利用本发明所述方法的堆料机模型示意图；
80.图3是数据采集坐标系示意图；
81.图4是毫米波雷达扫描示意图；
82.图5是坐标系转换示意图；
83.图6是多传感器数据融合后并且预处理过后的点云数据；
84.图7基于三角剖分插值后的高程模型。
85.图8为本发明实施例2提供的一种获取料堆高程模型的系统的框架图。
86.符号说明：
87.1、数据获取模块；2、数据处理服务器；3、预处理模块；4、堆料高程模型获取模块。
具体实施方式
88.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
89.本发明的目的是提供一种获取料堆高程模型的方法及系统，能够提高设备的环境适应能力，并且能够高效获取料堆的高程模型。
90.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
91.实施例1：
92.请参阅图1和图2，本发明提供了一种获取料堆高程模型的方法，该方法包括以下步骤：
93.s1：分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；所述毫米波雷达安装于堆料机的出料口；所述双天线差分北斗传感器安装于堆料机的回转平台上；所述角编码器安装于堆料机的大臂上；由于毫米波雷达具有频带宽、波长短、体积小、功耗低和穿透力强等特点，相比于激光红外探测，其穿透性强的特点可以保证雷达能够工作在雾雨雪以及沙尘环境，受天气影响较小，本发明所选用的毫米波雷达为77ghz毫米波雷达。
94.s2：对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；
95.s3：对所述原始点云数据进行预处理，得到预处理后的点云数据；
96.s4：利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型。
97.在步骤s1中，所述分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据，具体包括：
98.s11：将所述堆料机的大臂俯仰到预设值；
99.s12：以不同的回转角往复的走行，分别获取料堆表面坐标信息、回转中心在堆场坐标系的位置数据及堆料机大臂的俯仰角和回转角数据；
100.s13：将所述料堆表面坐标信息、所述回转中心在堆场坐标系的位置数据及所述堆料机大臂的俯仰角和回转角数据进行存储；
101.s14：将存储的数据发送到数据处理服务器。
102.如图3、图4和图5所示，在步骤s2中，所述对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据，具体包括：
103.s21：分别建立长方形堆场水平直角全局坐标系o
0-x0y0z0、堆料机水平直角坐标系o
1-x1y1z1和毫米波雷达坐标系o-xyz；其中，以堆料机在堆场轨道的起始点为原点o0，以宽边为所述长方形堆场水平直角全局坐标系的x0轴，以长边为所述长方形堆场水平直角全局坐标系的y0轴，所述长方形堆场全局坐标系的z0轴垂直于长方形堆场；以堆料机在长方形堆场的位置为所述堆料机水平直角坐标系的原点o1，以堆料机的大臂在长方形堆场平面的投影为所述堆料机水平直角坐标系的x1轴，以堆料机的回转轴中心线为所述堆料机水平直角坐标系的z1轴，所述堆料机水平直角坐标系的y1轴垂直于堆料机的大臂中心线和回转中心线所在的平面；以毫米波雷达的位置为所述毫米波雷达坐标系的原点o，所述毫米波雷达坐标系的x轴沿堆料机的大臂中线指向回转中心，所述毫米波雷达坐标系的y轴垂直于堆料机的大臂中心线和回转轴中心线所在的平面，所述毫米波雷达坐标系的z轴垂直于所述堆料机的大臂且向下；
104.s22：上采样所述双天线差分北斗传感器和所述角编码器采集的数据，得到与所述毫米波雷达采集到的相同帧数的数据；
105.s23：获取所述毫米波雷达采集到的第i帧数据(x,0,z)；
106.s24：将所述第i帧数据绕y轴旋转γ＝θ+π和平移(δx1,0,δz1)，得到第一变换数据；其中，γ是绕y轴旋转的角度，θ是堆料机的大臂俯仰角，δx1＝l*cosθ，δz1＝h+l*sinθ，l是堆料机的大臂的长度，h是堆料机的回转中心到地面的高度；
107.s25：将所述第一变换数据绕z轴旋转α＝π/2-ψ，得到第二变换数据；其中，α是绕z轴旋转的角度，ψ是堆料机的大臂回转角；
108.s26：结合所述双天线差分北斗传感器采集的数据将所述第二变换数据平移得到第三变换数据；其中，是双天线差分北斗传感器获取的堆料机回转中心在堆场坐标系的位置信息；
109.s27：将所述第三变换数据逐帧解算到所述堆料机坐标系o
1-x1y1z1中，得到料堆在所述堆料机坐标系o
1-x1y1z1的原始点云数据。
110.如图6所示，在步骤s3中，对所述原始点云数据进行预处理，得到预处理后的点云数据，具体包括：
111.s31：利用毫米波雷达扫描点的状态信息过滤掉无效点，得到初步预处理点云数据；
112.s32：通过点云的统计滤波和高程值的阈值对所述初步预处理点云数据进行去除噪点和地面点的处理，得到预处理后的点云数据。
113.在步骤s4中，所述利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型，具体包括：
114.s41：将所述预处理后的点云数据投影到二维平面，得到二维数据；
115.s42：求取二维数据的凸包；
116.s43：在所述凸包内进行格网划分，得到若干个格网点，每一个格网点为一个查询点；
117.s44：将所述预处理后的点云数据进行delaunay三角化，得到三角面片；
118.s45：将所述三角面片投影到二维平面，得到投影三角面片；
119.s46：通过检索得到每个查询点所属的投影三角面片；
120.s47：判断所述投影三角面片的几何形状是否趋近一条直线；
121.若否，根据所述投影三角面片的坐标值求解出所述投影三角面片所在的平面方程；
122.通过所述平面方程求取查询点的第一高程值；
123.若是，则采用双线性内插方法逐个完成查询点的插值；
124.根据所述插值求取查询点的第二高程值；
125.s48：根据所述第一高程值和所述第二高程值得到堆料高程模型。
126.下面通过具体的实施例来验证本发明：
127.对于80米宽的堆场，堆料机的大臂俯仰角达到12.50
°
，回转角以65
°
、55
°
、40
°
和30
°
进行走行，同时获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；对所述原始点云数据进行预处理，得到预处理后的点云数据，所述预处理后的点云数据如图6所示；将所述预处理后的点云数据进行delaunay三角化，得到三角面片；其三角形的边除了端点不包括点集中任何一点，所有的三角形边都不相交，三角形成的集合是点集的凸包，然后在其凸包投影域上选择合适的尺寸划分网格点，最后在网格点所在的三角形上做线性插值。线性内插首先确定该插值点所在的三角形平面，继而求出内插的高程值。
128.这时，假设确定的三角形的平面方程为：
129.z＝a0+a1x+a2y
ꢀꢀꢀꢀꢀꢀ
(1)
130.其中，参数a0，b0，c0可以根据三个已知的数据点ei(xi,yi,zi),i＝1,2,3计算求得。解算这三个参数可以根据进行严密计算：
[0131][0132]
但是，当三个参考点所构成的几何形状趋近一条直线时，这种严密的解会出现不稳定的解，此时应采用双线性内插方法。根据三个已知参考点(a,b,c)，则e(xe,ye,ze)点高程的算法是：
[0133]zl
＝za+(z
b-za)
×
(z
l-za)/(x
b-xa)
ꢀꢀꢀꢀꢀꢀ
(3)
[0134]
zr＝za+(z
c-za)
×
(z
r-za)/(x
c-xa)
ꢀꢀꢀꢀꢀꢀ
(4)
[0135]
ze＝zq+(z
r-zq)
×
(z
e-zq)/(x
r-xq)
ꢀꢀꢀꢀꢀꢀ
(5)
[0136]
由图6所示的离散点云数据采用基于三角剖分的线性插值得到的高程模型如图7所示，可见得到的高程模型可以很好的还原料堆的形状。
[0137]
由此可知，利用本发明所述方法可以全天候的获取料堆的高程模型，且能够很好的还原料堆的形状。
[0138]
实施例2：
[0139]
请参阅图8，本发明提供了一种获取料堆高程模型的系统，该系统包括：
[0140]
数据获取模块1，用于分别获取毫米波雷达、双天线差分北斗传感器和角编码器采集的数据；所述毫米波雷达安装于堆料机的出料口；所述双天线差分北斗传感器安装于堆料机的回转平台上；所述角编码器安装于堆料机的大臂上；
[0141]
数据处理服务器2，用于对所述毫米波雷达、双天线差分北斗传感器和角编码器采集的数据进行坐标系的转换和联合解算，得到料堆的原始点云数据；
[0142]
预处理模块3，用于对所述原始点云数据进行预处理，得到预处理后的点云数据；
[0143]
堆料高程模型获取模块4，用于利用基于三角剖分的差值算法对所述预处理后的点云数据进行处理，得到堆料高程模型。
[0144]
具体的，所述数据获取模块1具体包括：
[0145]
俯仰预设子模块，用于将所述堆料机的大臂俯仰到预设值；
[0146]
数据获取子模块，用于以不同的回转角往复的走行，分别获取料堆表面坐标信息、回转中心在堆场坐标系的位置数据及堆料机大臂的俯仰角和回转角数据；
[0147]
存储子模块，用于将所述料堆表面坐标信息、所述回转中心在堆场坐标系的位置数据及所述堆料机大臂的俯仰角和回转角数据进行存储。
[0148]
发送子模块，用于将存储的数据发送到数据处理服务器。
[0149]
具体的，所述数据处理服务器2包括：
[0150]
坐标系建立子模块，用于分别建立长方形堆场水平直角全局坐标系o
0-x0y0z0、堆料机水平直角坐标系o
1-x1y1z1和毫米波雷达坐标系o-xyz；其中，以堆料机在堆场轨道的起始点为原点o0，以宽边为所述长方形堆场水平直角全局坐标系的x0轴，以长边为所述长方形
堆场水平直角全局坐标系的y0轴，所述长方形堆场全局坐标系的z0轴垂直于长方形堆场；以堆料机在长方形堆场的位置为所述堆料机水平直角坐标系的原点o1，以堆料机的大臂在长方形堆场平面的投影为所述堆料机水平直角坐标系的x1轴，以堆料机的回转轴中心线为所述堆料机水平直角坐标系的z1轴，所述堆料机水平直角坐标系的y1轴垂直于堆料机的大臂中心线和回转中心线所在的平面；以毫米波雷达的位置为所述毫米波雷达坐标系的原点o，所述毫米波雷达坐标系的x轴沿堆料机的大臂中线指向回转中心，所述毫米波雷达坐标系的y轴垂直于堆料机的大臂中心线和回转轴中心线所在的平面，所述毫米波雷达坐标系的z轴垂直于所述堆料机的大臂且向下；
[0151]
上采样模块，用于上采样所述双天线差分北斗传感器和所述角编码器采集的数据，得到与所述毫米波雷达采集到的相同帧数的数据；
[0152]
毫米波雷达数据获取子模块，用于获取所述毫米波雷达采集到的第i帧数据(x,0,z)；
[0153]
第一变换数据获取子模块，用于将所述第i帧数据绕y轴旋转γ＝θ+π和平移(δx1,0,δz1)，得到第一变换数据；其中，γ是绕y轴旋转的角度，θ是堆料机的大臂俯仰角，δx1＝l*cosθ，δz1＝h+l*sinθ，l是堆料机的大臂的长度，h是堆料机的回转中心到地面的高度；
[0154]
第二变换数据获取子模块，用于将所述第一变换数据绕z轴旋转α＝π/2-ψ，得到第二变换数据；其中，α是绕z轴旋转的角度，ψ是堆料机的大臂回转角；
[0155]
第三变换数据获取子模块，用于结合所述双天线差分北斗传感器采集的数据将所述第二变换数据平移得到第三变换数据；其中，是双天线差分北斗传感器获取的堆料机回转中心在堆场坐标系的位置信息；
[0156]
原始点云数据获取子模块，用于将所述第三变换数据逐帧解算到所述堆料机坐标系o
1-x1y1z1中，得到料堆在所述堆料机坐标系o
1-x1y1z1的原始点云数据。
[0157]
具体的，所述预处理模块3包括：
[0158]
无效点过滤子模块，用于利用毫米波雷达扫描点的状态信息过滤掉无效点，得到初步预处理点云数据；
[0159]
噪点和地面点去除子模块，用于通过点云的统计滤波和高程值的阈值对所述初步预处理点云数据进行去除噪点和地面点的处理，得到预处理后的点云数据。
[0160]
具体的，所述堆料高程模型获取模块4包括：
[0161]
二维数据获取子模块，用于将所述预处理后的点云数据投影到二维平面，得到二维数据；
[0162]
凸包求取子模块，用于求取二维数据的凸包；
[0163]
划分子模块，用于在所述凸包内进行格网划分，得到若干个格网点，每一个格网点为一个查询点；
[0164]
三角面片获取子模块，用于将所述预处理后的点云数据进行delaunay三角化，得到三角面片；
[0165]
投影三角面片获取子模块，用于将所述三角面片投影到二维平面，得到投影三角面片；
[0166]
检索子模块，用于通过检索得到每个查询点所属的投影三角面片；
[0167]
判断子模块，用于判断所述投影三角面片的几何形状是否趋近一条直线；
[0168]
若否，根据所述投影三角面片的坐标值求解出所述投影三角面片所在的平面方程；
[0169]
通过所述平面方程求取查询点的第一高程值；
[0170]
若是，则采用双线性内插方法逐个完成查询点的插值；
[0171]
根据所述插值求取查询点的第二高程值；
[0172]
堆料高程模型获取子模块，用于根据所述第一高程值和所述第二高程值得到堆料高程模型。
[0173]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0174]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。