一种基于激光雷达的立筒仓盘存测量装置及测量方法

1.本发明涉及立筒仓盘存技术领域，更具体地说，本发明涉及一种基于激光雷达的立筒仓盘存测量装置及测量方法。


背景技术：

2.立筒仓内饲料原料实时盘存问题，饲料盘存问题也是饲料加工行业的重要一环，立筒仓，在立筒仓内的物料盘存检测中，目前没有高效的方法和先进的测算技术，主要采用人工测量的方式，人工测量的方式主要有：(1)使用绳索和铅垂组成简单的设备粗略估算立筒仓内部原料高度。(2)使用测距仪粗略测量几个点的距离取平均值从而得到立筒仓内部原料高度。
3.人工盘存存在巨大的局限性，对于直径较大的仓库，其内部表面粮食的形状由于进料和出料，会造成粮食表面形状凹凸程度不固定，凭借人工测量得出来的粮食高度存在很大的误差，不能准确的得到仓内粮食体积，而且立筒仓内气体具有刺激性味道对人体存在一定的伤害，立筒仓高度太高对于工作人员也存在安全隐患，无法短时间内得到立筒仓原料存有量详细数据，从而导致一些立筒仓的原料无法及时的运输和加工，造成严重的经济损失和浪费。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种基于激光雷达的立筒仓盘存测量装置及测量方法，本发明可以在较短时间内得到立筒仓原料存有量详细数据，从而避免导致一些立筒仓的原料无法及时的运输和加工，减少严重的经济损失和浪费，提高盘存效率，以及节约盘存成本，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于激光雷达的立筒仓盘存测量装置，包括主机，所述主机输出端连接有智能盘存显示器平台且另一端安装有驱动装置；
6.所述主机一侧嵌入安装有中央处理器，所述中央处理器下方位置处安装有点云数据储存器且在点云数据储存器下方位置处安装有数据预处理芯片，所述数据预处理芯片下方安装有点云滤波器，所述主机一侧设置有点云分割处理器，且在点云分割处理器下方位置处安装有曲面重建处理器，所述主机内部且位于点云数据储存器一侧位置处安装有体积计算处理器。
7.在一个优选地实施方式中，所述中央处理器可利用驱动装置直接对物体表面进行三维密集采样，可快速获取三维坐标x,y,z，所述中央处理器与驱动装置之间通信连接。
8.在一个优选地实施方式中，所述中央处理器包括上位机人机交互界面处理模块和下位机软件模块，在上位机人机交互界面处理模块和下位机软件模块控制过程中可用于盘存系统的自动处理运行。
9.在一个优选地实施方式中，所述点云数据储存器、数据预处理芯片、点云滤波器、点云分割处理器、曲面重建处理器、体积计算处理器组成一个pcl应用模块。
10.在一个优选地实施方式中，所述点云分割处理器和曲面重建处理器之间通过螺栓可拆卸式连接，点云分割处理器和曲面重建处理器外壳均采用硅胶片材质制成。
11.在一个优选地实施方式中，所述驱动装置包括在其内部的安装的下压气缸，所述下压气缸推动端连接有第一推动杆，且在第一推动杆底端位置处安装有驱动电机，所述驱动电机输出端连接有驱动转杆，所述驱动转杆底端安装有联动转轴头，且联动转轴头底端外壁连接有激光雷达测量仪，所述激光雷达测量仪下方安装有联动限位条，在联动限位条内壁滑动连接有防尘板，所述防尘板上表面连接有联动支板，且在联动支板一侧安装有第二推动杆，所述第二推动杆一端安装有推动气缸。
12.在一个优选地实施方式中，所述第一推动杆上下两端分别与下压气缸推动端以及驱动电机两两之间同轴固定连接，所述驱动装置内壁与下压气缸上表面通过多个螺栓可拆卸式连接，所述防尘板与联动支板之间所形成夹角为九十度，所述第二推动杆与联动支板侧面焊接固定，所述推动气缸一侧安装有支撑座，所述主机下方开设有下伸孔，且下伸孔横截面面积与防尘板横截面面积相同。
13.一种基于激光雷达的立筒仓盘存测量装置的测量方法，具体使用步骤如下：
14.步骤一、采集时，利用可以将驱动装置安装垂直于料仓顶部，主机上的中央处理器进行处理，可以通过启动支撑座上的推动气缸，从而推动气缸带动第二推动杆向右移动，第二推动杆带动联动支板向右移动，且防尘板在联动限位条上进行右移滑动，即可打开驱动装置底端的下伸孔，再启动下压气缸带动第一推动杆向下移动，即可使驱动电机带动驱动转杆向下移动，从而驱动转杆带动联动转轴头向下移动，从而带动激光雷达测量仪从下伸孔内部下伸到扫描位置处，然后启动驱动电机带动联动转轴头进行旋转，从而实现激光雷达测量仪的三百六十度无死角扫描操作，从而可以从上到下依次对立筒仓全覆盖扫描，然后扫描结束后可以启动下压气缸带动第一推动杆向上移动，即可使激光雷达测量仪复位到驱动装置内部，且推动气缸带动第二推动杆向左推动，即可实现防尘板继续对下伸孔实现关闭操作；
15.步骤二、扫描后数据处理时，激光雷达测量仪扫描可以直接对物体表面进行三维密集采样，可快速获取三维坐标x,y,z和一定属性反射强度等的海量、不规则空间分布三维点云，这些数据可以储存在主机内部的点云数据储存器上，如图9所示，扫描输出的部分为txt数据，第一列为扫描角度angle1，第二列为距离distance，第三列为扫描质量(扫描质量不为0，则表示数据有效)，实际需要的目标物体区域在顺时针0～60
°
和逆时针0～30
°
之间，该区间是由测量装置放在立筒仓上的位置决定的，只需要获得这个区域内的数据，其余部分区域的数据量需要去掉，由于激光雷达采集出来的为极坐标下的数据，在数据处理时首先需要通过公式转换成直角坐标系，公式如下；
[0016][0017]
公式中，d为激光雷达测得的距离，α为激光雷达的偏转角，η为步进电机的方位角，r为激光雷达的发射窗口到雷达底座的距离，h为立筒仓的高度，将显示的数据显示在智能盘存显示器平台上；
[0018]
步骤三、点云的类型区别时，激光雷达扫描得到的数据被称为点云，点云是在同一
空间参考系下表达目标空间分布和目标表面光谱特性的海量点集合，根据数据的分布特征，点云的类型可以被划分为线扫描点云、散乱点云、网格化点云和多边形点云，如图10所示，其中第一种属于部分有序点云，第三种和第四种数据属于有序数据，这三种形式的数据点之间存在拓扑关系，采用平滑滤波等方法就可以进行数据预处理，散乱点云中的点没有明显的几何分布特征，呈现散乱无序状态，根据点云方式，可以确定本文的点云数据属于第一种部分有序的点云数据；
[0019]
步骤四、数据处理时点云滤波算法时，点云的获取过程中，由于环境干扰、设备精度以及操作因素等，会不可避免地引入一些噪声点在实际应用中，除了这些随机因素产生的噪声点以外，由于外界障碍物遮挡视线也会使用点云数据中出现一些离主体较远的离散点或点群，称之为离群点，在利用数据预处理芯片时，可以通过点云滤波器进行滤波操作，可以对第一步对点云进行预处理，对点云进行滤波不仅能移除点云中的噪声点、离群点，还可以实现对点云进行下采样操作。
[0020]
步骤五、kd树数据处理时，点云数据量具有数量大、分布不均匀的特点，且不具备如二维图形那样的实体网格数据结构，点的空间领域很难快速索引。kd树k-dimensional tree是计算机科学中使用的一种数据结构，指一种可应用于k维空间的二叉搜索树，常用来存储k维空间中的点集合，其实质为带有约束条件的二分查找树。使用kd树来划分空间，可以为点云建立比较均衡的数据结构，并实现基于领域的快速查找和引用，后续的点云特征点搜索和表面重构等步骤中都会频繁索引点云的领域，因此，为点云建立kd树结构十分必要。
[0021]
步骤六、点云的分割时，使用激光雷达测量仪获取的点云数据通常会含有场景内非目标源的数据点信息，如立筒仓筒壁，点云分割可以根据空间、几何等特性划分点云中的不同单元，使点云被分割成拥有相似几何特征的若干个部分，然后选取感兴趣的目标片段重新拼接，达到剔除非目标源的目的。在立筒仓点云数据中经常包含一些筒壁的点云数据存在，这些非目标点会对后期的曲面重构造成很大影响，最终也将会影响到对粮仓体积计算的精确度，且可以通过点云分割处理器实现点云分割的目的，就是要通过有效地分割点云，依据点云数据中目标的空间几何特征，提取并重新组合，从而很大程度上减少非相关数据的影响。
[0022]
步骤七、曲面重建时，立筒仓内粮仓点云数据是由离散点组成，曲面重建是点云三维重建中重要的一步，通过曲面重建处理器技术可以将立筒仓点云的结构从离散点转化为闭合的曲面模型，目前主要的曲面重建算法是通过原始点云数据插值或者分布分片性曲面来逼近原数据点，得到原始点云的近似曲面，目前常用的曲面重建算法有贪婪投影三角化算法、移动立方体算法、泊松重建算法等，贪婪投影三角化算法是将三维空间点依据其法线投影到平面上，在平面上运用区域生长的方法进行三角连接，通过对初始曲面的不断扩张来生成一张完整的三角网格面，泊松曲面重建算法则是对点云数据的最优插值来获取近似的曲面模型，算法要求输入点云包含法线信息，通过估计点临近模型表面的指示函数来提取等值面，移动立方体算法是将三维点云模型划分好体元及相应的体素点，遍历所有点云，对于边界体元，根据建立好的体元配置的三角形表确定三角形片，组合所有的三角形片形成点云模型的三角形重建模型。
[0023]
步骤八、体积计算时，采用体积计算处理器进行体积计算，同时根据用的是pcl应
用模块中vtkmassproperties这个类可以实现三角网格的表面积和体积计算，但是要求网格必须是封闭的三角网络数据，对于非三角形网格，需要先将网格转换为三角形网格数据。vtktrianglefilter可以实现多边形网格数据向三角形网格数据的转换，该类的使用非常简单，只用将需要转换的vtkpolydata网格数据设置为输入即可，这样可以将数据进行计算出来，即可得到立筒仓内部的盘存量。
[0024]
本发明的技术效果和优点：
[0025]
1、本发明使用二维激光雷达代替三维激光雷达，驱动电机实现激光雷达测量仪的连续运动，旋转激光雷达来扩展数据的维度，通过坐标转换得到完整的立筒仓点云数据，针对立筒仓点云数据，完成对点云数据的配准、表面重建、体积计算等功能的算法实现，在软件开发中，使用qt和pcl库对软件系统进行合理的架构设计，采用插件的形式调用点云处理算法，形成完整的数据处理流程，最后对三维重建后的模型进行可视化，这样可以在较短时间内得到立筒仓原料存有量详细数据，从而避免导致一些立筒仓的原料无法及时的运输和加工，减少严重的经济损失和浪费，提高盘存效率，以及节约盘存成本；
[0026]
2、本发明由于环境干扰、设备精度以及操作因素等，会不可避免地引入一些噪声点在实际应用中，除了这些随机因素产生的噪声点以外，由于外界障碍物遮挡视线也会使用点云数据中出现一些离主体较远的离散点或点群，称之为离群点，在利用数据预处理芯片时，可以通过点云滤波器进行滤波操作，可以对第一步对点云进行预处理，对点云进行滤波不仅能移除点云中的噪声点、离群点，还可以实现对点云进行下采样操作，这样可以保证所采集的云点更加精确，实现高精确度采集操作，达到更好的采集效果；
[0027]
3、本发明所使用的立筒仓内，粮仓点云数据是由离散点组成，曲面重建是点云三维重建中重要的一步，通过曲面重建处理器技术可以将立筒仓点云的结构从离散点转化为闭合的曲面模型，目前主要的曲面重建算法是通过原始点云数据插值或者分布分片性曲面来逼近原数据点，得到原始点云的近似曲面，采用曲面重建算法有贪婪投影三角化算法、移动立方体算法、泊松重建算法等对于边界体元，根据建立好的体元配置的三角形表确定三角形片，组合所有的三角形片形成点云模型的三角形重建模型，这样方便完成曲面重建操作，保证数据重建后的形成完整的三角网格面，提高重建效果；
[0028]
综上，通过上述多个作用的相互影响，采用插件的形式调用点云处理算法，形成完整的数据处理流程，最后对三维重建后的模型进行可视化，这样可以在较短时间内得到立筒仓原料存有量详细数据，对点云进行滤波不仅能移除点云中的噪声点、离群点，还可以实现对点云进行下采样操作，这样可以保证所采集的云点更加精确，方便完成曲面重建操作，保证数据重建后的形成完整的三角网格面，提高重建效果，综上避免导致一些立筒仓的原料无法及时的运输和加工，减少严重的经济损失和浪费，提高盘存效率，以及节约盘存成本，也进一提高在运算过程中高精确度，实现精确测量操作。
附图说明
[0029]
图1为本发明的整体结构示意图。
[0030]
图2为本发明地仰视立体结构示意图。
[0031]
图3为本发明的主机正面立体结构示意图。
[0032]
图4为本发明的主机切面结构示意图。
[0033]
图5为本发明的驱动装置竖切面结构示意图。
[0034]
图6为本发明的第二推动杆与联动支板连接处结构示意图。
[0035]
图7为本发明的运行原理图结构示意图。
[0036]
图8为本发明的plic应用模块示意图。
[0037]
图9为本发明的文本扫描数据显示示意图。
[0038]
图10为本发明的点云类型示意图。
[0039]
附图标记为：1、主机；2、智能盘存显示器平台；3、驱动装置；4、中央处理器；5、点云数据储存器；6、数据预处理芯片；7、点云滤波器；8、点云分割处理器；9、曲面重建处理器；10、体积计算处理器；11、下压气缸；12、第一推动杆；13、驱动电机；14、驱动转杆；15、联动转轴头；16、激光雷达测量仪；17、联动限位条；18、防尘板；19、联动支板；20、第二推动杆；21、推动气缸；22、支撑座；23、下伸孔。
具体实施方式
[0040]
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。
[0041]
如附图1-8所示的一种基于激光雷达的立筒仓盘存测量装置，包括主机1，主机1输出端连接有智能盘存显示器平台2且另一端安装有驱动装置3；
[0042]
主机1一侧嵌入安装有中央处理器4，中央处理器4下方位置处安装有点云数据储存器5且在点云数据储存器5下方位置处安装有数据预处理芯片6，数据预处理芯片6下方安装有点云滤波器7，主机1一侧设置有点云分割处理器8，且在点云分割处理器8下方位置处安装有曲面重建处理器9，主机1内部且位于点云数据储存器5一侧位置处安装有体积计算处理器10。
[0043]
在一些实施例中如附图1-3所示，中央处理器4可利用驱动装置3直接对物体表面进行三维密集采样，可快速获取三维坐标x,y,z，中央处理器4与驱动装置3之间通信连接，以便通过中央处理器4可以控制驱动装置3内部零件进行驱动，且可以实现驱动装置3完成驱动采集操作，这样方便对立筒仓内部完成扫描采集操作。
[0044]
在一些实施例中如附图7所示，中央处理器4包括上位机人机交互界面处理模块和下位机软件模块，在上位机人机交互界面处理模块和下位机软件模块控制过程中可用于盘存系统的自动处理运行，以便可以通过中央处理器4上的上位机人机交互界面处理模块和下位机软件模块，完成连接控制的作用。
[0045]
在一些实施例中如附图7所示，点云数据储存器5、数据预处理芯片6、点云滤波器7、点云分割处理器8、曲面重建处理器9、体积计算处理器10组成一个pcl应用模块，以便点云数据储存器5、数据预处理芯片6、点云滤波器7、点云分割处理器8曲面重建处理器9、体积计算处理器10组成一个pcl应用模块，这样的模块可以直接显示在智能盘存显示器平台2上方便使用者完成点击处理操作。
[0046]
在一些实施例中如附图1-3所示，点云分割处理器8和曲面重建处理器9之间通过螺栓可拆卸式连接，点云分割处理器8和曲面重建处理器9外壳均采用硅胶片材质制成，以
便点云分割处理器8和曲面重建处理器9通过螺栓方便后期拆卸操作，且采用硅胶片完成导热操作，快速将热量进行导出操作，避免热量堆积，起到更好的降温操作。
[0047]
在一些实施例中如附图1-6所示，驱动装置3包括在其内部的安装的下压气缸11，下压气缸11推动端连接有第一推动杆12，且在第一推动杆12底端位置处安装有驱动电机13，驱动电机13输出端连接有驱动转杆14，驱动转杆14底端安装有联动转轴头15，且联动转轴头15底端外壁连接有激光雷达测量仪16，激光雷达测量仪16下方安装有联动限位条17；
[0048]
在联动限位条17内壁滑动连接有防尘板18，防尘板18上表面连接有联动支板19，且在联动支板19一侧安装有第二推动杆20，第二推动杆20一端安装有推动气缸21，第一推动杆12上下两端分别与下压气缸11推动端以及驱动电机13两两之间同轴固定连接，驱动装置3内壁与下压气缸11上表面通过多个螺栓可拆卸式连接，防尘板18与联动支板19之间所形成夹角为九十度，第二推动杆20与联动支板19侧面焊接固定，推动气缸21一侧安装有支撑座22，主机1下方开设有下伸孔23，且下伸孔23横截面面积与防尘板18横截面面积相同；
[0049]
以便，启动支撑座22上的推动气缸21，第二推动杆20带动联动支板19向右移动，且防尘板18在联动限位条17上进行右移滑动，再启动下压气缸11带动第一推动杆12向下移动，即可使驱动电机13带动驱动转杆14向下移动，带动激光雷达测量仪16从下伸孔23内部下伸到扫描位置处，启动驱动电机13带动联动转轴头15进行旋转，从而实现激光雷达测量仪16的三百六十度无死角扫描操作，扫描结束后可以启动下压气缸11带动第一推动杆12向上移动，即可使激光雷达测量仪16复位到驱动装置3内部，第二推动杆20向左推动，即可实现防尘板18继续对下伸孔23实现关闭操作，完成复位，这样方便在测量时进行测量操作，在不测量时，可以完成收纳操作避免导致灰尘影响激光雷达测量仪16的测量效果。
[0050]
一种基于激光雷达的立筒仓盘存测量装置的测量方法，具体使用步骤如下：
[0051]
步骤一、采集时，利用可以将驱动装置3安装垂直于料仓顶部，主机1上的中央处理器4进行处理，可以通过启动支撑座22上的推动气缸21，从而推动气缸21带动第二推动杆20向右移动，第二推动杆20带动联动支板19向右移动，且防尘板18在联动限位条17上进行右移滑动，即可打开驱动装置3底端的下伸孔23，再启动下压气缸11带动第一推动杆12向下移动，即可使驱动电机13带动驱动转杆14向下移动，从而驱动转杆14带动联动转轴头15向下移动，从而带动激光雷达测量仪16从下伸孔23内部下伸到扫描位置处，然后启动驱动电机13带动联动转轴头15进行旋转，从而实现激光雷达测量仪16的三百六十度无死角扫描操作，从而可以从上到下依次对立筒仓全覆盖扫描，然后扫描结束后可以启动下压气缸11带动第一推动杆12向上移动，即可使激光雷达测量仪16复位到驱动装置3内部，且推动气缸21带动第二推动杆20向左推动，即可实现防尘板18继续对下伸孔23实现关闭操作；
[0052]
步骤二、扫描后数据处理时，激光雷达测量仪16扫描可以直接对物体表面进行三维密集采样，可快速获取三维坐标x,y,z和一定属性反射强度等的海量、不规则空间分布三维点云，这些数据可以储存在主机1内部的点云数据储存器5上，如图9所示，扫描输出的部分为txt数据，第一列为扫描角度angle1，第二列为距离distance，第三列为扫描质量不为0，则表示数据有效，实际需要的目标物体区域在顺时针0～60
°
和逆时针0～30
°
之间，该区间是由测量装置放在立筒仓上的位置决定的，只需要获得这个区域内的数据，其余部分区域的数据量需要去掉，由于激光雷达采集出来的为极坐标下的数据，在数据处理时首先需要通过公式转换成直角坐标系，公式如下；
[0053]
公式中，d为激光雷达测得的距离，α为激光雷达的偏转角，η为步进电机的方位角，r为激光雷达的发射窗口到雷达底座的距离，h为立筒仓的高度，将显示的数据显示在智能盘存显示器平台2上；
[0054]
步骤三、点云的类型区别时，激光雷达扫描得到的数据被称为点云，点云是在同一空间参考系下表达目标空间分布和目标表面光谱特性的海量点集合，根据数据的分布特征，点云的类型可以被划分为线扫描点云、散乱点云、网格化点云和多边形点云，如图10所示，其中第一种属于部分有序点云，第三种和第四种数据属于有序数据，这三种形式的数据点之间存在拓扑关系，采用平滑滤波等方法就可以进行数据预处理，散乱点云中的点没有明显的几何分布特征，呈现散乱无序状态，根据点云方式，可以确定本文的点云数据属于第一种部分有序的点云数据；
[0055]
步骤四、数据处理时点云滤波算法时，点云的获取过程中，由于环境干扰、设备精度以及操作因素等，会不可避免地引入一些噪声点在实际应用中，除了这些随机因素产生的噪声点以外，由于外界障碍物遮挡视线也会使用点云数据中出现一些离主体较远的离散点或点群，称之为离群点，在利用数据预处理芯片6时，可以通过点云滤波器7进行滤波操作，可以对第一步对点云进行预处理，对点云进行滤波不仅能移除点云中的噪声点、离群点，还可以实现对点云进行下采样操作。
[0056]
步骤五、kd树数据处理时，点云数据量具有数量大、分布不均匀的特点，且不具备如二维图形那样的实体网格数据结构，点的空间领域很难快速索引。kd树k-dimensional tree是计算机科学中使用的一种数据结构，指一种可应用于k维空间的二叉搜索树，常用来存储k维空间中的点集合，其实质为带有约束条件的二分查找树。使用kd树来划分空间，可以为点云建立比较均衡的数据结构，并实现基于领域的快速查找和引用，后续的点云特征点搜索和表面重构等步骤中都会频繁索引点云的领域，因此，为点云建立kd树结构十分必要。
[0057]
步骤六、点云的分割时，使用激光雷达测量仪16获取的点云数据通常会含有场景内非目标源的数据点信息，如立筒仓筒壁，点云分割可以根据空间、几何等特性划分点云中的不同单元，使点云被分割成拥有相似几何特征的若干个部分，然后选取感兴趣的目标片段重新拼接，达到剔除非目标源的目的。在立筒仓点云数据中经常包含一些筒壁的点云数据存在，这些非目标点会对后期的曲面重构造成很大影响，最终也将会影响到对粮仓体积计算的精确度，且可以通过点云分割处理器8实现点云分割的目的，就是要通过有效地分割点云，依据点云数据中目标的空间几何特征，提取并重新组合，从而很大程度上减少非相关数据的影响。
[0058]
步骤七、曲面重建时，立筒仓内粮仓点云数据是由离散点组成，曲面重建是点云三维重建中重要的一步，通过曲面重建处理器9技术可以将立筒仓点云的结构从离散点转化为闭合的曲面模型，目前主要的曲面重建算法是通过原始点云数据插值或者分布分片性曲面来逼近原数据点，得到原始点云的近似曲面，目前常用的曲面重建算法有贪婪投影三角化算法、移动立方体算法、泊松重建算法等，贪婪投影三角化算法是将三维空间点依据其法线投影到平面上，在平面上运用区域生长的方法进行三角连接，通过对初始曲面的不断扩张来生成一张完整的三角网格面，泊松曲面重建算法则是对点云数据的最优插值来获取近似的曲面模型，算法要求输入点云包含法线信息，通过估计点临近模型表面的指示函数来
提取等值面，移动立方体算法是将三维点云模型划分好体元及相应的体素点，遍历所有点云，对于边界体元，根据建立好的体元配置的三角形表确定三角形片，组合所有的三角形片形成点云模型的三角形重建模型。
[0059]
步骤八、体积计算时，采用体积计算处理器10进行体积计算，同时根据用的是pcl应用模块中vtkmassproperties这个类可以实现三角网格的表面积和体积计算，但是要求网格必须是封闭的三角网络数据，对于非三角形网格，需要先将网格转换为三角形网格数据。vtktrianglefilter可以实现多边形网格数据向三角形网格数据的转换，该类的使用非常简单，只用将需要转换的vtkpolydata网格数据设置为输入即可，这样可以将数据进行计算出来，即可得到立筒仓内部的盘存量。
[0060]
本发明工作原理：可以将驱动装置3安装垂直于料仓顶部，主机1上的中央处理器4进行处理，推动气缸21带动第二推动杆20向右移动，第二推动杆20带动联动支板19向右移动，且防尘板18在联动限位条17上进行右移滑动，即可打开下伸孔23，再启动下压气缸11带动第一推动杆12向下移动，驱动转杆14带动联动转轴头15向下移动，激光雷达测量仪16从下伸孔23内部下伸到扫描位置处，驱动电机13带动联动转轴头15进行旋转，三百六十度无死角扫描操作，对立筒仓全覆盖扫描，扫描结束后可以启动下压气缸11带动第一推动杆12向上移动，即可使激光雷达测量仪16复位到驱动装置3内部，第二推动杆20向左推动，即可实现防尘板18继续对下伸孔23实现关闭操作，完成数据采集操作。
[0061]
最后应说明的几点是：首先，在本技术的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
[0062]
其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
[0063]
最后：以上仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。