一种基于3D激光雷达的散货门机船舱及舱内物料建模方法与流程

一种基于3d激光雷达的散货门机船舱及舱内物料建模方法
技术领域
1.本发明涉及港口散货门机自动化作业领域，尤其涉及一种基于3d激光雷达的散货门机船舱及舱内物料建模方法。


背景技术：

2.门座式起重机(门机)是港口作业重要的岸边设备，其工作过程是通过抓斗将散货(煤、粮食等)从货船卸载到码头上指定区域，或者进行反向装载作业。由于门机司机视角的因素，在装载作业时很难掌握船舱内物料的状态，一般需要在抓斗上方安装摄像头，增大司机视野；或者在货船上安排指挥手，由指挥手指导司机进行作业；这两种方式明显需要人工操作。
3.随着门机自动化装卸需求的日益增强，需要通过扫描设备，对货船及物料进行精确建模，以此获取船舱舱口位置、物料状态等信息，将其传输至控制系统，控制门机进行自动化作业。
4.门机结构上主要包含底部的基座和上部的回转体。基座部分可以沿轨道直线运动，回转体部分可以绕回转中心360
°
旋转，其臂架部分为四连杆机构，可以进行径向伸缩。
5.在散货船扫描建模方面，目前主流的技术方案为，在门机司机室处、象鼻梁头部合适位置安装带云台的单线2d激光雷达，雷达在对货船作业区域进行扫描的同时随着云台旋转轴转动一定角度，雷达自身的旋转扫描加上绕云台的运动，形成兴趣区域的3d点云。再将两幅点云进行合并，形成不同视角下的完整3d点云。
6.这种扫描方式主要有以下几个缺点：
7.1.扫描装置结构复杂，装置由激光雷达、伺服驱动系统组成，机械、电气部件多导致后期维护不方便，降低了系统的稳定性；
8.2.扫描效率低，点云在云台旋转轴方面的分辨率由驱动系统转速决定，转速越快，分辨率越低，为了获得较高的精度，驱动系统转速需较低，导致扫描效率低，从而影响作业效率；
9.3.建模结果不够精确，一方面，单线2d激光雷达在扫描过程中雷达自身可能振动或晃动产生影响，且扫描过程越长，影响越明显，导致象鼻梁头部雷达获得的点云发生扭曲，影响建模结果；另一方面，在进行点云合并时，通常仅仅使用目前应用范围最广的点云配准算法即迭代最近点算法，但是由于货船作业区域扫描建模过程中，各雷达的位置并不全是固定不变的，且扫描获取的点云效果不稳定，重叠率较低，因此迭代最近点算法并不适用于货船作业区域扫描建模过程，这就导致雷达扫描得到的点云在进行合并配准时精度并不高，从而使得建模结果不够精确。
10.因此，当前还没有一个普遍适用的方法，能够解决使用简单扫描装置难以高效精确地进行扫描建模的问题。


技术实现要素：

11.有鉴于此，本发明提出了一种基于3d激光雷达的散货门机船舱及舱内物料建模方法，用于解决使用简单扫描装置难以高效精确地进行扫描建模的问题。
12.本发明的技术方案是这样实现的：
13.本发明第一方面，公开一种基于3d激光雷达的散货门机船舱及舱内物料建模方法，所述方法包括：
14.s1，将第一雷达安装在门机回转体上，将带自稳定装置的第二雷达安装在门机臂架象鼻梁头部，所述第二雷达受重力作用，在门机作业过程中，第二雷达的扫描方向始终保持垂直向下；第一雷达和第二雷达均为3d激光雷达；
15.s2，建立多个坐标系，包括门机基座坐标系、门机回转体坐标系、第一雷达坐标系和第二雷达坐标系；确定第一雷达和第二雷达在门机回转体坐标系下的坐标变换矩阵，得到第一雷达在回转体上的精确位置和第二雷达在回转体上的估计位置，完成第一雷达和第二雷达的初步标定；
16.s3，根据作业指令，所述第一雷达和第二雷达同时对作业区域进行扫描，获得第一初始点云和第二初始点云；
17.s4，对所述第一初始点云和第二初始点云进行配准，得到变换矩阵t
12
，再对第二初始点云进行校正，将第一初始点云和校正后的第二初始点云合并，得到最终点云。
18.本发明通过上述方法，利用安装在门机回转体和象鼻梁处的两个3d激光雷达，对门机作业区域内的货船船舱及舱内散货物料进行快速扫描、建模，形成死区小、精度高的3d点云；3d激光雷达无需增加外部辅助运动装置，结构简单，扫描快，可在短时间内产生符合分辨率及稠密度要求的点云，扫描效率高，获得的点云扭曲度低；对两个雷达扫描获得的点云进行精确配准，从而可以获得更加精准的建模结果。
19.在以上技术方案的基础上，优选的，步骤s1中，将第一雷达安装在门机回转体上具体包括：
20.所述第一雷达安装在在俯仰臂架附近扫描作业区域不被遮挡的地方。
21.在以上技术方案的基础上，优选的，步骤s2具体包括：
22.s2-1，建立多个坐标系，包括门机基座坐标系、门机回转体坐标系、第一雷达坐标系和第二雷达坐标系；所述门机基座坐标系以门机回转中心为原点，垂直于水平面向上为z轴，垂直于码头岸线指向水侧为y轴，按照右手定则确定x轴方向；所述门机回转体坐标系原点、z轴和基座坐标系重合，y轴始终指向臂架方向，按照右手定则确定x轴方向；
23.s2-2，所述门机回转体坐标系和门机基座之间仅相差一个旋转角度θ，该旋转角度θ的值通过安装在回转体上的包括绝对值编码器的传感器获取，记该旋转角度θ的值的变换矩阵为t
wr
；
24.s2-3，所述第一雷达坐标系和第二雷达坐标系在产品内部已经明确定义，通过对第一雷达和第二雷达进行初步标定，获得确定第一雷达和第二雷达在门机回转体坐标系下的坐标变换矩阵从而得到第一雷达在回转体上的精确位置和第二雷达在回转体上的估计位置。
25.在以上技术方案的基础上，优选的，步骤s2-3具体包括：
26.s2-3-1，利用码头上固有的对象对第一雷达的外参进行标定，确定第一雷达相对
于门机回转体坐标系的坐标变换矩阵t
rl1
＝[r t]；
[0027]
s2-3-2，根据门机上包括绝对值编码器的传感器粗略确定第二雷达和门机回转体坐标系的坐标变换矩阵t
rl2
。
[0028]
在以上技术方案的基础上，优选的，步骤s2-3-1具体包括：
[0029]
第一雷达对码头场景进行3d扫描，获得标定点云，从所述标定点云中提取特征进行标定；
[0030]
在标定点云中提取相互垂直的地面和门机下部电气房平面，确定三个旋转自由度，得到坐标变换矩阵t
rl1
的旋转部分，记为r；根据门机机械尺寸，在标定点云中选取门机结构上多个坐标已知的点，根据其在标定点云中和实际场景中的相对关系，对选取的多个点求取平均值p1，通过旋转和平移变换得到p1在实际场景中的对应点p2，利用均值点求取平移自由度t：
[0031]
p2＝r*p1+t
[0032]
得到坐标变换矩阵的平移部分t；确定第一雷达相对于门机回转体坐标系的坐标变换矩阵t
rl1
＝[r t]。
[0033]
本发明通过上述方法，确定第一雷达在回转体上的精确位置和第二雷达在回转体上的估计位置，便于后续对第二雷达进行配准校正，得到第二雷达在回转体上的精确位置，即可对第一雷达和第二雷达扫描获得的点云进行精准匹配。
[0034]
在以上技术方案的基础上，优选的，步骤s3具体包括：
[0035]
所述第一雷达和第二雷达同时对作业区域进行扫描，分别获得一个点云，并根据第一雷达和第二雷达的坐标变换矩阵链，将两个点云转换到门机基座坐标系下；设两个点云中的任一坐标分别为p
l1
、p
l2
，其在门机基座坐标系下的坐标分别为p
w1
、p
w2
，则有：
[0036]
p
w1
＝t
wr
*t
rl1
*p
l1
[0037]
p
w2
＝t
wr
*t
rl2
*p
l2
[0038]
称门机基座坐标系下的两个点云p
w1
和p
w2
分别为第一初始点云、第二初始点云。
[0039]
本发明通过上述方法，第一雷达和第二雷达分别对作业区域进行扫描获得点云，为后续建模做准备。
[0040]
在以上技术方案的基础上，优选的，步骤s4具体包括：
[0041]
s4-1，对所述第一初始点云和第二初始点云进行预处理，所述预处理包括对于第一初始点云和第二初始点云通过直通滤波方式去除无关点云，以及进行半径滤波，去除噪点，得到对应的两个滤波点云；继续执行步骤s4-2；
[0042]
s4-2，通过体素滤波，对两个滤波点云进行降采样处理，得到对应的点云规模合适的第一稀疏点云和第二稀疏点云；继续执行步骤s4-3；
[0043]
s4-3，对所述第一稀疏点云和第二稀疏点云进行粗配准；所述粗配准包括根据pcl库提供的配准算法模块，以第一稀疏点云为目标点云，第二稀疏点云为源点云，计算两点云的fpfh特征，设置参数，对两点云进行配准计算，得到第二稀疏点云到第一稀疏点云的坐标变换矩阵t1；并根据t1对第二稀疏点云进行坐标变换，得到更新后的第二初始点云；继续执行步骤s4-4；
[0044]
s4-4，对第一稀疏点云和更新后的第二初始点云再次进行直通滤波和半径滤波处理，在进行直通滤波时修改参数，减小x方向范围，并取消阈值的放松；继续执行步骤s4-5；
[0045]
s4-5，对两点云进行降采样处理，滤波边长设置为l
fin
；继续执行步骤s4-6；
[0046]
s4-6，对两点云进行icp精配准；所述精配准包括以第一稀疏点云为目标点云，更新后的第二初始点云为源点云，设置参数，进行icp配准计算，得到坐标变换矩阵t2；并根据t2对更新后的第二初始点云进行坐标变换，得到最终门机基座坐标系下的第二初始点云；继续执行步骤s4-7；
[0047]
s4-7，根据坐标变换矩阵t1和t2得到变换矩阵t
12
＝t1*t2，再对门机基座坐标系下的第二初始点云进行校正：p
w1
＝t
12
*p
w2
，得到校正后的第二初始点云；将第一初始点云和校正后的第二初始点云合并，得到最终点云。
[0048]
本发明通过上述方法，对第一雷达和第二雷达分别获得的作业区域点云即第一初始点云和第二初始点云，进行处理，精确配准，可以获得更为精准的建模结果；其中由于第一雷达位置是固定的，而第二雷达的位置是动态变化的，因此对第二初始点云进行配准和校正，确定第二雷达在在回转体上的精确位置，以获得门机基座坐标系下的第二初始点云，便于实现与第一初始点云进行合并。
[0049]
在以上技术方案的基础上，优选的，步骤s4-1具体包括：
[0050]
设定初始滤波边长为l
max
，期望得到的点云规模为count
min
，进行直通滤波处理；
[0051]
对于第一初始点云，在门机坐标系中，将码头海岸线的y值设为y
l
，筛选出-50.0《x《50.0且y
l
《y《y
l
+50.0范围内的第一初始点云；
[0052]
对于第二初始点云，在门机坐标系中，将码头海岸线的y值设为y
l
，对滤波阈值做放松，以δ1＝3.0筛选出-50.0-δ1《x《50.0+δ1且y
l-δ1《y《y
l
+50.0+δ1范围内的第二初始点云；
[0053]
对完成直通滤波的第一初始点云和第二初始点云进行半径滤波，去除噪点，得到对应的两个滤波点云。
[0054]
本发明通过上述方法，对第一初始点云和第二初始点云进行预处理，去除无关点云，在对第二初始点云进行第一次直通滤波处理时，由于第二雷达的坐标变换矩阵t
rl2
并非为精确值，因此对滤波阈值做一定的放松。
[0055]
在以上技术方案的基础上，优选的，步骤s4-2具体包括：
[0056]
对于第一初始点云，以边长l
cur
＝l
max
对其进行体素滤波，得到的点云规模为count
cur
，执行以下判断：
[0057]
i.若count
cur
≥count
min
，说明点云已经比较密集，则体素滤波过程结束，最终的点云规模为count
cur
；
[0058]
ii.反之，说明当前点云过于稀疏，将边长减半，即l
cur
＝l
cur
/2.0，再次进行体素滤波；
[0059]
iii.若结果count
cur
《count
min
，继续执行步骤ii，如此重复直到体素滤波过程结束；反之，则说明存在合适的滤波边长l∈(l
cur
～2l
cur
)，根据此边长进行体素滤波，得到规模为count
min
的第一稀疏点云，记此时滤波边长为l
fin
；
[0060]
对于第二稀疏点云，设置滤波边长为l
fin
，进行体素滤波，得到第二稀疏点云。
[0061]
本发明通过上述方法，获得两幅均匀程度基本一致，且稠密度适中的点云，便于后续进行粗配准。
[0062]
本发明第二方面，公开一种计算机可读存储介质，所述存储介质上存储有一种基于3d激光雷达的散货门机船舱及舱内物料建模方法程序，所述一种基于3d激光雷达的散货
门机船舱及舱内物料建模方法程序被执行时实现如本发明第一方面所述的一种基于3d激光雷达的散货门机船舱及舱内物料建模方法。
[0063]
本发明的一种基于3d激光雷达的散货门机船舱及舱内物料建模方法相对于现有技术具有以下有益效果：
[0064]
(1)通过利用安装在门机回转体和象鼻梁处的两个3d激光雷达，对门机作业区域内的货船船舱及舱内散货物料进行快速扫描、建模，形成死区小、精度高的3d点云；3d激光雷达无需增加外部辅助运动装置，结构简单，可在短时间内产生符合分辨率及稠密度要求的点云，扫描效率高；
[0065]
(2)对固定的第一雷达和位置动态变化的第二雷达，分别确定其相对于门机回转体坐标系的坐标变换矩阵，可以确定第一雷达和第二雷达在门机回转体坐标系下的坐标变换矩阵，进而可确定两雷达对作业区域扫描获得的点云中在门机基座坐标系下的相对位置；
[0066]
(3)对两个雷达扫描对作业区域扫描获得的点云即第一初始点云和第二初始点云进行精确配准，其中对位置动态变化的第二初始点云根据第一初始点云进行配准校正，确定第二雷达在回转体上的精确位置，得到门机基座坐标系下的第二初始点云，最后将门机基座坐标系下的第二初始点云与第一初始点云进行合并从而可以获得更加精准的建模结果。
附图说明
[0067]
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，下面将对实施例或现有技术描述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。
[0068]
图1为本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法工作流程图；
[0069]
图2为本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法中门机结构及雷达安装位置示意图；
[0070]
图3为本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法中门机坐标系示意图；
[0071]
图4为本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法中点云处理流程图；
[0072]
图5为本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法中配准过程流程图。
具体实施方式
[0073]
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
[0074]
实施例
[0075]
本发明一种基于3d激光雷达的散货门机船舱及舱内物料建模方法工作流程见图1，处理步骤说明如下：
[0076]
第一步，将第一雷达安装在门机回转体上，将带自稳定装置的第二雷达安装在门机臂架象鼻梁头部，所述第二雷达受重力作用，在门机作业过程中，受重力作用，第二雷达的扫描方向始终保持垂直向下；第一雷达和第二雷达均为3d激光雷达。转第二步。
[0077]
在上述方案的基础上，优选的，所述第一雷达安装在在俯仰臂架附近扫描作业区域不被遮挡的地方。
[0078]
第二步，建立多个坐标系，包括门机基座坐标系(全局坐标系)、门机回转体坐标系、第一雷达坐标系和第二雷达坐标系；确定第一雷达和第二雷达在门机回转体坐标系下的坐标变换矩阵，得到第一雷达在回转体上的精确位置和第二雷达在回转体上的估计位置，完成第一雷达和第二雷达的初步标定。转第三步。
[0079]
在上述方案的基础上，优选的，第二步具体包括：
[0080]
s2-1，建立多个坐标系，包括门机基座坐标系、门机回转体坐标系、第一雷达坐标系和第二雷达坐标系；所述门机基座坐标系以门机回转中心为原点，垂直于水平面向上为z轴，垂直于码头岸线指向水侧为y轴，按照右手定则确定x轴方向；所述门机回转体坐标系原点、z轴和基座坐标系重合，y轴始终指向臂架方向，按照右手定则确定x轴方向；
[0081]
s2-2，所述门机回转体坐标系和门机基座之间仅相差一个旋转角度θ，该旋转角度θ的值通过安装在回转体上的包括绝对值编码器的传感器获取，记该旋转角度θ的值的变换矩阵为t
wr
；
[0082]
s2-3，所述第一雷达坐标系和第二雷达坐标系在产品内部已经明确定义，而第一雷达和第二雷达在回转体上的精确位置是未知的，因此需要通过合适方式确定两雷达在回转体坐标系下的坐标变换矩阵；通过对第一雷达和第二雷达进行初步标定，获得确定第一雷达和第二雷达在门机回转体坐标系下的坐标变换矩阵从而得到第一雷达在回转体上的精确位置和第二雷达在回转体上的估计位置。
[0083]
在上述方案的基础上，优选的，步骤s2-3具体包括：
[0084]
s2-3-1，受码头现场条件所限，传统的通过标定板等标定物进行标定的方式不大可行，因此利用码头上固有的对象对第一雷达的外参进行标定，确定第一雷达相对于门机回转体坐标系的坐标变换矩阵t
rl1
＝[r t]；
[0085]
s2-3-2，第二雷达安装在象鼻梁头部，其位置随着四连杆臂架的径向伸缩而变化，因此该雷达相对于门机回转体坐标系的坐标变换矩阵是动态变化的，其精确值无法通过一次标定获得，需要通过配准算法进行确定；根据门机上包括绝对值编码器的传感器粗略确定第二雷达和门机回转体坐标系的坐标变换矩阵t
rl2
。
[0086]
在上述方案的基础上，优选的，步骤s2-3-1具体包括：
[0087]
第一雷达对码头场景进行3d扫描，获得标定点云，从所述标定点云中提取特征进行标定；
[0088]
在标定点云中提取相互垂直的地面和门机下部电气房平面，由此确定三个旋转自由度，从而得到坐标变换矩阵t
rl1
的旋转部分，记为r；根据门机机械尺寸，在标定点云中选取门机结构上多个坐标已知的点，根据其在标定点云中和实际场景中的相对关系，对选取
的多个点求取平均值p1，通过旋转和平移变换得到p1在实际场景中的对应点p2，利用均值点求取平移自由度t：
[0089]
p2＝r*p1+t
[0090]
由此得到坐标变换矩阵的平移部分t；确定第一雷达相对于门机回转体坐标系的坐标变换矩阵t
rl1
＝[r t]。
[0091]
第三步，根据作业指令，所述第一雷达和第二雷达同时对作业区域进行扫描，获得第一初始点云和第二初始点云。转第四步。
[0092]
在上述方案的基础上，优选的，第三步具体包括：
[0093]
所述第一雷达和第二雷达同时对作业区域进行扫描，分别获得一个点云，并根据第一雷达和第二雷达的坐标变换矩阵链，将两个点云转换到门机全局坐标系下；设两个点云中的任一坐标分别为p
l1
、p
l2
，其在门机全局坐标系下的坐标分别为p
w1
、p
w2
，则有：
[0094]
p
w1
＝t
wr
*t
rl1
*p
l1
[0095]
p
w2
＝t
wr
*t
rl2
*p
l2
[0096]
称全局坐标系下的两个点云p
w1
和p
w2
分别为第一初始点云、第二初始点云。
[0097]
由于t
rl2
不是精确值，不能将变换后的两点云直接合并，需要对第一初始点云和第二初始点云进行配准，得到第一初始点云和第二初始点云之间的变换矩阵t
12
。
[0098]
第四步，对所述第一初始点云和第二初始点云进行配准，得到变换矩阵t
12
，再对第二初始点云进行校正，得到第二雷达在回转体上的精确位置，将第一初始点云和校正后的第二初始点云合并，得到最终点云。
[0099]
在上述方案的基础上，优选的，第四步具体包括：
[0100]
s4-1，对所述第一初始点云和第二初始点云进行预处理，所述预处理包括对于第一初始点云和第二初始点云通过直通滤波方式去除无关点云，以及进行半径滤波，去除噪点，得到对应的两个滤波点云；继续执行步骤s4-2；
[0101]
s4-2，为了加快后续算法的处理速度，提高点云的几何分布一致性，通过体素滤波，对两个滤波点云进行降采样处理，得到对应的点云规模合适的第一稀疏点云和第二稀疏点云；继续执行步骤s4-3；
[0102]
s4-3，对经步骤s4-2处理的第一稀疏点云和第二稀疏点云进行粗配准；所述粗配准包括根据pcl库提供的配准算法模块，以第一稀疏点云为目标点云，第二稀疏点云为源点云，计算两点云的fpfh特征，设置参数，对两点云进行配准计算，得到第二稀疏点云到第一稀疏点云的坐标变换矩阵t1；并根据t1对第二稀疏点云进行坐标变换，得到更新后的第二初始点云；继续执行步骤s4-4；
[0103]
s4-4，对第一稀疏点云和更新后的第二初始点云再次进行直通滤波和半径滤波处理，在进行直通滤波时修改参数，减小x方向范围，并取消阈值的放松，对第一稀疏点云和更新后的第二初始点云均筛选出-25.0《x《25.0且y
l
《y《y
l
+50.0范围内的点云；继续执行步骤s4-5；
[0104]
s4-5，对两点云进行降采样处理，滤波边长仍设置为l
fin
；继续执行步骤s4-6；
[0105]
s4-6，对两点云进行icp精配准；所述精配准包括以第一稀疏点云为目标点云，更新后的第二初始点云为源点云，设置参数，进行icp配准计算，得到坐标变换矩阵t2；并根据t2对更新后的第二初始点云进行坐标变换，得到最终全局坐标系下的第二初始点云；继续
执行步骤s4-7；
[0106]
s4-7，根据坐标变换矩阵t1和t2得到变换矩阵t
12
＝t1*t2，再对全局坐标系下的第二初始点云进行校正：p
w1
＝t
12
*p
w2
，得到校正后的第二初始点云；将第一初始点云和校正后的第二初始点云合并，得到最终点云。
[0107]
在上述方案的基础上，优选的，步骤s4-1具体包括：
[0108]
设定初始滤波边长为l
max
，期望得到的点云规模为count
min
，进行直通滤波处理；
[0109]
对于第一初始点云，在门机坐标系中，将码头海岸线的y值设为y
l
，所述y值是确定的，筛选出-50.0《x《50.0且y
l
《y《y
l
+50.0范围内的第一初始点云；
[0110]
对于第二初始点云，在门机坐标系中，将码头海岸线的y值设为y
l
，所述y值是确定的，第二雷达的坐标变换矩阵t
rl2
并非的精确值，因此对滤波阈值做放松，以δ1＝3.0筛选出-50.0-δ1《x《50.0+δ1且y
l-δ1《y《y
l
+50.0+δ1范围内的第二初始点云；
[0111]
对完成直通滤波的第一初始点云和第二初始点云进行半径滤波，去除噪点，得到对应的两个滤波点云。
[0112]
在上述方案的基础上，优选的，步骤s4-2具体包括：
[0113]
对于第一初始点云，以边长l
cur
＝l
max
对其进行体素滤波，得到的点云规模为count
cur
，执行以下判断：
[0114]
i.若count
cur
≥count
min
，说明点云已经比较密集，则体素滤波过程结束，最终的点云规模为count
cur
；
[0115]
ii.反之，说明当前点云过于稀疏，将边长减半，即l
cur
＝l
cur
/2.0，再次进行体素滤波；
[0116]
iii.若结果count
cur
《count
min
，继续执行步骤ii，如此重复直到体素滤波过程结束；反之，则说明存在合适的滤波边长l∈(l
cur
～2l
cur
)，根据此边长进行体素滤波，得到规模为count
min
的第一稀疏点云；具体来说，利用二分法思想，通过循环迭代，不断缩小上述区间，最终确定滤波边长，记此时滤波边长为l
fin
，得到第一稀疏点云；
[0117]
对于第二稀疏点云，设置滤波边长为l
fin
，进行体素滤波，得到第二稀疏点云。
[0118]
经过此步骤，得到的两稀疏点云均匀程度基本一致，且稠密度适中。
[0119]
本发明采用3d激光雷达，能够实现对场景的快速建模，效率高，点云扭曲性低，真实度高；采用设备上的编码器等传感器，得到象鼻梁处雷达的初始变换矩阵，再经过一次粗配准和icp精配准过程，确定了第二雷达的精确位置，一方面提高了配准算法成功的概率；另一方面提高了配准结果的精度；最终形成的点云死区小，质量高，为后续算法输入提供了有力保证。
[0120]
本发明还公开一种计算机可读存储介质，所述存储介质上存储有一种基于3d激光雷达的散货门机船舱及舱内物料建模方法程序，所述一种基于3d激光雷达的散货门机船舱及舱内物料建模方法程序被执行时实现如本发明实施例所述的一种基于3d激光雷达的散货门机船舱及舱内物料建模方法。
[0121]
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，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。