针对港口作业区自动化程度低、作业低效的特点,提出一种采用激光雷达探测技术高效测量列车车厢载货体积的方法。该方法利用二维激光扫描仪搭配OPC_Client系统将测得的扫描数据结合位置变化信息联合解算,获取车厢在重车状态与空车状态下的三维点云数据。经下采样处理及去除冗余点处理后,构建重车载货面处三维点云数据的Delaunay三角网,所得三角网向空车底面处投影得到的集合体体积即为车厢的总载货量。同时根据装配于载货轨道上的轨道衡提供的重量数据计算所载货物的体密度参数,利用该参数可对货物的品质优劣进行判定。得出的实测数据证实该方法的测量精度较高,体积测量方法研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机折弯机可实现车厢货物的自动化检测。距离探测数据进行联合解算，得到车厢的三维点云数据。图1获取x轴、z轴上距离探测数车厢载货体积测量原理扫描仪与OPC_Client系统解算得到的车厢三维点云数据呈离散分布，直接计算厢内的载货体积较为困难，因此需要将其转化成集合体的形式进行求解。首先，通过构建Delaunay三角网把三维点云数据转化成连续的网格结构，接着将重车载货面处的三角网依次向对应的空车底面投影，得到若干个集合体。如图2所示，根据投影高度h的不同将集合体大致分为4种:a)四棱锥，b)凸五面体，c)四面体与凸五面体结合，d)两个四面体结合。投影三角形顶点坐标为A1、B1、C1，投影后对应的各顶点坐标为A、B、C，投影高度分别为h1、h2、h3，且h1≤h2≤h3，集合体体积用VT表示。1)设底为三角形ABC的直三棱柱体积为V(h)，是关于投影高度h的一个线性函数，V(h1)≤VT≤V(h3)，连续且单调递增。V(h)计算式为V(h)=SΔABC·h。(2)2)设存在h0，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name使得此高度下的直三棱柱体积等于分割得到的集合体体积。由V(h1)≤VT≤V(h3)可得h1≤h0≤h3。又因函数连续且单调递增，所以h0存在且唯一。3)易得出存在的h0为三角形A1B1C1质心。综上所述:车厢载货量分割得到的任意集合体，其体积均可等效为投影三角形质心所在平面向底面平面进行投影处理得到的直三棱柱体积［4］。图2投影处理得到的四种集?技术的列车车厢载货体积测量方法研究163组距离探测数据，箭头指向为车厢的实际行进方向，扫描仪在车厢的行进过程中对夹角角度为γ范围内的车厢上表面进行实时扫描［11］。沿y轴方向的运动状态数据由OPC_Client系统提供，两部分数据共同求解得到车厢的三维点云数据。图5激光扫描系统布设位置示意图F图6(a)和图6(b)分别是车厢在重车与空车状态下的原始三维点云数据，该数据点密集，呈离散不规则分布，且在部分边缘区域存在冗余噪声点。3．2车厢点云数据预处理大多数用激光扫描仪直接获取到的点云数据较为密集，且存在大量的冗余点，对后续计算车厢载货量造成较大干扰，因此点云数据的预处理阶段必不可少［12］。3．2．1下采样处理保证点云数据模型特征不丢失的前提下，测试选取最佳的下采样间隔对原始三维点云数据进行简化处理［13］。如图7(a)和图7(b)所示，经下采样处理后重车与空车状态下三维点云数据密度大幅度降低，提高了后续三维建模与数据计算的效率。3．2．2去除冗余点处理图8(a)是空车状态下的三维点云数据，方框部分标记出干扰后续车厢载货量计算的三根横梁，为提高计算精度，剔除方框内的冗余点［14］，对其余点进行保留。经过这样的处理方法得到图8(b)，此时得到的点云数据基本不包含冗余点，无关点对车厢载货量计算的干扰较小，运算精度得以提高。图6原始状态下的三维点云数据Fi体积测量方法研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name