[發明專利]一種車輛三維掃描臺的構造和生成貨物隨機采樣點的方法

有效

• 申請號: 201310093126.3
• 申請日: 2013-03-22
• 公開（公告）號: CN103162659A
• 公開（公告）日: 2013-06-19
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 張振宇
• 主分類號: G01B21/20
• 分類號: G01B21/20;G01B21/00;G01B11/24;G01B11/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

????本發明主要應用于交通運輸、物流管理和工業生產領域，通過本發明建立三維實物掃描臺，三維實物掃描臺對車輛掃描的數據形成完整的數據文件，對文件的分析以達到對車體的各個部分進行區分，再選擇貨物部分，貨物的部分中生成隨機點，即將物體通過三維數據點分析以及識別，然后生成隨機采樣點的方法。本發明主要適用于物體識別定位。

背景技術

????基于三維數據點的車廂進行識別屬于點云數據的分割問題。

????點云數據的分割就是將數據分割成若干個互不相交的子集，每一個子集中的數據同屬于一個具有單一特征的曲面。目前點云分割方法主要有基于邊的方法、基于面的方法、基于聚類的方法。

????基于邊的區域分割方法是根據數據點的局部幾何特性在點集中檢測到邊界點，再進行邊界點的連接，最后根據檢測的邊界點將整個數據集分割成獨立的多個點集。此方法是從純數學的角度出發，認為測量點的法矢或曲率的突變是一個區域與另一個區域的邊界，并將封閉邊界的區域作為最終的分割結果。該方法對尖銳邊界的識別能力強，但對于邊界的確定僅用到邊界的局部數據，受測量噪聲影響較大，而且對于型面緩變或圓角半徑較大的曲面往往找不準邊界。

????基于面的區域分割方法是將屬于同一基本幾何特征的點集分割到同一區域。相比較基于邊的方法，基于面的方法具有發展優勢基于面的分割方法對于二次曲面的分割比較有效，但是難以選擇合適的種子點以及難以區分光滑邊界，而且其區域生長受設定閾值的影響較大，選擇合適的生長準則也比較困難。

????基于聚類的方法是利用人工神經網絡等數學工具作為“分類器”，對數據點的局部幾何特征參數進行聚類。聚類的依據主要是根據高斯曲率和平均曲率的符號組合劃分曲面元的方法。

????該方法對于曲面類型較為明顯的曲面分塊存在一定的優勢，但是對于復雜的曲面而言，要直接確定曲面的分類個數和曲面類型比較困難，對容易出現的細碎面片進行二次處理也增加了算法的難度。

????上述三種方法存在的共性問題是速度慢，多用于數據的事后處理，難以在工業現場實時應用。

????隨機采樣點的生成多采用隨機數生成的方法，如迭代取中，乘同余法，混合同余法等，我們稱之為取隨機數。該方法雖然能夠保證生成采樣點的隨機性，但在實際應用中，往往難于應用到復合數列當中，同時也不能做到基于策略的隨機數生成的應用環境。

發明內容

????本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種原理簡單、操作簡便、檢測精度高，實時性好，實施后整體結構緊湊、工作穩定可靠的實時車輛輪廓識別與隨機點采樣方法。

????為解決上述技術問題，本發明采用以下技術方案，其特征在于步驟如下。

（1）建立坐標：建立由傳感器構造的空間坐標，同時建立客觀現實環境中的空間絕對值坐標；將物體掃描的實時坐標值與實際物體的實時位置建立一一對應關系，形成統一的物體輪廓坐標和物體的位置參數。

（2）數據采集：通過傳感器采集物體輪廓和位置數據。

（3）車輛輪廓識別：通過對物體掃描數據的建模分析，按照物體的特征將物體進行分類，例如大小、幾何圖形、寬窄高低尺寸數據對比、相互之間位置關系等特征的分析與識別，可以對物體具體的某個部分及位置進行選擇。

（4）?隨機點采樣：物體隨機點采樣的方法包括：格柵式隨機方法f（f（x），f（y），f（z））、基于平面與縱深的隨機方法f（f（x，y），f（z））、基于坐標值的完全隨機方法f（x，y，z）等。

（5）?人機界面：具備可視化的實時交互人機界面，即物體掃描的過程中或物體掃描完畢后，用戶可以在顯示器上觀看到被掃描物體的三維外形圖以及被標注為放大或高亮的隨機點。