[發(fā)明專利]基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法以及判斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011191481.0
• 申請(qǐng)日: 2020-10-30
• 公開（公告）號(hào): CN112184707A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 沈辰;簡(jiǎn)飛弘
• 申請(qǐng)（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/62;G06T5/00;G06T17/20;G06N3/04;G06N3/08
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 成鋼

本發(fā)明公開了基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法，包括：采集渣土車的全車圖像，輸入第一神經(jīng)網(wǎng)絡(luò)模型，識(shí)別渣土車的類型，得到渣土車對(duì)應(yīng)類型的標(biāo)準(zhǔn)載容；采集渣土車運(yùn)載的渣土的圖像，輸入第二神經(jīng)網(wǎng)絡(luò)模型，識(shí)別渣土車運(yùn)載的渣土的品類，得到渣土的密度；對(duì)渣土車裝載的渣土進(jìn)行掃描，得到渣土車裝載的渣土的點(diǎn)云數(shù)據(jù)；對(duì)渣土的點(diǎn)云數(shù)據(jù)進(jìn)行去噪、剪裁，得到渣土的三維圖像；將三維圖像識(shí)別的信息結(jié)果處理后得出裝載體積；判斷渣土車的裝載情況是否合格；計(jì)算得到渣土車的載重，判斷是否超重。本發(fā)明自動(dòng)判斷渣土車的類型，計(jì)算土石方的體積，自動(dòng)判斷渣土車的裝載情況，檢測(cè)效率高，省時(shí)省力，準(zhǔn)確性好，方便實(shí)用。

技術(shù)領(lǐng)域

本發(fā)明屬于工程項(xiàng)目土石方統(tǒng)計(jì)技術(shù)領(lǐng)域，具體涉及基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法以及判斷系統(tǒng)。

背景技術(shù)

土建項(xiàng)目普遍存在土石方的轉(zhuǎn)運(yùn)，渣土車運(yùn)載土石方離開工地時(shí)需要對(duì)土石方數(shù)進(jìn)行統(tǒng)計(jì)，目前大部分工地仍采取傳統(tǒng)的人工計(jì)數(shù)方式進(jìn)行統(tǒng)計(jì)，但傳統(tǒng)計(jì)數(shù)模式易受限于管理人員學(xué)識(shí)和設(shè)備操作人員素質(zhì)等因素影響造成各類逃票違規(guī)行為、缺乏規(guī)范化施工和計(jì)數(shù)誤差等現(xiàn)象。渣土車運(yùn)輸過程中存有運(yùn)載不夠充足或者超載的現(xiàn)象存在，渣土車違規(guī)上路對(duì)城市的安全和環(huán)保都存在一定的影響。公開號(hào)為CN208795315U的實(shí)用新型“一種用于工程運(yùn)輸土石方計(jì)量的手持裝置”公開了一種土石方計(jì)量裝置，不能自動(dòng)判斷渣土車的裝載情況。公開號(hào)為CN109002421A的發(fā)明專利“渣土車運(yùn)輸土方統(tǒng)計(jì)方法、系統(tǒng)及服務(wù)器、存儲(chǔ)介質(zhì)”公開了一種土方數(shù)統(tǒng)計(jì)方法和土方數(shù)統(tǒng)計(jì)系統(tǒng)，直接利用渣土車圖像獲得土方數(shù)，準(zhǔn)確性成問題，土方數(shù)統(tǒng)計(jì)系統(tǒng)的地磅秤不易安裝部署，且使用中易損壞而影響稱重。現(xiàn)有技術(shù)缺乏準(zhǔn)確、高效的渣土車土石方數(shù)自動(dòng)統(tǒng)計(jì)方法、系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)上述問題，提供基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法以及判斷系統(tǒng)，采集渣土車的全車圖像和渣土的圖像，自動(dòng)識(shí)別出渣土車的類型和渣土的分類，對(duì)渣土車裝載的土石方進(jìn)行三維激光掃描，得到土石方的體積，并與渣土車的標(biāo)準(zhǔn)載容對(duì)比，自動(dòng)判斷渣土車的裝載情況。

本發(fā)明采取的技術(shù)方案是基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法，包括以下步驟：

步驟1：采集渣土車的全車圖像，輸入第一神經(jīng)網(wǎng)絡(luò)模型，利用第一神經(jīng)網(wǎng)絡(luò)模型識(shí)別渣土車的類型，得到渣土車對(duì)應(yīng)類型的標(biāo)準(zhǔn)載容；

步驟2：采集渣土車運(yùn)載的渣土的圖像，輸入第二神經(jīng)網(wǎng)絡(luò)模型，利用第二神經(jīng)網(wǎng)絡(luò)模型識(shí)別渣土車運(yùn)載的渣土的品類，得到渣土的密度；

步驟3：利用三維激光掃描儀對(duì)渣土車裝載的渣土進(jìn)行掃描，得到渣土車裝載的渣土的點(diǎn)云數(shù)據(jù)；

步驟4：對(duì)渣土的點(diǎn)云數(shù)據(jù)進(jìn)行去噪、剪裁，得到渣土的三維圖像；

步驟5：將三維圖像識(shí)別的信息結(jié)果處理后得出裝載體積；

步驟6：將渣土車的裝載體積與步驟1得到的標(biāo)準(zhǔn)載容相比較，判斷渣土車的裝載情況是否合格；

步驟7：根據(jù)渣土車的裝載體積和步驟2得到的渣土的密度，計(jì)算得到渣土車的載重，判斷是否超重。

進(jìn)一步地，步驟1還包括利用第一神經(jīng)網(wǎng)絡(luò)模型根據(jù)渣土車的全車圖像識(shí)別渣土車的清潔程度。

優(yōu)選地，第一神經(jīng)網(wǎng)絡(luò)模型采用Faster R-CNN神經(jīng)網(wǎng)絡(luò)，包括依次連接的卷積神經(jīng)網(wǎng)絡(luò)、RPN網(wǎng)絡(luò)和全連接層。

優(yōu)選地，第二神經(jīng)網(wǎng)絡(luò)模型采用BP神經(jīng)網(wǎng)絡(luò)，輸入層包括10個(gè)神經(jīng)元、隱含層包括11個(gè)神經(jīng)元，輸出層為1個(gè)神經(jīng)元。

作為可替代的方案，步驟1也可以是采集渣土車的圖像，識(shí)別出渣土車的車牌號(hào)，根據(jù)預(yù)先存儲(chǔ)的車牌號(hào)、車型的對(duì)應(yīng)關(guān)系，得到渣土車的類型以及對(duì)應(yīng)類型的標(biāo)準(zhǔn)載容。

所述基于點(diǎn)云數(shù)據(jù)的渣土車土石方裝載判斷方法還包括對(duì)第一神經(jīng)網(wǎng)絡(luò)模型的預(yù)先訓(xùn)練，具體包括：