本發明涉及激光雷達的自動生成貨物裝車端視圖測高點的方法，更具體為一種基于激光雷達的自動生成貨物裝車端視圖測高點方法。

背景技術：

1、準確獲取鐵路貨物的外形尺寸對于提升運輸安全、提高運輸效率、遵守運輸法規、優化資源配置等方面都具有重要意義。測高點提供了貨物在運輸過程中的關鍵尺寸、裝載位置和輪廓形狀，便于鐵路運輸的規劃和實施。隨著鐵路貨運的現代化和智能化發展，外形尺寸的測量將越來越成為鐵路運輸中的核心數據，推動更加精細化、自動化和高效的貨運管理系統的建立。

2、傳統的測高方法主要包括運用手持式激光雷達能夠迅速、準確的采集被測物體的點云數據并計算出貨物端視圖點云，具有高分辨率采集、高精度、抗干擾能力強的優勢，但其后續仍需要人工手動在圖中取點，消耗了大量人力浪費了不必要的時間。因此，需要提供一種新的技術方案給予解決。

技術實現思路

1、本發明的目的在于提供一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，解決了后續仍需要人工手動在圖中取點，消耗了大量人力浪費了不必要的時間的問題。

2、為實現上述目的，本發明提供如下技術方案：一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，基于激光雷達的自動生成貨物裝車端視圖測高點算法包括如下步驟：

3、步驟1.對xoy平面內的端視圖點云沿著y軸切片；

4、步驟2.求出每一片內點云最大最小x坐標，求平均x值，并根據當前切片的y值生成一點；

5、步驟3.對生成的所有點進行ransac直線擬合，擬合出的直線即為物體中線；

6、步驟4.沿著物體中線將物體點云對折至左側，此后便處理對折后的點云f；

7、步驟5.求出點云f的凸包點云和凹包點云；

8、步驟6.從凸包點云中去除離中線距離小于100mm的凸包點；

9、步驟7.對該凸包點云進行聚類并按照y值由高到低進行排序；

10、步驟8.對聚類的每個結果類中的點云按照y值由高到低進行排序；

11、步驟9.判斷是否為拐點；

12、步驟10.判斷每個類第一個點和最后一個點是否為拐點；

13、步驟11.根據物體中線的x值以及步驟10中保留的每個類的最大最小y值的平均值為每個類生成一個側重點；

14、步驟12.在每個類中求出距離該類側重點距離最大的點作為拐點；

15、步驟13.將步驟10中拐點和步驟12中拐點添加至關鍵點云集中作為測高候選點

16、步驟14.分割出物體最左側1/6的點云l；

17、步驟15.過濾出點云l中x值最小的前40％個點作為新的點云tl，并對tl中的點根據y值由高到低進行排序；

18、步驟16.對排序后的tl進行聚類，對每個類以及類中的點按照y值由高到低進行排序；

19、步驟17.找到含有點x值最小的類，該類為最突出的類lm；

20、步驟18.根據該類最小y值以及點云f的最小y值來判斷該類是否位于點云f最下方，如果是，則跳到步驟20，如果不是，則判斷該類是否是y值最小的類，如果是，則求出該類下方點云的最小包圍矩形aabb，如果不是則求出該類下方x值最小的類并再次執行步驟18；

21、步驟19.若lm上方沒有類，則跳至步驟20，否側求出lm上方所有類與類中間點云的最小包圍矩形aabb；

22、步驟20.為步驟16中求出的所有類計算出最小包圍矩形aabb并與步驟18、步驟19中計算出的最小包圍矩形aabb一同添加至矩形集中作為候選矩形；

23、步驟21.根據相鄰候選矩形的x差值是否大于20mm來判斷是否將兩個相鄰的矩形合并為一個矩形，得到最終的矩形集；

24、步驟22.將y值低于矩形集中最大y值的測高候選點刪除；

25、步驟23.若候選點數量大于2則根據相鄰候選點的x和y差值是否大于10mm判斷是否將該相鄰點合并為一個點；

26、步驟24.將點云f的最高點加入候選點中，并將候選點由y值從高到底排序；

27、步驟25.根據步驟23中的合并規則合并候選點中y值最高和第二高的點，得到最終的測高點集。

28、作為本發明的一種優選實施方式，所述步驟5的凹包點云為該點云輪廓。

29、作為本發明的一種優選實施方式，所述步驟9中判斷是否為拐點的規則為：該點及其后一點的連線與該點及其前一點連線的角度是否大于14度，若大于則視其為拐點否則不是拐點。

30、作為本發明的一種優選實施方式，所述步驟10中的判定規則為：如果是則保留該類，若不是則判斷該類內部點有無拐點，判斷規則與步驟9相同，若內部有拐點則保留該類否則不保留。

31、作為本發明的一種優選實施方式，所述步驟23中只處理y值最高候選點之后的所有點，若合并則按以下規則合并：相鄰候選點a，b(y值由高到低)，a的前一個點c，b的下一個點d，求出a和c的連線l1以及b和d的連線l2，求出l1和l2的交點即為a和b合并之后的點。

32、與現有技術相比，本發明的有益效果如下：

33、本發明為了提高檢測精準性和效率，采用手持三維激光掃描儀快速獲取裝車后被測物體的點云數據，通過智能識別平板車并計算投影面，將平板車及貨物的投影與限界比較得到超限等級，實現了精準且高效的超限檢測，其全自動識別以及計算，無需工作人員爬上貨物頂部手動測量，大大降低了勞動強度和安全風險，手持三維激光掃描儀可以按需使用，靈活性強，環境適應能力強，能夠應對不同場景下的超限檢測需求，為了實現可視化超限檢測結果，將限界多邊形和投影點云可視化，生成圖片，并顯示超限等級，若有超限，則根據矩形在圖中框出超限部分，使得檢測結果直觀易懂，該方法可以極大提高作業效率，降低勞動成本，同時提高運輸安全性，為物流行業帶來顯著的經濟效益。

技術特征：

1.一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：基于激光雷達的自動生成貨物裝車端視圖測高點的方法包括如下步驟：

2.根據權利要求1所述的一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：所述步驟5的凹包點云為該點云輪廓。

3.根據權利要求1所述的一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：所述步驟9中判斷是否為拐點的規則為：該點及其后一點的連線與該點及其前一點連線的角度是否大于14度，若大于則視其為拐點否則不是拐點。

4.根據權利要求1所述的一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：所述步驟10中的判定規則為：如果是則保留該類，若不是則判斷該類內部點有無拐點，判斷規則與步驟9相同，若內部有拐點則保留該類否則不保留。

5.根據權利要求1所述的一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：所述步驟23中只處理y值最高候選點之后的所有點，若合并則按以下規則合并：相鄰候選點a，b(y值由高到低)，a的前一個點c，b的下一個點d，求出a和c的連線l1以及b和d的連線l2，求出l1和l2的交點即為a和b合并之后的點。

技術總結
本發明公開了一種基于激光雷達的自動生成貨物裝車端視圖測高點方法，其特征在于：基于激光雷達的自動生成貨物裝車端視圖測高點算法包括如下步驟：步驟1.對XOY平面內的端視圖點云沿著Y軸切片；步驟2.求出每一片內點云最大最小X坐標，求平均X值，并根據當前切片的Y值生成一點；步驟3.對生成的所有點進行RANSAC直線擬合，擬合出的直線即為物體中線。本發明可以根據貨物端視圖點云自動生成測高點，對于不規則并且超出載具范圍的貨物或者載具本身突出部分能夠精準的識別并生成測高點和矩形框，測高點所描述的多邊形能夠精準的概括貨物多邊形的同時，又無需使用上萬個點的貨物輪廓數據來概括貨物多邊形，極高的方便了工作人員對于貨物測高數據的記錄。

技術研發人員：盛勇進,郭建貴,黃海,汪正陽
受保護的技術使用者：恒岳空感（上海）信息技術有限公司
技術研發日：
技術公布日：2025/4/28