(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210510038.8 (22)申请日 2022.05.11 (71)申请人 西安华光信息技 术有限责任公司 地址 710075 陕西省西安市高新区科技路 27号E阳国际1 1层 (72)发明人 宗加银　于文　杨晓冬　周林君　 卢杲　 (74)专利代理 机构 西安佩腾特知识产权代理事 务所(普通 合伙) 61226 专利代理师 姚敏杰 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/77(2022.01)G06K 9/62(2022.01) (54)发明名称 火车装车3D模型的重心偏移检测方法 (57)摘要 本发明属于火车装车技术领域， 涉及一种火 车装车3D 模型的重心偏移 检测方法， 包括1)雷达 扫描获取点云数据， 得到轨道区域内的点云数 据； 2)利用欧式算法对轨道区域内的点 云数据进 行聚类划分， 区分出每个独立的车厢； 3)根据结 果， 每个车厢分别计算车厢点云块的中心点； 4) 根据中心点的坐标， 选择中心点靠近雷达中心的 点云， 车厢点云数据过滤得到装车点云； 5)利用 降维算法计算车厢的平均高度A、 计算重心偏移 度B以及生成装车3D模型C； 6)根据装车3D模型C 对装车重心偏移度进行可视化， 根据平均高度A 和重心偏移度B判断装车结果的好坏。 本发明利 用激光雷达生成火车装车3D模型实现偏移度的 检测， 偏移度易控制且误差小。 权利要求书2页 说明书5页 附图2页 CN 114724138 A 2022.07.08 CN 114724138 A 1.一种火车装车3D模型的重心偏移检测方法， 其特 征在于， 包括以下步骤： 1)雷达扫描获取点云数据， 并进行 预处理轨道区域内的点云数据； 2)利用欧式算法对轨道区域内的点云数据进行聚类划分， 区分出每 个独立的车厢； 3)根据聚类划分的结果， 针对每 个车厢， 分别计算车厢点云块的中心点； 4)根据中心点的坐标， 选择中心点靠近雷达中心的点云， 把车厢点云数据进行过滤得 到装车点云； 5)继续利用降维算法计算车厢的平均高度A、 计算重心偏移度B以及生成装车3D模型C； 6)根据装车3D模型C对装车进行可视化， 根据平均高度A和重心偏移度B判断装车结果 的好坏。 2.根据权利要求1所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 2)中， 欧式算法的具体步骤为： 1.1)找到轨道区域内的点云数据空间中任意点p10， 用kdTree找到离p10最近的n个点， p12， p13， p14 …p1n， 判断这n个点到p10的距离， 将距离小于 阈值r的点p12， p13， p14 …放在 类Q(p10)里； 1.2)在Q(p10)里找到一 点p12， 重复步骤1.1)； 1.3)继续在Q(p10， p12)找到一点p1n， 重复步骤 1.1)， 将距离小于阈值r的点全部放进Q (p10， p12， p1n)里； 1.4)不断重复， 直至类Q中的点数目多少不变时， 则完成聚类划分。 3.根据权利要求2所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 3)中， 选择中心点x坐标在[ ‑1,1]之间的点云块， 计算每 个车厢点云块的中心点。 4.根据权利要求3所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 4)中， 过滤车厢的过程是： 4.1)通过z坐标， 将车厢点云数据分割成n份宽度为 w的点云块； 4.2)对每一块点云中的每个当前点， 分别计算当前点与其他任一个点之间的高度差h 和平面距离d； 4.3)根据上述结果进一 步计算r＝h /d， 并将r>3.0的点过 滤掉； 4.4)每个分割的点云块都重复步骤4.2)和步骤4.3)， 最后剩余的点云 即为装车点云。 5.根据权利要求4所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 4.2)中， 设当前点为p1(x1， y1， z1),其他任一个点为p2(x2， y2， z2)， 则高度差为h＝y2 ‑y1， 平面距离为 6.根据权利要求5所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 5)中， 平均高度A的计算过程是： 5.a1)分别计算 点云x、 y、 z方向的最小值Mi n(x)、 Min(y)、 Min(z)； 5.a2)选取x、 y、 z方向特征尺度大小， x方向和z方向分别以x方向最大的值、 z方向最大 的值为尺度， y方向选取比较小的值为尺度， 对x、 y、 z各个方向的尺度做倒数， 作为各个轴向 的尺度因子 λx， λy， λz； 5.a3)计算 点云中每 个点Pt(x， y， z)在各个轴上的特 征值， 特征值的公式如下： Vx＝(Pt(x) ‑Min(x))×λx；权　利　要　求　书 1/2 页 2 CN 114724138 A 2Vy＝(Pt(y) ‑Min(y))×λy； Vz＝(Pt(z) ‑Min(z))×λz； 其中： Vx为X轴特征值； Pt(x)是点的x坐标； λx是x方向尺度因子， Min(x)是整体点云在x 轴方向的最小值， Vy为Y轴特征值； Pt(y)是点的y坐标； λy是y方向尺度因子， Min(y)是整体 点云在y轴方向的最小值； Vz为Z轴特征值； Pt(z)是点的z坐标； λz是z方向尺度因子， Min(z) 是整体点云在z轴方向的最小值； 5.a4)每个点的特 征向量值是每个点各个轴向特 征向量之和V＝Vx+Vy+Vz； 5.a5)依据步骤5.a4)计算的特 征向量值， 对点云进行排序； 5.a6)统计相同特征向量中的点云个数， 找到最大值， 求该组相同特征向量的点云的高 度值的平均值， 即平均高度Hav。 7.根据权利要求6所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 5)中， 重心偏移度B的计算过程是： 5.b1)计算装车点云的中心点， 以中心点x坐标为分割点， 分割成前后两块 点云； 5.b2)通过x坐标将装车点云分割成均匀的2m份， 每份点云之间的距离是(Xmax ‑Xmin)/ (2m‑1)， Xmax为点云x轴最大值， Xmin为点云x轴最小值； 对每份点云依据z坐标排序， 得到排 序后的点云数组Pt[n]， 求取有序点云在yz平面的面积， 面积S的计算公式为： S＝∑{(Pt(n+1).y+Pt(n).y) ×(Pt(n+1).z ‑Pt(n).z)} ÷2.0 其中： Pt(n+1).y表示第n+1个点的y坐标， Pt(n).y表示第n个点的y坐标， Pt(n+1).z表 示第n+1个点的z坐标， Pt(n).z表示第n个点的z坐标； 5.b3)计算两个相邻剖面组成的多面体的体积， 对所有剖面体积求和， 计算点云总体 积： V＝∑{(S(n+1)+S(n) )×(Xmax‑Xmin)÷(m‑1)÷2}； 其中： S(n+1)表示第n+1个剖面的面积； S(n)表示第n个剖面的面积； 5.b4)两块 点云体积， 体积小的为Vmi n， 体积大的为Vmax， 重心偏移率γ＝Vmi n÷Vmax。 8.根据权利要求7所述的火车装车3D模型的重心偏移检测方法， 其特征在于， 所述步骤 6)中， 重心偏移度B即重心偏移率γ， B趋 于0～1， 且B越接 近1装车结果越好。权　利　要　求　书 2/2 页 3 CN 114724138 A 3