粮仓三维激光测绘系统设计范文

摘要：

粮仓清仓查库是粮食储藏管理中必不可少的环节，关系国内粮食的宏观调控。该文针对传统的清仓查库方式中效率低，准确率低的问题，在搭建三维激光监测系统的基础上，提出基于三维激光扫描的粮堆快速三维建模与体积计算方法。利用三维激光测距传感器扫描粮堆表面轮廓，获取表面三维点云，再根据Delaunay原则对点云进行三角划分，最终利用微软WPF技术的3D渲染引擎完成粮堆三维模型的建立，而系统中粮堆体积的快速计算采用方格网算法。利用该系统在实验室搭建的试验粮堆上进行了试验。系统利用处理后的标准点云数据可快速准确地完成粮堆三维模型的建立。通过对试验数据的处理和分析，结果显示利用该系统对粮堆扫描后计算出的体积与真实体积的相对误差的平均值仅为0.318%。验证了该系统中所使用的体积计算方法的准确性与稳定性。该研究为粮仓的清仓查库提供了一种高效准确的方法。

关键词：

三维；设计；模型；粮仓；三维激光测距；点云；三维模型；体积

民以食为天，粮食储藏关系军需民食，也关系国家安全和稳定发展。全国粮仓清仓查库能获得粮食总量，有利于更加准确地判断国内粮食供求形势，增强粮食工作的预见性和针对性，为经济发展服务，也有利于切实抓好粮食生产，夯实国家粮食宏观调控的物质基础，为经济平稳较快发展提供有力保障[1-2]。然而随着粮仓规模的扩大和种类的变化，粮仓的统计工作变得越来越复杂[3]。如今数字化粮仓技术为粮食储藏及管理的智能化提供了强有力的支持。它利用先进的测绘技术，快速扫描采集粮堆的信息后传输给计算机软件进行处理建模并计算体积和质量。目前国内外的清仓查库方法主要包括传统人工测量和激光扫描测绘。在传统的清仓查库中，人们首先是将粮堆进行整形，将其整形成截面为梯形或者底面为圆形的粮堆，然后再采用人工丈量的方式来测得粮堆的长宽等数据，最后利用数学公式来得到存粮的体积，这种方法一方面会消耗大量的人力资源和时间，另一方面得到的结果也存在较大的误差[3-4]。三维激光扫描测绘技术能快速、精确的获取物体的三维信息，目前在航空航天等众多行业都有广泛的应用，特别在大型发电厂的煤场盘点中的应用已相当成熟，利用三维激光测距仪来获取煤场煤堆的3D模型及存煤量[5-6]。但是在粮仓中的应用还不是很广泛，朱铁军等[7]提出了利用三维激光扫描粮堆，根据扫描的轮廓信息计算粮堆上方空气层的体积，再利用粮仓体积减去空气层体积的方式得到粮堆体积，这种方法一方面需要在激光扫描时得到均匀的点云数据，这在实际测量中不容易实现，另一方面利用两体积之差得到粮堆体积会加大误差。曾敬文等[8]提出利用立方体等高线计算体积，但是搜索等高线的过程相对复杂。Ren等[9]利用测距传感器对粮仓进行了非接触式测量，然后采用多重积分的方式计算体积。为了更精确实现粮堆三维重构以及提高粮堆体积计算的准确性和效率，本文提出利用WPF进行三维重构和方格网算法计算粮堆体积的设计。

1系统设计与数据处理

1.1三维激光扫描系统数据的采集利用三维激光测距仪，三维激光测距仪能获得距扫描点的距离并结合自身的位置以及角度等信息得到扫描点的三维坐标，如图1所示，再利用公式（1）即可得到采样特征点距离底面的距离。经过三维激光测距仪在粮堆上方多个位置多次扫描，即可得到粮堆的三维点集合，通常将此类三维点集合称为点云。

1.2原始点云数据的处理在粮仓中，随着悬臂的移动，激光传感器采集到粮堆表面某点的距离，然后结合传感器自身的位置将其转换为特征点距粮堆底面的距离。

1.2.1数据去噪利用三维激光测距仪采集粮堆特征点坐标时，不免会受到空间中尘埃等因素的影响，从而出现毛刺，这些毛刺点对于三维模型的重建和粮堆体积的计算结果都有较大影响。在本系统中采用中值滤波的方式将毛刺点过滤。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，它的原理是把某点的值用其邻近的点的中值代替。对于每一条扫描线，按照粮堆轮廓的变化趋势来判断，对于突变明显的点则认为是毛刺，采取中值滤波消除该噪声点。

1.2.2数据拼接受到粮堆面积大等因素的影响，三维激光测距设备无法在单一的位置扫描到完整的粮堆数据，因而需要在多个位置进行多次扫描，每次扫描得到的数据所在的坐标系也不同。为得到整个粮堆的完整点云数据，需要对多次的扫描结果进行拼接。拼接即利用转换矩阵和转换向量将处于不同坐标系下的点云数据转换到同一个坐标系下。

1.2.3数据网格化通过三维激光测距仪采取到的原始点云数据量庞大，一般都会达到几十万个点，而且数据点分布不均，如果对原始点云数据直接进行分析和建模会非常复杂。将散乱点云数据规格化为标准的网格点云数据。规格化点云数据在简单化建模计算的同时，也使点云数量得到了简化。将散乱点云规格化为标准的网格点云数据的过程主要包括网格初始化和散乱点云的高度值转化为标准网格交点的高度值。网格初始化中把粮仓底面划分若干小方格，网格交点的默认初始值为0。将散乱点云转化为网格交点的过程采用反向加权平均的算法。对于某个网格交点周围的点云，将这些点云的高度值加权平均得到该点的高度值。权值根据散乱点距交点的距离来确定，距离越远，权值越小。

1.3体积与质量计算方法粮堆是不规则形状，传统方法是将粮堆整形，利用数学理论中的体积公式计算，一般误差较大。在此系统中体积计算采用方格网算法，利用处理建模好的标准点云数据，将粮堆的底面分为标准的方格网，此方格网与采集到的点云数据处理后的标准网格相对应，整个粮堆可认为是由数个以方格为底的柱体组成，体积可由这数个柱状的体积之和表示[6]。每个方格的4个顶点分别对应粮堆标准网格点云中相邻的4个点，每个点的值代表粮堆上的表面特征点距离粮仓底面的距离，取4个点的高度值的平均值作为柱状体的等效高，再按照柱体的体积公式就能得到每个柱状体的体积，将它们累加起来即得到整个粮堆的体积V[7-8]。

2系统硬件组成

粮仓3D测量系统主要由三维激光测距仪、检测计算机终端、测量悬臂及支架组成。激光测距仪采用德国SICK的DME5000三维激光测距仪，测量范围0.1～300m，测量精确度为±30mm，模拟输出范围为0～20mA。在粮场建立检测网和空间坐标系，将三维激光测距仪安装在斗轮机或堆取料机的悬臂上，随着悬臂的移动，测距仪采集传感器到谷堆某点的距离值以及角度，再结合传感器自身的位置得到特征点的三维坐标。粮仓一般分为矩形粮仓和圆形粮仓，对于不同的粮仓，硬件设备安装形式不同。如图2a所示为矩形粮仓的粮仓测绘设备安装示意图，激光传感器挂在悬臂上并可在悬臂上沿悬臂移动，而悬臂一端安装在滑道上可沿滑道水平移动，从而使激光传感器实现了无死角扫描粮堆。如图2b所示为圆形粮仓的安装示意图，相比矩形粮仓的区别是悬臂是绕着圆形粮仓的中心点的轴旋转移动，以此来达到无死角测量。

3软件模块设计

本设计将通过硬件系统采集到的粮堆特征点来构建粮堆的三维模型，根据不同的构建方式呈现散点模型、线框模型以及立体模型。软件接收激光测距仪采集的粮堆原始点云数据，经过数据处理，将原始离散点云数据转化为标准网格点云数据，最后利用建模完成的标准矩阵式点云数据，进行三角剖分，建立粮堆的3D模型送往渲染引擎渲染显示，最终生成粮堆体积报表和外观3D模型，如图3所示。三维模型渲染流程如图4所示。三角划分的结果直接决定了曲面的渲染拟合效果。数据存储在一个标准矩阵数组中，根据Delaunay三角划分原则，选择以矩阵中相邻的4个数为单位，每4个点可划分为2个三角形，即通过对角线划分，通过划分后的三角网构成曲面网格[15-16]，如图5所示。在三维建模中，需要对其进行平移缩放变换，以便让我们建立的三维图像能得到完全显示。为实现整个3D物体的变换，即对每一个坐标点进行位置变换，一个三维坐标点可以通过变换矩阵变为另外一个三维坐标。

4试验验证

4.1实验室试验利用此系统在北京林业大学控制实验室搭建的试验粮堆上进行了试验，经精确人工测量得到试验粮堆的真实体积大小为2.205m3。应用该系统在试验粮堆上方进行了完整的10次扫描，经过数据网格化处理，将点云数据传回计算机软件进行的三维建模效果如图6所示。通过对以上试验数据的分析，测量体积与真实体积的平均相对误差为0.318%，最大误差为0.58%，由此可知该系统的测量准确度高，结果可靠。另外系统测量体积的标准偏差为0.0083m3，由此体现系统测量稳定性好。

4.2河北沧州粮仓试验同样利用此系统在河北某圆形粮仓进行了试验。已知该粮仓以前采用的是人工丈量的方式得到粮堆的体积和质量。经过完整的10次扫描得到原始点云，经数据处理将原始点云网格化为6724个点，这些点在xy平面上分布在均匀的方格网上呈矩阵排列。如图7a所示是某次扫描所采集到的粮堆点云所形成的3D散点模型，图7b是将这些进行曲面重构后形成的曲面模型。对粮堆重复测量10次，体积计算结果如表2所示。对以上测量结果数据进行分析可得系统测量体积平均值为22469.97m3，标准偏差为42.92m3，而人工丈量的平均值22466.5m3，标准偏差为70.25m3。利用系统方格体积算法得出的体积结果相对人工丈量结果相对标准偏差小，重复性高，体积测量稳定性高。

5结论

1）本研究针对传统清仓查库方式中存在的准确率低，稳定性不高的问题，设计并实现了基于三维激光扫描技术的粮仓测绘系统。在粮堆三维重构中，采用了WPF技术，充分利用WPF的技术特点，优化软件界面，利用其高效的3D渲染引擎，强大的纹理映射功能再现粮仓粮堆的三维模型，WPF技术对于硬件的消耗小，避免了采用OpenGL渲染对硬件消耗大的缺点。软件同时利用方格网算法计算粮堆的体积。2）应用此系统分别在实验室和河北沧州一粮仓内分别进行了试验，经过对试验粮堆的结果的分析，系统测量体积与真实体积的相对误差的平均值为0.318%，标准偏差小，在河北沧州的试验中，传统人工测量的标准差为70.25m3，而系统测量的标准差仅为42.92m3。因此系统具有较高的测量精度以及较好的稳定性。

作者：赵燕东 涂佳炎 刘圣波 杜兴元 单位：北京林业大学工学院 中科航宇（北京）自动化工程技术有限公司