針對(duì)露天礦山、采砂場(chǎng)等場(chǎng)景中，運(yùn)輸?shù)V車的實(shí)際裝載量缺乏高精度檢測(cè)設(shè)備，提出了基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量，該技術(shù)分離線與在線階段:離線存儲(chǔ)空載礦車點(diǎn)云模板及參數(shù);在線通過激光雷達(dá)獲取重載礦車點(diǎn)云，經(jīng)矩形擬合框分割車廂與裝載物點(diǎn)云，利用Fast ICP算法匹配空重載車廂輪廓點(diǎn)云的位姿關(guān)系，配準(zhǔn)裝載物與空車底部點(diǎn)云，柵格化后作差得高度分布圖，積分求體積，基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量方法具有高效率、高分辨率、非接觸式、高精度的優(yōu)勢(shì)。礦車載量自動(dòng)計(jì)量技術(shù)在廣西某水泥礦和內(nèi)蒙古某煤礦現(xiàn)場(chǎng)無人駕駛運(yùn)輸?shù)V車測(cè)試結(jié)果表明精度較高，可推廣至多場(chǎng)景物料計(jì)量。

文章來源：《智能礦山》2025年第8期“學(xué)術(shù)園地”欄目

第一作者：賀暾，主要從事煤礦機(jī)電、煤礦智能化、露天煤礦設(shè)備遠(yuǎn)程操控及無人駕駛研究及管理工作。E-mail：20050625@chnenergy.com.cn

作者單位：國能準(zhǔn)能集團(tuán)有限責(zé)任公司黑岱溝露天煤礦

引用格式：賀暾，崔文.基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量技術(shù)研發(fā)與實(shí)踐[J].智能礦山，2025，6(8)：77-82.

點(diǎn)擊文末左下角閱讀原文，免費(fèi)下載閱讀pdf全文

關(guān)注微信公眾號(hào)，了解更多礦山智能化建設(shè)進(jìn)展

露天礦山的采、裝、運(yùn)、卸的全流程無人化的智慧礦山建設(shè)中，采運(yùn)環(huán)節(jié)最為重要，成本占比最高，以煤炭為例，成本占比約80%。準(zhǔn)確獲取礦車載量是計(jì)算運(yùn)輸功效和運(yùn)輸成本的基礎(chǔ)。對(duì)物資儲(chǔ)備規(guī)劃、生產(chǎn)計(jì)劃安排及配礦準(zhǔn)確度的提升都具有重要的意義。礦車載物自動(dòng)計(jì)量技術(shù)已應(yīng)用于多個(gè)露天礦山，降低礦車載量計(jì)算耗時(shí)和費(fèi)用成本，實(shí)現(xiàn)了無人值守的產(chǎn)量統(tǒng)計(jì)。

礦車載物自動(dòng)計(jì)量流程

基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量技術(shù)包括離線和在線2個(gè)階段，礦車載物自動(dòng)計(jì)量流程如圖1所示。

圖1 礦車載物自動(dòng)計(jì)量流程

（1）離線階段整理和存儲(chǔ)礦車基本數(shù)據(jù)，采集和保存空載礦車的車廂輪廓點(diǎn)云及車輛信息；對(duì)空載礦車的點(diǎn)云進(jìn)行分割，獲取到空載礦車的車廂底部點(diǎn)云和輪廓點(diǎn)云。

（2）在線階段負(fù)責(zé)對(duì)重載礦車的載量實(shí)時(shí)分析，基于礦車特征分割得到重載礦車的車廂輪廓點(diǎn)云和裝載物點(diǎn)云；從數(shù)據(jù)庫提取出預(yù)先構(gòu)建的同車型空載礦車的車廂輪廓點(diǎn)云與重載礦車的車廂輪廓點(diǎn)云進(jìn)行匹配、校準(zhǔn)后獲取空載礦車和重載礦車的位姿關(guān)系；基于該位姿關(guān)系實(shí)現(xiàn)重載礦車的裝載物點(diǎn)云與空載礦車車廂底部點(diǎn)云的配準(zhǔn)；將重載礦車的裝載物點(diǎn)云與空車車廂底部點(diǎn)云柵格化后，兩者作差得到裝載物高度分布圖；采用積分法對(duì)裝載物高度分布圖求體積完成物料體積計(jì)量。

礦車載物自動(dòng)計(jì)量關(guān)鍵技術(shù)

2.1 確定計(jì)量車位

礦車載量自動(dòng)計(jì)量技術(shù)采用固定式數(shù)據(jù)采集方式，將激光雷達(dá)固定在露天礦山的破碎站卸料口頂部或高于礦車的位置。離線采集空載礦車點(diǎn)云數(shù)據(jù)或在線計(jì)量階段，礦車均需停在高精度地圖計(jì)量車位內(nèi)，保證激光雷達(dá)完整掃描車體點(diǎn)云數(shù)據(jù)，高精度地圖上的計(jì)量車位如圖2所示的綠框范圍。

圖 2 高精度地圖中的計(jì)量車位

通過聯(lián)合標(biāo)定用于計(jì)量的激光雷達(dá)和高精度地圖位姿，將地圖上的計(jì)量車位轉(zhuǎn)到計(jì)量激光雷達(dá)坐標(biāo)系，激光雷達(dá)坐標(biāo)系的計(jì)量車位如圖3所示中綠框范圍。

圖3 激光雷達(dá)坐標(biāo)系下的計(jì)量車位

計(jì)量車位的尺寸設(shè)置綜合考慮了激光雷達(dá)的掃描范圍和現(xiàn)有多種工程機(jī)械的礦車尺寸等多種信息，礦車靜止在計(jì)量車位內(nèi)可被完整掃描，計(jì)量車位的礦車在激光雷達(dá)坐標(biāo)系的效果如圖4所示。

圖4 計(jì)量車位的礦車在激光雷達(dá)坐標(biāo)系的效果

2.2 離線階段礦車數(shù)據(jù)準(zhǔn)備

離線階段獲取空載礦車的模型數(shù)據(jù)，包括空載車廂點(diǎn)云模板及礦車參數(shù)。礦車核心參數(shù)包括車廂中心點(diǎn)、車廂長寬高尺寸、礦車車廂高度范圍等。采用CloudCompare工具準(zhǔn)確分割車廂底部和車廂輪廓，獲取礦車參數(shù)，空載礦車點(diǎn)云分割效果如圖5所示。

圖5 空載礦車點(diǎn)云分割效果

2.3 重載礦車數(shù)據(jù)采集

在線階段重載礦車駛?cè)胗?jì)量車位并且靜止后發(fā)送計(jì)量請(qǐng)求。計(jì)量模塊收到計(jì)量請(qǐng)求后，檢測(cè)計(jì)量車位內(nèi)的礦車，根據(jù)計(jì)量請(qǐng)求內(nèi)的礦車型號(hào)信息，從數(shù)據(jù)庫中調(diào)出對(duì)應(yīng)的空載礦車模板點(diǎn)云和礦車參數(shù)。

通過檢測(cè)計(jì)量車位內(nèi)的礦車，聚類擬合得到用于描述礦車形狀的矩形輪廓框，數(shù)據(jù)庫中保存了礦車車廂的位置參數(shù)，包括車廂前后兩條邊分別與車頭的距離，車廂左右兩條邊分別與車輛幾何中心的距離，結(jié)合重載礦車矩形擬合框和礦車參數(shù)，自動(dòng)將重載礦車車廂輪廓點(diǎn)云和裝載物點(diǎn)云分割開，重載礦車點(diǎn)云分割如圖6所示。

圖6 重載礦車點(diǎn)云分割

2.4 重載礦車點(diǎn)云配準(zhǔn)

為準(zhǔn)確計(jì)算重載礦車的載物體積，對(duì)比重載和空載礦車車廂信息，把重載礦車點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到空載礦車坐標(biāo)系，統(tǒng)一車廂的中心位置。圖5和圖6表明同車型空載、重載點(diǎn)云數(shù)據(jù)中，車輛輪廓點(diǎn)云數(shù)據(jù)差異較小，通過匹配空載、重載礦車車廂輪廓點(diǎn)云獲取礦車位姿關(guān)系，實(shí)現(xiàn)空載、重載礦車的點(diǎn)云數(shù)據(jù)空間對(duì)齊。

為加速點(diǎn)云配準(zhǔn)速度，在空載、重載礦車車廂輪廓點(diǎn)云信息，分別選取N個(gè)代表特征點(diǎn)，利用Fast ICP算法進(jìn)行配準(zhǔn)。特征點(diǎn)選取原則覆蓋但不限于各剛體面連接的端點(diǎn)、線中點(diǎn)以及車廂各面重心等。

Fast ICP算法根據(jù)文獻(xiàn)指出的原ICP算法缺點(diǎn)進(jìn)行綜合改進(jìn)，加速了計(jì)算源點(diǎn)云與目標(biāo)點(diǎn)云對(duì)應(yīng)點(diǎn)的距離和構(gòu)造旋轉(zhuǎn)平移矩陣的過程，無需分割和特征提取點(diǎn)云即可進(jìn)行配準(zhǔn)，具有更高精度和更快收斂速度。Fast ICP算法流程如圖7所示。

圖7 Fast ICP算法流程

（1）篩選與配對(duì)：對(duì)源點(diǎn)云的點(diǎn)集和目標(biāo)點(diǎn)云的點(diǎn)集進(jìn)行配對(duì)。

（2）權(quán)重分配：為每個(gè)點(diǎn)對(duì)分配1個(gè)權(quán)重。

（3）篩選點(diǎn)對(duì)：去除不符合要求的點(diǎn)對(duì)。

（4）誤差計(jì)算：根據(jù)匹配誤差公式計(jì)算點(diǎn)對(duì)之間的匹配誤差。

（5）重復(fù)步驟（1）—（4）直至最小化匹配誤差滿足迭代結(jié)束條件。

最終使用的Fast ICP算法計(jì)算匹配誤差，經(jīng)過Fast ICP算法得到最佳匹配矩陣后，將車廂及裝載物點(diǎn)云數(shù)據(jù)中裝載物點(diǎn)云與匹配矩陣相乘，得到坐標(biāo)轉(zhuǎn)換后的裝載物點(diǎn)云信息，實(shí)現(xiàn)空載、重載礦車的數(shù)據(jù)空間對(duì)齊，如圖8所示，藍(lán)色點(diǎn)云為實(shí)時(shí)的重載礦車的掃描點(diǎn)云數(shù)據(jù)，黃色為同車型空載礦車的車廂模型，綠色為實(shí)現(xiàn)了空載、重載礦車的空間對(duì)齊后，得到的載物點(diǎn)云數(shù)據(jù)。圖8表明空載、重載礦車實(shí)現(xiàn)了較好的空間對(duì)齊效果。

圖8 空載、重載礦車數(shù)據(jù)空間對(duì)齊

2.5 重載礦車物料計(jì)量

實(shí)現(xiàn)空載、重載礦車的點(diǎn)云數(shù)據(jù)空間對(duì)齊后，重載礦車的物料載量計(jì)算分為3個(gè)步驟。

（1）柵格化：采用統(tǒng)一的點(diǎn)云柵格化參數(shù)對(duì)空載礦車的車廂底部點(diǎn)云及重載礦車物料點(diǎn)云進(jìn)行柵格化處理，提高計(jì)算速度，實(shí)現(xiàn)點(diǎn)云的均勻化處理，采用緊鄰插值方法解決空洞問題，避免點(diǎn)云掃描不均勻?qū)е碌挠?jì)算誤差。

（2）高程計(jì)算：當(dāng)前柵格內(nèi)點(diǎn)云高度均值作為柵格單元的像素值，分別得到空載礦車車廂底部點(diǎn)云和重載礦車物料點(diǎn)云的高程圖。

（3）體積積分：把重載礦車的物料點(diǎn)云高程圖與空載礦車的車廂底部高程圖作差，作差結(jié)果即為裝載物高度分布圖。通過對(duì)高度分布圖進(jìn)行積分，得到最終裝載物體積。

礦車載物自動(dòng)計(jì)量實(shí)踐驗(yàn)證

3.1 礦車載物自動(dòng)計(jì)量測(cè)試場(chǎng)景

礦車載物自動(dòng)計(jì)量測(cè)試場(chǎng)景為廣西某水泥礦和內(nèi)蒙古某煤礦現(xiàn)場(chǎng)的無人駕駛運(yùn)輸?shù)V車，測(cè)試物料載量自動(dòng)計(jì)量。廣西某水泥礦礦車型號(hào)為宇通YTK90E，平裝容積為33 m3，堆裝容積為36 m3，全車長9.175 m，寬3.500 m，高3.930 m；內(nèi)蒙古某煤礦的礦車型號(hào)為小松930E-4，平裝容積為171 m3，堆裝容積為211 m3，全車長15.6 m，寬8.69 m，高7.37 m。試驗(yàn)使用的激光雷達(dá)型號(hào)為OUSTER OS0-128，安裝在礦區(qū)破碎站頂部外沿中心，激光雷達(dá)相關(guān)參數(shù)見表1，破碎站激光雷達(dá)布置方式示意如圖9所示，試驗(yàn)使用的計(jì)算機(jī)配置及代碼運(yùn)行環(huán)境見表2，其中柵格長、寬均設(shè)置為0.06 m。

表1 OUSTER OS0-128激光雷達(dá)參數(shù)

圖9 激光雷達(dá)布置方式

表2 試驗(yàn)使用計(jì)算機(jī)配置

3.2 試驗(yàn)結(jié)果分析

分析20次宇通YTK90E無人駕駛運(yùn)輸?shù)V車的載量自動(dòng)計(jì)量結(jié)果，平均絕對(duì)誤差為0.47，平均百分比誤差1.71%， YTK90E重載礦車載量計(jì)量結(jié)果見表3。分析20次小松930E-4無人駕駛運(yùn)輸?shù)V車的載量自動(dòng)計(jì)量結(jié)果，平均絕對(duì)誤差為0.99，平均百分比誤差0.65%，930E-4重載礦車載量計(jì)量結(jié)果見表4。

表3 YTK90E重載礦車載量計(jì)量結(jié)果

表4 930E-4重載礦車載量計(jì)量結(jié)果

為進(jìn)一步分析算法運(yùn)行結(jié)果，可視化算法關(guān)鍵計(jì)算步驟中的點(diǎn)云數(shù)據(jù)，以表3中08為例，重載車輛載量計(jì)量分析如圖10所示。表3中的第3次、第11次、第12次及第13次車輛的重載礦車核心計(jì)量步驟點(diǎn)云如圖11所示，空載、重載礦車高程分布如圖12所示。圖11a為激光雷達(dá)掃描的重載礦車的原始點(diǎn)云數(shù)據(jù)，圖11b為重載礦車的車廂及裝載物點(diǎn)云數(shù)據(jù)，圖11c中藍(lán)色顯示了最終的物料的點(diǎn)云。圖12a為空載礦車車廂點(diǎn)云信息中卡車底部點(diǎn)云計(jì)算得出的高程，圖12b為重載礦車車廂及裝載物點(diǎn)云信息計(jì)算得出物料高程，圖12c為前兩者作差得到的最終物料的高程分布。

圖10 重載車輛載量計(jì)量分析

圖11 重載礦車核心計(jì)量步驟點(diǎn)云

圖12 空載、重載礦車高程分布

總 結(jié)

（1）基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量技術(shù)，通過預(yù)先存儲(chǔ)同車型空載車輛模型以及礦車參數(shù)，實(shí)現(xiàn)對(duì)待計(jì)量重載礦車的車廂分割、配準(zhǔn)、車廂及物料提取、物料高程計(jì)算等，采用積分方式獲取計(jì)量結(jié)果，實(shí)現(xiàn)了露天礦山無人駕駛礦車裝載物載量的自動(dòng)計(jì)算。

（2）礦車載量自動(dòng)計(jì)量方法為露天礦山、采砂場(chǎng)、建筑工地等應(yīng)用場(chǎng)景的礦車裝載物料的方量核算，提供了自動(dòng)化、低成本、全天候的解決方案，利于生產(chǎn)方對(duì)物資的儲(chǔ)備規(guī)劃、生產(chǎn)計(jì)劃安排及配礦準(zhǔn)確度提升，礦車載量自動(dòng)計(jì)量可推廣至物流運(yùn)輸車輛的量方計(jì)算及煤倉儲(chǔ)煤統(tǒng)計(jì)等。

（3）基于激光雷達(dá)的礦車載量自動(dòng)計(jì)量技術(shù)優(yōu)點(diǎn)突出，但在揚(yáng)塵、大霧、雨雪等惡劣天氣條件下，激光雷達(dá)會(huì)產(chǎn)生噪聲，計(jì)量精度會(huì)受到一定程度影響，后續(xù)采取增加噪聲過濾方法優(yōu)化措施，以降低噪聲對(duì)計(jì)量精度的影響。

編輯丨李莎

審核丨趙瑞

煤炭科學(xué)研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動(dòng)計(jì)劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

《智能礦山》

Journal of Intelligent Mine

月刊CN 10-1709/TN，ISSN 2096-9139，聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進(jìn)展的綜合性技術(shù)刊物。

主編：王國法院士

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

聯(lián)系人：李編輯 010-87986441

郵發(fā)代號(hào)：82-476

往期薦讀

• 二號(hào)通知┃關(guān)于舉辦2025年礦山智能化建設(shè)運(yùn)維與技術(shù)創(chuàng)新高級(jí)研修班的通知（山東威海9月23—28日）

• 行業(yè)聚焦┃2025智慧礦山技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展論壇（新疆）成功召開

• 行業(yè)聚焦┃2024年煤炭清潔高效利用智能化成果發(fā)布暨選煤廠智能化建設(shè)論壇順利召開

• 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

• 歡迎訂閱┃《智能礦山》雜志2025年訂閱開始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進(jìn)展發(fā)布會(huì)成功召開

• 《智能礦山》創(chuàng)刊4周年回顧

• 王國法院士煤礦智能化觀點(diǎn)集錦

• 新書訂閱 ┃《中國煤礦智能化發(fā)展報(bào)告（2024年）》（王國法，劉峰 主編）

往期特刊

中國煤科特刊

陜煤集團(tuán)特刊

神東專欄

重大進(jìn)展特刊

露天礦特刊

理事單位特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號(hào)

版權(quán)聲明

本刊對(duì)已出版文章持有電子版、網(wǎng)絡(luò)版及進(jìn)行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請(qǐng)?jiān)谕陡鍟r(shí)聲明。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。