冲渣池存水状态的检测方法及装置与流程

1.本发明涉及冲渣池存水检测技术领域，尤其涉及一种冲渣池存水状态的检测方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.冲渣池是一个上大下小的斗式混凝土结构件，用于收集高炉炉渣。在冶金行业中，高炉冶炼时会产生大量炉渣，炉渣经高速水流水淬粒化后进入冲渣池，大量炉渣沉淀于池底后容易导致水透性变差，影响相关泵组工作，甚至影响高炉正常生产，同时水淬处理后的炉渣是优质的水泥原材料，所以在实际生产中，炉渣需要不断地被移出冲渣池，天车是最主要的移渣设备之一。
4.随着传统天车系统的弊端越来越明显，越来越多的天车系统升级为无人天车系统。无人天车的工作方式主要分为顺序法和三维定位法，其中三维定位法智能化程度更高，应用更广，但是对工作条件要求也更严格。激光雷达是三维定位法中的重要检测设备，而水会吸收激光的能量，当冲渣池内有存水时会严重影响检测结果，导致定位算法错误，进而导致带水抓渣或抓渣失败，经常带水抓渣或抓渣失败，将会降低工作效率、增加能耗的同时也加大了设备损耗。因此，在无人天车工作时需要对冲渣池存水状态进行检测。
5.现有技术中，对冲渣池中存水状态的检测，主要包含两种，一种是人工确认，通过在适当位置安装摄像头，实时监控冲渣池状态，工作人员通过视频监控确认当前冲渣池存水状态，若无存水，发送指令使得无人天车系统作业；若有存水，工作人员发送指令使得无人天车系统暂时不能作业；该方法需要至少一名工作人员长期观察监控，人力资源成本较高，且人工确认存在误判的风险。另一种方法是等待法，冲渣池内的水是在冲渣时流入池内的，可以根据冲渣的持续时间估计出水的流入量，再根据炉渣的透水性和池底抽水泵功率估计出单位时间内水的流出量，由流入量＝单位时间流出量乘上时间，可计算出去水时间，即每次冲渣开始时给无人天车系统发送信号，无人天车系统延时一定时间后再进行作业则可保证冲渣池内无存水，该方法中需要根据炉渣的透水性和池底抽水泵功率计算单位时间内水的流出量，但在长期使用中，透水性会变差，水泵功率也会波动，导致计算的结果会有较大误差，计算的等待时间不准确，等待时间过短会带水作业，等待时间过长则降低了工作效率。
6.综上，现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。


技术实现要素：

7.本发明实施例提供一种冲渣池存水状态的检测方法，用以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的
问题，该方法包括：
8.获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；
9.对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；
10.根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。
11.本发明实施例还提供一种冲渣池存水状态的检测装置，用以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题，该装置包括：
12.数据采集模块，用于获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；
13.第一数据处理模块，用于对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；
14.第二数据处理模块，用于根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。
15.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述冲渣池存水状态的检测方法。
16.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述冲渣池存水状态的检测方法。
17.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述冲渣池存水状态的检测方法。
18.本发明实施例中，获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。与现有的人工确认或等待法对冲渣池中存水状态的检测的技术方案相比，通过对冲渣池进行激光扫描获得冲渣池内的三维点云数据，利用水吸收激光能量的特性及水雾对激光反射的特性，对冲渣池内的三维点云数据进行分析，确定冲渣池的存水状态，从而可以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
20.图1为本发明实施例中提供的一种冲渣池存水状态的检测方法的流程图；
21.图2为本发明实施例中提供的无存水状态所形成的三维点云数据的示意图；
22.图3为本发明实施例中提供的有存水无水雾状态所形成的三维点云数据的示意
图；
23.图4为本发明实施例中提供的有存水薄水雾状态所形成的三维点云数据的示意图；
24.图5为本发明实施例中提供的有存水浓水雾状态所形成的三维点云数据的示意图；
25.图6为本发明实施例中提供的一种冲渣池存水状态的检测装置的示意图；
26.图7为本发明实施例中提供的数据采集模块安装位置的示意图；
27.图8为本发明实施例中提供的冲渣池存水状态的检测方法的工作流程的示意图；
28.图9为本发明实施例中提供的一种计算机设备的示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
30.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
31.经研究发现，现有技术中，对冲渣池中存水状态的检测，主要包含两种：
32.一种是人工确认，通过在适当位置安装摄像头，实时监控冲渣池状态，并将图像信息传送至控制室。当需要抓渣作业时，工作人员通过视频监控的图像信息确认当前冲渣池存水状态，若无存水，工作人员发送指令使得无人天车系统根据渣堆三维信息自动抓、卸渣作业；若有存水，工作人员发送指令使得无人天车系统去其它满足工作要求的冲渣池作业或等待水位下降后再作业；该方法需要至少一名工作人员长期观察监控，在当今人力资源成本越来越高的背景下是严重的浪费，同时无人天车是24小时作业，在夜间由人工确认冲渣池存水状态有较高的误判风险。
33.另一种方法是等待法，冲渣池内的水是在冲渣时流入池内的，可以根据冲渣的持续时间估计出水的流入量，再根据炉渣的透水性和池底抽水泵功率估计出单位时间内水的流出量，由流入量＝单位时间流出量乘上时间，可计算出去水时间，即每次冲渣开始时给无人天车系统发送信号，无人天车系统延时一定时间后再进行作业则可保证冲渣池内无存水，该方法中需要根据炉渣的透水性和池底抽水泵功率计算单位时间内水的流出量，但在长期使用中，透水性会变差，水泵功率也会波动，导致计算的结果会有较大误差，计算的等待时间不准确，等待时间过短会带水作业，等待时间过长则降低了工作效率。
34.综上，现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。
35.针对上述研究，本发明实施例提出了一种冲渣池存水状态的检测方法及装置，可
以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。
36.图1为本发明实施例提供的一种冲渣池存水状态的检测方法的流程图，该方法包括以下步骤：
37.步骤101，获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；
38.步骤102，对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；
39.步骤103，根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。
40.本发明实施例中，获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。与现有的人工确认或等待法对冲渣池中存水状态的检测的技术方案相比，通过对冲渣池进行激光扫描获得冲渣池内的三维点云数据，利用水吸收激光能量的特性及水雾对激光反射的特性，对冲渣池内的三维点云数据进行分析，确定冲渣池的存水状态，从而可以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。
41.下面结合图1所示的冲渣池存水状态的检测方法进行详细的说明。
42.在上述步骤101中，获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的。
43.具体实施时，可以利用激光雷达对冲渣池进行扫描获取冲渣池三维数据。该三维数据为利用激光雷达采集的冲渣池表面的点数据集(即点云)。
44.在上述步骤102中，需要对三维数据进行预处理，得到冲渣池的三维点云数据。
45.其中，三维点云数据包括三维点云坐标数据。
46.具体实施时，对三维数据进行预处理，可以包括对三维数据进行点云格式化、点云数据标定、点云数据切割、点云数据滤波等等。
47.在一个实施例中，步骤102，对三维数据进行点云格式化，具体可以包括：
48.根据三维数据生成点云数据报文；
49.按照激光雷达的扫描顺序将位置坐标信息加入点云数据报文，得到三维点云数据。
50.具体实施时，三维数据的点云格式化是根据三维数据信息生成标准点云数据报文，再将位置坐标信息根据扫描顺序加入，得到完整的三维点云数据，完成三维数据的点云格式化处理。
51.在一个实施例中，得到三维点云数据之后，对三维点云数据进行数据标定，具体可以包括：
52.根据预先获取的冲渣池的特征点坐标数据，将无人天车的抓斗移动至所述特征点坐标数据对应的位置，确定无人天车的坐标数据；
53.根据无人天车的坐标数据，对三维点云数据进行数据标定。
54.具体实施时，点云数据标定首先选择冲渣池特征点并确定特征点坐标数据，再将无人天车的抓斗移动至该特征点位置，读取无人天车的坐标数据，最后通过对三维点云数据的平移变换及旋转变换，使三维点云数据与无人天车的坐标重合即实现了数据标定。
55.在一个实施例中，对三维点云数据进行数据标定之后，对三维点云数据进行数据切割，具体可以包括：
56.根据无人天车的坐标数据，确定无人天车的运行范围数据；
57.根据无人天车的运行范围数据和预先获取的冲渣池的特征点坐标数据，将数据标定后的三维点云数据中的无效数据剔除。
58.具体实施时，点云数据切割是根据冲渣池特性与无人天车系统运行范围选择合理数据范围，将无效数据切除以优化显示并提高计算速度。具体的，根据无人天车的坐标数据，确定无人天车的运行范围数据，然后，根据无人天车的运行范围数据和冲渣池的特征点坐标数据，将三维点云数据中的无效数据剔除。
59.在一个实施例中，对将三维点云数据中的无效数据剔除之后，对三维点云数据进行数据滤波，具体可以包括：
60.对剔除无效数据后的三维点云数据进行点云滤波处理，删除三维点云数据中的离散点。
61.具体实施时，点云数据滤波利用数据统计算法实现对离散点的去除，首先计算任意点指定邻域内所有点间距的平均值和标准差，设定标准差倍数作为阈值，若点间距与平均值之差的绝对值大于设定阈值乘以标准差的点即为离散点，删除离散点实现滤波，用以降低噪音干扰。
62.通过上述预处理方法，对三维数据进行预处理之后，得到冲渣池的三维点云数据。该三维点云数据包括三维点云坐标数据。
63.在一个实施例中，三维点云坐标数据包括长度坐标、宽度坐标和高度坐标；长度坐标所在方向与冲渣池的长边平行，宽度坐标所在方向与冲渣池的短边平行，高度坐标所在方向与冲渣池的垂线平行。
64.可以理解的是，每一个三维点云数据的三维点云坐标数据，均是由3个数据组成，分别为x(长度坐标)、y(宽度坐标)、z(高度坐标)，其中x坐标方向与冲渣池长边平行，y坐标方向与冲渣池短边平行，z坐标方向与垂线平行。
65.在上述步骤103中，根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。
66.具体实施时，可以利用预先设置的存水检测算法，对三维点云数据的数量和三维点云坐标数据进行分析，得到冲渣池的存水状态。具体实施时，存水检测算法是利用水吸收激光能量的特性及水雾对激光反射的特性来确定冲渣池内存水状态。
67.在一个实施例中，步骤103，具体可以包括：
68.根据三维点云数据的三维点云坐标数据，确定三维点云坐标数据中高度坐标的最大值、高度坐标的最小值、高度坐标所在方向的极差、高度坐标所在方向的标准差；
69.根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态。
70.具体实施时，根据所有三维点云数据的坐标数据(x，y，z)，确定高度坐标的最大值
p
max
.z，即确定所有三维点云数据p中在z方向的最大值；以及确定高度坐标的最小值p
min
.z，即确定所有三维点云数据p中在z方向的最小值；根据p
max
.z和p
min
.z，确定高度坐标所在方向(z方向)的极差为diff；以及根据三维点云数据的坐标数据(x，y，z)中的所有z值，确定高度坐标所在方向的标准差σ。
71.例如，可以通过如下公式计算z方向的极差为diff：
72.diff＝p
max
.z-p
min
.z
73.设z方向的平均值为μ，根据如下公式计算z方向的标准差σ：
[0074][0075][0076]
其中，pi.z为第i个三维点云数据的z值，n为三维点云数据的总数量。
[0077]
具体实施时，可以预先设置冲渣池最小点云数量n
min
，z方向极差阈值(冲渣池高度方向的极差阈值)为diff
th
，z方向高度阈值(冲渣池高度阈值)为h
th
，z方向标准差阈值(冲渣池高度方向的标准差阈值)为σ
th
，将三维点云数据的数量n，p
max
.z，diff，σ，分别与各自对应的阈值进行比较，确定冲渣池的存水状态。
[0078]
在一个实施例中，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，具体可以包括：
[0079]
在三维点云数据的数量大于预设冲渣池最小点云数量，且三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为无存水。
[0080]
具体实施时，当冲渣池内没有存水时，绝大部分激光会被反射回来，此时，冲渣池内的三维点云数据较多，点云最高点低于预设极值，z方向离散度较大，所以z方向极差和标准差较大。无存水状态所形成的三维点云数据如图2所示。
[0081]
因此，在满足以下条件时，确定冲渣池的存水状态为无存水：
[0082]
n》n
min
[0083]
p
max
.z《h
th
[0084]
diff》diff
th
[0085]
σ》σ
th
[0086]
在一个实施例中，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：
[0087]
在三维点云数据的数量小于预设冲渣池最小点云数量的情况下，确定冲渣池的存水状态为有存水无水雾。
[0088]
具体实施时，在冲渣池内有存水且无水雾时，由于水会吸收激光能量导致回波能量过低，往往只会显示极少数的三维点云数据，大部分为空，有存水无水雾状态所形成的三
维点云数据如图3所示。
[0089]
因此，在满足以下条件时，确定冲渣池的存水状态为有存水无水雾：
[0090]
n《n
min
[0091]
在一个实施例中，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：
[0092]
在三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差小于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差小于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水薄水雾。
[0093]
具体实施时，冲渣池内有存水和轻微水雾，轻微水雾会反射激光能量，所得的三维点云数据基本保持在同一平面，其最高点小于设定高度阈值，离散度很低。有存水薄水雾状态所形成的三维点云数据如图4所示。
[0094]
因此，在满足以下条件时，确定冲渣池的存水状态为有存水薄水雾：
[0095]
p
max
.z《h
th
[0096]
diff《diff
th
[0097]
σ《σ
th
[0098]
在一个实施例中，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：
[0099]
在三维点云坐标数据中高度坐标的最大值大于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水浓水雾。
[0100]
具体实施时，冲渣池内有存水和浓水雾，浓水雾会反射激光能量，所得的三维点云数据会形成不规则形状，其最高点大于设定高度阈值，离散度大。有存水浓水雾状态所形成的三维点云数据如图5所示。
[0101]
因此，在满足以下条件时，确定冲渣池的存水状态为有存水浓水雾：
[0102]
p
max
.z》h
th
[0103]
diff》diff
th
[0104]
σ》σ
th
[0105]
综上，根据以上条件，可以检测冲渣池内存水状态。
[0106]
在一个实施例中，步骤103之后，还可以包括：
[0107]
将冲渣池的存水状态发送至无人天车系统，以使无人天车系统根据冲渣池的存水状态进行作业。
[0108]
具体实施时，无人天车系统根据冲渣池的存水状态，若无存水则正常作业，若有存水则无人天车可以去其他冲渣池作业或等待水位降低后再作业。
[0109]
在一个实施例中，步骤103之后，还可以包括：
[0110]
展示冲渣池的三维点云数据，以及冲渣池的存水状态。
[0111]
具体实施时，可以将冲渣池三维视图、关键信息进行显示。具体的，可以将采集的冲渣池的三维点云数据以及确定的冲渣池的存水状态进行显示，在每次扫描完成后更新冲渣池三维点云数据(冲渣池三维视图)及对应的冲渣池存水状态，使工作人员能够更直观的了解渣堆的情况，也可以方便工作人员对系统工作状态监测，及遇到问题时能够及时诊断。
[0112]
本发明实施例中，通过对冲渣池进行三维扫描获取三维点云数据，再利用存水检测算法判断冲渣池内存水状态，减少了无人天车系统带水作业的风险，使得无人天车工作方式更加合理，提高其工作效率，降低能耗并减少了设备损耗风险。
[0113]
本发明实施例中还提供了一种冲渣池存水状态的检测装置，如下面的实施例所述。由于该装置解决问题的原理与冲渣池存水状态的检测方法相似，因此该装置的实施可以参见冲渣池存水状态的检测方法的实施，重复之处不再赘述。
[0114]
如图6所示，为本发明实施例提供的一种冲渣池存水状态的检测装置的示意图，该装置可以包括：
[0115]
数据采集模块601，用于获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；
[0116]
第一数据处理模块602，用于对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；
[0117]
第二数据处理模块603，用于根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。
[0118]
在一个实施例中，第一数据处理模块602，具体可以用于：
[0119]
根据三维数据生成点云数据报文；
[0120]
按照激光雷达的扫描顺序将位置坐标信息加入点云数据报文，得到三维点云数据。
[0121]
在一个实施例中，第一数据处理模块602，具体还可以用于：
[0122]
根据预先获取的冲渣池的特征点坐标数据，将无人天车的抓斗移动至所述特征点坐标数据对应的位置，确定无人天车的坐标数据；
[0123]
根据无人天车的坐标数据，对三维点云数据进行数据标定。
[0124]
在一个实施例中，第一数据处理模块602，具体还可以用于：
[0125]
根据无人天车的坐标数据，确定无人天车的运行范围数据；
[0126]
根据无人天车的运行范围数据和预先获取的冲渣池的特征点坐标数据，将数据标定后的三维点云数据中的无效数据剔除。
[0127]
在一个实施例中，所述三维点云坐标数据可以包括长度坐标、宽度坐标和高度坐标；长度坐标所在方向与冲渣池的长边平行，宽度坐标所在方向与冲渣池的短边平行，高度坐标所在方向与冲渣池的垂线平行；
[0128]
第二数据处理模块603，具体可以用于：
[0129]
根据三维点云数据的三维点云坐标数据，确定三维点云坐标数据中高度坐标的最大值、高度坐标的最小值、高度坐标所在方向的极差、高度坐标所在方向的标准差；
[0130]
根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态。
[0131]
在一个实施例中，第二数据处理模块603，还可以用于：
[0132]
在三维点云数据的数量大于预设冲渣池最小点云数量，且三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为无存水。
[0133]
在一个实施例中，第二数据处理模块603，还可以用于：
[0134]
在三维点云数据的数量小于预设冲渣池最小点云数量的情况下，确定冲渣池的存水状态为有存水无水雾。
[0135]
在一个实施例中，第二数据处理模块603，还可以用于：
[0136]
在三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差小于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差小于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水薄水雾。
[0137]
在一个实施例中，第二数据处理模块603，还可以用于：
[0138]
在三维点云坐标数据中高度坐标的最大值大于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水浓水雾。
[0139]
在一个实施例中，还可以包括通讯模块，用于在第二数据处理模块603根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测之后：
[0140]
将冲渣池的存水状态发送至无人天车系统，以使无人天车系统根据冲渣池的存水状态进行作业。
[0141]
在一个实施例中，还可以包括可视化模块，用于在第二数据处理模块603根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测之后，还包括：
[0142]
展示冲渣池的三维点云数据，以及冲渣池的存水状态。
[0143]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面以一个具体的示例对本发明的上述冲渣池存水状态的检测方法及装置作进一步详细的说明。
[0144]
如图7所示，可以将数据采集模块安装在冲渣池上方，其扫描范围需能完全覆盖冲渣池。
[0145]
另外，第一数据处理模块、第二数据处理模块、通讯模块和可视化模块安装在工控机内，放置在可以观察到冲渣池状况的适当区域。当数据采集模块收到工作指令时，数据采集模块利用激光雷达获得其扫描范围物体的三维数据信息；之后通过通讯模块将数据传输至第一数据处理模块，数据处理模块对数据进行预处理，第二数据处理模块通过存水检测算法确定冲渣池内是否有存水，并将检测结果传输给无人天车系统，同时显示扫描结果。
[0146]
下面结合图8对上述冲渣池存水状态的检测方法的工作流程进行详细介绍。
[0147]
1、初始化系统参数，只需在初次使用时执行。
[0148]
2、等待无人天车系统发送检测指令信号。
[0149]
3、通讯模块收到检测指令信号，触发数据采集模块扫描冲渣池，以获取三维数据；若通讯模块没有收到检测指令信号，则继续等待检测指令。
[0150]
4、数据采集模块扫描结束将获取三维数据发送至第一数据处理模块。
[0151]
5、第一数据处理模块对三维数据预处理，得到冲渣池的三维点云数据。
[0152]
6、第二数据处理模块根据三维点云数据，利用算法判断冲渣池内存水状态。
[0153]
7、将冲渣池存水状态发送给无人天车系统。
[0154]
8、可视化模块显示冲渣池三维点云数据的图像及关键信息(冲渣池内存水状态)。
[0155]
本发明实施例还提供一种计算机设备，如图9所示，为本发明实施例中计算机设备的示意图，所述计算机设备900包括存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序930，所述处理920执行所述计算机程序930时实现上述冲渣池存水状态的检测方法。
[0156]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述冲渣池存水状态的检测方法。
[0157]
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述冲渣池存水状态的检测方法。
[0158]
本发明实施例中，获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。与现有的人工确认或等待法对冲渣池中存水状态的检测的技术方案相比，通过对冲渣池进行激光扫描获得冲渣池内的三维点云数据，利用水吸收激光能量的特性及水雾对激光反射的特性，对冲渣池内的三维点云数据进行分析，确定冲渣池的存水状态，从而可以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。
[0159]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0160]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0161]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0162]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0163]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种冲渣池存水状态的检测方法，其特征在于，包括：获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。2.如权利要求1所述的方法，其特征在于，对所述三维数据进行预处理，得到冲渣池的三维点云数据，包括：根据三维数据生成点云数据报文；按照激光雷达的扫描顺序将位置坐标信息加入点云数据报文，得到三维点云数据。3.如权利要求2所述的方法，其特征在于，按照激光雷达的扫描顺序将位置坐标信息加入点云数据报文，得到三维点云数据之后，还包括：根据预先获取的冲渣池的特征点坐标数据，将无人天车的抓斗移动至所述特征点坐标数据对应的位置，确定无人天车的坐标数据；根据无人天车的坐标数据，对三维点云数据进行数据标定。4.如权利要求3所述的方法，其特征在于，根据无人天车的坐标数据，对三维点云数据进行数据标定之后，还包括：根据无人天车的坐标数据，确定无人天车的运行范围数据；根据无人天车的运行范围数据和预先获取的冲渣池的特征点坐标数据，将数据标定后的三维点云数据中的无效数据剔除。5.如权利要求1所述的方法，其特征在于，所述三维点云坐标数据包括长度坐标、宽度坐标和高度坐标；长度坐标所在方向与冲渣池的长边平行，宽度坐标所在方向与冲渣池的短边平行，高度坐标所在方向与冲渣池的垂线平行；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测，包括：根据三维点云数据的三维点云坐标数据，确定三维点云坐标数据中高度坐标的最大值、高度坐标的最小值、高度坐标所在方向的极差、高度坐标所在方向的标准差；根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态。6.如权利要求5所述的方法，其特征在于，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：在三维点云数据的数量大于预设冲渣池最小点云数量，且三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为无存水。7.如权利要求5所述的方法，其特征在于，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：在三维点云数据的数量小于预设冲渣池最小点云数量的情况下，确定冲渣池的存水状
态为有存水无水雾。8.如权利要求5所述的方法，其特征在于，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：在三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差小于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差小于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水薄水雾。9.如权利要求5所述的方法，其特征在于，根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态，包括：在三维点云坐标数据中高度坐标的最大值大于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水浓水雾。10.如权利要求1所述的方法，其特征在于，根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测之后，还包括：将冲渣池的存水状态发送至无人天车系统，以使无人天车系统根据冲渣池的存水状态进行作业。11.如权利要求1所述的方法，其特征在于，根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测之后，还包括：展示冲渣池的三维点云数据，以及冲渣池的存水状态。12.一种冲渣池存水状态的检测装置，其特征在于，包括：数据采集模块，用于获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；第一数据处理模块，用于对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；第二数据处理模块，用于根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。13.如权利要求12所述的装置，其特征在于，所述三维点云坐标数据包括长度坐标、宽度坐标和高度坐标；长度坐标所在方向与冲渣池的长边平行，宽度坐标所在方向与冲渣池的短边平行，高度坐标所在方向与冲渣池的垂线平行；第二数据处理模块，具体用于：根据三维点云数据的三维点云坐标数据，确定三维点云坐标数据中高度坐标的最大值、高度坐标的最小值、高度坐标所在方向的极差、高度坐标所在方向的标准差；根据三维点云数据的数量、三维点云坐标数据中高度坐标的最大值、高度坐标所在方向的极差和高度坐标所在方向的标准差，确定冲渣池的存水状态。14.如权利要求13所述的装置，其特征在于，第二数据处理模块，还用于：在三维点云数据的数量大于预设冲渣池最小点云数量，且三维点云坐标数据中高度坐
标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为无存水。15.如权利要求13所述的装置，其特征在于，第二数据处理模块，还用于：在三维点云数据的数量小于预设冲渣池最小点云数量的情况下，确定冲渣池的存水状态为有存水无水雾。16.如权利要求13所述的装置，其特征在于，第二数据处理模块，还用于：在三维点云坐标数据中高度坐标的最大值小于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差小于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差小于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水薄水雾。17.如权利要求13所述的装置，其特征在于，第二数据处理模块，还用于：在三维点云坐标数据中高度坐标的最大值大于预设冲渣池高度阈值，且三维点云坐标数据中高度坐标所在方向的极差大于预设冲渣池高度方向的极差阈值，且三维点云坐标数据中高度坐标所在方向的标准差大于预设冲渣池高度方向的标准差阈值的情况下，确定冲渣池的存水状态为有存水浓水雾。18.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11任一所述方法。19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至11任一所述方法。20.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至11任一所述方法。

技术总结
本发明公开了一种冲渣池存水状态的检测方法及装置，涉及冲渣池存水检测技术领域，其中该方法包括：获取冲渣池的三维数据；所述三维数据是利用激光雷达对冲渣池进行扫描之后得到的；对所述三维数据进行预处理，得到冲渣池的三维点云数据，所述三维点云数据包括三维点云坐标数据；根据三维点云数据的数量和三维点云坐标数据，对冲渣池的存水状态进行检测。本发明可以解决现有技术中存在的人力资源浪费、对冲渣池存水状态的判断结果不准确、生产效率低、能耗高且设备损耗大的问题。能耗高且设备损耗大的问题。能耗高且设备损耗大的问题。


技术研发人员：万振涛 张希元 冯建标 温志强
受保护的技术使用者：北京京诚瑞达电气工程技术有限公司
技术研发日：2023.06.14
技术公布日：2023/9/13