一种基于雷达点云采剥工程量计算方法、装置、服务器

摘要

本发明实施例提供一种基于雷达点云采剥工程量计算方法，包括：获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；比对历史矿场的体积与当前矿场的体积，得到体积差；所述体积差即为当前月的月度采剥工程量。每月雷达点云外业数据采集密度约为10个/平方米，数据量约为10G左右。海量的点云数据无法用现有的内业软件进行采剥量计算，申请人开发了针对性的雷达点云采剥工程量计算软件。由于雷达点云数据密度和数据量足够大，软件无需再次生成三角网模型，而是直接根据雷达点云数据模型进行体积运算，大幅减小了软件系统误差。

说明书

技术领域

本发明涉及露天采矿技术领域，特别是涉及到是一种基于雷达点云采剥工程量计算方法、装置、服务器。

背景技术

矿山剥离与采煤产量以实测验收为准，目前矿山验收测量方式采用GNSS-RTK方式采集外业数据，内业软件主要有Surpac、3DMine、南方cass以及其他基于Auto-cad开发的土方量计算软件，软件运算原理均为实测点形成三角网，利用三角网模型进行体积计算。

现有技术存在以下问题，目前主流的Surpac、3DMine等软件，数据读取量较小，不支持高密度雷达点云数据；软件由于数据量较小，在形成三角网的过程中点密度不够，算量误差较大。

发明内容

为了解决上述技术问题，本发明提供了一种基于雷达点云采剥工程量计算方法、装置、服务器，具体技术方案如下：

第一方面，本发明实施例提供了一种基于雷达点云采剥工程量计算方法，包括：

获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；

利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；

比对历史矿场的体积与当前矿场的体积，得到体积差；

所述体积差即为当前月的月度采剥工程量。

进一步的，所述历史外业数据的获取方法包括：

利用激光雷达获取前月前一月的历史外业数据，利用JoLiDAR软件处理历史外业数据，得到历史矿场的体积。

进一步的，所述激光雷达经由无人机搭载，对矿场进行外业数据的获取。

进一步的，外业数据的采集密度为10个/平方米。

进一步的，外业数据的的数据量为10G。

第二方面，本发明实施例提供了一种基于雷达点云采剥工程量计算装置。包括：

获取装置，所述获取装置用于获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；

计算装置，所述计算装置用于利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；

比对装置，所述比对装置用于比对历史矿场的体积与当前矿场的体积，得到体积差；

生成装置，所述生成装置用于生成所述体积差即为当前月的月度采剥工程量。

第三方面，本发明实施例提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述的方法步骤。

本发明实施例提供了一种基于雷达点云采剥工程量计算方法，包括：获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；比对历史矿场的体积与当前矿场的体积，得到体积差；所述体积差即为当前月的月度采剥工程量。每月雷达点云外业数据采集密度约为10个/平方米，数据量约为10G左右。海量的点云数据无法用现有的内业软件进行采剥量计算，申请人开发了针对性的雷达点云采剥工程量计算软件。由于雷达点云数据密度和数据量足够大，软件无需再次生成三角网模型，而是直接根据雷达点云数据模型进行体积运算，大幅减小了软件系统误差。

附图说明

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。

图1为本发明实施例提供的基于雷达点云采剥工程量计算方法流程图。

图2为本发明实施例提供的露天矿两期激光雷达点云局部示意图。

图3为本发明实施例提供的露天矿台阶推进正射影像局部示意图。

图4为本发明实施例提供的露天矿台阶推进范围示意图。

图5为本发明实施例提供的露天矿台阶采剥工程示意图。

图6为本发明实施例提供的一种服务器的模块连接图。

具体实施方式

为了使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。

实施例1

请参见图1-图5，本发明实施例提供了第一方面，本发明实施例提供了一种基于雷达点云采剥工程量计算方法，包括：

S110.获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；

S120.利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；请参见图2，图2中淡色点云为2020年8月末伊敏露天矿剥离一台阶雷达数据，暗色为9月末点云数据。从图上可以明显看出：a、高密度点云数据客观、全面的反应了现场采掘情况；b、剥离一台阶的推进情况。上述例子中，淡色即可代表为当前月前一月的矿区历史外业数据，暗色即可代表当前月的矿区外业数据。

S130.比对历史矿场的体积与当前矿场的体积，得到体积差；首先在软件中导入月度验收测量的正射影像、雷达数据和上月末的采剥工程位置。如图3、图4所示，图3中左侧蓝色电铲为伊敏露天矿#3502电铲，黑色线条为2020年8月末采剥工程位置。从正射影像图可以看出该电铲的月度推进情况。然后根据正射影像圈定该电铲的月度采掘范围，系统自动弹出进行采剥量对比计算的两期雷达点云数据。请参见图5，点云数据正确选择并确定后，系统根据两月点云模型自动计算出圈定区域的填挖方量，并在正射影像图上用不同的颜色进行显示。其中红色为挖方区域，黄色为不变区域，绿色为填方区域。根据上述原理，系统可以高效率的完成全矿的月度采剥工程量计算。

S140.所述体积差即为当前月的月度采剥工程量。

本发明实施例提供的方法具有以下有益效果：

1、利用无人机实现外业数据采集，大幅度提高了矿山月末采剥工程量外业数据采集效率；

2、雷达点云结合正射影像可以直观的确定月度台阶推进情况；

3、雷达点云密度和精度均较高，大幅提高了采剥工程量计算的准确度。

4、高密度的雷达点云数据可以直接形成点云模型，无需再次根据原始数据建立三角网模型，减小了算量软件系统误差。

本发明实施例提供了一种基于雷达点云采剥工程量计算方法，包括：获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；比对历史矿场的体积与当前矿场的体积，得到体积差；所述体积差即为当前月的月度采剥工程量。每月雷达点云外业数据采集密度约为10个/平方米，数据量约为10G左右。海量的点云数据无法用现有的内业软件进行采剥量计算，申请人开发了针对性的雷达点云采剥工程量计算软件。由于雷达点云数据密度和数据量足够大，软件无需再次生成三角网模型，而是直接根据雷达点云数据模型进行体积运算，大幅减小了软件系统误差。

进一步的，所述历史外业数据的获取方法包括：

利用激光雷达获取前月前一月的历史外业数据，利用JoLiDAR软件处理历史外业数据，得到历史矿场的体积。

进一步的，所述激光雷达经由无人机搭载，对矿场进行外业数据的获取。

进一步的，外业数据的采集密度为10个/平方米。

进一步的，外业数据的的数据量为10G。

第二方面，本发明实施例提供了一种基于雷达点云采剥工程量计算装置。包括：

获取装置，所述获取装置用于获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；

计算装置，所述计算装置用于利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；

比对装置，所述比对装置用于比对历史矿场的体积与当前矿场的体积，得到体积差；

生成装置，所述生成装置用于生成所述体积差即为当前月的月度采剥工程量。

又一方面，请参见图6，本发明实施例提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，用以实现如下步骤：

S110.获取当前月前一月的历史外业数据，并根据历史外业数据计算得到历史矿场的体积；

S120.利用激光雷达获取当前月的外业数据；并利用JoLiDAR软件处理外业数据，得到当前矿场的体积；

S130.比对历史矿场的体积与当前矿场的体积，得到体积差；首先在软件中导入月度验收测量的正射影像、雷达数据和上月末的采剥工程位置。

S140.所述体积差即为当前月的月度采剥工程量。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中步骤S110-步骤S140中任一步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的步骤S110-步骤S140中任一步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。