[发明专利]作业面检测方法、装置、挖掘机和存储介质

说明书

本公开提供了一种作业面检测方法、装置、挖掘机和存储介质，涉及工程机械领域。该方法包括：对车辆周围环境三维点云进行滤波处理，得到非地面点云；对非地面点云进行聚类过滤，得到过滤噪点后的聚类数据；以及利用二分类模型，对聚类数据进行分类，得到作业面点云。本公开不仅可以在挖掘机运动过程中，有效地将作业面和其他障碍物进行分离，而且可以使得挖掘机根据实时检测到的作业面信息停靠在最佳作业位置，提升挖掘机的工作效率。

技术领域

本公开涉及工程机械领域，尤其涉及一种作业面检测方法、装置、挖掘机和存储介质。

背景技术

随着人类工业化程度的提升，为了满足活动范围的不断扩展以及各类民生需求的不断提高，除了需要进行矿山采掘获取必要的工程原物料外，还需要开展机场、高速公路等交通运输，以及水利电力工程等工程建筑的兴建，而在这些重要的大型工程中，挖掘机起着十分重要的作用。然而，这些工程作业环境通常都比较恶劣，除了存在极大的安全隐患，例如高强度的疲劳工作导致的意外事故，甚至施工现场可能发生的意外塌方等，另外也存在威胁人体健康的因素，例如高粉尘，高污染等。因此，实现挖掘机的智能化，特别是实现完全的无人化，成为目前一个重点关注的研究方向。

挖掘机选择合理的运动轨迹及工作位置，能够保证挖掘机的平均回转角最小而效率最大化。而运动轨迹及工作位置不仅仅取决于挖掘机设备自身的几何尺寸，还取决于作业面的位置及其尺寸。因此，要实现挖掘机高效的无人自主挖掘，最关键的技术之一就是实现对挖掘作业面的实时检测，为进一步进行三维重建并获取挖掘作业面的尺寸深度等信息提供重要的基础保证。

发明内容

本公开要解决的一个技术问题是提供一种作业面检测方法、装置、挖掘机和存储介质，能够检测出作业面。

根据本公开一方面，提出一种作业面检测方法，包括：对车辆周围环境三维点云进行滤波处理，得到非地面点云；对非地面点云进行聚类过滤，得到过滤噪点后的聚类数据；以及利用二分类模型，对聚类数据进行分类，得到作业面点云。

在一些实施例中，对作业面点云进行三角化，获取重建后的曲面模型的方向包围盒；以及根据方向包围盒的长宽高，确定作业面的几何信息。

在一些实施例中，滤波处理为梯度滤波处理。

在一些实施例中，对车辆周围环境三维点云进行梯度滤波处理，得到非地面点云包括：对三维点云进行过滤，得到清洁点云；对清洁点云进行下采样，得到滤波点云；对滤波点云进行梯度计算，得到滤波点云中每个重心点云的梯度值；根据滤波点云中每个重心点云的梯度值，得到清洁点云中每个点云对应的梯度值；以及将清洁点云中梯度值大于阈值的点云作为非地面点云，梯度值小于或等于阈值的点云作为地面点云。

在一些实施例中，对三维点云进行过滤，得到清洁点云包括：根据感兴趣区域范围，对三维点云进行第一层过滤；以及根据车辆的几何参数，将经过第一层过滤后的三维点云中包含车身数据的点云滤除，得到清洁点云。

在一些实施例中，对清洁点云进行下采样，得到滤波点云，对滤波点云进行梯度计算，得到滤波点云中每个重心点云的梯度值，根据滤波点云中每个重心点云的梯度值，得到清洁点云中每个点云对应的梯度值包括：对清洁点云创建三维体素栅格，得到滤波点云，其中，三维体素栅格中每个栅格所有点的重心表达对应栅格的其他点；搜索每个栅格内所有点的重心的领域点集，并计算梯度值，得到滤波点云中每个重心点云的梯度值；以及将滤波点云中每个重心点云的梯度值，赋值给对应栅格的所有点，得到清洁点云中每个点云对应的梯度值。

在一些实施例中，对非地面点云进行聚类过滤，得到过滤噪点后的聚类数据包括：对非地面点云进行基于连通域的聚类；以及根据聚类点数量以及长宽尺度阈值，进行聚类初过滤，得到过滤噪点后的聚类数据。