智能挖掘機械三維環(huán)境辨識系統(tǒng).pdf

1、隨著計算機控制技術(shù)和人工智能技術(shù)的高速發(fā)展，人們對挖掘機械智能化的要求也在不斷提高。在實際挖掘作業(yè)過程中，挖掘工作人員需要經(jīng)常面對復(fù)雜惡劣的挖掘作業(yè)環(huán)境，高強度下的持續(xù)作業(yè)，不僅給身體帶來巨大的負荷，更會對整個挖掘作業(yè)流程帶來一定的安全隱患。挖掘機械智能化作業(yè)使人們從手工勞作轉(zhuǎn)變到機械作業(yè)，從而將人們從繁重的體力勞動中解放出來，極大地提高了工作效率。而挖掘機械三維環(huán)境辨識技術(shù)更是在挖掘機械智能化自主作業(yè)過程中發(fā)揮了重要作用，是挖掘機械自

2、動控制和自主運動的基礎(chǔ)。為此，本文設(shè)計了一套智能、高效、實時的挖掘機械三維環(huán)境辨識系統(tǒng)。通過對挖掘機械作業(yè)場景實時掃描處理，實現(xiàn)對挖掘目標與運載目標以及障礙物的可靠辨識。在論文完成的過程中做了如下工作：
　　搭建了智能挖掘機械三維環(huán)境辨識系統(tǒng)硬件平臺，包括環(huán)境感知設(shè)備的選擇、旋轉(zhuǎn)臺與電機的選型以及硬件電路的連接。編寫了智能挖掘機械三維環(huán)境辨識系統(tǒng)軟件，介紹了系統(tǒng)所需的編程環(huán)境和開發(fā)工具，設(shè)計了基于CUDA的GPU并行計算方法。

3、r>　　提出了智能挖掘機械作業(yè)場景三維點云數(shù)據(jù)的區(qū)域分割方法，采用逐層分割的思想對掃描到的挖掘作業(yè)場景三維點云數(shù)據(jù)進行分割。首先，計算挖掘作業(yè)場景三維點云數(shù)據(jù)的幾何特征，并對主成分特征進行提取。其次，將挖掘作業(yè)場景數(shù)據(jù)按特征值大小分為面性點、線性點和點性點三類。然后，構(gòu)建主成分特征球，在此基礎(chǔ)上采用Meanshift聚類算法對面性點法向量進行聚類，并用 DBSCAN聚類算法按空間位置進一步分割，且對這兩種方法進行了優(yōu)化。再后，設(shè)計基于空

4、間區(qū)域片段法向量方向和位置高程的最終地面提取方法。最后，對剩余作業(yè)場景三維點云數(shù)據(jù)進行區(qū)域分割。
　　提出了智能挖掘機械作業(yè)場景三維點云數(shù)據(jù)的物體分類方法。首先，通過對標準挖掘目標和運載目標建立數(shù)學(xué)模型，將分割后的空間區(qū)域片段與標準模型相匹配，實現(xiàn)對兩者穩(wěn)健辨識。其次，對剩余挖掘作業(yè)場景數(shù)據(jù)通過構(gòu)建隨機森林模型分類器進行分類辨識，進一步將障礙物等從實際場景中準確識別出來。最后，為便于工作人員調(diào)試與分析，設(shè)計了基于OpenGL的人機