1.本发明属于无人化工程机械领域，尤其涉及一种装载机自主铲掘作业铲掘点规划方法。
背景技术：
2.装载机是一种在各类工程施工中广泛应用的工程机械，其执行的通常为“铲ꢀ‑装-运-卸”循环作业，开展装载机无人驾驶技术研究能够有效解决传统装载机存在的影响驾驶员身心健康、危害驾驶员生命安全、驾驶员老龄化严重等问题。在装载机无人驾驶技术中，铲掘点规划的目的是针对给定的作业对象合理安排铲掘点的坐标和方向。装载机自主铲掘作业铲掘点规划必须满足可铲掘的基本条件，在料堆上选取合适的铲掘位置是顺利进行铲掘作业的前提。满足可铲掘要求后，还要保障易铲掘，合理的铲掘点规划是得到高满斗、低能耗等良好铲掘效果的基础。3.目前，国内外对装载机自主作业的研究仍处于实验室阶段，国内外未见任何一种自主作业装载机产品。国内对装载机自主铲掘作业铲掘点规划的研究还处于空白。韩国国立庆北大学开发了一种挖掘机自主作业任务规划及路径规划方法，然而装载机作业方式与挖掘机存在巨大差异，挖掘机每移动一次都会进行多次挖掘作业，装载机与之相比具有更强的移动性；挖掘机为从上到下进行挖掘作业，而装载机为从下到上进行铲掘作业，所以挖掘机任务规划方法并不适用于装载机的自主铲掘任务规划。
技术实现要素：
4.本发明实施例的目的在于提供一种装载机自主铲掘作业铲掘点规划方法，旨在解决现有的挖掘机任务规划方法并不适用于装载机的自主铲掘任务规划的问题。5.本发明实施例是这样实现的，一种装载机自主铲掘作业铲掘点规划方法，包括以下步骤：6.s1.将装载机开至指定工作区域，首先进行全局地图的建立，全局地图的建立方法包括无人机搭载遥感设备、手持遥感设备或车载遥感设备，遥感设备包括激光雷达、结构光相机、飞行时间测距相机和立体相机；7.s2.使用聚类算法在全局地图中将装载机的自主铲掘作业工作对象-料堆分割出来，得到了料堆的三维点云数据；的三维点云数据的来源是激光雷达或深度相机采集的图像；8.s3.依据料堆点云数据，进行铲掘点的规划，铲掘点规划模块将规划好的铲掘点坐标和方向发送给控制系统；9.s4.控制系统控制装载机在规划好的铲掘点进行一次自主铲掘作业，装载机上安装遥感设备并进行实时扫描环境变化，完成一次铲掘作业后将新料堆点云与原料堆点云进行配准和拼接，得到更新后的料堆点云，完成一个工作循环；10.s5.根据更新后的料堆点云规划下一个铲掘点，进行下一次工作循环。11.进一步的技术方案，根据s3，三维点云数据的处理步骤如下：12.步骤1.铲掘点规划模块以料堆点云数据作为输入，首先对点云数据进行下采样处理，减少点云数据量，提高后续处理速度；13.步骤2.对点云进行统计滤波，剔除离群点；14.步骤3.基于处理好的点云进行料堆曲面重构，得到料堆表面形状；15.步骤4.基于处理后的点云数据以及重构出来的曲面寻找最佳铲掘点；首先，在料堆的底部轮廓线上假设一个铲掘点的位置和方向，随后进行该铲掘点的量化评估，量化指标包括偏载度、凸度和满斗率。16.进一步的技术方案，根据步骤3，曲面重构方法包括三角剖分、克里金插值等算法。17.进一步的技术方案，根据步骤4，偏载度指的是铲斗内物料重心偏移铲斗中心的程度。18.进一步的技术方案，根据步骤4，凸度指的是料堆轮廓相对于铲斗主切削刃的凹凸程度。19.进一步的技术方案，根据步骤4，满斗率指的是铲斗铲入的物料体积与铲斗的额定容积的比值。20.进一步的技术方案，根据步骤4，偏载度与凸度评估方法如下：21.step1.在假设好一个可铲掘的铲掘点后，将铲掘局部邻域的点云提取出来；22.step2.将提取出来的铲掘局部邻域点云变换到以铲掘点为原点，以铲掘点方向为y轴正方向，竖直向上为z轴正方向的坐标系；23.step3.铲掘局部邻域点云曲面拟合；24.step4.将点云拟合成平面时，将平面相对于xz平面的斜率表征为偏载度；将点云拟合成二次曲面时，将二次曲面x项系数表征为偏载度，将x2项系数表征为凸度。25.进一步的技术方案，根据步骤4，满斗率评估方法为假设一个可铲掘的铲掘点后，进行铲掘轨迹规划。26.本发明实施例提供的一种装载机自主铲掘作业铲掘点规划方法，1、本发明提出的装载机自主铲掘作业铲掘点规划方法为铲掘点规划方法提供了一种方案，为实现装载机无人作业连接了关键的一环。2、本发明提出的铲掘点规划方法能够使装载机在作业时自动识别料堆，指导装载机识别工作对象并在不断规划出的铲掘点上作业直至完成任务。3、本发明提出的铲掘点规划方法考虑了铲斗的偏载度，能够保证铲斗所受载荷均匀，保护装载机结构安全。4、本发明提出的铲掘点规划方法考虑了料堆表面形状的凹凸程度，寻找铲掘时铲斗所受摩擦力较小的铲掘点，减少装载机能耗。5、铲斗满斗率是确定装载机等土方机械的性能和生产率的最主要参数之一，本发明在规划铲掘点时进行了各铲掘点满斗率大小的预测，保证作业效率。6、本发明中铲掘点规划中寻找最佳铲掘点的过程为最耗费处理器资源的循环处理过程，在进行该过程前对点云进行了下采样与滤波操作，保障系统处理速度。附图说明27.图1为本发明实施例的装载机自主铲掘作业工作循环示意图；28.图2为本发明实施例中铲掘点规划方法流程图；29.图3为本发明实施例中铲掘点偏载度与凸度评估示意图；30.图4为本发明实施例中铲掘点满斗率预测示意图。31.附图中：1料堆轮廓、2铲掘轨迹。具体实施方式32.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。33.以下结合具体实施例对本发明的具体实现进行详细描述。34.如图1和2所示，为本发明一个实施例提供的一种装载机自主铲掘作业铲掘点规划方法，包括以下步骤：35.s1.将装载机开至指定工作区域，首先进行全局地图的建立，全局地图的建立方法包括无人机搭载遥感设备、手持遥感设备或车载遥感设备，遥感设备包括激光雷达、结构光相机、飞行时间测距相机和立体相机；36.s2.使用聚类算法在全局地图中将装载机的自主铲掘作业工作对象-料堆分割出来，得到了料堆的三维点云数据；三维点云数据的来源是激光雷达或深度相机采集的图像；37.s3.依据料堆点云数据，进行铲掘点的规划，铲掘点规划模块将规划好的铲掘点坐标和方向发送给控制系统；38.s4.控制系统控制装载机在规划好的铲掘点进行一次自主铲掘作业，装载机上安装遥感设备并进行实时扫描环境变化，完成一次铲掘作业后将新料堆点云与原料堆点云进行配准和拼接，得到更新后的料堆点云，完成一个工作循环；39.s5.根据更新后的料堆点云规划下一个铲掘点，进行下一次工作循环。40.如图1、2和3所示，作为本发明的一种优选实施例，根据s3，三维点云数据的处理步骤如下：41.步骤1.铲掘点规划模块以料堆点云数据作为输入，首先对点云数据进行下采样处理，减少点云数据量，提高后续处理速度；42.步骤2.对点云进行统计滤波，剔除离群点；43.步骤3.基于处理好的点云进行料堆曲面重构，得到料堆表面形状；44.步骤4.基于处理后的点云数据以及重构出来的曲面寻找最佳铲掘点；首先，在料堆的底部轮廓线上假设一个铲掘点的位置和方向，随后进行该铲掘点的量化评估，量化指标包括偏载度、凸度和满斗率。45.如图1和2所示，作为本发明的一种优选实施例，根据步骤3，曲面重构方法包括三角剖分、克里金插值等算法。46.如图1和2所示，作为本发明的一种优选实施例，根据步骤4，偏载度指的是铲斗内物料重心偏移铲斗中心的负载。47.如图1和2所示，作为本发明的一种优选实施例，根据步骤4，凸度指的是料堆轮廓相对于铲斗切削刃的凹凸程度。48.如图1和2所示，作为本发明的一种优选实施例，根据步骤4，满斗率指的是铲斗铲入的物料体积与铲斗的额定容积的比值。49.如图1、2和3所示，作为本发明的一种优选实施例，根据步骤4，偏载度与凸度评估方法如下：50.step1.在假设好一个可铲掘的铲掘点后，将铲掘局部邻域的点云提取出来；51.step2.将提取出来的铲掘局部邻域点云变换到以铲掘点为原点，以铲掘点方向为y轴正方向，竖直向上为z轴正方向的坐标系；52.step3.铲掘局部邻域点云曲面拟合；53.step4.将点云拟合成平面时，将平面相对于xz平面的斜率表征为偏载度；将点云拟合成二次曲面时，将二次曲面x项系数表征为偏载度，将x2项系数表征为凸度。54.如图1、2和4所示，作为本发明的一种优选实施例，根据步骤4，满斗率评估方法为假设一个可铲掘的铲掘点后，根据料堆轮廓和铲掘轨迹两个信息进行满斗率预测。55.在本发明实施例中，图1为装载机自主铲掘作业工作循环示意图。铲掘点规划是装载机自主铲掘作业的一个重要环节，而并非一个孤立的部分，完成铲掘点规划需要依赖于自主铲掘作业工作循环中其他环节的工作。装载机自主铲掘作业工作循环叙述如下：1.在指定装载机工作区域后，首先进行全局地图的建立，全局地图是装载机和自卸卡车的路径规划等工作的重要依据，所述全局地图的建立方法包括无人机搭载遥感设备、手持遥感设备或车载遥感设备，所述遥感设备包括激光雷达、结构光相机、飞行时间测距相机和立体相机等。2.下一步使用聚类等算法在全局地图中将装载机的自主铲掘作业工作对象——料堆分割出来，得到了料堆的三维点云数据。所述的三维点云数据的来源可以是激光雷达，也可以是根据深度相机采集的图像进行三维重建得到的。3.随后依据料堆点云数据，进行铲掘点的规划，铲掘点规划模块将规划好的铲掘点坐标和方向发送给控制系统。4.接下来，系统控制装载机在规划好的铲掘点进行一次自主铲掘作业。装载机上安装了遥感设备，用于实时扫描环境变化，当完成一次铲掘作业后料堆的形态必然会发生改变，因此每完成一次铲掘后都要采集最新的料堆点云数据，在作业过程中装载机上安装的遥感设备无法扫描到料堆全貌，但是足够扫描到料堆表面形状发生改变的范围，因此需要将新料堆点云与原料堆点云进行配准和拼接，得到更新后的料堆点云，完成一个工作循环。5.然后根据更新后的料堆点云规划下一个铲掘点，进行下一次工作循环。56.图2为装载机自主铲掘作业铲掘点规划方法流程图，具体流程叙述如下：铲掘点规划模块以料堆点云数据作为输入，首先对点云数据进行下采样处理，减少点云数据量，提高后续处理速度。其次，对点云进行统计滤波，剔除离群点。接下来基于处理好的点云进行料堆曲面重构，得到料堆表面形状。进行曲面重构的目的之一是得到料堆底部的轮廓，后续过程中铲掘点的假设将沿着料堆轮廓进行，以料堆轮廓作为铲掘点假设的约束之一，同时约束假设铲掘点的方向指向料堆，保障铲掘点可铲掘，要得到料堆底部轮廓必须要对空间散乱数据进行网格化处理，在此基础上进行插值。所述的曲面重构方法包括三角剖分、克里金插值等算法，图4(a)为使用三角剖分方法进行曲面重构的示意图。曲面重构的第二个目的是进行接下来的满斗率预测，具体方法将在下文叙述；第三个目的是用于远程控制中心人员对工作现场的监视，使管理人员能够实时观测到作业进度和现场情况。至此完成了点云数据的预处理。57.接下来基于处理后的点云数据以及重构出来的曲面寻找最佳铲掘点。首先，在料堆的底部轮廓线上假设一个铲掘点的位置和方向，随后进行该铲掘点的量化评估，量化指标包括偏载度、凸度和满斗率。58.所述的偏载度指的是铲斗内物料重心偏移铲斗中心的程度，铲掘方向偏斜将导致铲斗所受载荷不均，对装载机的结构产生危害；所述的凸度指的是料堆轮廓相对于铲斗主切削刃的凹凸程度，物料相对于铲斗过于凹陷将增大铲斗摩擦力，并影响满斗率。所述的满斗率指的是铲斗铲入的物料体积与铲斗的额定容积的比值，铲斗满斗率是确定挖掘机、铲运机和装载机等土方机械的性能和生产率的主要参数之一，偏载度和凸度都将影响铲掘作业最后得到的满斗率。这三个指标是驾驶员操作装载机铲掘作业所不会忽视的指标。59.偏载度与凸度评估的详细过程叙述如下：在假设好一个可铲掘的铲掘点后，将铲掘局部邻域的点云提取出来，所述的铲掘局部邻域指的是在该假设铲掘点进行铲掘作业时的作业料堆局部区域，该区域可以定义为一个与铲斗同宽或略宽于铲斗，深度略深于铲掘规划最深点，高度略高于铲掘轨迹最高点的矩形框内所包含的点云。接下来将提取出来的铲掘局部邻域点云变换到以铲掘点为原点，以铲掘点方向为y轴正方向，竖直向上为z轴正方向的坐标系下，此步骤的目的是使每个铲掘点的曲面拟合都在同一坐标系下进行，同样的一组点云在不同坐标系下进行曲面拟合将得到截然不同的曲面参数，进行此坐标转换步骤可以保障曲面拟合得到的偏载度与凸度相关参数具有统一的度量标准。下一步即为铲掘局部邻域点云曲面拟合，此曲面拟合的目的并非为了可视化，而是根据拟合曲面的参数进行偏载度和凸度的评估，凡是能够将偏载度和凸度进行量化的曲面均可用于此步骤，例如，将点云拟合成圆柱面时，可以轴线相对y轴的位置表征偏载度，曲面凸与凹将使轴线位于料堆的里外不同侧，圆柱面半径可以用来表征凸度或凹度的大小；将点云拟合成圆锥面时，偏载度与凸度表征方法类似于圆柱面；将点云拟合成平面时，可以平面相对于xz平面的斜率表征偏载度；将点云拟合成二次曲面时，可以二次曲面x项系数表征偏载度，以x2项系数表征凸度。60.满斗率评估方法详细叙述如下：在假设好一个可铲掘的铲掘点后，进行铲掘轨迹规划，所述的铲掘轨迹规划方法不属于本发明内容，现有研究成果中实现自主铲掘的方法主要是在装载机控制系统中存储多种铲掘轨迹，在每次作业之前，驾驶员输入物料的种类等信息，装载机依据此信息选择相应的工作模式，进行自主铲掘，在此种情况下铲掘轨迹模块可直接调用规划出的铲掘轨迹；对于另一种情况，当装载机采用非铲掘轨迹控制的自主铲掘方法时，例如导纳控制或基于分段铲装法的装载机自主铲装动态控制方法时，则取铲掘轨迹的统计值作为本步骤的输出，这是因为相同铲掘策略对相同料堆的不同铲掘轨迹之间并不会存在太大差异，并不会对下一步骤的满斗率预测产生太大影响。获取铲掘轨迹后即可根据料堆轮廓和铲掘轨迹两个信息进行满斗率预测，如图4(b) 中的示例所示，将料堆轮廓1作为一个表面，将铲掘轨迹2乘以铲斗宽度作为另一个表面，在插值得到的两个表面上划分尺寸均匀的栅格，将每个正方形网格的面积乘以两个表面上相应正方形之间的距离，并将它们相加，来直接计算材料的体积。61.得到偏载度、凸度和满斗率三个指标的评估参数后，即可综合三个参数进行铲掘点的量化评估，为三个指标设置合适的权重，得到铲掘点评价值。将当前铲掘点评价值与其他铲掘点的评价值进行比较优选，直至优选结束，铲掘点决策模块输出最佳铲掘点的坐标和方向。62.可以想到，进行铲掘点评价的指标是可扩展的，根据具体要求，还可以将除偏载度、凸度和满斗率之外的其他指标添加到铲掘点评价指标中，例如，所规划铲掘点所导致的装载机形式路径长度，相邻两次铲掘的铲掘点的距离。63.如上所述，图2中虚线框中的寻找最佳铲掘点的思想为：在保障可铲掘的条件下，假设不同铲掘点的坐标与方向，进行所假设铲掘点的量化评估。一种实施方法为：假设离散的铲掘点坐标和方向，即每隔若干米假设一个铲掘点坐标，对每个铲掘点坐标每隔若干角度假设一个铲掘方向，从中选取最优的铲掘点；另一种实施方法为，使用遗传算法、粒子群算法或模拟退化算法等优化算法对铲掘点进行优化，铲掘点的坐标和方向即为优化变量，可铲掘为约束，铲掘点评价值最小为优化目标。64.作为另一个选项，某个铲掘点的规划也可以不依赖于全局地图实现，而是直接使用车载遥感设备采集到的某一帧数据进行铲掘点评价指标的量化评估，这种方法可以避免点云配准更新等操作步骤，节约系统资源，减少处理时间，具有更强的实时性。这种方法的铲掘点规划流程与前述方法相同，图3和图4 给出了这种方法的铲掘点评估实施例，在本示例中将铲掘点定义为铲斗主切削刃的中间位置，现叙述如下：65.图3为某假设铲掘点偏载度与凸度评估的一个示例，图3(a)为经过处理后的料堆点云，图3(b)中矩形框中的点云即为所假设的铲掘点的铲掘局部邻域，图3(c)为已提取出来并经过坐标变换的点云，坐标原点为图中“*”号位置，图3(d)为曲面拟合效果图，本示例中对点云进行的为二次曲面拟合，二次曲面方程为：66.z＝c1x2+c2y2+c3xy+c4x+c5y+c667.式中xyz分别为点云xyz坐标，68.x＝[x1 x2 x3 x4ꢀ…ꢀxn]t[0069]y＝[y1 y2 y3 y4ꢀ…ꢀyn]t[0070]z＝[z1 z2 z3 z4ꢀ…ꢀzn]t[0071]对于以上二次曲面方程，以|c4|表征偏载度，以c1表征水平凸度。[0072]图4为满斗率预测的示意图，图4(a)为以贪婪三角剖分方法对料堆进行曲面重建的效果图，图4(b)为铲掘作业侧视图，其中实线1为料堆轮廓，虚线2为铲掘轨迹，则此时满斗率可预测为途中剖面线所在封闭图形的面积乘以铲斗宽度。[0073]本发明上述实施例中提供了一种装载机自主铲掘作业铲掘点规划方法，1、本发明提出的装载机自主铲掘作业铲掘点规划方法为铲掘点规划方法提供了一种方案，为实现装载机无人作业连接了关键的一环。2、本发明提出的铲掘点规划方法能够使装载机在作业时自动识别料堆，指导装载机识别工作对象并在不断规划出的铲掘点上作业直至完成任务。3、本发明提出的铲掘点规划方法考虑了铲斗的偏载度，能够保证铲斗所受载荷均匀，保护装载机结构安全。4、本发明提出的铲掘点规划方法考虑了料堆表面形状的凹凸程度，寻找铲掘时铲斗所受摩擦力较小的铲掘点，减少装载机能耗。5、铲斗满斗率是确定装载机等土方机械的性能和生产率的最主要参数之一，本发明在规划铲掘点时进行了各铲掘点满斗率大小的预测，保证作业效率。6、本发明中铲掘点规划中寻找最佳铲掘点的过程为最耗费处理器资源的循环处理过程，在进行该过程前对点云进行了下采样与滤波操作，保障系统处理速度。[0074]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。