基于PointCNN的煤场煤堆点云识别与体积计算

费亦凡; 张豪庆; 俞更喜

doi:10.19929/j.cnki.nmgdljs.2025.0053

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于PointCNN的煤场煤堆点云识别与体积计算

发电技术 | 更新时间：2026-02-12

- 基于PointCNN的煤场煤堆点云识别与体积计算
- 基于PointCNN的煤场煤堆点云识别与体积计算
- 内蒙古电力技术 2025年第4期页码：95-100
- 作者机构：
  
  华能国际电力股份有限公司上海石洞口第二电厂
- 作者简介：
- 基金信息：
  
  中国华能集团有限公司科技项目“5G智慧电厂料场煤堆实时三维建模”（HNKJ21-HF86）
- DOI：10.19929/j.cnki.nmgdljs.2025.0053
  中图分类号： TM621;TP183;TN958
- 纸质出版：2025
- 稿件说明：
移动端阅览
费亦凡, 张豪庆, 俞更喜. 基于PointCNN的煤场煤堆点云识别与体积计算[J]. 内蒙古电力技术, 2025,(4):95-100.

费亦凡, 张豪庆, 俞更喜. 基于PointCNN的煤场煤堆点云识别与体积计算[J]. 2025, (4): 95-100.
费亦凡, 张豪庆, 俞更喜. 基于PointCNN的煤场煤堆点云识别与体积计算[J]. 内蒙古电力技术, 2025,(4):95-100. DOI： 10.19929/j.cnki.nmgdljs.2025.0053.

费亦凡, 张豪庆, 俞更喜. 基于PointCNN的煤场煤堆点云识别与体积计算[J]. 2025, (4): 95-100. DOI： 10.19929/j.cnki.nmgdljs.2025.0053.

摘要

针对人工盘煤成本高昂与激光测量方法精度受限等问题，提出基于PointCNN网络的煤场煤堆点云识别与体积计算方法。首先，利用欧式距离对毫米波雷达获取的煤堆原始点云数据进行分割；其次，采用PointCNN网络精确识别目标煤堆点云数据，并采用Delaunay三角剖分算法及投影法实现煤堆点云数据的三维曲面重建和煤堆的体积计算；最后，以某燃煤电站煤场为研究对象，对所提方法进行验证。结果表明，相较于传统测量方法，本文所提方法精度更高，相对误差低于5%，能够满足燃煤电站对煤场煤堆的体积测量要求。

Abstract

Aiming at the high cost of manual coal tray and the limited accuracy of laser measurement method

a point cloud recognition and volume calculation method of coal pile based on PointCNN network is proposed. Firstly

Euclidean distance is used to segment the original point cloud data of coal pile obtained by millimeter wave radar. Secondly

PointCNN network is used to accurately identify the point cloud data of target coal pile

and Delaunay triangulation algorithm and projection method are used to realize the three-dimensional surface reconstruction of coal pile point cloud data and volume calculation of coal pile. Finally

taking a coal yard of a coal-fired power station as the research object

the proposed method is validated. The results show that compared with traditional measurement methods

the proposed method has higher accuracy

and the relative error is less than 5%

which can meet the volume measurement demand of coal pile in coal yard of coal-fired power station.

关键词

Keywords

references

熊鹏文,周晓芸,熊宏锦,张婷婷.面向大规模交互数据空间划分的Voronoi图生成算法及应用[J].国防科技大学学报,2022(01).

唐晓彬,沈童.深度学习框架发展综述[J].调研世界,2023(04).

张云赫,苏立晨,董云帆,刘瑜,李宇萌.基于Voronoi图最近邻协商的多机协同追捕方法[J].哈尔滨工程大学学报,2023(02).

林福根,温祥西,吴明功,衡宇铭.基于Voronoi图和改进K-means的扇区优化研究[J].西北工业大学学报,2023(01).

周智宾,李伟伟,王凯,于汝栋,王进文.数字化煤场及智慧管理平台一体化建设方案设计[J].东北电力技术,2023(07).

朱均超,卞永鑫,韩芳芳,曾琦,周惠,宋思源.基于改进欧式聚类算法的双目主动视觉点云目标检测研究[J].光电子·激光,2023(12).

朱天晓,闫丰亭.结合偏移自注意力机制和残差连接的点云分类[J].激光与红外,2023(08).

孙国强,庞岩.基于PointCNN的车载行道树点云分割方法[J].北京测绘,2023(01).

王小双,张良奇,肖姚,曾忠.红黑着色的相场两相流并行投影算法[J].重庆大学学报,2024(06).

乐英,杨冰雁.基于PointNet++的煤场点云分割与识别方法[J].中国工程机械学报,2023(03).

高远,罗皓轩,石田,朱洁雯,李逗,周春蕾,程力.基于改进注意力机制的燃煤电厂电煤库存校核研究[J].国外电子测量技术,2023(11).

刘怡然,李丽君,杜月云.Delaunay三角剖分的汽车螺旋锥齿轮磨损检测[J].机械设计与制造,2024(01).

方炳坤,楚瀛.基于Voronoi图与条件随机场的自然场景文本检测方法[J].计算机应用与软件,2024(01).

彭蹦,杨耀权,江鹏宇.改进ICP算法在无人机煤堆体积测量的应用研究[J].自动化与仪表,2019(07).

张森,孔明,王道档,刘维,郭天太,赵军.圆形煤场煤堆体积快速测量方法[J].中国计量大学学报,2018(03).

崔峥.基于深度学习点云分割的散料堆体积测量方法的研究[D].山东大学,2022(02).

许安宁.基于深度学习的点云分类及分割算法研究[D].三峡大学,2021(03).

孟坦.基于三维重建技术的散料堆体积测量方法研究[D].长春工业大学,2023(02).

尹雨枫.基于RGB-D深度相机的料堆体积快速测量方法研究[D].湖南大学,2022(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于激光雷达测量技术的输电线路运行环境监测系统的应用