引言
火电厂为了保障长期稳定供应电力，会在煤棚内储存大量的燃煤。煤堆堆放不规则、占地空间大，并且随着电厂消耗和下游运输供应，储存的燃煤量在一段时间内是动态变化的，这就使得煤堆库存量难以监测。为了便于科学的储备管理，有必要对煤炭库存进行快速测量。传统的煤堆测量方案是把煤堆整形后人工丈量，这种方法费时费力，并且存在很大误差[1]。本文研究一种新型的轨道式激光扫描盘煤技术。该方案如图1所示，工作原理是：借助干煤棚的桁架结构，在煤堆上方铺设轻型轨道，运动单元搭载激光雷达对煤堆进行移动俯视扫描，从而可以完整地将煤堆的形状以点云数据的形式记录下来，从而实现数字化的测量方案。
图1 系统整体方案
为实现煤堆的体积计算，需要对点云数据进行曲面重建[2]。点云体积计算的结果与曲面重建的效果有直接关系，因此，要提高煤堆体积的测量精度，需要选择合适的曲面重建算法。
综上所述，基于轨道式移动激光扫描技术的盘煤系统能够对封闭煤棚内的储煤快速定量化。利用轨道式移动设备搭载激光雷达获得煤堆表面的点云集，通过对煤堆点云进行曲面重建，利用投影法计算煤堆体积。最后，通过现场实验对系统盘煤方案进行验证。
1基本原理
盘煤系统主要由运动单元和激光雷达构成。通过PLC控制电机，驱动设备在轨道上做匀速直线运动。激光雷达是以收发脉冲光束探测目标位置的传感器，能够输出周围环境的三维坐标信息。利用运动单元搭载激光雷达沿轨道移动俯视扫描。由于不存在障碍物的遮挡，激光雷达能够完整地采集煤堆表面的点云数据，避免了扫描盲区，减少体积计算误差。
激光雷达采集的原始数据往往是庞大的、散乱的。需要对点云数据进行精简，降低点云数据量，得到适合重建的点云集。最后，利用三维重建技术将煤堆模型进行虚拟重构，从而进行体积计算。
2点云数据处理
2.1坐标转换
激光雷达沿轨道匀速地移动，扫描整个煤场环境。在点云采集过程中，数据坐标是以激光发射中心作为坐标原点。如图3所示，激光束发射中心为原点O，x轴垂直于轨道，y轴为激光发射方向，z轴为设备运行方向。为了将煤堆数据可视化，需要进行坐标转换。轨道式移动激光系统采集到的点云数据需要进行平移变换和旋转变换。假设轨道式移动激光雷达系统获得的点云数据在激光扫描坐标系中的坐标为，
三维点云数据经过坐标转换，有利于对煤堆的点云模型进行可视化，便于进行数据投影计算体积。
2.2 点云精简
激光雷达工作一段时间后会采集大量的点云数据，高密度的点云数据会增加计算量，影响后续的曲面重建网格划分的效率。因此，需要对三维点云数据进行点云精简，简化点云数据量，降低重建和体积计算的时间。
采用体素栅格滤波器[2]进行点云精简，算法步骤如下：为点云集创建包围盒，尺寸长度设为；设置体素边长L；包围盒根据体素边长L划分M个体素，具体表达为；找出点云每一个点云所属的体素空间，计算出每个体素内点的个数。计算体素内所有点的重心，用重心来作为下采样点。
该方法可以通过改变栅格的边长大小L来控制下采样点的数量，L越大，则下采样后点云的数量越稀疏。
3. 点云三维重建
激光雷达采集的点云数据仅仅包含物体的三维坐标信息，点云数据曲面重建的过程就是建立点云数据之间的拓扑信息，虚拟重构被测物的表面。煤堆的点云数据庞大，曲面重建过程将耗费大量的时间和内存。因此选择合适的算法提高鲁棒性，从而保证点云重建的效率和输出质量。
3.1 曲面重建算法
Crust算法是基于三维Voronoi图和Delaunay三角剖分进行三角网格的构造。算法的主要的思想是：给定一组散乱的点云集，通过构建原始点集和Voronoi图顶点的并集，然后对此并集进行Delaunay三角剖分。当样本密度足够密集，Crust算法就会构造出拟合曲面的三角网，形成点云模型的重建。
Crust算法步骤的描述为[3]：计算点云集P=的Voronoi图；对于每个离散点，判断该点是否位于点云集p的凸壳上。如果在，计算与该点相交所有面的平均法向量，取该方向的无穷远处为。如果不在点云集的凸壳上，取该离散点所在的Voronoi单元中最远的Voronoi顶点作为，取反方向最远的Voronoi顶点作为。将所有的极点集合记作，删除无穷远处的极点。对p和取并集，对该集合进行Delaunay三角剖分。在三角剖分所形成的三角片中，如果三角形的3个顶点都在点集p中，当该三角形的法向量和每个三角形顶点到的向量之间的夹角过大时，删除该三角形。遍历所形成的所有三角形，提取出完整光滑的三角网。
对于轨道式激光雷达盘煤系统采集到的煤堆点云，往往具有点云数据量大、点集分布不均匀的特点，应用Crust算法理论上能够精确的构造出煤堆的三维模型，从而保障体积计算的精度。
3.2 体积计算
点云数据经过算法三维重建后，形成煤堆表面的三角网。三角网已知每个端点的坐标值。每个三角形及其在水平面的投影三角形，与相应的面元三角形共同构造出一个五面体。如图2所示。
将三角剖分中所有三角形投影形成的五面体的体积进行积分，获得整个煤堆的体积V。
4. 实验验证
为了测试盘煤系统的测量精度，对某煤场干煤棚内煤堆进行体积测量。干煤棚的横向长度100米，纵向长度150米，总高度30米。煤棚分两片区域，堆放有不规则形状的燃煤。设备运行速度0.1 m/s。运煤前由煤场专业测量车称重得到煤堆真实重量24092 t，测量煤的堆积密度为1.092 t/ m3，得到存煤的体积为22062.27 m3。系统采集的煤堆点云如图3（a）所示，曲面重建效果如图3（b）。
5. 结论
本系统适用于火电厂封闭煤棚内煤堆库存定量的自动化测量。系统通过激光雷达俯视扫描，获取煤堆表面的点云数据。经过坐标转换和点云精简，然后通过三维重建获得目标物的重构模型，求取体积。对煤堆进行体积测量实验，结果表明，体积计算误差分别仅为1.9%。
该系统能够满足火电厂的盘煤需求，能够节省大量人力物力，实现盘煤过程自动化，是数字化煤场的重要突破，具有广泛的工业应用场景。
参考文献(Reference)：
[1] 吴川,郑秀萍,柴天佑.火电厂燃料管理系统的研究与应用[J].电力系统自动化,2002(04):64-66.
[2] 胡燕威,王建军,范媛媛,卢云鹏,白崇岳,张荠匀.基于激光雷达的空间物体三维建模与体积计算[J].中国激光,2020,47(05):496-505.
[3] Amenta N, Bern M. Surface reconstruction by Voronoi filtering[J]. Discrete & Computational Geometry, 1999, 22(4): 481-50
