具体实施方式

以下结合附图1-4对本申请作进一步详细说明。

国内矿山生产企业以及混凝土生产商，对于骨料的粒形和级配，采用人工生产线取样检测方法。该方法存在取样频次低，取样不及时，分析速度慢等问题，严重影响了骨料生产品质管控的效率。所以需要采用智能化设备以及视觉监测系统以提升检测效率和质量。

而企业对设备的检测精度和检测效率有较高的要求。因为若检测精度较低，则影响检测结果，增大了骨料质量降低的风险，而如果检测效率较低，则导致时间成本增加，不利于产品产出。所以需要使用能执行骨料体积计算方法和粒形级配数据生成方法的设备进行高检测精度、高检测效率的品质管控。

本申请实施例公开一种骨料体积计算方法、粒形级配数据生成方法、系统和设备。

参照图1，本申请实施例公开了一种骨料体积计算方法。

骨料体积计算方法，包括：

S100，获取来自3D相机的扫描照片，对扫描照片进行处理，得到骨料的3D数据。

3D数据是指3D的点阵数据。

具体的，3D相机需要与传送带、骨料体积计算系统配合，3D相机设置于传送带的上方，且3D相机与骨料体积计算系统电连接。传送带用于对骨料进行定向等距输送。3D相机拍摄传送带上的多个骨料，将照片传输至骨料体积计算系统，以便于骨料体积计算系统获得骨料的3D数据。

S110，对骨料的3D数据进行处理，得到骨料的二值图。

具体的，本申请提供两种二值图的生成方法，分别是基于高差的二值图生成算法和基于RANSAC平面生成二值图的算法，两种生成方法均可通过3D数据，获得二值图，对3D相机性能、光照调节的依赖性不高，只要有正确的3D数据，便能生成二值图。

基于高差的二值图生成算法，具体包括：

将骨料的3D数据和预设的基准数据进行像素坐标映射，再进行比对，识别出像素坐标中骨料所占据的点；所述骨料的3D数据和基准数据均用相机坐标系进行存储；所述基准数据是指没有骨料时的3D点阵数据；

基于像素坐标系生成二维矩阵，所述二维矩阵的列数是3D相机分辨率的长，行数是3D相机分辨率的宽；

对所述二维矩阵的像素值进行调整：

判断像素坐标每个点的高差是否大于第一预设值；

若是，则将二维矩阵对应的点的值设为255；

若否，则将二维矩阵对应的点的值设为0；

根据处理后的二维矩阵，得到骨料的二值图。

其中，预设的基准数据是指通过传送带空载时的照片获得的3D点阵数据；传送带空载时的照片是指在传送带上没有骨料的情况下，3D相机对传送带拍摄的照片；第一预设值大于等于0.5mm小于2mm，第一预设值可以是但不限于0.5mm、0.7mm、0.9mm和1.1mm。

例如，相机的分辨率是2044*1536，则二维矩阵的行数为1536，列数为2044。当3D数据和基础数据均进行像素坐标映射后，进行比对，即：将重合的映射点以映射点的高度进行作差，该差值为高差，若高差大于第一预设值则将二维矩阵对应的点的灰度值设为255，若高差小于第一预设值则将二维矩阵对应的点的灰度值设为0。

基于RANSAC平面生成二值图的算法，包括：

将骨料的3D数据进行像素坐标映射，建立像素坐标与骨料的3D数

据的索引映射关系；

基于像素坐标系生成二维矩阵，缺省值为255；

把骨料的3D数据转换为点云库PCL的点云数据，所述3D数据的索引与点云库PCL的点云数据的索引、像素坐标的索引相同；

对点云库PCL的点云数据用RANSAC算法进行平面拟合；拟合时，判断3D点到平面的距离是否大于第二预设值；若是，则将对应的3D点归类为局外点；若否，则将对应的3D点归类为局内点；

获取每个局内点的索引值；

根据每个局内点的索引值，将每个局内点对应的二维矩阵内坐标点的像素值设为0；

根据处理后的二维矩阵，得到骨料的二值图。

其中，基于像素坐标与骨料的3D数据的索引映射关系，也基于骨料的

3D数据与点云库PCL的点云数据的索引相同，即：通过局内点的索引值则能找到该局内点在3D数据进行像素坐标映射后的对应点，该对应点在二维矩阵内也存在对应的点。利用RANSAC算法进行平面拟合时，以用于承载骨料的传送带的表面作为参考平面。第二预设值大于等于0.5mm小于1mm，且第二预设值可以是但不限于0.5mm、0.6mm、0.7mm、0.8mm和0.9mm。

S120，基于二值图，进行轮廓识别，得到骨料的轮廓图。

具体的，将二值图进行轮廓提取，得到骨料的轮廓图。

在S120之后还包括：

对轮廓图进行多边形拟合，得到轮廓修正图。

S130，根据轮廓图，得到每个骨料的所有像素点。

具体的，根据轮廓修正图，得到每个骨料的所有像素点。

其中，骨料的所有像素点记录为像素点总数Pixels。像素点总数Pixels还可以用于计算骨料的实际面积real Area，real Area= Pixels*dx*dy，dx为X轴的像素物理大小，dy为Y轴的像素物理大小。

S140，对各个骨料的所有像素点以高度进行积分，得到骨料的体积信息。

具体的，骨料的体积信息记录为vol，vol=，dH为像素点的高度，像素点的高度来自骨料的3D数据，由于骨料的3D数据存储于相机坐标系中，且进行了像素坐标的映射，所以每个像素点中保存有对应的高度值。

综上所述，执行上述方法这个方法有利于适配骨料体积小、数量众多的场景，而且对拍照环境和拍照相机没有依赖，有利于提高计算体积的精度和计算效率。

参照图2，本申请实施例还公开了骨料体积计算系统，包括：

3D数据获取模块200，用于获取来自3D相机的扫描照片，对扫描照片进行处理，得到骨料的3D数据；

二值图获取模块210，用于对骨料的3D数据进行处理，得到骨料的二值图；

轮廓识别模块220，用于基于所述二值图，进行轮廓识别，得到骨料的轮廓图；

骨料像素点获取模块230，用于根据所述轮廓图，得到每个骨料的所有像素点；

骨料体积获取模块240，用于对各个骨料的所有像素点以高度进行积分，得到骨料的体积信息。

具体的，骨料体积计算系统包括3D相机、传送带和电脑主机，3D相机和传送带均与电脑主机电连接，电脑主机用于控制3D相机拍照，也用于控制传送带传输骨料。3D相机安装于传送带的上方，且3D相机的镜头朝向传送带，用于对传送带上的骨料进行拍照。电脑主机内存储有可执行骨料体积计算方法的计算机程序，3D相机完成拍照后，电脑主机中的计算机程序利用照片获取3D数据；对骨料的3D数据进行处理，得到骨料的二值图；基于二值图，进行轮廓识别，得到骨料的轮廓图；根据轮廓图，得到每个骨料的所有像素点；对骨料的所有像素点进行高度积分，得到骨料的体积信息。

本申请实施例还公开了一种电子设备。

一种电子设备包括存储器和处理器，存储器上存储有能够被处理器

加载并执行如上述任一项骨料体积计算方法的计算机程序，当该计算机程序被处理器执行时，执行以下步骤：

获取来自3D相机的扫描照片，对扫描照片进行处理，得到骨料的3D数据；

对骨料的3D数据进行处理，得到骨料的二值图；

基于所述二值图，进行轮廓识别，得到骨料的轮廓图；

根据所述轮廓图，得到每个骨料的所有像素点；

对各个骨料的所有像素点以高度进行积分，得到骨料的体积信息。

可选的，本申请的实施例中，当计算机程序被处理器运行时，执行以下步骤：将骨料的3D数据和预设的基准数据进行像素坐标映射，再进行比对，识别出像素坐标中骨料所占据的点；所述骨料的3D数据和基准数据均用相机坐标系进行存储；所述基准数据是指没有骨料时的3D点阵数据；

基于像素坐标系生成二维矩阵，所述二维矩阵的列数是3D相机分辨率的长，行数是3D相机分辨率的宽；

对所述二维矩阵的像素值进行调整：

判断像素坐标每个点的高差是否大于第一预设值；

若是，则将二维矩阵对应的点的值设为255；

若否，则将二维矩阵对应的点的值设为0；

根据处理后的二维矩阵，得到骨料的二值图。

可选的，本申请的实施例中，当计算机程序被处理器运行时，执行以下步骤：将骨料的3D数据进行像素坐标映射，建立像素坐标与骨料的3D数

据的索引映射关系；

基于像素坐标系生成二维矩阵，缺省值为255；

把骨料的3D数据转换为点云库PCL的点云数据，所述3D数据的索引与点云库PCL的点云数据的索引、像素坐标的索引相同；

对点云库PCL的点云数据用RANSAC算法进行平面拟合；拟合时，判断3D点到平面的距离是否大于第二预设值；若是，则将对应的3D点归类为局外点；若否，则将对应的3D点归类为局内点；

获取每个局内点的索引值；

根据每个局内点的索引值，将每个局内点对应的二维矩阵内坐标点的像素值设为0；

根据处理后的二维矩阵，得到骨料的二值图。

可选的，本申请的实施例中，当计算机程序被处理器运行时，执

行以下步骤：对轮廓图进行多边形拟合，得到轮廓修正图；

根据轮廓修正图，得到每个骨料的所有像素点。

本申请实施例还公开一种计算机可读存储介质，存储有能够被处理器加载并执行的计算机程序，该计算机程序被处理器执行时实现上述任一种骨料体积计算方法的步骤，且能达到相同的效果。

参照图3，本申请实施例还公开了粒形级配数据生成方法。

粒形级配数据生成方法，包括：

S300，对轮廓图拟合外接最小矩形，得到每个骨料的长和宽。

具体的，对轮廓图中每个骨料拟合外接最小矩形，得到外接最小矩形的像素长L、像素宽W和旋转角A；

根据X轴的像素物理大小dx和Y轴的像素物理大小dy，计算每个骨

料的实际长Li和实际宽Wi；Li的计算公式为：Li=；所述X=L*cosA*dx，所述Y= L*sinA*dy；Wi的计算公式为：Wi=；所述x=W*cos(A+90°)*dx，所述y=W *sin(A+90°)*dy。

其中，粒形级配数据生成方法中的轮廓图由电脑主机处理骨料体积计算方法中的二值图得到。

S310，根据每个骨料的长、宽和高，按照预设的粒径大小区间，对全

部的骨料进行数据分类处理。

具体的，取每个骨料的轮廓图内所有像素点的高度的最大值作为每个骨料的高Himax；利用每个骨料的Li、Wi和Himax进行计算，得到每个骨料的粒径R；根据每个骨料的粒径R，将对应的骨料划分至对应的粒径大小区间中。

其中，像素点的高度来自骨料的3D数据，由于骨料的3D数据存储于相机坐标系中，且进行了像素坐标的映射，所以每个像素点中保存有对应的高度值。预设的粒径大小区间具体为：“<2.36mm、2.36-4.75mm、4.75-9.50mm、9.50mm-16.0mm、16.0-19.0mm、19.0-26.5mm、26.5-31.5mm、>31.5mm”。

粒径R的计算公式为：、、、。根据Li、Wi和Himax，选用上述四个计算公式中的其中一个进行粒径R计算，再根据对应的粒径R进行分类，最后进行后续步骤得到级配曲线。若得到的级配曲线偏离标准曲线，则工人可重新选择上述公式中的一个公式进行重新计算，以便于进行修正，得到较为准确的级配曲线。

得到粒径R时，果一个骨料的粒径R=17.5mm，则该骨料属于16.0-19.0mm的区间。

S320，根据各个骨料的体积信息，计算每个粒径区间的分计筛余值和累计筛余值，生成级配数据表。

骨料的体积信息，通过上述任意一种骨料体积计算方法获得。

具体的，级配数据表可以包括但不限于三列和九行，表格首行中三个单元格的内容分别是：“粒径大小、分计筛余%、累计筛余%”，表格第一列的第二行至第九行的内容分别是：“<2.36mm、2.36-4.75mm、4.75-9.50mm、9.50mm-16.0mm、16.0-19.0mm、19.0-26.5mm、26.5-31.5mm、>31.5mm”。

其中，分计筛余值由对应的的粒径大小区间内的骨料体积除以总骨料体积再乘以100%得到；累计筛余值由分计筛余依次叠加得到，例如：粒度“>31.5mm”内的分计筛余为42.63%，粒度“26.5-31.5mm”内的分计筛余值为21.35%，粒度“19.0-26.5mm”内的分计筛余值为30.71%，粒度“16.0-19.0mm”内的分计筛余值为5.32%，其余粒度的分计筛余值均为0%，则粒度“>31.5mm”的累计筛余值为42.63%，粒度“26.5-31.5mm”的累计筛余值为42.63%+21.35%=63.92%，粒度“19.0-26.5mm”的累计筛余值则为94.68%，粒度“16.0-19.0mm”的累计筛余值则为100.0%，且其余粒度的累计筛余值均为100.0%。

S330，根据级配数据表中的累计筛余值，绘制粒形级配曲线，以便于判断成堆的骨料的级配是否合格。

具体的，根据级配数据表内的粒径大小和累计筛余值绘制曲线。将级配曲线添加至标准比对曲线图中，以便于工人对级配曲线与标准曲线进行对比，从而更准确更直观地展示分析结果，提高了分析精度。

其中，以粒径大小为X轴，累计筛余为Y轴，绘制折线图，从而得到粒形级配曲线。标准比对曲线图中包括：级配上限曲线、级配下限曲线和级配中值曲线。若得到的粒形级配曲线在标准比对曲线图中，位于级配上限曲线和级配下限曲线之间，且靠近于级配中值曲线，则判断为合格；若得到的粒形级配曲线在标准比对曲线图中，不处于级配上限曲线和级配下限曲线之间，则判断为不合格。

综上所述，执行上述方法在准确的轮廓图中计算出每个骨料的粒径，并进行准确的粒度划分，配合已知的骨料体积，得到准确地级配数据表，再根据级配数据表，得到更为直观且准确的粒形级配曲线，从而提高了分析精度。

参照图4，本申请实施例还公开了粒形级配数据生成系统。

粒形级配数据生成系统，包括：

骨料长宽获取模块400，用于对轮廓图拟合外接最小矩形，得到每个骨料的长和宽；

骨料分类模块410，用于根据每个骨料的长、宽和高，按照预设的粒径大小区间，对全部的骨料进行数据分类处理；

级配数据表生成模块420，用于根据各个骨料的体积信息，计算每个粒径区间的分计筛余值和累计筛余值，生成级配数据表；

级配曲线生成模块430，用于根据级配数据表中的累计筛余值，绘制粒形级配曲线，以便于判断成堆的骨料的级配是否合格。

具体的，粒形级配数据生成系统包括电脑主机，电脑主机内存储有可

执行粒形级配数据生成方法的计算机程序，用于对轮廓图拟合外接最小矩形，得到每个骨料的长和宽，根据每个骨料的长、宽和高，按照预设的粒径大小区间，对全部的骨料进行数据分类处理，将每个骨料的体积信息，汇总至对应的粒径大小区间，并生成级配数据表，根据级配数据表，绘制粒形级配曲线。

本申请实施例还公开了另一种电子设备，包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述任一项粒形级配数据生成方法的计算机程序，当该计算机程序被处理器执行时，执行以下步骤：

对轮廓图拟合外接最小矩形，得到每个骨料的长和宽；

根据每个骨料的长、宽和高，按照预设的粒径大小区间，对全部的骨

料进行数据分类处理；每个所述骨料的高为每个骨料的轮廓图内所有像素点的高度的最大值；

根据各个骨料的体积信息，计算每个粒径区间的分计筛余值和累计筛余值，生成级配数据表；骨料的体积信息通过上述任意一种骨料体积计算方法获得；

根据级配数据表中的累计筛余值，绘制粒形级配曲线，以便于判断成堆的骨料的级配是否合格。

可选的，本申请的实施例中，当计算机程序被处理器运行时，执行以下步骤：对轮廓图中每个骨料拟合外接最小矩形，得到外接最小矩形的像素长L、像素宽W和旋转角A；

根据X轴的像素物理大小dx和Y轴的像素物理大小dy，计算每个骨料的实际长Li和实际宽Wi；Li的计算公式为：Li=；所述X=L*cosA*dx，所述Y= L*sinA*dy；Wi的计算公式为：Wi=；所述x=W*cos(A+90°)*dx，所述y=W *sin(A+90°)*dy。

可选的，本申请的实施例中，当计算机程序被处理器运行时，执行以下步骤：取每个骨料的轮廓图内所有像素点的高度的最大值作为每个骨料的高Himax；

利用每个骨料的Li、Wi和Himax进行计算，得到每个骨料的粒径R；

根据每个骨料的粒径R，将对应的骨料划分至对应的粒径大小区间中。

本申请实施例还公开一种计算机可读存储介质，存储有能够被处理器加载并执行的计算机程序，该计算机程序被处理器执行时实现上述任一种粒形级配数据生成方法的步骤，且能达到相同的效果。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的方法、原理所做的等效变化，均应涵盖于本申请的保护范围之内。