爆破岩块自动识别与块度特征提取方法.pdf

第3 6 卷第3 期 爆破 V 0 1 ．3 6N o ．3 2 0 1 9 年9 月B L A S T I N GS e p ．2 0 1 9 d o i 1 0 ．3 9 6 3 ／j ．i s s n ．1 0 0 1 - 4 8 7 X ．2 0 1 9 ．0 3 ．0 0 7 爆破岩块自动识别与块度特征提取方法 谢博1 ，施富强1 ’2 ，赵建才3 ，朱登高3 ，蒋建德3 ，李徐然1 ，廖学燕2 ，李锋1 1 ．西南交通大学机械工程学院，成都6 1 0 0 3 1 ；2 ．四川省安全科学技术研究院，成都6 1 0 0 4 5 ； 3 ．大昌建设集团有限公司，舟山3 1 6 0 0 0 摘要爆破块度是评价爆破效果的主要评价指标之一。为了快速、准确获取这一指标，以爆破后部分岩 块为研究对象，利用三维激光扫描仪获取岩块点云数据，在原始点云数据预处理的基础上，通过设定体素聚 类控制标准与权重因子W 的变化区间计算得到超体聚类点云。然后通过凹凸性判据中阈值 岛h T 尚、‰尚 的设定对聚类结果融合，利用区域生长的思想进行岩块点云分割，达到岩块轮廓面自动识别的目的。从岩块 点云的分割结果中依次提取出单个岩块点云，应用P C A 算法自动计算岩块粒径并统计块度分布结果。结果 表明岩块分割效果好，自动计算法与手动量取法的平均相对误差约为4 ．9 0 ％，且块度分布的统计结果对爆 破质量评价有一定的指导作用，满足对爆破质量分析与评价的要求。 关键词爆堆块度；三维激光扫描；，羔云分割；超体素体；岩块粒径 中图分类号T V 5 4 2文献标识码A文章编号1 0 0 1 4 8 7x 2 0 1 9 0 3 0 0 4 3 0 7 M e t h o do fA u t o m a t i cI d e n t i f i c a t i o na n dE x t r a c t i o no f t h eF r a g m e n t a t i o nC h a r a c t e r i s t i c so fB l a s t i n gR o c kB l o c k s X I EB o1 ，S H IF u q i a n 9 1 一，Z H A OJ i a n c a i 3 ，Z H UD e n g g a 0 3 ， J I A N GJ i a n d e 3 ，L IX u r a n l ，L I A OX u e y a n 2 ，L IF e n 9 1 1 ．S c h o o lo fM e c h a n i c a lE n g i n e e r i n g ，S o u t h w e s tJ i a o t o n gU n i v e r s i t y ，C h e n g d u61 0 0 31 ，C h i n a ； 2 ．S i c h u a nA c a d e m yo fS a f e t yS c i e n c ea n dT e c h n o l o g y ，C h e n g d u6 1 0 0 4 5 ，C h i n a ； 3 ．D A R C HC O N S T R U C T I O NG R O U PC OL T D ，Z h o u s h a n316 0 0 0 ，C h i n a A b s t r a c t T h eb l a s t i n gf r a g m e n t a t i o ni so n eo ft h em a i ne v a l u a t i o ni n d e x e sf o re v a l u a t i n gt h eb l a s t i n ge f f e c t ．I n o r d e rt oo b t a i nt h i si n d e xq u i c k l ya n da c c u r a t e l y ，t h eb l a s t i n gf r a g m e n t sw e r et a k e na sr e s e a r c ho b j e c t s ．A n dt h ep o i n t c l o u dd a t ao ft h er o c kb l o c k sw a so b t a i n e db ya3 Dl a s e rs c a n n e r ．B a s e do nt h ep r e t r e a t m e n to ft h eo r i g i n a lp o i n t c l o u dd a t a ，as u p e r v o x e lc l u s t e r i n gp o i n tc l o u dw a so b t a i n e db ys e t t i n gt h ev o x e lc l u s t e r i n gc o n t r o ls t a n d a r da n dt h e w e i g h t i n gf a c t o rw ．T h e nt h ec l u s t e r i n gr e s u l t sw e r ei n t e g r a t e db yt h et h r e s h o l d 3 T h m h 、p 仆r e s h s e t t i n gi nt h ec o n c a v i t y a n dc o n v e x i t yc r i t e r i o n ．T h ei d e ao fr e g i o n a lg r o w t hw a su s e dt oc o m p l e t et h er o c kp o i n tc l o u ds e g m e n t a t i o n ，w h i c ha c h i e v e dt h ep u r p o s eo fa u t o m a t i ci d e n t i f i c a t i o no fb l a s t i n gr o c kb l o c k s ．T h e n ，e x t r a c t i n ge a c hr o c kp o i n tc l o u df r o m t h es e g m e n t a t i o nr e s u l t so ft h er o c kp o i n tc l o u di nt u r n ，t h eP C Aa l g o r i t h mw a su s e dt oa u t o m a t i c a l l yc a l c u l a t et h e r o c km a s ss i z ea n dc o u n tt h ef r a g m e n t a t i o nd i s t r i b u t i o n ．T h er e s u l t ss h o w e dt h a tt h er o c ks e g m e n t a t i o ne f f e c tw a s g o o d ，a n dt h er e l a t i v ee r r o rb e t w e e nt h ea u t o m a t i cc a l c u l a t i o nm e t h o da n dt h em a n u a lm e a s u r e m e n tm e t h o dw a s 4 ．9 0 ％．T h e r e f o r e ，t h es t a t i s t i c a lr e s u l t sh a v eac e r t a i ng u i d i n ge f f e c to nt h eb l a s t i n gq u a l i t ye v a l u a t i o n ，w h i c hm e e t s t h er e q u i r e m e n t sf o rb l a s t i n gq u a l i t ya n a l y s i sa n de v a l u a t i o n ． K e yw o r d s b l a s t i n gf r a g m e n t a t i o n ；3D l a s e rs c a n n i n g ；p o i n tc l o u ds e g m e n t a t i o n ；s u p e r v o x e l ；p a r t i c l es i z eo f r o c k 万方数据 爆破2 0 1 9 年9 月 爆破块度是评价爆破效果的重要参数之一，可 以为爆破参数设计和优化提供基础依据。岩石爆破 后块度过大或者过小，不仅直接影响铲装、运输、机 械破碎等后续作业过程，还会对企业的经济效益、安 全等方面造成不同程度的影响。因此，实现对爆破 块度的特征提取是爆破控制研究迫切需要解决的问 题，对生产具有重要的指导意义⋯。 近年来，国内外学者提出多种岩块块度的分类 和分布的系统评价方法，N o yMJ 采用立体相机获 取堆石块度分析的成像图片，基于改进的自动颗粒 分割的图像测量算法测量块度的分布[ 2 ] 。但国内 对爆破块度图像识别与处理的成果较少，孙厚广等 采用正面垂直拍摄标准照片的方法对矿石爆堆进行 拍摄，在图像处理软件中设置正方形网格，以此正方 形网格为基准，对拍摄的照片逐一进行分析，评价爆 破块度[ 3 ] 。该方法通过二维图像获取的爆堆数据 完整性较差，认为判断矿石面积在每个方格中的面 积准确性欠佳，无法获取单个岩块的具体块度，块度 总体分布结果估算误差较大。陈良琴等通过提取矿 岩块度颜色和纹理特征进行块度分类，对于颜色和 纹理特征相似的岩块分类效果欠佳，适用范围受 限[ 4J 。以及在工程实践中常用的直接澳0 量法，不仅 存在获取数据难度大，耗时耗力，而且后期数据处理 过程繁琐。所以，为了实现更好的效果，改进当前对 爆破块度分布测量效率低与精度低的不足，需要引 入更加自动化与智能化的方法。 随着三维激光扫描技术的不断发展与仪器设备 成本的逐渐降低，该技术在不同领域得到广泛的应 用。应用三维激光扫描技术，获得较完整的爆堆表 面三维空间点云数据。在原始点云数据预处理的基 础上，进行岩块点云图像分割，实现岩块轮廓面的自 动识别。最后，将识别出的岩块根据其特征信息计 算得到岩块粒径。以上方法通过对岩块点云数据的 分析与提取，得到爆破块度分析的方法。应用此方 法改进了传统方法的不足，是爆破块度分析的自动 化与智能化的探索。 1爆破块度自动识别方法 1 ．1 数据预处理 爆堆岩块点云的数据预处理包括对原始点云数 收稿日期2 0 1 9 0 4 0 2 作者简介谢博 1 9 9 4 一 ，男，在读硕士，从事安全工程与工业工 程方面的研究， E ．m a i l 5 3 4 3 8 3 6 7 3 q q ．t o m 。 通讯作者施富强 1 9 6 1 一 ，男，教授级高工、硕士，从事爆破技术和 安全科技的研究， E m a i l s f q s w j t u ．e d u ．c n 。 基金项目四川省科技计划项目[ 2 0 1 6 ] 8 号；四川省省级科研院所基 本科研业务费项目 2 0 1 8 Y s K Y 0 0 3 8 据的拼接、去噪和下采样三个过程。 爆堆中岩块的分布面积较广且岩块之间存在互 相遮挡的现象，将各角度获取的多站点云数据根据 标靶的相对位置关系放置在同一个坐标系下，以获 得岩块完整的外形轮廓点云数据。进而采用基于统 计的去噪算法 S t a t i s t i c a lO u t l i e rR e m o v a l ，S O R [ 5 ] 去除空气中浮尘等噪声数据。最后的下采样过程采 用栅格化算法提高块度点云的识别速度和计算效 率‘6 I 。 1 ．2计算超体聚体 将三维岩块点云中的数据点聚类形成超体素体 S u p e r v o x e l [ 7 ] ，采用图1 所示八叉树空间索引结构 划分预处理空间点云后形成若干体素[ 8 ] 。在体素 聚类过程中，需要指定聚类中心大i b R v o x e l 、最大 聚类范围 R s e e d 与最小聚类大小 M O V ，M i n i m u m O c c u p i e dV o x e l s ，如图2 所示。 图1八叉树 F i g ．1 O c t r e e 图2 聚类几何关系 F i g ．2 G e o m e t r i cr e l a t i o n so fc l u s t e r i n g 聚类过程的控制是对邻接的点进行差异计算， 差异控制变量D 值最小的点为被聚类吸收的数据 点。聚类完成后形成多个超体素体，即岩块点云结 构面被划分为若干范围确定的小单元。对聚类差异 控制有一般式 印百 百 万方数据 第3 6 卷第3 期谢博，施富强，赵建才，等爆破岩块自动识别与块度特征提取方法4 5 式中D ，表示颜色差异；D 。表示法线的差异； D 。代表距离上的差异；W 表示对应的权重因子。 1 ．3 点云分割 在岩块点云结构面形成超体聚类的基础上，采 用L C C P L o c a l l yC o n v e xC o n n e c t e dP a t c h e s [ 9 J1 ] 算 法中C C E x t e n d e dC o n v e xC r i t e r i o n 和S C S a c i t y C r i t e r i o n 两个判据对岩块结构面上的聚类结果进 行融合。 如图3 所示，龙i 、z 分别为相邻两块超体聚类点 云的中心向量，n i 、n 分别为相邻两块超体聚类点云 的法向量，- j 戈i 一彤为相邻超体聚类点云中心向量 的连线向量。C C 判据利用j 与其法向量的夹角 仪，、0 c 进行判断，当仅。 p 豫枷[ 及凡’，凡i ] ⋯。 【不成立，其他 3 式中0 为相邻超体聚类点云质心相连的向量 与相邻超体聚类点云相交的直线向量的夹角；0 豫。。 [ 及凡i ，n i ] 为相邻超体聚类点云法向量之间夹角 的阈值。 芦庄户庄 图4S C 判据示意图 F i g ．4 S k e t c hm a po fs a c i t yc r i t e r i o n 综上所述，岩块点云结构面上相邻超体聚类点 云凸邻接关系须同时满足C C 和S C 判据。通过该 算法标记岩块点云结构面各个小区域的凹凸关系， 利用区域生长算法并只允许区域跨越凸边增长，完 成对岩块点云聚类结果的融合，达到爆堆中岩块自 动识别的目的【1 2 ’13 | 。 1 ．4 岩块特征分析 获取岩块点云分割后图像保存的P C D 格式数 据文件，对于聚类数据，采用标签存储各点归属的点 云集。然后对相同标签值的点云数据进行提取并分 析岩块的特征信息，使用主成分分析法 P C A _ 1 4 1 来 自动计算岩块粒径，其原理是将原始的样本数据组 合成矩阵并投影到一个新的空间中，通过线性变换 将原始数据变换为一组各维度线性无关的表示，选 择投影方向为方差在该方向上投影最大的方向。 将其应用于将爆破岩块的三维点云数据降维为 一维，即将原始数据按列组成T ／, 行m 列矩阵X ，将X 的每一维度进行零均值化，即减去这一列的均值，求 出协方差矩阵及协方差矩阵的特征值和对应的特征 向量。将特征向量按对应特征值大小从上到下按列 排列成矩阵，取前k 列组成矩阵P 。将原始样本数 据乘以矩阵P 即为降维到k 维后的数据，达到降维 ◇ 万方数据 爆破2 0 1 9 年9 月 的目的。降维后一维数据中最大值与最小值的差即 得到爆破岩块粒径。 综上所述，爆破岩块自动识别与特征提取的工 作流程如图5 所示。 丌始 点云进行拼接 预处胄 去燥，P ／．缩 计算赳体聚体 T T s 获取多站 爆埭点云数据 使用L C C P 算法进行聚类 提取岩块点云 使用P C A 算法计算岩块 粒径并统计块馊分布 ．竺壅．． 图5 爆破块度分析流程图 F i g ．5B l a s t i n gb l o c ka n a l y s i sf l o wc h a r 2 试验结果与分析 以舟山绿色石化基地8 0 0 0 万m 3 岩石爆破工程 为研究背景，其将岛上山体爆破后形成平台，并将爆 破石料用于基地建设陆域形成、海堤填筑，对爆破岩 石块度要求较高。因此，需要快速测算岩石块度，提 高工程效率。利用z F5 0 1 0 C 型号的三维激光扫 描仪获取岩块点云数据，并选取现场采集的部分岩 块点云进行分析，选取部分的面积长约3 0m ，宽约 2 0m 。岩块点云分割算法使用C 并结合开源库 P o i n tC l o u dL i b r a r y P C L 进行编写，软件配置为 W i n d o w s l 06 4 位操作系统，P C L l ．8 ．0 ，V S 2 0 1 5 ，岩块 特征分析与块度分布统计使用M A T L A BR 2 0 1 7 a ，能 保证程序运行的可靠性与速度。 2 ．1 岩块自动识别 岩块点云数据的预处理过程，使用基于统计的 去噪算法对岩块点云数据去噪，该算法在爆破岩块 场景中有较好的去噪效果。下采样过程采用的栅格 化算法，具有识别速度快，计算效率高的特点。 为了比较控制聚类过程的参数设置给分割结果 带来的影响，我们对图6 所示点云图像进行实验分 析，实验数据来源开源的点云库P C L ，通过设置不 同的最大聚类范围 R ⋯。 数值来比较分割效果，如 图7 所示。 图6 试验点云图像 F i g ．6E x p e r i m e n t a lp o i n tc l o u dp i c t u r e 酬杠啦阵蚺啦‘j 筘J 蛐I 瑚眇 图7 试验结果对比 F i g ．7C o m p a r i s o no fe x p e r i m e n t a lr e s u l t s 由以上实验结果，R ⋯。取值为0 ．0 4 与0 ．0 6 时 的分割效果好于另外两种情况。因此，尺一。取值过 小会导致超体聚体数量过多，计算耗时且存在过分 割；取值过大，又会将性质不同的点云块聚类，而导 致欠分割。同样，根据岩块点云的特性，需要合理设 置权重因子，结合实际待分割场景比较邻接点的颜 色、法线、距离三个特征对超体聚类过程的影响程 度，合理分配其权重因子，得到更好的分割效果J 。 因此，对于不同的应用场景选取合适的参数是最终 分割效果好坏的关键。 如图8 所示，对于所选试验区域，由于体素色彩 差异对于后续的岩块聚类采用的算法影响不显著， 万方数据 第3 6 卷第3 期谢博，施富强，赵建才，等爆破岩块自动识别与块度特征提取方法4 7 通过对岩块识别进行的多次参数试验，确定式 1 计算D 的对应权重取值范围为W ．取值区间为[ 0 ， 0 ．5 ] ，W 。取值区间为[ 0 ．5 ，1 ．5 ] ，加。取值区间为[ 0 ， 5 ] 。最大聚类范围即晶核分辨率 R 一。 取0 ．2m ， 聚类中心大小 R 。，d 即体元分辨率取0 ．0 1m 和最 小聚类尺寸 M O V 取0 ．1m 。 一l l 从图8 c 看出岩块点云的分割效果，可以看出 大部分岩块分割效果较好，只有部分小块岩体以及 仍存在噪声干扰的岩块有欠分割和过分割现象，大 块岩体识别效果较好。随着采集数据精度的不断提 高，块度识别的效果也会进一步改善，另外，还可以 从改进分割判据的角度改善识别效果[ 15 I 。 I 也盂捆趾■阳l 十葬嗣体■幛C r I 点云{ i 卜羽f 扪特征点五薯取 Ie l m 幢4p - 呵I t 酿_ - I 血B t 悼元持姊阜嚷伽哪．譬瞳给■ I 废惺整氍曩取3 D I d ln 一一r Rp ．一嘲r h h u d 柚抽 本t m o ．L ■邑l 嚏I 取日．匪秣⋯r n o n q 巾I 硼d - 呷_ 哪l 哪 嗍 l l 取●，瞌斟渚t ■津．3Ii i N l i 。．’I 山函叫圯目山卜勘■●l - 如严} 眦他k 讪如I h _ ．1 1 埘椰- d I H _ d _ 山l l - ．I 0 自I ．_ - - l Ik l m , 1 1 ．工 _ l h t _ d h 譬i b 啊一母- 蛔譬L ． 蛰辞幽咂 m 喜攮廿剖置量曩矗曩圈 一j 曲h ． h i _ ．i 誓岫d I I 柚●妇蛔啊赫h 图8 岩块分割及提取流程 F i g ．8 R o c kb l o c ks e g m e n t a t i o na n de x t r a c t i o np r o c e s s 2 ．2 岩块特征分析 提取点云聚类图像的P C D 格式数据文件中相 同标签值的点云数据。通过岩块点云点数的多少初 步判断岩块大小，可以按实际需要提取出单个岩块， 如图8 d 所示。完成提取后进一步分析岩块的特 征信息，利用主成分分析法 P C A 计算可得到岩块 粒径。在图9 中，计算过程中出现岩块粒径异常值 1 7 ．1 8m ，结合现场情况分析，此点云集明显不是岩 块的点云集。出现此现象的原因为试验中岩块点云 残留噪声的影响，自动计算时将噪声点云识别为岩 块所造成。所以将其去除，在后续分析中不予考虑。 试验中将手动量取与自动计算两种方法进行对 比，因试验区域岩块数量较多，故结合现场情况将岩 块粒径划分为0 ～0 ．5m 、0 ．5 ～1m 、1 ～2m 、2 ～ 3m 、3 ～5m 五个长度区间，并从各个区间随机选取 部分岩块，验证本文提出自动计算法的正确性。从 表1 中可以看出，岩块自动计算法相对于手动计算 法的相对误差较小，平均相对误差为4 ．9 0 ％，可以 将其用于后续块度分布统计分析。但仍存在个别相 对误差较大的情况，产生此现象的原因是由于岩块 点云图像出现过分割与欠分割而产生的较大计算误 差，需要不断改进岩块点云分割判据。另外，自动计 算得到的结果普遍更长，是因为存在离群噪声点对 计算造成影响，因此，在后续研究中可在更好去噪方 法的基础上，进一步减小自动计算误差。将此自动 计算方法应用到爆破质量分析与评价中可以满足工 程应用的需要l1 6 , 1 7 j 。 2 ．3 块度分布统计 在岩块特征分析的基础上，自动计算每个岩块 的粒径并统计，爆堆所有岩块粒径计算结果如图1 0 所示，通过统计算法实现特征量的快速统计分析。 将爆破块度的分布分为五个区域，所计算岩块粒径 0 ～0 ．5m 的为碎块，0 ．5 ～1m 的为小块，1 ～2m 的 为中块，2 ～3m 的为大块，3 ～5m 的为特大块。实 验区岩块的分布情况如图1 0 所示，该统计结果可以 为爆破质量评价中块度的分布情况提供参考，大部 分岩块粒径在0 ～0 ．5m ，碎块约占4 6 ．0 8 ％，小块约 占3 8 ．2 5 ％，中块约占1 2 ．2 1 ％，大块约占2 ．7 6 ％，但 仍存在极少量0 ．4 6 ％的特大块岩块，为方便运输需 要考虑进行二次破碎。 万方数据 4 8爆破2 0 1 9 年9 月 表1 两种计算方法对比 T a b l e1 C o m p a r i s o no ft w oc a l c u l a t i o nm e t h o d s “J 柚l l ～M “I | I l山L “舢l u 且k ～“b ． 05 1l J1 5 2 0 } 2 5 03 0 3 5 4 0 4 5 块标签0 ／个 图9 岩块粒径计算结果 F i g ．9 C a l c u l a t i o nr e s u l t so fr o c kp a r t i c l es i z e 0 - 0 ．5 ．5 ～I【～22 N 33 ～5 粒径f m 图1 0 粒径分布统计图 F i g ．1 0 S t a t i s t i c a lc h a r to fp a r t i c l es i z ed i s t r i b u t i o n 3 结论 为顺应未来爆破块度分析的自动化与智能化的 发展趋势，根据图像分割的岩块三维点云图像研究 了块度特征粒径的计算方法并统计块度分布。 1 通过计算点云超体聚类的方法分割三维岩 块点云模型，进而利用L C C P 算法判断岩块结构面 的凹凸关系，并分析岩块点云分割与融合过程的特 征参数设置，实现了爆堆中岩块自动识别。 2 应用P C A 算法中数据降维的思想提取了岩 块的块度特征，建立了岩块粒径的计算方法。研究 结果表明手动量取与自动计算两种方法计算结果 的平均相对误差大约为4 ．9 0 ％。 3 在岩块自动识别并提取块度特征的基础 上，对爆破块度分布进行定量评价，根据实例的统计 分析结果验证了本文方法可用于快速统计爆堆中岩 块的块度分布。 参考文献 R e f e r e n c e s 胡卸文，钟沛林，任志刚．岩体块度指数及其工程意义 [ J ] ．水利学报，2 0 0 2 3 8 0 一8 3 ． H UX i e w e n ，Z H O N GP e i l i n ，R E NZ h i g a n g ．R o c k m a s s b l o c ki n d e xa n di t se n g i n e e r i n gp r a c t i c es i g n i f i c a n c e lJj ． J o u m a lo fH y d r a u l i cE n g i n e e r i n g ，2 0 0 2 3 8 0 8 3 ． i n C h i n e s e 荆永滨，王公忠，毕林，等．基于块体形状分类的爆 堆块度三维几何参数估算[ J ] ．爆破，2 0 1 8 ，3 5 1 3 5 4 1 ． J I N GY o n g b i n ，W A N GG o n g z h o n g ，B IL i n ，e ta 1 ．E s t i m a t i o no f3D g e o m e t r i cp a r a m e t e r so fb l a s t i n gf r a g m e n t a t i o n b a s e do nb l o c ks h a p ec l a s s i f i c a t i o n [ J ] ．B l a s t i n g ，2 0 1 8 ， 3 5 1 3 5 4 1 ． i nC h i n e s e 蛐盯柏驺∞笛如”Ⅲ5 o 零≥一文E ]l-1J 1 J 1 J 1 1 2 2 ．L．L．L．L 8 6 4 2 0 8 6 4 2 l 1 1 l 1 ￡、潭翼j；c}琅 万方数据 第3 6 卷第3 期谢博，施富强，赵建才，等爆破岩块自动识别与块度特征提取方法 4 9 [ 3 ]N O YMJ ．E v a l u a t i o no fan e wv i s i o ns y s t e ma l g o r i t h mf o r a u t o m a t e df r a g m e n t a t i o nm e a s u r e m e n tf r o mas h o v e l lCJ f1 lt hI n t e r n a t i o n a lS y m p o s i u mo nR o c kF r a g m e n t a t i o n b yB l a s t i n g ．S y d n e y [ S ．n ．] ，2 0 1 5 7 2 1 - 7 2 6 ． [ 4 ] 孙厚广，潘鹏飞，韩忠和，等．一种矿石爆破块度分布 的系统评价方法．中国C N l 0 4 4 0 6 9 8 3 A [ P ] ．2 0 1 5 0 3 1 1 ． [ 4 ]S U NH o u g u a n g ，P A NP e n g f e i ，H A NZ h o n g h e ，e ta 1 ． S y s t e m a t i ce v a l u a t i o n m e t h o df o ro r eb l a s t i n gb l o c kd e g r e e d i s t r i b ．u t i o n ．C h i n a C N l 0 4 4 0 6 9 8 3 A [ P ] ，2 0 1 5 - 0 3 ．1 1 ． i nC h i n e s e [ 5 ] 陈良琴，王卫星．基于多特征及分割再校正的矿岩块 度分类方法．中国C N l 0 4 4 6 3 1 9 9 址P ] ．2 0 1 5 - 0 3 - 2 5 ． [ 5 ] C H E NL i a n g - q i n ，W A N GW e i x i n g ．M i n e r a lr o c kb l o c k c l a s s i f i c a t i o nm e t h o db a s e do nm u l t i p l ef e a t u r e sa n ds e g - m e n t a t i o nr e c a l i b r a t i o n ．C h i n a C N l 0 4 4 6 3 1 9 9 AlPJ ． 2 0 1 5 0 3 - 2 5 ． i nC h i n e s e [ 6 ] R A D UBR ，Z O L T A NCM ，N I C OB ，e ta 1 ．T o w a r d s3 D p o i n tc l o u db a s e do b j e c tm a p sf o rh o u s e h o l de n v i r o n m e n t s [ J ] ．R o b o t i c sa n dA u t o n o m o u sS y s t e m s ，2 0 0 8 ，5 6 11 9 2 7 9 4 1 ． [ 7 ] 邢正全，邓喀中，薛继群．基于栅格划分和法向量估计 的点云数据压缩[ J ] ．测绘通报，2 0 1 2 7 5 0 - 5 2 ． [ 7 ] X I N GZ h e n g q u a n ，D E N GK a - z h o n g ，X U EJ i - q u n ．P o i n t c l o u dd a t ac o m p r e s s i o nb a s e do ng r i dd i v i s i o na n dN o r m a l V e c t o rE s t i m a t i o n [ J ] ．B u l l e t i no fS u r v e y i n ga n dM a p p i n g ，2 0 1 2 7 5 0 - 5 2 ． i nC h i n e s e [ 8 ] P A P O NJ ，A B R A M O VA ，S C H O E L EM ，e ta 1 ．V o x e lc l o u d c o n n e c t i v i t ys e g m e n t a t i o n s u p e r v o x e l s f o r p o i n t c l o u d s lJJ ．C o - m p u t e rV i s i o n P a t t e r nR e c o g n i t i o n ，2 0 1 3 ， 9 4 2 0 2 7 - 2 0 3 4 ． [ 9 ] 廖丽琼，白俊松，罗德安．基于八叉树及K D 树的混合 型点云数据存储结构[ J ] ．计算机系统应用，2 0 1 2 ， 2 1 3 8 7 - 9 0 ． [ 9 ] L I A OL i q i o n g ，B A IJ u n s o n g ，L U OD e a n ．I n t e g r a t e d p o i n tc l o u ds t o r a g es t r u c t u r eb a s e do no e t r e ea n dK D t r e e [ J ] ．C o m p u t e rS y s t e m s a n dA p p l i c a t i o n s ，2 0 1 2 ，2 1 3 8 7 - 9 0 ． i nC h i n e s e [ 1 0 ] S T E I NSC ，S C H O E L E RM ，P A P O NJ ，e ta 1 ．O b j e c tp a r - t i t i o n i n gu s i n gl o c a lc o n v e x i t y [ C ] ∥2 7 t hI E E EC o n f e r e n c eo nC o m p u t e rV i s i o na n dP a t t e r nR e c o g n i t i o n ．C o l u m b u s I E E EC o m p u t e rS o c i e t y ，2 0 1 4 3 0 4 3 1 1 ． [ 1 1 ] 黄镇，韩慧妍，韩燮．基于凹凸性方法的杂乱场 景点云分割算法[ J ] ．科学技术与工程，2 0 1 8 ， 1 8 1 4 4 3 ．4 7 ． [ 11 ] H U A N GZ h e n ，H A NH u i y a n ，H A NX i e ．D i s o r d e r l y s c e n ep o i n tc l o u ds e g m e n t a t i o na l g o r i t h mb a s e do nc o n c a v i t ya n dc o n v e x i t ym e t h o d [ J ] ．S c i e n c eT e c h n o l o g ya n d E n g i n e e r i n g ，2 0 1 8 ，1 8 1 4 4 3 4 7 ． i nC h i n e s e 【1 2 ]M O O S M A N NF ，P I N KO ，S T I L L E RC ．S e g m e n t a t i o no f 3 Dl i d a rd a t ai nn o n - - f i a tu r b a ne n v i r o n m e n t su s i n gal o - c a lc ．o n v e x i t yc r i t e r i o n [ C ] ／／I E E EI n t e