采煤面矫直方法、装置及综采工作面系统

技术领域

本发明涉及勘探技术领域，具体涉及一种采煤面矫直方法、装置及综采工作面系统。

背景技术

随着科技及社会的不断发展，煤矿勘探的智能化程度越来越高。在智能化煤矿勘探领域中，采煤面的平直度对采煤效率以及采煤安全性具有重要影响。当采煤面发生弯曲（即挖掘的径向深度不一致）时，会出现采煤效率低下以及采煤安全性降低的弊端，由此采煤面的矫直在煤矿勘探领域具有十分重要的意义。

目前，通常采用的采煤面矫直方法为人工矫直方法，即由人工判断采煤面是否平直，并在确定采煤面不平直的情况下，通过人工调整参数来进行采煤面矫直。然而采用该种方法，采煤面矫直效率低下，矫直精度低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的采煤面矫直方法、装置及综采工作面系统。

根据本发明第一方面，提供了一种采煤面矫直方法，包括：

获取设置于刮板机挡板的雷达设备采集到的点云数据；

基于所述点云数据，筛选出坐标处于预设范围内的点云；

采用基于密度聚类算法，对所述坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇，并从所述至少一个点云簇中识别出采煤面对应的目标点云簇；

根据所述目标点云簇中采样点与刮板机挡板之间的距离，判断采煤面是否平直；

若否，根据所述目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数，以供控制器基于所述挖掘参数控制采煤机挖掘。

在一种可选的实施方式中，所述预设范围通过以下方式确定：

获取历史时间窗口内已识别出的采煤面对应的目标点云簇；

根据历史时间窗口内各个目标点云簇的分布范围，确定所述预设范围。

在一种可选的实施方式中，所述根据历史时间窗口内各个目标点云簇的分布范围，确定所述预设范围进一步包括：

将历史时间窗口内各个目标点云簇叠加，以获得叠加点云簇；

分别确定所述叠加点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，将该方向上的最大边界值与预设冗余值的和作为所述预设范围中该方向上的最大边界值；以及将该方向上的最小边界值与预设冗余值的差作为所述预设范围中该方向上的最小边界值。

在一种可选的实施方式中，所述根据历史时间窗口内各个目标点云簇的分布范围，确定所述预设范围进一步包括：

针对于历史时间窗口内任一目标点云簇，分别确定该目标点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，统计该方向对应的目标点云簇的最大边界值的平均值及标准差；以及统计该方向对应的目标点云簇的最小边界值的平均值及标准差；

根据各个方向对应的目标点云簇的最大边界值的平均值及标准差、各个方向对应的目标点云簇的最小边界值的平均值及标准差、以及调整系数，采用如下公式确定所述预设范围：

其中，

在一种可选的实施方式中，所述方法还包括：

获取历史时间窗口内采煤面不平直频次；

根据所述采煤面不平直频次确定所述调整系数；其中，所述调整系数正相关于所述采煤面不平直频次。

在一种可选的实施方式中，所述从所述至少一个点云簇中识别出采煤面对应的目标点云簇进一步包括：

将包含的采样点数目最多的点云簇作为采煤面对应的目标点云簇。

在一种可选的实施方式中，所述对所述坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇进一步包括：

针对所述坐标处于预设范围内的点云中的任一采样点，将该采样点的三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇；或者

针对所述坐标处于预设范围内的点云中的任一采样点，根据该采样点的三维坐标与对应维度方向的权重生成该采样点的修正三维坐标，并将该修正三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇。

在一种可选的实施方式中，所述获取设置于刮板机挡板的雷达设备采集到的点云数据进一步包括：获取所述雷达设备在所述刮板机挡板的不同位置采集到的点云数据；

则所述基于所述点云数据，筛选出坐标处于预设范围内的点云进一步包括：针对于任一位置采集到的点云数据，筛选出该位置对应的坐标处于预设范围内的点云；

则所述方法还包括：将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云；

则所述对所述坐标处于预设范围内的点云进行聚类进一步包括：针对所述拼接点云进行聚类。

在一种可选的实施方式中，在所述获得拼接点云之后，所述方法还包括：对所述拼接点云进行体素格下采样，以获得下采样后的点云；

则所述对所述坐标处于预设范围内的点云进行聚类进一步包括：对下采样后的点云进行聚类。

在一种可选的实施方式中，所述根据所述目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数进一步包括：

根据所述目标点云簇中采样点与刮板机挡板之间的距离，确定超采区域以及超采深度，和/或确定欠采区域以及欠采深度；根据所述超采区域以及超采深度，和/或所述欠采区域以及欠采深度，生成挖掘参数。

根据本发明第二方面，提供了一种采煤面矫直装置，包括：

获取模块，用于获取设置于刮板机挡板的雷达设备采集到的点云数据；

第一筛选模块，用于基于所述点云数据，筛选出坐标处于预设范围内的点云；

第二筛选模块，用于采用基于密度聚类算法，对所述坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇，并从所述至少一个点云簇中识别出采煤面对应的目标点云簇；

判断模块，用于根据所述目标点云簇中采样点与刮板机挡板之间的距离，判断采煤面是否平直；

参数生成模块，用于若判断模块判断结果为否，则根据所述目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数，以供控制器基于所述挖掘参数控制采煤机挖掘。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

获取历史时间窗口内已识别出的采煤面对应的目标点云簇；

根据历史时间窗口内各个目标点云簇的分布范围，确定所述预设范围。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

将历史时间窗口内各个目标点云簇叠加，以获得叠加点云簇；

分别确定所述叠加点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，将该方向上的最大边界值与预设冗余值的和作为所述预设范围中该方向上的最大边界值；以及将该方向上的最小边界值与预设冗余值的差作为所述预设范围中该方向上的最小边界值。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

针对于历史时间窗口内任一目标点云簇，分别确定该目标点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，统计该方向对应的目标点云簇的最大边界值的平均值及标准差；以及统计该方向对应的目标点云簇的最小边界值的平均值及标准差；

根据各个方向对应的目标点云簇的最大边界值的平均值及标准差、各个方向对应的目标点云簇的最小边界值的平均值及标准差、以及调整系数，采用如下公式确定所述预设范围：

其中，

在一种可选的实施方式中，所述第一筛选模块进一步用于：

获取历史时间窗口内采煤面不平直频次；

根据所述采煤面不平直频次确定所述调整系数；其中，所述调整系数正相关于所述采煤面不平直频次。

在一种可选的实施方式中，所述第二筛选模块进一步用于：

将包含的采样点数目最多的点云簇作为采煤面对应的目标点云簇。

在一种可选的实施方式中，所述第二筛选模块进一步用于：

针对所述坐标处于预设范围内的点云中的任一采样点，将该采样点的三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇；或者

针对所述坐标处于预设范围内的点云中的任一采样点，根据该采样点的三维坐标与对应维度方向的权重生成该采样点的修正三维坐标，并将该修正三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇。

在一种可选的实施方式中，所述获取模块进一步用于：获取所述雷达设备在所述刮板机挡板的不同位置采集到的点云数据；

则所述第一筛选模块进一步用于：针对于任一位置采集到的点云数据，筛选出该位置对应的坐标处于预设范围内的点云；

则所述装置包括拼接模块，用于将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云；

则所述第二筛选模块进一步用于：针对所述拼接点云进行聚类。

在一种可选的实施方式中，所述装置还包括：下采样模块，用于对所述拼接点云进行体素格下采样，以获得下采样后的点云；

则所述第二筛选模块进一步用于：对下采样后的点云进行聚类。

在一种可选的实施方式中，所述参数生成模块进一步用于：根据所述目标点云簇中采样点与刮板机挡板之间的距离，确定超采区域以及超采深度，和/或确定欠采区域以及欠采深度；根据所述超采区域以及超采深度，和/或所述欠采区域以及欠采深度，生成挖掘参数。

根据本发明第三方面，提供了一种综采工作面系统，包括：

采煤机，用于挖掘煤炭资源；

刮板机，用于运输所述采煤机挖掘出的煤炭资源；

液压支架，用于提供支护及推移所述刮板机；

雷达设备，设置于所述刮板机中挡板，用于采集点云数据；

如权利要求11所述的采煤面矫直装置；以及

控制器，用于接收所述采煤矫直装置发送的挖掘参数，并依据所述挖掘参数控制所述采煤机挖掘。

根据本发明第四方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述采煤面矫直方法对应的操作。

根据本发明第五方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述采煤面矫直方法对应的操作。

本发明提供的方案利用雷达设备采集的点云数据来实现采煤面的平直识别及矫直，提升采煤面的平直识别精度及效率，以及提升采煤面的矫直精度及效率。并且，本发明实施例在获得雷达设备采集到的点云数据之后，进一步通过预设范围筛选以及基于密度聚类筛选的多级筛选方式，从获取到的点云数据中准确地识别出采煤面对应的点云，由此进一步提升采煤面的平直识别及矫直精度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例一提供的一种采煤面矫直方法的流程示意图；

图2示出了本发明实施例一提供的一种点云示意图；

图3示出了本发明实施例一提供的另一种点云示意图；

图4示出了本发明实施例二提供的一种采煤面矫直方法的流程示意图；

图5示出了本发明实施例二提供的一种点云示意图；

图6示出了本发明实施例二提供的另一种点云示意图；

图7示出了本发明实施例二提供的又一种点云示意图；

图8示出了本发明实施例三提供的一种采煤面矫直装置的结构示意图；

图9示出了本发明实施例四提供的一种综采工作面系统的结构示意图；

图10示出了本发明实施例四提供的一种雷达设备的放置位置示意图；

图11示出了本发明实施例六提供的一种计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

实施例一

图1示出了本发明实施例一提供的一种采煤面矫直方法的流程示意图。本发明实施例所提供的采煤面矫直方法可以应用于智能化综采工作面中，从而便于提升综采工作面中采煤面的矫直精度及矫直效率。

如图1所示，该方法包括如下步骤：

步骤S110，获取设置于刮板机挡板的雷达设备采集到的点云数据。

与现有技术中人工检测采煤面平直度的方式不同，本发明实施例是利用雷达设备对采煤面进行扫描以获得点云数据，并基于获取到的点云数据进行采煤面平直度的自动化识别，由此提升采煤面平直度的检测精度及检测效率。

具体地，雷达设备设置在刮板机挡板中。通过该种设置方式，一方面便于对雷达设备的放置，简化组装工艺；另一方面由于在检测采煤面是否平直时，是检测采煤面是否与刮板机挡板所处平面是否平行，由此采用该种设置方式还能够简化点云数据坐标系转换过程，提升本方法的整体执行效率。此外，本发明实施例对雷达设备在刮板机挡板中的具体位置以及雷达设备的具体类型等不作限定。例如，雷达设备可以固定设置于刮板机挡板中，也可以在刮板机挡板中移动；又或者，该雷达设备可以为激光设备或毫米波设备等等。此外，由于本发明实施例中的雷达设备的应用场景为煤矿勘探场景，由此雷达设备的使用环境中存在较多粉尘，该粉尘通常会降低激光雷达设备的数据采集精度，而毫米波雷达设备则对粉尘有较强的抗干扰能力，由此本发明实施例可优选毫米波雷达设备，如4D毫米波雷达设备等来提升点云数据的采集精度。

进一步地，雷达设备采集到点云数据之后，本发明实施例执行主体获取该点云数据。其中，点云数据具体包括各个采样点的三维坐标。

此外，在一种可选的实施方式中，可以在每执行n次挖掘之后，执行一次步骤S110及后续步骤，即每执行n次挖掘后对采煤面进行平直度检测及矫直；又或者，获取预设历史时间窗口内被确定为采煤面不平直频次，并使未来时间窗口内执行步骤S110及后续步骤的频次正相关于该采煤面不平直频次，即历史时间窗口内该采煤面不平直频次越高，则在接下来未来时间窗口内执行步骤S110及后续步骤的频次越高；反之，若该采煤面不平直频次越高越低，则在接下来未来预设时段内执行步骤S110及后续步骤的频次越低。

由于本发明实施例中雷达设备与采煤面距离较近，并且采煤勘探场景为半封闭或近似封闭场景，由此通常会出现雷达多径效应，从而使得采集到的点云数据中包含非采煤面的采样点。如图2所示，图2中各散点即为雷达设备采集到的各采样点。从图2中可以看出，雷达设备采集到的采样点中包含了许多采煤面21之外的其他采样点。基于此，本发明实施例进一步通过步骤S120与步骤S130进行多级筛选，以便从获取到的点云数据中筛选出采煤面对应的点云数据。

步骤S120，基于该点云数据，筛选出坐标处于预设范围内的点云。

多级筛选中的第一级筛选为基于预设范围的筛选。通过该预设范围的筛选能够剔除明显不属于采煤面的点云，一方面避免该明显不属于采煤面的点云对后续聚类过程的干扰，提升采煤面点云的识别精度，另一方面降低后续聚类处理的数据量，提升整体的执行效率。

在进行基于预设范围的筛选时，需要预先生成预设范围。该预设范围具体为x，y，z方向上的取值范围，则该预设范围可以表示为：x

其中，该预设范围可以是根据经验值配置的固定参数，也可以是基于历史数据生成的动态参数，又或者是两种方式的结合。例如，在采用本方法进行首次采煤面矫直时，可以依据经验值配置预设范围；而随着时间推移，在获得一定数量的历史数据时，依据历史数据来动态调整预设范围。

在一种可选的实施方式中，基于历史数据生成预设范围的实施方式包括如下步骤：获取历史时间窗口内已识别出的采煤面对应的目标点云簇；根据历史时间窗口内各个目标点云簇的分布范围，确定预设范围。其中，历史时间窗口具体为最近的一段历史时间，如最近一小时等等。本实施方式中，通过历史已经识别出的采煤面对应的目标点云簇的分布范围来动态确定预设范围，能够提升预设范围与当前实际挖掘情况的适配度，提升预设范围的确定精度。

进一步可选的，根据历史时间窗口内各个目标点云簇的分布范围，确定预设范围的方式包括但不限于以下确定方式：

确定方式一：将历史时间窗口内各个目标点云簇叠加，以获得叠加点云簇；分别确定叠加点云簇在x、y、z方向上的最大边界值以及最小边界值；针对于任一方向，将该方向上的最大边界值与预设冗余值的和作为预设范围中该方向上的最大边界值；以及将该方向上的最小边界值与预设冗余值的差作为预设范围中该方向上的最小边界值。具体通过如下公式1确定预设范围：

公式1中，

在该确定方式中，通过将多个历史目标点云簇的点云叠加，能够获得体现历史时间窗口内采煤面对应点云的整体分布情况，继而基于叠加点云簇的分布范围来确定该预设范围，进一步提升预设范围的确定精度。

确定方式二：针对于历史时间窗口内任一目标点云簇，分别确定该目标点云簇在x、y、z方向上的最大边界值以及最小边界值；针对于任一方向，统计该方向对应的目标点云簇的最大边界值的平均值及标准差；以及统计该方向对应的目标点云簇的最小边界值的平均值及标准差；根据各个方向对应的目标点云簇的最大边界值的平均值及标准差、各个方向对应的各个目标点云簇的最小边界值的平均值及标准差、以及调整系数，采用如下公式2确定预设范围：

公式2中，

在该确定方式中，先确定每个历史目标点云簇在各个方向上的最大边界值及最小边界值，继而统计各个方向对应的最大边界值的平均值以及最大边界值的标准差，相应地统计各个方向对应的最小边界值的平均值以及最小边界值的标准差，最终结合调整系数来获得预设范围，进一步提升预设范围的确定精度。

可选的，还可以获取历史时间窗口内采煤面不平直频次；根据该采煤面不平直频次确定调整系数；其中，调整系数正相关于该采煤面不平直频次，即历史时间窗口内检测到的采煤面不平直频次越高，则调整系数越大，从而预设范围中各个方向上的最大边界值越大，最小边界值越小，由此扩大预设范围的范围长度，避免采煤面中真实的采样点被剔除，提升整体的采煤面对应的点云数据的识别精度。

在确定预设范围之后，将步骤S110获取的点云数据与该预设范围进行比对，从而筛选出坐标处于预设范围内的点云。如图3所示，图3为经过本步骤筛选后的点云示意图，从图中可以看出经过本步骤筛选，可以大幅减少干扰点云，继而便于后续步骤的实施。

步骤S130，采用基于密度聚类算法，对坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇，并从至少一个点云簇中识别出采煤面对应的目标点云簇。

步骤S120筛选出的点云中仍然包含许多采煤面之外的其他采样点，由此本步骤进行第二级筛选，以精准地剔除采煤面之外的其他采样点。具体地，鉴于采煤面中采样点较为密集，本步骤采用基于密度聚类算法，对步骤S120获得的坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇；并将包含的采样点数目最多的点云簇作为采煤面对应的目标点云簇。

具体地，可以采用DBSCAN算法进行聚类处理，其聚类处理过程包括：预先配置搜索半径以及域内最小样本数。进一步地，从尚未访问的采样点任意选取一个采样点，获取与该采样点的距离小于或等于搜索半径的临近点，若该采样点的临近点的个数小于最小样本数，则确定该采样点为噪声；若该采样点的临近点的个数大于或等于最小样本数，则将该采样点确定为核心点，并为该采样点分配新的簇标签。将该采样点对应的尚未分配类簇标签的临近点分配该新类簇标签；将该采样点对应的已分配类簇标签的临近点所在簇作为该新簇的扩展。重复上述从尚未访问的采样点任意选取一个采样点及后续操作，直至所有采样点被确定为噪音或簇内点，聚类结束。

其中，采样点间的距离具体为采样点的聚类特征之间的距离，则具体是基于采样点的聚类特征进行聚类，以得到最少一个点云簇。其中，采样点的聚类特征包括但不限于通过如下方式计算：

计算方式一：将该采样点的三维坐标作为该采样点的聚类特征。例如，采样点P的三维坐标分别为x

计算方式二：根据该采样点的三维坐标与对应维度方向的权重生成该采样点的修正三维坐标，并将该修正三维坐标作为该采样点的聚类特征。其中，由于在超挖或欠挖程度严重时，采用上述计算方式一容易将采煤面中超挖或欠挖部分识别为噪音，基于此，本计算方式中为各个维度方向配置对应权重，并且刮板机挡板法线方向（即挖掘深度方向）对应的维度方向的权重小于其他维度方向的权重。例如，采样点P的三维坐标分别为x

步骤S140，根据目标点云簇中采样点与刮板机挡板之间的距离，判断采煤面是否平直；若否，则执行步骤S150。

采煤面对应的点云簇即为目标点云簇，若目标点云簇中采样点与刮板机挡板之间的距离相同，或者距离的差异度在预设误差范围内，则确定采煤面与刮板机挡板平行，即采煤面平直，则按照标准的挖掘参数继续后续挖掘；否则，确定采煤面不平直，则执行后续步骤S150以确定新的挖掘参数进行矫直。

步骤S150，根据目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数，以供控制器基于挖掘参数控制采煤机挖掘。

若采煤面不平直，则根据目标点云簇中采样点与刮板机挡板之间的距离确定下一次的挖掘参数。具体是根据目标点云簇中采样点与刮板机挡板之间的距离，确定超采区域以及超采深度，和/或确定欠采区域以及欠采深度；继而根据超采区域以及超采深度，和/或欠采区域以及欠采深度，生成挖掘参数。可选的，还可以结合采煤机位置和/或预设挖掘进度等确定挖掘参数。

由此可见，本发明实施例利用雷达设备采集的点云数据来实现采煤面的平直识别及矫直，提升采煤面平直识别精度及识别效率，以及提升采煤面矫直精度及矫直效率。并且，本发明实施例在获得雷达设备采集到的点云数据之后，进一步通过预设范围筛选以及基于密度聚类筛选的多级筛选方式，从获取到的点云数据中准确地识别出采煤面对应的点云，由此进一步提升采煤面平直识别及矫直精度。

实施例二

图4示出了本发明实施例二提供的一种采煤面矫直方法的流程示意图。其中，本发明实施例所提供的采煤面矫直方法可以对实施例一中采煤面矫直方法的进一步优化。

如图4所示，该方法包括如下步骤：

步骤S410，获取雷达设备在刮板机挡板的不同位置采集到的点云数据。

由于雷达设备在一个位置采集到的点云数据较少，在点云数据较少时无法准确且全面地反映采煤面特性，由此导致基于该点云数据获得的采煤面平直度检测结果及矫直结果精度不高的弊端。

基于此，本发明实施例中雷达设备可以在刮板机挡板的不同位置采集点云数据。为了便于对不同位置采集到的点云数据的标准化处理，本发明实施例中所述不同位置与标准采煤面的距离相同，其中标准采煤面是指在理想状态下采煤面不发生弯曲时的煤壁平面。在一种可选的实施方式中，可以在刮板机挡板的不同位置设置相应的雷达设备，例如可以在刮板机挡板中沿采煤面宽度方向每隔n米设置一个雷达设备，多个雷达设备所处直线与煤壁宽度方向平行，从而多个雷达设备能够在多个位置采集点云数据；在又一种可选的实施方式中，可以仅设置一个雷达设备，该雷达设备可以通过预设移动构件在刮板机挡板上移动，并且其移动轨迹与煤壁宽度方向平行，其中，该移动构件可以为行走机器人、预设传输装置等等，从而节约成本。

步骤S420，针对于任一位置采集到的点云数据，筛选出该位置对应的坐标处于预设范围内的点云。

针对于各个位置采集到的点云数据，采用步骤S120中相应方法来筛选出各个位置对应的坐标处于预设范围内的点云。

步骤S430，将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云。

具体地，由于不同位置采集到的点云所对应的坐标系不同，由此在拼接之前需对不同位置对应的点云进行标准化处理，即统一不同位置对应点云的坐标系。例如，可以将首个位置对应的坐标系作为世界坐标系，继而根据其他位置相对于该首个位置的偏移量，对其他位置对应的点云进行坐标系转换处理。

以一个雷达设备通过移动来采集不同位置对应的点云数据为例，以雷达设备首次采集点云的位置对应的坐标系作为世界坐标系，则其他位置对应点云的坐标可通过如下公式3进行换算：

公式3中，

步骤S440，对拼接点云进行体素格下采样，以获得下采样后的点云。

本步骤为本发明实施例中的可选步骤，即在将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云之后，可以进一步针对拼接点云进行聚类。然而，如图5所示，拼接处理后得到的拼接点云所包含的采样点数量较多，并包含较多的重复采样点。由此为便于后续的聚类处理，本发明实施例进一步通过步骤S440来对拼接点云进行下采样，以适量降低点云中采样点的数量。

具体地，本发明实施例是通过体素格滤波算法进行下采样。其实施过程包括：基于拼接点云创建三维体素栅格，每个体素为尺寸一致的三维立方体，每个体素中包含有至少一个采样点。进一步利用每个体素的重心来近似表示该体素内的采样点，其中，若各采样点质量一样，则每个体素中的点的重心应为各个采样点坐标的平均值。采用该种下采样方式，能够准确地曲面进行采样，从而有利于提升本方法的整体实施精度。

如图6所示，通过本步骤的实施可以降低点云数量，从而降低后续聚类的处理量，提升本方法的整体实施效率。

步骤S450，采用基于密度聚类算法，对下采样后的点云进行聚类，以得到至少一个点云簇，并从至少一个点云簇中识别出采煤面对应的目标点云簇。

如图7所示，通过本步骤的聚类处理能够提取出采煤面对应的点云。

步骤S460，根据目标点云簇中采样点与刮板机挡板之间的距离，判断采煤面是否平直；若否，根据目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数，以供控制器基于挖掘参数控制采煤机挖掘。

由此可见，本发明实施例利用雷达设备采集的点云数据来实现采煤面的平直识别及矫直，提升采煤面平直识别精度及识别效率，以及提升采煤面矫直精度及矫直效率。并且，本发明实施例在获得雷达设备采集到的点云数据之后，进一步通过预设范围筛选以及基于密度聚类筛选的多级筛选方式，从获取到的点云数据中准确地识别出采煤面对应的点云，由此进一步提升采煤面平直识别及矫直精度。

并且，本发明实施例获取雷达设备在刮板机挡板的不同位置采集到的点云数据，针对于任一位置采集到的点云数据，筛选出该位置对应的坐标处于预设范围内的点云；并将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云，以供后续基于该拼接点云进行聚类，从而提升采煤面的弯曲识别精度及矫直精度；而且在获得拼接点云之后进行体素格下采样，以降低聚类处理量，提升采煤面的弯曲识别效率及矫直效率。

实施例三

图8示出了本发明实施例三提供的一种采煤面矫直装置的结构示意图。如图8所示，采煤面矫直装置800包括：获取模块810、第一筛选模块820、第二筛选模块830、判断模块840、以及参数生成模块850。

获取模块810，用于获取设置于刮板机挡板的雷达设备采集到的点云数据；

第一筛选模块820，用于基于所述点云数据，筛选出坐标处于预设范围内的点云；

第二筛选模块830，用于采用基于密度聚类算法，对所述坐标处于预设范围内的点云进行聚类，以得到至少一个点云簇，并从所述至少一个点云簇中识别出采煤面对应的目标点云簇；

判断模块840，用于根据所述目标点云簇中采样点与刮板机挡板之间的距离，判断采煤面是否平直；

参数生成模块850，用于若判断模块判断结果为否，则根据所述目标点云簇中采样点与刮板机挡板之间的距离生成挖掘参数，以供控制器基于所述挖掘参数控制采煤机挖掘。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

获取历史时间窗口内已识别出的采煤面对应的目标点云簇；

根据历史时间窗口内各个目标点云簇的分布范围，确定所述预设范围。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

将历史时间窗口内各个目标点云簇叠加，以获得叠加点云簇；

分别确定所述叠加点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，将该方向上的最大边界值与预设冗余值的和作为所述预设范围中该方向上的最大边界值；以及将该方向上的最小边界值与预设冗余值的差作为所述预设范围中该方向上的最小边界值。

在一种可选的实施方式中，所述第一筛选模块进一步用于：

针对于历史时间窗口内任一目标点云簇，分别确定该目标点云簇在x、y、z方向上的最大边界值以及最小边界值；

针对于任一方向，统计该方向对应的目标点云簇的最大边界值的平均值及标准差；以及统计该方向对应的各个目标点云簇的最小边界值的平均值及标准差；

根据各个方向对应的目标点云簇的最大边界值的平均值及标准差、各个方向对应的目标点云簇的最小边界值的平均值及标准差、以及调整系数，采用如下公式确定所述预设范围：

其中，

在一种可选的实施方式中，所述第一筛选模块进一步用于：

获取历史时间窗口内采煤面不平直频次；

根据所述频次确定所述调整系数；其中，所述调整系数正相关于所述频次。

在一种可选的实施方式中，所述第二筛选模块进一步用于：

将包含的采样点数目最多的点云簇作为采煤面对应的目标点云簇。

在一种可选的实施方式中，所述第二筛选模块进一步用于：

针对所述坐标处于预设范围内的点云中的任一采样点，将该采样点的三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇；或者

针对所述坐标处于预设范围内的点云中的任一采样点，根据该采样点的三维坐标与对应维度方向的权重生成该采样点的修正三维坐标，并将该修正三维坐标作为该采样点的聚类特征，基于采样点的聚类特征进行聚类，以得到最少一个点云簇。

在一种可选的实施方式中，所述获取模块进一步用于：获取所述雷达设备在所述刮板机挡板的不同位置采集到的点云数据；

则所述第一筛选模块进一步用于：针对于任一位置采集到的点云数据，筛选出该位置对应的坐标处于预设范围内的点云；

则所述装置包括拼接模块，用于将不同位置对应的坐标处于预设范围内的点云进行拼接，以获得拼接点云；

则所述第二筛选模块进一步用于：针对所述拼接点云进行聚类。

在一种可选的实施方式中，所述装置还包括：下采样模块，用于对所述拼接点云进行体素格下采样，以获得下采样后的点云；

则所述第二筛选模块进一步用于：对下采样后的点云进行聚类。

在一种可选的实施方式中，所述参数生成模块进一步用于：根据所述目标点云簇中采样点与刮板机挡板之间的距离，确定超采区域以及超采深度，和/或确定欠采区域以及欠采深度；根据所述超采区域以及超采深度，和/或所述欠采区域以及欠采深度，生成挖掘参数。

其中，本装置各模块的具体实施过程可参照方法实施例中的描述，在此不作赘述。

由此可见，本发明实施例利用雷达设备采集的点云数据来实现采煤面的平直识别及矫直，提升采煤面平直识别精度及识别效率，以及提升采煤面矫直精度及矫直效率。并且，本发明实施例在获得雷达设备采集到的点云数据之后，进一步通过预设范围筛选以及基于密度聚类筛选的多级筛选方式，从获取到的点云数据中准确地识别出采煤面对应的点云，由此进一步提升采煤面平直识别及矫直精度。

实施例四

图9示出了本发明实施例四提供的一种综采工作面的结构示意图。如图9所示，综采工作面系统900包括：采煤机910、刮板机920、液压支架930、雷达设备940、矫直装置控制器800以及控制器950。

采煤机910，用于挖掘煤炭资源；

刮板机920，用于运输所述采煤机挖掘出的煤炭资源；

液压支架930，用于提供支护及推移所述刮板机；

雷达设备940，设置于所述刮板机中挡板，用于采集点云数据。可选的，如图10所示，刮板机挡板921与采煤面960相对，刮板机挡板921上设置有轨道922，雷达设备940可以在该轨道922中移动，并采集点云数据。

矫直装置控制器800，其具体作用可参照实施例三中相关描述；

控制器950，用于接收所述采煤矫直装置发送的挖掘参数，并依据所述挖掘参数控制所述采煤机挖掘。

实施例五

本发明实施例五提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的采煤面矫直方法。

实施例六

图11示出了本发明实施例六提供的一种计算设备的结构示意图。本发明具体实施例并不对计算设备的具体实现做限定。

如图11所示，该计算设备可以包括：处理器(processor)1102、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。

其中：处理器1102、通信接口1104、以及存储器1106通过通信总线1108完成相互间的通信。通信接口1104，用于与其它设备比如客户端或其它服务器等的网元通信。处理器1102，用于执行程序1110，具体可以执行上述采煤面矫直方法实施例中的相关步骤。

具体地，程序1110可以包括程序代码，该程序代码包括计算机操作指令。

处理器1102可能是中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器1106，用于存放程序1110。存储器1106可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。程序1110具体可以用于使得处理器1102执行上述采煤面矫直方法实施例中的步骤。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。