(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211163610.4 (22)申请日 2022.09.23 (71)申请人 北京经纬恒润科技股份有限公司 地址 100015 北京市朝阳区酒仙桥路14 号1 幢4层 (72)发明人 陈岚磊　吴临政　邢智鹏　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 陈颖 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/764(2022.01) G06N 20/00(2019.01) G01S 17/08(2006.01) G01S 17/88(2006.01) (54)发明名称 一种集装箱 箱体残损检测方法和系统 (57)摘要 本申请公开了一种集装箱箱体残损检测方 法和系统， 提升了集装箱箱 体残损检测的自动化 水平。 该方法包括： 抓取激光雷达采集到的装有 集装箱的车辆停靠在进港闸口处的点云数据； 对 抓取的所述点云数据进行预处理， 得到预处理后 的点云数据； 对 预处理后的点云数据进行平面拟 合， 得到集装箱理想状态下的箱面； 计算预处理 后的点云数据中的每个点到所述箱面的距离， 得 到一组距离数据， 再计算这组距离数据的统计特 征量； 将所述统计特征量输入预先建立的分类模 型中， 分类模 型经运算输出集装箱箱 体残损检测 结果。 权利要求书1页 说明书6页 附图3页 CN 115527200 A 2022.12.27 CN 115527200 A 1.一种集装箱 箱体残损检测方法， 其特 征在于， 包括： 抓取激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的点云数据； 对抓取的所述 点云数据进行 预处理， 得到预处 理后的点云数据； 对预处理后的点云数据进行平面拟合， 得到集装箱理想状态下的箱面； 计算预处理后的点云数据中的每个点到所述箱面的距离， 得到一组距离数据， 再计算 这组距离数据的统计特征量； 将所述统计特征量输入预先建立的分类模型中， 分类模型经 运算输出集装箱 箱体残损检测结果。 2.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 抓取的所述点云数据 包括： 激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的三维坐标信息 。 3.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述对抓取的所述点 云数据进行 预处理， 包括： 对抓取的所述 点云数据进行 数据格式转换和滤波处 理。 4.根据权利要求3所述的集装箱箱体残损检测方法， 其特征在于， 滤波过程为一次滤波 或多次滤波， 单次的滤波方式采用直 通滤波方式或体素 滤波方式。 5.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述对预处理后的点 云数据进行平面拟合， 包括： 采用随机抽样一致性算法对预处理后的点云数据进行平面拟 合。 6.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述分类模型为机器 学习中的决策树模型。 7.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述分类模型经运算 输出集装箱箱体残损检测结果后， 还包括： 拍照留存装有集装箱的车辆停靠在进港闸口处 的照片。 8.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述分类模型用于对 车辆上的集装箱数量以及每 个集装箱的箱体残损情况进行识别。 9.根据权利要求1所述的集装箱箱体残损检测方法， 其特征在于， 所述抓取激光雷达采 集到的装有集装箱的车辆停靠在进港闸口处的点云数据之前， 还 包括： 当车辆驶入进港闸口时， 根据后台提供的信息判断本辆车是否装有集装箱， 以及是否 需要进行集装箱箱体残损检测； 在驶入进港闸口的车辆上装有集装箱且需要进行集装箱箱 体残损检测时， 执行所述抓取激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的点 云数据的步骤。 10.一种集装箱 箱体残损检测系统， 其特 征在于， 包括： 抓取单元， 用于抓取激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的点云数 据； 预处理单元， 用于对抓取的所述 点云数据进行 预处理， 得到预处 理后的点云数据； 平面拟合单元， 用于对预处理后的点云数据进行平面拟合， 得到集装箱理想状态下的 箱面； 计算单元， 用于计算预处理后的点云数据中的每个点到所述箱面的距离， 得到一组距 离数据， 再计算这组距离数据的统计特征量； 将所述统计特征量输入预先建立的分类模型 中， 分类模型 经运算输出集装箱 箱体残损检测结果。权　利　要　求　书 1/1 页 2 CN 115527200 A 2一种集装箱 箱体残损检测方 法和系统 技术领域 [0001]本发明涉及激光雷达与点云数据处理技术领域， 更具体地说， 涉及一种集装箱箱 体残损检测方法和系统。 背景技术 [0002]集装箱箱体残损检测是集装箱进入港区码头内不可避免的一项检验工作， 主要是 为了防止运输企业和码 头因箱体破损引起的纠纷。 这项检验工作目前主要 是由进港闸口工 作人员进入闸口人工记录， 存在人工处理速度慢的问题， 常导致装有集装箱的车辆在进港 闸口前排长队。 发明内容 [0003]有鉴于此， 本发明提供一种集装箱箱体残损检测方法和系统， 以提升集装箱箱体 残损检测的自动化水平， 提升检测速度。 [0004]一种集装箱 箱体残损检测方法， 包括： [0005]抓取激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的点云数据； [0006]对抓取的所述 点云数据进行 预处理， 得到预处 理后的点云数据； [0007]对预处理后的点云数据进行平面拟合， 得到集装箱理想状态下的箱面； [0008]计算预处理后的点云数据中的每个点到所述箱面的距离， 得到一组距离数据， 再 计算这组距离数据的统计特征量； 将所述统计特征量输入预先建立的分类模型中， 分类模 型经运算输出集装箱 箱体残损检测结果。 [0009]可选的， 抓取的所述点云数据包括： 激光雷达采集到 的装有集装箱的车辆停靠在 进港闸口处的三维坐标信息 。 [0010]可选的， 所述对抓取的所述 点云数据进行 预处理， 包括： [0011]对抓取的所述 点云数据进行 数据格式转换和滤波处 理。 [0012]可选的， 滤波过程为一次滤波或多次滤波， 单次的滤波方式采用直通滤波方式或 体素滤波方式。 [0013]可选的， 所述对预处理后的点云数据进行平面拟合， 包括： 采用随机抽样一致性算 法对预处 理后的点云数据进行平面拟合。 [0014]可选的， 所述分类模型为机器学习中的决策树模型。 [0015]可选的， 所述分类模型经运算输出集装箱箱体残损检测结果后， 还包括： 拍照留存 装有集装箱的车辆停靠在进港闸口处的照片。 [0016]可选的， 所述分类模型用于对车辆上的集装箱数量以及每个集装箱的箱体残损情 况进行识别。 [0017]可选的， 所述抓取激光雷达采集到的装有集装箱的车辆停靠在进港闸口处的点云 数据之前， 还 包括： [0018]当车辆驶入进港闸口时， 根据后台提供的信息判断本辆车是否装有集装箱， 以及说　明　书 1/6 页 3 CN 115527200 A 3