随着经济的快速发展,各国各地区之间都在加强贸易往来。散货物料是进出口的重要资源,其卸货过程为司机在司机室控制抓斗,下放到散货船船舱内抓取物料,再将抓斗移至岸侧物料仓进行释放。人工操作受限于时间与天气等因素,导致卸货作业效率低下,事故率高,因此自动化装卸技术逐渐受到重视。自动化卸货需要实现船舱的自主定位,抓斗的抓取点决策以及安全预警等功能。考虑到激光扫描仪具有精度高、扫描区域广、受环境因素影响小等优点,本文采用激光扫描仪对靠港散货船进行场景扫描,基于点云数据实现自动作业流程。难点在于港口场景复杂,距离跨度大,数据量大且实时性要求高,扫描仪所在位置会发生变动导致坐标系位移,同时场景会受到抓斗轨迹的污染,干扰船舱的分割定位。本文针对港口场景提炼出五个点云分割匹配问题进行深入研究,针对以上难点,提出如下算法,并在实际港口场景上进行验证,具体内容如下:1.基于高程聚类的场景预分割算法:算法根据高程信息以及欧式距离对大范围点云场景进行预分割。针对港口场景,可初步分割为陆侧区域、甲板区域与物料区域。2.基于超体聚类区域增长的不规则连通物体分割算法:算法对场景进行过分割得到超体素,再基于超体素进行区域增长合并,分割出连通物体。针对港口场景,由于抓斗在扫描过程中会出现在扫描场景内,严重影响到后续的分割识别算法。抓斗轨迹可看作是不规则大面积连通物体,算法可实现抓斗轨迹的高效分割滤除。3.基于均值漂移的RANSAC目标平面分割算法:算法首先均值漂移获取平面实际法向,并基于改进的RANSAC精确分割平面。针对港口场景,需完成对抓斗作业区域即船舱区域的定位,算法可实现船舱平面的精确分割,并大大提高分割的效率。4.基于SHOT特征与3D Hough变换的模型匹配算法:算法利用SHOT描述子进行模型粗匹配,再基于候选匹配点进行3D Hough变换精匹配。针对港口场景,以扫描仪为原点的局部坐标系可能会发生位移,因此场景内的物体需要根据局部坐标将其映射到世界坐标。本文提出反射板定位的方法计算两坐标系的映射关系,通过该算法实现场景反射板的匹配定位。5.基于局部体素PointNet网络的点云行人分割算法:算法以PointNet网络提取全局特征,并加入特征提取层针对局部体素进行特征提取,融合全局与局部特征进行场景中行人的分割。模型基于公开道路场景数据集训练与测试,相比原PointNet网络平均IoU提高2.1%。针对港口场景,算法可有效的分割出甲板区域的行人,提高系统安全性。最后,本文基于Qt跨平台开源框架以及PCL库,实现完整的自动化卸货作业系统。系统对上述算法进行了封装,提供良好的人机交互与可视化界面等功能,并基于现场真实的场景数据验证了算法的效果。