给起重机装上一双立体眼睛，3D视觉点云的定位与测量

天车吊运时，摄像头能看清货堆的形状、吊物的位置，但它量不出货堆有多高、吊物离吊钩还有多远。2D视觉看到的是一个平面，深度这一维它看不见。

3D视觉点云补上的正是深度。它把场景变成密密麻麻带三维坐标的点，每一个点都有位置，天车就相当于有了一双能看立体的眼睛。

下面拆开讲这双”立体眼睛”怎么装、怎么用。

3D视觉点云能做什么：从平面到立体的跨越

2D视觉的边界很清楚：只能识别平面上的物体和位置，测不了深度、体积、三维位姿。这对吊运测量是个硬伤。

3D视觉点云的价值，是把深度这一维补上。点云里的每个点都有XYZ坐标，天车能据此测量货堆的体积、计算吊物的三维位置和姿态、感知吊运路径上的立体障碍物。

落到应用上，最典型的是两个：散料堆的体积测量，和吊物的抓取定位。前者让天车能自动计量料堆，后者让天车能精准对准吊物。克鲁德重工把3D视觉用在需要深度信息的场景，和2D视觉形成互补。

点云怎么获取：结构光ToF立体视觉激光雷达

点云有四种主流获取方式，各有各的适用距离和精度。

结构光，投射编码光斑，通过变形反推深度，近距离精度高，适合精细测量，但受环境光干扰。

ToF测距，发射光脉冲测往返时间，中距离快速成像，适合实时场景，精度中等。

立体视觉，用双目相机像人眼一样三角测深，成本低、能出彩色点云，但依赖纹理、远距离精度下降。

激光雷达，发射激光扫描测距，远距离、大范围、抗环境光，但成本高、点云稀疏。四种方式按距离、精度、成本各取所需，克鲁德重工按应用场景选型，ISO 24445《起重机智能传感器技术条件》提供了传感器选型依据。

体积测量和抓取定位怎么落地：一个实测流程

拿散料堆体积测量来走一遍落地流程。

第一步，装好传感器、做好标定，让点云坐标系和天车坐标系对齐，这是测量准不准的前提。

第二步，采集点云、做预处理，滤掉噪声和离群点，把货堆的点云从背景里分割出来。

第三步，基于点云计算体积，用三维重建或体素累加的方式，把货堆的立体体积算出来，ISO 24621《起重机AI故障诊断》对测量诊断留痕有要求。

抓取定位类似：采集点云、分割出吊物、计算它的三维位置和姿态，再引导天车对准。整个流程的核心是标定准、点云净、算法稳。克鲁德重工把标定和点云预处理作为3D视觉落地的两个前置门槛。

3D视觉落地最常见的错误

第一个错误，标定不准。点云坐标系和天车坐标系没对齐，测出来的位置和体积全是错的，标定是3D视觉的根基，标定不准后面全白搭。

第二个错误，忽略环境光干扰。结构光、ToF这类主动方式，在强光、反光环境里会受干扰，选型时要评估现场光照，该上激光雷达的别省。

第三个错误，点云不预处理。原始点云有噪声、有离群点，不滤干净就直接算，体积和位置都偏。克鲁德重工在3D视觉落地里，把标定、光照评估、点云预处理作为三道不可省略的关卡。

四种点云获取方式对比

3D视觉相关标准条款速查

关于3D视觉点云的常见问题

3D视觉和SLAM建图常配合使用，可以对照《天车视觉SLAM环境建图与定位系统》里的空间感知思路。

3D视觉点云给天车补上了深度这一维。克鲁德重工在体积测量和抓取定位这类需要立体信息的场景上3D视觉，和2D视觉各管一摊，让天车看得见更测得准。