1.基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，包括如下步骤：

步骤1. 对获取的激光雷达点云数据进行粗滤波处理；

基于密度算法的粗滤波方式对激光雷达采集的点云数据进行处理，剔除掉不符合条件的点，经过粗滤波处理后得到同时包含两个滚轮罐耳的点云以及罐道点云数据；

首先对激光雷达点云数据中孤立点与局部异常点基于密度算法的滤波方式滤除掉；

分别以激光雷达点云数据中每个点为圆心，以R为半径，划定每个点的搜索区域，计算每个搜索区域内点的个数；若当前搜索区域内点的个数大于所设置阈值M，则保留当前点，否则滤除当前点；

经过点云粗滤波处理后的点云数据中包含两个滚轮罐耳的点云以及罐道的点云数据；

步骤2. 对粗滤波处理后的罐耳点云数据进行边缘提取；

对粗滤波处理后的点云数据进行基于alpha shapes算法的边缘提取，经过边缘提取处理后得到两个滚轮罐耳边缘的点云数据以及一个罐道边缘的点云数据；

步骤3. 对边缘提取后的点云数据进行精滤波处理；

对边缘提取后的点云数据进行基于剔除共线点云的精滤波，将罐道边缘的点云滤除掉，只保留滚轮罐耳边缘的点云，经过处理得到包含两个圆形滚轮罐耳边缘的点云数据；

步骤4. 对精滤波处理后的点云数据进行聚类分割；

基于提取分界点的点云聚类分割算法，对精滤波处理后的两个滚轮罐耳边缘的点云数据进行处理，将扫描得到两个罐耳边缘的点云数据分割为两个独立的滚轮罐耳点云数据；

步骤5. 对聚类分割后的点云数据进行圆拟合；

对经过聚类分割后的点云数据进行基于RANSAC算法的圆拟合，进而得到对应滚轮罐耳点云数据的拟合圆，同时得到所述拟合圆的圆心坐标以及半径；

步骤6. 计算滚轮罐耳的磨损量，判断滚轮罐耳的运行状态；

计算滚轮罐耳初始的实际直径与拟合圆直径之间的差值，该差值即滚轮罐耳的磨损量，将该滚轮罐耳的磨损量与预设磨损量阈值进行比较，判断滚轮罐耳的运行状态。

2.根据权利要求1所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤2具体为：

对于任意形状的平面点云，定义一个半径为a的滚动圆，绕点云进行滚动；

步骤2.1. 对于点云数据中任一待判断点T，其坐标为(x,y)，设定滚动圆的半径a，基于KD‑Tree算法搜索距离点T小于2a的所有点，并将这些点记作点集N；

步骤2.2. 任选点集N中一点P，点P坐标为(xp,yp)；

计算以半径a、交点为点T与点P的两个圆的圆心O1(xo1,yo1)以及圆心O2(xo2,yo2)，其圆心O1(xo1,yo1)以及圆心O2(xo2,yo2)计算公式为：         (1)

式中：

；

；

步骤2.3. 在点集N中计算除P点之外的其他点到两个圆 心O1、O2的距离，若该点到圆心O1(xo1,yo1)或圆心O2(xo2,yo2)的距离均大于a，则记点T为边界点；

步骤2.4. 若点集N中计算除P点之外的其他点到圆心O1(xo1,yo1)或圆心O2(xo2,yo2)的距离存在有小于a的点，则遍历点集N中其它点作为点P，重新计算圆心O1与O2的坐标；

重复步骤2.2与步骤2.3，若存在一点满足步骤2.3的条件，则表明点T为边界点，终止该点的判断，判断下一点；若N中不存在满足步骤2.3条件的点，则表明点T为非边界点；

经过该步骤处理后得到两个滚轮罐耳边缘的点云数据以及一个罐道边缘的点云数据。

3.根据权利要求1所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤3具体为：

采用剔除共线点云的算法对点云数据进行共线性检测，对所有的点云数据进行分类，将分类类别为共线的点云滤除掉，使得点云数据中只剩下滚轮罐耳边缘圆形的点云数据。

4.根据权利要求3所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤3的具体过程如下：

任取边缘提取后的点云数据中两点A：(xA,yA)和B：(xB,yB)，过点A、B做直线L；将点云数据中满足到直线L的距离小于设定阈值ε的计入集合Q中；

若集合Q中点云的数量大于数量阈值δ个，则将集合Q中的点定义为共线点；

遍历点云数据中所有点，将所有的共线点的标签记为1，非共线点的标签记作0；将标签为1的点全部去除，从而滤除罐道边缘点云，只保留罐耳边缘的圆形点云数据。

5.根据权利要求1所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤4具体为：

由于一个激光雷达同时扫描两个滚轮罐耳，故在对点云进行拟合之前先对两个罐耳的点云数据先进行聚类与分割处理，即将步骤3得到的两个罐耳点云分割，具体步骤如下：对精滤波后的两个罐耳点云数据采用基于提取分界点聚类分割算法，搜索点云数据的横坐标的最大值xmax与最小值xmin的两点C：(xmax,yc)与D：(xmin,yd)；

根据点C和点D的横坐标做直线w，在点云数据中找到距离直线w最近的点；

取点C：(xmax,yc)与D：(xmin,yd)的横坐标构造直线方程为：w=( xmin+ xmax)/2     (2)遍历点云数据中每个点到直线w的距离di：

di=|xi‑w|       (3)

式中，xi表示点云中所有点的横坐标，i=1,2,3……；

提取满足点到直线w距离值di最小的点(xm,ym)，以该点作为分界点进行聚类分割：   (4)

将类别1与类别2进行分割，将分别得到两个罐耳点云数据。

6.根据权利要求1所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤5具体为：

步骤5.1. 基于步骤4提取出的点云数据拟合圆，因为3点就能确定一个圆形的平面，故随机取点云中的3点(x1,y1), (x2,y2), (x3,y3)进行圆方程的拟合；

2 2 2   

圆的方程为：(x‑ x0) +(y‑ y0) =r   (5)步骤5.2. 代入随机取得的3点(x1,y1), (x2,y2), (x3,y3)，得到下述公式(6)：  (6)

解出拟合圆的参数x0、y0、r；

；

其中，(x0,y0)为拟合圆的圆心，r为拟合圆的半径；将参数x0、y0、r代入到公式（5）中即能够唯一确定一个圆；

步骤5.3. 根据求出的圆的模型进行数据点的评估；

根据上述步骤所确定的圆模型，计算点云数据中其他点到圆周的距离；设定阈值μ，若点到圆周的距离小于μ则记作内点，否则记作外点；

遍历点云数据中任意三点，通过多次的迭代，找到内点个数最多的拟合圆模型，将该拟合圆模型确定圆的最终参数x0、y0以及r，输出最优的拟合圆。

7.根据权利要求6所述的基于激光雷达点云的滚轮罐耳运行状态检测方法，其特征在于，所述步骤6具体为：

基于RANSAC算法拟合圆得到罐耳的直径，计算罐耳实际直径与拟合圆直径的差值，该差值即为罐耳的磨损量，磨损量的计算公式如下：L=H‑d  (7)式中，H为罐耳初始实际的直径，d为激光雷达测量罐耳的直径，d=2r，L为磨损量；

根据所设阈值σ1和δ1判断罐耳磨损情况：

  (8)

式中，|L|为磨损量的绝对值，σ1为第一预设磨损量阈值，δ1为第二预设磨损量阈值。

8.基于激光雷达点云的滚轮罐耳运行状态检测装置，包括激光雷达单元以及计算机设备；其特征在于，所述激光雷达单元有三组，且在立井中沿同一高度布设；

定义三组激光雷达单元分别为第一、第二、第三激光雷达单元；

第一激光雷达单元与第二激光雷达单元沿第一方向对称安装在立井的一组相对侧壁上；第三激光雷达单元沿第二方向安装在立井的一个侧壁上；

其中，第一方向与第二方向为相互垂直的两个方向；

提升容器的上部以及下部分别设置两组滚轮罐耳，定义提升容器上部/下部的两组滚轮罐耳分别为第一组滚轮罐耳、以及第二组滚轮罐耳；

每组滚轮罐耳中滚轮罐耳的数量为三个；

第一激光雷达单元的扫描范围同时覆盖第一组滚轮罐耳中位置靠外的两个滚轮罐耳，第二激光雷达单元的扫描范围同时覆盖第二组滚轮罐耳中位置靠外的两个滚轮罐耳；

第三激光雷达单元的扫描范围同时覆盖第一组、第二组滚轮罐耳中靠内侧的滚轮罐耳；

所述计算机设备包括存储器和一个或多个处理器；

在存储器中存储有可执行代码，当处理器执行可执行代码时，用于实现上述权利要求1至7任一项所述的基于激光雷达点云的滚轮罐耳运行状态检测方法的步骤。