En las centrales eléctricas de carbón, las pilas de carbón sirven como las unidades de gestión fundamentales. La adquisición de nubes de puntos de las pilas de carbón facilita la medición conveniente del consumo diario de carbón y la eficiencia de la combustión. Al utilizar servomotores para impulsar el escaneo de Detección de Luz y Alcance (LiDAR) de pilas de carbón a gran escala, los motores están sujetos a errores de rotación debido a efectos gravitatorios. Como resultado, las nubes de puntos adquiridas a menudo contienen ruido significativo. Para abordar este problema, proponemos un método de Filtro de Partículas Constrained de Costura Rápida de Nube de Puntos (RPCS-CPF). Al introducir ruido aleatorio para simular errores de rotación del servomotor, tanto las nubes de puntos locales como globales son sometidas secuencialmente a operaciones de RPCS-CPF, lo que resulta en nubes de puntos de pilas de carbón suaves y continuas. Además, este documento presenta un método de detección de límites de pilas de carbón basado en agrupamiento de crecimiento de región de gradiente. Los resultados experimentales demuestran que nuestro método propuesto RPCS-CPF puede generar nubes de puntos de pilas de carbón suaves y continuas, incluso en presencia de errores de rotación del servomotor.