[发明专利]塔吊防撞方法

权利要求书

1.一种塔吊防撞方法，其特征在于，所述方法包括：

获取目标区域的点云数据，所述目标区域包括塔吊主体及塔吊周边碰撞物；

对目标区域的点云数据进行预处理，得到目标点云候选集；

将目标点云候选集输入深度学习模型，得到目标三维模型，所述目标三维模块包括塔吊三维图像和周边碰撞物三维图像；

根据目标三维模型，提取塔吊运动部位关键点与周边碰撞物关键点；

计算塔吊运动部位关键点与周边碰撞物关键点的碰撞距离；

根据所述碰撞距离，对塔吊发出控制命令。

2.如权利要求1所述的一种塔吊防撞方法，其特征在于，获取目标区域的点云数据，包括：

获取所述目标区域在目标方向的多个深度图像；

根据所述多个深度图像，得到所述目标区域的点云数据。

3.如权利要求1所述的一种塔吊防撞方法，其特征在于，对目标区域的点云数据进行预处理，得到目标点云候选集，包括：

对目标区域的点云数据进行统计滤波，获得预处理的目标区域的点云数据；

对所述预处理的目标区域的点云数据进行聚类处理，获得目标点云候选集。

4.如权利要求1所述的一种塔吊防撞方法，其特征在于，将目标点云候选集输入深度学习模型，得到目标三维模型，所述目标三维模块包括塔吊三维图像和周边碰撞物三维图像，包括：

基于特征嵌入模块网络对目标点云候选集提取嵌入特征f；

基于特征扩展模块的网络对嵌入特征f在特征空间中进行扩充，获得扩展特征f'；

对扩展特征f'进行边距回归和坐标回归，得到目标三维模型。

5.如权利要求4所述的一种塔吊防撞方法，其特征在于，基于特征嵌入模块网络对目标点云候选集提取嵌入特征f，包括：

将目标点云候选集的每个点的原始三维坐标转换为特征向量；

将特征向量进行分级，每个级别对应不同样本点数；

将不同级别的样本点数进行增维级联，聚合成多级嵌入特征f。

6.如权利要求4所述的一种塔吊防撞方法，其特征在于，基于特征扩展模块的网络对嵌入特征f在特征空间中进行扩充，获得扩展特征f'，包括：

将嵌入特征f输入特征扩展模块，进行多分支卷积，得到多个分支卷积结果；

将所述多个分支卷积结果进行拼接，获得扩展特征f'。

7.如权利要求4所述的一种塔吊防撞方法，其特征在于，对扩展特征f'进行边距回归和坐标回归，得到目标三维模型，包括：

根据扩展特征f'中提取距离特征f_dist；

根据距离特征f_dist计算距离d；

根据扩展后的扩展特征f'与距离特征f_dist进行拼接，得到回归点坐标；

根据回归点坐标，得到目标三维模型。

8.如权利要求1所述的一种塔吊防撞方法，其特征在于，所述深度学习模型的训练方法包括：

将训练点云候选集输入深度学习初始模型，得到训练三维模型；

根据训练三维模型、训练点云候选集真实值以及联合损失函数，获得训练三维模型损失值；

根据所述损失值在梯度函数求导反向传播，得到目标的深度学习模型参数；

根据目标深度学习模型参数，得到所述深度学习模型。

9.如权利要求1所述的一种塔吊防撞方法，其特征在于，提取塔吊运动部位关键点与周边碰撞物关键点，包括：

基于欧式距离的聚类方法分割出塔吊主体，并同时使用KD-tree的近邻查询方法对欧式聚类方法进行加速处理；

基于NARF提取塔吊运动部位关键点与周边碰撞物关键点。

10.如权利要求1所述的一种塔吊防撞方法，其特征在于，计算塔吊运动部位关键点周边碰撞物关键点碰撞距离，所述碰撞距离计算公式如下：

其中，A塔吊关键点，其坐标为(x₁,y₁,z₁)，B表示与塔吊关键点高度接近的周边碰撞物关键点，其坐标为(x₂,y₂,z₂)。