[发明专利]塔吊防撞方法在审
| 申请号: | 202111068495.8 | 申请日: | 2021-09-13 |
| 公开(公告)号: | CN113936210A | 公开(公告)日: | 2022-01-14 |
| 发明(设计)人: | 高钰敏;刘艳;张艳波;郭丽丽;谢邦天;蔡小雨;李彬;施昌平;雷松松 | 申请(专利权)人: | 微特技术有限公司 |
| 主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/26;G06V10/40;G06V10/762;G06V10/774;G06V10/82;G06K9/62;G06N3/08 |
| 代理公司: | 重庆中之信知识产权代理事务所(普通合伙) 50213 | 代理人: | 夏忞曦 |
| 地址: | 443000 湖北省宜昌*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 塔吊 方法 | ||
本发明提供了一种塔吊防撞方法,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。本发明通过点云技术和深度学习模型,根据计算的不同控制距离的数值,发出不同的控制命令,使得塔吊操作更加安全,解决了目前测量不准确,适应性不广的技术问题。
技术领域
本发明属于施工监控技术即图像处理技术领域,尤其涉及一种塔吊防撞方法。
背景技术
目前,随着我国经济的高速发展,基建项目越来越多,在工地上塔吊是一种常见的建筑施工设备,其操作技术要求相对较高,且操作距离远,操作工人的一时疏忽就可以造成塔吊设备与其他设备相撞。施工现场复杂,且不可控因素较多,如果操作人员对施工周围的环境掌握信息不够,或者因视野盲区操作失误,容易发生人身伤亡和财产损失。
公开号为CN 204778521U的中国专利公开了“一种基于超声波的可视塔吊碰撞预警装置”,根据所述超声波测距单元采集的不同测距信号输出不同的报警声以进行分级报警提示,来解决塔吊操作人员的视觉盲区,但是该技术仅仅通过超声检测,其检测的区域有限,且不能对塔吊施工区域的场景信息进行准确的识别与分析,其辅助能力有限,不能应对复杂的施工现场。
发明内容
针对现有技术中所存在的不足,本发明提供了一种塔吊防撞方法,以解决相关技术中不能准确的识别与分析,其辅助能力有限,不能应对复杂的施工现场的技术问题。
根据本发明的实施例,本发明提供了一种塔吊防撞方法,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。
可选地,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。
可选地,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:对于目标区域的点云数据统计滤波,获得预处理的目标区域的点云数据;对于所述预处理的目标区域的点云数据聚类处理,获得目标点云候选集。
可选地,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;基于特征扩展模块的网络对嵌入特征在特征空间中进行扩充,获得扩展特征;对扩展特征进行边距回归和坐标回归,得到目标三维模型。
可选地,基于特征嵌入模块网络对目标点云候选集提取嵌入特征,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。
可选地,基于包含特征扩展模块的网络对嵌入特征在特征空间中进行扩充,获得扩展特征,包括:将嵌入特征输入特征扩展模块,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'。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于微特技术有限公司,未经微特技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111068495.8/2.html,转载请声明来源钻瓜专利网。





