CN108876785A - 封闭空间水情监测方法及系统 - Google Patents
封闭空间水情监测方法及系统 Download PDFInfo
- Publication number
- CN108876785A CN108876785A CN201810695232.1A CN201810695232A CN108876785A CN 108876785 A CN108876785 A CN 108876785A CN 201810695232 A CN201810695232 A CN 201810695232A CN 108876785 A CN108876785 A CN 108876785A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- section
- data section
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000006073 displacement reaction Methods 0.000 claims description 59
- 230000008859 change Effects 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 7
- 238000004321 preservation Methods 0.000 claims 3
- 238000012545 processing Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种封闭空间水情监测方法及系统,对封闭空间分区段周期性进行水情监测,对于每一个区段,当达到对应的周期时,采集区段内的点云数据,对每个区段的点云数据,执行如下步骤,对点云数据进行拼接处理;对拼接后的点云数据进行去噪处理;将去噪后的点云数据在预置方向上划分为若干点云数据段,将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;若第一位置的点云数据段连续按照预设方式变化,且连续多个位置处的点云数据段均连续按照预设方式变化,确定连续的多个点云数据段对应的区域发生水情。实现了封闭空间内水情的自动监测,提高了水情监测效率。
Description
技术领域
本申请涉及水处理技术领域,更具体地说,涉及一种水情监测方法及系统。
背景技术
在地铁站、综合管廊等一些封闭空间中,对于水情的监测一直是通过人为巡检实现,而封闭空间环境促狭,通风照明较差,人工巡检不但效率低,还存在积水、缺氧等不安全因素。
因此,如何对封闭空间的水情进行自动监测成为亟待解决的技术问题。
发明内容
本申请的目的是提供一种封闭空间水情监测方法及系统,以提高封闭空间的水情监测效率。
为实现上述目的,本申请提供了如下技术方案:
一种封闭空间水情监测方法,所述封闭空间被划分为若干区段,对每个区段按照周期进行水情监测,包括:
当达到第一区段对应的第一周期时,采集所述第一区段的点云数据;
对所述点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据在预置方向上划分为若干点云数据段,所述预置方向为所述封闭空间的延伸方向;
将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;
若比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同;
若判断结果为是,确定所述连续的多个点云数据段对应的区域发生水情。
上述方法,优选的,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的最低点与预置基准点的高程差;
将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述方法,优选的,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的质心与预置基准点的高程差;
将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述方法,优选的,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的体积;
将本周期内对应所述第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述方法,优选的,在确定所述连续的多个点云数据段对应的区域发生水情之后,还包括:
将所述多个点云数据段所属区段对应的第一周期调整为第二周期,所述第二周期小于所述第一周期。
一种封闭空间水情监测系统,所述封闭空间被划分为若干区段;所述系统包括:
采集模块,用于当达到第一区段对应的第一周期时,采集所述第一区段的点云数据;
拼接模块,用于对所述第一区段的点云数据进行拼接处理,得到拼接后的点云数据;
去噪模块,用于对拼接后的点云数据进行去噪处理;
划分模块,用于将去噪后的点云数据在预置方向上划分为若干点云数据段,上述预置方向为封闭空间的延伸方向;
比较模块,用于将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;
判断模块,用于若比较模块的比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同;
确定模块,用于若判断模块的判断结果为是,确定上述连续的多个点云数据段对应的区域发生水情。
上述系统,优选的,所述比较模块包括:
第一计算单元,用于计算第一位置处点云数据段的最低点与预置基准点的高程差;
第一比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第一确定单元,用于若第一比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述系统,优选的,所述比较模块包括:
第二计算单元,用于计算第一位置处点云数据段的质心与预置基准点的高程差;
第二比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第二确定单元,用于若第二比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述系统,优选的,所述比较模块包括:
第三计算单元,用于计算第一位置处点云数据段的体积;
第三比较单元,用于将本周期内对应所述第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大;
第三确定模块,若第三比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
上述系统,优选的,还包括:
调整模块,用于在确定模块确定所述连续的多个点云数据段对应的区域发生水情之后,将所述多个点云数据段所属区段对应的第一周期调整为第二周期,所述第二周期小于所述第一周期。
通过以上方案可知,本申请提供的一种封闭空间水情监测方法及系统,对封闭空间分区段周期性进行水情监测,对于每一个区段,当达到对应的周期时,采集区段内的点云数据,对每个区段的点云数据,执行如下步骤,对点云数据进行拼接处理;对拼接后的点云数据进行去噪处理;将去噪后的点云数据在预置方向上划分为若干点云数据段,将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;若第一位置的点云数据段连续按照预设方式变化,且连续多个位置处的点云数据段均连续按照预设方式变化,确定连续的多个点云数据段对应的区域发生水情。实现了封闭空间内水情的自动监测,提高了水情监测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的封闭空间水情监测方法的一种实现流程图;
图2为本申请实施例提供的封闭空间水情监测系统的一种结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
发明人研究发现,封闭空间(如地铁站、地下管廊或线缆隧道)的延伸长度比较长,直接采集整个封闭空间内的点云数据的话,不仅工作量大,效率低,后续点云数据的处理过程中,工作量也将非常大。基于此,本申请提供的封闭空间水情监测方法,对封闭空间分区域采集点云数据,不同区域的点云数据独立进行存储和处理。
具体的,可以将封闭空间在其延伸方向上划分为多段区域,简称为区段。
在一可选的实施例中,可以采用一个三维激光扫描仪对各个区域依次进行扫描。即各个区域均通过同一个三维激光扫描仪采集点云数据。或者,
可以采用多个三维激光扫描仪对各个区域分别进行扫描(即若将封闭区间划分为了N个区域,则每个区域采用一个三维激光扫描仪进行扫描,共需要N个三维激光扫描仪),不同的区域采用相同型号的三维激光扫描仪进行扫描,以便对各个区域同时采集点云数据,提高数据采集的效率。
为了使得点云数据的处理结果的精度较高,可以选择高精度的三维激光扫描仪对封闭空间进行扫描。例如,可以选择采样精度为mm级的三维激光扫描仪。
在通过三维激光扫描仪完成对封闭空间的扫描后,可以将所采集的点云数据存储到预置数据库中,当需要进行点云数据处理时,从该预置数据库中获取点云数据。其中,在不同区域采集的点云数据相互独立的存储。
其中,三维激光扫描仪可以搭载在轮式机器人、履带式机器人、轨道式机器人、气垫船、钢索缆车等运动平台上。该运动平台上安装有支撑装置,该支撑装置可以包括:可伸缩桅杆,固定在所述可伸缩桅杆的可活动的一端的旋转轴,固定于所述旋转轴上,用于承载三维激光扫描仪的支撑平台,所述支撑平台随着所述旋转轴的转动而转动,使得三维激光扫描仪可以从不同的角度对封闭空间进行扫描。支撑平台下设置有倾角传感器,用于测量支撑平台相对于水平面的倾斜角度。在采样作业前,先调整旋转轴的角度以及可伸缩桅杆的长度及角度,使得支撑平台在一定的高度以某种角度对封闭空间进行扫描。
本申请实施例中,对在各个区段采集的点云数据分别进行处理,以对各个区段分别进行水情监测。对在不同区域采集的点云数据采用相同处理方法进行处理,对应于每个区域采集的点云数据,其处理过程如图1所示,图1为本申请实施例提供的封闭空间水情监测方法的一种实现流程图,可以包括:
步骤S11:当达到第一区段对应的第一周期时,采集第一区段的点云数据。
本申请实施例中,不同的区段对应的监测周期(简称周期)可能相同,也可能不同。例如,对于易发生水情的区段可以设置较短的周期,不易发生水情的区段可以设置较长的周期。对于已经监测到水情的区段,可以缩短周期,而在水情退去之后,若预设时长内未再监测到水情,可以延长周期。另外,在不同的季节,也可以设置不用的周期。例如,冬天可以设置较长的周期,其它季节可以设置较短的周期。
第一区段为上述划分的多个区段中的任意一个区段。
步骤S12:对采集的点云数据进行拼接处理,得到拼接后的点云数据。
在通过三维激光扫描仪对封闭空间进行扫描时,受到许多客观因素的影响,通常需要从多个不同的视角(即不同位置)进行扫描,这样三维激光扫描仪获取的点云数据是一些散乱的点,无明显的几何特征。将获取的点云数据进行拼接处理,就是将不同视角下采集的点云数据转换到同一坐标系下,以获得体现封闭空间完整轮廓的点云数据。也就是说,拼接后的点云数据就是体现第一区段内部轮廓的点云数据。
本申请实施例中,在三维激光扫描仪进行扫描作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联。在扫描完成后,所记录的坐标按照记录的先后顺序形成一坐标序列,也就是说,坐标序列中的坐标按照坐标记录的先后顺序进行排列。每一个坐标关联的点云数据构成一个点云数据片,也就是说,不同的坐标对应不同的点云数据片,不同的坐标对应的点云数据片包含的点云数据中存在部分相同的点云数据。
具体在进行拼接时,可以按照三维激光扫描仪进行扫描作业时的坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接。
本申请实施例中,通过在进行采集作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联,按照坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接,避免随机从采集的点云数据中获取的待拼接的两个点云数据片不能进行拼接,需要重新从采集的点云数据中获取另一点云数据片进行拼接,导致拼接速度慢的问题。
步骤S13:对拼接后的点云数据进行去噪处理。
具体的,可以将拼接后的点云数据平均划分为若干立方体网格,该立方体网格的边长的长度为预置长度,例如1cm。
对立方体网格中的点云数据进行计数。
若计数结果小于预设阈值,则删除立方体网格内的点云数据;否则,保留立方体网格内的点云数据。
步骤S14:将去噪后的点云数据在预置方向上划分为若干点云数据段,上述预置方向为封闭空间的延伸方向。
本申请实施例中,同一个区段的点云数据再细分为若干点云数据段进行分析。
在一可选的实施例中,可以先识别出设备的点云数据,将去噪后的点云数据中设备的点云数据剔除,将剩余的点云数据在预置方向上划分为若干点云数据段。这样可以减少后续数据处理过程的数据处理量,提高监测效率。具体实现时,可以通过如下方式确定设备点云数据:
根据预先存储的设备属性信息确定设备的空间位置。设备属性信息可以包括:设备的地理位置,以及设备大小(即设备的长度、宽度和高度)。
将去噪后的点云数据中,位于上述空间位置内的点云数据确定为设备的点云数据。
步骤S15:将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较。
也就是说,对同一位置的点云数据段,从时间维度上分析点云数据段的变化情况。
在一可选的实施例中,对应每个位置处的点云数据段,在将其与最近的若干历史周期内保存的同一位置的点云数据段进行比较之前,还可以先判断该位置是否属于封闭空间内的集水坑位置,如果是,则不将其与最近的若干历史周期内保存的同一位置的点云数据段进行比较,如果不是,则将其与最近的若干历史周期内保存的同一位置的点云数据段进行比较。
通常封闭空间中会设置集水坑用于暂时储水,当集水坑中的水位上生到一定高度时,会自动启动排水泵将水排出。也就是说,集水坑本来就是用来储水的,因此,不必对集水坑区域进行水情监测。基于此,如果点云数据段的位置属于集水坑区域,则无需对该段进行监测,即不必该位置处的点云数据进行处理,从而在不影响水情监测结果的同时减少计算量。
步骤S16:若比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同。
预设时长可以是指包括本周期在内的最近的若干周期的总时长。
若第一位置的点云数据段在预设时长内按照预设方式变化,说明第一位置处可能发生了水情。
两个位置处(记为位置A和位置B)的点云数据段的比较结果相同是指:位置A处的点云数据的比较结果表征位置A处的点云数据段在预设时长内按照上述预设方式变化,且位置B处的点云数据的比较结果表征位置B处的点云数据段在预设时长内按照上述预设方式变化。
步骤S17:若判断结果为是,确定第一区段内连续的多个点云数据段对应的区域发生水情。
本申请提供的封闭空间水情监测方法,对封闭空间分区段周期性进行水情监测,对于每一个区段,当达到对应的周期时,采集区段内的点云数据,对每个区段的点云数据,执行如下步骤,对点云数据进行拼接处理;对拼接后的点云数据进行去噪处理;将去噪后的点云数据在预置方向上划分为若干点云数据段,将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;若第一位置的点云数据段连续按照预设方式变化,且连续多个位置处的点云数据段均连续按照预设方式变化,确定连续的多个点云数据段对应的区域发生水情。实现了封闭空间内水情的自动监测,提高了水情监测效率。
在一可选的实施例中,上述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较的一种实现方式可以为:
计算第一位置处点云数据段的最低点与预置基准点的高程差。最低点与预置基准点的高程差即为最低点与预置基准点之间的垂直距离。
将本周期内对应第一位置的高程差,与最近的若干历史周期内保存的对应第一位置的高程差进行比较,以判断第一位置的点云数据段的高程差是否在预设时长内按照与预置基准点对应的变化方式变化。
本实施例中,对应第一位置的高程差即是第一位置处点云数据段的最低点与预置基准点的高程差。
本申请实施例中,预置基准点不一样,对应第一位置的高程差的变化可能是不同的。例如,若预置基准点是封闭空间地面上的一个点,则当第一位置处有水情时,第一位置处点云数据段的最低点与预置基准点的高程差会越来越大。而若预置基准点是封闭空间顶部的一个点,则当第一位置处有水情时,第一位置处点云数据段的最低点与预置基准点的高程差会越来越小。
若预置基准点是封闭空间地面上的一个点,则与预置基准点对应的变化方式就是:高程差越来越大。若预置基准点是封闭空间顶部的一个点,则与预置基准点对应的变化方式就是:高程差越来越小。
若判断结果为是,确定第一位置的点云数据段在预设时长内按照预设方式变化。
在一可选的实施例中,上述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较的另一种实现方式可以为:
计算第一位置处点云数据段的质心与预置基准点的高程差。质心与预置基准点的高程差即为质心与预置基准点之间的垂直距离。
将本周期内对应第一位置的高程差,与最近的若干历史周期内保存的对应第一位置的高程差进行比较,以判断第一位置的点云数据段的高程差是否在预设时长内按照与预置基准点对应的变化方式变化。
本实施例中,对应第一位置的高程差即是第一位置处点云数据段的质心与预置基准点的高程差。
本申请实施例中,预置基准点不一样,对应第一位置的高程差的变化可能是不同的。例如,若预置基准点是封闭空间地面上的一个点,则当第一位置处有水情时,第一位置处点云数据段的质心与预置基准点的高程差会越来越大。而若预置基准点是封闭空间顶部的一个点,则当第一位置处有水情时,第一位置处点云数据段的质心与预置基准点的高程差会越来越小。
若预置基准点是封闭空间地面上的一个点,则与预置基准点对应的变化方式就是:高程差越来越大。若预置基准点是封闭空间顶部的一个点,则与预置基准点对应的变化方式就是:高程差越来越小。
若判断结果为是,确定第一位置的点云数据段在预设时长内按照预设方式变化。
在一可选的实施例中,上述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较的又一种实现方式可以为:
计算第一位置处点云数据段的体积。
将本周期内对应第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大。
对应第一位置的体积即是第一位置处点云数据段的体积。
若判断结果为是,确定第一位置的点云数据段连续按照预设方式变化。
在一可选的实施例中,在确定连续的多个点云数据段对应的区域发生水情之后,还可以包括:
将多个点云数据段所属区段对应的第一周期调整为第二周期,第二周期小于所述第一周期。
也就是说,在监测到某个区段发生水情后,缩短监测周期,以便能够实时的获取区段内的水情变化情况。
与方法实施例相对应,本申请还提供一种封闭空间水情监测系统。本申请提供的封闭空间水情监测系统的一种结构示意图如图2所示,可以包括:
采集模块21,拼接模块22,去噪模块23,划分模块24,比较模块25,判断模块26和确定模块27;其中,
采集模块21用于当达到第一区段对应的第一周期时,采集所述第一区段的点云数据。
拼接模块22用于对所述第一区段的点云数据进行拼接处理,得到拼接后的点云数据。
去噪模块23用于对拼接后的点云数据进行去噪处理。
划分模块24用于将去噪后的点云数据在预置方向上划分为若干点云数据段,上述预置方向为封闭空间的延伸方向。
比较模块25用于将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较。
判断模块26用于若比较模块25的比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同。
确定模块27用于若判断模块26的判断结果为是,确定上述连续的多个点云数据段对应的区域发生水情。
本申请提供的一种封闭空间水情监测系统,对封闭空间分区段周期性进行水情监测,对于每一个区段,当达到对应的周期时,采集区段内的点云数据,对每个区段的点云数据,执行如下步骤,对点云数据进行拼接处理;对拼接后的点云数据进行去噪处理;将去噪后的点云数据在预置方向上划分为若干点云数据段,将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;若第一位置的点云数据段连续按照预设方式变化,且连续多个位置处的点云数据段均连续按照预设方式变化,确定连续的多个点云数据段对应的区域发生水情。实现了封闭空间内水情的自动监测,提高了水情监测效率。
在一可选的实施例中,比较模块25可以包括:
第一计算单元,用于计算第一位置处点云数据段的最低点与预置基准点的高程差;
第一比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第一确定单元,用于若第一比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
在一可选的实施例中,比较模块25可以包括:
第二计算单元,用于计算第一位置处点云数据段的质心与预置基准点的高程差;
第二比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第二确定单元,用于若第二比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
在一可选的实施例中,比较模块25可以包括:
第三计算单元,用于计算第一位置处点云数据段的体积;
第三比较单元,用于将本周期内对应所述第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大;
第三确定模块,若第三比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
在一可选的实施例中,本申请提供的封闭空间水情监测系统还可以包括:
调整模块,用于在确定模块27确定所述连续的多个点云数据段对应的区域发生水情之后,将所述多个点云数据段所属区段对应的第一周期调整为第二周期,所述第二周期小于所述第一周期。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种封闭空间水情监测方法,其特征在于,所述封闭空间被划分为若干区段,对每个区段按照周期进行水情监测,包括:
当达到第一区段对应的第一周期时,采集所述第一区段的点云数据;
对所述点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据在预置方向上划分为若干点云数据段,所述预置方向为所述封闭空间的延伸方向;
将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;
若比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同;
若判断结果为是,确定所述连续的多个点云数据段对应的区域发生水情。
2.根据权利要求1所述的方法,其特征在于,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的最低点与预置基准点的高程差;
将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
3.根据权利要求1所述的方法,其特征在于,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的质心与预置基准点的高程差;
将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
4.根据权利要求1所述的方法,其特征在于,所述将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较,包括:
计算第一位置处点云数据段的体积;
将本周期内对应所述第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大;
若判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
5.根据权利要求1所述的方法,其特征在于,在确定所述连续的多个点云数据段对应的区域发生水情之后,还包括:
将所述多个点云数据段所属区段对应的第一周期调整为第二周期,所述第二周期小于所述第一周期。
6.一种封闭空间水情监测系统,其特征在于,所述封闭空间被划分为若干区段;所述系统包括:
采集模块,用于当达到第一区段对应的第一周期时,采集所述第一区段的点云数据;
拼接模块,用于对所述第一区段的点云数据进行拼接处理,得到拼接后的点云数据;
去噪模块,用于对拼接后的点云数据进行去噪处理;
划分模块,用于将去噪后的点云数据在预置方向上划分为若干点云数据段,所述预置方向为封闭空间的延伸方向;
比较模块,用于将本周期内划分得到的点云数据段,与最近的若干历史周期内保存的同一位置的点云数据段进行比较;
判断模块,用于若所述比较模块的比较结果表征第一位置的点云数据段在预设时长内按照预设方式变化,判断连续多个位置处的点云数据段的比较结果是否相同;
确定模块,用于若所述判断模块的判断结果为是,确定上述连续的多个点云数据段对应的区域发生水情。
7.根据权利要求6所述的系统,其特征在于,所述比较模块包括:
第一计算单元,用于计算第一位置处点云数据段的最低点与预置基准点的高程差;
第一比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第一确定单元,用于若所述第一比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
8.根据权利要求6所述的系统,其特征在于,所述比较模块包括:
第二计算单元,用于计算第一位置处点云数据段的质心与预置基准点的高程差;
第二比较单元,用于将本周期内对应所述第一位置的高程差,与最近的若干历史周期内保存的对应所述第一位置的高程差进行比较,以判断所述第一位置的点云数据段的高程差是否在所述预设时长内按照与预置基准点对应的变化方式变化;
第二确定单元,用于若所述第二比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
9.根据权利要求6所述的系统,其特征在于,所述比较模块包括:
第三计算单元,用于计算第一位置处点云数据段的体积;
第三比较单元,用于将本周期内对应所述第一位置的体积,与最近的若干历史周期内保存的对应所述第一位置的体积进行比较,以判断所述第一位置的点云数据段的体积是否连续变大;
第三确定模块,若所述第三比较单元的判断结果为是,确定所述第一位置的点云数据段在所述预设时长内按照预设方式变化。
10.根据权利要求6所述的系统,其特征在于,还包括:
调整模块,用于在确定模块确定所述连续的多个点云数据段对应的区域发生水情之后,将所述多个点云数据段所属区段对应的第一周期调整为第二周期,所述第二周期小于所述第一周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695232.1A CN108876785B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间水情监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695232.1A CN108876785B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间水情监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876785A true CN108876785A (zh) | 2018-11-23 |
CN108876785B CN108876785B (zh) | 2020-08-18 |
Family
ID=64296866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810695232.1A Active CN108876785B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间水情监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876785B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988719A (zh) * | 2019-12-02 | 2021-06-18 | 金色熊猫有限公司 | 一种数据质量检测方法、装置、可读介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103806478A (zh) * | 2014-01-15 | 2014-05-21 | 同济大学 | 一种地下连续墙变形的测量方法 |
CN105825506A (zh) * | 2016-03-14 | 2016-08-03 | 河海大学 | 一种利用LiDAR点云数据提取水体边缘线的方法 |
US20170365094A1 (en) * | 2016-04-04 | 2017-12-21 | University Of Cincinnati | Localized Contour Tree Method for Deriving Geometric and Topological Properties of Complex Surface Depressions Based on High Resolution Topographical Data |
-
2018
- 2018-06-29 CN CN201810695232.1A patent/CN108876785B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103806478A (zh) * | 2014-01-15 | 2014-05-21 | 同济大学 | 一种地下连续墙变形的测量方法 |
CN105825506A (zh) * | 2016-03-14 | 2016-08-03 | 河海大学 | 一种利用LiDAR点云数据提取水体边缘线的方法 |
US20170365094A1 (en) * | 2016-04-04 | 2017-12-21 | University Of Cincinnati | Localized Contour Tree Method for Deriving Geometric and Topological Properties of Complex Surface Depressions Based on High Resolution Topographical Data |
Non-Patent Citations (1)
Title |
---|
何桂珍等: "地铁隧道收敛变形监测方法的研究", 《现代隧道技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988719A (zh) * | 2019-12-02 | 2021-06-18 | 金色熊猫有限公司 | 一种数据质量检测方法、装置、可读介质及电子设备 |
CN112988719B (zh) * | 2019-12-02 | 2023-04-04 | 金色熊猫有限公司 | 一种数据质量检测方法、装置、可读介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108876785B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260713B (zh) | 一种车道线检测方法和装置 | |
US8577611B2 (en) | System and method for analyzing trees in LiDAR data using views | |
CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
CN108460760B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像判别修复方法 | |
EP3023913A1 (en) | Crack data collection method and crack data collection program | |
CN106408583B (zh) | 一种多边缘缺陷检测方法及装置 | |
CN106845324B (zh) | 路牌信息的处理方法和装置 | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN109870459A (zh) | 无砟轨道的轨道板裂缝检测方法 | |
CN114419085A (zh) | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 | |
US7548201B2 (en) | Method and system for automatically analyzing and modifying cable television signal leak information | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN107180425A (zh) | 轨道扣件自动识别方法和装置 | |
CN110375736A (zh) | 智能设备的路径规划方法、系统、设备及可读存储介质 | |
CN107016147B (zh) | 设置空间搜索方法及计算机可读的记录介质 | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN106447649A (zh) | 一种珠体位置缺陷检测方法及装置 | |
CN116805441A (zh) | 一种基坑监测的预警方法、装置、电子设备及存储介质 | |
CN108876785A (zh) | 封闭空间水情监测方法及系统 | |
Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
US8538695B2 (en) | System and method for analyzing trees in LiDAR data using views | |
CN108830256A (zh) | 封闭空间设备巡检方法及装置 | |
CN113744393A (zh) | 一种多层级边坡滑坡变化监测方法 | |
CN102724397A (zh) | 名片自动检测方法与装置 | |
CN106403823B (zh) | 一种珠体宽度缺陷检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 250000 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park) Applicant after: National Network Intelligent Technology Co., Ltd. Address before: Xinluo Avenue high tech Zone of Ji'nan City, Shandong province 250101 silver bearing No. 2008 building Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |