CN110133669B - 一种三维激光异物侵限监测方法及系统 - Google Patents

Abstract

本发明涉及一种三维激光异物侵限监测方法及系统，该方法包括：基于三维数据采集装置采集三维监测区域内的激光数据；对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；基于过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；根据精细扫描结果，自动识别异物的三维信息，并发出报警信息。本发明具有稳定性高、响应速度快、误报漏报率低、无盲区、抗干扰、安装简便、适用范围广等特点。

Description

一种三维激光异物侵限监测方法及系统

技术领域

本发明属于铁路异物侵限监测技术领域，尤其涉及一种三维激光异物侵限监测方法及系统。

背景技术

现有异物侵限监测方法主要以二维激光传感器为核心的平面监测为主，二维激光传感器是基于发射的激光点形成的平面来捕捉监测范围内的异物，该方法比较适用于被监测面为一平面，根据《线路障碍自动监测报警系统暂行技术条件》中要求监测平面应在轨面70mm以上，为避免漏报、误报，其监测平面与轨面间距也不宜过大，应尽量与轨面平行。

穿越山区的线路大部分为双线、曲线地段，甚至有山区车站多股道线路，需要对整个线路中的轨道上方进行异物侵限监测。对于双线、曲线地段、岔区及多股道站线区间等特殊地段，二维激光传感器为核心的平面监测方法主要存在以下问题：

(1)实施成本增大，增加的成本与监测区间内的股道数量呈倍数关系；

(2)监测区域内易存在盲区和干扰，如堆高砟肩、标桩、岔区内转撤机等；

(3)曲线超高较大地段，沿线路方向量程受到约束，增加了激光传感器的布设密度。

有鉴于此，需要一种适用于双线、曲线地段、岔区及多股道站线区间等特殊地段的异物侵限监测方案。

发明内容

本发明的目的在于提供一种三维激光异物侵限监测方法及系统，以解决上述技术问题。

本发明提供了一种三维激光异物侵限监测方法，包括：

步骤一：基于三维数据采集装置采集三维监测区域内的激光数据；所述三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，所述双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动；

步骤二：对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；所述干扰信息包括人员、车辆、漂浮物中的一种或多种；

步骤三：基于所述过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；

步骤四：在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；

步骤五：根据精细扫描结果，自动识别异物的三维信息，并发出报警信息。

进一步地，在所述步骤五之后还包括：

步骤六：根据所述报警信息进行数据统计分析和/或历史追溯。

进一步地，所述步骤五还包括：

判断所述异物的类型，并根据判断结果对所述报警信息进行修正。

进一步地，所述步骤五还包括：

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果；

将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息。

进一步地，所述步骤五还包括：

对监测区域内的漂浮物进行运动轨迹分析，得到生成漂浮物运动轨迹分析结果；

将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息。

进一步地，所述步骤五还包括：

对通过监测区域内的车辆进行识别，得到车辆识别结果；

将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息。

进一步地，所述步骤五还包括：

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。

本发明还提供了一种三维激光异物侵限监测系统，包括：

三维数据采集装置，用于采集三维监测区域内的激光数据；所述三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，所述双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动；

数据处理装置，用于执行以下操作：

对所述激光数据进行建模，并结合图像深度学习方法干扰信息；所述干扰信息包括人员、车辆、漂浮物中的多种；基于过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；根据精细扫描结果，自动识别异物的三维信息，并发出报警信息。

进一步地，该系统还包括监控中心，所述监控中心根据所述报警信息进行数据统计分析和/或历史追溯。

进一步地，所述数据处理装置还判断所述异物的类型，并根据判断结果对所述报警信息进行修正，包括：

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果，将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息；

对监测区域内的漂浮物进行运动轨迹分析，得到漂浮物运动轨迹分析结果，将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息；

对通过监测区域内的车辆进行识别，得到车辆识别结果，将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息；

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。

与现有技术相比本发明的有益效果是：

1)响应速度快，具备三维报警及预警功能；

2)成本低、检测精度高，误报、漏报率低；

3)利用双轴云台进行偏航、俯仰两个自由度运动，对障碍物进行追踪定位及点云加密操作(精密扫描)，可靠性高；

4)自动识别异物的数量、位置、三维尺寸，并过滤人员、车辆、漂浮物等干扰。

附图说明

图1是本发明一种三维激光异物侵限监测方法的流程图；

图2是本发明一种三维激光异物侵限监测系统的结构框图；

图3是本发明一种三维激光异物侵限监测系统的一具体实施例；

图4是本发明一种三维激光异物侵限监测系统数据处理的一具体实施例；

图5是本发明三维激光传感器坐标系三视图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

参图1所示，本实施例提供了一种三维激光异物侵限监测方法，包括：

步骤S1,基于三维数据采集装置采集三维监测区域内的激光数据；三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动。

步骤S2,对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；所述干扰信息包括人员、车辆、漂浮物中的一种或多种。

步骤S3,基于所述过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位。

步骤S4，在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描。

步骤S5，根据精细扫描结果，自动识别异物的三维信息，并发出报警信息。

该方法将三维激光传感器安装于轻量型双轴稳定云台上，使其能够在偏航、俯仰两个自由度中实现旋转运动，能够快速进行三维报警及预警，并且具备精度高、误报漏报率低等特点。其中，偏航角为三维激光传感器绕其Z轴旋转的角度，偏航运动的目的是对异物进行追踪定位；俯仰角为三维激光传感器Y轴与水平面的夹角,俯仰运动的目的是对激光点云数据进行加密。三维激光传感器坐标系三视图如图5所示。该方法具体如下技术效果：

1)响应速度快，具备三维报警及预警功能；

2)成本低、检测精度高，误报、漏报率低；

3)利用双轴云台进行偏航、俯仰两个自由度运动，对障碍物进行追踪定位及点云加密操作(精密扫描)，可靠性高；

4)自动识别异物的数量、位置、三维尺寸，并过滤人员、车辆、漂浮物等干扰。

下面对本发明作进一步详细说明。

三维激光扫描技术能够提供扫描物体表面的三维点云数据，它突破了传统的单点测量方法，具有高效率、高精度的独特优势。三维激光扫描技术利用激光测距的原理，通过记录被测物体表面点云的三维坐标与反射率，可快速构建出被测目标的三维模型，基于监测目标点云模型与数据分析对比，形成相关的监测信息和报警信息。

本实施例基于三维激光扫描技术，对监测区域形成一个立体的扫描空间，可获得监测区域内物体的三维坐标信息及空间尺寸等信息，根据其坐标、空间尺寸，通过异物侵限判断算法可进行准确的异物侵限判断，能够消除监测区域内的盲区及干扰，降低监测成本，且安装简便。

本实施例首先根据标定参数将原始点云数据进行补偿修正，再从监测区域内的原始点云中获取异物并进行滤波去噪；当发生异物侵限时将会实时保存数据并进行跟踪拍照，再将激光扫描技术与图像深度学习技术相结合，对人员、漂浮物、车辆进行过滤；最后，自动识别异物数量、异物位置、异物尺寸等空间信息，并及时进行报警。

根据TJ/GW135-2015《线路障碍自动监测报警系统》技术条件要求，既有的激光二维扫描技术是在轨面以上70mm处形成一激光扫描面，该激光面作为监测面，当有异物侵入到该监测面报警区域内即形成报警。而在需要进行异物侵入监测的铁路现场大部分是一些线路条件特殊的地段，如双线、曲线、站场多股道、道岔区等特殊地段，使得既有的二维激光监测方式受到很大的局限。

1)对于曲线双股道

由于我国铁路现场涉及异物侵限的区域差异较大，山区地段线路多为曲线线路，特别是一些小半径曲线，如半径600m的曲线地段曲线超高均超过100mm，因此在这样的曲线地段设置既有的二维激光扫描异物侵限系统较为困难，安装受限较大，特别是在缓和曲线地段，由于曲线超高在逐渐变化，内外轨高差不一致，难以形成激光监测面与轨面平行并保持70mm距离，即使适当放宽70mm要求，激光监测面会在缓和曲线形成交叉，从而影响到单个传感器的监测范围，增加现场不必要的设备投资。另外，在曲线地段由于砟肩堆放高度的影响，沿线路方向对二维激光扫描监测面造成量程损失和监测盲区。

本实施例通过三维激光传感器采集监测区域内的三维数据，具有垂直方向多条激光扫描面的优势，可以通过安装高度和安装角度对曲线超高、砟肩不均匀堆放的影响进行消除，可实现两股道或多股道同时测量，沿线路方向量程也可得到充分利用。通过对三维激光传感器安装位置和安装角度的设置可实现近端砟肩位置至远端边坡高点位置整个空间区域范围内的监测，消除曲线超高及砟肩等外界因素带来的影响。

2)对于多股道区段

在一些多股道区段，由于各股道之间轨面标高不一致，导致现场二维激光扫描监测方案只能采用各股线路分开监测的方式进行，从而增加了不必要的设备成本投资，中间正线两股道高于两侧侧线股道，当采用激光二维扫描技术时将无法实现四股道同时监测。

本实施例通过三维激光传感器采集监测区域内的三维数据，具有垂直方向多条激光扫描面的优势，可以通过安装高度和安装角度对不同股道之间的高度差影响进行消除，可实现多股道同时测量，沿线路方向量程不受影响。

3)对于岔道区段

在道岔区段由于存在信号机、标志牌、标识桩等，这些标志物易对二维激光扫描监测面形成干涉，造成一定的监测盲区，特别是在道岔群区段较为明显。

本实施例通过三维激光传感器采集监测区域内的三维数据，具有垂直方向多条激光扫描面的优势，可消除监测盲区。

在本实施例中，在步骤S5之后还包括：

步骤S6，根据所述报警信息进行数据统计分析和/或历史追溯。

根据TJ/GW135-2015《线路障碍自动监测报警系统》技术条件要求，单人或多人在沿线路行走停留时允许报警，而在既有线现场巡道、钢轨小车探伤作业均较多，从而容易引起监测系统不必要的报警，增加管理人员工作难度。误报警是指报警盲区、不必要的报警信息造成的报警，如单人或多人行走中停留造成的报警，飞鸟、树叶、塑料袋等漂浮物造成的报警等。本实施例通过人员识别、漂浮物分析、车辆识别来降低误报警率，实现列车通过、人员穿行等非危险侵入的不报警处理。

在本实施例中，步骤S5还包括：

判断所述异物的类型，并根据判断结果对所述报警信息进行修正。

在本实施例中，步骤S5还包括：

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果；

将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息。

本实施例基于三维激光扫描实现人体特征的追踪，通过人员识别算法对现场人员及其行为状态进行自动识别与过滤，从而消除人员在任何状态下带来的误报警。

另外，还可通过对现场人员及其行为状态的自动识别评判剔除天窗作业活动的影响，从而取消作业人员对监测设备进行临时关闭或作业调度人员对天窗作业进行单独处理的专项操作，减少作业人员忘记关闭或启动所带来的不必要的作业风险事故。

为了防止漏报，将激光扫描技术与图像深度学习技术相结合，来进行人员识别；首先，通过异物点云每秒的数据变化，来计算异物的几何特征异物，包括移动速度与姿态等，从而对人员进行识别；其次，如果初步检测结果是人员，则将数据过滤；然后，如果检测结果相反，则利用图像深度学习技术，对图像进行二次确认；最后，如果检测结果是人员，则将数据过滤，如果不是，则进行异物侵限判断。

在本实施例中，步骤S5还包括：

对监测区域内的漂浮物进行运动轨迹分析，得到漂浮物运动轨迹分析结果；

将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息。

漂浮物主要包括监测区域内漂浮的树叶、塑料袋及飞鸟等，当漂浮物触及二维监测面时易导致不必要的误报警。本实施例基于三维激光扫描技术，通过漂浮物分析算法，实现漂浮物的位置追踪、漂浮速度及侵入方向等运动轨迹分析，能够精确地判断漂浮物的危害性并确定是否报警。

首先，通过异物点云每秒的数据变化，来计算异物的几何特征异物，包括移动速度与异物轮廓等，从而对漂浮物进行识别；然后，如果漂浮物运动轨迹随机性较高、漂浮时间较长，并且异物点数、长度、高度、体积均符合漂浮物特征，则判断为漂浮物；然后，如果检测结果相反，则进行异物侵限判断。

在本实施例中，步骤S5还包括：

对通过监测区域内的车辆进行识别，得到车辆识别结果；

将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息。

首先，通过异物点云每秒的数据变化，来计算异物的几何特征异物，包括移动速度与异物轮廓等，从而对车辆进行识别；然后，如果车头、车尾移动速度较快，并且异物点数、长度、高度、体积均符合车辆特征，则判断为车辆；然后，如果检测结果相反，则进行异物侵限判断。

异物侵入线路限界的种类较多，如崩塌落石、边坡滚石、限界外大树倒入等，但是大部分异物都是由线路限界外逐步进入到限界内造成影响行车安全，因此在这些异物侵入到线路限界内之前提前预警安全风险，可大大降低对运营造成的安全风险，同时也可降低工作管理人员和现场维护人员的工作量。本实施例通过监测线路限界以外的异物变化情况来评判侵入限界的风险，达到提前预警的效果。

在本实施例中，步骤S5还包括：

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。如边坡发生滑动、边坡上石头发生向线路靠近的位移偏移、限界外的树木倒入或在大风条件下发生侵入线路的风险，通过被监测物体的三维坐标变化、空间尺寸大小及距离线路中心位移等来评判分析侵入的风险。

首先，根据标定参数将原始点云进行补偿修正；其次，获取监测区域以外到预警区域以内的点云数据，并进行滤波去燥；然后，通过计算预警点云的几何特征与变化量，来进行风险源识别；最后，如果预警点云有异常变化，实时保存数据并进行跟踪拍照，并及时进行报警、预警。

通过该三维激光异物侵限监测方法，能够解决双线、曲线地段、岔区及多股道站线区间等特殊地段存在的监测盲区、误报警问题，同时结合人员智能识别技术可解决了不必要的人员报警，并可通过对监测区域外易造成侵入风险源的监测实现边坡滚石、边坡坍塌、泥石流、树木侵入等异常的预警。从结构布置上采用激光三维扫描技术可优化特殊地段的设备、现场布置，减少现场维护作业量。具有稳定性高、响应速度快、误报漏报率低、无盲区、抗干扰、安装简便、易于实施、适用范围广等特点。

参图2所示，本实施例还提供了应用上述方法的一种三维激光异物侵限监测系统，包括：

三维数据采集装置10，用于采集三维监测区域内的激光数据；所述三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，所述双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动。

数据处理装置20，用于执行以下操作：

对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；所述干扰信息包括人员、车辆、漂浮物中的多种；基于过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；根据精细扫描结果，自动识别异物的三维信息，并发出报警信息。

该系统将三维激光传感器安装于轻量型双轴稳定云台上，使其能够在偏航、俯仰两个自由度中实现旋转运动，能够快速进行三维报警及预警，并且具备精度高、误报漏报率低等特点。其中，偏航角为三维激光传感器绕其Z轴旋转的角度，偏航运动的目的是对异物进行追踪定位；俯仰角为三维激光传感器Y轴与水平面的夹角,俯仰运动的目的是对激光点云数据进行加密。三维激光传感器坐标系三视图如图5所示。该系统具体如下技术效果：

1)响应速度快，具备三维报警及预警功能；

2)成本低、检测精度高，误报、漏报率低；

3)利用双轴云台进行偏航、俯仰两个自由度运动，对障碍物进行追踪定位及点云加密操作(精密扫描)，可靠性高；

4)自动识别异物的数量、位置、三维尺寸，并过滤人员、车辆、漂浮物等干扰。

在本实施例中，该系统还包括监控中心30，监控中心30根据所述报警信息进行数据统计分析和/或历史追溯。

所述数据处理装置还判断所述异物的类型，并根据判断结果对所述报警信息进行修正，包括：

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果；将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息。

对监测区域内的漂浮物进行运动轨迹分析，得到漂浮物运动轨迹分析结果；将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息。

对通过监测区域内的车辆进行识别，得到车辆识别结果；将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息。

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。

通过该三维激光异物侵限监测系统，能够解决双线、曲线地段、岔区及多股道站线区间等特殊地段存在的监测盲区、误报警问题，同时结合人员智能识别技术可解决了不必要的人员报警，并可通过对监测区域外易造成侵入风险源的监测实现边坡滚石、边坡坍塌、泥石流、树木侵入等异常的预警。从结构布置上采用激光三维扫描技术可优化特殊地段的设备、现场布置，减少现场维护作业量。具有稳定性高、响应速度快、误报漏报率低、无盲区、抗干扰、安装简便、易于实施、适用范围广等特点。

参图3所示，在一具体实施例中，该三维激光异物侵限监测系统的三维数据采集装置采用三维激光传感器，三维激光传感器安装在双轴稳定云台上，通过双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动；数据处理装置采用测点服务器，其中，三维激光传感器，通过收集发射出的激光反射信号，实时生成空间三维数据；测点服务器由点云处理单元、图像识别单元、智能报警单元组成。点云处理单元实时对三维点云数据进行滤波、建模，为异物侵限判断提供可靠数据；图像识别单元，对行人和飞鸟等干扰进行过滤，降低系统的误报率；智能报警单元，将点云处理单元与图像识别单元信息进行融合，并根据异物侵限相关算法，对三维监控区域进行异物侵限监测，自动识别异物位置、异物尺寸、异物数量等空间信息，上传综合报警信息；监控中心可对报警数据进行统计分析，并对历史数据进行追溯。

三维激光传感器可采用美国Velodyen公司的VLP-16激光雷达，能够生成丰富的三维空间信息、空间立体感强，能够体现复杂的现场环境。数据处理装置可采用工控机。

参图4所示，该三维激光异物侵限监测系统的数据处理流程包括：通过三维激光传感器实时生成三维空间数据，通过网口将三维数据传输给测点服务器。测点服务器实时对三维点云数据进行建模，并通过异物侵限与人员识别算法对人等干扰因素进行过滤。最终，将信息进行融合，自动识别异物位置、异物尺寸、异物数量等空间信息，通过4G将综合报警信息上传给监控中心。监控中心根据报警信息，进行统计分析与历史追溯。

通过该三维激光异物侵限监测系统，能够对铁路沿线突发事故导致的异物侵限进行实时监测及报警，解决双线、曲线地段、岔区及多股道站线区间等特殊地段存在的监测盲区、误报警问题。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (8)

1.一种三维激光异物侵限监测方法，其特征在于，包括：

步骤一：基于三维数据采集装置采集三维监测区域内的激光数据；所述三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，所述双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动；

步骤二：对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；所述干扰信息包括人员、车辆、漂浮物中的一种或多种；

步骤三：基于过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；

步骤四：在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；

步骤五：根据精细扫描结果，自动识别异物的三维信息，并发出报警信息；

其中，所述步骤五还包括：

判断所述异物的类型，并根据判断结果对所述报警信息进行修正；

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果；

将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息。

2.根据权利要求1所述的三维激光异物侵限监测方法，其特征在于，在所述步骤五之后还包括：

步骤六：根据所述报警信息进行数据统计分析和/或历史追溯。

3.根据权利要求1所述的三维激光异物侵限监测方法，其特征在于，所述步骤五还包括：

对监测区域内的漂浮物进行运动轨迹分析，得到漂浮物运动轨迹分析结果；

将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息。

4.根据权利要求1所述的三维激光异物侵限监测方法，其特征在于，所述步骤五还包括：

对通过监测区域内的车辆进行识别，得到车辆识别结果；

将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息。

5.根据权利要求1所述的三维激光异物侵限监测方法，其特征在于，所述步骤五还包括：

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。

6.一种三维激光异物侵限监测系统，其特征在于，包括：

三维数据采集装置，用于采集三维监测区域内的激光数据；所述三维数据采集装置包括安装有三维激光传感器的双轴稳定云台，所述双轴稳定云台可使所述三维激光传感器在偏航、俯仰两个自由度中作旋转运动；

数据处理装置，用于执行以下操作：

对所述激光数据进行建模，并结合图像深度学习方法过滤干扰信息；所述干扰信息包括人员、车辆、漂浮物中的一种或多种；

基于过滤后的建模数据进行异物侵限判断，当判定发生异物侵限时，控制所述双轴稳定云台使所述三维激光传感器作偏航运动，通过水平扫描方式，对异物进行追踪定位；

在异物定位后，控制所述双轴稳定云台使所述三维激光传感器作俯仰运动，通过垂直扫描方式，对重点监控区域点云进行精密扫描；

根据精细扫描结果，自动识别异物的三维信息，并发出报警信息；

所述数据处理装置还判断所述异物的类型，并根据判断结果对所述报警信息进行修正，包括：

对监测区域内的现场人员及其行为状态进行识别，得到人员识别结果，将所述异物侵限判断结果与所述人员识别结果进行信息融合，生成综合报警信息。

7.根据权利要求6所述的三维激光异物侵限监测系统，其特征在于，还包括监控中心，所述监控中心根据所述报警信息进行数据统计分析和/或历史追溯。

8.根据权利要求6所述的三维激光异物侵限监测系统，其特征在于，所述数据处理装置根据判断结果对所述报警信息进行修正，还包括：

对监测区域内的漂浮物进行运动轨迹分析，得到漂浮物运动轨迹分析结果，将所述异物侵限判断结果与所述漂浮物运动轨迹分析结果进行信息融合，生成综合报警信息；

对通过监测区域内的车辆进行识别，得到车辆识别结果，将所述异物侵限判断结果与所述车辆识别结果进行信息融合，生成综合报警信息；

对线路限界外的风险源进行识别，判断所述风险源侵入线路限界内的风险等级，并进行预警。

Images