CN110889350A - 一种基于三维成像的线路障碍物监测报警系统及方法 - Google Patents
一种基于三维成像的线路障碍物监测报警系统及方法 Download PDFInfo
- Publication number
- CN110889350A CN110889350A CN201911127985.3A CN201911127985A CN110889350A CN 110889350 A CN110889350 A CN 110889350A CN 201911127985 A CN201911127985 A CN 201911127985A CN 110889350 A CN110889350 A CN 110889350A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- point cloud
- data
- alarm
- dimensional
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于三维成像的线路障碍物监测报警系统及方法,属于铁路安全技术领域,方法包括判断障碍物类型步骤:提取三维点云图像中障碍物轮廓信息点云簇,判断是否为同一障碍物;若为同一障碍物,根据障碍物轮廓信息点云簇的特征计算障碍物的体积、角度和位置,根据障碍物的位置信息判断所述障碍物是否处于运动状态,若处于运动状态,计算障碍物的移速;根据障碍物轮廓信息点云簇的体积、形状和移动轨迹数据与点云样本库进行特征匹配,实现障碍物分类。本发明能够能够对障碍物的性质以及停留时间进行精准的判断,根据障碍物类型及移动速度进行分级报警,保证了铁路安全。
Description
技术领域
本发明涉及铁路安全技术领域,尤其涉及一种基于三维成像的线路障碍物监测报警系统及方法。
背景技术
铁道线路的安全是铁路运输永恒的主题,为加强铁道线路的防护管理确保铁路行车安全和人身安全,减少铁路内外人身伤亡事故,通过一定的监测设备来对铁道线路上障碍物的监测是铁路运营安全中必不可少的手段。
现中国专利申请号为201710269081.9公开了“铁道线路障碍物自动监测识别方法”,其包括沿铁道线路上方一平面按设定角度范围发出激光,进行扫动搜索;接收返回的激光信号,自动判断是否存在有害障碍物。该方法能够在各种天气和气候条件下,对铁路线路上可能威胁到列车正常行驶的有害障碍物进行快速,准确地判别,并对告警目标进行定位。但是这种方法存在着以下缺陷:
(1)该方法采用激光对一平面进行扫描得到的只是障碍物的二维平面图形图像数据,而二维数据不能够真实反映出障碍物的实际性质,不能对障碍物进行准确的识别;
(2)其激光器安装方式为高于铁轨一定距离且沿水平于两轨道延长线进行安装,只能对高于铁轨指定区域障碍物的截面进行检查,很容易受到杂草、道砟等外部条件的干扰,造成误报。
(3)不能对报警数据信息进行优先级传输以及对报警等级进行区分,在网络情况不好时将会影响对报警真实情况的判断。
(4)该方法不能根据采集到的三维点云图像信息中障碍物的体积、形状和移动轨迹数据判断障碍物的类型。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于三维成像的线路障碍物监测报警系统及方法。
本发明的目的是通过以下技术方案来实现的:一种基于三维成像的线路障碍物监测报警系统,根据采集的三维点云数据判断障碍物类型,判断障碍物类型的具体步骤包括:
S01:提取三维点云图像中障碍物轮廓信息点云簇,对障碍物轮廓信息点云簇进行非均匀采样处理;
S02:提取障碍物轮廓信息点云簇的几何属性特征、分布统计特征计算障碍物的体积、角度和位置,根据障碍物的位置信息判断障碍物是否处于运动状态,若处于运动状态,计算障碍物的移速,以估算并跟踪障碍物的移动轨迹;
S03:根据障碍物轮廓信息点云簇的体积、形状和移动轨迹数据与点云样本库进行几何属性特征、分布统计特征、视点类特征和深层抽象语义特征匹配,实现障碍物分类。
具体地,非均匀采样处理包括以下步骤:判断障碍物轮廓信息点云簇的点数与阈值的大小关系,若障碍物轮廓信息点云簇的点数小于第一阈值,不做降采样处理;若障碍物轮廓信息点云簇的点数处于第一阈值和第二阈值之间,做第一降采样处理;障碍物轮廓信息点云簇的点数大于第二阈值,做第二降采样处理;第一阈值小于第二阈值,第一降采样倍数小于第二降采样倍数。
具体地,提取三维点云图像中障碍物轮廓信息点云簇步骤前还包括建立用户坐标系步骤:提取铁轨特征点云,以铁轨铺设方向、铁轨铺设方向的垂直方向、垂直于以铁轨的铺设方向、铁轨铺设方向的垂直方向形成平面的方向建立用户坐标系;根据雷达坐标系的几何属性参数将雷达坐标系转换为用户坐标系,并在坐标系上标注若干测试点,用于坐标转换后的误差修正。
具体地,取三维点云图像中障碍物轮廓信息点云簇步骤前、建立用户坐标系步骤后还包括目标障碍物分离步骤:提取用户坐标系下被监测现场场景点云数据,建立背景母版;提取背景母版中增加的点云,实现障碍物点云数据与被监测现场场景点云数据的分离。
具体地,建立坐标系步骤前还包括点云预处理步骤:接收点云数据,将接收到的点云数据进行滤波处理,过滤离散的干扰点云。
具体地,点云预处理步骤前还包括建立三维样本库:采集现场样本数据信息;提取不同轨道场景下的样本信息的几何属性特征、分布统计特征、视点类特征和深层抽象语义特征进行模型训练,完成三维样本库的建立。
具体地,根据障碍物的移动轨迹、障碍物类型进行分级报警处理,分级报警具体包括:根据网络情况进行优先级报警数据传输,数据传输优先级等级包括第一优先级传输数据、第二优先级传输数据和第三优先级传输;
若判断障碍物符合第三阈值条件,则判定为一级报警;若判断障碍物符合第四阈值条件,则判定为二级报警;根据判定的一级报警或者二级报警,与接收到的三个优先级报警数据的结合判断是否判定为三级报警。
基于上述一种基于三维成像的线路障碍物监测报警方法,本发明还提供一种基于三维成像的线路障碍物监测报警系统,系统包括:
多个前端设备:安装在铁道线路上用于采集铁道线路上障碍物的三维数据信息信号以及接收控制信号进行控制及报警;
多个前端主控机柜:安装在铁道线路上并与前端设备通信连接,实现接收、处理前端设备发送的障碍物的数据信息信号以及发送控制信号到前端设备中;
铁路控制中心:与前端主控机柜通信连接,接收前端主控机柜传输的数据信息,对所有前端主控机柜进行整体控制。
具体地,前端设备包括面向铁路轨道吊装在铁路轨道一侧的,实现采集障碍物三维图像数据的三维数据采集装置;三维数据采集装置与前端主控机柜连接,实现数据的交互。
具体地,前端设备还包括安装在铁道线路上的摄像装置和报警装置;摄像装置将采集到的视频图像数据发送到前端主控机柜,前端主控机柜发送报警控制信号到报警装置实现现场报警,以及发送控制信号到摄像装置实现控制。
具体地,前端主控机柜包括工控机、硬盘录像机、网络通信模块、接口模块和电源模块;前端设备通过接口模块将采集的障碍物数据传输到前端主控机柜,再通过网络通信模块将数据上传到铁路控制中心;硬盘录像机实现在网络中断时将采集的障碍物数据进行缓存;工控机内嵌入有前端程序,并与铁路控制中心进行相互通信,通过接口模块向前端设备发送控制指令;电源模块实现为前端主控机柜提供电源。
具体地,铁路控制中心包括用于根据报警信息确定报警等级的客户端,客户端安装有客户端软件,与硬盘录像机缓存的数据同步的实现网络通信模块上传数据存储的中心数据库,以及向客户端推送报警信息的服务器,服务器内嵌入有服务端程序。
与现有技术相比,本发明有益效果是:
(1)本发明能够根据采集到的障碍物的三维点云数据准确判断障碍物的移动轨迹、停留时间、类型,并能够根据障碍物的移速对障碍物进行跟踪,进一步保证了铁路交通的安全性。
(2)本发明采用非均匀采样对不同大小点云采用不同的采样处理,不仅可以保证点数较小时所提取小目标障碍物点云特征的完整性,还可以有效降低障碍物点数非常大时的运算量,均衡了大目标障碍物与小目标障碍物之间的矛盾,能够有效检测出单点微目标并且在检测点数极大的目标时系统具有极强的实时性。
(3)本发明在用户坐标系中标注若干测试点,用于坐标转换后的误差修正,自动纠正系统长时间运行带来的误差,提高计算准确度。
(4)本发明通过建立被监测场景的背景母版实现背景与目标障碍物的分离,在简化计算过程、提升计算速率的同时能够进一步增强提取目标障碍物的可靠性。
(5)本发明的预处理步骤中,采用直通滤波和统计滤波相结合的滤波处理方式,相比于传统的级联方式,更加高效、实时性更强。
(6)本发明建立三维点云数据库,将不同轨道场景下的样本信息的特征信息与样本进行映射,有效提升了障碍物识别率,实现了更加精准的障碍物分类。
(7)本发明通过障碍物分析判断结果设定三个报警等级区分出报警情况的轻重缓急;在网络传输受影响时通过报警数据的优先级传输保证报警信息的及时长传;通过将三维激光雷面向轨道吊装在轨道的一侧避免了杂草等外部因素对障碍物判断的影响。
(7)本发明系统还包括多个前端设备、多个前端主控机柜和铁路控制中心,多个设备端相互配合,能够排除周围环境干扰对障碍物类型进行识别,进一步提高了铁路交通的安全性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。图中:
图1为本发明系统的结构原理框图;
图2为本发明方法的流程图;
图3为第三优先级影像数据加载流程图;
图4为报警触发和处理流程图;
图5为用户报警处理流程图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
在本发明的描述中,需要说明的是,属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系为基于附图所述方向或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,属于“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,属于“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
如图1所示,在实施例1中,一种基于三维成像的线路障碍物监测报警系统,具体包括:
多个前端设备:安装在铁道线路上用于采集铁道线路上障碍物的三维数据信息信号以及接收控制信号进行控制及报警;
多个前端主控机柜:安装在铁道线路上并与所述前端设备通信连接,实现接收所述前端设备发送的障碍物的数据信息信号以及发送控制信号到所述前端设备中;
铁路控制中心:与所述前端主控机柜通信连接,接收所述前端主控机柜传输的数据信息,对所有前端主控机柜进行整体控制。
前端设备包括面向铁路轨道吊装在铁路轨道一侧的,实现采集障碍物三维图像数据的三维数据采集装置;所述三维数据采集装置与所述前端主控机柜连接,实现数据的交互。
优选地,前端设备包括安装在铁道线路上的激光雷达;激光雷达将采集到的数据发送到前端主控机柜,前端主控机柜发送控制信号到激光雷达实现控制;激光雷达包括三维激光雷达,三维激光雷达面向铁路轨道吊装在铁路轨道的一侧,并实现水平方向和垂直方向等角步进转动扫描方式采集障碍物的三维点云图像数据。
优选地,三维激光雷达面向铁路轨道吊装在铁路轨道的一侧,其离地面的距离根据实际情况可设置为2.5m-3.5m;三维激光雷达在水平方向和垂直方向等角步进的转动角度在0.1度~1度之间连续可调,相对误差小于0.05度。保证三维激光雷达的水平方向的扫描时间和垂直方向的扫描时间同步。
前端设备还包括安装在铁道线路上的摄像装置和报警装置;摄像装置将采集到的视频图像数据发送到所述前端主控机柜,前端主控机柜发送报警控制信号到报警装置实现现场报警,以及发送控制信号到摄像装置实现控制。
优选地,摄像装置包括枪机摄像机和球机网络摄像机,报警装置包括声光报警器,通过LED信号灯进行发光警报,可视范围800m-1000m,通过报警喇叭进行发声报警,报警音量大于115分贝。
前端主控机柜包括工控机、硬盘录像机、网络通信模块、接口模块和电源模块;前端设备通过接口模块将采集的障碍物数据传输到前端主控机柜,再通过网络通信模块将数据上传到所述铁路控制中心;硬盘录像机实现在网络中断时将采集的障碍物数据进行缓存,待网络恢复后再将数据向中心数据库传输实现数据同步的一致性;工控机内嵌入有前端程序,并与铁路控制中心进行相互通信,通过接口模块向前端设备发送控制指令;电源模块实现为前端主控机柜提供电源。
优选地,硬盘录像机采用循环覆盖录像模式,其中报警截取的视频需要保护;自动监控工控机硬盘,当硬盘空间不足时,可自动删除旧的文件数据。
优选地,电源模块包括市电和UPS电源接口;模块包括IO接口、激光雷达接口合摄像装置接口;激光雷达接口包括RS485、CAN总线和RJ45接口中的一种或者多种,摄像装置接口包括RS485或者RJ45;三维激光雷达通过激光雷达接口将采集的障碍物的三维点云图像传输到前端主控机柜中;摄像装置通过摄像装置接口将采集的视频或者图像数据传输到前端主控机柜中;前端主控机柜通过IO接口控制报警装置进行现场报警,也可以通过短信通信模块向相关人员发送报警消息。
铁路控制中心包括用于根据报警数据确定报警等级的客户端,客户端安装有客户端软件,与硬盘录像机缓存的数据同步的实现网络通信模块上传数据存储的中心数据库,以及向客户端推送报警数据的服务器,服务器内嵌入有服务端程序。其中,客户端可以通过前端主控机柜远程控制前端设备。
实施例2
本实施例与实施例1具有相同的发明构思,在实施例1的基础上提供了一种一种基于三维成像的线路障碍物监测报警方法,方法具体包括以下步骤:
S1、前端设备将采集到的障碍物信息,通过计算转换为报警数据,并推送到服务器;其中,通过三维激光雷达和摄像机将采集到障碍物数据信息并传输到前端主控机柜进行计算转换为报警数据,并推送到服务器;
S2、服务器根据分析的结果判断是否需要向客户端推送报警数据;其中,服务器还需要对障碍物数据信息进行分析判断;
S3、客户端根据报警等级进行相应处理;根据推送的报警数据和多次对障碍物数据信息的扫描分析结果判断报警等级,并根据报警等级进行相应处理。
步骤S2服务器还需要对障碍物数据信息进行分析判断,根据三维激光雷达采集的三维点云图像障碍物的体积、形状和移动轨迹数据判断障碍物类型。
进一步地,判断障碍物类型具体包括以下步骤:
S21:建立三维样本库;其中,建立三维样本库具体包括采集现场大量样本点云图;提取不同轨道场景下的样本信息的几何属性特征、分布统计特征、视点类特征和深层抽象语义特征进行模型训练,建立障碍物和特征群之间的对应关系,完成三维样本库的建立。具体地,模型训练分为数据采集、数据分类标注、建立模型、训练调试模型参数四个步骤。数据采集阶段对人体、长方体、杆状物等基本物体做点云成像,获得数据信息。数据标注阶段将所有数据分类并添加数据对象的基本信息,包括长宽高几何特征以及分布特征以及名字类别。建立模型阶段根据视点特征建立计算视点特征的算法模型,根据深层特征建立深层特征的全连接网络模型。训练调试阶段根据模型的输入输出不断调整校正参数,使得输出尽可能和标注一致。以针对行人的点云图特征群的建立为例,做几何计算获得几何属性特征,即可得到人的身高区间,做空间占比统计得点云分布统计特征,即得到人的左右半身点云对称分布,做视点特征计算得到视点类特征,即可得到行人侧面站立的视点特征,做语义再分割得到图像深层抽象语义特征,即可得到人的身体由各个部分构成。对所有需要监测的障碍物类别分别建立这样的特征群和类别之间的对应关系。传统的二维特征显然无法达到三维点云情况下如此丰富有效的特征描述群。更为具体地,在三维样本库中,将物体的具体特征与各类常见的障碍物样本之间建立了映射关系,包括几何属性特征、分布统计特征、视点类特征和深层抽象语义特征,能够快速对障碍物的特征进行特征对比,降低了运算量,有效提升整个系统对障碍物识别准确率及识别速度,实现了更加精准的障碍物分类。
S22:点云预处理;具体地,接收点云数据,将接收到的点云数据进行滤波处理,过滤离散的干扰点云。具体地,将用户坐标中特定区域的点云数据滤除,如点云某点周围点数少于均值某一比例如测试值0.6的点剔除,降低了滤波总体时间消耗,通过滤波剔除了大量无用的点云数据,从而降低了运算量,系统效率和实时性就顺其自然提高。
S23:建立用户坐标系;具体地,提取铁轨特征点云,并以铁轨铺设方向为X轴,以两轨之间的垂直方向为Y轴;以XY轴的水平面为“零点”,建立垂直于该面的Z轴;将“雷达坐标系”通过标定方法转换为“用户坐标系”,即将每一个数据帧乘以变换矩阵实现雷达坐标系与用户坐标系的转换;进一步地,为了进一步提升障碍物判断的准确性,在铁轨上打三个以上的测试点,在一定时间段内对用户坐标系进行校准,能够纠正系统长时间运行带来的误差,用作坐标转换后的误差修正。
S24:背景提取;通过背景差分技术和轨平面基准技术,在用户坐标系中提取出被监测现场的背景点云,并提取出其特征作为母版。在建立背景母版过程中,收集了被监测现场大量的场景先验信息,抗干扰能力更强。
S25:提取三维点云图像中障碍物轮廓信息点云簇,对所述障碍物轮廓信息点云簇进行非均匀采样处理;具体地,实时提取母版中“增加”的点云(障碍物点云),并通过法线方向一致算法和离散聚类算法,以提取三维点云图像中障碍物轮廓信息点云簇。本发明通过提取被监测现场的特征点云建立背景母版,从被监测现场提取目标障碍物点云数据时,仅需将背景母版中已知的各物体的空间位置、几何属性特征、以及视点特征直接剔除,简化了获取目标障碍物点云数据的计算过程;由于背景母版包含了固有物的空间位置、几何属性特征、以及视点特征等丰富的属性,在提取目标障碍物时准确性和可靠性更高。
S26:提取前后多帧障碍物轮廓信息点云簇数据估算该目标障碍物的运动轨迹;具体地,提取前后多帧障碍物轮廓信息点云簇数据判断是否为同一障碍物,若为同一障碍物,提取目标障碍物轮廓信息点云簇的几何属性特征、分布统计特征计算障碍物的体积、形状、角度和位置,根据障碍物的位置信息判断所述障碍物是否处于运动状态,若处于运动状态,计算障碍物的移速,以估算障碍物的移动轨迹;更为具体地,若前后多帧障碍物轮廓信息点云簇数据为不同障碍物,根据不同障碍物的轮廓信息点云簇数据估算目标障碍物的运动轨迹。
S27:根据障碍物轮廓信息点云簇的体积、形状和移动轨迹数据与点云样本库进行几何属性特征、分布统计特征、视点类特征和深层抽象语义特征匹配,实现障碍物分类。
进一步地,步骤S25中非均匀采样处理具体包括:
判断障碍物轮廓信息点云簇的点数与阈值的大小关系,若障碍物轮廓信息点云簇的点数小于第一阈值,不做降采样处理;若障碍物轮廓信息点云簇的点数处于第一阈值和第二阈值之间,做第一降采样处理;障碍物轮廓信息点云簇的点数大于第二阈值,做第二降采样处理;其中,第一阈值小于第二阈值,第一降采样倍数小于第二降采样倍数。通过对不同大小点云进行不同的采样处理,不仅可以保证点数较小时所提取目标障碍物点云特征的完整性,还可以有效降低障碍物点数非常大时的运算量,均衡了大目标障碍物与小目标障碍物之间的矛盾,能够有效检测出单点微目标并且在检测点数极大的目标时系统具有极强的实时性。
进一步地,步骤S26中提取前后多帧障碍物轮廓信息点云簇数据判断是否为同一障碍物具体包括:提取前后多帧障碍物轮廓信息点云簇数据进行多帧数据融合并进行相似度计算,若符合阈值条件,输出为同一障碍物的判断结果。其中,该阈值条件包括相似度、差异度、点云分布变化量等,当前后多帧障碍物轮廓信息的相似度大于一定阈值,则符合阈值条件。如当前后两帧的目标障碍物的点云视点特征相似度大于测试阈值如0.5且在所有目标障碍物中的相似度最高,前后帧在空间位置上的距离满足预测距离条件,目标障碍物之间的点云点数差距小于测试阈值如15%,目标障碍物的点云分布变化量小于测试阈值如20%,则判断为同一障碍物。通过提取前后多帧障碍物轮廓信息点云簇数据进行多帧数据融合和相似度计算以确定目标障碍物是否为同一目标物,降低了误报率。
进一步地,步骤S26中计算障碍物的体积、角度和位置具体包括:根据点云簇空间几何分布,求出该点云簇在用户坐标系X\Y\Z三个方向的尺寸,从而确定点云簇的体积大小;根据点云簇的几何中心和坐标系原点之间的距离求得点云簇位置;根据点云簇的几何中心和坐标系的空间几何关系求出点云簇相对于坐标系观测原点的角度。更为具体地,点云簇中每一帧点云都会单独给出当前帧所包含的所有障碍物的具体空间属性,包括障碍物的空间几何尺寸、相对于坐标系原点的位置和角度。在获取了连续多帧点云图像中障碍物的以上信息之后,对障碍物的位置和角度做差分,从而获得障碍物在连续两帧时间范围内的空间移动距离和相对于坐标系原点的空间移动角度,再对时间求一阶微分获得障碍物的速度和角速度,再对时间求二阶微分获得障碍物的加速度和角加速度,即障碍物在连续帧之间的一二阶微分矢量图。在已知点云当前位置以及障碍物的一二阶微分矢量图的基础上,通过对时间积分可以对障碍物在下一帧的运动速度、角速度状态和位置以及角度进行估计。即单帧能够知道障碍物的几何属性,如尺寸、位置、角度,多帧可以获得障碍物运动属性,如速度、角速度、以及加速度和角加速度,并能对障碍物下一时刻(下一帧)的几何属性和运动状态进行估计。
进一步地,在步骤S26中估算障碍物的移动轨迹具体包括:根据目标障碍物前后两帧所处用户坐标系的位置差计算该目标障碍物的基础速度,带入卡尔曼跟踪方程计算该目标障碍物的下一帧出现的位置,在本实施例中,假设带入卡尔曼跟踪方程计算的是目标障碍物的第三帧出现的位置,当采集到该障碍物第三帧的具体位置后对第二帧预测的速度和位置进行修正,然后再预测后续帧的速度位置,不断预测修正并将位置信息串联起来实现跟踪,鲁棒性强。
优选地,具体障碍物类型的判定还包括:
A1、根据三维点云图中障碍物的外形,若障碍物的体积在0.5立方米-1.5立方米,且移动速度在1m/s-2m/s,则判定该障碍物为人;
A2、根据三维点云图中障碍物的外形,若障碍物的体积在0.2立方米-0.5立方米,且移动速度小于1m/s,则判定障碍物为动物;
A3、根据三维点云图中障碍物的外形,若障碍物的体积大于5立方米,且移动速度大于3m/s,则判定障碍物为泥石流或者落石。
进一步地,报警数据的推送根据网络情况进行优先级报警数据传输,数据传输优先级等级包括第一优先级传输数据、第二优先级传输数据和第三优先级传输;报警数据的推送根据报警优先级进行数据传输的步骤为:
B1、前端主控机柜将第一优先级传输数据成功上传到中心数据库,中心数据库向前端主控机柜发送确认信息;
B2、中心数据库通过服务器向客户端推送第一优先级传输数据,同时根据网络情况依次向前端主控机柜请求第二优先级传输数据和第三优先级传输数据。
优选地,第一优先级传输数据包括报警信息,第二优先级传输数据包括报警图片和三维点云图像,第三优先级传输数据包括采集的现场截取视频;其中现场截取视频为自动截取报警时间点前后时间段的视频,且视频截取的时间可调;报警图片为抓拍报警点障碍物图片,抓拍的图片包括障碍物细节且障碍物位于图片中心位置。
其中,第二优先级数据传输的报警图片和三维点云图像、第三优先级数据传输的现场截取视频与第一优先级数据传输的报警信息自动关联,即通过第一优先级数据传输的报警信息可以查到与之对应的后续接收到的第二优先级数据传输的障碍物的图片和三维点云图像以及第三优先级数据传输的现场截取视频。
如图3所示,前端程序自动将“确认报警”信息所关联的影像文件上传到服务器,服务器与前端程序之间,需要对文件的上传进行校验。
步骤S2服务器根据分析的结果判断是否需要向客户端推送报警数据的步骤为:
S221、若分析结果不满足报警要求时,则只记录此次数据;
其中,当分析结果判定为障碍物为火车时,则不进行报警,则记录数据。
S222、若分析结果满足报警要求时,则根据当时网络情况进行优先级报警数据传输。
其中满足报警要求为至少满足一级报警要求。
如图4所示,前端程序在对障碍物的类型进行计算分析后,根据分析结果判定向客户端推送一、二级报警信息,以及根据网络情况以及报警数据传输的优先级进行报警数据的推送,其中三级报警需要用户通过客户端确认;若是记录在中心数据库未处理的报警,需要用户通过客户端确认是进行报警或者取消报警;经客户端确认的报警需通过现场的前端报警装置发出警报以及铁路局,并记录确认的报警信息。
步骤S3根据推送的报警数据和多次对障碍物数据信息的扫描分析结果判断报警等级的步骤为:
S31、若检测到在激光扫描采集的三维点云图像内障碍物体积超过预先设置的第一体积阈值条件且停留时间超过预先设置的第一时间阈值条件,则判定为一级报警;
其中,第一体积阈值条件为任意横截面积大于15-25平方厘米,第一时间阈值条件为障碍物停留时间超过10s-18s;则认定为固定障碍物,判定为一级报警。
S32、若检测到在激光扫描采集的三维点云图像内障碍物体积超过预先设置的第二体积阈值条件且停留时间超过预先设置的第二时间阈值条件,则判定为二级报警;
其中,第二体积阈值条件为障碍物体积大于4立方米-6立方米,第二时间阈值条件为停留时间单元25s-40s,则判定为二级报警;
S33、客户端根据判定的一级报警或者二级报警与接收到的三个优先级报警数据的结合判断是否判定为三级报警。
如图5所示,用户可以对报警不做任何处理,也可以选择“确认报警”和“取消报警”,但是需要在客户端填写操作记录,该记录必须写入中心数据库,以方便后续数据查询。
优选地,在正常天气情况下在对障碍物进行扫描分析判断报警等级时,扫描次数应不少于两次,若遇到极端或者恶劣天气会造成对障碍物类型的判断,则通过增加对障碍物的扫描次数(不少于4次)和增加障碍物停留的判定时间(在原来的基础上增加至少25%停留时间的判定)来实现在极端或者恶劣天气对障碍物的精准判断。
本实施例提供了一种存储介质,其上存储有计算机指令,计算机指令运行时执行实施例2中一种基于三维成像的线路障碍物监测报警方法的步骤。
基于这样的理解,本实施例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(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例还提供一种终端,包括存储器和处理器,存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行实施例2中一种基于三维成像的线路障碍物监测报警方法的步骤。处理器可以是单核或者多核中央处理单元或者特定的集成电路,或者配置成实施本发明的一个或者多个集成电路。
在本发明提供的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。
以上具体实施方式是对本发明的详细说明,不能认定本发明的具体实施方式只局限于这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演和替代,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于三维成像的线路障碍物监测报警方法,其特征在于:包括根据采集的三维点云数据判断障碍物类型,所述判断障碍物类型的具体步骤包括:
提取三维点云图像中障碍物轮廓信息点云簇,对所述障碍物轮廓信息点云簇进行非均匀采样处理;
提取障碍物轮廓信息点云簇的几何属性特征、分布统计特征计算障碍物的体积、形状、角度和位置,根据障碍物的位置信息判断所述障碍物是否处于运动状态,若处于运动状态,计算障碍物的移速,以估算并跟踪障碍物的移动轨迹;
根据障碍物轮廓信息点云簇的体积、形状和移动轨迹数据与点云样本库进行几何属性特征、分布统计特征、视点类特征和深层抽象语义特征匹配,实现障碍物分类。
2.根据权利要求1所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:所述非均匀采样处理包括以下步骤:
判断所述障碍物轮廓信息点云簇的点数与阈值的大小关系,若所述障碍物轮廓信息点云簇的点数小于第一阈值,不做降采样处理;若所述障碍物轮廓信息点云簇的点数处于第一阈值和第二阈值之间,做第一降采样处理;所述障碍物轮廓信息点云簇的点数大于第二阈值,做第二降采样处理;所述第一阈值小于第二阈值,所述第一降采样倍数小于第二降采样倍数。
3.根据权利要求1所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:所述提取三维点云图像中障碍物轮廓信息点云簇步骤前还包括建立用户坐标系步骤:
提取铁轨特征点云,以铁轨铺设方向、铁轨铺设方向的垂直方向、垂直于以铁轨的铺设方向、铁轨铺设方向的垂直方向形成平面的方向建立用户坐标系;
根据雷达坐标系的几何属性参数将雷达坐标系转换为用户坐标系,并在用户坐标系上标注若干用于校准误差的测试点。
4.根据权利要求3所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:提取三维点云图像中障碍物轮廓信息点云簇步骤前、建立用户坐标系步骤后还包括目标障碍物分离步骤:
提取用户坐标系下被监测现场场景点云数据,建立背景母版;
提取背景母版中增加的点云,实现障碍物点云数据与被监测现场场景点云数据的分离。
5.根据权利要求3所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:所述建立坐标系步骤前还包括点云预处理步骤:
接收点云数据,将接收到的点云数据进行滤波处理,过滤离散的干扰点云。
6.根据权利要求5所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:所述点云预处理步骤前还包括建立三维样本库:
采集现场样本数据信息;
提取不同轨道场景下的样本信息的几何属性特征、分布统计特征、视点类特征和深层抽象语义特征进行模型训练,完成三维样本库的建立。
7.根据权利要求1所述一种基于三维成像的线路障碍物监测报警方法,其特征在于:所述根据障碍物的移动轨迹、障碍物类型进行分级报警处理,所述分级报警具体包括:
根据网络情况进行优先级报警数据传输,数据传输优先级等级包括第一优先级传输数据、第二优先级传输数据和第三优先级传输;
若判断障碍物符合第三阈值条件,则判定为一级报警;若判断障碍物符合第四阈值条件,则判定为二级报警;根据判定的一级报警或者二级报警,与接收到的三个优先级报警数据的结合判断是否判定为三级报警。
8.根据权利要求1-7任意一项所述的一种基于三维成像的线路障碍物监测报警方法的系统,其特征在于:所述系统包括:
多个前端设备:安装在铁道线路上用于采集铁道线路上障碍物的三维数据信息信号以及接收控制信号进行控制及报警;
多个前端主控机柜:安装在铁道线路上并与所述前端设备通信连接,实现接收、处理所述前端设备发送的障碍物的数据信息信号以及发送控制信号到所述前端设备中;
铁路控制中心:与所述前端主控机柜通信连接,接收所述前端主控机柜传输的数据信息,对所有前端主控机柜进行整体控制。
9.根据权利要求8所述一种基于三维成像的线路障碍物监测报警系统,其特征在于:所述前端设备包括面向铁路轨道吊装在铁路轨道一侧的,实现采集障碍物三维图像数据的三维数据采集装置;所述三维数据采集装置与所述前端主控机柜连接,实现数据的交互;
所述前端设备还包括安装在铁道线路上的摄像装置和报警装置;所述摄像装置将采集到的视频图像数据发送到所述前端主控机柜,所述前端主控机柜发送报警控制信号到所述报警装置实现现场报警,以及发送控制信号到所述摄像装置实现控制;
所述前端主控机柜包括工控机、硬盘录像机、网络通信模块、接口模块和电源模块;所述前端设备通过所述接口模块将采集的障碍物数据传输到前端主控机柜,再通过所述网络通信模块将数据上传到所述铁路控制中心;硬盘录像机实现在网络中断时将采集的障碍物数据进行缓存;所述工控机内嵌入有前端程序,并与所述铁路控制中心进行相互通信,通过所述接口模块向所述前端设备发送控制指令;所述电源模块实现为前端主控机柜提供电源。
10.根据权利要求8所述一种基于三维成像的线路障碍物监测报警系统,其特征在于:所述铁路控制中心包括用于根据报警信息确定报警等级的客户端,客户端安装有客户端软件,与所述硬盘录像机缓存的数据同步的实现所述网络通信模块上传数据存储的中心数据库,以及向所述客户端推送报警信息的服务器,所述服务器内嵌入有服务端程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127985.3A CN110889350B (zh) | 2019-11-18 | 2019-11-18 | 一种基于三维成像的线路障碍物监测报警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127985.3A CN110889350B (zh) | 2019-11-18 | 2019-11-18 | 一种基于三维成像的线路障碍物监测报警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889350A true CN110889350A (zh) | 2020-03-17 |
CN110889350B CN110889350B (zh) | 2023-05-23 |
Family
ID=69747785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911127985.3A Active CN110889350B (zh) | 2019-11-18 | 2019-11-18 | 一种基于三维成像的线路障碍物监测报警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889350B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444814A (zh) * | 2020-03-23 | 2020-07-24 | 北京迈格威科技有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
CN111583257A (zh) * | 2020-05-28 | 2020-08-25 | 中国铁道科学研究院集团有限公司 | 铁路限界异物侵入检测方法、装置及系统 |
CN112487984A (zh) * | 2020-11-30 | 2021-03-12 | 贵州北斗空间信息技术有限公司 | 一种点云数据轻量化快速生成方法 |
CN112505720A (zh) * | 2020-10-29 | 2021-03-16 | 北京全路通信信号研究设计院集团有限公司 | 一种基于多线激光雷达的边坡灾害监测系统及方法 |
CN112784799A (zh) * | 2021-02-01 | 2021-05-11 | 三一机器人科技有限公司 | Agv后向栈板及障碍物识别方法、装置及agv |
CN112817005A (zh) * | 2020-12-29 | 2021-05-18 | 中国铁路兰州局集团有限公司 | 一种基于点数据的模式识别方法 |
CN112915242A (zh) * | 2021-01-28 | 2021-06-08 | 上海擎朗智能科技有限公司 | 基于智能移动设备的消毒方法、装置、设备及存储介质 |
CN112949566A (zh) * | 2021-03-25 | 2021-06-11 | 浙江华是科技股份有限公司 | 一种监控方法、装置、系统及计算机存储介质 |
CN112965494A (zh) * | 2021-02-09 | 2021-06-15 | 武汉理工大学 | 固定区域纯电动自动驾驶专用车控制系统及方法 |
CN113255944A (zh) * | 2021-06-25 | 2021-08-13 | 武汉奋翼科技有限公司 | 一种基于雷达、视频技术线路障碍自动监测报警的方法 |
CN113255439A (zh) * | 2021-04-13 | 2021-08-13 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、系统、终端及云端 |
CN113516322A (zh) * | 2021-09-14 | 2021-10-19 | 南通海扬食品有限公司 | 基于人工智能的工厂障碍物风险评估方法及系统 |
CN113916297A (zh) * | 2021-10-18 | 2022-01-11 | 淮北矿业股份有限公司临涣选煤厂 | 一种煤炭计量与质量检验一体化智能管控系统 |
WO2022252380A1 (zh) * | 2021-06-04 | 2022-12-08 | 魔门塔(苏州)科技有限公司 | 静态障碍物接地轮廓线多帧融合方法、装置及介质 |
CN115620496A (zh) * | 2022-09-30 | 2023-01-17 | 北京国电通网络技术有限公司 | 应用于输电线路的故障报警方法、装置、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
WO2018218680A1 (zh) * | 2017-06-02 | 2018-12-06 | 华为技术有限公司 | 一种障碍物检测方法及设备 |
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN109375239A (zh) * | 2018-11-13 | 2019-02-22 | 四川西南交大铁路发展股份有限公司 | 一种基于三维成像的线路障碍物监测报警系统及方法 |
CN109657698A (zh) * | 2018-11-20 | 2019-04-19 | 同济大学 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
CN110070570A (zh) * | 2019-03-20 | 2019-07-30 | 重庆邮电大学 | 一种基于深度信息的障碍物检测系统及方法 |
CN110222605A (zh) * | 2019-05-24 | 2019-09-10 | 深兰科技(上海)有限公司 | 一种障碍物检测方法及设备 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
-
2019
- 2019-11-18 CN CN201911127985.3A patent/CN110889350B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
WO2018218680A1 (zh) * | 2017-06-02 | 2018-12-06 | 华为技术有限公司 | 一种障碍物检测方法及设备 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN109375239A (zh) * | 2018-11-13 | 2019-02-22 | 四川西南交大铁路发展股份有限公司 | 一种基于三维成像的线路障碍物监测报警系统及方法 |
CN109657698A (zh) * | 2018-11-20 | 2019-04-19 | 同济大学 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
CN110070570A (zh) * | 2019-03-20 | 2019-07-30 | 重庆邮电大学 | 一种基于深度信息的障碍物检测系统及方法 |
CN110222605A (zh) * | 2019-05-24 | 2019-09-10 | 深兰科技(上海)有限公司 | 一种障碍物检测方法及设备 |
Non-Patent Citations (7)
Title |
---|
VÍTOR AMARAL: "Laser-Based Obstacle Detection at Railway Level Crossings", 《JOURNAL OF SENSORS》 * |
周宝兴: "《三维激光扫描技术及其在变形监测中的应用》", 13 January 2018 * |
张银等: "三维激光雷达在无人车环境感知中的应用研究", 《激光与光电子学进展》 * |
李赵: "基于激光扫描雷达的自动驾驶技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨元喜: "《自适应动态导航定位》", 31 January 2017 * |
汪世财: "基于三维激光雷达的障碍物检测 与跟踪研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
邹斌: "基于三维激光雷达的动态障碍物检测和追踪方法", 《汽车技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444814B (zh) * | 2020-03-23 | 2023-10-24 | 北京迈格威科技有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
CN111444814A (zh) * | 2020-03-23 | 2020-07-24 | 北京迈格威科技有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
CN111583257A (zh) * | 2020-05-28 | 2020-08-25 | 中国铁道科学研究院集团有限公司 | 铁路限界异物侵入检测方法、装置及系统 |
CN112505720A (zh) * | 2020-10-29 | 2021-03-16 | 北京全路通信信号研究设计院集团有限公司 | 一种基于多线激光雷达的边坡灾害监测系统及方法 |
CN112487984A (zh) * | 2020-11-30 | 2021-03-12 | 贵州北斗空间信息技术有限公司 | 一种点云数据轻量化快速生成方法 |
CN112487984B (zh) * | 2020-11-30 | 2024-04-26 | 贵州北斗空间信息技术有限公司 | 一种点云数据轻量化快速生成方法 |
CN112817005A (zh) * | 2020-12-29 | 2021-05-18 | 中国铁路兰州局集团有限公司 | 一种基于点数据的模式识别方法 |
CN112817005B (zh) * | 2020-12-29 | 2024-01-12 | 中国铁路兰州局集团有限公司 | 一种基于点数据的模式识别方法 |
CN112915242A (zh) * | 2021-01-28 | 2021-06-08 | 上海擎朗智能科技有限公司 | 基于智能移动设备的消毒方法、装置、设备及存储介质 |
CN112784799A (zh) * | 2021-02-01 | 2021-05-11 | 三一机器人科技有限公司 | Agv后向栈板及障碍物识别方法、装置及agv |
CN112965494A (zh) * | 2021-02-09 | 2021-06-15 | 武汉理工大学 | 固定区域纯电动自动驾驶专用车控制系统及方法 |
CN112949566A (zh) * | 2021-03-25 | 2021-06-11 | 浙江华是科技股份有限公司 | 一种监控方法、装置、系统及计算机存储介质 |
CN113255439A (zh) * | 2021-04-13 | 2021-08-13 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、系统、终端及云端 |
CN113255439B (zh) * | 2021-04-13 | 2024-01-12 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、系统、终端及云端 |
WO2022252380A1 (zh) * | 2021-06-04 | 2022-12-08 | 魔门塔(苏州)科技有限公司 | 静态障碍物接地轮廓线多帧融合方法、装置及介质 |
CN113255944A (zh) * | 2021-06-25 | 2021-08-13 | 武汉奋翼科技有限公司 | 一种基于雷达、视频技术线路障碍自动监测报警的方法 |
CN113516322B (zh) * | 2021-09-14 | 2022-02-11 | 南通海扬食品有限公司 | 基于人工智能的工厂障碍物风险评估方法及系统 |
CN113516322A (zh) * | 2021-09-14 | 2021-10-19 | 南通海扬食品有限公司 | 基于人工智能的工厂障碍物风险评估方法及系统 |
CN113916297A (zh) * | 2021-10-18 | 2022-01-11 | 淮北矿业股份有限公司临涣选煤厂 | 一种煤炭计量与质量检验一体化智能管控系统 |
CN115620496A (zh) * | 2022-09-30 | 2023-01-17 | 北京国电通网络技术有限公司 | 应用于输电线路的故障报警方法、装置、设备和介质 |
CN115620496B (zh) * | 2022-09-30 | 2024-04-12 | 北京国电通网络技术有限公司 | 应用于输电线路的故障报警方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110889350B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889350B (zh) | 一种基于三维成像的线路障碍物监测报警系统及方法 | |
Semertzidis et al. | Video sensor network for real-time traffic monitoring and surveillance | |
CN204945409U (zh) | 一种对铁路障碍进行自动监测的三维激光雷达报警系统 | |
CN112235537B (zh) | 一种变电站现场作业安全预警方法 | |
CN109856643B (zh) | 基于3d激光的可移动式无感全景感知方法 | |
CN112693466A (zh) | 一种车辆环境感知传感器性能测评系统及方法 | |
CN103176185A (zh) | 用于检测道路障碍物的方法及系统 | |
CN109375239A (zh) | 一种基于三维成像的线路障碍物监测报警系统及方法 | |
CN104966062A (zh) | 视频监视方法和装置 | |
CN113240887A (zh) | 边坡落石崩塌监测方法、装置及设备 | |
CN111999298A (zh) | 一种基于5g技术的无人机快速巡检桥梁系统 | |
CN111275957A (zh) | 一种交通事故信息采集方法、系统及摄像机 | |
CN115272425B (zh) | 一种基于三维点云的铁路工地区域入侵检测方法及系统 | |
CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和系统 | |
CN112505720A (zh) | 一种基于多线激光雷达的边坡灾害监测系统及方法 | |
CN115083088A (zh) | 铁路周界入侵预警方法 | |
CN110164071B (zh) | 一种安防系统 | |
CN115236673A (zh) | 一种大型车辆多雷达融合感知系统和方法 | |
CN114325573A (zh) | 变电站运维人员身份及位置信息快速检测方法 | |
CN113935379A (zh) | 一种基于毫米波雷达信号的人体活动分割方法及系统 | |
CN117253203A (zh) | 一种基于视觉传感器的障碍物检测系统 | |
CN117197779A (zh) | 一种基于双目视觉的轨道交通异物检测方法、装置及系统 | |
CN109708659B (zh) | 一种分布式智能光电低空防护系统 | |
CN106803937A (zh) | 一种具有文本日志的双摄像头视频监控方法及系统 | |
CN115755069A (zh) | 一种轨道异物检测装置、检测系统及检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |