CN112505720A - 一种基于多线激光雷达的边坡灾害监测系统及方法 - Google Patents
一种基于多线激光雷达的边坡灾害监测系统及方法 Download PDFInfo
- Publication number
- CN112505720A CN112505720A CN202011180576.2A CN202011180576A CN112505720A CN 112505720 A CN112505720 A CN 112505720A CN 202011180576 A CN202011180576 A CN 202011180576A CN 112505720 A CN112505720 A CN 112505720A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- laser radar
- point cloud
- line laser
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004888 barrier function Effects 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000007123 defense Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 239000010959 steel Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种基于多线激光雷达的边坡灾害监测系统及方法,方法包括以下步骤:步骤a、多线激光雷达开机自检并生成点云数据;步骤b、计算核根据点云数据判断多线激光雷达监测区域内是否存在障碍物;计算核根据障碍物信息将监测数据和报警数据传给现场设备;步骤c、现场设备将监测数据和报警数据传递给监控中心;步骤d、监控中心判断障碍物是否影响行车。本发明提供了的基于多线激光雷达的边坡灾害监测系统及方法,既能够获取丰富的目标特征信息实现障碍高精度检测又可实时获得监测区域障碍物入侵状态,同时单套设备探测距离远高于现有设备水平,能够满足现场高实时性、高可靠性、大范围监测、易施工的需求。
Description
技术领域
本发明属于轨道监测领域,特别涉及一种基于多线激光雷达的边坡灾害监测系统及方法。
背景技术
铁路沿线边坡分布广泛,数量众多且结构差异较大,极易在雨季发生滑坡、泥石流、塌方等灾害,对列车运行具有极大的威胁。因此,可靠监测铁路沿线灾害入侵情况是关键且急迫的需求。通过监测边坡灾害是否已影响列车运行线路,可以有效获取当前监控场景的信息,从而进行入侵物报警等目的。
目前铁路沿线入侵监测方法主要依赖单线激光雷达采集环境信息,但是单线激光雷达对环境的采集信息量过低,只能检测障碍物宽度信息,无法获得更多的特征信息,对障碍物的空间检测能力不足,导致系统监测障碍物入侵的可靠性较差。另外,单套系统监测范围过短,只能通过多点布设来适应大尺寸需求,带来施工量和成本的剧增。
铁路线路不断增长,沿线地质状况越发复杂多变,边坡灾害由于其结构差异大、灾害种类多、分布广泛成为铁路沿线中最为常见的地质灾害之一,对列车运行安全产生了极大的威胁。目前传统的边坡大地测量方式和北斗布设法均为点式测量,只能探测局部边坡形变量,覆盖范围小、采样密度低且施工难度大;而星载InSAR(成孔径雷达干涉测量技术(INSAR,Interferometric Synthetic Aperture Radar;简称:干涉雷达测量)检测周期长,无法达到实时性的要求;而单线激光雷达检测轨道区域障碍入侵的方式无法获取丰富的障碍物三维形态信息,检测可靠性较低且探测范围较小。
发明内容
针对上述问题,本发明提出一种基于多线激光雷达的边坡灾害监测系统及方法,所述方法包括以下步骤:
步骤a、多线激光雷达开机自检并生成点云数据;
步骤b、计算核根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物;所述计算核根据障碍物信息将监测数据和报警数据传给现场设备;
步骤c、所述现场设备将所述监测数据和所述报警数据传递给监控中心;
步骤d、所述监控中心判断所述障碍物是否影响行车。
进一步的,步骤a具体包括以下步骤:步骤a1、所述多线激光雷达开机自检,监控整个组件运行状态是否正常;步骤a2、正常状态下,所述多线激光雷达对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成所述点云数据。
进一步的,步骤b具体包括以下步骤:步骤b1、所述多线激光雷达实时采集障碍物特征数据,所述计算核处理所述点云数据并根据所述障碍物特征数据判断监测区域内是否存在障碍物;步骤b2、存在障碍物,所述计算核控制摄像头拍摄障碍物照片得到图像信息;步骤b3、所述计算核将所述摄像头拍摄的所述图像信息、所述点云数据和所述报警数据传给所述现场设备。
进一步的,所述监测数据包括所述图像信息和所述点云数据。
进一步的,步骤c中,所述现场设备还负责储存所述监测数据和所述报警数据。
进一步的,步骤d具体包括以下步骤:所述监控中心工作人员根据所述现场设备上传的所述报警数据判断所述障碍物是否影响行车。
进一步的,步骤b1中所述计算核内部处理过程具体包括以下步骤:步骤b11、所述计算核获取所述多线激光雷达的所述点云数据,通过边缘检测获取钢轨线信息,进而自动获得目标监测防区;步骤b12、所述计算核获取目标区域点云信息并通过背景差分法判断目标场景中是否存在障碍物;步骤b13、根据障碍物本身的点云信息判断所述障碍物是否存在于所述目标监测防区内;步骤b14、当发现障碍物存在于所述目标监测防区内时,通过点云特征匹配算法,进一步确认所述障碍物类型;步骤b15、通过匹配确认目标类型,消除部分虚警。
本发明还提供一种基于多线激光雷达的边坡灾害监测系统,所述系统包括多线激光雷达、摄像机、计算核、现场设备、报警设备和监控中心;其中,所述多线激光雷达用于开机自检并生成点云数据;所述摄像机用于获得监测数据;所述计算核用于根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物并根据障碍物信息将监测数据和报警数据传给所述现场设备;所述现场设备用于将所述监测数据和所述报警数据传递给监控中心;所述监控中心用于供给工作人员查看所述监测数据和所述报警数据,并由工作人员判断所述障碍物是否影响行车;所述报警设备用于报警。
进一步的,所述多线激光雷达用于开机自检并生成点云数据具体包括以下步骤:步骤a1、所述多线激光雷达开机自检,监控整个组件运行状态是否正常;步骤a2、正常状态下,所述多线激光雷达对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成所述点云数据。
进一步的,所述计算核用于根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物并根据障碍物信息将监测数据和报警数据传给所述现场设备具体包括以下步骤:
步骤b1、所述多线激光雷达实时采集障碍物特征数据,所述计算核处理所述点云数据并根据所述障碍物特征数据判断监测区域内是否存在障碍物,具体包括以下步骤:
步骤b11、所述计算核获取所述多线激光雷达的所述点云数据,通过边缘检测获取钢轨线信息,进而自动获得目标监测防区;步骤b12、所述计算核获取目标区域点云信息并通过背景差分法判断目标场景中是否存在障碍物;步骤b13、根据障碍物本身的点云信息判断所述障碍物是否存在于所述目标监测防区内;步骤b14、当发现障碍物存在于所述目标监测防区内时,通过点云特征匹配算法,进一步确认所述障碍物类型;步骤b15、通过匹配确认目标类型,消除部分虚警;
步骤b2、存在障碍物,所述计算核控制摄像头拍摄障碍物照片得到图像信息;
步骤b3、所述计算核将所述摄像头拍摄的所述图像信息、所述点云数据和所述报警数据传给所述现场设备。
本发明提供了的基于多线激光雷达的边坡灾害监测系统及方法,既能够获取丰富的目标特征信息实现障碍高精度检测又可实时获得监测区域障碍物入侵状态,同时单套设备探测距离远高于现有设备水平,能够满足现场高实时性、高可靠性、大范围监测、易施工的需求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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一简单地介绍,显而易见地,下面描述中的附图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示出了本发明实施例中基于多线激光雷达的边坡灾害监测方法的工作流程图;
图2示出了本发明实施例中基于多线激光雷达的边坡灾害监测方法的具体工作流程图;
图3示出了本发明实施例中基于多线激光雷达的边坡灾害监测系统的结构示意图;
图4示出了本发明实施例中多线激光雷达扫描效果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,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。
目前铁路沿线入侵监测方法主要依赖单线激光雷达采集环境信息,但是单线激光雷达对环境的采集信息量过低,只能检测障碍物宽度信息,无法获得更多的特征信息,对障碍物的空间检测能力不足,导致系统监测障碍物入侵的可靠性较差。另外,单套系统监测范围过短,只能通过多点布设来适应大尺寸需求,带来施工量和成本的剧增。本发明提供了的基于多线激光雷达的边坡灾害监测系统及方法,既能够获取丰富的目标特征信息实现障碍高精度检测又可实时获得监测区域障碍物入侵状态,同时单套设备探测距离远高于现有设备水平,能够满足现场高实时性、高可靠性、大范围监测、易施工的需求。
图1示出了本发明实施例中基于多线激光雷达的边坡灾害监测方法的工作流程图,图1中,一种基于多线激光雷达的边坡灾害监测方法包括以下步骤:
步骤a、多线激光雷达开机自检并生成点云数据;
步骤b、计算核根据点云数据判断多线激光雷达监测区域内是否存在障碍物;计算核根据障碍物信息将监测数据和报警数据传给现场设备;
步骤c、现场设备将监测数据和报警数据传递给监控中心;
步骤d、监控中心判断障碍物是否影响行车。
图3示出了本发明实施例中基于多线激光雷达的边坡灾害监测系统的结构示意图;本发明基于多线激光雷达的边坡灾害监测系统包括多线激光雷达、摄像机、计算核、现场设备、报警设备和监控中心。
具体的,多线激光雷达用于开机自检并生成点云数据,多线激光雷达与计算核相连接,并将点云数据传递给计算核,计算核进行后续处理;摄像机用于获得监测数据;计算核首先处理多线激光雷达传输的点云数据,获得障碍物特征信息并判断监测区域内是否存在障碍物,如果存在障碍物,计算核控制摄像机拍摄障碍物照片,摄像机与计算核进行信息交互,摄像机拍摄完照片将图片信息传递给计算核;计算核用于根据点云数据判断多线激光雷达监测区域内是否存在障碍物并根据障碍物信息将监测数据和报警数据传给现场设备;现场设备用于将监测数据和报警数据传递给监控中心;监控中心用于供给工作人员查看监测数据和报警数据,并由工作人员判断障碍物是否影响行车;报警设备用于报警。
具体的,多线激光雷达与报警设备相连接,多线激光雷达开机自检时,如果多线激光雷达检测雷达内部各个组件的温度、电压等信息有错误,多线激光雷达将会把信息传递给报警设备,报警设备将会产生警报。
示例性的,计算核为带GPU的计算盒。
示例性的,多线激光雷达设置有两个,将两台多线激光雷达和摄像机安装在同一立柱上,立柱立于轨旁,完成对防区的监控。两台多线激光雷达分别安装于立柱的左右两侧和摄像机安装于雷达之上,激光雷达视场角范围为90°*31.3°,分别负责左右两侧100m的探测,共覆盖沿轨道线方向200m范围,轨道防区为轨道中心左右1.875m范围内。
图4示出了本发明实施例中多线激光雷达扫描效果图,多线激光雷达通过增加扫描线数,可返回三维轮廓特征,增加障碍物检测可信性,对于人员、动物入侵等干扰因素识别更准确,可降低系统误报率。
本发明还提供一种基于多线激光雷达的边坡灾害监测方法,图2示出了本发明实施例中基于多线激光雷达的边坡灾害监测方法的工作流程图,图1中,当本发明的基于多线激光雷达的边坡灾害监测系统进行工作时多线激光雷达先开机自检,若检测到雷达内部各个组件的温度、电压等信息没有问题则对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成点云数据,如若检查雷达内部出现故障,多线激光雷达将信息传递给报警设备进行报警处理;多线激光雷达生成点云数据后,计算核根据障碍物特征数据并处理点云数据提取轨道线获得防区;计算核不间断帧间对比获取的障碍物信息,判断障碍物是否存在,如若障碍物不存在,计算核则继续对障碍物信息进行对比,以此循环直至障碍物存在,计算核再次判断障碍物是否存在于防区内,如若障碍物不存在于防区内,计算核则继续对障碍物信息进行对比,以此循环直至障碍物存在于防区内,计算核进一步判断障碍物类型,判断障碍物类型是否与点云特征匹配算法相匹配,如若障碍物特征不匹配,则判断该数据为虚警数据,现场设备对虚警数据进行保存;当障碍物特征与点云特征匹配算法相匹配时,计算核形成报警数据,同时计算核控制摄像机联动获取障碍物图片,摄像机将图像信息传递给计算核,计算核将图像信息、点云数据和报警数据传给现场设备存储;现场设备将图像信息、点云数据和报警数据上报给监控中心,监控中心工作人员根据现场设备上传的报警数据判断障碍物是否影响行车,如果工作人员判断报警数据为真,监控中心将信息传递给现场设备,现场设备控制报警设备继续报警,如果工作人员判断报警数据为假,现场设备控制报警设备取消报警,同时将取消报警的报警数据作为虚警数据发送给现场设备,现场设备对虚警数据进行保存。
本发明的基于多线激光雷达的边坡灾害监测方法具体包括以下步骤:
步骤a、多线激光雷达开机自检并生成点云数据;
具体的,多线激光雷达开机自检,监控整个组件运行状态是否正常,例如雷达内部各个组件的温度、电压等信息。若其运行正常,多线激光雷达对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成点云数据;
步骤b、计算核根据点云数据判断多线激光雷达监测区域内是否存在障碍物;计算核根据障碍物信息将监测数据和报警数据传给现场设备;
步骤b具体包括以下步骤:
步骤b1、多线激光雷达实时采集障碍物特征数据,计算核处理点云数据并根据障碍物特征数据判断监测区域内是否存在障碍物;步骤b2、存在障碍物,计算核控制摄像头拍摄障碍物照片得到图像信息;步骤b3、计算核将摄像头拍摄的图像信息、点云数据和报警数据传给现场设备;
具体的,监测数据包括图像信息和点云数据;
具体的,步骤b1中计算核内部处理过程具体包括以下步骤:步骤b11、计算核获取多线激光雷达的点云数据,通过边缘检测获取钢轨线信息,进而自动获得目标监测防区;步骤b12、计算核获取目标区域点云信息并通过背景差分法判断目标场景中是否存在障碍物;步骤b13、根据障碍物本身的点云信息判断障碍物是否存在于目标监测防区内;步骤b14、当发现障碍物存在于目标监测防区内时,通过点云特征匹配算法,进一步确认障碍物类型;步骤b15、通过匹配确认目标类型,消除部分虚警;
具体的,“是否存在障碍物”的评判标准是获取轨面防区中是否存在障碍物。多线激光雷达发射激光,照射到障碍物后就会返回障碍物的反射点。
步骤c、现场设备将监测数据和报警数据传递给监控中心;现场设备还负责储存监测数据和报警数据;
步骤d、监控中心判断障碍物是否影响行车;
具体的,监控中心工作人员根据现场设备上传的报警数据判断障碍物是否影响行车。
本发明提供了的基于多线激光雷达的边坡灾害监测系统及方法,既能够获取丰富的目标特征信息实现障碍高精度检测又可实时获得监测区域障碍物入侵状态,同时单套设备探测距离远高于现有设备水平,能够满足现场高实时性、高可靠性、大范围监测、易施工的需求。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于多线激光雷达的边坡灾害监测方法,其特征在于,所述方法包括以下步骤:
步骤a、多线激光雷达开机自检并生成点云数据;
步骤b、计算核根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物;所述计算核根据障碍物信息将监测数据和报警数据传给现场设备;
步骤c、所述现场设备将所述监测数据和所述报警数据传递给监控中心;
步骤d、所述监控中心判断所述障碍物是否影响行车。
2.根据权利要求1所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,步骤a具体包括以下步骤:
步骤a1、所述多线激光雷达开机自检,监控整个组件运行状态是否正常;
步骤a2、正常状态下,所述多线激光雷达对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成所述点云数据。
3.根据权利要求1所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,步骤b具体包括以下步骤:
步骤b1、所述多线激光雷达实时采集障碍物特征数据,所述计算核处理所述点云数据并根据所述障碍物特征数据判断监测区域内是否存在障碍物;
步骤b2、存在障碍物,所述计算核控制摄像头拍摄障碍物照片得到图像信息;
步骤b3、所述计算核将所述摄像头拍摄的所述图像信息、所述点云数据和所述报警数据传给所述现场设备。
4.根据权利要求3所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,所述监测数据包括所述图像信息和所述点云数据。
5.根据权利要求1所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,步骤c中,所述现场设备还负责储存所述监测数据和所述报警数据。
6.根据权利要求1所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,步骤d具体包括以下步骤:
所述监控中心工作人员根据所述现场设备上传的所述报警数据判断所述障碍物是否影响行车。
7.根据权利要求3所述的基于多线激光雷达的边坡灾害监测方法,其特征在于,步骤b1中所述计算核内部处理过程具体包括以下步骤:
步骤b11、所述计算核获取所述多线激光雷达的所述点云数据,通过边缘检测获取钢轨线信息,进而自动获得目标监测防区;
步骤b12、所述计算核获取目标区域点云信息并通过背景差分法判断目标场景中是否存在障碍物;
步骤b13、根据障碍物本身的点云信息判断所述障碍物是否存在于所述目标监测防区内;
步骤b14、当发现障碍物存在于所述目标监测防区内时,通过点云特征匹配算法,进一步确认所述障碍物类型;
步骤b15、通过匹配确认目标类型,消除部分虚警。
8.一种基于多线激光雷达的边坡灾害监测系统,其特征在于,所述系统包括多线激光雷达、摄像机、计算核、现场设备、报警设备和监控中心;
其中,所述多线激光雷达用于开机自检并生成点云数据;所述摄像机用于获得监测数据;所述计算核用于根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物并根据障碍物信息将监测数据和报警数据传给所述现场设备;所述现场设备用于将所述监测数据和所述报警数据传递给监控中心;所述监控中心用于供给工作人员查看所述监测数据和所述报警数据,并由工作人员判断所述障碍物是否影响行车;所述报警设备用于报警。
9.根据权利要求8所述的基于多线激光雷达的边坡灾害监测系统,其特征在于,所述多线激光雷达用于开机自检并生成点云数据具体包括以下步骤:
步骤a1、所述多线激光雷达开机自检,监控整个组件运行状态是否正常;步骤a2、正常状态下,所述多线激光雷达对检测范围进行三维立体扫描,实时采集障碍物特征数据,生成所述点云数据。
10.根据权利要求8所述的基于多线激光雷达的边坡灾害监测系统,其特征在于,所述计算核用于根据所述点云数据判断所述多线激光雷达监测区域内是否存在障碍物并根据障碍物信息将监测数据和报警数据传给所述现场设备具体包括以下步骤:
步骤b1、所述多线激光雷达实时采集障碍物特征数据,所述计算核处理所述点云数据并根据所述障碍物特征数据判断监测区域内是否存在障碍物,具体包括以下步骤:
步骤b11、所述计算核获取所述多线激光雷达的所述点云数据,通过边缘检测获取钢轨线信息,进而自动获得目标监测防区;步骤b12、所述计算核获取目标区域点云信息并通过背景差分法判断目标场景中是否存在障碍物;步骤b13、根据障碍物本身的点云信息判断所述障碍物是否存在于所述目标监测防区内;步骤b14、当发现障碍物存在于所述目标监测防区内时,通过点云特征匹配算法,进一步确认所述障碍物类型;步骤b15、通过匹配确认目标类型,消除部分虚警;
步骤b2、存在障碍物,所述计算核控制摄像头拍摄障碍物照片得到图像信息;
步骤b3、所述计算核将所述摄像头拍摄的所述图像信息、所述点云数据和所述报警数据传给所述现场设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180576.2A CN112505720A (zh) | 2020-10-29 | 2020-10-29 | 一种基于多线激光雷达的边坡灾害监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180576.2A CN112505720A (zh) | 2020-10-29 | 2020-10-29 | 一种基于多线激光雷达的边坡灾害监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112505720A true CN112505720A (zh) | 2021-03-16 |
Family
ID=74954555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011180576.2A Pending CN112505720A (zh) | 2020-10-29 | 2020-10-29 | 一种基于多线激光雷达的边坡灾害监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505720A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115195822A (zh) * | 2022-07-25 | 2022-10-18 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路线路全时全域多维动态信息感知方法及装置 |
CN115223337A (zh) * | 2022-06-30 | 2022-10-21 | 山东大学 | 一种堤防渗流自动监测预警系统及监测预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204945409U (zh) * | 2015-08-29 | 2016-01-06 | 西安希德电子信息技术股份有限公司 | 一种对铁路障碍进行自动监测的三维激光雷达报警系统 |
CN105488958A (zh) * | 2015-12-02 | 2016-04-13 | 北京佳讯飞鸿电气股份有限公司 | 一种非接触式滑坡灾害监测系统及其方法 |
JP2016088183A (ja) * | 2014-10-31 | 2016-05-23 | 株式会社Ihi | 支障物検知システムおよび鉄道車両 |
CN109521757A (zh) * | 2017-09-18 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 静态障碍物识别方法和装置 |
CN109633685A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物状态的方法及系统 |
CN110481601A (zh) * | 2019-09-04 | 2019-11-22 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN110889350A (zh) * | 2019-11-18 | 2020-03-17 | 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 |
-
2020
- 2020-10-29 CN CN202011180576.2A patent/CN112505720A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016088183A (ja) * | 2014-10-31 | 2016-05-23 | 株式会社Ihi | 支障物検知システムおよび鉄道車両 |
CN204945409U (zh) * | 2015-08-29 | 2016-01-06 | 西安希德电子信息技术股份有限公司 | 一种对铁路障碍进行自动监测的三维激光雷达报警系统 |
CN105488958A (zh) * | 2015-12-02 | 2016-04-13 | 北京佳讯飞鸿电气股份有限公司 | 一种非接触式滑坡灾害监测系统及其方法 |
CN109521757A (zh) * | 2017-09-18 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 静态障碍物识别方法和装置 |
CN109633685A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物状态的方法及系统 |
CN110481601A (zh) * | 2019-09-04 | 2019-11-22 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN110889350A (zh) * | 2019-11-18 | 2020-03-17 | 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 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115223337A (zh) * | 2022-06-30 | 2022-10-21 | 山东大学 | 一种堤防渗流自动监测预警系统及监测预警方法 |
CN115195822A (zh) * | 2022-07-25 | 2022-10-18 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路线路全时全域多维动态信息感知方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505720A (zh) | 一种基于多线激光雷达的边坡灾害监测系统及方法 | |
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 | |
US9696409B2 (en) | Sensor suite and signal processing for border 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 | |
US10597053B2 (en) | Operations monitoring in an area | |
CN112799051B (zh) | 一种低慢小目标的自动捕获跟踪方法及系统 | |
CN110126885B (zh) | 一种铁路周界入侵目标监测方法及系统 | |
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 | |
CN104590319A (zh) | 异物侵入检测装置和异物侵入检测方法 | |
CN106710314A (zh) | 一种基于gis的桥梁防撞监测管理系统及监测管理方法 | |
KR102479959B1 (ko) | 인공지능 기반 통합 경계 방법 및 객체 모니터링 장치 | |
CN110264785A (zh) | 一种桥梁防撞监测预警系统 | |
CN112349055A (zh) | 一种基于雷达与视频联动的目标监测装置和方法 | |
CN116311727A (zh) | 入侵响应方法、装置、设备及可读存储介质 | |
CN108032869B (zh) | 线路检测方法及监控系统 | |
CN116935551A (zh) | 周界入侵检测方法、系统、设备及存储介质 | |
CN111931657A (zh) | 目标物识别系统、方法以及存储介质 | |
CN103942979A (zh) | 探测目标的预警方法及装置 | |
JP2000163673A (ja) | 監視装置 | |
CN115755069A (zh) | 一种轨道异物检测装置、检测系统及检测方法 | |
KR102630275B1 (ko) | 다중카메라 화재감지기 | |
CN115691018A (zh) | 基于多传感器融合的铁路周界入侵监测预警方法及系统 | |
CN114971595A (zh) | 一种应用视频数据分析处理技术的船舶智慧监管系统 | |
CN113740847A (zh) | 基于人形目标识别的多雷达协同探测报警系统 | |
US20220242465A1 (en) | Intrusion Detection |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |