CN113034490B - 化学品库房的堆垛安全距离监测方法 - Google Patents
化学品库房的堆垛安全距离监测方法 Download PDFInfo
- Publication number
- CN113034490B CN113034490B CN202110411747.6A CN202110411747A CN113034490B CN 113034490 B CN113034490 B CN 113034490B CN 202110411747 A CN202110411747 A CN 202110411747A CN 113034490 B CN113034490 B CN 113034490B
- Authority
- CN
- China
- Prior art keywords
- image information
- dimensional reconstruction
- group
- reconstruction model
- stack
- 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.)
- Active
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
Abstract
本发明涉及化学品库房的堆垛安全距离监测方法,包括:通过分别安装在两个预设位置处的两组双目相机对应获取两组背景图像信息和两组目标图像信息,根据两组背景图像信息确定出两个警戒线三维重建模型,同时根据两组背景图像信息和两组目标图像信息对应确定出两个被测堆垛三维重建模型,将两个被测堆垛三维重建模型拼接,得到目标被测堆垛三维重建模型,将两个警戒线三维重建模型拼接,得到目标警戒线三维重建模型。最后根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛是否超界。本申请能够全方位自动判断被测堆垛是否超界,使得本申请降低了监测成本,提高了监测效率和监测准确率。
Description
技术领域
本发明涉及化学品库房堆垛安全监测技术领域,具体涉及一种化学品库房的堆垛安全距离监测方法。
背景技术
化学品库房主要存储易燃易爆、腐蚀性强、毒害性大等危险化学品,因此为了防止危险发生,需要严格控制各危险化学品库房堆垛之间的距离。目前,通过设置警戒线来指示各危险化学品库房堆垛的存放地点,以保证各危险化学品库房堆垛之间的距离为安全距离。但是,在一些特殊情况下,堆垛由于未完全放置在警戒线指示的区域内,使得该堆垛和其他堆垛之间的距离变为危险距离,对化学品库房的安全产生影响。
相关技术采用人工巡检来监控和管理化学品库房,当化学品库房较大时,人工监测具有监测成本高、监测效率低的问题,使得相关技术存在与之对应的缺点。
发明内容
有鉴于此,本申请提供一种化学品库房的堆垛安全距离监测方法,以解决相关技术存在的监测成本高、监测效率低的问题。
本发明采用如下技术方案:
一种化学品库房的堆垛安全距离监测方法,包括:
通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,以及获取包含被测堆垛的第一组目标图像信息,同时,通过设置在第二预设位置处的第二双目相机获取与所述警戒线对应的第二组背景图像信息,以及获取包含所述被测堆垛的第二组目标图像信息;所述警戒线与所述被测堆垛对应,用于指示所述被测堆垛的堆放位置;
根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一被测堆垛三维重建模型,并根据所述第一组背景图像信息确定出第一警戒线三维重建模型,同时根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二被测堆垛三维重建模型,并根据所述第二组背景图像信息确定出第二警戒线三维重建模型;
将所述第一被测堆垛三维重建模型和所述第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,同时将所述第一警戒线三维重建模型和所述第二警戒线三维重建模型进行拼接,得到拼接后的目标警戒线三维重建模型;所述目标被测堆垛三维重建模型用于全面显示所述被测堆垛的外观信息;所述目标警戒线三维重建模型用于全面显示所述警戒线的外观信息;
根据所述目标被测堆垛三维重建模型和所述目标警戒线三维重建模型确定出所述被测堆垛超界。
进一步的,根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一被测堆垛三维重建模型,包括:
基于背景差分法根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一组被测堆垛图像信息;
根据所述第一组被测堆垛图像信息确定出所述第一被测堆垛三维重建模型;
对应的,根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二被测堆垛三维重建模型,包括:
基于背景差分法根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二组被测堆垛图像信息;
根据所述第二组被测堆垛图像信息确定出所述第二被测堆垛三维重建模型。
进一步的,根据所述第一组背景图像信息确定出第一警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据所述第一组背景图像信息确定出第一组警戒线图像信息;
根据所述第一组警戒线图像信息确定出所述第一警戒线三维重建模型;
对应的,根据所述第二组背景图像信息确定出第二警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据所述第二组背景图像信息确定出第二组警戒线图像信息;
根据所述第二组警戒线图像信息确定出所述第二警戒线三维重建模型。
进一步的,本申请实施例的化学品库房的堆垛安全距离监测方法,还包括:
根据所述被测堆垛超界进行预警。
进一步的,所述预警的方式包括:
向预设终端发送预警信息,以使用户可以通过所述预设终端获知所述预警信息。
本发明采用以上技术方案,首先,通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,以及获取包含被测堆垛的第一组目标图像信息,同时,通过设置在第二预设位置处的第二双目相机获取与警戒线对应的第二组背景图像信息,以及获取包含被测堆垛的第二组目标图像信息;根据第一组背景图像信息和第一组目标图像信息确定出第一被测堆垛三维重建模型,并根据第一组背景图像信息确定出第一警戒线三维重建模型,同时根据第二组背景图像信息和第二组目标图像信息确定出第二被测堆垛三维重建模型,并根据第二组背景图像信息确定出第二警戒线三维重建模型;然后,将第一被测堆垛三维重建模型和第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,同时将第一警戒线三维重建模型和第二警戒线三维重建模型进行拼接,得到拼接后的目标警戒线三维重建模型;最后,根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛压线,进而确定出被测堆垛超界。基于此,本申请通过自动获取两个视角下的被测堆垛的三维重建模型和警戒线三维模型,对堆垛进行全方位超界判断,当确定出堆垛超界时,定义该堆垛和其他堆垛之间的距离为危险距离,实现了在大场景,远距离情况下,自动监测化学品仓库堆垛安全的目的,降低了监测成本,提高了监测效率和监测准确率。
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是本发明实施例提供的一种化学品库房的堆垛安全距离监测方法的流程示意图。
图2是本发明实施例提供的背景图像的图像示意图。
图3是本发明实施例提供的目标图像的图像示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1是本发明实施例提供的一种化学品库房的堆垛安全距离监测方法的流程示意图。如图1所示,本申请实施例的化学品库房的堆垛安全距离监测方法,包括:
S11、通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,以及获取包含被测堆垛的第一组目标图像信息,同时,通过设置在第二预设位置处的第二双目相机获取与警戒线对应的第二组背景图像信息,以及获取包含被测堆垛的第二组目标图像信息;警戒线与被测堆垛对应,用于指示被测堆垛的堆放位置。
具体的,本实施例的化学品库房的堆垛安全距离监测方法通过分别设置在两个预设位置处的两组双目相机来获取所需图像,该两组双目相机可以获取被监测区域的两个方位的图像信息,避免在监测过程中出现监测死角。被测堆垛放置在与其对应的警戒线划分的区域内,通过该方法保证了各堆垛之间的安全距离。
图2是本发明实施例提供的背景图像的图像示意图。如图2所示,背景图像中包含警戒线图像21。图3是本发明实施例提供的目标图像的图像示意图。如图3所示,目标图像中包含警戒线图像21和被测堆垛图像31。
在具体的应用过程中,当警戒线划分区域内未放置被测堆垛时,通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,第一组背景图像信息中包含第一警戒线图像信息。通过设置在第二预设位置处的第二双目相机获取与警戒线对应的第二组背景图像,第二组背景图像信息中包含第二警戒线图像。第一警戒线图像与第二警戒线图像为两个不同视角下的警戒线图像,该两个角度分别与第一预设位置和第二预设位置对应。同理,当警戒线划分区域内放置有被测堆垛时,通过设置在第一预设位置处的第一双目相机获取包含所述被测堆垛的第一组目标图像信息,第一组目标图像信息包含第一被测堆垛图像。通过设置在第二预设位置处的第二双目相机获取包含所述被测堆垛的第二组目标图像信息,第二组目标图像信息包含第二被测堆垛图像。第一被测堆垛图像和第二被测堆垛图像为两个不同视角下的警戒线图像,该两个角度分别与第一预设位置和第二预设位置对应。
S12、根据第一组背景图像信息和第一组目标图像信息确定出第一被测堆垛三维重建模型,并根据第一组背景图像信息确定出第一警戒线三维重建模型,同时根据第二组背景图像信息和第二组目标图像信息确定出第二被测堆垛三维重建模型,并根据第二组背景图像信息确定出第二警戒线三维重建模型。
优选的,根据第一组背景图像信息和第一组目标图像信息确定出第一被测堆垛三维重建模型,具体可以是:
基于背景差分法根据第一组背景图像信息和第一组目标图像信息确定出第一组被测堆垛图像信息;
根据第一组被测堆垛图像信息确定出第一被测堆垛三维重建模型。
详细的,背景差分法是目前运动目标检测的常用的方法之一,其基本思想是固定一个拍摄角度,利用背景图和目标物体在像素值上存在的较为明显的差异,直接使用背景图bk(x,y)和含有目标物体的图像pk(x,y)进行减法,从而得到差分图像Fk(x,y)。具体计算公式如下:
Fk(x,y)=|pk(x,y)-bk(x,y)|
把差分图像的每个像素值和设定的阈值N进行判定,可以得出所需检测提取的目标的位置、大小和形状等信息。
基于背景差分法根据第一组背景图像信息和第一组目标图像信息确定出第一组被测堆垛图像信息之后,根据第一组被测堆垛图像信息确定出第一被测堆垛三维重建模型。下面是确定出第一被测堆垛三维重建模型的原理和过程介绍。
设点p是空间中一点,其在相机坐标系之下的坐标为p(xc,yc,zc),基线b为两个相机光心之间的距离,通过两个相机同时观测点p时,点p在两个相机视场中的投影分别为p1(x1,y1)和p2(x2,y2),其中,y1=y2。三维重建公式如下:
其中,b为两个相机光心之间的距离;d为双目视差,其计算公式为d=|x1-x2|;f为相机焦距。
zc为点p到相机基线的直线距离,如果对所测空间中的所有点都进行视差计算,可以根据计算结果生成图像的视差图,视差图和对应的彩色图像结合,可以生成目标点云数据,目标点云数据为三维重建模型的点云数据。
在实际应用过程中,第一组被测堆垛图像信息包含两幅被测堆垛图像,该两幅被测堆垛图像分别为两个相机捕捉的图像,将该两幅被测堆垛图像分别进行图像匹配,得到视差图后结合摄像机标定结果代入上述三维重建公式后,得出第一被测堆垛三维重建模型。
同理,根据第二组背景图像信息和第二组目标图像信息确定出第二被测堆垛三维重建模型,可以是:
基于背景差分法根据第二组背景图像信息和第二组目标图像信息确定出第二组被测堆垛图像信息;
根据第二组被测堆垛图像信息确定出第二被测堆垛三维重建模型。
优选的,根据第一组背景图像信息确定出第一警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据第一组背景图像信息确定出第一组警戒线信息;第一组警戒线信息包括警戒线位置信息。
根据第一组警戒线信息确定出第一警戒线三维重建模型。
具体的,第一组背景图像信息包括两幅背景图像,该两幅背景图像分别为第一双目相机的两个相机获取的两幅图像。根据其中任意一幅图像可确定出对应的警戒线图像。从背景图像中提取警戒线图像的原理如下:
HSV(Hue,Saturation,Value)空间相对于RGB色彩空间来说,更符合人眼的工作原理,其可以分别从H、S、V三个相互独立的分量研究颜色变换。通过选取合适的阈值,便可以对图像的颜色特征进行分割提取。在从RGB空间到HSV空间的转换中,设r、g、b分别为RGB颜色模型中的一种颜色的色品坐标,则其值可以由以下公式计算出:
其中,R、G、B表示像素在RGB三通道的数值。
HSV空间的三个参数可以由以下公式计算出:
V=Cmax
其中,Δ=Cmax-Cmin,Cmax和Cmin分别为r、g、b中的最大值和最小值。
其中,H为色调,取值范围为0-2π;S为饱和度,表示颜色接近光谱色的程度,取值范围为0-1,;V为亮度,表示像素明亮的程度,取值范围为0(黑色)-1(白色)。
通过对背景图像从RGB空间转为HSV空间后,利用色调H将警戒线对应的目标颜色进行提取,将非目标颜色对应的区域的亮度设置为0,如此,可以从背景图像中提取出警戒线图像。
根据第一组背景图像信息确定出两幅第一警戒线图像后,进行警戒线匹配,得到警戒线视差图后,可基于上述三维重建公式根据两幅第一警戒线图像确定出第一警戒线三维重建模型。
同理,根据第二组背景图像信息确定出第二警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据第二组背景图像信息确定出第二组警戒线图像信息;
根据第二组警戒线图像信息确定出第二警戒线三维重建模型。
详细的,基于HSV颜色特征提取原理根据第二组背景图像信息确定出两幅第二警戒线图像,然后基于上述三维重建公式根据两幅第二警戒线图像确定出第二警戒线三维重建模型。
S13、将第一被测堆垛三维重建模型和第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,同时将第一警戒线三维重建模型和第二警戒线三维重建模型进行拼接,得到拼接后的目标警戒线三维重建模型;目标被测堆垛三维重建模型用于全面显示被测堆垛的外观信息;目标警戒线三维重建模型用于全面显示警戒线的外观信息。
详细的,拼接公式如下:
其中,(xc1,yc1,zc1)为空间中任意一点P在第一组双目相机坐标系下的坐标;(xc2,yc2,zc2)为上述点P在第二组双目相机坐标系下的坐标;R是三行三列的正交旋转矩阵,其计算公式如下:
其中,(xc,yc,zc)是(xc1,yc1,zc1);(xw,yw,zw)为上述点P在世界坐标系下的坐标;t是三维平移向量。
需要说明的是,由于第一被测堆垛三维重建模型与第二被测堆垛三维重建模型为两个不同视角下的被测堆垛三维重建模型,因此,将第一被测堆垛三维重建模型和第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,该目标被测堆垛三维重建模型实现两个角度的点云数据互相补充的目的,可以较好地解决视场受限和遮挡等问题,全面显示被测堆垛的外观信息。同理,目标警戒线三维重建模型可以全面显示警戒线的外观信息。
S14、根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛超界。
详细的,将拼接后的相机坐标系下的堆垛点云和警戒线点云转换到仓库内指定位置对应的世界坐标系下,然后对警戒线点云向世界坐标系的Z轴做投影,生成地脚面点云,即警戒线点云的x,y坐标不变,z坐标从零累加到H。H取决于仓库堆垛的高度值。堆垛点云为目标被测堆垛三维重建模型的点云数据,警戒线点云为目标警戒线三维重建模型的点云数据。
具体的坐标转换方法采用同名坐标统一法,具体为:
设空间任意三个非共线的点P1、P2和P3,及其同名矢量{Ps1、Pg1}、{Ps2、Pg2}和{Ps3、Pg3},利用这三对同名矢量的矢量关系可以确定旋转矩阵R:
将上述点的坐标代入得:
设R=(R1 R2 R3)T,其中:
R1可以由确定旋转矩阵R的公式中三个方程的x分量求出:
同理,可以利用y分量求出R2,R3可以根据坐标系的正交关系求得,即
R3=R1×R2
当R确定后,平移向量T可以由三对同名矢量的平均值确定,确定公式如下:
T=(Pg1+Pg2+Pg3-R·Ps1-R·Ps2-R·Ps3)/3
计算出旋转矩阵和平移向量,即摄像机坐标系到上述世界坐标系的转换关系。
地脚面点云P={pi|pi∈R3,i=1,2.....n}和堆垛点云Q={qj|qj∈R3,j=1,2.....m},其中,n和m分别为两点云的规模,且点云P和点云Q处在上述世界坐标系之下,求被测堆垛与警戒线的交点,可以通过求点云P中的每一点和点云Q中所有点的距离,计算公式如下:
D=|pi-qj|
若D小于设定的阈值时,则两片点云有相同的点,即点云P和点云Q的交集非空,由此可以判断被测堆垛压警戒线,即被测堆垛超界。
本发明采用以上技术方案,首先,通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,以及获取包含被测堆垛的第一组目标图像信息,同时,通过设置在第二预设位置处的第二双目相机获取与被测堆垛对应的第二组背景图像信息,以及获取包含被测堆垛的第二组目标图像信息;根据第一组背景图像信息和第一组目标图像信息确定出第一被测堆垛三维重建模型,并根据第一组背景图像信息确定出第一警戒线三维重建模型,同时根据第二组背景图像信息和第二组目标图像信息确定出第二被测堆垛三维重建模型,并根据第二组背景图像信息确定出第二警戒线三维重建模型;然后,将第一被测堆垛三维重建模型和第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,同时将第一警戒线三维重建模型和第二警戒线三维重建模型进行拼接,得到拼接后的目标警戒线三维重建模型;最后,根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛超界。基于此,本申请通过自动获取两个视角下的被测堆垛的三维重建模型和警戒线三维模型,对堆垛进行全方位超界判断,当确定出堆垛超界时,定义该堆垛和其他堆垛之间的距离变为危险距离,实现了自动监测化学品仓库堆垛安全的目的,当化学品仓库较大时,降低了监测成本,提高了监测效率和监测准确率。
优选的,本申请实施例的化学品库房的堆垛安全距离监测方法,还包括:
根据交点进行预警,以使仓库管理员及时且方便获知堆垛超界问题,进而解决该问题,保证了化学品仓库的安全。
优选的,预警的方式包括:
向预设终端发送预警信息,以使用户可以通过预设终端获知预警信息。如此,使得用户可以远程获知预警信息。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程示意图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种化学品库房的堆垛安全距离监测方法,其特征在于,包括:
通过设置在第一预设位置处的第一双目相机获取与警戒线对应的第一组背景图像信息,以及获取包含被测堆垛的第一组目标图像信息,同时,通过设置在第二预设位置处的第二双目相机获取与所述警戒线对应的第二组背景图像信息,以及获取包含所述被测堆垛的第二组目标图像信息;所述警戒线与所述被测堆垛对应,用于指示所述被测堆垛的堆放位置;
根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一被测堆垛三维重建模型,并根据所述第一组背景图像信息确定出第一警戒线三维重建模型,同时根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二被测堆垛三维重建模型,并根据所述第二组背景图像信息确定出第二警戒线三维重建模型;
将所述第一被测堆垛三维重建模型和所述第二被测堆垛三维重建模型进行拼接,得到拼接后的目标被测堆垛三维重建模型,同时将所述第一警戒线三维重建模型和所述第二警戒线三维重建模型进行拼接,得到拼接后的目标警戒线三维重建模型;所述目标被测堆垛三维重建模型用于全面显示所述被测堆垛的外观信息;所述目标警戒线三维重建模型用于全面显示所述警戒线的外观信息;
根据所述目标被测堆垛三维重建模型的堆垛点云和所述目标警戒线三维重建模型的警戒线点云确定出所述被测堆垛超界;所述堆垛点云为目标被测堆垛三维重建模型的点云数据,所述警戒线点云为目标警戒线三维重建模型的点云数据;依据所述警戒线点云生成地脚面点云;若存在所述地脚面点云中的点到所述堆垛点云中的点的距离小于预设的阀值,则判定所述地脚面点云与所述堆垛点云中存在相同的点,即判定所述被测堆垛超界。
2.根据权利要求1所述的化学品库房的堆垛安全距离监测方法,其特征在于,根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一被测堆垛三维重建模型,包括:
基于背景差分法根据所述第一组背景图像信息和所述第一组目标图像信息确定出第一组被测堆垛图像信息;
根据所述第一组被测堆垛图像信息确定出所述第一被测堆垛三维重建模型;
对应的,根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二被测堆垛三维重建模型,包括:
基于背景差分法根据所述第二组背景图像信息和所述第二组目标图像信息确定出第二组被测堆垛图像信息;
根据所述第二组被测堆垛图像信息确定出所述第二被测堆垛三维重建模型。
3.根据权利要求1所述的化学品库房的堆垛安全距离监测方法,其特征在于,根据所述第一组背景图像信息确定出第一警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据所述第一组背景图像信息确定出第一组警戒线图像信息;
根据所述第一组警戒线图像信息确定出所述第一警戒线三维重建模型;
对应的,根据所述第二组背景图像信息确定出第二警戒线三维重建模型,包括:
基于HSV颜色特征提取原理根据所述第二组背景图像信息确定出第二组警戒线图像信息;
根据所述第二组警戒线图像信息确定出所述第二警戒线三维重建模型。
4.根据权利要求1所述的化学品库房的堆垛安全距离监测方法,其特征在于,还包括:
根据所述被测堆垛超界进行预警。
5.根据权利要求4所述的化学品库房的堆垛安全距离监测方法,其特征在于,所述预警的方式包括:
向预设终端发送预警信息,以使用户可以通过所述预设终端获知所述预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411747.6A CN113034490B (zh) | 2021-04-16 | 2021-04-16 | 化学品库房的堆垛安全距离监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411747.6A CN113034490B (zh) | 2021-04-16 | 2021-04-16 | 化学品库房的堆垛安全距离监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113034490A CN113034490A (zh) | 2021-06-25 |
CN113034490B true CN113034490B (zh) | 2023-10-10 |
Family
ID=76457530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110411747.6A Active CN113034490B (zh) | 2021-04-16 | 2021-04-16 | 化学品库房的堆垛安全距离监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034490B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115373407A (zh) * | 2022-10-26 | 2022-11-22 | 北京云迹科技股份有限公司 | 机器人自动避开安全警戒线的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012163450A (ja) * | 2011-02-07 | 2012-08-30 | Ihi Corp | 形状認識装置、形状認識方法、および、そのプログラム |
CN106292656A (zh) * | 2016-07-22 | 2017-01-04 | 北京智能管家科技有限公司 | 一种环境建模方法及装置 |
CN106846469A (zh) * | 2016-12-14 | 2017-06-13 | 北京信息科技大学 | 基于特征点追踪由聚焦堆栈重构三维场景的方法和装置 |
CN109030490A (zh) * | 2018-07-18 | 2018-12-18 | 芜湖固高自动化技术有限公司 | 一种货运用激光扫描防堆垛溃散方法 |
CN109325946A (zh) * | 2018-09-14 | 2019-02-12 | 北京石油化工学院 | 一种危险化学品堆垛监测方法和系统 |
CN109741306A (zh) * | 2018-12-26 | 2019-05-10 | 北京石油化工学院 | 应用于危险化学品库房堆垛的图像处理方法 |
CN109919247A (zh) * | 2019-03-18 | 2019-06-21 | 北京石油化工学院 | 危化品堆垛双目测距中特征点匹配方法、系统和设备 |
CN110194375A (zh) * | 2019-05-30 | 2019-09-03 | 北京中盛博方环保工程技术有限公司 | 一种用于物料场的自动堆料、取料、堆取料方法和系统 |
CN110349251A (zh) * | 2019-06-28 | 2019-10-18 | 深圳数位传媒科技有限公司 | 一种基于双目相机的三维重建方法及装置 |
CN111260773A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市普渡科技有限公司 | 小障碍物的三维重建方法、检测方法及检测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8922628B2 (en) * | 2009-09-01 | 2014-12-30 | Prime Focus Vfx Services Ii Inc. | System and process for transforming two-dimensional images into three-dimensional images |
-
2021
- 2021-04-16 CN CN202110411747.6A patent/CN113034490B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012163450A (ja) * | 2011-02-07 | 2012-08-30 | Ihi Corp | 形状認識装置、形状認識方法、および、そのプログラム |
CN106292656A (zh) * | 2016-07-22 | 2017-01-04 | 北京智能管家科技有限公司 | 一种环境建模方法及装置 |
CN106846469A (zh) * | 2016-12-14 | 2017-06-13 | 北京信息科技大学 | 基于特征点追踪由聚焦堆栈重构三维场景的方法和装置 |
CN109030490A (zh) * | 2018-07-18 | 2018-12-18 | 芜湖固高自动化技术有限公司 | 一种货运用激光扫描防堆垛溃散方法 |
CN109325946A (zh) * | 2018-09-14 | 2019-02-12 | 北京石油化工学院 | 一种危险化学品堆垛监测方法和系统 |
CN109741306A (zh) * | 2018-12-26 | 2019-05-10 | 北京石油化工学院 | 应用于危险化学品库房堆垛的图像处理方法 |
CN109919247A (zh) * | 2019-03-18 | 2019-06-21 | 北京石油化工学院 | 危化品堆垛双目测距中特征点匹配方法、系统和设备 |
CN110194375A (zh) * | 2019-05-30 | 2019-09-03 | 北京中盛博方环保工程技术有限公司 | 一种用于物料场的自动堆料、取料、堆取料方法和系统 |
CN110349251A (zh) * | 2019-06-28 | 2019-10-18 | 深圳数位传媒科技有限公司 | 一种基于双目相机的三维重建方法及装置 |
CN111260773A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市普渡科技有限公司 | 小障碍物的三维重建方法、检测方法及检测系统 |
Non-Patent Citations (4)
Title |
---|
Xuejun Liu等.A Feature Extraction Algorithm for Detection of "Five-Distances" in Hazardous Chemical Storage and Stacking in Night Vision Environment.ICCC 2019: Cognitive Computing.2019,第54-66页. * |
危化品仓储堆垛安全距离监测系统设计;戴波等;化工学报;第70卷(第2期);第707-715页 * |
危险化学品仓库激光扫描安全监测技术的研究;李京;中国优秀硕士学位论文全文数据库 信息科技辑(第4期);第I135-129页 * |
基于图像的危化品堆垛三维几何动态建模;戴波;李雁飞;安海洋;周泽彧;刘学君;;控制工程(01);第72-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113034490A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scaramuzza et al. | Extrinsic self calibration of a camera and a 3d laser range finder from natural scenes | |
US9207069B2 (en) | Device for generating a three-dimensional model based on point cloud data | |
US10176564B1 (en) | Collaborative disparity decomposition | |
CN108694741B (zh) | 一种三维重建方法及装置 | |
EP3238173B1 (en) | Method and device for detecting an overhead cable from an aerial vessel | |
US20130016216A1 (en) | Method for evaluating an object recognition device of a motor vehicle | |
CN110197185B (zh) | 一种基于尺度不变特征变换算法监测桥下空间的方法和系统 | |
CN113034490B (zh) | 化学品库房的堆垛安全距离监测方法 | |
CN110287893A (zh) | 一种车辆盲区提示方法、系统、可读存储介质及汽车 | |
KR102133020B1 (ko) | 어라운드 뷰 모니터링 시스템 및 딥러닝을 이용한 주차선 검출 방법 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
Primdahl et al. | Change detection from multiple camera images extended to non-stationary cameras | |
Bazin et al. | Rectangle extraction in catadioptric images | |
CN115409693A (zh) | 一种基于三维图像中管道异物的二维定位方法 | |
JP2013200840A (ja) | 映像処理装置、映像処理方法、映像処理プログラム、及び映像表示装置 | |
CN111028264B (zh) | 一种旋转鲁棒的三维物体检测优化方法及装置 | |
CN106713741B (zh) | 全景视频的质量诊断方法及装置 | |
Southey et al. | Object discovery through motion, appearance and shape | |
CN113129363A (zh) | 一种基于特征物体和透视变换的图像距离信息提取方法 | |
WO2018087545A1 (en) | Object location technique | |
Kotze et al. | Reconfigurable navigation of an Automatic Guided Vehicle utilising omnivision | |
CN110163147B (zh) | 堆垛“五距”检测的二值化方法、装置、设备和存储介质 | |
US11282280B2 (en) | Method and system for node vectorisation | |
DE112016006725T5 (de) | Bildanzeigevorrichtung, bildanzeigeverfahren und bildanzeigeprogramm | |
EP4348583A1 (en) | Method and system for detecting a line above ground from a helicopter |
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 |