CN114693187B - 塔吊集群的运行分析方法、装置、存储介质及终端 - Google Patents
塔吊集群的运行分析方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114693187B CN114693187B CN202210603986.6A CN202210603986A CN114693187B CN 114693187 B CN114693187 B CN 114693187B CN 202210603986 A CN202210603986 A CN 202210603986A CN 114693187 B CN114693187 B CN 114693187B
- Authority
- CN
- China
- Prior art keywords
- analysis
- tower crane
- strategy
- priority
- image data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 354
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 22
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000011217 control strategy Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Control And Safety Of Cranes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种塔吊集群的运行分析方法、装置、存储介质及终端，包括：构建待分析塔吊集群的图像数据；安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。因此，本申请可保障了塔吊集群的协同作业安全。
Description
技术领域
本发明涉及智能塔吊设备技术领域，特别涉及一种塔吊集群的运行分析方法、装置、存储介质及终端。
背景技术
塔吊即塔式起重机，是一种重要的工程设施，用于大型物料的纵向起升和水平移动，可以实现输运、吊装等类型的工程作业，在建筑工地、港口、物流、工厂中都有广泛的应用。传统的塔吊需要人工驾驶和操作，且非常依赖驾驶员以及相关操作人员的经验和技术，而且现场作业仍然存在一定的风险性。
近年来，随着工程的不断扩大，多个塔吊形成的塔吊集群越来越多，现有塔吊集群作业时，若塔吊布置不合理，会产生很大的安全隐患，因此如何保障塔吊集群的安全作业是非常重要的，在目前采用的方案中，通过特定模型对不同场景下的塔吊进行分析，由于通用的模型是采用一种场景下的参数进行训练的，当场景发生变化时，模型的识别结果会出现错误，从而无法保障塔吊集群的协同作业安全。
发明内容
本申请实施例提供了一种塔吊集群的运行分析方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种塔吊集群的运行分析方法，所述预先训练的安全分析模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络，所述方法包括：
构建待分析塔吊集群的图像数据；
安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；
策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，所述预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据所述图像数据与塔吊运行参数确定的。
可选的，构建待分析塔吊集群的图像数据，包括：
采用图像识别系统采集塔吊集群场景下的人车物料和障碍物，得到三维点云图；
采用激光扫描系统对人车物料和障碍物进行定位，得到位置数据；
将位置数据与三维点云图进行图像匹配处理，生成图像数据。
可选的，预先训练的安全分析模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络；
将图像数据输入预先训练的安全分析模型中，输出图像数据对应的分析结果，包括：
安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；
策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；
优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；
分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。
可选的，根据图像数据确定待分析塔吊集群的场景数据，包括：
根据图像数据上的物体位置参数计算物体间的密集度；
基于物体间的密集度构建密集矩阵；
获取密集矩阵中第一个元素与最后一个元素连线上的全部元素进行加权求和运算，得到运算结果；
根据所述运算结果确定所述待分析塔吊集群的场景数据。
可选的，根据所述运算结果确定所述待分析塔吊集群的场景数据，包括：
当运算结果大于预设阈值时，生成密集场景的场景参数；
将密集场景的场景参数确定为待分析塔吊集群的场景数据；
或者，
当运算结果小于等于预设阈值时，生成空旷场景的场景参数；
将空旷场景的场景参数确定为待分析塔吊集群的场景数据。
可选的，基于图像数据与塔吊运行参数确定每个分析策略的优先级，包括：
获取图像数据中物体像素的相对坐标，并确定出物体像素的相对坐标在实际空间中的投影坐标；
将投影坐标进行仿射变换，得到图像数据对应的仿射变换矩阵；
根据仿射变换矩阵中每个矩阵元素进行大数据离线计算，生成每个分析策略的多个加权因子；
计算每个分析策略的多个加权因子的上四分位数，生成每个分析策略的权重值基准值；
基于每个分析策略的权重值基准值确定每个分析策略的优先级。
可选的，根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果，包括：
根据分析优先级策略的排列顺序确定出目标策略，并加载目标策略对应的塔吊数据；
根据目标策略对应的塔吊数据，并结合多个安全限制条件参数进行塔吊运行分析，生成目标策略对应的分析结果；
将目标策略对应的分析结果确定为图像数据对应的分析结果进行输出。
可选的，方法还包括：
当目标策略对应的分析结果是存在塔吊发生碰撞的分析结果时，构建塔机控制策略；
根据塔吊控制策略规划存在发生碰撞塔吊的最优运行轨迹，并基于最优运行轨迹控制发生碰撞塔吊运行；
或者，
当目标策略对应的分析结果是不存在塔吊发生碰撞的分析结果时，剔除目标策略，并继续执行根据分析优先级策略的排列顺序确定出目标策略的步骤，直到分析优先级策略全部遍历结束。
第二方面，本申请实施例提供了一种塔吊集群的运行分析装置，装置包括：
图像数据构建模块，用于构建待分析塔吊集群的图像数据；
安全限制条件参数获取模块，用于安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；
分析策略表加载模块，用于策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定模块，用于优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建模块，用于分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出模块，用于分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，所述预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据所述图像数据与塔吊运行参数确定的。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，塔吊集群的运行分析装置首先构建待分析塔吊集群的图像数据，安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。由于本申请通过塔吊集群的图像数据与塔吊运行参数确定安全分析模型中每个分析策略的优先级，使得分析策略进行分析的先后顺序可随参数动态变化，从而提升了模型分析的灵活性，使得模型仅分析具体场景参数下的特定塔吊集群的运行，进而保障了塔吊集群的协同作业安全。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种塔吊集群的运行分析方法的流程示意图；
图2是本申请实施例提供的一种塔吊集群的运行分析装置的装置示意图；
图3是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，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。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，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种塔吊集群的运行分析方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请通过塔吊集群的图像数据与塔吊运行参数确定安全分析模型中每个分析策略的优先级，使得分析策略进行分析的先后顺序可随参数动态变化，从而提升了模型分析的灵活性，使得模型仅分析具体场景参数下的特定塔吊集群的运行，进而保障了塔吊集群的协同作业安全，下面采用示例性的实施例进行详细说明。
下面将结合附图1，对本申请实施例提供的塔吊集群的运行分析方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的塔吊集群的运行分析装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的塔吊集群的运行分析装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理（personal digital assistant，PDA）、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种塔吊集群的运行分析方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，构建待分析塔吊集群的图像数据；
其中，图像数据是通过提前设置的图像识别系统中的3D相机以及激光扫描系统生成的。该图像数据可以精确表征出待分析塔吊集群的相关数据。
在本申请实施例中，在构建待分析塔吊集群的图像数据时，首先采用图像识别系统采集塔吊集群场景下的人车物料和障碍物，得到三维点云图，然后采用激光扫描系统对人车物料和障碍物进行定位，得到位置数据，最后将位置数据与三维点云图进行图像匹配处理，生成图像数据。其中，点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（Point Cloud）。三维点云图是包含点云数据的三维图像。
具体的，塔吊的塔身和/或塔臂或者建筑物处，增设3D相机，3D相机可形成整个塔吊集群作业场景下的点云图，点云图可以显示整个场景中各个对象的准确位置，再通过激光扫描系统精确定位，相机可识别是哪个对象及对象的属性，从而获取图像数据。
进一步地，预先训练的安全分析模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络。
S102，安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；
其中，预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据图像数据与塔吊运行参数确定的。
通常，安全分析模型是可以对不同场景下的塔吊集群的运行进行分析的数学模型，该模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络。
在本申请实施例中，在生成预先训练的安全分析模型时，首先构建塔吊集群对应的多个分析策略，然后获取每个分析策略对应的塔吊集群历史场景的图像数据以及该场景下的塔吊运行历史数据，再采用神经网络创建安全分析模型，最后将每个分析策略对应的塔吊集群历史场景的图像数据以及该场景下的塔吊运行历史数据输入安全分析模型中，输出该模型的损失值，在损失值到达预设损失阈值时，生成预先训练的安全分析模型。
进一步地，在将图像数据输入预先训练的安全分析模型中进行处理时，首先安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数。
具体的，在根据图像数据确定待分析塔吊集群的场景数据时，首先根据图像数据上的物体位置参数计算物体间的密集度，然后基于物体间的密集度构建密集矩阵，其次获取密集矩阵中第一个元素与最后一个元素连线上的全部元素进行加权求和运算，得到运算结果，最后当运算结果大于预设阈值时，生成密集场景的场景参数，并将密集场景的场景参数确定为待分析塔吊集群的场景数据，或者当运算结果小于等于预设阈值时，生成空旷场景的场景参数，然后将空旷场景的场景参数确定为待分析塔吊集群的场景数据。
S103，策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
S104，优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
具体的，在基于图像数据与塔吊运行参数确定每个分析策略的优先级时，首先获取图像数据中物体像素的相对坐标，并确定出物体像素的相对坐标在实际空间中的投影坐标，然后将投影坐标进行仿射变换，得到图像数据对应的仿射变换矩阵，其次根据仿射变换矩阵中每个矩阵元素进行大数据离线计算，生成每个分析策略的多个加权因子，再计算每个分析策略的多个加权因子的上四分位数，生成每个分析策略的权重值基准值，最后基于每个分析策略的权重值基准值确定每个分析策略的优先级。
S105，分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
S106，分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
具体的，在根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果时，首先根据分析优先级策略的排列顺序确定出目标策略，并加载目标策略对应的塔吊数据，然后根据目标策略对应的塔吊数据，并结合多个安全限制条件参数进行塔吊运行分析，生成目标策略对应的分析结果，最后将目标策略对应的分析结果确定为图像数据对应的分析结果进行输出。
进一步地，在得到分析结果之后，当目标策略对应的分析结果是存在塔吊发生碰撞的分析结果时，构建塔机控制策略，然后根据塔吊控制策略规划存在发生碰撞塔吊的最优运行轨迹，并基于最优运行轨迹控制发生碰撞塔吊运行；
或者，当目标策略对应的分析结果是不存在塔吊发生碰撞的分析结果时，剔除目标策略，并继续执行根据分析优先级策略的排列顺序确定出目标策略的步骤，直到分析优先级策略全部遍历结束。
在一种可能的实现方式中，根据塔吊集群的工作场景选择相应的安全分析策略，工作场景包括空旷、不空旷、极端场合等，每个场景对应一定的安全分析策略，安全分析策略包括一系列安全限制条件和分析策略的优先级。基于图像数据和塔身的工作参数，确定应优先采用那个分析策略进行分析，再去确定用那个分析策略进行分析，最后输出分析结果，并采用该分析结果进行冲突塔吊的运行路径轨迹。
例如，若在空旷场景下，图像数据为两个塔臂靠近，则优先判断塔臂之间的距离，再去判断两个塔臂的工作参数，判断是否存在碰撞的可能，若存在，输出控制指令，若不存在，继续判断其他参数，直至判断确定不存在安全隐患为止。
在本申请实施例中，塔吊集群的运行分析装置首先构建待分析塔吊集群的图像数据，安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。由于本申请通过塔吊集群的图像数据与塔吊运行参数确定安全分析模型中每个分析策略的优先级，使得分析策略进行分析的先后顺序可随参数动态变化，从而提升了模型分析的灵活性，使得模型仅分析具体场景参数下的特定塔吊集群的运行，进而保障了塔吊集群的协同作业安全。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图2，其示出了本发明一个示例性实施例提供的塔吊集群的运行分析装置的结构示意图。该塔吊集群的运行分析装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括图像数据构建模块10、安全限制条件参数获取模块20、分析策略表加载模块30、优先级确定模块40、分析优先级策略构建模块50、分析结果输出模块60。
图像数据构建模块10，用于构建待分析塔吊集群的图像数据；
安全限制条件参数获取模块20，用于安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；
分析策略表加载模块30，用于策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定模块40，用于优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建模块50，用于分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出模块60，用于分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，所述预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据所述图像数据与塔吊运行参数确定的。
需要说明的是，上述实施例提供的塔吊集群的运行分析装置在执行塔吊集群的运行分析方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的塔吊集群的运行分析装置与塔吊集群的运行分析方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，塔吊集群的运行分析装置首先构建待分析塔吊集群的图像数据，安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。由于本申请通过塔吊集群的图像数据与塔吊运行参数确定安全分析模型中每个分析策略的优先级，使得分析策略进行分析的先后顺序可随参数动态变化，从而提升了模型分析的灵活性，使得模型仅分析具体场景参数下的特定塔吊集群的运行，进而保障了塔吊集群的协同作业安全。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的塔吊集群的运行分析方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的塔吊集群的运行分析方法。
请参见图3，为本申请实施例提供了一种终端的结构示意图。如图3所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏（Display）、摄像头（Camera），可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个终端1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行终端1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。处理器1001可集成中央处理器（Central Processing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器1005包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及塔吊集群的运行分析应用程序。
在图3所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的塔吊集群的运行分析应用程序，并具体执行以下操作：
构建待分析塔吊集群的图像数据；
安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；
策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据图像数据与塔吊运行参数确定的。
在一个实施例中，处理器1001在执行构建待分析塔吊集群的图像数据时，具体执行以下操作：
采用图像识别系统采集塔吊集群场景下的人车物料和障碍物，得到三维点云图；
采用激光扫描系统对人车物料和障碍物进行定位，得到位置数据；
将位置数据与三维点云图进行图像匹配处理，生成图像数据。
在一个实施例中，处理器1001在执行将图像数据输入预先训练的安全分析模型中，输出图像数据对应的分析结果时，具体执行以下操作：
安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；
策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；
优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；
分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。
在一个实施例中，处理器1001在执行根据图像数据确定待分析塔吊集群的场景数据时，具体执行以下操作：
根据图像数据上的物体位置参数计算物体间的密集度；
基于物体间的密集度构建密集矩阵；
获取密集矩阵中第一个元素与最后一个元素连线上的全部元素进行加权求和运算，得到运算结果。
在一个实施例中，处理器1001在执行根据所述运算结果确定所述待分析塔吊集群的场景数据时，具体执行以下操作：
当运算结果大于预设阈值时，生成密集场景的场景参数；
将密集场景的场景参数确定为待分析塔吊集群的场景数据；
或者，
当运算结果小于等于预设阈值时，生成空旷场景的场景参数；
将空旷场景的场景参数确定为待分析塔吊集群的场景数据。
在一个实施例中，处理器1001在执行基于图像数据与塔吊运行参数确定每个分析策略的优先级时，具体执行以下操作：
获取图像数据中物体像素的相对坐标，并确定出物体像素的相对坐标在实际空间中的投影坐标；
将投影坐标进行仿射变换，得到图像数据对应的仿射变换矩阵；
根据仿射变换矩阵中每个矩阵元素进行大数据离线计算，生成每个分析策略的多个加权因子；
计算每个分析策略的多个加权因子的上四分位数，生成每个分析策略的权重值基准值；
基于每个分析策略的权重值基准值确定每个分析策略的优先级。
在一个实施例中，处理器1001在执行根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果时，具体执行以下操作：
根据分析优先级策略的排列顺序确定出目标策略，并加载目标策略对应的塔吊数据；
根据目标策略对应的塔吊数据，并结合多个安全限制条件参数进行塔吊运行分析，生成目标策略对应的分析结果；
将目标策略对应的分析结果确定为图像数据对应的分析结果进行输出。
在一个实施例中，处理器1001还执行以下操作：
当目标策略对应的分析结果是存在塔吊发生碰撞的分析结果时，构建塔机控制策略；
根据塔吊控制策略规划存在发生碰撞塔吊的最优运行轨迹，并基于最优运行轨迹控制发生碰撞塔吊运行；
或者，
当目标策略对应的分析结果是不存在塔吊发生碰撞的分析结果时，剔除目标策略，并继续执行根据分析优先级策略的排列顺序确定出目标策略的步骤，直到分析优先级策略全部遍历结束。
在本申请实施例中，塔吊集群的运行分析装置首先构建待分析塔吊集群的图像数据，安全限制条件参数确定网络根据图像数据确定待分析塔吊集群的场景数据，并获取场景数据的多个安全限制条件参数；策略表加载网络加载分析策略表，分析策略表中包含多个分析策略；优先级确定网络获取塔吊集群中每个塔吊的塔吊运行参数，并基于图像数据与塔吊运行参数确定每个分析策略的优先级；分析优先级策略构建网络根据优先级的高低顺序构建场景数据的分析优先级策略；分析结果输出网络根据多个安全限制条件参数与分析优先级策略进行塔吊运行分析，生成并输出图像数据对应的分析结果。由于本申请通过塔吊集群的图像数据与塔吊运行参数确定安全分析模型中每个分析策略的优先级，使得分析策略进行分析的先后顺序可随参数动态变化，从而提升了模型分析的灵活性，使得模型仅分析具体场景参数下的特定塔吊集群的运行，进而保障了塔吊集群的协同作业安全。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，塔吊集群的运行分析的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (8)
1.一种塔吊集群的运行分析方法，其特征在于，所述方法基于预先训练的安全分析模型执行，所述预先训练的安全分析模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络，所述方法包括：
构建待分析塔吊集群的图像数据；其中，
所述构建待分析塔吊集群的图像数据，包括：
采用图像识别系统采集塔吊集群场景下的人车物料和障碍物，得到三维点云图；
采用激光扫描系统对所述人车物料和障碍物进行定位，得到位置数据；
将所述位置数据与所述三维点云图进行图像匹配处理，生成图像数据；
安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；其中，
所述根据所述图像数据确定所述待分析塔吊集群的场景数据，包括：
根据所述图像数据上的物体位置参数计算物体间的密集度；
基于物体间的密集度构建密集矩阵；
获取所述密集矩阵中第一个元素与最后一个元素连线上的全部元素进行加权求和运算，得到运算结果；
根据所述运算结果确定所述待分析塔吊集群的场景数据；
策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，所述预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据所述图像数据与塔吊运行参数确定的。
2.根据权利要求1所述的方法，其特征在于，所述根据所述运算结果确定所述待分析塔吊集群的场景数据，包括：
当所述运算结果大于预设阈值时，生成密集场景的场景参数；
将密集场景的场景参数确定为所述待分析塔吊集群的场景数据；
或者，
当所述运算结果小于等于预设阈值时，生成空旷场景的场景参数；
将空旷场景的场景参数确定为所述待分析塔吊集群的场景数据。
3.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级，包括：
获取所述图像数据中物体像素的相对坐标，并确定出所述物体像素的相对坐标在实际空间中的投影坐标；
将所述投影坐标进行仿射变换，得到所述图像数据对应的仿射变换矩阵；
根据所述仿射变换矩阵中每个矩阵元素进行大数据离线计算，生成每个分析策略的多个加权因子；
计算每个分析策略的多个加权因子的上四分位数，生成每个分析策略的权重值基准值；
基于每个分析策略的权重值基准值确定每个分析策略的优先级。
4.根据权利要求1所述的方法，其特征在于，所述根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果，包括：
根据所述分析优先级策略的排列顺序确定出目标策略，并加载所述目标策略对应的塔吊数据；
根据目标策略对应的塔吊数据，并结合所述多个安全限制条件参数进行塔吊运行分析，生成目标策略对应的分析结果；
将所述目标策略对应的分析结果确定为所述图像数据对应的分析结果进行输出。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
当所述目标策略对应的分析结果是存在塔吊发生碰撞的分析结果时，构建塔机控制策略；
根据所述塔吊控制策略规划存在发生碰撞塔吊的最优运行轨迹，并基于所述最优运行轨迹控制所述发生碰撞塔吊运行；
或者，
当所述目标策略对应的分析结果是不存在塔吊发生碰撞的分析结果时，剔除所述目标策略，并继续执行所述根据所述分析优先级策略的排列顺序确定出目标策略的步骤，直到所述分析优先级策略全部遍历结束。
6.一种塔吊集群的运行分析装置，其特征在于，所述装置基于预先训练的安全分析模型执行，所述预先训练的安全分析模型包括安全限制条件参数确定网络、策略表加载网络、优先级确定网络、分析优先级策略构建网络以及分析结果输出网络，所述装置包括：
图像数据构建模块，用于构建待分析塔吊集群的图像数据；其中，
所述图像数据构建模块具体用于：
采用图像识别系统采集塔吊集群场景下的人车物料和障碍物，得到三维点云图；
采用激光扫描系统对所述人车物料和障碍物进行定位，得到位置数据；
将所述位置数据与所述三维点云图进行图像匹配处理，生成图像数据；
安全限制条件参数获取模块，用于安全限制条件参数确定网络根据所述图像数据确定所述待分析塔吊集群的场景数据，并获取所述场景数据的多个安全限制条件参数；其中，
所述根据所述图像数据确定所述待分析塔吊集群的场景数据，包括：
根据所述图像数据上的物体位置参数计算物体间的密集度；
基于物体间的密集度构建密集矩阵；
获取所述密集矩阵中第一个元素与最后一个元素连线上的全部元素进行加权求和运算，得到运算结果；
根据所述运算结果确定所述待分析塔吊集群的场景数据；
分析策略表加载模块，用于策略表加载网络加载分析策略表，所述分析策略表中包含多个分析策略；
优先级确定模块，用于优先级确定网络获取所述塔吊集群中每个塔吊的塔吊运行参数，并基于所述图像数据与所述塔吊运行参数确定每个分析策略的优先级；
分析优先级策略构建模块，用于分析优先级策略构建网络根据所述优先级的高低顺序构建所述场景数据的分析优先级策略；
分析结果输出模块，用于分析结果输出网络根据所述多个安全限制条件参数与所述分析优先级策略进行塔吊运行分析，生成并输出所述图像数据对应的分析结果；
其中，所述预先训练的安全分析模型包括多个分析策略，每个分析策略的优先级是根据所述图像数据与塔吊运行参数确定的。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-5任意一项的方法步骤。
8.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-5任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210603986.6A CN114693187B (zh) | 2022-05-31 | 2022-05-31 | 塔吊集群的运行分析方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210603986.6A CN114693187B (zh) | 2022-05-31 | 2022-05-31 | 塔吊集群的运行分析方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114693187A CN114693187A (zh) | 2022-07-01 |
| CN114693187B true CN114693187B (zh) | 2022-10-21 |
Family
ID=82131234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210603986.6A Active CN114693187B (zh) | 2022-05-31 | 2022-05-31 | 塔吊集群的运行分析方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114693187B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574117B (zh) * | 2024-01-16 | 2024-04-30 | 杭州宇泛智能科技有限公司 | 基于神经网络的塔群三维防碰撞快速计算模型的训练方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712121A (zh) * | 2020-12-30 | 2021-04-27 | 浙江智慧视频安防创新中心有限公司 | 一种基于深度神经网络的图像识别模型训练方法、装置及存储介质 |
| CN113065223A (zh) * | 2021-03-02 | 2021-07-02 | 哈尔滨慧维科技有限公司 | 一种塔桅集群数字孪生模型多等级概率修正方法 |
| CN113204451A (zh) * | 2021-03-22 | 2021-08-03 | 北京中交兴路信息科技有限公司 | 一种对Redis集群的压力测试方法、系统、存储介质及终端 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013014265A1 (de) * | 2013-08-27 | 2015-03-05 | Liebherr-Components Biberach Gmbh | Vorrichtung zur Erkennung der Ablegereife eines hochfesten Faserseils beim Einsatz an Hebezeugen |
| CN113966496A (zh) * | 2020-05-21 | 2022-01-21 | 深圳市大疆创新科技有限公司 | 控制方法、控制装置、可移动平台与计算机可读存储介质 |
| CN111756762A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 车辆安全性分析方法、装置、电子设备及存储介质 |
| CN112132065B (zh) * | 2020-09-25 | 2021-08-20 | 智洋创新科技股份有限公司 | 一种基于输电线路通道可视化连续告警的告警策略方法 |
| CN112520607A (zh) * | 2020-12-08 | 2021-03-19 | 南京贺宇网络科技有限公司 | 基于机器视觉和大数据分析的建筑施工工程机械姿态安全实时监测云平台 |
| CN112850501B (zh) * | 2020-12-31 | 2023-09-08 | 广州市建筑科学研究院集团有限公司 | 一种塔吊自动化防撞方法及系统 |
| CN113938501B (zh) * | 2021-09-14 | 2023-06-02 | 杭州大杰智能传动科技有限公司 | 用于智能塔吊集群协同的自组织物联网通信系统和方法 |
| CN114241298A (zh) * | 2021-11-22 | 2022-03-25 | 腾晖科技建筑智能(深圳)有限公司 | 一种激光雷达和图像融合的塔吊环境目标检测方法及系统 |
| CN114348887B (zh) * | 2022-03-21 | 2022-10-04 | 杭州杰牌传动科技有限公司 | 基于塔吊回转动作模型的智能监控预警系统及方法 |
-
2022
- 2022-05-31 CN CN202210603986.6A patent/CN114693187B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712121A (zh) * | 2020-12-30 | 2021-04-27 | 浙江智慧视频安防创新中心有限公司 | 一种基于深度神经网络的图像识别模型训练方法、装置及存储介质 |
| CN113065223A (zh) * | 2021-03-02 | 2021-07-02 | 哈尔滨慧维科技有限公司 | 一种塔桅集群数字孪生模型多等级概率修正方法 |
| CN113204451A (zh) * | 2021-03-22 | 2021-08-03 | 北京中交兴路信息科技有限公司 | 一种对Redis集群的压力测试方法、系统、存储介质及终端 |
Non-Patent Citations (2)
| Title |
|---|
| 基于ANFIS的焊接电源群优先级群控策略;赵章风等;《计算机集成制造系统》;20111015(第10期);全文 * |
| 桥梁裂缝特征的图像分析处理研究;赵妍等;《电子技术与软件工程》;20160728(第15期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114693187A (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11650564B2 (en) | Method and device for planning and/or controlling and/or simulating the operation of a construction machine | |
| WO2020228326A1 (zh) | 一种可视化三维扫描建模方法、系统、设备及存储介质 | |
| CN114693187B (zh) | 塔吊集群的运行分析方法、装置、存储介质及终端 | |
| CN114677375B (zh) | 一种智能塔吊集群的协同控制方法、装置、存储介质及终端 | |
| CN112212866A (zh) | 机器人及其跨楼层导航方法和装置 | |
| CN111737800A (zh) | 图元选择方法、装置及电子设备 | |
| CN112008718B (zh) | 一种机器人控制方法、系统、存储介质及智能机器人 | |
| CN112884900A (zh) | 无人机的降落定位方法、装置、存储介质及无人机机巢 | |
| CN111026115A (zh) | 一种基于深度学习的机器人避障控制方法及装置 | |
| CN114777792A (zh) | 路径规划方法、装置、计算机可读介质及电子设备 | |
| JP2022168167A (ja) | 画像処理方法、装置、電子機器及び記憶媒体 | |
| CN114721419A (zh) | 基于无人机的输电线路的杆塔巡检方法、装置、以及设备 | |
| CN110827393B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN111311730B (zh) | 一种矿井三维立体化实现方法及装置 | |
| CN114131598B (zh) | 层次化机器人技能表达方法、终端及计算机可读存储介质 | |
| EP4258162A1 (en) | Placement position acquisition method, model training method, and related devices | |
| CN115965736A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN112546630B (zh) | 角色移动方法及装置 | |
| CN114897339A (zh) | 任务评价方法、装置、存储介质及电子设备 | |
| CN110427241B (zh) | 一种目标消除方法及装置 | |
| CN113808192A (zh) | 一种户型图生成方法、装置、设备及存储介质 | |
| CN112317164A (zh) | 一种喷涂机器人轨迹控制方法、装置及电子设备 | |
| EP4328844A1 (en) | Device for assisting with work planning and method for assisting with work planning | |
| EP4328843A1 (en) | Work planning assistance device and work planning assistance method | |
| KR102526189B1 (ko) | 3차원 이미지 모델링 장치 및 방법 |
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 |