CN116647651B - 一种基于北斗卫星的无人机施工监控方法及系统 - Google Patents
一种基于北斗卫星的无人机施工监控方法及系统 Download PDFInfo
- Publication number
- CN116647651B CN116647651B CN202310913806.9A CN202310913806A CN116647651B CN 116647651 B CN116647651 B CN 116647651B CN 202310913806 A CN202310913806 A CN 202310913806A CN 116647651 B CN116647651 B CN 116647651B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- construction
- image
- constructors
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 50
- 238000013439 planning Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 12
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009975 flexible effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008255 psychological mechanism Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供了一种基于北斗卫星的无人机施工监控方法及系统，涉及无人机监控领域，该基于北斗卫星的无人机施工监控方法包括以下步骤：利用无人机技术采集施工现场的施工图像；对采集的施工图像进行分析处理，提取施工图像的特征参数；对处理后的施工图像进行异常情况识别；在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。本发明通过采用人机技术可以实时采集施工现场的施工图像，及时取施工现场的信息，提供更及时的监控数据；可以检测到施工人员的异常行为或不安全情况；有助于预防潜在的事故或危险事件，及时采取措施来保障施工人员的安全，从而能够有助于提高施工现场的安全性和管理效率。
Description
技术领域
本发明涉及无人机监控领域，具体来说，特别涉及一种基于北斗卫星的无人机施工监控方法及系统。
背景技术
随着生产技术的不断进步和人们生活需求的不断增长，建筑业得到了迅猛发展，从业人数逐年增加；同时随着市场竞争压力的加大，建筑企业的利润逐渐下降；同时，新技术的快速发展也对传统的建筑业管理方式造成了冲击。因此，要求建筑企业及从业人员转变管理思维，引进新技术，提高管理效率，降低管理成本。近年来，无人机作为一项热门技术已经推广至民用领域，并在建筑领域中得到逐渐凸显，具有广阔的应用前景。
无人驾驶飞行器简称“无人机”，是一种不需要载人操作的飞机，可以通过使用无线电遥控设备和自带的程序控制装置进行操纵。北斗卫星导航系统包括空间段、地面段和用户段三个部分，可以在全球范围内提供高精度、高可靠的定位、导航、授时服务，并且具有短报文通信能力。北斗卫星导航系统已初步实现区域导航、定位和授时功能，其定位精度为10米，测速精度为0.2米/秒，授时精度为10纳秒，为各类用户提供了全天候、全时段的服务。
航路规划是确保无人机安全和提高无人机作战效能的有效手段，但在复杂的建筑施工环境下以及随着信息量和规划约束条件的增加，会使得无人机在对施工现场进行巡航监控时，会出现一些影响无人机飞行的情况，这种情况是无人机巡航之前不能确定的，而传统的施工监控方法通常是预先设定无人机的航路规划，但是当面对突发性的情况时，很难快速的做出反应来规避，从而会导致无人机出现碰撞或损坏。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
有鉴于此，本发明提供一种基于北斗卫星的无人机施工监控方法及系统，以解决上述提及的传统施工监控方法在面对突发性的情况时，很难快速的做出反应来规避，会导致无人机出现碰撞或损坏的问题。
为了解决上述问题，本发明采用的具体技术方案如下：
根据本发明的一方面，提供了一种基于北斗卫星的无人机施工监控方法，该方法包括以下步骤：
S1、利用无人机技术采集施工现场的施工图像；
S2、对采集的施工图像进行分析处理，提取施工图像的特征参数；
S3、对处理后的施工图像进行异常情况识别；
S4、在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。
作为本文的一个实施例，所述利用无人机技术采集施工现场的施工图像包括以下步骤：
S11、选取搭载北斗卫星通信设备、安装高清摄像头及扩音器的无人机；
S12、基于A星算法对无人机的航行线路进行规划，确定无人机的航行线路；
S13、利用安装在无人机上的高清摄像头对施工现场进行图像采集，得到施工监控数据；
S14、基于搭载在无人机上的北斗卫星通信设备将得到的施工监控数据传输至地面控制中心。
作为本文的一个实施例，所述基于A星算法对无人机的航行线路进行规划包括以下步骤：
S121、获取施工现场的地图信息，并确定无人机的航行空间的边界；
S122、将无人机的航行空间进行离散化处理，划分为离散的区域，每个区域代表一个离散的空间单元；
S123、标记地图上的障碍物和限飞区域，并确定无人机需要监测的航行区域；
S124、基于A星算法对无人机的航行进行离线规划，得到离线预规划航路；
S125、无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划。
作为本文的一个实施例，所述基于A星算法对无人机的航行进行离线规划，得到离线预规划航路包括以下步骤：
S1241、根据无人机需要监测的航行区域确定无人机的起点和终点；
S1242、建立开放列表和关闭列表，将起点加入至开放列表中作为父节点，将关闭列表设置为空；
S1243、在开放列表中找寻父节点周围的点，并计算各点的总代价；
S1244、选取其中代价最小的点作为下一代的父节点，并加入关闭列表中；
S1245、重复执行步骤S1243-S1244，直到找到终点或开放列表为空；
S1246、根据得到的父节点路径，得到无人机的离线预规划航路。
作为本文的一个实施例，所述无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划包括以下步骤：
S1251、实时获取无人机在飞行中的位置信息，通过传感器检测无人机的周围环境；
S1252、根据无人机当前的位置信息及周围环境，判断无人机是否需要重新规划航线；
S1253、若不需要，则继续按照离线预规划航路进行飞行，若需要，则基于A星算法进行在线规划航路，得到新的规划航路；
S1254、无人机按照新的规划航路继续进行飞行监控；
S1255、持续监测无人机的位置信息和周围环境，并实时对无人机的航路进行更新和调整。
作为本文的一个实施例，所述对采集的施工图像进行分析处理，提取施工图像的特征参数包括以下步骤：
S21、基于加权平均法对采集的施工图像进行灰度化处理；
S22、对灰度化处理后的施工图像进行直方图均衡化处理；
S23、采用中值滤波技术对直方图均衡化处理后的施工图像进行去噪处理，去除图像中的噪声；
S24、将去噪处理后的图像按照不同的特征进行分类；
S25、利用计算机视觉技术对分类处理后的施工图像进行特征提取。
作为本文的一个实施例，所述对处理后的施工图像进行异常情况识别包括以下步骤：
S31、将提取的特征作为输入，并输入至预设的不安全行为识别模型中对施工人员的不安全行为进行识别，若识别出施工人员存在不安全行为，则表示施工人员出现了异常情况；
S32、使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况。
作为本文的一个实施例，所述不安全行为识别模型的构建方法包括以下步骤：
通过行为理论和现场调查的方法了解施工现场存在的不安全行为，并对存在的不安全行为进行分类和归纳；
收集施工现场的行为数据，并基于人体的骨骼关节点，提取施工人员的不安全行为特征；
将提取的不安全行为特征构建训练数据集；
基于深度学习法并利用构建的训练数据集对不安全行为识别模型进行训练，得到优化后的不安全行为识别模型。
作为本文的一个实施例，所述使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况包括以下步骤：
S321、在施工现场确定不安全区域的位置和范围；
S322、在不安全区域的边界位置定义监测点，并以这些监测点为起点，沿着预定的方向发射射线。
S323、根据处理后的施工图像判定施工人员的位置信息；
S324、对于每个监测点发射的射线，判断射线与施工人员的位置是否相交，若相交，则表示施工人员越过了射线，跨越了不安全区域。
根据本发明的另一方面，提供了一种基于北斗卫星的无人机施工监控系统，该系统包括图像采集模块、分析处理模块、异常识别模块及异常提醒模块；
其中，所述图像采集模块，用于利用无人机技术采集施工现场的施工图像；
所述分析处理模块，用于对采集的施工图像进行分析处理，提取施工图像的特征参数；
所述异常识别模块，用于对处理后的施工图像进行异常情况识别；
所述异常提醒模块，用于在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。
本发明的有益效果为：
1、本发明通过采用无人机技术可以实时采集施工现场的施工图像，及时获取施工现场的信息，相比传统的人工巡视或固定摄像头监控，无人机可以覆盖更广泛的区域，并提供更及时的监控数据；通过对采集的施工图像进行分析处理，可以通过提取图像的特征参数来获取更多的信息，有助于更深入地理解施工现场的情况，并为后续的异常情况识别提供基础，同时通过对处理后的施工图像进行异常情况识别，可以检测到施工人员的异常行为或不安全情况；有助于预防潜在的事故或危险事件，并及时采取措施来保障施工人员的安全，从而能够有助于提高施工现场的安全性和管理效率。
2、本发明通过获取施工现场的地图信息，并离散化处理无人机的航行空间，可以精确规划无人机的航行线路，然后通过基于A星算法的离线规划，可以提前计算出无人机的航行线路，使得无人机在实际飞行时可以按照预先规划的航路进行飞行，提高飞行效率，此外，在无人机的飞行过程中，通过在线航路规划，可以根据实时获取的无人机位置信息和环境情况，调整航行线路，以适应动态变化的情况，有助于无人机灵活应对障碍物的出现或航行区域的变化，从而能够实现精确、高效的航行线路规划，提高飞行安全性和效率，同时提升施工监控的效果和管理水平。
3、本发明通过不安全行为识别模型可以自动对施工人员的行为进行识别和分析，减轻了人工监控的负担，并可以及时发现不安全行为，减少潜在的安全风险；同时利用射线法判断施工人员是否跨越了不安全区域，可以及时发现施工人员的异常行为；有助于保障施工人员的安全，并能迅速采取必要的措施，减少潜在的事故风险，从而实现了自动化的异常情况识别和实时监测不安全区域，可以提高施工现场的安全性，进而有助于预防事故的发生，保护施工人员的生命安全。
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。在附图中：
图1是根据本发明实施例的一种基于北斗卫星的无人机施工监控方法的流程图；
图2是根据本发明实施例的一种基于北斗卫星的无人机施工监控系统的原理框图。
图中：
1、图像采集模块；2、分析处理模块；3、异常识别模块；4、异常提醒模块。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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他实施方式，都应当属于本申请保护的范围。
根据本发明的实施例，提供了一种基于北斗卫星的无人机施工监控方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于北斗卫星的无人机施工监控方法，该方法包括以下步骤：
S1、利用无人机技术采集施工现场的施工图像；
作为优选实施方式，所述利用无人机技术采集施工现场的施工图像包括以下步骤：
S11、选取搭载北斗卫星通信设备、安装高清摄像头及扩音器的无人机；
需要说明的是，北斗卫星通信设备：可以实现与地面控制中心的通信，保证监测数据和指令的传输稳定可靠，同时也可以实现无人机的导航和定位功能；
高清摄像头：可以对施工现场进行图像采集，获取施工监控数据，在后续进行施工图像分析处理和异常情况识别时提供支持；
扩音器：可以在需要时通过无人机发出警报或提醒，避免施工人员出现异常情况时无人察觉。
S12、基于A星算法对无人机的航行线路进行规划，确定无人机的航行线路；
需要说明的是，A星算法是一种基于启发式搜索的路径规划算法，也是一种常用的人工智能算法。它可以在图形地图中找到从起点到终点的最短路径，并且可以快速计算出当前位置到目标位置的最优路径。
作为优选实施方式，所述基于A星算法对无人机的航行线路进行规划包括以下步骤：
S121、获取施工现场的地图信息，并确定无人机的航行空间的边界；
S122、将无人机的航行空间进行离散化处理，划分为离散的区域，每个区域代表一个离散的空间单元；
需要说明的是，将无人机的航行空间进行离散化处理，划分为离散的区域，每个区域代表一个离散的空间单元；其主要目的是通过将连续的空间转化为离散的网格化空间，从而使得无人机能够沿着网格单元划分的路径进行移动。
S123、标记地图上的障碍物和限飞区域，并确定无人机需要监测的航行区域；
S124、基于A星算法对无人机的航行进行离线规划，得到离线预规划航路；
作为优选实施方式，所述基于A星算法对无人机的航行进行离线规划，得到离线预规划航路包括以下步骤：
S1241、根据无人机需要监测的航行区域确定无人机的起点和终点；
S1242、建立开放列表和关闭列表，将起点加入至开放列表中作为父节点，将关闭列表设置为空；
需要说明的是，开放列表（Open List）：存放待考虑的节点集合。在搜索过程中，我们需要从开放列表中选择代价最小的节点进行扩展，并将其加入到关闭列表中。
关闭列表（Closed List）：已经考虑过的节点集合。在搜索过程中，如果某个节点已经被加入到关闭列表中，那么我们不再对它进行扩展。
S1243、在开放列表中找寻父节点周围的点，并计算各点的总代价；
需要说明的是，A星算法通过估价函数来评估每个节点，选择具有最小总代价的节点作为下一个访问的节点。其中，总代价=已经走过的距离（即起点到当前节点的距离）+预估剩余距离（即当前节点到终点的距离估算值）。这种估计值通常采用曼哈顿距离、欧几里得距离等方法进行计算。
S1244、选取其中代价最小的点作为下一代的父节点，并加入关闭列表中；
S1245、重复执行步骤S1243-S1244，直到找到终点或开放列表为空；
S1246、根据得到的父节点路径，得到无人机的离线预规划航路。
需要说明的是，在A星算法中，每个节点都有一个父节点指针，指向它在搜索过程中被扩展出来的节点。这些父节点指针构成了一条从终点到起点的路径，即父节点路径；从终点开始，沿着父节点指针一直回溯到起点，即可得到无人机的预规划航路；
S125、无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划。
作为优选实施方式，所述无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划包括以下步骤：
S1251、实时获取无人机在飞行中的位置信息，通过传感器检测无人机的周围环境；
需要说明的是，实时获取无人机在飞行中的位置信息：这个过程通常使用GPS或其他定位系统来完成。
S1252、根据无人机当前的位置信息及周围环境，判断无人机是否需要重新规划航线；
需要说明的是，通过传感器检测无人机周围环境：这个过程涉及到多种传感器，例如雷达、红外线传感器等。通过这些传感器，无人机可以检测周围的障碍物，避免与其碰撞。
S1253、若不需要，则继续按照离线预规划航路进行飞行，若需要，则基于A星算法进行在线规划航路，得到新的规划航路；
S1254、无人机按照新的规划航路继续进行飞行监控；
S1255、持续监测无人机的位置信息和周围环境，并实时对无人机的航路进行更新和调整。
S13、利用安装在无人机上的高清摄像头对施工现场进行图像采集，得到施工监控数据；
S14、基于搭载在无人机上的北斗卫星通信设备将得到的施工监控数据传输至地面控制中心。
S2、对采集的施工图像进行分析处理，提取施工图像的特征参数；
作为优选实施方式，所述对采集的施工图像进行分析处理，提取施工图像的特征参数包括以下步骤：
S21、基于加权平均法对采集的施工图像进行灰度化处理；
需要说明的是，加权平均法一般是通过对彩色图像的每个像素进行加权平均计算，将彩色图像转换为灰度图像。在加权平均法中，使用不同的权重来对红、绿、蓝通道的像素值进行加权求和，得到最终的灰度值。
S22、对灰度化处理后的施工图像进行直方图均衡化处理；
需要说明的是，直方图均衡化是一种常用的图像增强技术，用于改善图像的对比度和亮度分布。它通过对图像的灰度级进行重新分配，使得图像中的灰度级能够更均匀地分布在整个灰度范围内。
S23、采用中值滤波技术对直方图均衡化处理后的施工图像进行去噪处理，去除图像中的噪声；
需要说明的是，中值滤波是一种常用的图像去噪技术，它通过将每个像素的灰度值替换为该像素邻域内的中值来减少图像中的噪声。中值滤波可以有效地去除不同类型的噪声，例如椒盐噪声和高斯噪声。
S24、将去噪处理后的图像按照不同的特征进行分类；
S25、利用计算机视觉技术对分类处理后的施工图像进行特征提取。
需要说明的是，计算机视觉技术可以通过各种图像处理方法从图像中提取出一些特定的信息或特征，例如颜色、纹理、形状等。这些特征可以帮助我们识别和区分不同的图像类型。
S3、对处理后的施工图像进行异常情况识别；
作为优选实施方式，所述对处理后的施工图像进行异常情况识别包括以下步骤：
S31、将提取的特征作为输入，并输入至预设的不安全行为识别模型中对施工人员的不安全行为进行识别，若识别出施工人员存在不安全行为，则表示施工人员出现了异常情况；
作为优选实施方式，所述不安全行为识别模型的构建方法包括以下步骤：
通过行为理论和现场调查的方法了解施工现场存在的不安全行为，并对存在的不安全行为进行分类和归纳；
需要说明的是，通过研究行为理论和进行现场调查，了解施工现场可能存在的不安全行为，例如高空作业、悬挂物品、不正确使用工具等。然后，对这些不安全行为进行分类和归纳，形成不安全行为的清单或标准；
其中，行为理论：行为理论可以帮助我们了解人类行为背后的动机和心理机制，从而更好地理解施工现场中发生的不安全行为。例如，根据行为理论，一些不安全行为可能是由于工人疲劳、压力过大、缺乏培训等因素所导致。
现场调查：通过实地走访和观察施工现场，可以直接观察到工人的行为并对其进行记录和分类。在现场调查的过程中，需要注意保护隐私和安全，避免干扰施工进度和安全。
收集施工现场的行为数据，并基于人体的骨骼关节点，提取施工人员的不安全行为特征；
需要说明的是，行为数据通常包含视频、图像等多种形式。在对行为数据进行分析和处理之前，需要先对其进行预处理。例如，可以对视频进行剪辑、压缩、筛选等操作，以便加快后续处理速度和降低存储开销，使用计算机视觉技术对人体的骨骼关节点的识别，识别人体骨骼关节点之后，需要从中提取出每个关节点的坐标信息。这个过程可以通过计算关节点在图像中的位置来实现，并将坐标信息保存到文件或数据库中。
将提取的不安全行为特征构建训练数据集；
基于深度学习法并利用构建的训练数据集对不安全行为识别模型进行训练，得到优化后的不安全行为识别模型。
需要说明的是，对于不安全行为识别模型，可以使用多种深度学习模型进行实现，例如卷积神经网络、循环神经网络等。根据实际需求和数据特点，选择适合的模型并进行设计。
S32、使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况。
作为优选实施方式，所述使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况包括以下步骤：
S321、在施工现场确定不安全区域的位置和范围；
需要说明的是，在施工现场，需要确定不安全区域的位置和范围，例如危险设备旁、高处作业区域等。这个过程需要结合安全标准和实际情况进行评估，并将不安全区域的范围标识出来。
S322、在不安全区域的边界位置定义监测点，并以这些监测点为起点，沿着预定的方向发射射线；
S323、根据处理后的施工图像判定施工人员的位置信息；
S324、对于每个监测点发射的射线，判断射线与施工人员的位置是否相交，若相交，则表示施工人员越过了射线，跨越了不安全区域。
S4、在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。
需要说明的是，在识别出施工人员出现异常情况时，可通过地面控制中心对无人机发出警报指令，然后通过安装在无人机中的扩音器对异常的施工人员进行警报提醒。
根据本发明的另一个实施例，如图2所示，提供了一种基于北斗卫星的无人机施工监控系统，该系统包括图像采集模块1、分析处理模块2、异常识别模块3及异常提醒模块4；
其中，所述图像采集模块1，用于利用无人机技术采集施工现场的施工图像；
所述分析处理模块2，用于对采集的施工图像进行分析处理，提取施工图像的特征参数；
所述异常识别模块3，用于对处理后的施工图像进行异常情况识别；
所述异常提醒模块4，用于在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。
综上所述，借助于本发明的上述技术方案，本发明通过采用无人机技术可以实时采集施工现场的施工图像，及时获取施工现场的信息，相比传统的人工巡视或固定摄像头监控，无人机可以覆盖更广泛的区域，并提供更及时的监控数据；通过对采集的施工图像进行分析处理，可以通过提取图像的特征参数来获取更多的信息，有助于更深入地理解施工现场的情况，并为后续的异常情况识别提供基础，同时通过对处理后的施工图像进行异常情况识别，可以检测到施工人员的异常行为或不安全情况；有助于预防潜在的事故或危险事件，并及时采取措施来保障施工人员的安全，从而能够有助于提高施工现场的安全性和管理效率；本发明通过获取施工现场的地图信息，并离散化处理无人机的航行空间，可以精确规划无人机的航行线路，然后通过基于A星算法的离线规划，可以提前计算出无人机的航行线路，使得无人机在实际飞行时可以按照预先规划的航路进行飞行，提高飞行效率，此外，在无人机的飞行过程中，通过在线航路规划，可以根据实时获取的无人机位置信息和环境情况，调整航行线路，以适应动态变化的情况，有助于无人机灵活应对障碍物的出现或航行区域的变化，从而能够实现精确、高效的航行线路规划，提高飞行安全性和效率，同时提升施工监控的效果和管理水平；本发明通过不安全行为识别模型可以自动对施工人员的行为进行识别和分析，减轻了人工监控的负担，并可以及时发现不安全行为，减少潜在的安全风险；同时利用射线法判断施工人员是否跨越了不安全区域，可以及时发现施工人员的异常行为；有助于保障施工人员的安全，并能迅速采取必要的措施，减少潜在的事故风险，从而实现了自动化的异常情况识别和实时监测不安全区域，可以提高施工现场的安全性，进而有助于预防事故的发生，保护施工人员的生命安全。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于北斗卫星的无人机施工监控方法，其特征在于，该方法包括以下步骤：
S1、利用无人机技术采集施工现场的施工图像；
S2、对采集的施工图像进行分析处理，提取施工图像的特征参数；
S3、对处理后的施工图像进行异常情况识别；
S4、在识别出施工人员出现异常情况时，及时发出警报提醒施工人员；
其中，所述利用无人机技术采集施工现场的施工图像包括以下步骤：
S11、选取搭载北斗卫星通信设备、安装高清摄像头及扩音器的无人机；
S12、基于A星算法对无人机的航行线路进行规划，确定无人机的航行线路；
S13、利用安装在无人机上的高清摄像头对施工现场进行图像采集，得到施工监控数据；
S14、基于搭载在无人机上的北斗卫星通信设备将得到的施工监控数据传输至地面控制中心；
所述基于A星算法对无人机的航行线路进行规划包括以下步骤：
S121、获取施工现场的地图信息，并确定无人机的航行空间的边界；
S122、将无人机的航行空间进行离散化处理，划分为离散的区域，每个区域代表一个离散的空间单元；
S123、标记地图上的障碍物和限飞区域，并确定无人机需要监测的航行区域；
S124、基于A星算法对无人机的航行进行离线规划，得到离线预规划航路；
S125、无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划；
所述对采集的施工图像进行分析处理，提取施工图像的特征参数包括以下步骤：
S21、基于加权平均法对采集的施工图像进行灰度化处理；
S22、对灰度化处理后的施工图像进行直方图均衡化处理；
S23、采用中值滤波技术对直方图均衡化处理后的施工图像进行去噪处理，去除图像中的噪声；
S24、将去噪处理后的图像按照不同的特征进行分类；
S25、利用计算机视觉技术对分类处理后的施工图像进行特征提取；
所述对处理后的施工图像进行异常情况识别包括以下步骤：
S31、将提取的特征作为输入，并输入至预设的不安全行为识别模型中对施工人员的不安全行为进行识别，若识别出施工人员存在不安全行为，则表示施工人员出现了异常情况；
S32、使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况；
所述不安全行为识别模型的构建方法包括以下步骤：
通过行为理论和现场调查的方法了解施工现场存在的不安全行为，并对存在的不安全行为进行分类和归纳；
收集施工现场的行为数据，并基于人体的骨骼关节点，提取施工人员的不安全行为特征；
将提取的不安全行为特征构建训练数据集；
基于深度学习法并利用构建的训练数据集对不安全行为识别模型进行训练，得到优化后的不安全行为识别模型；
所述使用射线法判断施工人员是否跨越了不安全区域，若施工人员跨越了不安全区域，则表示施工人员出现了异常情况包括以下步骤：
S321、在施工现场确定不安全区域的位置和范围；
S322、在不安全区域的边界位置定义监测点，并以这些监测点为起点，沿着预定的方向发射射线；
S323、根据处理后的施工图像判定施工人员的位置信息；
S324、对于每个监测点发射的射线，判断射线与施工人员的位置是否相交，若相交，则表示施工人员越过了射线，跨越了不安全区域；
所述基于A星算法对无人机的航行进行离线规划，得到离线预规划航路包括以下步骤：
S1241、根据无人机需要监测的航行区域确定无人机的起点和终点；
S1242、建立开放列表和关闭列表，将起点加入至开放列表中作为父节点，将关闭列表设置为空；
S1243、在开放列表中找寻父节点周围的点，并计算各点的总代价；
S1244、选取其中代价最小的点作为下一代的父节点，并加入关闭列表中；
S1245、重复执行步骤S1243-S1244，直到找到终点或开放列表为空；
S1246、根据得到的父节点路径，得到无人机的离线预规划航路。
2.根据权利要求1所述的一种基于北斗卫星的无人机施工监控方法，其特征在于，所述无人机根据得到的离线预规划航路进行飞行，并在飞行的过程中进行在线航路规划包括以下步骤：
S1251、实时获取无人机在飞行中的位置信息，通过传感器检测无人机的周围环境；
S1252、根据无人机当前的位置信息及周围环境，判断无人机是否需要重新规划航线；
S1253、若不需要，则继续按照离线预规划航路进行飞行，若需要，则基于A星算法进行在线规划航路，得到新的规划航路；
S1254、无人机按照新的规划航路继续进行飞行监控；
S1255、持续监测无人机的位置信息和周围环境，并实时对无人机的航路进行更新和调整。
3.一种基于北斗卫星的无人机施工监控系统，用于实现权利要求2所述的基于北斗卫星的无人机施工监控方法，其特征在于，该系统包括图像采集模块、分析处理模块、异常识别模块及异常提醒模块；
其中，所述图像采集模块，用于利用无人机技术采集施工现场的施工图像；
所述分析处理模块，用于对采集的施工图像进行分析处理，提取施工图像的特征参数；
所述异常识别模块，用于对处理后的施工图像进行异常情况识别；
所述异常提醒模块，用于在识别出施工人员出现异常情况时，及时发出警报提醒施工人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310913806.9A CN116647651B (zh) | 2023-07-25 | 2023-07-25 | 一种基于北斗卫星的无人机施工监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310913806.9A CN116647651B (zh) | 2023-07-25 | 2023-07-25 | 一种基于北斗卫星的无人机施工监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116647651A CN116647651A (zh) | 2023-08-25 |
| CN116647651B true CN116647651B (zh) | 2024-02-09 |
Family
ID=87643782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310913806.9A Active CN116647651B (zh) | 2023-07-25 | 2023-07-25 | 一种基于北斗卫星的无人机施工监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116647651B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117854047A (zh) * | 2024-03-08 | 2024-04-09 | 西安玖安科技有限公司 | 一种基于物联网的施工现场施工作业监测报警系统及方法 |
| CN117853078A (zh) * | 2024-03-08 | 2024-04-09 | 西安迈远科技有限公司 | 基于无人机的建筑工程施工现场动态安全报警系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105888374A (zh) * | 2016-06-08 | 2016-08-24 | 国网山西省电力公司阳泉供电公司 | 电力作业现场智能围栏 |
| CN106873630A (zh) * | 2017-04-20 | 2017-06-20 | 广州极飞科技有限公司 | 一种飞行控制方法及装置，执行设备 |
| CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
| KR20200109948A (ko) * | 2019-03-15 | 2020-09-23 | 농업법인회사 (유) 로하스 | 드론을 이용한 건설현장 공정관리 시스템 및 그를 이용한 건설현장 공정관리 방법 |
| CN112738721A (zh) * | 2020-12-25 | 2021-04-30 | 中铁第五勘察设计院集团有限公司 | 基于电子围栏实现铁路工地安全管理的方法和系统 |
| CN112903026A (zh) * | 2021-02-25 | 2021-06-04 | 南京翰氜信息科技有限公司 | 基于机器视觉和人工智能的工程安全远程在线监测系统 |
| CN115527340A (zh) * | 2022-09-29 | 2022-12-27 | 西安热工研究院有限公司 | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 |
| CN116185079A (zh) * | 2023-04-28 | 2023-05-30 | 西安迈远科技有限公司 | 一种基于自适应巡航的无人机施工巡检航线规划方法 |
| CN116301055A (zh) * | 2023-04-25 | 2023-06-23 | 西安玖安科技有限公司 | 一种基于建筑施工的无人机巡检方法及系统 |
-
2023
- 2023-07-25 CN CN202310913806.9A patent/CN116647651B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105888374A (zh) * | 2016-06-08 | 2016-08-24 | 国网山西省电力公司阳泉供电公司 | 电力作业现场智能围栏 |
| CN106873630A (zh) * | 2017-04-20 | 2017-06-20 | 广州极飞科技有限公司 | 一种飞行控制方法及装置，执行设备 |
| CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
| KR20200109948A (ko) * | 2019-03-15 | 2020-09-23 | 농업법인회사 (유) 로하스 | 드론을 이용한 건설현장 공정관리 시스템 및 그를 이용한 건설현장 공정관리 방법 |
| CN112738721A (zh) * | 2020-12-25 | 2021-04-30 | 中铁第五勘察设计院集团有限公司 | 基于电子围栏实现铁路工地安全管理的方法和系统 |
| CN112903026A (zh) * | 2021-02-25 | 2021-06-04 | 南京翰氜信息科技有限公司 | 基于机器视觉和人工智能的工程安全远程在线监测系统 |
| CN115527340A (zh) * | 2022-09-29 | 2022-12-27 | 西安热工研究院有限公司 | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 |
| CN116301055A (zh) * | 2023-04-25 | 2023-06-23 | 西安玖安科技有限公司 | 一种基于建筑施工的无人机巡检方法及系统 |
| CN116185079A (zh) * | 2023-04-28 | 2023-05-30 | 西安迈远科技有限公司 | 一种基于自适应巡航的无人机施工巡检航线规划方法 |
Non-Patent Citations (5)
| Title |
|---|
| 基于无人机视觉监测的基建现场管控技术;黄志清;付成鹏;王琳;商重远;杨斌;;自动化与仪器仪表(第04期);全文 * |
| 庞新宇.油液信息在齿轮和滑动轴承磨损故障识别中的应用.冶金工业出版社,2020,第22-25页. * |
| 施工现场工人安全状态监测方法研究;于言涛;中国优秀硕士学位论文全文数据库;正文第2.1-第2.3节、第5.2节 * |
| 无人机航摄技术辅助特高压工程施工现场管控研究;孙朝阳;李志斌;林松;谢芳毅;;北京测绘(第06期);全文 * |
| 谭建豪等.旋翼无人机的建模、规划和控制.湖南大学出版社,2019,第88-89页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116647651A (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116647651B (zh) | 一种基于北斗卫星的无人机施工监控方法及系统 | |
| CN110866887A (zh) | 一种基于多传感器的目标态势融合感知方法和系统 | |
| EP3633615A1 (en) | Deep learning network and average drift-based automatic vessel tracking method and system | |
| JP2019009919A (ja) | 巡視点検支援システム及び巡視点検支援制御プログラム | |
| CN113378741B (zh) | 一种基于多源传感器的飞机牵引车辅助感知方法及其系统 | |
| CN111291697B (zh) | 用于识别障碍物的方法和装置 | |
| CN114092537A (zh) | 一种变电站电力无人机自动巡检方法及装置 | |
| CN114970321A (zh) | 一种基于动态轨迹流的场景流数字孪生方法及系统 | |
| Heintzman et al. | Anticipatory planning and dynamic lost person models for human-robot search and rescue | |
| CN111178424A (zh) | 一种石油化工生产现场安全合规性实时检测系统及方法 | |
| JP7153820B2 (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
| CN117369479B (zh) | 一种基于倾斜摄影测量技术的无人机障碍预警方法及系统 | |
| CN113433937B (zh) | 基于启发式探索的分层导航避障系统、分层导航避障方法 | |
| CN112785564A (zh) | 一种基于机械臂的行人检测跟踪系统与方法 | |
| CN117130010A (zh) | 用于无人驾驶的障碍物感知方法、系统及无人驾驶汽车 | |
| CN115496399B (zh) | 基于无人机的基坑勘测任务即时更新分配方法及系统 | |
| Rashid et al. | Construction equipment activity recognition from IMUs mounted on articulated implements and supervised classification | |
| Siddiqui | UWB RTLS for construction equipment localization: experimental performance analysis and fusion with video data | |
| CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、系统、设备及介质 | |
| CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
| CN114581863A (zh) | 车辆危险状态识别方法及系统 | |
| WO2023059178A1 (en) | Methods, systems, and devices for inspecting structures and objects | |
| CN117590863B (zh) | 一种5g安防救援网联的无人机云边端协同控制系统 | |
| Sayal et al. | Introduction to Drone Data Analytics in Aerial Computing | |
| US20230324922A1 (en) | Autonomous Robotic Platform |
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 |