CN117348024A - 一种桥墩侵界检测装置和方法 - Google Patents
一种桥墩侵界检测装置和方法 Download PDFInfo
- Publication number
- CN117348024A CN117348024A CN202311281945.0A CN202311281945A CN117348024A CN 117348024 A CN117348024 A CN 117348024A CN 202311281945 A CN202311281945 A CN 202311281945A CN 117348024 A CN117348024 A CN 117348024A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- intrusion
- pier
- laser radar
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims description 20
- 230000006399 behavior Effects 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 claims description 3
- 230000009545 invasion Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Abstract
本发明公开了一种桥墩侵界检测方法,包括以下步骤:分别获取第一激光雷达和第二激光雷达的点云数据,将所述点云数据融合构成3D点云,3D点云中包括桥墩的点云数据,并根据桥墩预设危险区域;获得桥墩点云数据以外的其他侵入对象的点云数据,判断侵入对象是否已经进入或将要进入危险区域,若是,则判定存在侵界行为。本发明技术方案本发明通过第一激光雷达和第二激光雷达的点云数据构成3D点云,3D点云中包括桥墩的点云数据,获得桥墩点云数据以外的其他侵入对象的点云数据,判断侵入对象是否已经进入或将要进入危险区域,判定是否存在侵界行为。
Description
技术领域
本发明涉及桥梁安全领域,尤其涉及一种桥墩侵界检测装置和方法。
背景技术
为了检测桥墩是否被撞,立即采取有效防御措施,避免造成后期重大事故,需要提供一种桥墩侵界范围检测的装置和方法,在划定桥墩检测区域与检测区域,对于检测区域内除桥墩以外的侵入对象可以识别并且判断其是否存在危害桥墩的侵界行为。
发明内容
本发明提供一种桥墩侵界检测装置和方法,是通过以下技术方案来实现的:
方案一:
一种桥墩侵界检测方法,包括以下步骤:
分别获取第一激光雷达和第二激光雷达的点云数据,将所述点云数据融合构成同一个3D点云,3D点云中包括桥墩的点云数据,并根据桥墩预设危险区域;
获得桥墩点云数据以外的其他侵入对象的点云数据,判断侵入对象是否已经进入或将要进入危险区域,若是,则判定存在侵界行为。
进一步的,包括以下步骤:对3D点云中的点云数据进行采样处理。
进一步的,所述将所述点云数据融合构成3D点云包括以下步骤:
对3D点云中点云数据进行离群点云过滤和体素网格过滤,过滤点云噪声,并通过K-means聚类算法对点云数据进行聚类处理,得到一个或者多个聚类对象。
进一步的,所述聚类处理包括对所述聚类对象进行深度学习分析。
进一步的,所述聚类处理包括对所述聚类对象大小进行过滤。
进一步的,所述判断侵入对象是否已经进入或将要进入危险区域,包括以下步骤:
若侵入对象没有和危险区域重合,对侵入对象的点云数据进行追踪,利用区域生长算法判断侵入对象点云是否将与危险区域相交,在分析后,若侵入对象运动方向为桥墩方向,可能会对桥墩造成重大损伤,判定侵入对象具有侵界行为;
判断侵入对象的点云数据是否和所述危险区域重合,若重合,则判断侵入对象有侵界行为。
进一步的,还包括以下步骤:在判断有侵界行为发生时,触发预警动作并记录视频数据和点云数据到数据库。
方案二:
一种桥墩侵界检测装置,包括第一激光雷达、第二激光雷达、交换机、边缘计算单元,第一激光雷达和第二激光雷达均朝向同一桥墩,分别照射在同一桥墩的两侧,所述交换机用于接收第一激光雷达和第二激光雷达所获得的点云数据,所述边缘计算单元用于获得交换机的点云数据并构成3D点云以及其中的桥墩和侵入对象。
进一步的,还包括第一视频采集单元和第二视频采集单元,所述一视频采集单元和第二视频采集单元用于拍摄同一桥墩的两侧,所述交换机获得所述第一视频采集单元和第二视频采集单元的视频数据。
进一步的,还包括终端数据库和云服务器,所述终端数据库和云服务器分别与所述边缘计算单元进行交互。
如此设计具有如下优点:本发明通过第一激光雷达和第二激光雷达的点云数据构成3D点云,3D点云中包括桥墩的点云数据,获得桥墩点云数据以外的其他侵入对象的点云数据,判断侵入对象是否已经进入或将要进入危险区域,判定是否存在侵界行为。
附图说明
图1是本发明的一种桥墩侵界检测装置的立体结构示意图;
图2是图1的正视图;
图3是图1的右视图;
图4是发明的一种桥墩侵界检测装置的结构框图的立体结构示意图;
图5是一种桥墩侵界检测装置的流程图;
图中,1、第一激光雷达;2、第二激光雷达;3、第一视频采集单元;4、第二视频采集单元;5、交换机;6、边缘计算单元;7、终端数据库;8、云服务器;9、侵入对象;10、桥梁;11、桥墩;12、检测区域;13、危险区域。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
如图1至5所示,本实施例提供的一种桥墩侵界检测装置和方法,其中,一种桥墩侵界检测装置包括第一激光雷达1、第二激光雷达2、第一视频采集单元3、第二视频采集单元4、交换机5、边缘计算单元6、终端数据库7、云服务器8。
所述第一激光雷达1和第二激光雷达2分别连接在桥梁10底部的两侧,第一激光雷达1和第二激光雷达2均朝向同一桥墩11,分别照射在同一桥墩11的两侧。所述激光雷达的原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等点云数据。对于本申请,第一激光雷达1和第二激光雷达2分别向同一桥墩11的两侧发射探测信号,探测信号在接触桥墩11后进行反射,第一激光雷达1和第二激光雷达2接收反射后的信号,获得桥墩11的点云数据,所述点云数据包括桥墩11的形状和距离。
同时采用第一激光雷达1和第二激光雷达2的有益效果在于,能够完整获得整个桥墩11的信息。因为若只采用一个激光雷达,桥墩11的一侧在阻挡探测信号后,就无法获得另一侧的点云数据。
第一激光雷达1和第二激光雷达2之间发射信号的交集范围构成一个检测区域12,所述桥墩11属于检测区域12其中一部分。在所述检测区域12中,第一激光雷达1和第二激光雷达2所探测的桥墩11以外的其他对象,则为有可能对桥墩11进行侵害的侵入对象9。在通过所述检测区域12中预设一个围绕桥墩11的危险区域13,若侵入对象9进入所述危险区域13中,则判定为侵界行为。
所述第一视频采集单元3和第二视频采集单元4分别安装在同一桥墩11的两侧,第一视频采集单元3安装在第一激光雷达1附近,第二视频采集单元4安装在第二激光雷达2附近,与现场环境和安装条件相关,视场角度与激光雷达一一对应,分别用于拍摄同一桥墩11两侧的视频,获得视频数据。在检测区域12中的情况可以通过第一视频采集单元3和第二视频采集单元4远程看到。若发生桥墩11被撞的情况,也可以在后期通过分析录像,为桥墩11修复和维保做准备。
所述交换机5用于接收来自于第一激光雷达1、第二激光雷达2的点云数据或第一视频采集单元3和第二视频采集单元4的视频数据,交换机5可以通过网络传输的方式获得所述点云数据或视频数据。
所述边缘计算单元6接收所述交换机5的点云数据或视频数据,边缘计算单元6中包含点云处理算法、深度学习分析算法,边缘计算单元6还包括以下功能:
1、处理第一激光雷达1和第二激光雷达2的点云数据。将第一激光雷达1和第二激光雷达2的点云数据构成同一个大场景的3D点云,在3D点云中可以得到检测区域12的界限、桥墩11的形状和侵入对象9。
2、和第一激光雷达1、第二激光雷达2、第一视频采集单元3和第二视频采集单元4进行数据交互。边缘计算单元6除了通过交换机5获得第一激光雷达1和第二激光雷达2的点云数据外,也能对第一激光雷达1和第二激光雷达2进行点云数据配置,得到更好的点云数据效果。边缘计算单元6除了通过交换机5获得第一视频采集单元3和第二视频采集单元4的视频数据外,可能通过信号传输,对第一视频采集单元3和第二视频采集单元4进行转向、对焦等控制操作。
3、视频采集单元的逻辑控制。在通过第一激光雷达1和第二激光雷达2的点云数据获得侵界行为时,开启第一视频采集单元3和第二视频采集单元4的视频录像,边缘计算单元6获得视频录像并传输至云服务器8和终端数据库7中保存。
4、与云服务器8的交互。使用者可以通过云服务器8配置对第一激光雷达1、第二激光雷达2、第一视频采集单元3和第二视频采集单元4的控制参数,通过边缘计算单元6和交换机5传输控制的信号。
5、与终端数据库7的交互。终端数据库7用于保存来自于边缘计算单元6第一激光雷达1和第二激光雷达2的点云数据或第一视频采集单元3和第二视频采集单元4的视频录像。另一方面,也可以从已经保存的点云数据或视频录像进行点云深度学习推理,完善边缘计算单元6的判断侵界行为的能力。
一种桥墩侵界检测方法,包括以下步骤:
获得第一激光雷达1和第二激光雷达2的点云数据,设定偏移旋转矩阵参数转换到同一世界坐标系中,使得第一激光雷达1和第二激光雷达2数据融合,构成一个大场景的3D点云,3D点云中包括桥墩11的点云数据,并根据桥墩11预设危险区域13。
进一步的,对3D点云中的点云数据进行采样处理,降低计算点云数据的复杂度,提高计算效率。
进一步的,对3D点云中点云数据进行离群点云过滤和体素网格过滤,过滤点云噪声,并通过K-means聚类算法对点云数据进行聚类处理,得到一个或者多个聚类对象。这个步骤把临近的点云数据聚合成一个整体,便于对这个整体做运动跟踪处理。
进一步的,所述聚类处理包括以下步骤:通过对所述聚类对象进行深度学习分析和聚类对象大小过滤,根据设定的最小长、宽、高条件进行对象滤除。通过深度学习算法检测点云数据为不同船舶类型,也就是输入不同类型的船舶点云数据,在遇到点云数据相似的情况下,则可以判断船舶类型。对象大小过滤可以排除对小渔船、小汽艇等对桥墩11伤害较小的船舶,减少判断侵入频繁发生误报,降低预警信号和预警频率。
在第一激光雷达1和第二激光雷达2获得桥墩11点云数据以外的其他侵入对象9的点云数据时,判断侵入对象9是否进入或将要进入危险区域13。具体有以下两种判断方式:
第一种:判断侵入对象9的点云数据是否和所述危险区域13重合,若重合,则判断侵入对象9有侵界行为。
第二种:若侵入对象9没有和危险区域13重合,对侵入对象9的点云数据进行追踪,利用区域生长算法判断侵入对象9点云是否将与危险区域13相交,在分析后,若侵入对象9运动方向为桥墩11方向,可能会对桥墩11造成重大损伤,判定侵入对象9具有侵界行为。
在判断有侵界行为发生时,触发预警动作并记录视频数据和点云数据到数据库。
综上,本发明公开一种桥墩侵界检测装置和方法,通过第一激光雷达1和第二激光雷达2的点云数据构成3D点云,3D点云中包括桥墩11的点云数据,获得桥墩11点云数据以外的其他侵入对象9的点云数据,判断侵入对象9是否已经进入或将要进入危险区域13,判定是否存在侵界行为。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的保护范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明的保护范围中。
Claims (10)
1.一种桥墩侵界检测方法,其特征在于:包括以下步骤:
分别获取第一激光雷达和第二激光雷达的点云数据,将所述点云数据融合构成同一个3D点云,3D点云中包括桥墩的点云数据,并根据桥墩预设危险区域;
获得桥墩点云数据以外的其他侵入对象的点云数据,判断侵入对象是否已经进入或将要进入危险区域,若是,则判定存在侵界行为。
2.根据权利要求1所述的桥墩侵界检测方法,其特征在于:包括以下步骤:对3D点云中的点云数据进行采样处理。
3.根据权利要求1所述的桥墩侵界检测方法,其特征在于:所述将所述点云数据融合构成3D点云包括以下步骤:
对3D点云中点云数据进行离群点云过滤和体素网格过滤,过滤点云噪声,并通过K-means聚类算法对点云数据进行聚类处理,得到一个或者多个聚类对象。
4.根据权利要求3所述的桥墩侵界检测方法,其特征在于:所述聚类处理包括对所述聚类对象进行深度学习分析。
5.根据权利要求3所述的桥墩侵界检测方法,其特征在于:所述聚类处理包括对所述聚类对象大小进行过滤。
6.根据权利要求1所述的桥墩侵界检测方法,其特征在于:所述判断侵入对象是否已经进入或将要进入危险区域,包括以下步骤:
若侵入对象没有和危险区域重合,对侵入对象的点云数据进行追踪,利用区域生长算法判断侵入对象点云是否将与危险区域相交,在分析后,若侵入对象运动方向为桥墩方向,可能会对桥墩造成重大损伤,判定侵入对象具有侵界行为;
判断侵入对象的点云数据是否和所述危险区域重合,若重合,则判断侵入对象有侵界行为。
7.根据权利要求1所述的桥墩侵界检测方法,其特征在于:还包括以下步骤:在判断有侵界行为发生时,触发预警动作并记录视频数据和点云数据到数据库。
8.一种桥墩侵界检测装置,其特征在于:包括第一激光雷达、第二激光雷达、交换机、边缘计算单元,第一激光雷达和第二激光雷达均朝向同一桥墩,分别照射在同一桥墩的两侧,所述交换机用于接收第一激光雷达和第二激光雷达所获得的点云数据,所述边缘计算单元用于获得交换机的点云数据并构成3D点云以及其中的桥墩和侵入对象。
9.根据权利要求8所述的桥墩侵界检测装置,其特征在于:还包括第一视频采集单元和第二视频采集单元,所述一视频采集单元和第二视频采集单元用于拍摄同一桥墩的两侧,所述交换机获得所述第一视频采集单元和第二视频采集单元的视频数据。
10.根据权利要求8所述的桥墩侵界检测装置,其特征在于:还包括终端数据库和云服务器,所述终端数据库和云服务器分别与所述边缘计算单元进行交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311281945.0A CN117348024A (zh) | 2023-09-28 | 2023-09-28 | 一种桥墩侵界检测装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311281945.0A CN117348024A (zh) | 2023-09-28 | 2023-09-28 | 一种桥墩侵界检测装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117348024A true CN117348024A (zh) | 2024-01-05 |
Family
ID=89370323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311281945.0A Pending CN117348024A (zh) | 2023-09-28 | 2023-09-28 | 一种桥墩侵界检测装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117348024A (zh) |
-
2023
- 2023-09-28 CN CN202311281945.0A patent/CN117348024A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102792314B (zh) | 交叉通行碰撞警报系统 | |
Patino et al. | Pets 2016: Dataset and challenge | |
US9429650B2 (en) | Fusion of obstacle detection using radar and camera | |
JP5551595B2 (ja) | 滑走路監視システムおよび方法 | |
CN111753609B (zh) | 一种目标识别的方法、装置及摄像机 | |
JP4377474B2 (ja) | 移動体の衝突防止装置、衝突防止方法、および記録媒体 | |
EP2980756A1 (en) | Bird detection device, bird detection system, bird detection method, and program | |
AU2017359142B2 (en) | Systems and methods for detecting flying animals | |
Haghbayan et al. | An efficient multi-sensor fusion approach for object detection in maritime environments | |
US20190250255A1 (en) | Method and system for targeting and tracking an intruder using a laser detection and ranging device | |
CN116310679A (zh) | 多传感器融合目标检测方法、系统、介质、设备及终端 | |
CN109782247A (zh) | 一种利用航迹信息修正雷达回波的方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
KR102257006B1 (ko) | 딥러닝을 이용한 선박 충돌 방지 자율회피 시스템 | |
CN115034324B (zh) | 一种多传感器融合感知效能增强方法 | |
CN112784679A (zh) | 车辆避障方法和装置 | |
Vandana et al. | Intruder detection and tracking using 77GHz FMCW radar and camera data | |
Fefilatyev et al. | Detection and tracking of marine vehicles in video | |
WO2020191978A1 (zh) | Sar成像方法及其成像系统 | |
Yao et al. | LiDAR-based simultaneous multi-object tracking and static mapping in nearshore scenario | |
CN116935551A (zh) | 周界入侵检测方法、系统、设备及存储介质 | |
Misović et al. | Vessel detection algorithm used in a laser monitoring system of the lock gate zone | |
CN117348024A (zh) | 一种桥墩侵界检测装置和方法 | |
CN111710192A (zh) | 一种船桥碰撞事故预警与记录方法、装置及系统 | |
CN116469276A (zh) | 水域安全预警方法、装置、设备及存储介质 |
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 |