CN117690095B - 一种基于三维场景的智慧社区管理系统 - Google Patents

Abstract

本发明公开了一种基于三维场景的智慧社区管理系统，涉及管理系统技术领域。其中，该系统包括：图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集；导航数据获取单元，与上述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；点云数据获取单元，与上述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；上述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景。本申请可以实现还原预设社区的现实场景。

Description

一种基于三维场景的智慧社区管理系统

技术领域

本发明涉及管理系统技术领域，尤其涉及一种基于三维场景的智慧社区管理系统。

背景技术

智慧社区实名就是要提供各种流程、系统和产品，促进社区发展和可持续性，为其居民、经济以及社区赖以生存的生态大环境带来利益。通过应用信息技术规划、设计、建造和运营社区基础设施，改善生活质量和经济福利。然而，目前的智慧社区的一些功能不健全，例如，展示社区的现实场景。

因此，提出一种基于三维场景的智慧社区管理系统。

发明内容

本发明目的在于提供一种基于三维场景的智慧社区管理系统，以解决上述技术问题。

本申请提供了一种基于三维场景的智慧社区管理系统，包括：图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将上述图像数据集存储至图像云数据库，其中，上述多个摄像头分别位于上述预设社区的不同位置；导航数据获取单元，与上述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；点云数据获取单元，与上述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；上述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景。

进一步地，上述根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景，包括：将上述导航数据集中的每个导航数据转换到预设坐标下，得到每个上述导航数据对应的预设位姿数据；对上述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；根据上述压缩点云数据对上述图像数据集进行处理，得到校正图像数据集；对上述预设位姿数据、上述压缩点云数据以及上述校正图像数据集进行配准，以还原上述现实场景。

进一步地，对上述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：对上述点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；将上述多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；将上述全局特征向量输入循环卷积神经网络，得到上述压缩点云数据。

进一步地，在上述将上述全局特征向量输入循环卷积神经网络之前，上述方法还包括：基于上述全局特征向量确定高斯分布参数，以及基于上述高斯分布参数计算上述循环卷积神经网络的损失函数，回传上述损失函数梯度更新网络权重直至网络训练完成。

进一步地，上述基于三维场景的智慧社区管理系统还包括：三维场景显示单元，用于将还原出的上述现实场景显示在客户端的屏幕上。

进一步地，上述多个摄像头每隔预设周期进行拍摄。

进一步地，上述基于三维场景的智慧社区管理系统还包括：社区场景推荐模块，用于根据社区居民的浏览记录，计算上述社区居民对各类现实场景的浏览频率，根据上述浏览频率确定并优先展示上述社区居民的感兴趣现实场景。

进一步地，上述获取雷达传感器发送的点云数据集包括：利用低空无人机机载激光雷达以及双面相机，获取上述点云数据集。

进一步地，上述各类现实场景包括绿化类、街道类以及高楼类。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明提供的基于三维场景的智慧社区管理系统包括的社区场景还原单元可以根据图像数据获取单元获取到的预设社区的图像数据集、导航数据获取单元获取到的导航数据集以及点云数据获取单元获取到的点云数据集，还原预设社区的现实场景。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为根据本申请实施例提供的一种可选的基于三维场景的智慧社区管理系统的结构图；

图2为根据本申请实施例提供的一种可选的还原预设社区的现实场景的流程图；

图3为根据本申请实施例提供的一种可选的得到压缩点云数据的流程图。

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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。需要说明的是，本发明已经处于实际研发使用阶段。

可选地，作为一种可选的实施方式，如图1所示，本申请提供的基于三维场景的智慧社区管理系统包括：

图像数据获取单元101，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将图像数据集存储至图像云数据库，其中，多个摄像头分别位于预设社区的不同位置；

导航数据获取单元102，与社区场景还原单元连接，用于获取导航传感器发送的导航数据集；

点云数据获取单元103，与社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；

社区场景还原单元104，用于在基于三维场景的智慧社区管理系统内根据获取到的点云数据集、导航数据集以及图像数据集还原预设社区的现实场景。

可选地，作为一种可选的实施方式，如图2所示，根据获取到的点云数据集、导航数据集以及图像数据集还原预设社区的现实场景，包括：

S201，将导航数据集中的每个导航数据转换到预设坐标下，得到每个导航数据对应的预设位姿数据；

在本申请的一些实施例中，预设坐标系可以是大地坐标系或者空间直角坐标系。例如，可以将导航数据集中的每个导航数据转换到空间直角坐标系下的数据。或者，可以将导航数据集中的每个导航数据转换到大地坐标系下的数据，可以根据大地坐标系下的数据确定姿态数据，其中，姿态数据可以包括横滚角、俯仰角和偏航角。其中，俯仰角是指物体运动时，物体前后轴线与水平面之间的夹角；物体绕前后轴线转动的角度为横滚角；偏航角就是实际航线和计划航线之间的夹角。

S202，对点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；

可选地，作为一种可选的实施方式，获取雷达传感器发送的点云数据集包括：利用低空无人机机载激光雷达以及双面相机，获取点云数据集。

在本申请的一些实施例中，低空无人机通机载激光雷达以及双面相机到达预设社区后，设定点云发射频率，启动设备，通过发射激光脉冲信号。点云发射频率是激光传感器每秒可以发射激光脉冲的多少，发射频率越高，单位时间内获取的点云越多，物体的细节越高，数据量越大。在实际执行中，发射频率不能设置太高或太低，太高会导致激光穿透率下降，太低则会降低工作效率，导致相同时间内获取的点云数据会偏少，增加工作时间。

在本申请的一些实施例中，点云数据（point cloud data）是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。

S203，根据压缩点云数据对图像数据集进行处理，得到校正图像数据集；

S204，对预设位姿数据、压缩点云数据以及校正图像数据集进行配准，以还原现实场景。

可选地，作为一种可选的实施方式，如图3所示，对点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：

S301，对点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；

S302，将多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；

S303，将全局特征向量输入循环卷积神经网络，得到压缩点云数据。

在本申请的一些实施例中，待压缩的点云数据集中的每个点云数据可以是对预设社区中的任何场景或者对象进行点云数据采集得到的。其中，对象可以包括但不限于人、动物以及植物等。

基于本申请提供的实施例，对点云数据集进行压缩处理，可以提高卷积神经网络的率失真性能。

可选地，作为一种可选的实施方式，在将全局特征向量输入循环卷积神经网络之前，方法还包括：

基于全局特征向量确定高斯分布参数，以及基于高斯分布参数计算循环卷积神经网络的损失函数，回传损失函数梯度更新网络权重直至网络训练完成。

在本申请的一些实施例中，高斯分布的参数包括均值和标准差，它们对于描述数据的中心位置和分散程度非常重要。均值是高斯分布的中心位置,它表示数据的平均值。

可选地，作为一种可选的实施方式，基于三维场景的智慧社区管理系统还包括：

三维场景显示单元，用于将还原出的现实场景显示在客户端的屏幕上。

在本申请的一些实施例中，回传的三维场景信息可以通过WIFI接收，客户端可以通过安装的实时三维场景信息显示软件对数据进行解码后查看。

可选地，作为一种可选的实施方式，多个摄像头每隔预设周期进行拍摄。

可选地，作为一种可选的实施方式，基于三维场景的智慧社区管理系统还包括：

社区场景推荐模块，用于根据社区居民的浏览记录，计算社区居民对各类现实场景的浏览频率，根据浏览频率确定并优先展示社区居民的感兴趣现实场景。

可选地，作为一种可选的实施方式，各类现实场景包括绿化类、街道类以及高楼类。

需要说明的是，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

以上的具体实施方式，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，以上仅为本发明的具体实施方式而已，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 (8)

1.一种基于三维场景的智慧社区管理系统，其特征在于，包括：

图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将所述图像数据集存储至图像云数据库，其中，所述多个摄像头分别位于所述预设社区的不同位置；

导航数据获取单元，与所述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；

点云数据获取单元，与所述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；

所述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的所述点云数据集、所述导航数据集以及所述图像数据集还原所述预设社区的现实场景；

所述根据获取到的所述点云数据集、所述导航数据集以及所述图像数据集还原所述预设社区的现实场景，包括：

将所述导航数据集中的每个导航数据转换到预设坐标下，得到每个所述导航数据对应的预设位姿数据；

对所述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；

根据所述压缩点云数据对所述图像数据集进行处理，得到校正图像数据集；

对所述预设位姿数据、所述压缩点云数据以及所述校正图像数据集进行配准，以还原所述现实场景。

2.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，对所述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：

对所述点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；

将所述多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；

将所述全局特征向量输入循环卷积神经网络，得到所述压缩点云数据。

3.根据权利要求2所述的基于三维场景的智慧社区管理系统，其特征在于，在所述将所述全局特征向量输入循环卷积神经网络之前，所述系统还包括：

基于所述全局特征向量确定高斯分布参数，以及基于所述高斯分布参数计算所述循环卷积神经网的损失函数，回传所述损失函数梯度更新网络权重直至网络训练完成。

4.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述基于三维场景的智慧社区管理系统还包括：

三维场景显示单元，用于将还原出的所述现实场景显示在客户端的屏幕上。

5.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述多个摄像头每隔预设周期进行拍摄。

6.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述基于三维场景的智慧社区管理系统还包括：

社区场景推荐模块，用于根据社区居民的浏览记录，计算所述社区居民对各类现实场景的浏览频率，根据所述浏览频率确定并优先展示所述社区居民的感兴趣现实场景。

7.根据权利要求2所述的基于三维场景的智慧社区管理系统，其特征在于，所述获取雷达传感器发送的点云数据集包括：

利用低空无人机机载激光雷达以及双面相机，获取所述点云数据集。

8.根据权利要求6所述的基于三维场景的智慧社区管理系统，其特征在于，

所述各类现实场景包括绿化类、街道类以及高楼类。