CN112164049A - 一种违建监测方法及装置 - Google Patents
一种违建监测方法及装置 Download PDFInfo
- Publication number
- CN112164049A CN112164049A CN202011038563.1A CN202011038563A CN112164049A CN 112164049 A CN112164049 A CN 112164049A CN 202011038563 A CN202011038563 A CN 202011038563A CN 112164049 A CN112164049 A CN 112164049A
- Authority
- CN
- China
- Prior art keywords
- model
- comparison result
- real
- image data
- historical
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 132
- 238000010276 construction Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims description 71
- 230000015654 memory Effects 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 239000002609 medium Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例公开了一种违建监测方法及装置。本申请实施例提供的技术方案,通过无人机巡检预先划定的监测区域,采集监测区域的点云数据和实时影像数据,基于点云数据构建监测区域的实时三维模型,将实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将实时影像数据与历史影像数据进行影像比对,输出影像比对结果,基于模型比对结果和影像比对结果进行违建判断,输出相应的违建判断结果。采用上述技术手段,通过三维模型和影像数据比对可以自动进行违建判断,减少人力投入,提升违建监测效率。
Description
技术领域
本申请实施例涉及视觉识别技术领域,尤其涉及一种违建监测方法及装置。
背景技术
违章建筑对城市发展、建设和规划产生了诸多负面影响,其存在侵占安全通道和非法占用耕地等影响城市公共空间、破坏生态环境等特点,并且很多违章建筑还隐匿在合法建筑里面。违法建筑损害了政府公信力,破坏了城市风貌,存在安全隐患,并制约城市健康发展和城乡规划执行,也影响了城市的未来发展。
目前,对于违章建筑的监管方式主要采用人工巡检、热线举报的方式进行监管,这种监管方式的工作量相对较大,投入的人力成本偏高。并且,人工巡检的监管效率相对偏低,在遇到恶劣自然灾害天气时,巡检工作无法正常开展,难以快速及时检测到违章建筑。
发明内容
本申请实施例提供一种违建监测方法及装置,能够对检测区域进行巡检监测,提升违建监测的效率。
在第一方面,本申请实施例提供了一种违建监测方法,包括:
通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;
基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;
基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
进一步的,将所述实时三维模型与历史三维模型进行模型比对,包括:
比对所述实时三维模型和所述历史三维模型中各个对应位置点的三维坐标,确定所述实时三维模型中三维坐标不匹配的位置点,作为异常位置点;
根据所述异常位置点构成的模型区域范围进行模型异常判断,输出模型异常或者模型正常的模型比对结果。
进一步的,根据所述异常位置点构成的模型区域范围进行模型异常判断,输出模型异常或者模型正常的模型比对结果之后,还包括:
确定所述模型区域范围与所述历史三维模型中对应范围的高度差,将所述高度差比对设定阈值,若所述高度差大于设定阈值,输出第一违建报警信号。
进一步的,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,包括:
比对所述实时影像数据和所述历史影像数据中各个对应像素点的特征信息,确定实时影像数据中特征信息不匹配的像素点,作为异常像素点;
根据所述异常像素点构成的影像区域范围进行影像异常检测,输出影像异常或影像正常的影像比对结果。
进一步的,基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果,包括:
若所述模型比对结果为模型正常,所述影像比对结果为影像正常,输出监测正常提示;
若所述模型比对结果为模型异常,所述影像比对结果为影像正常,输出对应的模型异常提示,所述模型异常提示包含对应异常的所述模型区域范围;
若所述模型比对结果为模型正常,所述影像比对结果为影像异常,输出对应的影像异常提示,所述影像异常提示包含对应异常的所述影像区域范围;
若对应同一区域范围的所述模型比对结果为模型异常,所述影像比对结果为影像异常,输出第二违建报警信号。
进一步的,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,还包括:
将所述历史三维模型中预先设定的模型标绘区域与所述实时三维模型的对应范围进行比对,确定第一比对结果;
将所述历史影像数据中预先设定的影像标绘区域与所述实时影像数据的对应范围进行比对,确定第二比对结果;
在所述第一比对结果和/或所述第二比对结果出现比对异常时,输出第三违建报警信号。
进一步的,通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据,包括:
基于设定巡检路线通过无人机巡检预先划定的监测区域,基于设定位姿状态采集所述监测区域的点云数据和实时影像数据,所述设定巡检路线与构建所述历史三维模型和所述历史影像数据的对应巡检路线相同,所述设定位姿状态与构建所述历史三维模型和所述历史影像数据的对应位姿状态相同。
在第二方面,本申请实施例提供了一种违建监测装置,包括:
采集模块,用于通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;
比对模块,用于基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;
判断模块,用于基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
在第三方面,本申请实施例提供了一种电子设备,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的违建监测方法。
在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的违建监测方法。
本申请实施例通过无人机巡检预先划定的监测区域,采集监测区域的点云数据和实时影像数据,基于点云数据构建监测区域的实时三维模型,将实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将实时影像数据与历史影像数据进行影像比对,输出影像比对结果,基于模型比对结果和影像比对结果进行违建判断,输出相应的违建判断结果。采用上述技术手段,通过三维模型和影像数据比对可以自动进行违建判断,减少人力投入,提升违建监测效率。
附图说明
图1是本申请实施例一提供的一种违建监测方法的流程图;
图2是本申请实施例一中的三维模型比对流程图;
图3是本申请实施例一中的影像数据比对流程图;
图4是本申请实施例一中的标绘区域比对流程图;
图5是本申请实施例二提供的一种违建监测装置的结构示意图;
图6是本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请提供的违建监测方法,旨在通过无人机巡检的方式代替人工巡检的方式,并基于无人机巡检采集监测区域的点云数据和实时影像数据,进而通过构建三维模型,进行三维模型比对和影像数据比对,判断监测区域是否存在违建的情况。以此来减少违建监测的人力投入,提升违建监测效率并保障违建监测的准确率。相对于传统的违建监管方式,通常采用人工巡检或者热线举报的形式进行,这种监管方式工作量偏大,而且容易受天气环境影响,阻碍监管工作的进行。基于此,提供本申请实施例的违建监测方法,以解决现有违建监管流程复杂,监管效率低的技术问题。
实施例一:
图1给出了本申请实施例一提供的一种违建监测方法的流程图,本实施例中提供的违建监测方法可以由违建监测设备执行,该违建监测设备可以通过软件和/或硬件的方式实现,该违建监测设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,该违建监测设备可以是无人机的处理器、后台服务器主机、计算机等数据处理设备。
下述以违建监测设备为执行违建监测方法的主体为例,进行描述。参照图1,该违建监测方法具体包括:
S110、通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据。
示例性的,在进行违建监测时,通过无人机进行监测区域的巡检。在此之前,无人机预先划定好需要进行巡检的监测区域,后续在进行巡检时,对应这一监测区域进行点云数据和实时影像数据的采集。无人机需搭载激光雷达和全景相机,激光雷达采集监测区域的点云数据,用于后续构建监测区域的实时三维模型。全景相机则用于采集监测区域的实景影像数据。
在进行违建监测之前,违建监测设备需要预先对应监测区域构建历史三维模型和历史影像数据。将历史三维模型和历史影像数据存储于数据库,以用于后续进行三维模型及影像数据比对。需要说明的是,该历史三维模型和历史影像数据中,对应监测区域的各部分地域、建筑均不存在违建的情况。后续在进行违建监测时,通过历史三维模型比对实时三维模型,通过历史影像数据比对实时影像数据,若出现比对差异,则可能出现违建的情况。本申请实施例将历史三维模型和历史影像数据作为标准数据样本,可以理解的是,若实时三维模型和/或实时影像数据存在差异,即原有符合规定的建筑、地域可能出现了改变,即可能出现违建的情况。
进一步的,在无人机进行巡检时,基于设定巡检路线通过无人机巡检预先划定的监测区域,基于设定位姿状态采集所述监测区域的点云数据和实时影像数据,所述设定巡检路线与构建所述历史三维模型和所述历史影像数据的对应巡检路线相同,所述设定位姿状态与构建所述历史三维模型和所述历史影像数据的对应位姿状态相同。由于实时三维模型和实时影像数据后续用于与历史三维模型和历史影像数据进行比对,为了减少比对误差,需要确保两次数据采集的巡检路线以及位姿状态相同。在一些实施例中,若两次数据采集的巡检路线和位姿状态不同,则需要根据位姿参数和路线信息对实时采集的数据进行转换,确保转换后的点云数据和实时影像数据与数据库的数据在巡检路线和位姿状态上保持一致。
S120、基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储。
进一步的,基于上述步骤S110采集的点云数据,进一步进行实时三维模型的构建。现有技术基于点云数据构建三维模型的方式有很多,本申请实施例对具体的三维模型构建方式不做固定限制。在构建完三维模型后,开始进行三维模型和影像数据的比对。其中参照图2,三维模型比对流程包括:
S1201、比对所述实时三维模型和所述历史三维模型中各个对应位置点的三维坐标,确定所述实时三维模型中三维坐标不匹配的位置点,作为异常位置点;
S1202、根据所述异常位置点构成的模型区域范围进行模型异常判断,输出模型异常或者模型正常的模型比对结果。
可以理解的是,当监测区域中出现了违建情况时,则其对应位置的三维模型也会发生变化。基于这一特性,本申请实施例通过比对实时三维模型和历史三维模型中各个位置的三维坐标,进而确定三维模型出现变化的区域。在进行比对时,由于实时三维模型和历史三维模型均对应监测区域进行构建,则两者对应监测区域的二维信息是相同的。通过在监测区域的平面图上逐个位置点进行两个三维模型的三维坐标比对,对于存在差异的三维坐标,确定该位置点为异常位置点。进一步的,若监测区域中某一个区域范围的异常位置点达到了设定数量,即实时三维模型中对应这些异常位置点构成的模型区域范围为出现模型异常的部分,确定当前实时三维模型异常,输出模型异常的比对结果。反之,若只是少量位置点出现三维坐标不匹配的情况,则可能是误差或者相关因素影响导致的,在此将这部分异常位置点忽略,不进行处理,并输出模型正常的比对结果。
在一个实施例中,确定所述模型区域范围与所述历史三维模型中对应范围的高度差,将所述高度差比对设定阈值,若所述高度差大于设定阈值,输出第一违建报警信号。对于出现异常的这一模型区域范围,通过将其与历史三维模型的对应区域范围进行比对,判断该区域范围是否出现建筑违规加层等情况。其中,由于建筑违规加层会导致模型高度变化,则通过比对两个区域范围中三维模型的高度,即可确定两者的高度差。三维模型比对过程中,通过三维坐标的高度值对比即可确定两个三维模型的高度。可以理解的是,通过预先设定一个高度差阈值,当两个模型的高度差大于这一阈值时,则认为该实时的模型区域范围的高度相对于历史三维模型存在较大的高度变化,此时认为该模型区域范围对应的区域可能出现建筑加层的情况。则通过实时三维模型中这一高度变化,输出违建报警信号,定义这一违建报警信号为第一违建报警信号,以第一违建报警信号提示管理人员这一建筑加层违建情况。
另一方面,影像数据比对流程包括:
S1203、比对所述实时影像数据和所述历史影像数据中各个对应像素点的特征信息,确定实时影像数据中特征信息不匹配的像素点,作为异常像素点;
S1204、根据所述异常像素点构成的影像区域范围进行影像异常检测,输出影像异常或影像正常的影像比对结果。
同样的,由于实时影像数据和历史影像数据对应监测区域分别进行拍摄,则两者对应监测区域的二维信息是相同的。通过逐个比对两个影像数据中对应同一位置的像素点,确定特征信息不匹配的像素点作为异常像素点。通过两个像素点的特征信息比对,对于特征信息变化超出设定范围的,则认为实时影像数据中,对应的这一像素点为异常像素点。例如,通过比对两个像素点的灰度值,若灰度值差异超出设定的灰度范围,则认为该像素点为异常像素点。
进一步的,基于已确定的异常像素点,若异常像素点构成的影像区域范围大于设定的影像区域范围,则认为该区域范围的影像数据出现了影像异常,对应输出影像异常的影像比对结果。反之,若只是个别像素点出现异常,即异常像素点构成的影像区域范围小于或等于设定的影像区域范围,则认为该区域范围的影像数据正常,输出影像正常的影像比对结果。
在一个实施例中,为了对监测区域中部分重点关注的区域进行较好地违建监测,本申请还通过在历史三维模型和历史影像数据中设定对应重点关注区域的标绘区域,进而进行标绘区域的比对。参照图4,标绘区域的比对流程包括:
S121、将所述历史三维模型中预先设定的模型标绘区域与所述实时三维模型的对应范围进行比对,确定第一比对结果;
S122、将所述历史影像数据中预先设定的影像标绘区域与所述实时影像数据的对应范围进行比对,确定第二比对结果;
S123、在所述第一比对结果和/或所述第二比对结果出现比对异常时,输出第三违建报警信号。
具体的,通过将历史三维模型中预先设定的模型标绘区域与实时三维模型的对应范围进行比对,判断该范围是否出现模型变化,若是,则认为该模型标绘区域出现了比对异常。同样的,通过将历史影像数据中预先设定的影像标绘区域与实时影像数据的对应范围进行比对。判断该范围是否出现影像数据变化,若是,则认为该影像标绘区域出现了比对异常。进一步的,当模型标绘区域比对和/或影像标绘区域比对出现比对异常时,则认为当前重点关注区域可能出现了违建的情况,此时输出第三违建报警信号,以提示监管人员当前标绘区域这一异常情况。例如,对于消防逃生平台等区域,为了保障消防建设,避免出现消防安全隐患,需要避免消防逃生平台出现违建、封盖等情况。则将消防逃生平台设置为标绘区域,分别在历史三维模型和历史影像数据中进行标绘,后续通过标绘区域比对,当出现比对异常时,则输出相应的违建报警信号,以及时通知监管人员消防逃生平台这一违建情况。
S130、基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
进一步的,基于上述确定的模型比对结果和影像比对结果,对应进行违建判断。其中,若所述模型比对结果为模型正常,所述影像比对结果为影像正常,输出监测正常提示;若所述模型比对结果为模型异常,所述影像比对结果为影像正常,输出对应的模型异常提示,所述模型异常提示包含对应异常的所述模型区域范围;若所述模型比对结果为模型正常,所述影像比对结果为影像异常,输出对应的影像异常提示,所述影像异常提示包含对应异常的所述影像区域范围;若对应同一区域范围的所述模型比对结果为模型异常,所述影像比对结果为影像异常,输出第二违建报警信号。
需要说明的是,本申请实施例在单一的模型异常或者影像异常时,会输出相应的异常提示,而不是直接进行违建报警。由于实际巡检过程中,可能受光照、环境等因素的影响,导致点云数据或影像数据存在误差,因此对应监测区域的某一个区域范围,若三维模型比对和影像数据比对结果中仅是单一的比对结果出现异常,而另一比对结果正常,则本申请实施例会输出异常提示,以提示监管人员做进一步的违建确认。而当对应同一区域范围的模型比对结果和影像比对结果均出现异常时,则认为当前区域范围出现违建情况,此时输出第二违建报警信号对该区域范围的违建情况进行报警,以及时通知监管人员处理违建行为。在一个实施例中,对于同一个区域范围,连续设定次数巡检均出现单一的比对结果异常,则此时除了输出比对异常提示之外,还进一步进行违建报警提示。
在一个实施例中,针对监测区域内新增的一些符合规定的建设,通过获取对应区域范围的点云数据和影像数据,作为改动数据。基于改动数据对历史三维模型和历史影像数据进行修正。以此可避免后续进行违建监测时,基于三维模型变化或影像数据变化错误将合规的建筑判定为违建建筑,保障本申请实施例违建监测方法进行违建监测的准确率。
上述,通过无人机巡检预先划定的监测区域,采集监测区域的点云数据和实时影像数据,基于点云数据构建监测区域的实时三维模型,将实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将实时影像数据与历史影像数据进行影像比对,输出影像比对结果,基于模型比对结果和影像比对结果进行违建判断,输出相应的违建判断结果。采用上述技术手段,通过三维模型和影像数据比对可以自动进行违建判断,减少人力投入,提升违建监测效率。
实施例二:
在上述实施例的基础上,图5为本申请实施例二提供的一种违建监测装置的结构示意图。参考图5,本实施例提供的违建监测装置具体包括:采集模块21、比对模块22和判断模块23。
其中,采集模块21用于通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;
比对模块22用于基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;
判断模块23用于基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
上述,通过无人机巡检预先划定的监测区域,采集监测区域的点云数据和实时影像数据,基于点云数据构建监测区域的实时三维模型,将实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将实时影像数据与历史影像数据进行影像比对,输出影像比对结果,基于模型比对结果和影像比对结果进行违建判断,输出相应的违建判断结果。采用上述技术手段,通过三维模型和影像数据比对可以自动进行违建判断,减少人力投入,提升违建监测效率。
本申请实施例二提供的违建监测装置可以用于执行上述实施例一提供的违建监测方法,具备相应的功能和有益效果。
实施例三:
本申请实施例三提供了一种电子设备,参照图6,该电子设备包括:处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器的数量可以是一个或者多个,该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的违建监测方法对应的程序指令/模块(例如,违建监测装置中的采集模块、比对模块和判断模块)。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的违建监测方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例一提供的违建监测方法,具备相应的功能和有益效果。
实施例四:
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种违建监测方法,该违建监测方法包括:通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机***存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机***中,或者可以位于不同的第二计算机***中,第二计算机***通过网络(诸如因特网)连接到第一计算机***。第二计算机***可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机***中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的违建监测方法,还可以执行本申请任意实施例所提供的违建监测方法中的相关操作。
上述实施例中提供的违建监测装置、存储介质及电子设备可执行本申请任意实施例所提供的违建监测方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的违建监测方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种违建监测方法,其特征在于,包括:
通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;
基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;
基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
2.根据权利要求1所述的违建监测方法,其特征在于,将所述实时三维模型与历史三维模型进行模型比对,包括:
比对所述实时三维模型和所述历史三维模型中各个对应位置点的三维坐标,确定所述实时三维模型中三维坐标不匹配的位置点,作为异常位置点;
根据所述异常位置点构成的模型区域范围进行模型异常判断,输出模型异常或者模型正常的模型比对结果。
3.根据权利要求2所述的违建监测方法,其特征在于,根据所述异常位置点构成的模型区域范围进行模型异常判断,输出模型异常或者模型正常的模型比对结果之后,还包括:
确定所述模型区域范围与所述历史三维模型中对应范围的高度差,将所述高度差比对设定阈值,若所述高度差大于设定阈值,输出第一违建报警信号。
4.根据权利要求2所述的违建监测方法,其特征在于,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,包括:
比对所述实时影像数据和所述历史影像数据中各个对应像素点的特征信息,确定实时影像数据中特征信息不匹配的像素点,作为异常像素点;
根据所述异常像素点构成的影像区域范围进行影像异常检测,输出影像异常或影像正常的影像比对结果。
5.根据权利要求4所述的违建监测方法,其特征在于,基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果,包括:
若所述模型比对结果为模型正常,所述影像比对结果为影像正常,输出监测正常提示;
若所述模型比对结果为模型异常,所述影像比对结果为影像正常,输出对应的模型异常提示,所述模型异常提示包含对应异常的所述模型区域范围;
若所述模型比对结果为模型正常,所述影像比对结果为影像异常,输出对应的影像异常提示,所述影像异常提示包含对应异常的所述影像区域范围;
若对应同一区域范围的所述模型比对结果为模型异常,所述影像比对结果为影像异常,输出第二违建报警信号。
6.根据权利要求1所述的违建监测方法,其特征在于,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,还包括:
将所述历史三维模型中预先设定的模型标绘区域与所述实时三维模型的对应范围进行比对,确定第一比对结果;
将所述历史影像数据中预先设定的影像标绘区域与所述实时影像数据的对应范围进行比对,确定第二比对结果;
在所述第一比对结果和/或所述第二比对结果出现比对异常时,输出第三违建报警信号。
7.根据权利要求1所述的违建监测方法,其特征在于,通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据,包括:
基于设定巡检路线通过无人机巡检预先划定的监测区域,基于设定位姿状态采集所述监测区域的点云数据和实时影像数据,所述设定巡检路线与构建所述历史三维模型和所述历史影像数据的对应巡检路线相同,所述设定位姿状态与构建所述历史三维模型和所述历史影像数据的对应位姿状态相同。
8.一种违建监测装置,其特征在于,包括:
采集模块,用于通过无人机巡检预先划定的监测区域,采集所述监测区域的点云数据和实时影像数据;
比对模块,用于基于所述点云数据构建所述监测区域的实时三维模型,将所述实时三维模型与历史三维模型进行模型比对,输出模型比对结果,将所述实时影像数据与历史影像数据进行影像比对,输出影像比对结果,所述历史三维模型和历史影像数据预先对应所述监测区域构建并存储;
判断模块,用于基于所述模型比对结果和所述影像比对结果进行违建判断,输出相应的违建判断结果。
9.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的违建监测方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的违建监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038563.1A CN112164049B (zh) | 2020-09-28 | 2020-09-28 | 一种违建监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038563.1A CN112164049B (zh) | 2020-09-28 | 2020-09-28 | 一种违建监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112164049A true CN112164049A (zh) | 2021-01-01 |
CN112164049B CN112164049B (zh) | 2024-07-02 |
Family
ID=73861755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011038563.1A Active CN112164049B (zh) | 2020-09-28 | 2020-09-28 | 一种违建监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112164049B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037576A (zh) * | 2021-05-31 | 2021-06-25 | 北京三快在线科技有限公司 | 一种故障检测的方法、装置、存储介质及电子设备 |
CN113870192A (zh) * | 2021-09-03 | 2021-12-31 | 佛山中科云图智能科技有限公司 | 一种基于高度变化检测的违建点获取方法和获取*** |
CN113920425A (zh) * | 2021-09-03 | 2022-01-11 | 佛山中科云图智能科技有限公司 | 一种基于神经网络模型的目标违建点获取方法和获取*** |
CN114911961A (zh) * | 2022-03-31 | 2022-08-16 | 北京万筑创享建筑科技有限公司 | 具象化直观展示户型信息的方法及相关设备 |
CN117351415A (zh) * | 2023-10-08 | 2024-01-05 | 西湾智慧(广东)信息科技有限公司 | 一种基于卫星影像与无人机巡查的地块违规监测*** |
CN117437598A (zh) * | 2023-12-13 | 2024-01-23 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605978A (zh) * | 2013-11-28 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的城市违章建筑识别***及方法 |
KR20170108552A (ko) * | 2016-03-18 | 2017-09-27 | 네이버시스템(주) | 수변구조물 피해정보 분석을 위한 정보시스템 구축방안 |
CN108256417A (zh) * | 2017-12-01 | 2018-07-06 | 西安电子科技大学 | 基于室外场景点云数据处理的违章建筑识别方法 |
CN109753928A (zh) * | 2019-01-03 | 2019-05-14 | 北京百度网讯科技有限公司 | 违章建筑物识别方法和装置 |
WO2019114191A1 (zh) * | 2017-12-14 | 2019-06-20 | 特斯联(北京)科技有限公司 | 一种基于物联网的楼宇运营设备状态监测与可视化分析*** |
-
2020
- 2020-09-28 CN CN202011038563.1A patent/CN112164049B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605978A (zh) * | 2013-11-28 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的城市违章建筑识别***及方法 |
KR20170108552A (ko) * | 2016-03-18 | 2017-09-27 | 네이버시스템(주) | 수변구조물 피해정보 분석을 위한 정보시스템 구축방안 |
CN108256417A (zh) * | 2017-12-01 | 2018-07-06 | 西安电子科技大学 | 基于室外场景点云数据处理的违章建筑识别方法 |
WO2019114191A1 (zh) * | 2017-12-14 | 2019-06-20 | 特斯联(北京)科技有限公司 | 一种基于物联网的楼宇运营设备状态监测与可视化分析*** |
CN109753928A (zh) * | 2019-01-03 | 2019-05-14 | 北京百度网讯科技有限公司 | 违章建筑物识别方法和装置 |
Non-Patent Citations (1)
Title |
---|
赵建才 等: "基于无人机多期影像对比的违章建筑监测***", 现代测绘, vol. 43, no. 04, 25 July 2020 (2020-07-25), pages 62 - 64 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037576A (zh) * | 2021-05-31 | 2021-06-25 | 北京三快在线科技有限公司 | 一种故障检测的方法、装置、存储介质及电子设备 |
CN113870192A (zh) * | 2021-09-03 | 2021-12-31 | 佛山中科云图智能科技有限公司 | 一种基于高度变化检测的违建点获取方法和获取*** |
CN113920425A (zh) * | 2021-09-03 | 2022-01-11 | 佛山中科云图智能科技有限公司 | 一种基于神经网络模型的目标违建点获取方法和获取*** |
CN114911961A (zh) * | 2022-03-31 | 2022-08-16 | 北京万筑创享建筑科技有限公司 | 具象化直观展示户型信息的方法及相关设备 |
CN117351415A (zh) * | 2023-10-08 | 2024-01-05 | 西湾智慧(广东)信息科技有限公司 | 一种基于卫星影像与无人机巡查的地块违规监测*** |
CN117437598A (zh) * | 2023-12-13 | 2024-01-23 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护*** |
CN117437598B (zh) * | 2023-12-13 | 2024-02-27 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护*** |
Also Published As
Publication number | Publication date |
---|---|
CN112164049B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112164049A (zh) | 一种违建监测方法及装置 | |
KR102094341B1 (ko) | 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법 | |
US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
CN112330915B (zh) | 无人机森林防火预警方法、***、电子设备和存储介质 | |
CN110928976B (zh) | 水源地违法活动识别预警方法、服务器及存储介质 | |
CN111988524A (zh) | 一种无人机与摄像头协同避障方法、服务器及存储介质 | |
CN110936959B (zh) | 车辆感知***在线诊断和预测 | |
CN113297946A (zh) | 一种监控盲区识别方法和识别*** | |
CN112036810A (zh) | 基于智能设备的电缆监测方法、装置、设备及存储介质 | |
KR20240028290A (ko) | 산불 검출 장치 및 방법 | |
CN112327930A (zh) | 一种巡检路径确定方法和装置 | |
CN117314157A (zh) | 一种矿山边坡稳定性的安全评估方法、装置、介质及设备 | |
CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
KR20230056006A (ko) | 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 | |
KR102177460B1 (ko) | 사물인터넷을 기반으로 선박 접안 시 항만 시설의 손상을 예방하는 방법 및 시스템 | |
CN112052566A (zh) | 一种智能电缆模拟仿真方法及*** | |
CN117094660A (zh) | 一种基于数字孪生技术的施工监控方法及*** | |
KR102600548B1 (ko) | 구조물 건전성 경보 시스템 및 이를 이용한 경보 방법 | |
CN114140707A (zh) | 一种电网故障巡检方法 | |
CN115272898A (zh) | 基于管网无人机巡检视频的识别方法、装置、介质和设备 | |
CN115100838A (zh) | 车辆起火预警方法、装置、设备、介质及计算机程序产品 | |
CN114241400A (zh) | 电网***的监控方法及其装置、计算机可读存储介质 | |
CN113516120A (zh) | 扬尘检测方法、图像处理方法、装置、设备及*** | |
CN112040181A (zh) | 一种可视化区域确定方法、装置、设备及存储介质 | |
RU2743886C1 (ru) | Система и способ автоматической настройки комплекса технического зрения |
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 |