CN116563968A - 基于风险热力地图的智能巡检方法、装置及电子设备 - Google Patents
基于风险热力地图的智能巡检方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116563968A CN116563968A CN202310453915.7A CN202310453915A CN116563968A CN 116563968 A CN116563968 A CN 116563968A CN 202310453915 A CN202310453915 A CN 202310453915A CN 116563968 A CN116563968 A CN 116563968A
- Authority
- CN
- China
- Prior art keywords
- map
- risk
- inspection
- thermodynamic
- thermal
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000003068 static effect Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于风险热力地图的智能巡检方法、装置及电子设备。基于风险热力地图的智能巡检方法包括：获取待巡检场景的静态风险热力地图；根据静态风险热力地图，生成动态风险热力地图；根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；基于待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中发现的风险区域；根据巡检结果中包含的已巡检路线，更新动态风险热力地图；根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新。本发明的基于风险热力地图的智能巡检方法提高了巡检结果的可靠性。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于风险热力地图的智能巡检方法、装置及电子设备。
背景技术
随着对安全问题的重视程度越来越高，很多场景需要巡检机器人对周围环境进行相应的监督与防控。比如：在商场和医院等场所，需要巡检机器人及时应对不安全事情的发生；对于存储危险易燃物品的场所，需要巡检机器人及时排查安全隐患。
在现有技术中，很多巡检任务只是简单的关注巡检路径规划任务，尽管做到了全区域覆盖，但这种巡检方法忽视了对高风险地区的重点关注，以至于巡检***在安全的区域花费更多的时间。
因此，现有技术中的巡检方法得到的巡检结果可靠性较低。
发明内容
有鉴于此，本发明提供一种基于风险热力地图的智能巡检方法、装置及电子设备，以解决上述问题。
根据本发明的第一方面，提供一种基于风险热力地图的智能巡检方法，包括：获取待巡检场景的静态风险热力地图；根据静态风险热力地图，生成动态风险热力地图；根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；基于待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中发现的风险区域；根据巡检结果中包含的已巡检路线，更新动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图；根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新。
在本发明的另一实现方式中，获取待巡检场景的静态风险热力地图，包括：获取待巡检场景的先验信息和场景地图；根据待巡检场景的先验信息，确定场景地图中各个区域发生事故的概率；基于场景地图中各个区域发送事故的概率进行建模，得到静态风险热力地图。
在本发明的另一实现方式中，根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径，包括：根据动态风险热力地图，创建临时热力值地图，其中，根据预设热力值调节条件，对临时热力值地图中不同热力值对应区域的各个热力值点的热力值进行调节；根据预设巡检目标点个数，在临时热力值地图中选取巡检目标点；连接临时热力值地图中的各个巡检目标点，得到待巡检路径。
在本发明的另一实现方式中，根据动态风险热力地图，创建临时热力值地图，包括：根据初始动态风险热力地图，创建初始临时热力地图；基于初始临时热力地图，选取第一次巡检的巡检目标点；根据每次选取的巡检目标点，建立巡检目标点集合；根据各个巡检目标点集合，对上一次的临时热力地图进行更新，得到各个临时热力地图。
在本发明的另一实现方式中，根据巡检结果中包含的已巡检路线，更新动态风险热力地图，包括：根据每次巡检结果中包含的已巡检路线，对上一次的动态风险热力地图进行更新，得到各个动态风险热力地图。
在本发明的另一实现方式中，根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新，包括：确定巡检结果中包含的巡检过程中发现的风险区域在静态风险热力地图中的对应区域；增加对应区域的热力值。
在本发明的另一实现方式中，基于风险热力地图的智能巡检方法还包括：若巡检结果指示巡检区域不存在风险区域，则降低巡检区域在所述动态风险热力地图对应区域的热力值。
根据本发明的第二方面，提供一种基于风险热力地图的智能巡检装置，包括：获取模块：获取待巡检场景的静态风险热力地图；第一处理模块：根据静态风险热力地图，生成动态风险热力地图；根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；巡检模块：基于待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中发现的风险区域；第二处理模块：根据巡检结果中包含的已巡检路线，更新动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图；根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新。
根据本发明的第三方面，提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一项的基于风险热力地图的智能巡检方法的步骤。
根据本发明的第四方面，提供一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述任一项的基于风险热力地图的智能巡检方法中的步骤。
在本发明的基于风险热力地图的智能巡检方法中，通过获取静态风险热力地图，可以直观的确定待巡检场景中容易发生风险的区域以及风险发生的概率，基于动态风险热力地图各个热力值点创建待巡检路径，使得待巡检路径具有针对性，可以更准确的对高风险区域进行巡检，根据巡检结果更新动态风险热力地图，使得用户更直观的观察到巡检结果及巡检区域，通过巡检结果对静态风险热力地图及动态风险热力地图进行实时更新，使得下次巡检选择的巡检目标点更准确，提高了巡检结果的可靠性。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，通过阅读下文实施方式的详细描述，方案中的优点和益处对于本领域的技术人员变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在附图中：
图1为本发明的一个实施例的基于风险热力地图的智能巡检方法的步骤流程图。
图2为本发明的另一实施例的静态风险热力地图的示意图。
图3为本发明的另一实施例的临时热力地图的示意图。
图4为本发明的另一实施例的动态风险热力地图的示意图。
图5为本发明的另一实施例的巡检路径示意图。
图6为本发明的另一实施例的各个目标点的巡检次数示意图。
图7为本发明的另一实施例的动态风险热力地图的示意图。
图8为本发明的另一实施例的巡检路径示意图。
图9为本发明的另一实施例的各个目标点的巡检次数示意图。
图10为本发明的另一实施例的静态风险热力地图的示意图。
图11为本发明的另一实施例的动态风险热力地图的示意图。
图12为本发明的另一实施例的巡检路径示意图。
图13为本发明的另一实施例的各个目标点的巡检次数示意图。
图14为本发明的另一实施例的基于风险热力地图的智能巡检装置的结构框图。
图15为本发明的另一实施例的电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
图1为本发明实施例提供的一种基于风险热力地图的智能巡检方法的步骤流程图，如图1所示，本实施例主要包括以下步骤：
S101、获取待巡检场景的静态风险热力地图。
示例性地，根据需要巡检的场景信息生成场景地图，根据待巡检场景中各个区域发送事故的先验概率，构建待巡检场景的静态风险热力地图，静态风险热力地图在巡检过程中未发现风险及实际场景不发生变化的条件下不发生改变。构建风险热力地图的方式可以通过利用气体扩散模型，根据气体扩散的性质完成风险热力地图的构建，对可能出现气体泄漏的高风险地区进行重点巡检等，本发明对风险热力地图的构建方法不作具体限制。
应理解的是，生成静态风险热力地图通过一些先验信息得到事故发生概率的相对大小，设置权重αr，通过高斯模型对概率信息进行建模。假设已经评定了几个重点监测点的风险概率pr，则可以将静态热力地图看作k个单高斯模型混合，用如下公式表示
其中，k表示GMM(高斯混合模型)中的第k个单高斯模型，是对应高斯模型的权重，K是高斯模型的总数量，mij为临时热力地图中的任意一点。该高斯混合模型中的单个组件模拟了在特定位置找到目标的概率。/>的分布由soft max函数确定
其中，初始值为重点监测点的风险概率。
S102、根据静态风险热力地图，生成动态风险热力地图。
示例性地，如图2所示，在静态风险热力地图中，较大的热力值由偏暖的颜色表示，较小的热力值由较冷的颜色表示，可以看到对应点根据热力值呈现不同的程度的暖色，其中，不同的热力值表示不同的风险概率。根据静态风险热力地图，生成如图4所示的动态风险热力地图。
S103、根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径。
示例性地，从动态风险热力地图各个热力值点对应的区域中选取各个巡检目标点进行连接，生成待巡检路径。巡检路径规划可以采用更直接的方案完成，例如通过其他路径规划算法得到任意两点之间的最优路径距离，通过解决用户问题得到巡检顺序，进而得到单次巡检的路径规划等，本发明对巡检路径规划的方法不作具体限制。
S104、基于待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中发现的风险区域。
示例性地，巡检机器人顺着待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中是否存在风险区域。
S105、根据巡检结果中包含的已巡检路线，更新动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图。
示例性地，更新的动态热力图中记录着巡检机器人已经经过哪些区域和哪些区域已经长时间未巡检到，通过记录巡检路径所经过的网格，即为传感器收集信息的网格，将场景地图M(l×w)以传感器搜索半径rs为每个单元格的长度划分成(l/rs)×(w/rs)区域，即lh×wh个网格，由于生成路径是由节点和节点之间之间的边组成的，只需要遍历所有节点和边，得到巡检路径经过的所有网格。
首先将节点m1(x1,y1)和节点m2(x2,y2)转换为网格坐标，即将坐标值除以传感器搜索半径rs，得到网格坐标和/>
分别取线段在x轴、y轴上的最大值和最小值，x轴上坐标最小值向下取整，最大值向上取整，取x轴从小到大的整数值，计算与网格坐标和/>同一条直线上对应纵坐标的值；y轴上坐标最小值向下取整，最大值向上取整，取y轴从小到大的整数值，计算与网格坐标/>和/>同一条直线上对应横坐标的值，得到与网格的所有交点的集合/>
对交点集合排序，判断相邻两坐标经过哪些网格，更新单次巡检记录R。
对于单次巡检记录R：
即将所有经过的网格的单次巡检记录R记为1。
对于多次巡检我们假设一共巡检T次，其中，其中一共tij次巡检到某一点mij，而距离上一次巡检到mij经历了Tij次巡检，换句话说，上一次巡检到xij为第T-Tij次，则我们可以得到：
在上述公式中，αdy为权重参数，其值越大，静态风险热力地图的热力值对之后的动态风险热力地图的更新的影响越大，适当的增大权重αdy的值，可以做到对高风险地区多次巡检的效果。pobs(mij)是对点mij是否在障碍物阻碍地判断，点mij在障碍物上时，pobs(mij)＝1，动态风险热力地图热力值
应理解的是，动态风险热力地图根据每次巡检路径进行更新，用于体现每个点巡检次数以及距离上次巡检的巡检间隔，还可以考虑机器人的实际轨迹、传感器的帧率和半径等信息对动态风险热力地图进行更新。
S106、根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新。
示例性地，根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新，静态风险热力地图是根据先验信息进行构建的，在巡检过程中发现风险或者周围环境等条件发生变化时，对静态风险热力地图进行更新。
在本发明的基于风险热力地图的智能巡检方法中，通过获取静态风险热力地图，可以直观的确定待巡检场景中容易发生风险的区域以及风险发生的概率，基于动态风险热力地图各个热力值点创建待巡检路径，使得待巡检路径具有针对性，可以更准确的对高风险区域进行巡检，根据巡检结果更新动态风险热力地图，使得用户更直观的观察到巡检结果及巡检区域，通过巡检结果对静态风险热力地图及动态风险热力地图进行实时更新，使得下次巡检选择的巡检目标点更准确，提高了巡检结果的可靠性。
在本发明的另一实现方式中，获取待巡检场景的静态风险热力地图，包括：获取待巡检场景的先验信息和场景地图；根据待巡检场景的先验信息，确定场景地图中各个区域发生事故的概率；基于场景地图中各个区域发送事故的概率进行建模，得到静态风险热力地图。
在本发明的另一实现方式中，根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径，包括：根据动态风险热力地图，创建临时热力值地图，其中，根据预设热力值调节条件，对临时热力值地图中不同热力值对应区域的各个热力值点的热力值进行调节；根据预设巡检目标点个数，在临时热力值地图中选取巡检目标点；连接临时热力值地图中的各个巡检目标点，得到待巡检路径。
示例性地，如图2所示，令mij分别在[30,240]、[470,100]、[480,280]、[150,80]、[300,30]、[160,200]、[200,260]、[330,170]、[240,150]，其对应的风险概率pr分别设置为0.8、0.6、0.5、0.4、0.3、0.2、0.1、0.7、0.6，根据动态风险热力地图中的不同热力值对应的区域，确定各个热力值点，根据不同的预设巡检目标点个数，在各个热力值点中选取巡检目标点，选取巡检目标点方法如下：
首先构建一个初始值与初始动态风险热力地图相同的临时热力地图在图2的静态风险热力地图上进行测试，设置αobj＝0.001，设置不同的nobj值，每次的临时热力值地图如图3所示，根据需要选择的目标点个数nobj确定循环次数，每次选择地图上的最大热力值点mmax(xmax,ymax)加入巡检目标点的集合Mobj之后，对临时热力地图修改，得到如图3所示的各个临时热力地图，对临时热力图图上的每个热力值做如下加权：
其中，为临时热力地图上/>任一点mij的热力值，权重ω(xmax,ymax)参考了双曲正切(Tanh)激活函数：
应理解的是，在动态风险热力地图上选择巡检目标点，每次都是按照最开始设定的风险概率初始值从大到小的顺序的确定的，不存在由于某一处值过大，导致巡检目标点相对密集的集中在某一区域的情况。以点[20,20]为起始点，将点[30,240]、[470,100]、[480,280]、[150,80]、[300,30]、[160,200]、[200,260]、[330,170]、[240,150]设置为初始标记的高风险点，其风险概率分别设置为0.8、0.6、0.5、0.4、0.3、0.2、0.1、0.7、0.6。
如图5所示，连接临时热力值地图中的各个巡检目标点，得到待巡检路径，令目标点个数nobj＝20，传感器搜索半径rs＝20，最终，共经历9次巡检完成巡检任务。预设热力值调节条件可以包括：降低已选中点周边的风险值的大小，或者增加未选中位置的权重。对于单次巡检寻找目标点的方式也可以通过其他权重函数来替代，本发明对计算权重使用的公式不作具体限制。基于动态风险热力地图各个区域的热力值，确定各个巡检目标点，保证了巡查的风险区域的准确性。
应理解的是，本发明在减少风险点的数量时，依然可以达到相同效果，以点[20,20]为起始点，将点(30,240)、(150,80)设置为初始标记的高风险点，其风险概率分别设置为0.8、0.6，通过GMM(高斯混合模型)获得的静态风险热力地图如图10所示，令目标点个数nobj＝20，传感器搜索半径rs＝20，最终，共经历8次巡检完成巡检任务，动态风险热力地图如图11所示、巡检路径如图12所示，将每个点的巡检次数tij进行绘制，结果如图13所示。图中左下角点为起始点，其余两个点为最开始设置的高风险区域，由于最开始设置的高风险地区区域较少，可以看出重点巡检区域集中在左侧，尤其是两个高风险地区和起始点附近。将全覆盖任务分为多次巡检，降低了每次巡检的重复路径，同时保证多次巡检后做到全局覆盖，对高风险地区做到多次巡检、重点巡检，提高了巡检的效率。
在本发明的另一实现方式中，根据动态风险热力地图，创建临时热力值地图，包括：根据初始动态风险热力地图，创建初始临时热力地图；基于初始临时热力地图，选取第一次巡检的巡检目标点；根据每次选取的巡检目标点，建立巡检目标点集合；根据各个巡检目标点集合，对上一次的临时热力地图进行更新，得到各个临时热力地图。
在本发明的另一实现方式中，根据所述巡检结果中包含的已巡检路线，更新动态风险热力地图，包括：根据每次巡检结果中包含的已巡检路线，对上一次的动态风险热力地图进行更新，得到各个动态风险热力地图。
示例性地，根据静态风险热力地图，创建初始动态风险热力地图，如图4所示，根据每次巡检结果中包含的已巡检路线，对上一次的动态风险热力地图进行更新，得到每次巡检后的动态热力地图。
在本发明的另一实现方式中，根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新，包括：确定巡检结果中包含的巡检过程中发现的风险区域在静态风险热力地图中的对应区域；增加对应区域的热力值。
示例性地，如果巡检结果指示存在风险区域，则增加静态风险热力地图中风险区域对应的区域的热力值。
应理解的是，将每个点的巡检次数tij进行绘制，结果如图6所示，图中左下角的点为起始点，其余点为最开始设置的高风险区域，除了个别障碍物无法经过外，可以看到起始点及其附近区域经过的次数最多，其他需要重点巡检的区域也相比于其附近区域巡检次数更多。
在本发明的另一实现方式中，基于风险热力地图的智能巡检方法还包括：若巡检结果指示巡检区域不存在风险区域，则降低巡检区域在所述动态风险热力地图对应区域的热力值。
示例性地，若巡检结果指示巡检区域不存在风险区域，则降低巡检区域在所述动态风险热力地图对应区域的热力值，如图4所示，图4中的巡检路径颜色有的较深，有的较浅，较浅的区域表示不存在风险区域。
在本发明的另一实现方式中，如果我们将公式：
中静态风险热力地图对应的热力值/>替换成动态风险热力地图/>对应的热力值/>的如下公式：
热力值是上一次动态风险热力地图在确定巡检目标后经过处理的地图，这样生成的动态风险热力地图可以尽量避免选择目标点与上一次重复。令目标点个数nobj＝20，传感器搜索半径rs＝20，经过7次巡检完成全局巡检任务，冬天风险热力地图变化如图7所示，巡检路径如图8所示。将每个点的巡检次数tij进行绘制，绘制结果如图9所示。
应理解的是，虽然巡检次数相对较少，但在重点巡检点并没有明显的多次巡检的效果。相比于使用静态风险热力地图的方式，缺少了对标注的高风险地区的重点关注，与其多次巡检实现全局覆盖任务，不如直接进行全覆盖巡检路径规划。
图14为本发明实施例提供的一种基于风险热力地图的智能巡检装置1400的结构框图，如图14所示，本实施例主要包括：
获取模块1401：获取待巡检场景的静态风险热力地图；
第一处理模块1402：根据静态风险热力地图，生成动态风险热力地图；根据动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；
巡检模块1403：基于待巡检路径，对待巡检场景进行巡检，得到巡检结果，其中，巡检结果中包含已巡检路径及巡检过程中发现的风险区域；
第二处理模块1404：根据巡检结果中包含的已巡检路线，更新动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图；根据巡检结果中包含的巡检过程中发现的风险区域，对静态风险热力地图进行热力值更新。
在本发明的基于风险热力地图的智能巡检装置中，通过获取静态风险热力地图，可以直观的确定待巡检场景中容易发生风险的区域以及风险发生的概率，基于动态风险热力地图各个热力值点创建待巡检路径，使得待巡检路径具有针对性，可以更准确的对高风险区域进行巡检，根据巡检结果更新动态风险热力地图，使得用户更直观的观察到巡检结果及巡检区域，通过巡检结果对静态风险热力地图及动态风险热力地图进行实时更新，使得下次巡检选择的巡检目标点更准确，提高了巡检结果的可靠性。
在本发明的另一实现方式中，获取模块1401还用于获取待巡检场景的先验信息和场景地图；根据待巡检场景的先验信息，确定场景地图中各个区域发生事故的概率；基于场景地图中各个区域发送事故的概率进行建模，得到静态风险热力地图。
在本发明的另一实现方式中，第一处理模块1402还用于根据动态风险热力地图，创建临时热力值地图，其中，根据预设热力值调节条件，对临时热力值地图中不同热力值对应区域的各个热力值点的热力值进行调节；根据预设巡检目标点个数，在临时热力值地图中选取巡检目标点；连接临时热力值地图中的各个巡检目标点，得到待巡检路径。
在本发明的另一实现方式中，第一处理模块1402还用于根据初始动态风险热力地图，创建初始临时热力地图；基于初始临时热力地图，选取第一次巡检的巡检目标点；根据每次选取的巡检目标点，建立巡检目标点集合；根据各个巡检目标点集合，对上一次的临时热力地图进行更新，得到各个临时热力地图。
在本发明的另一实现方式中，第二处理模块1404还用于根据每次巡检结果中包含的已巡检路线，对上一次的动态风险热力地图进行更新，得到各个动态风险热力地图。
在本发明的另一实现方式中，第二处理模块1404还用于确定巡检结果中包含的巡检过程中发现的风险区域在静态风险热力地图中的对应区域；增加对应区域的热力值。
在本发明的另一实现方式中，第二处理模块1404还用于若巡检结果指示巡检区域不存在风险区域，则降低巡检区域在所述动态风险热力地图对应区域的热力值。
如图15所示，该电子设备1500可以包括：处理器(processor)1501、存储器(memory)1503、以及通信总线1504、通信接口(Communications Interface)1505。
其中：
处理器1501、存储器1503以及通信接口1505、通过通信总线1504完成相互间的通信。
通信接口1505，用于与其它电子设备或服务器进行通信。
处理器1501，用于执行程序1502，具体可以执行上述实施例中任一项基于风险热力地图的智能巡检方法的步骤。
具体地，程序1502可以包括程序代码，该程序代码包括计算机操作指令。
处理器1501可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器1503，用于存放程序1502。存储器1503可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序1502具体可以用于使得处理器1501执行以实现实施例中所描述任一项基于风险热力地图的智能巡检方法的步骤。程序1502中各步骤的具体实现可以参见上述步骤中任一项基于风险热力地图的智能巡检方法所执行的步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述。
本申请示例性实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本申请各实施例的方法。
上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
至此，已经对本发明的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。
需要说明的是，本发明实施例中所有方向性指示(诸如上、下、左、右、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
在本发明的描述中，术语“第一”、“第二”仅用于方便描述不同的部件或名称，而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
需要说明的是，虽然结合附图对本发明的具体实施例进行了详细地描述，但不应理解为对本发明的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属于本发明的保护范围。
本发明实施例的示例旨在简明地说明本发明实施例的技术特点，使得本领域技术人员能够直观了解本发明实施例的技术特点，并不作为本发明实施例的不当限定。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于风险热力地图的智能巡检方法，其特征在于，包括：
获取待巡检场景的静态风险热力地图；
根据所述静态风险热力地图，生成动态风险热力地图；
根据所述动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；
基于所述待巡检路径，对所述待巡检场景进行巡检，得到巡检结果，其中，所述巡检结果中包含已巡检路径及巡检过程中发现的风险区域；
根据所述巡检结果中包含的已巡检路线，更新所述动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图；
根据所述巡检结果中包含的巡检过程中发现的风险区域，对所述静态风险热力地图进行热力值更新。
2.根据权利要求1所述的方法，其特征在于，所述获取待巡检场景的静态风险热力地图，包括：
获取待巡检场景的先验信息和场景地图；
根据所述待巡检场景的先验信息，确定所述场景地图中各个区域发生事故的概率；
基于所述场景地图中各个区域发送事故的概率进行建模，得到静态风险热力地图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径，包括：
根据所述动态风险热力地图，创建临时热力值地图，其中，根据预设热力值调节条件，对所述临时热力值地图中不同热力值对应区域的各个热力值点的热力值进行调节；
根据预设巡检目标点个数，在临时热力值地图中选取巡检目标点；
连接所述临时热力值地图中的各个巡检目标点，得到待巡检路径。
4.根据权利要求3所述的方法，其特征在于，所述根据所述动态风险热力地图，创建临时热力值地图，包括：
根据初始动态风险热力地图，创建初始临时热力地图；
基于所述初始临时热力地图，选取第一次巡检的巡检目标点；
根据每次选取的巡检目标点，建立巡检目标点集合；
根据各个巡检目标点集合，对上一次的临时热力地图进行更新，得到各个临时热力地图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述巡检结果中包含的已巡检路线，更新动态风险热力地图，包括：
根据每次巡检结果中包含的已巡检路线，对上一次的动态风险热力地图进行更新，得到各个动态风险热力地图。
6.根据权利要求1所述的方法，其特征在于，所述根据所述巡检结果中包含的巡检过程中发现的风险区域，对所述静态风险热力地图进行热力值更新，包括：
确定所述巡检结果中包含的巡检过程中发现的风险区域在所述静态风险热力地图中的对应区域；
增加所述对应区域的热力值。
7.根据权利要求1所述的方法，其特征在于，还包括：
若所述巡检结果指示所述巡检区域不存在所述风险区域，则降低所述巡检区域在所述动态风险热力地图对应区域的热力值。
8.一种基于风险热力地图的智能巡检装置，其特征在于，包括：
获取模块：获取待巡检场景的静态风险热力地图；
第一处理模块：根据所述静态风险热力地图，生成动态风险热力地图；
根据所述动态风险热力地图中不同热力值对应区域中的各个热力值点，创建待巡检路径；
巡检模块：基于所述待巡检路径，对所述待巡检场景进行巡检，得到巡检结果，其中，所述巡检结果中包含已巡检路径及巡检过程中发现的风险区域；
第二处理模块：根据所述巡检结果中包含的已巡检路线，更新所述动态风险热力地图，其中，更新后的动态风险热力地图作为下一次巡检路径规划的依据和已巡检路径记录的初始地图；根据所述巡检结果中包含的巡检过程中发现的风险区域，对所述静态风险热力地图进行热力值更新。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于风险热力地图的智能巡检方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于风险热力地图的智能巡检方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310453915.7A CN116563968A (zh) | 2023-04-25 | 2023-04-25 | 基于风险热力地图的智能巡检方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310453915.7A CN116563968A (zh) | 2023-04-25 | 2023-04-25 | 基于风险热力地图的智能巡检方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116563968A true CN116563968A (zh) | 2023-08-08 |
Family
ID=87489064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310453915.7A Pending CN116563968A (zh) | 2023-04-25 | 2023-04-25 | 基于风险热力地图的智能巡检方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116563968A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116776046A (zh) * | 2023-08-24 | 2023-09-19 | 长春精意科技有限公司 | 一种应用于导航***的地图数据更新方法 |
-
2023
- 2023-04-25 CN CN202310453915.7A patent/CN116563968A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116776046A (zh) * | 2023-08-24 | 2023-09-19 | 长春精意科技有限公司 | 一种应用于导航***的地图数据更新方法 |
| CN116776046B (zh) * | 2023-08-24 | 2023-12-08 | 长春精意科技有限公司 | 一种应用于导航***的地图数据更新方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11709058B2 (en) | Path planning method and device and mobile device | |
| CN106964156B (zh) | 一种寻路方法以及装置 | |
| CN110967028B (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
| CN108021625B (zh) | 车辆异常聚集地监控方法及***、计算机可读存储介质 | |
| CN109828578B (zh) | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 | |
| CN111310992B (zh) | 面向地震灾后快速评估的多无人机路径优化方法 | |
| JP6850325B2 (ja) | 確率プロットに基づく障害物分布シミュレーション方法、装置、端末、記憶媒体、及びプログラム | |
| CN116563968A (zh) | 基于风险热力地图的智能巡检方法、装置及电子设备 | |
| CN106441279A (zh) | 基于自主定位和边缘探索的机器人定位方法、*** | |
| CN108763811A (zh) | 动态数据驱动林火蔓延预测方法 | |
| CN105259909A (zh) | 基于无人飞行器的植被数据采集方法及采集装置 | |
| CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
| CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、***及介质 | |
| CN115062880A (zh) | 巡检航线确定方法、装置、计算机设备及其存储介质 | |
| CN113566831B (zh) | 基于人机交互的无人机集群导航方法、装置和设备 | |
| CN114778774A (zh) | 基于人工智能的温室气体监测方法及相关设备 | |
| CN113159457A (zh) | 一种智能路径规划的方法、***及电子设备 | |
| CN116738867A (zh) | 一种基于机器学习的无人机防御仿真方法及其*** | |
| CN115034718B (zh) | 一种危化品管理方法、***、计算设备及存储介质 | |
| CN110189536A (zh) | 一种停车场车辆监控方法、装置及终端 | |
| CN115493657A (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
| CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
| JP5613708B2 (ja) | 気流状況予測装置、気流状況予測方法、拡散状況予測装置および拡散状況予測方法 | |
| Lewis et al. | Configurable simulation strategies for testing pollutant plume source localization algorithms using autonomous multisensor mobile robots | |
| CN113971348A (zh) | 一种基于综合能源***的源端功率短期预测方法 |
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 |