CN116738552A - 一种基于物联网的环境检测设备管理方法及*** - Google Patents
一种基于物联网的环境检测设备管理方法及*** Download PDFInfo
- Publication number
- CN116738552A CN116738552A CN202311007253.7A CN202311007253A CN116738552A CN 116738552 A CN116738552 A CN 116738552A CN 202311007253 A CN202311007253 A CN 202311007253A CN 116738552 A CN116738552 A CN 116738552A
- Authority
- CN
- China
- Prior art keywords
- environment detection
- detection equipment
- installation
- area
- dimensional
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 278
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000009434 installation Methods 0.000 claims abstract description 215
- 238000010586 diagram Methods 0.000 claims abstract description 178
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 56
- 230000005670 electromagnetic radiation Effects 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005672 electromagnetic field Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Civil Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及环境检测设备管理技术领域,特别是一种基于物联网的环境检测设备管理方法及***,获取环境检测设备的待规划位置区域,并获取所述待规划位置区域的建筑工程图纸信息,基于所述建筑工程图纸信息构建得到待规划位置区域的初始场景三维模型图;基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图;基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出,能够减少环境检测设备的安装布局数量,使得环境检测设备的安装布局更加合理,降低设备使用与安装成本。
Description
技术领域
本发明涉及环境检测设备管理技术领域,特别是一种基于物联网的环境检测设备管理方法及***。
背景技术
随着物联网技术的不断发展,越来越多的智能设备被广泛应用于各个领域。在环境检测中,传感器、控制器和网络等智能设备可以联网,实现环境参数的实时监测和控制。例如,室内环境检测设备可以通过智能传感器实时检测室内温度、湿度、CO2浓度、有机物浓度等参数,并通过云平台进行数据分析和管理,以为用户提供一个舒适、健康和安全的室内环境,从而减少能源消耗和降低环境污染。
而环境检测设备的安装布局是环境检测设备管理重要的一环,如今对环境检测设备进行安装布局是采用人工的方式来进行,通常需要工作人员到实地进行勘察,然后依靠经验来规划布局出各环境检测设备的安装点,通过该种方式规划出来的设备布局图,存在较多不足的地方。其一是布局出来的设备安装节点不足,从而导致无法对大部分重要区域进行采集监测的情况,所采集到的环境数据不全,对监测结果造成较大影响;其二是布局出来的设备安装节点过多,导致出现监测区域冗余,加大了设备安装成本;其三是在布局过程中没有考虑其余设备干扰的情况,导致环境检测设备无法采集数据或者数据精度较低,并且设备故障概率高、使用寿命低。
发明内容
本发明克服了现有技术的不足,提供了一种基于物联网的环境检测设备管理方法及***。
为达到上述目的本发明采用的技术方案为:
本发明第一方面公开了一种基于物联网的环境检测设备管理方法,包括以下步骤:
获取环境检测设备的待规划位置区域,并获取所述待规划位置区域的建筑工程图纸信息,基于所述建筑工程图纸信息构建得到待规划位置区域的初始场景三维模型图;
获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型;
获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域;
基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图;
获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出。
优选地,本发明的一个较佳实施例中,获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型,具体为:
获取待规划位置区域的实时物体图像信息,对所述实时物体图像信息进行灰度化处理,以转化为灰色图像;将所述灰色图像中像素较高的区域进行展宽处理,将所述灰色图像中像素较低的区域进行整合处理,以增强所述灰色图像的对比度,得到处理后的实时物体图像信息;
对所述处理后的实时物体图像信息进行特征匹配处理,得到若干稀疏特征匹配点;对所述稀疏特征匹配点进行稠密处理,得到若干密集特征匹配点;获取所述密集特征匹配点的坐标信息,基于所述坐标信息生成密集特征匹配点的点云数据;
对所述点云数据进行配准处理,并对点云数据进行刚体与非刚体转化,使得各点云数据以统一的坐标系表示;对所述点云数据进行网格化处理,直至生成曲面模型,从而构建得到实时物体三维模型图;
构建检索空间,将所述实时物体三维模型图与初始场景三维模型图导入所述检索空间中,在所述检索空间中检索所述初始场景三维模型图中是否不存在所述实时物体三维模型图;若不存在,则将所述实时物体三维模型图整合到所述实时物体三维模型图中;检索完毕后,生成待规划位置区域的实时场景三维模型。
优选地,本发明的一个较佳实施例中,获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域,具体为:
通过大数据网络获取环境检测设备的历史安装场景图像信息,基于所述历史安装场景图像信息构建得到环境检测设备的预设安装场景模型图;构建数据库,将各预设安装场景模型图输入至所述数据库中,得到特性数据库;
构建虚拟空间,将所述实时场景三维模型导入所述虚拟空间中,并将特性数据库中的预设安装场景模型图导入所述虚拟空间中;
在所述虚拟空间中基于局部特征配对法对所述预设安装场景模型图与所述实时场景三维模型的各个区域节点进行检索配对,并获取各个区域节点中预设安装场景模型图与实时场景三维模型之间的配对率;
将配对率大于预设配对率的区域节点标记为需安装环境检测设备区域。
优选地,本发明的一个较佳实施例中,基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图,具体为:
通过大数据网络获取预设类型电设备对应的设备模型图,基于卷积神经网络构建识别模型,并将预设类型电设备对应的设备模型图导入所述识别模型中进行训练,得到训练完成的识别模型;
将所述实时场景三维模型导入所述训练完成的识别模型中进行识别,以判断所述实时场景三维模型中是否存在预设类型电设备;若存在,则获取预设类型电设备的设备位置信息;
基于所述设备位置信息判断出所述预设类型电设备是否位于需安装环境检测设备区域的预设范围内;若预设类型电设备不位于需安装环境检测设备区域的预设范围内,则将需安装环境检测设备区域的中间位置节点标记为初始安装节点。
优选地,本发明的一个较佳实施例中,还包括以下步骤:
若预设类型电设备位于需安装环境检测设备区域的预设范围内,则获取该预设类型电设备的设备型号信息;构建电磁辐射强度计算模型,将所述预设类型电设备的设备型号信息以及预设类型电设备的设备位置信息导入所述电磁辐射强度计算模型中计算出需安装环境检测设备区域的电磁辐射分布场;基于所述需安装环境检测设备区域的电磁辐射分布场构建得到需安装环境检测设备区域的电磁辐射分布图;
获取所述电磁辐射分布图中各位置节点的电磁辐射强度值,将各位置节点的电磁辐射强度值与预设阈值进行比较;
若各位置节点的电磁辐射强度值均大于预设阈值,则构建排序表,并将各个位置节点的电磁辐射强度值均导入所述排序表中进行大小排序,排序完成后,提出取最小辐射强度值,将与最小辐射强度值对应的位置节点标记为该需安装环境检测设备区域的初始安装节点;
若存在一个或多个位置节点的电磁辐射强度值小于预设阈值,并将各电磁辐射强度值小于预设阈值的位置节点与该需安装环境检测设备区域的中间位置节点进行距离值比较,并将与该需安装环境检测设备区域的中间位置节点距离最近的电磁辐射强度值小于预设阈值的位置节点标记为该需安装环境检测设备区域的初始安装节点;
基于各初始安装节点对实时场景三维模型对应的位置节点进行标定,标定完成后,生成环境检测设备的初始三维安装布局图。
优选地,本发明的一个较佳实施例中,获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出,具体为:
获取环境检测设备的尺寸信息,基于所述尺寸信息建立环境检测设备三维模型图;构建模型整合空间,并将所述初始三维安装布局图与环境检测设备三维模型图导入所述模型整合空间中;
获取所述初始三维安装布局图中各初始安装节点的位置信息,基于所述初始安装节点的位置信息将所述环境检测设备三维模型图整合至所述初始三维安装布局图中,以对环境检测设备进行仿真模拟安装,得到模拟安装三维模型图;
获取环境检测设备的工作环境参数,基于所述工作环境参数确定出环境检测设备的实际工作范围;基于阴影法与环境检测设备的实际工作范围对所述模拟安装三维模型图进行渲染,得到渲染后的模拟安装三维模型图;
在所述渲染后的模拟安装三维模型图中判断各需安装环境检测设备区域是否存在非阴影区域;若不存在,则将所述初始三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出;
若存在,则将该非阴影区域标定为待补充环境检测设备区域,并将该待补充环境检测设备区域的中间节点标定为补充安装节点;将所述补充安装节点导入所述初始三维安装布局图中,生成环境检测设备的二次三维安装布局图;重复以上步骤,直至各需安装环境检测设备区域均不存在非阴影区域,将所述二次三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出。
本发明第二方面公开了一种基于物联网的环境检测设备管理***,所述环境检测设备管理***包括存储器与处理器,所述存储器中存储有环境检测设备管理方法程序,所述环境检测设备管理方法程序被所述处理器执行时,实现所述环境检测设备管理方法步骤。
本发明解决了背景技术中存在的技术缺陷,本发明具备以下有益效果:通过本方法能够自动根据建筑的实时空间分布情况自动规划出设备的最佳安装布局图,确保环境检测设备的监测范围覆盖需整个监测区域,提高环境检测设备的安装布局合理性;能够智能筛选出电磁辐射强度较小的设备安装点,从而降低电磁对环境检测设备的工作性能造成影响,提高数据采集精度与可靠性,提高环境检测设备工作寿命;能够尽可能的降低环境检测设备的安装布局数量,使得环境检测设备的安装布局更加合理,降低设备使用与安装成本。
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,下面将对实施例或现有技术描述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实施例的附图。
图1为一种基于物联网的环境检测设备管理方法的第一方法流程图;
图2为一种基于物联网的环境检测设备管理方法的第二方法流程图;
图3为一种基于物联网的环境检测设备管理方法的第三方法流程图;
图4为一种基于物联网的环境检测设备管理***的***框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
如图1所示,本发明第一方面公开了一种基于物联网的环境检测设备管理方法,包括以下步骤:
S102:获取环境检测设备的待规划位置区域,并获取所述待规划位置区域的建筑工程图纸信息,基于所述建筑工程图纸信息构建得到待规划位置区域的初始场景三维模型图;
示例性地,环境检测设备包括但不限于氧气浓度传感器、二氧化碳浓度传感器、温度传感器、湿度传感器、PM2.5检测器、有机物检测器等设备;待规划位置区域表示需要布局环境检测设备的建筑区域,如仓库、办公楼、生活楼、厂房等室内建筑;建筑工程图纸信息可以直接在大数据网络中获取得到,建筑工程图纸信息可以理解为是建筑的工程蓝图信息,当得到建筑工程图纸信息后,通过三维建模软件(如SolidWorks、UG、Proe)构建得到待规划位置区域的初始场景三维模型图。
S104:获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型;
示例性地,通过自主探测机器人或待规划位置区域中原有的摄像机等设备获取待规划位置区域的全方位的实时物体图像信息。
S106:获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域;
S108:基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图;
S110:获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出。
需要说明的是,通过本方法能够自动根据建筑的实时空间分布情况自动规划出设备的最佳安装布局图,确保环境检测设备的监测范围覆盖需整个监测区域,提高环境检测设备的安装布局合理性;能够智能筛选出电磁辐射强度较小的设备安装点,从而降低电磁对环境检测设备的工作性能造成影响,提高数据采集精度与可靠性,提高环境检测设备工作寿命;能够尽可能的降低环境检测设备的安装布局数量,使得环境检测设备的安装布局更加合理,降低设备使用与安装成本。
其中,获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型,具体为:
获取待规划位置区域的实时物体图像信息,对所述实时物体图像信息进行灰度化处理,以转化为灰色图像;将所述灰色图像中像素较高的区域进行展宽处理,将所述灰色图像中像素较低的区域进行整合处理,以增强所述灰色图像的对比度,得到处理后的实时物体图像信息;
示例性地,通过平均值法、加权平均值法、最大值法、最小值法等对实时物体图像进行灰色转化,以更方便地进行图像处理和分析,提高处理效率;通过中值滤波、均值滤波方法等对图像进行降噪处理,以提高图像的清晰度。
对所述处理后的实时物体图像信息进行特征匹配处理,得到若干稀疏特征匹配点;对所述稀疏特征匹配点进行稠密处理,得到若干密集特征匹配点;获取所述密集特征匹配点的坐标信息,基于所述坐标信息生成密集特征匹配点的点云数据;
示例性地,通过SIFT算法(尺度不变特征变换算法)、SURF算法(加速稳健特征算法)等算法对处理后的实时物体图像信息进行特征匹配处理,以得到稀疏特征匹配点。
对所述点云数据进行配准处理,并对点云数据进行刚体与非刚体转化,使得各点云数据以统一的坐标系表示;对所述点云数据进行网格化处理,直至生成曲面模型,从而构建得到实时物体三维模型图;
示例性地,实时物体三维模型图是存在于待规划位置区域内的设备物体,如发电机、配电设备、开关设备、天花吊顶设备等。
需要说明的是,点云数据进行配准处理是将不同视角或不同时间的点云数据进行位置、姿态以及标度等方面的校准,将它们融合成一个完整的点云模型的过程。
通过特征匹配处理得到的稀疏特征匹配点会存在丢失与失真现象,若直接通过稀疏特征匹配点构建实时物体三维模型图,得到的模型图会存在局部丢失与不平滑的现象,模型精度较低,因此需要对稀疏特征匹配点进行稠密处理,以补充更多的特征匹配点,然后再以三维点云重构的方式重新构建实时物体三维模型图,从而得到一个更完整、更精细的实时物体三维模型图,提高建模的精度和逼真度。
构建检索空间,将所述实时物体三维模型图与初始场景三维模型图导入所述检索空间中,在所述检索空间中检索所述初始场景三维模型图中是否不存在所述实时物体三维模型图;若不存在,则将所述实时物体三维模型图整合到所述实时物体三维模型图中;检索完毕后,生成待规划位置区域的实时场景三维模型。
需要说明的是,通过建筑工程图纸信息获取得到的初始场景三维模型图是建筑的原始模型图,初始场景三维模型图并不是建筑的实时场景图。如办公楼内的开关配电设备与消防设备等是在建筑工程图纸中提前规划好的,因此这些物体设备是存在于初始场景三维模型图中的;在后续过程中,建筑内可能会添加一系列物体或设备,如仓库内的货物、办公楼经自主装修后的天花吊顶设备等,这些设备是并不存在于初始场景三维模型图中的。通过本方法能够快速构建待规划位置区域的实时物体模型图,并识别出初始场景三维模型图中是否存在实时物体模型图,若不存在,则将实时物体模型图整合到初始场景三维模型图中,从而得到实时场景三维模型,从而还原待规划位置区域的真实空间分布状况,提供一个真实状态的实时场景三维模型,以提高环境检测设备的安装布局精度。
如图2所示,获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域,具体为:
S202:通过大数据网络获取环境检测设备的历史安装场景图像信息,基于所述历史安装场景图像信息构建得到环境检测设备的预设安装场景模型图;构建数据库,将各预设安装场景模型图输入至所述数据库中,得到特性数据库;
其中,预设安装场景模型图包括排风口、进风口等室内空气流通的区域或靠近潜在污染源的区域,通过在这些区域安装布局环境检测设备从而实现精准监测的功能。另外,具体场景用户可以在布局规划前设定,通过大数据网络获取环境检测设备的历史安装场景图像信息,然后根据历史安装场景图像信息便能够构建得到预设安装场景模型图。
S204:构建虚拟空间,将所述实时场景三维模型导入所述虚拟空间中,并将特性数据库中的预设安装场景模型图导入所述虚拟空间中;
其中,通过如SolidWorks、UG、Proe等三维建模软件构建虚拟空间。
S206:在所述虚拟空间中基于局部特征配对法对所述预设安装场景模型图与所述实时场景三维模型的各个区域节点进行检索配对,并获取各个区域节点中预设安装场景模型图与实时场景三维模型之间的配对率;
其中,局部特征匹配是一种计算机视觉技术,旨在将相同或相似的特征点对齐,这种技术广泛应用在拼接图像、对象检测等领域中,局部特征配对法是其中一种匹配方法,其基本原理是将一个图像中的局部特征点与另一个图像中的局部特征点进行比对,并找到它们之间最匹配的点对。
S208:将配对率大于预设配对率的区域节点标记为需安装环境检测设备区域。
通过以上方法能够将各预设安装场景模型图对实时场景三维模型的各个位置区域进行配对检索,从而自动配对检索出实时场景三维模型中需要安装环境检测设备的区域,如实时场景三维模型中排风口、进风口等室内空气流通的区域或靠近潜在污染源的区域,通过上述方法实现了自动配对检索的功能,实现了智能化布局规划。
其中,基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图,具体为:
通过大数据网络获取预设类型电设备对应的设备模型图,基于卷积神经网络构建识别模型,并将预设类型电设备对应的设备模型图导入所述识别模型中进行训练,得到训练完成的识别模型;
其中,预设类型电设备为强电设备,如发电机组、高压开关设备、变频器、电容器等,强电设备会产生较强电磁辐射场,当环境检测设备处于较强的电磁辐射场时,一方面,电磁干扰可能会导致设备读取数据时出现误差或丢失数据,从而影响环境监测和数据分析的结果,例如,在强电磁场环境下,传感器可能会产生误差,导致测量数据偏离真实值。另一方面,强电磁场也可能会影响环境检测设备的传输和通信质量,从而降低设备的工作效率和响应速度。例如,在电磁场强度较高的环境下,无线传输信号可能会受到干扰和衰减,降低设备的传输距离和信号质量。因此,在对布局安装环境检测设备时,因尽量避免把设备安装在强电磁场环境下,以提高环境检测设备的工作性能与使用寿命。
将所述实时场景三维模型导入所述训练完成的识别模型中进行识别,以判断所述实时场景三维模型中是否存在预设类型电设备;若存在,则获取预设类型电设备的设备位置信息;
基于所述设备位置信息判断出所述预设类型电设备是否位于需安装环境检测设备区域的预设范围内;若预设类型电设备不位于需安装环境检测设备区域的预设范围内,则将需安装环境检测设备区域的中间位置节点标记为初始安装节点。
需要说明的是,预设范围根据环境检测设备的特性性能设定得到,如环境检测设备的抗电磁能力强,预设范围可以相对较小,该值提前设定得到。若预设类型电设备不位于需安装环境检测设备区域的预设范围内,或者实时场景三维模型中不存在预设类型电设备,此时需安装环境检测设备区域的中间位置节点标记为初始安装节点即可,通过此方式能够尽可能的降低环境检测设备的安装布局数量,降低设备使用与安装成本。通过本方法能够快速检索出实时场景三维模型中是否存在强电干扰设备。
如图3所示,本环境检测设备管理方法还包括以下步骤:
S302:若预设类型电设备位于需安装环境检测设备区域的预设范围内,则获取该预设类型电设备的设备型号信息;构建电磁辐射强度计算模型,将所述预设类型电设备的设备型号信息以及预设类型电设备的设备位置信息导入所述电磁辐射强度计算模型中计算出需安装环境检测设备区域的电磁辐射分布场;基于所述需安装环境检测设备区域的电磁辐射分布场构建得到需安装环境检测设备区域的电磁辐射分布图;
示例性地,基于麦克斯韦方程组和安培定律,以及有限元分析数值计算的方法训练构建得到电磁辐射强度计算模型,当得知强电设备的设备型号信息与设备位置信息后,通过麦克斯韦方程组和安培定律,以及有限元分析数值计算的方法便能够计算出以该强电设备为辐射中心的电磁辐射分布场,从而获取得到需安装环境检测设备区域的电磁辐射分布场。
S304:获取所述电磁辐射分布图中各位置节点的电磁辐射强度值,将各位置节点的电磁辐射强度值与预设阈值进行比较;
S306:若各位置节点的电磁辐射强度值均大于预设阈值,则构建排序表,并将各个位置节点的电磁辐射强度值均导入所述排序表中进行大小排序,排序完成后,提出取最小辐射强度值,将与最小辐射强度值对应的位置节点标记为该需安装环境检测设备区域的初始安装节点;
其中,若某一需安装环境检测设备区域各位置节点的电磁辐射强度值均大于预设阈值,此时说明该需安装环境检测设备区域的电磁辐射强度均较大,此时在该区域筛选出最小辐射强度值的位置节点,并将该位置节点标定位该需安装环境检测设备区域的环境检测设备的初始安装节点。
S308:若存在一个或多个位置节点的电磁辐射强度值小于预设阈值,并将各电磁辐射强度值小于预设阈值的位置节点与该需安装环境检测设备区域的中间位置节点进行距离值比较,并将与该需安装环境检测设备区域的中间位置节点距离最近的电磁辐射强度值小于预设阈值的位置节点标记为该需安装环境检测设备区域的初始安装节点;
其中,若某一需安装环境检测设备区域的一个或多个位置节点的电磁辐射强度值小于预设阈值,说明需安装环境检测设备区域存在一个或多个电磁辐射强度值较弱的位置节点,而这些位置节点均适合安装环境检测设备,此时在这些位置节点中筛选出与该需安装环境检测设备区域的中间位置节点距离最近的点作为需安装环境检测设备区域的初始安装节点,以尽可能的降低环境检测设备的安装布局数量,降低设备使用与安装成本。
S310:基于各初始安装节点对实时场景三维模型对应的位置节点进行标定,标定完成后,生成环境检测设备的初始三维安装布局图。
通过本方法能够智能筛选出电磁辐射强度较小的设备安装点,从而降低电磁对环境检测设备的工作性能造成影响,提高数据采集精度与可靠性,提高环境检测设备工作寿命;并且能够尽可能的降低环境检测设备的安装布局数量,使得环境检测设备的安装布局更加合理,降低设备使用与安装成本。
其中,获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出,具体为:
获取环境检测设备的尺寸信息,基于所述尺寸信息建立环境检测设备三维模型图;构建模型整合空间,并将所述初始三维安装布局图与环境检测设备三维模型图导入所述模型整合空间中;
示例性地,当得知环境检测设备的尺寸信息后,通过如SolidWorks、UG、Proe等三维建模软件建立环境检测设备三维模型图,同时建立模型整合空间,如可以是三维网格空间坐标系。
获取所述初始三维安装布局图中各初始安装节点的位置信息,基于所述初始安装节点的位置信息将所述环境检测设备三维模型图整合至所述初始三维安装布局图中,以对环境检测设备进行仿真模拟安装,得到模拟安装三维模型图;
获取环境检测设备的工作环境参数,基于所述工作环境参数确定出环境检测设备的实际工作范围;基于阴影法与环境检测设备的实际工作范围对所述模拟安装三维模型图进行渲染,得到渲染后的模拟安装三维模型图;
其中,环境检测设备的工作环境参数包括温度、湿度等,如在不同的温度条件下,环境检测设备的实际工作范围各不相同,如在温度较高的条件下,环境检测设备会出现零点偏移或跟随误差等热漂移现象,并且此时设备的响应速度也会下降,导致其实际工作范围缩小。
其中,阴影法是一种计算机图形学中用于渲染阴影的基本算法,它模拟了光源投射到场景中物体所形成的阴影,并将阴影映射到场景中的表面上,以便增强场景的逼真感和真实感。阴影法的基本思路是,从光源处以光线的形式向场景投射,记录下每个像素与光源的距离和遮挡关系,然后根据这些信息来生成阴影贴图;之后,再在渲染每个像素时,将其与该像素前方的所有物体进行比较,如果发现该像素被光线遮挡,则在该像素处生成阴影效果。
在所述渲染后的模拟安装三维模型图中判断各需安装环境检测设备区域是否存在非阴影区域;若不存在,则将所述初始三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出;
其中,若渲染后的模拟安装三维模型图中各需安装环境检测设备区域均不存在非阴影区域,说明通过初始安装节点的方式安装环境检测设备后,环境检测设备均能够对各需安装环境检测设备区域进行覆盖监测,此时则将初始三维安装布局图转换为最终三维安装布局图,并将最终三维安装布局图输出,通过该最终三维安装布局图对环境检测设备进行实施安装即可。
若存在,则将该非阴影区域标定为待补充环境检测设备区域,并将该待补充环境检测设备区域的中间节点标定为补充安装节点;将所述补充安装节点导入所述初始三维安装布局图中,生成环境检测设备的二次三维安装布局图;重复以上步骤,直至各需安装环境检测设备区域均不存在非阴影区域,将所述二次三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出。
其中,若渲染后的模拟安装三维模型图中各需安装环境检测设备区域均存在非阴影区域,则提取出非阴影区域,将该非阴影区域标定为待补充环境检测设备区域,并将该待补充环境检测设备区域的中间节点标定为补充安装节点,然后将补充安装节点补充进初始三维安装布局图中,生成环境检测设备的二次三维安装布局图,然后继续对模拟安装三维模型图进行渲染分析,直至各需安装环境检测设备区域均不存在非阴影区域,然后将二次三维安装布局图转换为最终三维安装布局图,并将最终三维安装布局图输出,通过该最终三维安装布局图对环境检测设备进行实施安装即可。
通过本方法能够确保环境检测设备的监测范围覆盖需整个安装环境检测设备区域,避免出现漏监测的情况,提高环境检测设备的安装布局合理性。
此外,所述一种基于物联网的环境检测设备管理方法,还包括以下步骤:
获取各环境检测设备的安装节点信息,并获取各环境检测设备的身份信息,根据所述环境检测设备的安装节点信息与环境检测设备的身份信息确定出各环境检测设备的信号反馈区域;
在预设时间内通过无线信号接收器接收各信号反馈区域所反馈的信号特性信息,基于所述信号特性信息确定出每个信号反馈区域的通信稳定性;其中信号特性信息包括信噪比、频率以及频数;
判断所述通信稳定性是否大于预设通信稳定性,若不大,则将该预设时间内该信号反馈区域所采集到的信号数据标定为异常数据。
需要说明的是,在环境检测设备运行的过程中,受外界环境因素的影响,如温度、湿度、电磁干扰强度,设备在某些时间段的通信稳定性会较差,此时间段内采集到的数据会存在数据漂移、失真、离群值过大等异常现象,而此时间段的数据的精度和可靠性是较低的,因此通过本方法能够自动识别出各个时间段环境检测设备所采集到的数据是否稳定,若不稳定,则将该预设时间内该信号反馈区域所采集到的数据标定为异常数据,并且将该时间段内采集到的数据收录至异常数据库中,避免异常的数据对监测监测结果造成影响。
此外,所述一种基于物联网的环境检测设备管理方法,还包括以下步骤:
获取环境检测设备三维模型图,以及获取最终三维安装布局图;
基于所述环境检测设备三维模型图与最终三维安装布局图对环境检测设备进行仿真安装,得到各需安装环境检测设备区域在安装环境检测设备后的三维结构图;
对各需安装环境检测设备区域在安装环境检测设备后的三维结构图进行有限元分析,得到各需安装环境检测设备区域在安装环境检测设备后的应力分布图;
通过大数据网络获取各历史安装位置发生异常时的安装区域的异常应力分布图;构建知识图谱,将各历史安装位置发生异常时的安装区域的异常应力分布图导入所述知识图谱中;
通过灰色关联分析法计算所述需安装环境检测设备区域在安装环境检测设备后的应力分布图与知识图谱中的异常应力分布图之间的相似度;
若所述相似度大于预设相似度,则将该需安装环境检测设备区域标记为警示区域。
其中,在灰色关联***发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。
在对污染检测设备进行安装的过程中,会对建筑的内应力造成影响,从而引发裂纹、凹坑等变形情况,导致地层应力分布发生突变,进而影响建筑结构的稳定性,通过对环境检测设备进行模拟安装,然后分析建筑的应力分布情况,从而判断在安装环境检测设备后是否会对建筑的应力分布造成异常影响,若会,则该需安装环境检测设备区域标记为警示区域,此时工作人员在安装该环境检测设备时可以先增加垫层,以降低设备安装时对地层内应力的影响,具体来说,通过在设备与建筑之间添加一定厚度的垫层,以有效减少设备对建筑内应力的改变,垫层的材质和厚度应根据实际情况进行选择,同时注意垫层和建筑基础之间的配合,以提高整个***的稳定性。并且在设备安装后,应定期对建筑内应力的变化进行监测和评估,及时发现和处理可能存在的问题,从而降低设备对建筑内应力的影响。通过本方法能够仿真分析出环境检测设备在安装时是否会建筑造成影响。
此外,在对所述实时物体图像信息进行灰度化处理,以转化为灰色图像之前的步骤,还包括以下步骤:
构建向量分解模型,将所述实时物体图像信息导入所述向量分解模型中,得到特征向量按列组成的正交矩阵以及特征向量所构成的对角矩阵;
将特征向量按列组成的正交矩阵以及特征向量所构成的对角矩阵的任一极限向量作为构建基准点,根据所述构建基准点构建空间坐标系;
将特征向量按列组成的正交矩阵与特征向量所构成的对角矩阵导入空间坐标系中,生成正交矩阵与对角矩阵的矩阵特征坐标,基于所述矩阵特征坐标构建得到矩阵坐标集;
获取所述矩阵坐标集的极限坐标点数集,将所述极限坐标点数集导入绝对坐标系中重新组合,以对所述实时物体图像信息进行修正处理。
需要说明的是,由于拍摄角度与拍摄环境等因素的影响,获取得到实时物体图像信息会存在较大的冗余度,造成图像中物体边界轮廓模糊度高、边界轮廓丢失,此时构建得到实时物体三维模型图会存在局部丢失的情况,导致无法根据构建得到实时物体三维模型图对实时场景中的物体进行有效识别,进而导致无法还原出一个真实状态的实时场景三维模型,降低了环境检测设备的安装布局精度。因此,在对图像进行特征匹配前,通过对拍摄得到实时物体图像信息的冗余进行修正,使得后续构建得到的实时场景三维模型的精度更高,以提供一个真实状态的实时场景三维模型,提高环境检测设备的安装布局精度。
如图4所示,本发明第二方面公开了一种基于物联网的环境检测设备管理***,所述环境检测设备管理***包括存储器22与处理器33,所述存储器22中存储有环境检测设备管理方法程序,所述环境检测设备管理方法程序被所述处理器33执行时,实现所述环境检测设备管理方法步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于物联网的环境检测设备管理方法,其特征在于,包括以下步骤:
获取环境检测设备的待规划位置区域,并获取所述待规划位置区域的建筑工程图纸信息,基于所述建筑工程图纸信息构建得到待规划位置区域的初始场景三维模型图;
获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型;
获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域;
基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图;
获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出。
2.根据权利要求1所述的一种基于物联网的环境检测设备管理方法,其特征在于,获取待规划位置区域的实时物体图像信息,基于所述实时物体图像信息与初始场景三维模型图得到待规划位置区域的实时场景三维模型,具体为:
获取待规划位置区域的实时物体图像信息,对所述实时物体图像信息进行灰度化处理,以转化为灰色图像;将所述灰色图像中像素较高的区域进行展宽处理,将所述灰色图像中像素较低的区域进行整合处理,以增强所述灰色图像的对比度,得到处理后的实时物体图像信息;
对所述处理后的实时物体图像信息进行特征匹配处理,得到若干稀疏特征匹配点;对所述稀疏特征匹配点进行稠密处理,得到若干密集特征匹配点;获取所述密集特征匹配点的坐标信息,基于所述坐标信息生成密集特征匹配点的点云数据;
对所述点云数据进行配准处理,并对点云数据进行刚体与非刚体转化,使得各点云数据以统一的坐标系表示;对所述点云数据进行网格化处理,直至生成曲面模型,从而构建得到实时物体三维模型图;
构建检索空间,将所述实时物体三维模型图与初始场景三维模型图导入所述检索空间中,在所述检索空间中检索所述初始场景三维模型图中是否不存在所述实时物体三维模型图;若不存在,则将所述实时物体三维模型图整合到所述实时物体三维模型图中;检索完毕后,生成待规划位置区域的实时场景三维模型。
3.根据权利要求1所述的一种基于物联网的环境检测设备管理方法,其特征在于,获取环境检测设备的预设安装场景模型图,基于所述预设安装场景模型图对所述实时场景三维模型进行检索配对,以检索配对出实时场景三维模型中需安装环境检测设备区域,具体为:
通过大数据网络获取环境检测设备的历史安装场景图像信息,基于所述历史安装场景图像信息构建得到环境检测设备的预设安装场景模型图;构建数据库,将各预设安装场景模型图输入至所述数据库中,得到特性数据库;
构建虚拟空间,将所述实时场景三维模型导入所述虚拟空间中,并将特性数据库中的预设安装场景模型图导入所述虚拟空间中;
在所述虚拟空间中基于局部特征配对法对所述预设安装场景模型图与所述实时场景三维模型的各个区域节点进行检索配对,并获取各个区域节点中预设安装场景模型图与实时场景三维模型之间的配对率;
将配对率大于预设配对率的区域节点标记为需安装环境检测设备区域。
4.根据权利要求1所述的一种基于物联网的环境检测设备管理方法,其特征在于,基于所述需安装环境检测设备区域确定出环境检测设备的初始安装节点,基于所述初始安装节点生成环境检测设备的初始三维安装布局图,具体为:
通过大数据网络获取预设类型电设备对应的设备模型图,基于卷积神经网络构建识别模型,并将预设类型电设备对应的设备模型图导入所述识别模型中进行训练,得到训练完成的识别模型;
将所述实时场景三维模型导入所述训练完成的识别模型中进行识别,以判断所述实时场景三维模型中是否存在预设类型电设备;若存在,则获取预设类型电设备的设备位置信息;
基于所述设备位置信息判断出所述预设类型电设备是否位于需安装环境检测设备区域的预设范围内;若预设类型电设备不位于需安装环境检测设备区域的预设范围内,则将需安装环境检测设备区域的中间位置节点标记为初始安装节点。
5.根据权利要求4所述的一种基于物联网的环境检测设备管理方法,其特征在于,还包括以下步骤:
若预设类型电设备位于需安装环境检测设备区域的预设范围内,则获取该预设类型电设备的设备型号信息;构建电磁辐射强度计算模型,将所述预设类型电设备的设备型号信息以及预设类型电设备的设备位置信息导入所述电磁辐射强度计算模型中计算出需安装环境检测设备区域的电磁辐射分布场;基于所述需安装环境检测设备区域的电磁辐射分布场构建得到需安装环境检测设备区域的电磁辐射分布图;
获取所述电磁辐射分布图中各位置节点的电磁辐射强度值,将各位置节点的电磁辐射强度值与预设阈值进行比较;
若各位置节点的电磁辐射强度值均大于预设阈值,则构建排序表,并将各个位置节点的电磁辐射强度值均导入所述排序表中进行大小排序,排序完成后,提出取最小辐射强度值,将与最小辐射强度值对应的位置节点标记为该需安装环境检测设备区域的初始安装节点;
若存在一个或多个位置节点的电磁辐射强度值小于预设阈值,并将各电磁辐射强度值小于预设阈值的位置节点与该需安装环境检测设备区域的中间位置节点进行距离值比较,并将与该需安装环境检测设备区域的中间位置节点距离最近的电磁辐射强度值小于预设阈值的位置节点标记为该需安装环境检测设备区域的初始安装节点;
基于各初始安装节点对实时场景三维模型对应的位置节点进行标定,标定完成后,生成环境检测设备的初始三维安装布局图。
6.根据权利要求1所述的一种基于物联网的环境检测设备管理方法,其特征在于,获取环境检测设备三维模型图,基于所述环境检测设备三维模型图与初始三维安装布局图确定出环境检测设备的最终三维安装布局图,并将所述最终三维安装布局图输出,具体为:
获取环境检测设备的尺寸信息,基于所述尺寸信息建立环境检测设备三维模型图;构建模型整合空间,并将所述初始三维安装布局图与环境检测设备三维模型图导入所述模型整合空间中;
获取所述初始三维安装布局图中各初始安装节点的位置信息,基于所述初始安装节点的位置信息将所述环境检测设备三维模型图整合至所述初始三维安装布局图中,以对环境检测设备进行仿真模拟安装,得到模拟安装三维模型图;
获取环境检测设备的工作环境参数,基于所述工作环境参数确定出环境检测设备的实际工作范围;基于阴影法与环境检测设备的实际工作范围对所述模拟安装三维模型图进行渲染,得到渲染后的模拟安装三维模型图;
在所述渲染后的模拟安装三维模型图中判断各需安装环境检测设备区域是否存在非阴影区域;若不存在,则将所述初始三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出;
若存在,则将该非阴影区域标定为待补充环境检测设备区域,并将该待补充环境检测设备区域的中间节点标定为补充安装节点;将所述补充安装节点导入所述初始三维安装布局图中,生成环境检测设备的二次三维安装布局图;重复以上步骤,直至各需安装环境检测设备区域均不存在非阴影区域,将所述二次三维安装布局图转换为最终三维安装布局图,并将所述最终三维安装布局图输出。
7.一种基于物联网的环境检测设备管理***,其特征在于,所述环境检测设备管理***包括存储器与处理器,所述存储器中存储有环境检测设备管理方法程序,所述环境检测设备管理方法程序被所述处理器执行时,实现如权利要求1-6任一项所述的环境检测设备管理方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311007253.7A CN116738552B (zh) | 2023-08-11 | 2023-08-11 | 一种基于物联网的环境检测设备管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311007253.7A CN116738552B (zh) | 2023-08-11 | 2023-08-11 | 一种基于物联网的环境检测设备管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116738552A true CN116738552A (zh) | 2023-09-12 |
CN116738552B CN116738552B (zh) | 2023-10-27 |
Family
ID=87902940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311007253.7A Active CN116738552B (zh) | 2023-08-11 | 2023-08-11 | 一种基于物联网的环境检测设备管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738552B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993025A (zh) * | 2023-09-26 | 2023-11-03 | 广东省农业科学院植物保护研究所 | 一种基于数据处理的虫害诱杀设备管理方法及*** |
CN117094046A (zh) * | 2023-10-18 | 2023-11-21 | 天津华勘基础工程检测有限公司 | 一种水上桩基检测平台的管理方法及*** |
CN117172511A (zh) * | 2023-11-02 | 2023-12-05 | 山东建勘集团有限公司 | 一种基于物联网的工程测量设施智能管理方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884894A (zh) * | 2021-04-28 | 2021-06-01 | 深圳大学 | 场景重建数据采集方法、装置、计算机设备和存储介质 |
WO2021249575A1 (zh) * | 2020-06-09 | 2021-12-16 | 全球能源互联网研究院有限公司 | 一种变电作业场景的区域语义学习与地图点标识方法 |
CN116363601A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种污染监测设备的数据采集与分析方法及*** |
WO2023131090A1 (zh) * | 2022-01-06 | 2023-07-13 | 华为技术有限公司 | 一种增强现实***、多设备构建三维地图的方法及设备 |
CN116502376A (zh) * | 2023-03-30 | 2023-07-28 | 天津华勘老挝矿业有限公司 | 一种矿区开发区域监控设备布局方法及*** |
CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风*** |
-
2023
- 2023-08-11 CN CN202311007253.7A patent/CN116738552B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021249575A1 (zh) * | 2020-06-09 | 2021-12-16 | 全球能源互联网研究院有限公司 | 一种变电作业场景的区域语义学习与地图点标识方法 |
CN112884894A (zh) * | 2021-04-28 | 2021-06-01 | 深圳大学 | 场景重建数据采集方法、装置、计算机设备和存储介质 |
US20220351466A1 (en) * | 2021-04-28 | 2022-11-03 | Shenzhen University | Method, computer device, and storage medium for exploring and collecting scene reconstruction data |
WO2023131090A1 (zh) * | 2022-01-06 | 2023-07-13 | 华为技术有限公司 | 一种增强现实***、多设备构建三维地图的方法及设备 |
CN116502376A (zh) * | 2023-03-30 | 2023-07-28 | 天津华勘老挝矿业有限公司 | 一种矿区开发区域监控设备布局方法及*** |
CN116363601A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种污染监测设备的数据采集与分析方法及*** |
CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风*** |
Non-Patent Citations (3)
Title |
---|
徐刚;刘彬;李海滨;: "一种基于图割的稠密三维场景重建算法", 宇航学报, no. 07 * |
王晓飞;黄蕾;: "面向手机3D动画自动生成的空间分层布局规划", 计算机***应用, no. 10 * |
秦诗凡;熊英;向珊;初文潮;: "CATIA在厂房三维工艺布局中的应用", 工业技术创新, no. 06 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993025A (zh) * | 2023-09-26 | 2023-11-03 | 广东省农业科学院植物保护研究所 | 一种基于数据处理的虫害诱杀设备管理方法及*** |
CN116993025B (zh) * | 2023-09-26 | 2023-12-15 | 广东省农业科学院植物保护研究所 | 一种基于数据处理的虫害诱杀设备管理方法及*** |
CN117094046A (zh) * | 2023-10-18 | 2023-11-21 | 天津华勘基础工程检测有限公司 | 一种水上桩基检测平台的管理方法及*** |
CN117094046B (zh) * | 2023-10-18 | 2023-12-19 | 天津华勘基础工程检测有限公司 | 一种水上桩基检测平台的管理方法及*** |
CN117172511A (zh) * | 2023-11-02 | 2023-12-05 | 山东建勘集团有限公司 | 一种基于物联网的工程测量设施智能管理方法及*** |
CN117172511B (zh) * | 2023-11-02 | 2024-01-16 | 山东建勘集团有限公司 | 一种基于物联网的工程测量设施智能管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116738552B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116738552B (zh) | 一种基于物联网的环境检测设备管理方法及*** | |
CN113769519B (zh) | 一种建筑工地的智能降尘控制方法及*** | |
CN110246112B (zh) | 基于深度学习的激光扫描slam室内三维点云质量评价方法 | |
CN115223049B (zh) | 面向电力场景边缘计算大模型压缩的知识蒸馏与量化方法 | |
CN116359218B (zh) | 一种工业聚集区大气污染移动监测*** | |
Kang et al. | The change detection of building models using epochs of terrestrial point clouds | |
CN108121961A (zh) | 巡检行为识别方法、装置、计算机设备和存储介质 | |
CN111323788B (zh) | 建筑物变化的监测方法、装置及计算机设备 | |
CN112445241A (zh) | 一种基于无人机遥感技术的地表植被识别方法、***及可读存储介质 | |
CN116700016B (zh) | 一种六价铬污染场地修复设备的管理方法及*** | |
CN112489099A (zh) | 点云配准方法、装置、存储介质及电子设备 | |
CN117875719B (zh) | 基于目标三维立体测距的变电站安全预警方法 | |
CN114332977A (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
CN103093243A (zh) | 高分辨率全色遥感图像云判方法 | |
CN113569801B (zh) | 一种配电施工现场带电设备及其带电区域识别方法及装置 | |
CN115130369A (zh) | 基于数字孪生的变电站设备综合状态评估与主动预警方法 | |
CN111695404B (zh) | 行人跌倒检测方法、装置、电子设备及存储介质 | |
CN115392137B (zh) | 一种基于岩溶塌陷水土耦合作用的三维模拟*** | |
CN113052103A (zh) | 一种基于神经网络的电气设备缺陷检测方法及装置 | |
CN117437470A (zh) | 一种基于人工智能的火灾危险等级评估方法及*** | |
CN115564901B (zh) | 一种构建3d建筑模型的方法及装置 | |
CN116912817A (zh) | 三维场景模型拆分方法、装置、电子设备和存储介质 | |
CN114170449A (zh) | 一种基于深度学习的人工智能图像识别装置 | |
Tarkhan et al. | Capturing façade diversity in urban settings using an automated window to wall ratio extraction and detection workflow | |
CN115828400B (zh) | 一种基于卫星云图的输变电工程验收的复验方法及*** |
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 |