CN117238092B - 基于倾斜摄影和人车定位的工业厂区风险预警方法 - Google Patents
基于倾斜摄影和人车定位的工业厂区风险预警方法 Download PDFInfo
- Publication number
- CN117238092B CN117238092B CN202311524470.3A CN202311524470A CN117238092B CN 117238092 B CN117238092 B CN 117238092B CN 202311524470 A CN202311524470 A CN 202311524470A CN 117238092 B CN117238092 B CN 117238092B
- Authority
- CN
- China
- Prior art keywords
- risk
- target
- vehicle
- personnel
- path
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 239000003086 colorant Substances 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 239000000571 coke Substances 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 229910000831 Steel Inorganic materials 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明属于工业安全监测技术领域,旨在提供一种基于倾斜摄影和人车定位的工业厂区风险预警方法,该方法包括:对厂区进行三维建模;获取所有目标设备的运行数据;将厂区三维模型与所有目标设备的运行数据匹配并映射到虚拟孪生空间中;实时判定每个目标设备的风险情况进行风险标记并在虚拟孪生空间中显示;基于具有风险标记的目标设备确定一级风险路径;实时获取人员定位数据和车辆定位数据并将其映射到虚拟孪生空间中并呈现;当判定目标人员和/或目标车辆位于一级风险路径时,向目标人员和/或目标车辆发出报警提示并在虚拟孪生空间中进行预警提示。本发明根据设备的实际运行状态实时动态地更新风险情况,从而准确地向人员和车辆发送风险提示。
Description
技术领域
本发明属于工业安全监测技术领域,具体涉及一种基于倾斜摄影和人车定位的工业厂区风险预警方法。
背景技术
随着钢铁工业数字化转型进入深水区,对于厂区内的行走人员及行驶中的车辆的安全管控也逐步迈向数字化、智能化。最开始工业危险区域管理主要采用平面图和现场标识等方式进行管理控制行人及车辆的进入,在管控过程中需要安全人员定期巡视、实时查看监控画面,出现进入区域的人员和车辆不能及时发现和处理。
现有技术中,一些工厂采用获取视频信息,然后对视频信息分析从而进行风险识别,然后输出视频风险截图,然后向安全管理人员提示风险,这种方式分析视频信息的时间较长,且精度不高,无法做到对人员和车辆进行及时高效的风险管控。还有的一些工厂引入数字化孪生技术,在三维建模后通过三维虚拟环境对设备进行监控,并且预先在三维虚拟环境中设立了四色预警图,从而实现实时监控,然而,这种风险提示方式非常局限,一方面无法根据设备的风险的变化情况做到实时、准确地提示,另一方面往往提示时人员已经处于风险范围内或者风险范围的边界,无法有效地降低风险,安全性有待进一步提高。
鉴于此,本领域需要一种基于倾斜摄影和人车定位的工业厂区风险预警方法来解决上述问题。
发明内容
(一)发明目的
本发明的目的是提供一种基于倾斜摄影和人车定位的工业厂区风险预警方法,旨在解决现有技术中对于工业工厂的安全防控无法做到根据设备的实际运行状态实现实时、准确地风险提示,且降低风险效果有限,安全性有待进一步提高的问题。
(二)技术方案
为解决上述问题,本发明的提供了一种基于倾斜摄影和人车定位的工业厂区风险预警方法,所述方法包括:
采用无人机倾斜摄影方式对厂区进行三维建模,构建厂区三维模型,所述厂区三维模型至少包含所有目标设备的模型和厂区路径的模型;
实时获取所有所述目标设备的运行数据;
将所述厂区三维模型与所有所述目标设备的运行数据匹配并映射到虚拟孪生空间中,所述虚拟孪生空间通过可视化平台显示;
基于每个所述目标设备的运行数据实时判定每个所述目标设备的风险情况并将具有风险的目标设备进行风险标记,在所述虚拟孪生空间中显示具有所述风险标记的目标设备的风险情况;
基于具有所述风险标记的目标设备确定所述厂区路径的模型中的一级风险路径;
采用UWB方式实时获取所有目标人员的人员定位数据;
采用GPS方式实时获取所有目标车辆的车辆定位数据;
将所述人员定位数据和所述车辆定位数据映射到所述虚拟孪生空间中并以人员模型和车辆模型方式实时呈现;
在判定所述目标人员和/或所述目标车辆位于所述一级风险路径的情形下,向所述目标人员和/或所述目标车辆发出报警提示并在所述虚拟孪生空间中进行预警提示。
优选地,基于每个所述目标设备的运行数据实时判定每个所述目标设备的风险情况并将具有风险的目标设备进行风险标记,在所述虚拟孪生空间中显示具有所述风险标记的目标设备的风险情况,包括:
基于每个所述目标设备的运行数据实时判定每个所述目标设备的风险情况并对有风险的目标设备进行风险等级确定,在所述虚拟孪生空间中对有风险的目标设备显示与所述风险等级对应的风险显示方式;
其中,不同的所述风险等级对应不同的所述风险显示方式。
优选地,所述风险显示方式为在虚拟孪生空间中的具有风险的目标设备的模型周边形成具有颜色的电子围栏,不同的所述风险等级对应不同颜色的电子围栏,所述风险等级包括重大风险、较大风险和一般风险,对应于所述重大风险、所述较大风险和所述一般风险的所述电子围栏的颜色分别为红色、橙色和黄色;
基于具有所述风险标记的目标设备确定所述厂区路径的模型中的一级风险路径,包括:
基于具有所述重大风险、所述较大风险或所述一般风险的目标设备确定出所述厂区路径的模型中的与所述重大风险、所述较大风险和所述一般风险的目标设备对应的一级风险路径。
优选地,所述一级风险路径为厂区中与所述重大风险、所述较大风险以及所述一般风险的目标设备直接连通的路径。
优选地,所述一级风险路径为厂区中与所述重大风险、所述较大风险以及所述一般风险的目标设备连通且路径长度不大于预设长度的路径。
优选地,所述目标设备的风险等级越高,所述一级风险路径的长度越长。
优选地,所述风险等级还包括低风险,对应于所述低风险的所述电子围栏的颜色为蓝色;
如果低风险的目标设备不在所述一级风险路径上,所述目标人员和所述目标车辆被设定为进入该低风险的目标设备的蓝色的电子围栏不发出报警提示。
优选地,厂区外来的临时人员和临时车辆均被配置有UWB标签;
所述方法还包括:
采用UWB方式实时获取所有所述临时人员和所有所述临时车辆的定位数据;
将所有所述临时人员和所有所述临时车辆的定位数据映射到所述虚拟孪生空间中并以临时目标模型方式实时呈现;
在判定所述临时人员和/或所述临时车辆位于所述一级风险路径或者位于蓝色的电子围栏内的情形下,向所述临时人员和/或所述临时车辆发出报警提示并在所述虚拟孪生空间中进行预警提示。
优选地,向所述目标人员和/或所述目标车辆发出报警提示,包括:
在向所述目标人员发出报警提示的情形下,向所述目标人员的用户终端发送人员报警提示,其中,所述人员报警提示包括铃声提示、语音提示和振动提示中的至少一种;
在向所述目标车辆发出报警提示的情形下,向所述目标车辆的车载终端发送车辆报警提示,其中,所述车辆报警提示包括铃声提示、语音提示和灯光闪烁提示中的至少一种。
优选地,所述方法还包括:
在判定所述目标人员和/或所述目标车辆位于红色、橙色或黄色的电子围栏中的情形下,启动风险响应预案,并生成日志。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
采用无人机倾斜摄影方式对厂区进行建模,使得建模数据更为精准,更加贴近于真实场景,通过将厂区三维模型与所有目标设备的运行数据匹配并映射到虚拟孪生空间中并通过可视化平台显示能够实现对所有目标设备的实时监控,通过目标设备的运行数据能够实时判定其风险的变化情况,例如有无风险以及有风险时候的风险等级,这样风险监控可以根据目标设备的实际运行状态动态实时动态调节,并且一级风险路径也可以实时进行变化调节,从而为后续的人车定位数据提供基于风险情况实时动态调节更为准确的判定基础,通过对目标人员和目标车辆的实时监测,能够实时判定目标人员和目标车辆的位置,当目标人员和/或目标车辆位于动态变化的一级风险路径的情况下,向目标人员和/或目标车辆发送报警提示,从而将提示下发给具体的人,并且在虚拟孪生空间中进行预警提示也能够方便安全管理人员进行管理和监控,实现“人机环管”的综合管理,相比于现有技术中预先设置预警区域的方案,本发明能够根据设备的风险的变化情况做到实时、准确地提示,且能够在人员距离预警区域的很远距离就能够得到提示,有效地降低风险,提高安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本发明的基于倾斜摄影和人车定位的工业厂区风险预警方法的流程图;
图2是本发明的一级风险路径实施例一的示意图;
图3是本发明的一级风险路径实施例二的示意图;
图4是本发明的一级风险路径实施例三的示意图;
图5是本发明的一级风险路径实施例四的示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
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了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
本发明实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
基于背景技术指出的现有的工业工厂的安全防控无法做到根据设备的实际运行状态实现实时、准确地风险提示,且降低风险效果有限,安全性有待进一步提高的问题,本发明提供了一种基于倾斜摄影和人车定位的工业厂区风险预警方法,旨在能够根据设备的风险的变化情况做到实时、准确地提示,且能够在人员距离预警区域的很远距离就能够得到提示,有效地降低风险,提高安全性。
参见图1,图1是本发明的基于倾斜摄影和人车定位的工业厂区风险预警方法的流程图,该方法包括以下步骤:
S1:采用无人机倾斜摄影方式对厂区进行三维建模,构建厂区三维模型,厂区三维模型至少包含所有目标设备的模型和厂区路径的模型。
在一种可选的实施方式中,在无人机上搭载5个高清镜头,其中4个高清镜头沿不同的四个方向向斜下方倾斜45°布置,最后1个高清镜头垂直向下布置,利用5个高清镜头可以进行高精度数据采集,在影像数据采集的过程中,无人机采用低空飞行,但是要确保无人机的飞行高度高于所有目标设备中最高的目标设备,完成数据采集后,对采集后的数据进行预处理,然后利用倾斜摄影软件开始自动建模和模型优化,用到的建模软件包括ContextCaputre、DP-Modeler和3Dmax等。需要说明的是,上述的建模方式仅是示例性的,本领域技术人员可以基于已知的任意方式进行倾斜摄影三维建模。
在本发明中,厂区三维模型中包含所有目标设备的模型和厂区路径的模型,构建所有目标设备的模型的目的在于为了后续在虚拟孪生空间中更为直观地在可视化平台上监测目标设备的运行状态,也作为后续判定目标设备是否具备风险的模型基础以及与厂区路径的模型进行监控联动。
S2:实时获取所有目标设备的运行数据。
在一些实施方式中,目标设备可以指代一个具体的设备,也可以指代多个机器组成的集成设备,也可以指代一个区域的所有设备的总称,本发明尤其适用于大型设备,这些大型设备占地面积较大,一般在厂区内单独占有一个较大的区域,例如对于钢铁厂的应用场景,目标设备可以包括高炉、制粉车间、泵房、焦炉、料仓、冷却塔、凉水塔、初冷器、料仓和熄焦塔等,当然,上述目标设备仅是示例性的,不构成对本发明的任何限制。
S3:将厂区三维模型与所有目标设备的运行数据匹配并映射到虚拟孪生空间中,虚拟孪生空间通过可视化平台显示。
在一些实施方式中,将厂区三维模型中的目标设备的模型与目标设备的运行数据进行关联,并且映射到虚拟孪生空间中,这样通过可视化平台能够监测目标设备的运行状态,例如对于钢铁厂的高炉,可以将高炉模型映射到虚拟孪生空间中,同时在虚拟孪生空间能够基于高炉实际的运行数据显示高炉当前的运行状态,具体地,可视化平台可以具有UI界面,安全管理人员可以观察UI界面上的运行数据来监测高炉的状态。例如高炉的参数可以有高炉的风温、料速和气体含量等。
S4:基于每个目标设备的运行数据实时判定每个目标设备的风险情况并将具有风险的目标设备进行风险标记,在虚拟孪生空间中显示具有风险标记的目标设备的风险情况。
判定目标设备是否具有风险可以通过判定目标设备的开闭状态来区分,又或者目标设备的一些重要参数数据是否超过设定阈值等。
在一些优选的实施方式中,上述步骤S4包括:
基于每个目标设备的运行数据实时判定每个目标设备的风险情况并对有风险的目标设备进行风险等级确定,在虚拟孪生空间中对有风险的目标设备显示与风险等级对应的风险显示方式;其中,不同的风险等级对应不同的风险显示方式。即,对每个目标设备的风险情况都需要进行判定,并且在判定有风险时确定高炉设备的风险等级,风险等级有高度之分,不同的风险等级需要在虚拟孪生空间中以不同的风险显示方式显示,不同的风险显示方式可以通过颜色进行区分,也可以通过不同的形状进行区分,又或者通过不同的标识进行区分,当然,也可以采用颜色、形状、标识等元素的组合进行区分,本领域技术人员可以对此进行灵活地设置,本发明不对此进行限定。
优选地,风险显示方式为在虚拟孪生空间中的具有风险的目标设备的模型周边形成具有颜色的电子围栏,不同的风险等级对应不同颜色的电子围栏,风险等级包括重大风险、较大风险和一般风险,对应于重大风险、较大风险和一般风险的电子围栏的颜色分别为红色、橙色和黄色。
进一步地,风险等级还可以包括低风险,对应于低风险的电子围栏的颜色为蓝色。
一般来讲,对于重大风险、较大风险和一般风险的区域,均为需要进行人车管控的区域,只有安全管理人员和授权人员能够进入,其他的厂区人员不允许进入,而低风险区域和无风险区域厂区人员原则上可以正常进入。
需要说明的是,本发明针对于每个目标设备的风险情况的判定都是实时进行的,一个目标设备的风险等级也不是固定的,而是结合该目标设备的运行数据实时变化的,例如当某个目标设备开启时,其为具有重大风险的设备,当该目标设备关闭时,其为无风险或者低风险的设备,又比如当某个设备的温度参数值高于第一温度设定阈值时,其为重大风险的设备,当其温度参数值低于或等于第一设定阈值且高于第二温度设定阈值时,其为较大风险的设备,当其温度参数值低于或等于第三设定阈值时,其为低风险的设备,对应的电子围栏的颜色也可以动态调整,从而使得后面判定的一级风险路径也可以动态调整。
当然,上述风险等级的划分方式仅是示例性的,不构成对本发明的任何限制。
S5:基于具有风险标记的目标设备确定厂区路径的模型中的一级风险路径。
在一种优选的实施方式中,上述步骤S5包括:
基于具有重大风险、较大风险或一般风险的目标设备确定出厂区路径的模型中的与重大风险、较大风险和一般风险的目标设备对应的一级风险路径。
即,当厂区内出现一般风险及以上的目标设备时,所有一般风险及以上的目标设备都需要设定与其对应的一级风险路径,例如当钢铁厂的高炉为重大风险、冷却塔为一般风险时,根据高炉所在的位置和冷却塔所在的位置设定一级风险路径,设置一级风险路径的优势在于人车不需要靠近或进入相应的电子围栏中才进行报警,而是在一级风险路径上时就需要报警,对目标人员和目标车辆的报警可以提前操作,且由于一级风险路径与风险的目标设备相对应,如果目标人员和/或目标车辆位于一级风险路径上时,可以判定目标人员和/或目标车辆是极大概率要向风险的目标设备方向行进的。
S6:采用UWB方式实时获取所有目标人员的人员定位数据。
具体地,可以在厂区中设置多个UWB基站,多个UWB基站可以呈规则的间隔设置,也可以呈不规则的方式设置,优选的是多个UWB基站能够覆盖厂区的全部区域,从而实现对目标人员的无死角监测,目标人员可以佩戴UWB穿戴设备,例如UWB头盔、UWB手表等,UWB穿戴设备中具有能够被UWB基站识别的标签,从而实时准确地定位目标人员的位置。
S7:采用GPS方式实时获取所有目标车辆的车辆定位数据。
具体地,可以通过差分GPS方式获取所有目标车辆的车辆定位数据,这些目标车辆为预先存储于***中的车辆,可以通过车辆识别代号作为区分不同车辆的唯一标识,采用差分GPS方式的优势在于定位精度高,可以实时准确地识别出目标车辆的位置。
S8:将人员定位数据和车辆定位数据映射到虚拟孪生空间中并以人员模型和车辆模型方式实时呈现。
优选地,人员模型和车辆模型可以预先存储于***中,针对于不同职能的目标人员,可以用不同的人员模型进行区分,例如人员模型可以显示名字、职能和/或其他信息,也可以通过不同颜色的人员模型指代不同职能的目标人员,车辆模型可以按照车辆的型号或者类别进行不同的模型建立,本领域技术人员对此可以进行灵活地设置。
S9:在判定目标人员和/或目标车辆位于一级风险路径的情形下,向目标人员和/或目标车辆发出报警提示并在虚拟孪生空间中进行预警提示。
可选地,在向目标人员发出报警提示的情形下,向目标人员的用户终端发送人员报警提示,其中,人员报警提示包括铃声提示、语音提示和振动提示中的至少一种。即,向目标人员发出报警提示可以通过用户的手机、平板或者移动穿戴设备等用户终端进行,从而便于目标人员快速响应。当然,作为替代性地,厂区内还可以设置多个播报器或者声光提示器,通过播报方式或声光提示的方式对目标人员进行提示。
可选地,在向目标车辆发出报警提示的情形下,向目标车辆的车载终端发送车辆报警提示,其中,车辆报警提示包括铃声提示、语音提示和灯光闪烁提示中的至少一种。由于目标车辆中的驾驶人员对外界感知度较低,因此可以通过车载终端的铃声提示、语音提示和/或灯光闪烁提示对其进行提示,从而实现目标车辆的快速响应。
在上述中,如果目标人员在目标车辆上,则可以既向目标人员的用户终端发送,又向目标车辆的车载终端发送,从而进行多方预警提示。
在一种可能的情形中,如果低风险的目标设备不在一级风险路径上,目标人员和目标车辆被设定为进入该低风险的目标设备的蓝色的电子围栏不发出报警提示。需要说明的是,在一些情形中,如果低风险或者无风险的目标设备在一级风险路径上,那么由于该一级风险路径会通向其他的被判定为一般风险及以上的目标设备,那么目标人员和/或目标车辆处于该一级风险路径上时仍然要向目标人员和/或目标车辆发出预警提示。
下面通过一级风险路径的多个不同实施例来进一步阐述本发明的技术方案。
实施例一
如图2所示,一级风险路径为厂区中与重大风险、较大风险以及一般风险的目标设备直接连通的路径,例如行进向某个重大风险的目标设备时,需要依次经过第一路径再经过第二路径才能够到达该目标设备,那么此时第一路径是与该目标设备间接连通的路径,第二路径才是与该目标设备直接连通的路径,在这种情况下,第一路径并非一级风险路径,第二路径才是一级风险路径。在图2中,高炉被判定为重大风险的目标设备,虚拟孪生空间中其周边形成红色电子围栏,焦炉被判定为较大风险的目标设备,虚拟孪生空间中其周边形成橙色电子围栏,电炉被判定为低风险的目标设备,虚拟孪生空间中其周边形成蓝色电子围栏,热电站被判定为无风险的目标设备,与高炉直接连通的路径为一级风险路径,与焦炉直接连通的路径也为一级风险路径。
实施例二
如图3所示,一级风险路径为分别以厂区中的重大风险、较大风险以及一般风险的目标设备为圆心,在其各自的预设半径R内能覆设的路径。在图3中,高炉被判定为重大风险的目标设备,虚拟孪生空间中其周边形成红色电子围栏,焦炉被判定为较大风险的目标设备,虚拟孪生空间中其周边形成橙色电子围栏,电炉被判定为低风险的目标设备,虚拟孪生空间中其周边形成蓝色电子围栏,热电站被判定为无风险的目标设备,分别以高炉、焦炉为圆心,在其各自的预设半径R内能覆设的路径均为一级风险路径。
实施例三
如图4所示,一级风险路径为厂区中与重大风险、较大风险以及一般风险的目标设备连通且路径长度不大于预设长度的路径,且所有一级路径的长度相同。本实施例相比于实施例二,能够进一步地贴合实际情况,由于不同的路径可能是直线路径,也可能是曲线路径,按照路径上的实际路径长度来设定避免由于预设半径内曲线路径过多而导致风险提示范围过大,或者预设半径内不同长度的路径过多而导致各个路径的标准不一。在图4中,高炉被判定为重大风险的目标设备,虚拟孪生空间中其周边形成红色电子围栏,焦炉被判定为较大风险的目标设备,虚拟孪生空间中其周边形成橙色电子围栏,电炉被判定为低风险的目标设备,虚拟孪生空间中其周边形成蓝色电子围栏,热电站被判定为无风险的目标设备,所有一级路径的长度相同。
实施例四
如图5所示,一级风险路径为厂区中与重大风险、较大风险以及一般风险的目标设备连通且路径长度不大于预设长度的路径,且目标设备的风险等级越高,对应的一级路径的长度越长,重大风险的目标设备对应的一级路径的长度大于较大风险的目标设备对应的一级路径,较大风险的目标设备对应的一级路径大于一般风险的目标设备对应的一级路径。本实施例相比于实施例三,能够结合风险等级的高低针对性地制定不同长度的风险路径,目标人员和/或目标设备得到的提示时间不同,从而极大地规避风险,进一步提高安全性。在图5中,高炉被判定为重大风险的目标设备,虚拟孪生空间中其周边形成红色电子围栏,焦炉被判定为较大风险的目标设备,虚拟孪生空间中其周边形成橙色电子围栏,电炉被判定为低风险的目标设备,虚拟孪生空间中其周边形成蓝色电子围栏,热电站被判定为无风险的目标设备,对应于高炉的一级风险路径的长度大于对应于焦炉的一级风险路径的长度。
优选地,本发明的方法还包括:
在判定目标人员和/或目标车辆位于红色、橙色或黄色的电子围栏中的情形下,启动风险响应预案,并生成日志,即目标人员和/或目标车辆如果进入了红色、橙色或黄色的电子围栏中时,说明目标人员和/或目标车辆未接收到/未注意/故意忽视之前位于一级风险路径时的预警提示,此时***启动风险响应预案,该预案可以预先存储于***中,预案中包括应对相应突发情况时的具体动作,例如通知最近的安全管理人员去现场进行管控,或者关闭通往目标设备内部的通道,又或者在一些条件允许的情形下关闭对应的目标设备。
在一些实施方式中,本发明的方法还包括:
当判定目标人员和/或目标车辆位于红色、橙色或黄色的电子围栏中的情形下,向目标人员和/或目标车辆发送规避风险设备的路径规划信息或者紧急停靠区域信息。即,当目标人员和/或目标车辆处于红色、橙色或黄色的电子围栏中时,此时目标人员和/或目标车辆处于相对危险的位置,此时可以通过向目标人员和/或目标车辆发送规避风险设备的路径规划信息指引目标人员和/或目标车辆远离风险的目标设备所在的区域,或者向目标人员和/或目标车辆发送紧急停靠区域信息指引目标人员和/或目标车辆前往特定的紧急停靠区域等待救援,其中,向目标人员发送规避风险设备的路径规划信息或者紧急停靠区域信息可以向目标人员的用户终端发送,例如可以在用户终端的APP中显示,向目标车辆发送规避风险设备的路径规划信息或者紧急停靠区域信息可以向目标车辆的车载终端发送,如果目标人员在目标车辆上,则可以既向目标人员的用户终端发送,又向目标车辆的车载终端发送,从而进行多方预警提示。
优选地,厂区外来的临时人员和临时车辆均被配置有UWB标签;本发明的方法还包括:
采用UWB方式实时获取所有临时人员和所有临时车辆的定位数据;
将所有临时人员和所有临时车辆的定位数据映射到虚拟孪生空间中并以临时目标模型方式实时呈现;
在判定临时人员和/或临时车辆位于一级风险路径或者位于蓝色的电子围栏内的情形下,向临时人员和/或临时车辆发出报警提示并在虚拟孪生空间中进行预警提示。
在上述中,可以通过上述控制方式对厂区的外来人员和外来车辆进行监测和管控,在外来人员和外来车辆入厂时,需要配置能够进行监测的设备,这些设备中具有UWB标签,从而能够被厂区内的UWB基站检测和感知,这些设备中的UWB标签中具有仅针对于外来人员和外来车辆的标识码,从而与目标人员和目标车辆进行区分,对于外来人员和外来车辆,低风险的区域也被限制不能进入,只能在无风险的区域活动。
本发明实施例涉及的用户终端(User Equipment),其可以是USB存储设备、其他个人计算机内存设备和加密狗,也可以经无线接入网络(Radio Access Network, RAN)与一个或多个核心网(Core Network, CN)进行通信,UE可以是移动终端设备,如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网络交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(SessionInitiated Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)、个人计算机、平板电脑、机器类通信(Machine-type Communication,MTC)终端设备等设备。
本发明的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (3)
1.一种基于倾斜摄影和人车定位的工业厂区风险预警方法,其特征在于,所述方法包括:
采用无人机倾斜摄影方式对厂区进行三维建模,构建厂区三维模型,所述厂区三维模型至少包含所有目标设备的模型和厂区路径的模型;
实时获取所有所述目标设备的运行数据;
将所述厂区三维模型与所有所述目标设备的运行数据匹配并映射到虚拟孪生空间中,所述虚拟孪生空间通过可视化平台显示;
基于每个所述目标设备的运行数据实时判定每个所述目标设备的风险情况并对有风险的目标设备进行风险等级确定,在所述虚拟孪生空间中对有风险的目标设备显示与所述风险等级对应的风险显示方式,所述风险显示方式为在虚拟孪生空间中的具有风险的目标设备的模型周边形成具有颜色的电子围栏,不同的所述风险等级对应不同颜色的电子围栏,所述风险等级包括重大风险、较大风险、一般风险和低风险,对应于所述重大风险、所述较大风险、所述一般风险和所述低风险的所述电子围栏的颜色分别为红色、橙色、黄色和蓝色;
基于具有所述重大风险、所述较大风险或所述一般风险的目标设备确定出所述厂区路径的模型中的与所述重大风险、所述较大风险和所述一般风险的目标设备对应的一级风险路径,其中,所述一级风险路径为厂区中与所述重大风险、所述较大风险以及所述一般风险的目标设备连通且路径长度不大于预设长度的路径,所述目标设备的风险等级越高,所述一级风险路径的长度越长;
采用UWB方式实时获取所有目标人员的人员定位数据;
采用GPS方式实时获取所有目标车辆的车辆定位数据;
将所述人员定位数据和所述车辆定位数据映射到所述虚拟孪生空间中并以人员模型和车辆模型方式实时呈现;
在判定所述目标人员和/或所述目标车辆位于所述一级风险路径的情形下,向所述目标人员和/或所述目标车辆发出报警提示并在所述虚拟孪生空间中进行预警提示;
如果低风险的目标设备不在所述一级风险路径上,所述目标人员和所述目标车辆被设定为进入该低风险的目标设备的蓝色的电子围栏不发出报警提示;
厂区外来的临时人员和临时车辆均被配置有UWB标签,所述UWB标签中具有仅针对于外来人员和外来车辆的标识码,从而与所述目标人员和所述目标车辆进行区分;
所述方法还包括:
采用UWB方式实时获取所有所述临时人员和所有所述临时车辆的定位数据;
将所有所述临时人员和所有所述临时车辆的定位数据映射到所述虚拟孪生空间中并以临时目标模型方式实时呈现;
在判定所述临时人员和/或所述临时车辆位于所述一级风险路径或者位于蓝色的电子围栏内的情形下,向所述临时人员和/或所述临时车辆发出报警提示并在所述虚拟孪生空间中进行预警提示。
2.根据权利要求1所述的基于倾斜摄影和人车定位的工业厂区风险预警方法,其特征在于,向所述目标人员和/或所述目标车辆发出报警提示,包括:
在向所述目标人员发出报警提示的情形下,向所述目标人员的用户终端发送人员报警提示,其中,所述人员报警提示包括铃声提示、语音提示和振动提示中的至少一种;
在向所述目标车辆发出报警提示的情形下,向所述目标车辆的车载终端发送车辆报警提示,其中,所述车辆报警提示包括铃声提示、语音提示和灯光闪烁提示中的至少一种。
3.根据权利要求1所述的基于倾斜摄影和人车定位的工业厂区风险预警方法,其特征在于,所述方法还包括:
在判定所述目标人员和/或所述目标车辆位于红色、橙色或黄色的电子围栏中的情形下,启动风险响应预案,并生成日志。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311524470.3A CN117238092B (zh) | 2023-11-16 | 2023-11-16 | 基于倾斜摄影和人车定位的工业厂区风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311524470.3A CN117238092B (zh) | 2023-11-16 | 2023-11-16 | 基于倾斜摄影和人车定位的工业厂区风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117238092A CN117238092A (zh) | 2023-12-15 |
CN117238092B true CN117238092B (zh) | 2024-01-30 |
Family
ID=89089779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311524470.3A Active CN117238092B (zh) | 2023-11-16 | 2023-11-16 | 基于倾斜摄影和人车定位的工业厂区风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117238092B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288995A (zh) * | 2020-11-09 | 2021-01-29 | 华能通辽风力发电有限公司 | 一种风电场升压站虚拟隔离安全防护*** |
CN114245294A (zh) * | 2021-12-01 | 2022-03-25 | 新疆天池能源有限责任公司 | 一种3d人员定位用人员安全管控*** |
CN114245292A (zh) * | 2021-12-01 | 2022-03-25 | 新疆天池能源有限责任公司 | 一种基于人员定位触发的危险源告警方法及*** |
WO2022088653A1 (zh) * | 2020-10-30 | 2022-05-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备、存储介质及程序 |
CN115410354A (zh) * | 2022-08-31 | 2022-11-29 | 国能神东煤炭集团有限责任公司 | 工业厂区的安全预警方法、装置和安全预警*** |
CN116070974A (zh) * | 2023-02-13 | 2023-05-05 | 南京捷鹰数码测绘有限公司 | 一种基于数字孪生的智慧工厂控制*** |
CN116935641A (zh) * | 2023-07-24 | 2023-10-24 | 重庆长安汽车股份有限公司 | 一种路况风险预警方法、装置及控制设备 |
-
2023
- 2023-11-16 CN CN202311524470.3A patent/CN117238092B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088653A1 (zh) * | 2020-10-30 | 2022-05-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备、存储介质及程序 |
CN112288995A (zh) * | 2020-11-09 | 2021-01-29 | 华能通辽风力发电有限公司 | 一种风电场升压站虚拟隔离安全防护*** |
CN114245294A (zh) * | 2021-12-01 | 2022-03-25 | 新疆天池能源有限责任公司 | 一种3d人员定位用人员安全管控*** |
CN114245292A (zh) * | 2021-12-01 | 2022-03-25 | 新疆天池能源有限责任公司 | 一种基于人员定位触发的危险源告警方法及*** |
CN115410354A (zh) * | 2022-08-31 | 2022-11-29 | 国能神东煤炭集团有限责任公司 | 工业厂区的安全预警方法、装置和安全预警*** |
CN116070974A (zh) * | 2023-02-13 | 2023-05-05 | 南京捷鹰数码测绘有限公司 | 一种基于数字孪生的智慧工厂控制*** |
CN116935641A (zh) * | 2023-07-24 | 2023-10-24 | 重庆长安汽车股份有限公司 | 一种路况风险预警方法、装置及控制设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117238092A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080260A (zh) | 一种智慧工地管理平台 | |
KR102398841B1 (ko) | 영상 분석에 기반하여 건설 현장의 위험을 판단하기 위한 방법 및 시스템 | |
CN109658692B (zh) | 基于自组网的信号灯控制方法、装置、设备及存储介质 | |
CN108205694B (zh) | 一种基于色谱信标的施工现场作业人员定位*** | |
CN105184522A (zh) | 一种变电站巡检越位告警***及告警方法 | |
CN110070155A (zh) | 一种基于可穿戴设备的服刑人员综合行为识别方法及*** | |
CN111163294A (zh) | 一种人工智能目标识别的建筑安全通道监测***和方法 | |
CN107369290A (zh) | 1000kV特高压交流变电站检修作业安全预警***及方法 | |
CN107730806A (zh) | 输电线路防外力破坏激光对射监测预警装置 | |
WO2008041391A1 (fr) | Système de surveillance de la position d'un objet mobile | |
CN106503830A (zh) | 一种无人机巡逻***及其巡逻方法 | |
CN109345787A (zh) | 一种基于智能图像识别技术的输电线路防外损监控报警*** | |
CN113367430A (zh) | 一种用于建筑施工人员穿戴的智能化装置及人员监控*** | |
CN210865118U (zh) | 一种海上风电场电子围栏及声光预警设备 | |
CN113404318A (zh) | 基于bim、uwb和ar技术的临边洞口施工管控方法 | |
CN110058196B (zh) | 一种用于化工厂中的位置监测*** | |
CN117238092B (zh) | 基于倾斜摄影和人车定位的工业厂区风险预警方法 | |
CN106678763A (zh) | 一种基于城市级别公共照明网络的城市红线管理设备 | |
KR20220161679A (ko) | 하이브리드 소방용 시설물 관리시스템 | |
CN209118439U (zh) | 一种逃生指示牌、逃生控制单元及*** | |
KR102114712B1 (ko) | 스마트 플랫폼 기반의 지능형 블랙박스 시스템 | |
CN107645650A (zh) | 安防区域监控方法和安防区域监控*** | |
CN116758465A (zh) | 一种基于动态ai视觉的燃气管线车载巡检*** | |
CN115082765B (zh) | 现场作业管理方法及现场作业管理*** | |
CN116052356A (zh) | 一种智能工地监控平台 |
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 |