CN117994737B - 一种智慧工地管控平台的监控报警***及方法 - Google Patents
一种智慧工地管控平台的监控报警***及方法 Download PDFInfo
- Publication number
- CN117994737B CN117994737B CN202410406401.0A CN202410406401A CN117994737B CN 117994737 B CN117994737 B CN 117994737B CN 202410406401 A CN202410406401 A CN 202410406401A CN 117994737 B CN117994737 B CN 117994737B
- Authority
- CN
- China
- Prior art keywords
- camera
- distance
- cameras
- subsystem
- target object
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000010276 construction Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及智慧管理技术领域,提供一种智慧工地管控平台的监控报警***及方法,该***包括智慧工地管控中台、图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***;语义分割子***与评估预警子***连接组成工地监控报警***,智慧工地管控中台分别与图像传感器子***、摄像子***、工地监控报警***和目标追踪子***连接。本发明通过图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***,实现了以智能化的方式全面对工地进行建筑监控和人员监控,不需要人工操作,提高了工地区域的安全性。
Description
技术领域
本发明涉及智慧管理技术领域,尤其涉及一种智慧工地管控平台的监控报警***及方法。
背景技术
在现有的工地管控平台的监控报警***中,主要是通过人工的方式进行监控报警,即以人工方式对摄像设备拍摄到工地区域的信息进行分析,在经过分析得到结果后,若确定存在危险,则发出报警。然而,人工分析方式的过程中存在人为主观因素的影响,从而导致最后分析出来的结果是存在误差的,从而导致分析结果不一致,使得工地区域的安全性低。
发明内容
本发明针对现有技术中存在的技术问题,提供一种智慧工地管控平台的监控报警***及方法,用以智能化的方式全面对工地进行建筑监控和人员监控,不需要人工操作,提高了工地区域的安全性。
本发明解决上述技术问题的技术方案如下:一种智慧工地管控平台的监控报警***,包括智慧工地管控中台、图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***;所述语义分割子***与所述评估预警子***连接组成工地监控报警***,所述智慧工地管控中台分别与所述图像传感器子***、所述摄像子***、所述工地监控报警***和所述目标追踪子***连接,对其数据进行存储和管理;
所述摄像子***用于:获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数;其中,所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
所述图像传感器子***用于:采集多个时刻预设工地区域的空间图像信息;
所述目标追踪子***用于:基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
所述语义分割子***用于:对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
所述评估预警子***用于:基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
本发明还提供一种智慧工地管控平台的监控报警方法,包括:
获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻所述预设工地区域的空间图像信息;所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
根据本发明提供的一种智慧工地管控平台的监控报警方法,基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警,包括:
在基于多个相邻时刻对应的多个语义建筑结构信息计算得到的相似度大于或者等于相似度阈值的情况下,基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据所述不连续性结构评估结果进行安全预警。
根据本发明提供的一种智慧工地管控平台的监控报警方法,基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据所述不连续性结构评估结果进行安全预警,包括:
提取每个时刻对应的多个语义建筑结构信息的不连续性结构特征,并确定所述不连续性结构特征对应的特征属性;
基于所述不连续性结构特征对应的特征属性进行风险等级分类;其中,所述风险等级包括安全等级、低风险等级和高风险等级。
根据本发明提供的一种智慧工地管控平台的监控报警方法,基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置,包括:
基于位置预测步骤分别确定各相机对应的预测位置;
基于各所述预测位置和各所述拍摄时长进行加权计算,得到所述目标物体的空间位置;
所述位置预测步骤包括:
基于相机的水平距离、外参参数以及夹角,确定相机对应的预测位置,其中,所述夹角是所述目标物体与相机之间的夹角。
根据本发明提供的一种智慧工地管控平台的监控报警方法,当相机的数量为两个时,基于如下公式计算得到各相机对应的预测位置:
;
;
其中,表示第一个相机对应的预测位置,/>表示所述第一个相机的安装位置的坐标,/>表示所述第一个相机的水平距离,/>表示所述第一个相机的夹角,/>表示所述第一个相机的水平方向转动角,/>表示第二个相机对应的预测位置,/>表示所述第二个相机的安装位置的坐标,/>表示所述第二个相机的水平距离,/>表示所述第二个相机的夹角,/>表示所述第二个相机的水平方向转动角。
根据本发明提供的一种智慧工地管控平台的监控报警方法,在获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数之前,还包括:
对各相机采集到的图像进行比对匹配,将匹配为同一目标的目标物体以相同的标识信息进行标识;
基于各相机采集到的图像,确定所述目标物体与各相机之间的直线距离;
分别基于各所述直线距离确定各相机的水平距离。
根据本发明提供的一种智慧工地管控平台的监控报警方法,基于各相机采集到的图像,确定所述目标物体与各相机之间的直线距离,包括:
将各相机采集到的图像分别输入至距离度量预测模型,得到所述距离度量预测模型对应输出的预测距离;
分别基于各相机对应的距离估测偏差值,对各所述预测距离进行矫正,得到各所述直线距离;
相应地,所述距离估测偏差值是基于如下步骤确定的:
将各相机采集到的测试图像分别与标准相机采集到的测试图像进行对齐;
将对齐后的测试图像分别输入至所述距离度量预测模型,得到所述距离度量预测模型对应输出的预测测试距离;
将所述标准相机采集到的测试图像输入至所述距离度量预测模型,得到所述距离度量预测模型输出的标准预测距离;
基于各所述预测测试距离和所述标准预测距离,确定各相机对应的距离估测偏差值。
本发明还提供一种电子设备,包括:存储器,用于存储计算机软件程序;处理器,用于读取并执行所述计算机软件程序,进而实现如上述任一种所述智慧工地管控平台的监控报警方法。
本发明还提供一种非暂态计算机可读存储介质,其特征在于,所述存储介质中存储有计算机软件程序,所述计算机软件程序被处理器执行时实现如上述任一种所述智慧工地管控平台的监控报警方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述智慧工地管控平台的监控报警方法。
本发明的有益效果是:通过图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***,实现了以智能化的方式全面对工地进行建筑监控和人员监控,不需要人工操作,提高了工地区域的安全性。
附图说明
图1是本发明提供的智慧工地管控平台的监控报警***的结构示意图;
图2是本发明提供的智慧工地管控平台的监控报警方法的流程示意图;
图3是本发明提供的目标物体在单个相机下的水平距离示意图;
图4是本发明提供的多视角联合定位的示意图;
图5是本发明提供的距离度量预测模型的结构示意图;
图6为本发明实施例提供的电子设备的实施例示意图;
图7为本发明实施例提供的计算机可读存储介质的实施例示意图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明的描述中,术语“例如”一词用来表示“用作例子、例证或说明”。本发明中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本发明所公开的原理和特征的最广范围相一致。
下面结合图1描述本发明的一种智慧工地管控平台的监控报警***,监控报警***包括智慧工地管控中台、图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***。
在一可选实施例中,语义分割子***与评估预警子***连接组成工地监控报警***,智慧工地管控中台分别与图像传感器子***、摄像子***、工地监控报警***和目标追踪子***连接,对其数据进行存储和管理。
在一可选实施例中,摄像子***可以理解为由多个相机构成的拍照***,因此,摄像子***可以获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数,其中,预设工地区域是用户根据实际选定的,水平距离是目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,拍摄时长是相机连续跟踪拍摄到目标物体的时长。同时,摄像子***将获取到的预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数传输至智慧工地管控中台。
在一可选实施例中,图像传感器子***可以理解为由多个不同朝向的图像传感器构成的用于空间图像信息采集的***,因此,图像传感器子***可以采集多个时刻预设工地区域的空间图像信息。同时,图像传感器子***将采集到的多个时刻预设工地区域的空间图像信息传输至智慧工地管控中台。
在一可选实施例中,智慧工地管控中台将预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数传输至目标追踪子***,因此,目标追踪子***可以根据各水平距离、各拍摄时长和各外参参数进行加权计算,得到目标物体的空间位置。同时,将目标物体的空间位置传输至智慧工地管控中台。
在一可选实施例中,智慧工地管控中台将每个时刻的空间图像信息传输至语义分割子***,因此,语义分割子***可以对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息。同时,语义分割子***将每个时刻对应的多个语义建筑结构信息传输至评估预警子***。
在一可选实施例中,评估预警子***接收语义分割子***发送的每个时刻对应的多个语义建筑结构信息,因此,评估预警子***可以根据多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
本发明实施例通过图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***,实现了以智能化的方式全面对工地进行建筑监控和人员监控,不需要人工操作,提高了工地区域的安全性。
下面结合图2描述本发明的一种智慧工地管控平台的监控报警方法:
步骤101,获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻预设工地区域的空间图像信息。
具体地,获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻预设工地区域的空间图像信息,其中,预设工地区域是用户根据实际选定的,目标物体可以包括但不限于行人、车辆,水平距离是目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,拍摄时长是相机连续跟踪拍摄到目标物体的时长。
图3是本发明提供的目标物体在单个相机下的水平距离示意图,如图3所示,表示目标物体与相机1之间的水平距离,随着目标物体从左向右移动,水平距离逐渐增大。应理解,水平距离是目标物体与相机之间的水平距离,是根据相机拍摄到的图像计算确定的;获取到的多个水平距离是同一时刻下,目标物体在多个相机的角度下的水平距离。
此处,相机的外参参数是描述相机位置、方向和观察角度的参数,用于世界坐标转换为相机坐标,例如包括相机的角度等。
步骤102,基于各水平距离、各拍摄时长和各外参参数进行加权计算,得到目标物体的空间位置。
具体地,由于相机的位置坐标固定,基于水平距离和外参参数可以确定目标物体相对于相机的位置,进而确定目标物体的位置.因此,对每一个相机,基于对应的水平距离和外参参数,计算得到目标物体的预测位置后,根据各相机的拍摄时长,对各相机计算得到的预测位置进行加权计算,最终确定目标物体的空间位置。可以理解的是,相机的拍摄时长越长,其可靠性越高,可以认为其计算得到的预测位置越准确,因此,相机的拍摄时长越长,其计算得到的预测位置的权重越大。因此,一方面,在单个相机视野受限时,如存在遮挡,依旧可以基于其他相机进行跟踪定位,提高了目标物体定位的鲁棒性,另一方面,基于目标物体在多个相机中的位置,对目标物体进行定位,提高了监控定位的准确性。此外,相机的拍摄时长越长,其可靠性越高,根据各个相机的拍摄时长计算目标物体的空间位置,进一步提高了目标物体定位的准确性。
步骤103,对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息。
针对实时采集的多个时刻的预设工地区域的空间图像信息,基于机器学习相关神经网络,包括但不限于PointNet、KPConv,进行场景语义实例分割,提取包括但不限于墙体、柱子、梁、楼板、楼梯、承重墙等相关语义建筑结构信息。其中,同一位置在每个时刻都具有对应的多个语义建筑结构信息。可选地,每个时刻对应的多个语义建筑结构信息可存入相应数据库中。
步骤104,基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
具体地,基于多个相邻时刻对应的多个语义建筑结构信息计算相似度,基于相似度评估结果,确定建筑墙体状态是否存在异常。进一步地,基于多个相邻时刻对应的多个语义建筑结构信息进行不连续性结构的分析,基于分析结果,确定是否存在不连续性结构状态异常。
进一步地,基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警,包括:
在基于多个相邻时刻对应的多个语义建筑结构信息计算得到的相似度大于或者等于相似度阈值的情况下,基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据不连续性结构评估结果进行安全预警。
本发明通过预设工地区域的目标物体在多个相机的角度下的信息,以及多个时刻预设工地区域的空间图像信息,全面对工地进行建筑监控和人员监控,不需要人工操作,提高了工地区域的安全性。
可选地,相似度是基于以下步骤得到的:
通过数字化注册配准算法,基于当前时刻的多个语义建筑结构信息和相同位置上一时刻的多个语义建筑结构信息进行计算,得到相似度;其中,数字化注册配准算法用于实现相同位置建筑结构的时序相似度评估。
具体地,针对所提取的语义建筑结构信息,结合历史时序相近的数字化构建结果数据及相应历史语义建筑结构先验信息,通过数字化注册配准算法进行处理分析。其中,数字化注册配准算法包括但不限于迭代最近点算法(ICP)、正态分布变换算法(NDT)、特征配准图优化算法、拓扑结构比较法,基于数字化注册配准算法实现同位置建筑结构的时序相似度评估。
进一步地,在相似度数值小于相似度阈值的情况下,认定为相应区域建筑结构物理变化程度较大,可能出现片帮及冒顶情况,将进行安全状态异常预警。
进一步地,在相似度数值大于或等于相似度阈值的情况下,进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据不连续性结构评估结果进行安全预警。因此,本实施例在进行建筑墙体状态分析之后,进一步进行不连续性结构的分析,实现作业空间中安全状态实时监测与预警。
基于上述实施例,基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警,包括:
提取每个时刻对应的多个语义建筑结构信息的不连续性结构特征,并确定不连续性结构特征对应的特征属性;
基于不连续性结构特征对应的特征属性进行风险等级分类;其中,风险等级包括安全等级、低风险等级和高风险等级。
具体地,继续针对语义建筑结构信息进行处理与提取,根据纹理、颜色、空间深度信息等,结合各类边缘识别算法、平面拟合算法、机器学习算法以及各类不连续性结构物理模型,完成不连续性结构相关特征的提取,包括但不限于裂缝、节理、断层等,并根据物理模型进行包括但不限于法向量、曲率的相应参数计算。进一步地,针对所提取的不连续性结构特征进行分析,进行特征的分割、分类与聚类识别并测量相关不连续性结构特征的属性,包括但不限于种类、长度、宽度、深度、危害性等,并将根据不连续性结构特征的特征属性指标,进行安全等级、低风险等级以及高风险等级的分级。因此,本实施在进行建筑墙体状态分析之后,进一步进行不连续性结构的分析,实现作业空间中安全状态实时监测与预警。
基于上述实施例,本实施例提供的智慧工地管控平台的监控报警***还包括建筑雷达,建筑雷达用于对确定存在高风险等级的不连续性结构特征对应的建筑区域进行探测,因此,在基于不连续性结构特征对应的特征属性进行风险等级分类之后,方法还包括:
确定存在高风险等级的不连续性结构特征对应的高风险建筑区域,通过建筑雷达对高风险建筑区域进行探测,得到目标探测结果。
在目标探测结果指示高风险建筑区域存在建筑安全隐患的情况下,进行建筑安全预警。
在目标探测结果指示高风险建筑区域不存在建筑安全隐患的情况下,继续监测高风险建筑区域的不连续性结构特征。
具体地,针对可能存在建筑安全隐患的不连续性结构特征对应的高风险建筑区域,通过建筑雷达进行探测,通过专业人员进行建筑分析,确认其真实风险系数。若确认存在建筑安全隐患,则进行建筑安全状态异常预警;若确认不存在建筑安全隐患,则所识别不连续性结构特征为低风险等级,将进行该不连续性结构的动态变化监测。与此同时,所分析获取的低风险不连续性结构特征将持续存入不连续结构时序数据库以满足不连续性结构动态监测的需要。因此,本实施例针对可能存在建筑安全隐患的不连续性结构特征对应的高风险建筑区域,通过建筑雷达进行探测确认其真实风险系数,保证监测的可靠性。
基于上述实施例,在基于不连续性结构特征对应的特征属性进行风险等级分类之后,方法还包括:
确定存在低风险等级的不连续性结构特征对应的低风险建筑区域,并将低风险建筑区域的不连续性结构特征存储至不连续性结构时序数据库,以对低风险建筑区域的不连续性结构特征进行继续监测。
具体地,针对存在低风险等级的不连续性结构特征,进行持续性的重点监测分析,当不连续性结构特征风险升级并判断存在冒顶、塌陷等建筑安全高隐患风险时,及时进行建筑雷达的探测确认以及相应安全状态的异常预警和可视化报告输出。因此,本实施例针对存在低风险等级的不连续性结构特征,进行持续性的重点监测分析,保证监测的可靠性。
在可选的实施例中,基于各水平距离、各拍摄时长和各外参参数进行加权计算,得到目标物体的空间位置,包括:
基于位置预测步骤分别确定各相机对应的预测位置;
基于各预测位置和各拍摄时长进行加权计算,得到目标物体的空间位置;
位置预测步骤包括:
基于相机的水平距离、外参参数,以及夹角,确定相机对应的预测位置,其中,夹角是目标物体与相机之间的夹角。
具体地,根据一个相机的水平距离、外参参数,以及目标物体与该相机之间的夹角,可以确定目标物体在该相机的视角下的预测位置;对各个相机的预测位置按照拍摄时长进行加权计算,最终确定目标物体的空间位置。
此处,预测位置即根据相机拍摄到的图像,计算确定的目标物体的位置信息;空间位置即最终确定的目标物体的位置信息;两者通常都以坐标表示。
本发明实施例对同一目标物体在不同相机角度下的空间位置结合目标物体驻留时间和距离各相机的距离进行加权联合判定,对目标物体的三维空间坐标进行计算和矫正,减小跨相机多视角情况下空间位置坐标的抖动性。
进一步地,当相机的数量为两个时,基于如下公式计算得到各相机对应的预测位置:
;
;
其中,表示第一个相机对应的预测位置,/>表示第一个相机的安装位置的坐标,/>表示第一个相机的水平距离,/>表示第一个相机的夹角,表示第一个相机的水平方向转动角,/>表示第二个相机对应的预测位置,表示第二个相机的安装位置的坐标,/>表示第二个相机的水平距离,/>表示第二个相机的夹角,/>表示第二个相机的水平方向转动角。
可以理解的是,,/>。
图4是本发明提供的多视角联合定位的示意图,如图4所示,分别使用和表示相机1和相机2的外参参数:
;
;
其中,为相机1的安装位置坐标,/>为相机2的安装位置坐标,/>为相机1的水平方向转动角,也就是相机1的中心线与水平线的夹角,/>为相机2的水平方向转动角,/>为相机1的垂直方向俯仰角,/>为相机2的垂直方向俯仰角,/>为相机1的安装高度,/>为相机2的安装高度;
表示目标物体与相机1的横坐标之差,相机1位于目标物体的左侧,以左上角为坐标原点,则目标物体的横坐标为相机1的横坐标与上述横坐标差值之和;/>表示目标物体与相机1的纵坐标之差,相机1位于目标物体的下方,以左上角为坐标原点,则目标物体的纵坐标为相机1的纵坐标与上述纵坐标差值之差;
表示目标物体与相机2的横坐标之差,相机2位于目标物体的右侧,以左上角为坐标原点,则目标物体的横坐标为相机2的横坐标与上述横坐标差值之差;/>表示目标物体与相机2的纵坐标之差,相机2位于目标物体的下方,以左上角为坐标原点,则目标物体的纵坐标为相机2的纵坐标与上述纵坐标差值之差。
可选地,基于如下公式计算相机1的夹角:
;
其中,表示相机1的夹角,/>表示目标物体在相机1中的像素级横坐标,/>表示相机1的最长边像素分辨率数值,/>表示相机1的水平方向视场角。
在可选实施例中,相机对应的预测位置的权重是基于如下步骤确定的:
基于相机的拍摄时长和拍摄总时长的比值,确定相机对应的预测位置的权重;其中,拍摄总时长是各拍摄时长之和。
以上述两个相机为例,则相机1的预测位置的权重,相机2的预测位置的权重/>,其中,/>、/>分别为相机1和相机2的拍摄时长;
代入计算,可得目标物体最终的空间位置。
本发明实施例结合相机的空间位置、目标物体的姿态朝向、驻留时间及与相机的相对位置进行目标物体的三维空间坐标计算和矫正,减小跨相机多视角情况下空间位置坐标的抖动性。
为进一步提高目标定位的准确性,在可选的实施例中,通过如下公式计算目标物体的空间位置:
;
其中,表示/>时刻相机1的预测位置,/>表示/>时刻相机2的预测位置,表示/>时刻与目标物体距离最近的相机对目标物体的预测位置,/>表示时刻与目标物体距离最近的相机对目标物体的预测位置,/>表示/>时刻目标物体最终的空间位置。
此处,时刻与/>时刻可以是相隔预设时间间隔,如相隔1ms,也可以是相隔预设图像帧数,如相隔2帧,在此不做限制。
可以理解的是,上述实施例结合和/>两个时刻的预测位置确定目标物体的空间位置,在实际应用过程中,可以结合更多时刻的预测位置确定目标物体的空间位置,以两个相机为例,/>时刻的预测位置结合n个时刻的预测位置,最终目标物体的空间位置基于如下公式计算:
。
在可选的实施例中,在获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数之前,还包括:
对各相机采集到的图像进行比对匹配,将匹配为同一目标的目标物体以相同的标识信息进行标识;
基于各相机采集到的图像,确定目标物体与各相机之间的直线距离;
分别基于各直线距离确定各相机的水平距离。
此处,将匹配为同一目标的目标物体标识为相同ID,用于后的目标跟踪和空间定位,在一定预置时间段内,同一目标物体的ID应保持一致。
如图3所示,目标物体与相机1之间的直线距离即,直线距离是通过对相机采集到的图像进行检测确定的。
可选地,基于如下公式确定水平距离:
;
表示水平距离,/>表示直线距离,/>表示相机垂直方向俯仰角。
进一步地,基于各相机采集到的图像,确定目标物体与各相机之间的直线距离,包括:
将各相机采集到的图像分别输入至距离度量预测模型,得到距离度量预测模型对应输出的预测距离;
分别基于各相机对应的距离估测偏差值,对各预测距离进行矫正,得到各直线距离。
此处,距离度量预测模型是用于估测目标物体与相机之间的直线距离的模型。
可选地,距离度量预测模型是基于深度图和目标尺寸融合预估直线距离的模型。
具体地,图5是本发明提供的距离度量预测模型的结构示意图,如图5所示,输入为经过对齐映射处理或等比例缩放方法处理后的同等尺寸图片,图片大小为W×H×C,如长宽比例不满足要求输入,则按短边填充补齐255像素直至满足。输出包括与输入图像同等大小的预测深度图像、类别区域分割图像/>、N个目标物体中心点像素级坐标/>、物体像素级长宽高/>、物体水平面偏转朝向角度/>。为便于训练数据的标注准备,其中深度图像部分的学习监督方法为仅对存在目标物体的区域进行预测误差监督,类别区域分割图像仅在训练阶段输出,推理测试阶段不做输出。
可选地,距离度量预测模型基于如下步骤训练得到:
对同型号摄像机在多场景、多时间段下的输出图像进行采集、标注,标注信息包括但不限于物体类别、物体尺寸/>、物体中心点坐标、物体水平面偏转朝向角度/>、物体距相机的实际直线距离/>;
其中,为可识别的类别数,/>分别为目标物体的像素级长度、宽度、高度,分别为目标物体的像素级横坐标、纵坐标,/>为归一化的目标物体距离值,/>、/>设置为15;
使用采集并完成标注的数据对距离度量预测模型进行训练优化,使优化后的模型适配该参数型号摄像机输出的图像,提高目标物体定位准确度。
在使用已训练优化后的距离度量预测模型对图像中出现的各目标物体进行直线距离预测,以目标物体中心点的预测值作为该目标物体的距离估测,得到模型对应输出的预测距离;预测距离乘上对应的距离系数后,得到距离估测值;由于不同款型相机拍摄的图像存在一定的偏差,若当前相机不是标准相机,则基于当前相机相对于标准相机的距离估测偏差值,对距离估测值进行矫正,最终得到直线距离,若当前相机是标准相机,使用对应的距离估测偏差值进行矫正后的直线距离与距离估测值相同,也就是说距离估测值就是最终的直线距离,不需要进行矫正。
本发明实施例对不同款型的相机进行距离修正,使得不局限于一种特定款型的相机,适用于各种款型的相机;基于距离估测偏差值对预测距离进行矫正,不同款型的相机可以使用同一个距离度量预测模型进行距离估计,无需针对不同款型的相机分别进行模型训练,降低模型训练成本.
在可选的实施例中,距离估测偏差值是基于如下步骤确定的:
步骤a,将各相机采集到的测试图像分别与标准相机采集到的测试图像进行对齐;
步骤b,将对齐后的测试图像分别输入至距离度量预测模型,得到距离度量预测模型对应输出的预测测试距离;
步骤c,将标准相机采集到的测试图像输入至距离度量预测模型,得到距离度量预测模型输出的标准预测距离;
步骤d,基于各预测测试距离和标准预测距离,确定各相机对应的距离估测偏差值。
在步骤a中,将不同内参的相机采集到的测试图像调整映射至与标准相机的测试图像进行对齐。需要说明的是,步骤b和步骤c的执行顺序不限,也就是说,可以先执行步骤b,再执行步骤c,也可以先执行步骤c,再执行步骤b,还可以同时执行步骤b和步骤c。
可选实施例中,直接针对不同内参的相机图像单独训练各自的距离度量预测模型,在实时使用过程,将各距离度量预测模型与相应型号的相机搭配使用。
请参阅图6,图6为本发明实施例提供的电子设备的实施例示意图。如图6所示,本发明实施例提了一种电子设备600,包括存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序611,处理器620执行计算机程序611时实现以下步骤:
获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻所述预设工地区域的空间图像信息;所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
请参阅图7,图7为本发明实施例提供的计算机可读存储介质的实施例示意图。如图7所示,本实施例提供了一种计算机可读存储介质700,其上存储有计算机程序711,该计算机程序711被处理器执行时实现如下步骤:
获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻所述预设工地区域的空间图像信息;所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (7)
1.一种智慧工地管控平台的监控报警***,其特征在于,包括智慧工地管控中台、图像传感器子***、摄像子***、语义分割子***、评估预警子***和目标追踪子***;所述语义分割子***与所述评估预警子***连接组成工地监控报警***,所述智慧工地管控中台分别与所述图像传感器子***、所述摄像子***、所述工地监控报警***和所述目标追踪子***连接,对其数据进行存储和管理;
所述摄像子***用于:获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数;其中,所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
所述图像传感器子***用于:采集多个时刻预设工地区域的空间图像信息;
所述目标追踪子***用于:基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
所述语义分割子***用于:对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
所述评估预警子***用于:基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警;
其中,所述基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置,包括:
基于位置预测步骤分别确定各相机对应的预测位置;
基于各所述预测位置和各所述拍摄时长进行加权计算,得到所述目标物体的空间位置;
所述位置预测步骤包括:
基于相机的水平距离、外参参数以及夹角,确定相机对应的预测位置,其中,所述夹角是所述目标物体与相机之间的夹角;
其中,当相机的数量为两个时,基于如下公式计算得到各相机对应的预测位置:
;
;
其中,表示第一个相机对应的预测位置,/>表示所述第一个相机的安装位置的坐标,/>表示所述第一个相机的水平距离,/>表示所述第一个相机的夹角,/>表示所述第一个相机的水平方向转动角,/>表示第二个相机对应的预测位置,/>表示所述第二个相机的安装位置的坐标,/>表示所述第二个相机的水平距离,/>表示所述第二个相机的夹角,/>表示所述第二个相机的水平方向转动角;
所述基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警,包括:
在基于多个相邻时刻对应的多个语义建筑结构信息计算得到的相似度大于或者等于相似度阈值的情况下,基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据所述不连续性结构评估结果进行安全预警。
2.一种智慧工地管控平台的监控报警方法,其特征在于,包括:
获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数和多个时刻所述预设工地区域的空间图像信息;所述水平距离是所述目标物体与相机之间的距离,各相机对应的水平距离是分别基于各相机拍摄到的图像确定的,所述拍摄时长是相机连续跟踪拍摄到所述目标物体的时长;
基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置;
对每个时刻的空间图像信息进行语义分割,得到每个时刻对应的多个语义建筑结构信息;
基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警;
其中,所述基于各所述水平距离、各所述拍摄时长和各所述外参参数进行加权计算,得到所述目标物体的空间位置,包括:
基于位置预测步骤分别确定各相机对应的预测位置;
基于各所述预测位置和各所述拍摄时长进行加权计算,得到所述目标物体的空间位置;
所述位置预测步骤包括:
基于相机的水平距离、外参参数以及夹角,确定相机对应的预测位置,其中,所述夹角是所述目标物体与相机之间的夹角;
其中,当相机的数量为两个时,基于如下公式计算得到各相机对应的预测位置:
;
;
其中,表示第一个相机对应的预测位置,/>表示所述第一个相机的安装位置的坐标,/>表示所述第一个相机的水平距离,/>表示所述第一个相机的夹角,/>表示所述第一个相机的水平方向转动角,/>表示第二个相机对应的预测位置,/>表示所述第二个相机的安装位置的坐标,/>表示所述第二个相机的水平距离,/>表示所述第二个相机的夹角,/>表示所述第二个相机的水平方向转动角;
所述基于多个相邻时刻对应的多个语义建筑结构信息对相同位置的建筑结构安全评估后得到的建筑评估结果进行安全预警,包括:
在基于多个相邻时刻对应的多个语义建筑结构信息计算得到的相似度大于或者等于相似度阈值的情况下,基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据所述不连续性结构评估结果进行安全预警。
3.根据权利要求2所述的智慧工地管控平台的监控报警方法,其特征在于,所述基于多个相邻时刻对应的多个语义建筑结构信息,对相同位置的建筑结构进行不连续性结构的安全评估,得到不连续性结构评估结果,并根据所述不连续性结构评估结果进行安全预警,包括:
提取每个时刻对应的多个语义建筑结构信息的不连续性结构特征,并确定所述不连续性结构特征对应的特征属性;
基于所述不连续性结构特征对应的特征属性进行风险等级分类;其中,所述风险等级包括安全等级、低风险等级和高风险等级。
4.根据权利要求2所述的智慧工地管控平台的监控报警方法,其特征在于,在获取预设工地区域的目标物体在多个相机的角度下的水平距离、各相机对应的拍摄时长,以及各相机的外参参数之前,还包括:
对各相机采集到的图像进行比对匹配,将匹配为同一目标的目标物体以相同的标识信息进行标识;
基于各相机采集到的图像,确定所述目标物体与各相机之间的直线距离;
分别基于各所述直线距离确定各相机的水平距离。
5.根据权利要求4所述的智慧工地管控平台的监控报警方法,其特征在于,所述基于各相机采集到的图像,确定所述目标物体与各相机之间的直线距离,包括:
将各相机采集到的图像分别输入至距离度量预测模型,得到所述距离度量预测模型对应输出的预测距离;
分别基于各相机对应的距离估测偏差值,对各所述预测距离进行矫正,得到各所述直线距离;
相应地,所述距离估测偏差值是基于如下步骤确定的:
将各相机采集到的测试图像分别与标准相机采集到的测试图像进行对齐;
将对齐后的测试图像分别输入至所述距离度量预测模型,得到所述距离度量预测模型对应输出的预测测试距离;
将所述标准相机采集到的测试图像输入至所述距离度量预测模型,得到所述距离度量预测模型输出的标准预测距离;
基于各所述预测测试距离和所述标准预测距离,确定各相机对应的距离估测偏差值。
6.一种电子设备,其特征在于,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,进而实现权利要求2-5任一项所述的智慧工地管控平台的监控报警方法。
7.一种非暂态计算机可读存储介质,其特征在于,所述存储介质中存储有计算机软件程序,所述计算机软件程序被处理器执行时实现如权利要求2-5任一项所述的智慧工地管控平台的监控报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410406401.0A CN117994737B (zh) | 2024-04-07 | 2024-04-07 | 一种智慧工地管控平台的监控报警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410406401.0A CN117994737B (zh) | 2024-04-07 | 2024-04-07 | 一种智慧工地管控平台的监控报警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117994737A CN117994737A (zh) | 2024-05-07 |
CN117994737B true CN117994737B (zh) | 2024-06-14 |
Family
ID=90901462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410406401.0A Active CN117994737B (zh) | 2024-04-07 | 2024-04-07 | 一种智慧工地管控平台的监控报警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117994737B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294377A (zh) * | 2022-07-31 | 2022-11-04 | 北京物资学院 | 一种道路裂缝的识别***及方法 |
CN116203559A (zh) * | 2022-12-22 | 2023-06-02 | 北京科技大学 | 一种地下岩土病害体智能化识别预警***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203518954U (zh) * | 2013-08-12 | 2014-04-02 | 中国长江三峡集团公司 | 基于物联网技术的高坝整体稳定性实时监测*** |
CN111563669A (zh) * | 2020-04-27 | 2020-08-21 | 郭琼 | 基于区块链的智慧工地钢材堆积高度预警*** |
CN111563433A (zh) * | 2020-04-27 | 2020-08-21 | 郭琼 | 基于区块链的智慧工地漫水监测*** |
CN116761049B (zh) * | 2023-08-10 | 2023-11-03 | 箭牌智能科技(张家港)有限公司 | 一种家用智能安防监控方法及*** |
-
2024
- 2024-04-07 CN CN202410406401.0A patent/CN117994737B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294377A (zh) * | 2022-07-31 | 2022-11-04 | 北京物资学院 | 一种道路裂缝的识别***及方法 |
CN116203559A (zh) * | 2022-12-22 | 2023-06-02 | 北京科技大学 | 一种地下岩土病害体智能化识别预警***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117994737A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5671281B2 (ja) | 位置姿勢計測装置、位置姿勢計測装置の制御方法及びプログラム | |
CN110674680B (zh) | 活体识别的方法、装置、存储介质 | |
JP5027741B2 (ja) | 画像監視装置 | |
JP5027758B2 (ja) | 画像監視装置 | |
KR101469099B1 (ko) | 사람 객체 추적을 통한 자동 카메라 보정 방법 | |
CN110796032A (zh) | 基于人体姿态评估的视频围栏及预警方法 | |
CN112541938A (zh) | 一种行人速度测量方法、***、介质及计算设备 | |
CN112378333B (zh) | 仓储货物测量方法和装置 | |
CN117115784A (zh) | 目标数据融合的车辆检测方法及检测装置 | |
CN112053397A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN117994737B (zh) | 一种智慧工地管控平台的监控报警***及方法 | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
CN113920254B (zh) | 一种基于单目rgb的室内三维重建方法及其*** | |
US11748876B2 (en) | Joint surface safety evaluation apparatus | |
CN113989335A (zh) | 一种对厂房内工人自动定位的方法 | |
CN109919999B (zh) | 一种目标位置检测的方法及装置 | |
JP3810755B2 (ja) | 位置判別装置、移動経路算出装置、位置判別方法およびプログラム | |
CN111586299B (zh) | 一种图像处理方法和相关设备 | |
CN116343125B (zh) | 一种基于计算机视觉的集装箱箱底锁头检测方法 | |
JP3820995B2 (ja) | 障害物検出装置および障害物検出方法 | |
CN113884017A (zh) | 一种基于三目视觉的绝缘子的非接触形变检测方法及*** | |
KR101748333B1 (ko) | 객체 추적 방법 및 장치 | |
CN115797869A (zh) | 一种基于双目摄像头的外物入侵的位置预测方法与终端 | |
CN117037138A (zh) | 三维目标检测方法、装置、电子设备和存储介质 |
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 |