一种基于双激光雷达数据的站房监测方法和系统与流程

本技术涉及数据融合领域，更具体地，涉及一种基于双激光雷达数据的站房监测方法和系统。

背景技术：

1、现有技术中通常利用单激光雷达进行站房的安全检测，然而这种方式所采集的点云数据精度较低。因此，如何提高站房安全检测的准确性和效率，是一项亟待解决的技术问题。

技术实现思路

1、本发明实施例的目的在于提供一种基于双激光雷达数据的站房监测方法和系统，设置双激光雷达采集点云数据，并通过改进的数据融合技术实现站房的结构性安全监测，由此提高站房安全监测的效率和准确性。具体技术方案如下：

2、在本发明实施例的第一方面，提供一种基于双激光雷达数据的站房监测方法，包括：

3、获取待监测站房的参考结构模型；

4、基于所述参考结构模型提取参考结构数值；

5、所述待监测站房设置有双激光雷达，通过所述双激光雷达采集所述待监测站房的第一点云数据和第二点云数据；

6、融合所述第一点云数据和所述第二点云数据，得到所述待监测站房的实际结构模型；

7、基于所述实际结构模型得到所述待监测站房的实际结构数值；

8、将所述参考结构模型和所述实际结构模型、将所述参考结构数值和所述实际结构数值分别进行比较，确定所述待监测站房的安全状态。

9、可选地，所述参考结构数值包括参考尺寸值和参考保护层厚度值；所述实际结构数值包括实际尺寸值和实际保护层厚度值。

10、可选地，所述待监测站房设置有双激光雷达，包括：

11、在所述待监测站房前方的左下角设置一激光雷达；

12、在所述待监测站房后方的右上角设置一激光雷达；

13、其中，所述双激光雷达与所述待监测站房之间的距离为预设距离。

14、可选地，所述融合所述第一点云数据和所述第二点云数据，得到所述待监测站房的实际结构模型，包括：

15、将所述第一点云数据和所述第二点云数据融合，得到融合点云数据；

16、根据所述融合点云数据构建所述待监测站房的实际结构模型。

17、可选地，所述将所述第一点云数据和所述第二点云数据融合，得到融合点云数据，包括：

18、提取所述第一点云数据和所述第二点云数据的重合区域和非重合区域；

19、融合所述重合区域的点云数据，得到第一子融合数据；

20、融合所述非重合区域的点云数据，得到第二子融合数据；

21、确定所述重合区域和所述非重合区域连接处的边界特征；

22、基于所述边界特征，融合所述重合区域和所述非重合区域连接处得到第三子融合数据；

23、根据所述第一子融合数据、所述第二子融合数据以及所述第三子融合数据，得到融合点云数据。

24、可选地，所述融合所述重合区域的点云数据，得到第一子融合数据，包括：

25、选取所述双激光雷达之间连线的中点作为中心点，建立三维坐标系，包括x轴、y轴和z轴；

26、获取所述三维坐标系中x轴和y轴构成的第一平面；

27、确定所述双激光雷达相对于所述第一平面的第一角度和第二角度；

28、根据所述第一角度，确定所述第一点云数据相对于所述三维坐标系的第一投影矩阵；

29、根据所述第二角度，确定所述第二点云数据相对于所述三维坐标系的第二投影矩阵；

30、基于所述第一投影矩阵和所述第二投影矩阵融合所述重合区域的点云数据，得到第一子融合数据；公式如下：

31、

32、其中，表示第一角度，表示第二角度，α、β表示误差项，表示第一投影矩阵，表示第二投影矩阵，表示重合区域的点云数据，γ表示融合参数。

33、可选地，所述融合所述非重合区域的点云数据，得到第二子融合数据，包括：

34、获取所述第一子融合数据的中心点；

35、根据所述中心点建立基准坐标系，包括x轴、y轴和z轴；

36、根据所述基准坐标系融合所述非重合区域的点云数据，得到第二子融合数据。

37、可选地，所述将所述参考结构模型和所述实际结构模型、将所述参考结构数值和所述实际结构数值分别进行比较，确定所述待监测站房的安全状态，包括：

38、将所述参考结构模型与所述实际结构模型输入结构比较模型，得到模型相关度；

39、将所述参考结构数值与所述实际结构数值进行数值比较，得到偏差值；

40、根据所述模型相关度和所述偏差值确定所述待监测站房的安全状态。

41、可选地，所述根据所述模型相关度和所述偏差值确定所述待监测站房的安全状态，包括：

42、若所述模型相关度大于等于预设第一阈值，且所述偏差值小于预设第二阈值，则所述待监测站房处于安全状态；

43、若所述模型相关度小于预设第一阈值，且所述偏差值小于预设第二阈值，则所述待监测站房处于存在隐患状态；

44、若所述模型相关度大于等于预设第一阈值，且所述偏差值大于等于预设第二阈值，则所述待监测站房处于次危险状态；

45、若所述模型相关度小于预设第一阈值，且所述偏差值大于等于预设第二阈值，则所述待监测站房处于危险状态。

46、在本发明实施例的又一方面，提供一种基于双激光雷达数据的站房监测系统，包括：

47、参考数据获取模块，用于获取待监测站房的参考结构模型；

48、基于所述参考结构模型提取参考结构数值；

49、数据采集模块，用于所述待监测站房设置有双激光雷达，通过所述双激光雷达采集所述待监测站房的第一点云数据和第二点云数据；

50、实际数据获取模块，用于融合所述第一点云数据和所述第二点云数据，得到所述待监测站房的实际结构模型；

51、基于所述实际结构模型得到所述待监测站房的实际结构数值；

52、状态监测模块，用于将所述参考结构模型和所述实际结构模型、将所述参考结构数值和所述实际结构数值分别进行比较，确定所述待监测站房的安全状态。

53、可选地，所述参考结构数值包括参考尺寸值和参考保护层厚度值；所述实际结构数值包括实际尺寸值和实际保护层厚度值。

54、可选地，所述待监测站房设置有双激光雷达，包括：

55、在所述待监测站房前方的左下角设置一激光雷达；

56、在所述待监测站房后方的右上角设置一激光雷达；

57、其中，所述双激光雷达与所述待监测站房之间的距离为预设距离。

58、可选地，所述融合所述第一点云数据和所述第二点云数据，得到所述待监测站房的实际结构模型，包括：

59、将所述第一点云数据和所述第二点云数据融合，得到融合点云数据；

60、根据所述融合点云数据构建所述待监测站房的实际结构模型。

61、可选地，所述将所述第一点云数据和所述第二点云数据融合，得到融合点云数据，包括：

62、提取所述第一点云数据和所述第二点云数据的重合区域和非重合区域；

63、融合所述重合区域的点云数据，得到第一子融合数据；

64、融合所述非重合区域的点云数据，得到第二子融合数据；

65、确定所述重合区域和所述非重合区域连接处的边界特征；

66、基于所述边界特征，融合所述重合区域和所述非重合区域连接处得到第三子融合数据；

67、根据所述第一子融合数据、所述第二子融合数据以及所述第三子融合数据，得到融合点云数据。

68、可选地，所述融合所述重合区域的点云数据，得到第一子融合数据，包括：

69、选取所述双激光雷达之间连线的中点作为中心点，建立三维坐标系，包括x轴、y轴和z轴；

70、获取所述三维坐标系中x轴和y轴构成的第一平面；

71、确定所述双激光雷达相对于所述第一平面的第一角度和第二角度；

72、根据所述第一角度，确定所述第一点云数据相对于所述三维坐标系的第一投影矩阵；

73、根据所述第二角度，确定所述第二点云数据相对于所述三维坐标系的第二投影矩阵；

74、基于所述第一投影矩阵和所述第二投影矩阵融合所述重合区域的点云数据，得到第一子融合数据；公式如下：

75、

76、其中，表示第一角度，表示第二角度，α、β表示误差项，表示第一投影矩阵，表示第二投影矩阵，表示重合区域的点云数据，γ表示融合参数。

77、可选地，所述融合所述非重合区域的点云数据，得到第二子融合数据，包括：

78、获取所述第一子融合数据的中心点；

79、根据所述中心点建立基准坐标系，包括x轴、y轴和z轴；

80、根据所述基准坐标系融合所述非重合区域的点云数据，得到第二子融合数据。

81、可选地，所述状态监测模块进一步用于：

82、将所述参考结构模型与所述实际结构模型输入结构比较模型，得到模型相关度；

83、将所述参考结构数值与所述实际结构数值进行数值比较，得到偏差值；

84、根据所述模型相关度和所述偏差值确定所述待监测站房的安全状态。

85、可选地，所述根据所述模型相关度和所述偏差值确定所述待监测站房的安全状态，包括：

86、若所述模型相关度大于等于预设第一阈值，且所述偏差值小于预设第二阈值，则所述待监测站房处于安全状态；

87、若所述模型相关度小于预设第一阈值，且所述偏差值小于预设第二阈值，则所述待监测站房处于存在隐患状态；

88、若所述模型相关度大于等于预设第一阈值，且所述偏差值大于等于预设第二阈值，则所述待监测站房处于次危险状态；

89、若所述模型相关度小于预设第一阈值，且所述偏差值大于等于预设第二阈值，则所述待监测站房处于危险状态。

90、有益效果

91、（1）本发明在待监测站房前方的左下角设置和后方的右上角分别设置一激光雷达，用于采集完整的站房点云数据，通过该设置方式能够采集完整准确的点云数据。

92、（2）本发明获取待监测站房的参考结构模型，并提取参考结构数值；通过设置的双激光雷达采集第一点云数据和第二点云数据；融合第一点云数据和第二点云数据，得到实际结构模型，并提取实际结构数值；将参考结构模型和实际结构模型、将参考结构数值和实际结构数值分别进行比较，确定安全状态。由此提高站房安全监测的效率和准确性。

93、（3）本发明进一步将第一点云数据和第二点云数据划分为重合区域、非重合区域和连接区域，对这三个区域进行不同的融合处理，包括对于重合区域，选取双激光雷达之间连线的中点作为中心点，建立三维坐标系；获取双激光雷达相对于三维坐标系x轴和y轴构成第一平面的第一角度和第二角度，进而分别确定投影矩阵，采用全新的融合公式得到第一子融合数据；对于非重合区域，第一子融合数据的基础上建立基准坐标系，以融合非重合区域的点云数据，得到第二子融合数据；对于连接区域，确定重合区域和非重合区域连接处的边界特征得到第三子融合数据。通过该方式能够提高数据融合的效率和精度。

94、（4）引入模型相关度和偏差值两个因子作为安全状态的判断基准，同时将安全状态划分为安全、存在隐患、次危险和危险状态四个等级。由此不仅能够提高系统对于状态判断的准确性，同时系统能够对站房的结构安全性进行更精确合理的预警。