智能塔吊变幅过程的动态调整方法和系统技术方案

本申请实施例提供一种智能塔吊变幅过程的动态调整方法和系统。该方法包括：当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向外界物体并拍摄实时视频；根据实时视频进行图像分析，将外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到外界物体的种类；当外界物体进入第二层电子感应围栏时，根据实时视频计算得到外界物体的空间移动速度矢量和第一高度；当根据空间移动速度矢量判断外界物体将要路过吊钩正下方，且第一高度大于吊钩的当前高度时，启动塔吊变幅小车，控制吊钩提升预设距离至第二高度。本申请能够判断是否有可疑物体和人员进入塔吊附近，并在其可能碰撞到吊钩时动态调整变幅过程，防止事故的发生。防止事故的发生。防止事故的发生。

【技术实现步骤摘要】
智能塔吊变幅过程的动态调整方法和系统


[0001]本申请涉及智能塔吊
，尤其涉及一种智能塔吊变幅过程的动态调整方法和系统。

技术介绍

[0002]目前的塔吊，基本都是人员在塔吊上的中控室进行操控，或者通过操作人员在远程进行实时智能操控。塔吊行业来说，目前的发展方向是无人塔吊、智能塔吊，那么在产业升级的过程中会遇到很多的技术问题。
[0003]目前智能塔吊的控制中，塔吊施工中可能会有不相关的车辆或者人员进入施工现场，甚至在不注意时会与吊钩吊装路径发生碰撞从而发生严重的生产安全事故，导致人员和财产损失。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种智能塔吊变幅过程的动态调整方法和系统，本申请能够针对性的解决现有的塔吊变幅过程中的安全问题。
[0005]基于上述目的，本申请提出了一种智能塔吊变幅过程的动态调整方法，包括：在塔吊施工场地以塔吊为圆心布置两层电子感应围栏，所述电子感应围栏能够感应从外界进入的移动物体，其中第一层电子感应围栏的半径大于第二层电子感应围栏的半径；当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向所述外界物体并拍摄实时视频；根据所述实时视频进行图像分析，将所述外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到所述外界物体的种类；当所述种类属于第一类别集合时，启动吊钩的高度传感器和第二层电子感应围栏；当所述外界物体进入第二层电子感应围栏时，根据实时视频计算得到所述外界物体的空间移动速度矢量和第一高度；当根据所述空间移动速度矢量判断所述外界物体将要路过所述吊钩正下方，且所述第一高度大于吊钩的当前高度时，启动塔吊变幅小车，控制吊钩提升预设距离至第二高度，所述第二高度大于所述第一高度且差值等于预设安全距离。
[0006]进一步地，所述电子感应围栏为红外感应围栏、毫米波感应围栏、蓝牙感应围栏中的一种或多种。
[0007]进一步地，所述当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向所述外界物体并拍摄实时视频，包括：当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头；根据第一层电子感应围栏感应到的外界物体位置，计算所述外界物体位置相对于所述摄像头的空间位置方向；
根据摄像头的当前指向和所述空间位置方向，计算所述摄像头需要转动的角度值和方向；根据所述摄像头需要转动的角度值和方向控制摄像头转动，直至指向所述外界物体；所述摄像头以第一预设时间间隔刷新所述需要转动的角度值和方向并转动，以跟踪所述外界物体并拍摄实时视频。
[0008]进一步地，所述根据所述实时视频进行图像分析，将所述外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到所述外界物体的种类，包括：采集若干组不同已知外界物体类型的图像，并根据所述不同已知外界物体类型的图像划分相应的分类标签；将所述已知不同外界物体类型的图像和所述分类标签分别输入至卷积神经网络中进行训练，构建训练模型，包括以下步骤：将所述不同已知外界物体类型的图像和所述分类标签分别输入至卷积神经网络；所述不同已知外界物体类型的图像和所述分类标签经过卷积层、池化层、第一全连接层、ReLU激活函数、第二全连接层、Sigmoid激活函数后，得到所述训练模型；将所述实时视频中提取的外界物体图像输入所述卷积神经网络，并通过将从所述实时视频中提取的外界物体图像中提取的特征与所述训练模型中的特征进行匹配，得到所述实时视频中提取的外界物体图像相应的分类标签。
[0009]进一步地，所述第一类别集合至少包括：施工车辆、客运车辆、移动建筑物、人类。
[0010]进一步地，所述当所述外界物体进入第二层电子感应围栏时，根据实时视频计算得到所述外界物体的空间移动速度矢量和第一高度，包括：当所述外界物体进入第二层电子感应围栏时，以第二预设时间间隔记录所述外界物体的空间位置；根据所述空间位置和预设时间间隔，计算得到所述外界物体的空间移动速度的大小和方向，作为空间移动速度矢量；根据所述外界物体的种类在预设查找表中查找所述外界物体的高度，或者，根据所述外界物体的种类在预设查找表中查找所述外界物体的轴长，基于所述轴长、所述实时视频中外界物体的宽度与高度的比例来确定所述外界物体的高度，作为第一高度。
[0011]进一步地，所述当根据所述空间移动速度矢量判断所述外界物体将要路过所述吊钩正下方，且所述第一高度大于吊钩的当前高度时，启动塔吊变幅小车，控制吊钩提升预设距离至第二高度，所述第二高度大于所述第一高度且差值等于预设安全距离，包括：根据所述空间移动速度矢量判断所述外界物体将要路过所述吊钩正下方；根据所述吊钩的高度传感器得到所述吊钩的当前高度；当所述第一高度大于吊钩的当前高度时，计算所述第一高度与所述吊钩的当前高度的第一高度差；启动塔吊变幅小车，向上提升第三高度，所述第三高度等于预设安全距离与所述第一高度差之和。
[0012]基于上述目的，本申请还提出了一种智能塔吊变幅过程的动态调整系统，包括：
感应围栏模块，用于在塔吊施工场地以塔吊为圆心布置两层电子感应围栏，所述电子感应围栏能够感应从外界进入的移动物体，其中第一层电子感应围栏的半径大于第二层电子感应围栏的半径；视频拍摄模块，用于当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向所述外界物体并拍摄实时视频；物体分类模块，用于根据所述实时视频进行图像分析，将所述外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到所述外界物体的种类；当所述种类属于第一类别集合时，启动吊钩的高度传感器和第二层电子感应围栏；速度高度计算模块，用于当所述外界物体进入第二层电子感应围栏时，根据实时视频计算得到所述外界物体的空间移动速度矢量和第一高度；变幅调整模块，用于当根据所述空间移动速度矢量判断所述外界物体将要路过所述吊钩正下方，且所述第一高度大于吊钩的当前高度时，启动塔吊变幅小车，控制吊钩提升预设距离至第二高度，所述第二高度大于所述第一高度且差值等于预设安全距离。
[0013]总的来说，本申请的优势及给用户带来的体验在于：本申请能够判断是否有可疑物体和人员进入塔吊附近，当其属于施工人员和车辆时可以实时追踪其踪迹，并在其进一步靠近塔吊并可能碰撞到吊钩时计算其速度和高度，并及时动态调整变幅过程，提升吊钩高度，防止事故的发生。
附图说明
[0014]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
[0015]图1示出本申请的系统架构原理示意图。
[0016]图2示出根据本申请实施例的智能塔吊变幅过程的动态调整方法的流程图。
[0017]图3示出根据本申请实施例的智能塔吊变幅过程的动态调整系统的构成图。
[0018]图4示出了本申请一实施例所提供的一种电子设备的结构示意图；图5示出了本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能塔吊变幅过程的动态调整方法，其特征在于，包括：在塔吊施工场地以塔吊为圆心布置两层电子感应围栏，所述电子感应围栏能够感应从外界进入的移动物体，其中第一层电子感应围栏的半径大于第二层电子感应围栏的半径；当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向所述外界物体并拍摄实时视频；根据所述实时视频进行图像分析，将所述外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到所述外界物体的种类；当所述种类属于第一类别集合时，启动吊钩的高度传感器和第二层电子感应围栏；当所述外界物体进入第二层电子感应围栏时，根据实时视频计算得到所述外界物体的空间移动速度矢量和第一高度；当根据所述空间移动速度矢量判断所述外界物体将要路过所述吊钩正下方，且所述第一高度大于吊钩的当前高度时，启动塔吊变幅小车，控制吊钩提升预设距离至第二高度，所述第二高度大于所述第一高度且差值等于预设安全距离。2.根据权利要求1所述的方法，其特征在于，所述电子感应围栏为红外感应围栏、毫米波感应围栏、蓝牙感应围栏中的一种或多种。3.根据权利要求2所述的方法，其特征在于，所述当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头，控制其指向所述外界物体并拍摄实时视频，包括：当第一层电子感应围栏感应到有外界物体进入时，启动变幅小车上的摄像头；根据第一层电子感应围栏感应到的外界物体位置，计算所述外界物体位置相对于所述摄像头的空间位置方向；根据摄像头的当前指向和所述空间位置方向，计算所述摄像头需要转动的角度值和方向；根据所述摄像头需要转动的角度值和方向控制摄像头转动，直至指向所述外界物体；所述摄像头以第一预设时间间隔刷新所述需要转动的角度值和方向并转动，以跟踪所述外界物体并拍摄实时视频。4.根据权利要求3所述的方法，其特征在于，所述根据所述实时视频进行图像分析，将所述外界物体的图像输入到训练好的卷积分类神经网络中进行分类，得到所述外界物体的种类，包括：采集若干组不同已知外界物体类型的图像，并根据所述不同已知外界物体类型的图像划分相应的分类标签；将所述已知不同外界物体类型的图像和所述分类标签分别输入至卷积神经网络中进行训练，构建训练模型，包括以下步骤：将所述不同已知外界物体类型的图像和所述分类标签分别输入至卷积神经网络；所述不同已知外界物体类型的图像和所述分类标签经过卷积层、池化层、第一全连接层、ReLU激活函数、第二全连接层、Sigmoid激活函数后，得到所述训练模型；将所述实时视频中提取的外界物体图像输入所述卷积神经网络，并通过将从所述实时视频中提取的外界物体图像中提取的特征与所述训练模型中的特征进行匹配，得到所述实时视频中提取的外界物体图像相应的分类标签。
5.根据权利要求4所述的方法，其特征在于，所述第一类别集合至少包括：施工车辆、客运车辆、移动...

【专利技术属性】
技术研发人员：陈德木，陆建江，
申请(专利权)人：杭州杰牌传动科技有限公司，
类型：发明
国别省市：