基于深度学习的动态目标快速感知方法及系统技术方案

本发明专利技术公开了一种基于深度学习的动态目标快速感知方法及系统。其中，该方法包括：基于感知系统联合标定，进行环境感知，从不同数据源采集数据；基于所采集的数据，进行场景获取，获取地图数据和位姿信息；基于所获取的地图数据和位姿信息，进行多元特征的归一化数据预处理，并通过超像素分割和语义分析来对归一化数据预处理后的数据进行特征匹配；基于特征匹配得到的数据，利用稀疏卷积网络和运动估计融合，来感知所述动态目标。本发明专利技术解决了相关技术中对动态目标识别准确率不高的技术问题。术中对动态目标识别准确率不高的技术问题。术中对动态目标识别准确率不高的技术问题。

【技术实现步骤摘要】
基于深度学习的动态目标快速感知方法及系统


[0001]本专利技术涉及AI智能领域，具体而言，涉及一种基于深度学习的动态目标快速感知方法及系统。

技术介绍

[0002]随着电力技术的发展和用电单位对用电质量要求的提高，变电站的动态目标快速感知技术建设需求紧迫。当前的技术现状如下：
[0003](1)当前建设用地缩减导致设备间距减少，由于缺乏精准感知定位技术手段和方法，使得变电站临近带电作业施工难度增加，安全作业空间缩小；
[0004](2)城市线路通道的作业空间变得拥挤，缺乏非接触式安全距离主动动态识别判断；
[0005](3)当前市场上已有的基于场强理论的距离感应装置的感应灵敏度、距离精度均受到电压、电磁场、传输环境介质较大影响。现阶段电厂的高精度动态目标快速感知监控平台还没有成熟产品的问题，亟需研究新技术新方法保障发电厂、变电站、配电站等多种带电作业施工现场人员和设备的安全。
[0006]综上，由于目前目标定位识别监管不利，变电站安全生产形势严峻，人身伤亡、设备损毁事故高发。动态目标感知检测方面虽然已发展了各种各样的检测算法，但大多数基于深度学习的目标感知方法都依赖于大量的注释标签，需要大量的工作量，不适用与不合作的空间目标，并且这些算法的通用性有待于进一步提高而且算法的精确性和鲁棒性还不够强，不能在复杂环境下快速、准确的进行目标锁定并计算出动态目标的状态和类别参数。此外，不同特征值的提取往往只注重图像上某一方面的信息，不能够更全面的表述目标。
[0007]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0008]本专利技术实施例提供了一种基于深度学习的动态目标快速感知方法及系统，以至少解决相关技术中对动态目标识别准确率不高的技术问题。
[0009]根据本专利技术实施例的一个方面，提供了一种基于深度学习的动态目标快速感知方法，包括：基于感知系统联合标定，进行环境感知，从不同数据源采集数据；基于所采集的数据，进行场景获取，获取地图数据和位姿信息；基于所获取的地图数据和位姿信息，进行多元特征的归一化数据预处理，并通过超像素分割和语义分析来对归一化数据预处理后的数据进行特征匹配；基于特征匹配得到的数据，利用稀疏卷积网络和运动估计融合，来感知所述动态目标.
[0010]根据本专利技术实施例的另一方面，还提供了一种基于深度学习的动态目标快速感知系统，包括：感知模块，被配置为基于感知系统联合标定，进行环境感知，从不同数据源采集数据；场景获取模块，被配置为基于所采集的数据，进行场景获取，获取地图数据和位姿信息；数据处理模块，被配置为基于所获取的地图数据和位姿信息，进行多元特征的归一化数
据预处理，并通过超像素分割和语义分析来对归一化数据预处理后的数据进行特征匹配；识别模块，被配置为基于特征匹配得到的数据，利用稀疏卷积网络和运动估计融合，来感知所述动态目标。
[0011]根据本专利技术实施例的又一方面，还提供了一种非接触式安全距离主动预警方法，包括：执行如上所述的基于深度学习的动态目标快速感知方法；并在所感知到的动态目标超出安全距离阈值之外的情况下，主动预警。
[0012]在本专利技术实施例中，基于感知系统联合标定，进行环境感知，从不同数据源采集数据；基于所采集的数据，进行场景获取，获取地图数据和位姿信息；基于所获取的地图数据和位姿信息，进行多元特征的归一化数据预处理，并通过超像素分割和语义分析来对归一化数据预处理后的数据进行特征匹配；基于特征匹配得到的数据，利用稀疏卷积网络和运动估计融合，来感知所述动态目标，从而解决了相关技术中对动态目标识别准确率不高的技术问题，进而具有快速准确地识别动态目标的技术效果。
附图说明
[0013]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0014]图1是根据本专利技术第一实施例的非接触式安全距离主动预警方法的流程图；
[0015]图2是根据本专利技术第二实施例的非接触式安全距离主动预警方法的流程图；
[0016]图3是根据本专利技术实施例的精准定位子系统的工作流程的流程图；
[0017]图4是根据本专利技术实施例的误差智能补偿子系统的工作流程的流程图；
[0018]图5是根据本专利技术实施例的环境监测子系统的工作流程的流程图；
[0019]图6是根据本专利技术实施例的环境监测子系统的另一种工作流程的流程图；
[0020]图7是根据本专利技术实施例的非接触式安全距离主动预警系统的结构示意图；
[0021]图8是根据本专利技术第一实施例的动态目标快速感知方法的流程图；
[0022]图9是根据本专利技术第二实施例的动态目标快速感知方法的流程图；
[0023]图10是根据本专利技术实施例的特征提取的示意图；
[0024]图11是根据本专利技术第三实施例的动态目标快速感知方法的流程图；
[0025]图12是根据本专利技术第四实施例的动态目标快速感知方法的流程图；
[0026]图13是根据本专利技术实施例的动态目标快速感知系统的结构示意图；
[0027]图14是根据本专利技术实施例的非接触式安全距离主动预警系统的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通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，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本专利技术的实施例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，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]概述
[0031]对于动态目标感知来讲，动态目标检测是实现识别的第一步，动态目标检测即为从序列图像中将变化区域从背景图像中精准提取出来。而动态识别感知的主要目的是根据路径识别获得的角度偏差和距离偏差来确定适当的控制量使两个偏差趋向极小。
[0032]本申请通过基于惯性、5G、GNSS及三维地图数据库的多源现场信息尺度、时间、关系等多元特征归一化表达方法，构建多时空下数据统一基准框架，实现地图数据的特征分割，利用稀疏卷积神经网络架构实现对施工现场实景地图典型特征提取和智能在线识别感知，同时使用学习策略对参数进行了优化解决，实现了安全距离量化控制下的动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的动态目标快速感知方法，其特征在于，包括：基于感知系统联合标定，进行环境感知，从不同数据源采集数据；基于所采集的数据，进行场景获取，获取地图数据和位姿信息；基于所获取的地图数据和位姿信息，进行多元特征的归一化数据预处理，并通过超像素分割和语义分析来对归一化数据预处理后的数据进行特征匹配；基于特征匹配得到的数据，利用稀疏卷积网络和运动估计融合，来感知所述动态目标。2.根据权利要求1所述的方法，其特征在于，基于所获取的地图数据和位姿信息，进行多元特征的归一化数据预处理包括以下至少之一：对所获取的地图数据和位姿信息，进行信息尺度的归一化数据预处理；对所获取的地图数据和位姿信息，进行时间序列归一化数据预处理；对所获取的地图数据和位姿信息，进行全局归一化数据预处理。3.根据权利要求2所述的方法，其特征在于，对所获取的地图数据和位姿信息，进行信息尺度的归一化数据预处理包括：对所获取的地图数据和位姿信息进行标准化处理，其中，所述标准化处理包括以下至少之一：将来自不同数据源的数据的数据编码方式统一为相同的方式；将来自不同数据源的数据的数据格式统一为相同的格式；对标准化处理后的地图数据和位姿信息进行匹配处理，其中，所述匹配处理包括以下至少之一：将不同数据源的标识同一事物的不同属性匹配到一起；将不同数据源的相同数据标识成重复；对匹配处理后的地图数据和位姿信息进行数据筛选，以选定一致性维度数据。4.根据权利要求2所述的方法，其特征在于，对所获取的地图数据和位姿信息，进行时间序列归一化数据预处理包括：基于相邻时间序列之间的模式相关性和在时间维度上数据不断产生的特性，利于后续算法，对来自不同数据源的所获取的地图数据和位姿信息进行时间配准。5.根据权利要求2所述的方法，其特征在于，对所获取的地图数据和位姿信息，进行全局归一化数据预处理包括：将时间序列加窗分段后，获取多段固定...

【专利技术属性】
技术研发人员：刘宁，李连鹏，刘福朝，赵辉，袁超杰，苏中，范军芳，李擎，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：