一种基于无人机的渣土车智能定位方法及系统技术方案

本发明专利技术提供一种基于无人机的渣土车智能定位方法及系统，通过获取监控无人机对目标管控区域内的渣土车进行监控的监控数据流，在检测到监控数据流指示目标渣土车存在违章行为时，通过联动控制多个无人机进行行车路径信息采集，可以提高行车路径信息采集的可靠性，并针对多个无人机采集的行车路径信息进行行车定位预测，可以便于精确分析目标渣土车在之后预设时间段内的行车定位预测信息，并将行车定位预测信息发送给目标管控区域所对应的巡警值班服务终端进行预警信息提示，从而提高施工现场的预警及时性和准确性。现场的预警及时性和准确性。现场的预警及时性和准确性。

【技术实现步骤摘要】
一种基于无人机的渣土车智能定位方法及系统


[0001]本专利技术涉及无人机监控
，示例性地，涉及一种基于无人机的渣土车智能定位方法及系统。

技术介绍

[0002]对于现场的建筑工地而言，其工作环境复杂多变，经常容易出现安全事故，如何实施实时的建筑工地综合管理对于相关单位来说，是一个十分棘手的问题。例如针对进出渣土车的违章行为而言，如不及时发现相关的违章行为并进行预警提醒，将可能会导致重大安全事故。然而当前的监控方案中，仅通过单个无人机进行行车路径信息采集后进行简单区域比对的预警方式，预警效果不佳。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种基于无人机的渣土车智能定位方法及系统。
[0004]第一方面，本专利技术提供一种基于无人机的渣土车智能定位方法，应用于云服务平台，所述云服务平台与多个监控无人机通信连接，所述方法包括：获取所述监控无人机对目标管控区域内的渣土车进行监控的监控数据流；在检测到所述监控数据流指示目标渣土车存在违章行为时，联动控制所述目标管控区域内其它无人机实时采集所述目标渣土车的行车路径信息；基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息，并将所述行车定位预测信息发送给所述目标管控区域所对应的巡警值班服务终端进行预警信息提示。
[0005]第二方面，本专利技术实施例还提供一种基于无人机的渣土车智能定位系统，所述目标基于无人机的渣土车智能定位系统包括云服务平台以及与所述云服务平台通信连接的多个监控无人机；所述云服务平台，用于：获取所述监控无人机对目标管控区域内的渣土车进行监控的监控数据流；在检测到所述监控数据流指示目标渣土车存在违章行为时，联动控制所述目标管控区域内其它无人机实时采集所述目标渣土车的行车路径信息；基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息，并将所述行车定位预测信息发送给所述目标管控区域所对应的巡警值班服务终端进行预警信息提示。
[0006]根据上述任意一个方面，本专利技术提供的实施方式中，通过获取监控无人机对目标管控区域内的渣土车进行监控的监控数据流，在检测到监控数据流指示目标渣土车存在违章行为时，通过联动控制多个无人机进行行车路径信息采集，可以提高行车路径信息采集的可靠性，并针对多个无人机采集的行车路径信息进行行车定位预测，可以便于精确分析
目标渣土车在之后预设时间段内的行车定位预测信息，并将行车定位预测信息发送给目标管控区域所对应的巡警值班服务终端进行预警信息提示，从而提高施工现场的预警及时性和准确性。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
[0008]图1为本专利技术实施例提供的基于无人机的渣土车智能定位系统的应用场景示意图。
[0009]图2为本专利技术实施例提供的基于无人机的渣土车智能定位方法的流程示意图。
[0010]图3为本专利技术实施例提供的用于实现上述的基于无人机的渣土车智能定位方法的云服务平台的结构示意框图。
具体实施方式
[0011]下面结合说明书附图对本专利技术进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
[0012]图1是本专利技术一种实施例提供的基于无人机的渣土车智能定位系统10的应用场景示意图。基于无人机的渣土车智能定位系统10可以包括云服务平台100以及与云服务平台100通信连接的监控无人机200。图1所示的基于无人机的渣土车智能定位系统10仅为一种可行的示例，在其它可行的实施例中，该基于无人机的渣土车智能定位系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
[0013]一种可能的设计思路中，基于无人机的渣土车智能定位系统10中的云服务平台100和监控无人机200可以通过配合执行以下方法实施例所描述的基于无人机的渣土车智能定位方法，具体云服务平台100和监控无人机200的执行步骤部分可以过往以下方法实施例的详细描述。
[0014]为了解决前述
技术介绍
中的技术问题，本实施例提供的基于无人机的渣土车智能定位方法可以由图1中所示的云服务平台100执行，下面对该基于无人机的渣土车智能定位方法进行详细介绍。图2为本专利技术实施例提供的基于无人机的渣土车智能定位方法的流程示意图，所述基于无人机的渣土车智能定位方法包括：步骤S110，获取所述监控无人机对目标管控区域内的渣土车进行监控的监控数据流。
[0015]步骤S120，在检测到所述监控数据流指示目标渣土车存在违章行为时，联动控制所述目标管控区域内其它无人机实时采集所述目标渣土车的行车路径信息。
[0016]步骤S130，基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息，并将所述行车定位预测信息发送给所述目标管控区域所对应的巡警值班服务终端进行预警信息提示。
[0017]基于以上步骤，本实施例通过获取监控无人机对目标管控区域内的渣土车进行监
控的监控数据流，在检测到监控数据流指示目标渣土车存在违章行为时，通过联动控制多个无人机进行行车路径信息采集，可以提高行车路径信息采集的可靠性，并针对多个无人机采集的行车路径信息进行行车定位预测，可以便于精确分析目标渣土车在之后预设时间段内的行车定位预测信息，并将行车定位预测信息发送给目标管控区域所对应的巡警值班服务终端进行预警信息提示，从而提高施工现场的预警及时性和准确性。
[0018]一种可能的设计思路中，对于步骤S120中联动控制所述目标管控区域内其它无人机实时采集所述目标渣土车的行车路径信息的具体实现方式，可以通过以下步骤实现。
[0019]步骤S121，获取所述目标管控区域内所有候选无人机的飞行状态信息；步骤S122，根据所述飞行状态信息从所述所有候选无人机中筛选获得目标无人机，并根据所述目标渣土车当前的行车方向信息以及每个目标无人机的飞行状态信息为每个目标无人机生成对应的联动控制策略信息；步骤S123，基于每个对应的联动控制策略信息控制每个对应的目标无人机实时采集所述目标渣土车的行车路径信息。
[0020]一种可能的设计思路中，对于步骤S130中基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息的具体实现方式，可以通过以下步骤实现。
[0021]步骤S131，提取每个无人机采集到的所述目标渣土车的行车路径信息的行车路径特征序列，并将每个所述行车路径信息的行车路径特征序列与对应的无人机的飞行状态特征序列分别进行融合，获得每个融合路径特征序列构成的融合路径特征簇；步骤S132，将所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的渣土车智能定位方法，其特征在于，应用于云服务平台，所述云服务平台与多个监控无人机通信连接，所述方法包括：获取所述监控无人机对目标管控区域内的渣土车进行监控的监控数据流；在检测到所述监控数据流指示目标渣土车存在违章行为时，联动控制所述目标管控区域内其它无人机实时采集所述目标渣土车的行车路径信息；其中，先获取所述目标管控区域内所有候选无人机的飞行状态信息；根据所述飞行状态信息从所述所有候选无人机中筛选获得目标无人机，并根据所述目标渣土车当前的行车方向信息以及每个目标无人机的飞行状态信息为每个目标无人机生成对应的联动控制策略信息；基于每个对应的联动控制策略信息控制每个对应的目标无人机实时采集所述目标渣土车的行车路径信息；基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息，并将所述行车定位预测信息发送给所述目标管控区域所对应的巡警值班服务终端进行预警信息提示。2.根据权利要求1所述的基于无人机的渣土车智能定位方法，其特征在于，所述基于每个无人机采集到的所述目标渣土车的行车路径信息预测所述目标渣土车在之后预设时间段内的行车定位预测信息的步骤，包括：提取每个无人机采集到的所述目标渣土车的行车路径信息的行车路径特征序列，并将每个所述行车路径信息的行车路径特征序列与对应的无人机的飞行状态特征序列分别进行融合，获得每个融合路径特征序列构成的融合路径特征簇；将所述融合路径特征簇输入到预先训练获得的行车定位预测网络中，预测所述目标渣土车在之后预设时间段内的行车定位预测信息；其中，所述方法还包括：获取样本融合路径特征簇以及所述样本融合路径特征簇对应的样本行车定位预测信息，并对所述样本融合路径特征簇进行路径特征描述拆分以得到行车路径轨迹信息对应的路径特征描述集；其中，行车路径轨迹信息对应的路径特征描述集所包括多个路径特征描述；对所述行车路径轨迹信息对应的路径特征描述集进行路径突变节点分析得到不同的路径特征描述，并通过不同的路径特征描述构成的输入数据序列以及所述样本行车定位预测信息训练行车定位预测网络；其中，行车定位预测网络为预先配置的AI神经网络模型，训练完成的行车定位预测网络用于进行行车定位预测；其中，所述行车定位预测网络用于对所述融合路径特征簇进行行车定位预测。3.根据权利要求2所述的基于无人机的渣土车智能定位方法，其特征在于，对所述样本融合路径特征簇进行路径特征描述拆分以得到行车路径轨迹信息对应的路径特征描述集，包括：对于行车路径轨迹信息中的每组样本融合路径特征簇，将所述样本融合路径特征簇的行车路径轨迹信息按照所对应的路径轨迹突变点进行路径特征描述拆分，以获得所述样本融合路径特征簇的行车路径轨迹信息对应的路径特征描述集；对所述行车路径轨迹信息对应的路径特征描述集进行路径突变节点分析得到不同的
路径特征描述，并通过不同的路径特征描述构成的输入数据序列以及所述样本行车定位预测信息训练行车定位预测网络，包括：对于每组所述样本融合路径特征簇的行车路径轨迹信息对应的路径特征描述集所包括的多个路径特征描述，确定路径方位变化次数超过目标次数阈值的路径特征描述以作为待定行车路径轨迹信息对应的路径特征描述集；对所述待定行车路径轨迹信息对应的路径特征描述集中的路径特征描述进行关键特征匹配处理，以将满足关键特征匹配条件的路径特征描述作为表征所述行车路径轨迹信息的路径轨迹浮动变化的表现性路径特征描述；确定多个非表现性路径特征描述，其中，所述非表现性路径特征描述是路径方位变化次数不大于所述目标次数阈值的路径特征描述中所包含的路径特征描述；在多个所述非表现性路径特征描述中，根据所述非表现性路径特征描述之间的相关特征描述，筛分部分所述非表现性路径特征描述以作为参考路径特征描述；基于所述行车路径轨迹信息中每组样本融合路径特征簇的所述表现性路径特征描述、所述参考路径特征描述以及所述样本行车定位预测信息训练行车定位预测网络。4.根据权利要求3所述的基于无人机的渣土车智能定位方法，其特征在于，所述将所述样本融合路径特征簇的行车路径轨迹信息按照所对应的路径轨迹突变点进行路径特征描述拆分，以获得所述样本融合路径特征簇的行车路径轨迹信息对应的路径特征描述集，包括：在所述样本融合路径特征簇的路径突变区域信息中，提取动态径轨迹突变点和静态路径轨迹突变点的路径突变特征，并基于所提取的路径突变特征生成多个行车路径状态转移特征；根据每组所述行车路径状态转移特征的状态转移标签，基于相应路径轨迹突变点的轨迹跟踪分解规则确定所述状态转移标签的目标分解规则；根据对应每组所述行车路径状态转移特征的状态转移标签所确定出的目标分解规则对所述样本融合路径特征簇的行车路径轨迹信息进行分解，以获得所述样本融合路径特征簇的行车路径轨迹信息对应的路径特征描述集；其中，在所述根据每组所述行车路径状态转移特征的状态转移标签，基于相应路径轨迹突变点的轨迹跟踪分解规则确定所述状态转移标签的目标分解规则之前，所述方法还包括对所述多个行车路径状态转移特征中的每组行车路径状态转移特征、以及相应的状态转移标签进行的预处理步骤，所述预处理步骤包括：确定所述每组行车路径状态转移特征的状态转移标签的状态转移次数、以及对于同一行车路径状态转移特征的相同状态转移标签的统计值；将状态转移标签的状态转移次数超过设定预设转移次数阈值、以及相同状态转移标签的统计值超过与所述设定预设转移次数阈值对应的预设统计阈值的行车路径状态转移特征进行清洗，以获得清洗后余下的行车路径轨迹信息；过滤对应于所述清洗后余下的行车路径轨迹信息的噪声状态转移标签，并对于所述清洗后余下的行车路径轨迹信息中存在状态转移异常的状态转移标签进行更新；基于所述清洗后余下的行车路...

【专利技术属性】
技术研发人员：杨翰翔，肜卿，
申请(专利权)人：深圳联和智慧科技有限公司，
类型：发明
国别省市：