一种基于深度学习的塔机实时路径规划系统及方法技术方案

本发明专利技术公开了一种基于深度学习的塔机实时路径规划系统及方法，该系统包括：施工现场环境实时感知模块，用于对施工现场环境中物体的空间信息，进行实时采集处理，构建实时的施工现场空间模型，基于该模型，进行实时的三维碰撞预测；塔机数据采集模块，用于采集塔机司机的操作动作及塔机运动状态，按照时间记录，形成塔机司机操作序列及塔机运动状态序列；实时路径规划模块，对深度学习算法的神经网络进行训练，学习真实的塔机司机对吊物路径的规划特性；同时对规划路径进行实时动态调整，以规避施工现场动态出现的障碍物。本发明专利技术保证了路径规划的整体合理性，根据塔机工作场景的实时信息实时更新路径规划，避免运行过程中新出现障碍物带来的干扰。障碍物带来的干扰。障碍物带来的干扰。

【技术实现步骤摘要】
一种基于深度学习的塔机实时路径规划系统及方法


[0001]本专利技术涉及塔式起重机智能控制领域，尤其涉及一种基于深度学习的塔机实时路径规划系统及方法。

技术介绍

[0002]在建筑施工现场，塔式起重机高效安全的使用关系到工程施工的效率及人员设备的安全。塔机吊物的运动路径规划是实现塔机运行高效及自动化的核心问题。
[0003]现有公开的塔机路径规划技术采用启发式空间搜索算法，如A*算法进行路径规划，其可以实现在设定代价估计函数条件下的全局最优路径规划。这类启发式算法的求解结果的合理性由其使用的启发函数或代价估计函数决定。在塔机实际的吊装过程中，塔机起吊钢丝绳、吊钩、吊装物体受运动惯性、塔身结构偏摆、风荷载、起重臂力矩等影响会造成偏摆和晃动。而塔机司机会根据其经验，进行特定的吊物路径规划及一系列塔机操作，使作业安全稳定的进行。而该类启发式空间搜索算法的启发函数或代价估计函数的设计，难以将这些繁杂且隐含的先验信息进行考虑。因此该类算法规划的路径，在施工现场实际环境的安全性，塔机司机的操作性，塔机控制的稳定性上存在不足。

技术实现思路

[0004]本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于深度学习的塔机实时路径规划系统及方法，在规划塔机运行的路径时，兼顾规划路径在空间障碍物及路径长度约束下的全局合理性、安全性，同时基于塔机司机操作下真实的吊物路径数据，学习并优化路径规划，提高吊物路径的安全性及可操作性。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]本专利技术提供一种基于深度学习的塔机实时路径规划系统，该系统包括以下模块：
[0007]施工现场环境实时感知模块，用于对施工现场环境中物体的空间信息，进行实时采集处理，构建实时的施工现场空间模型，基于该模型，进行实时的三维碰撞预测；
[0008]塔机数据采集模块，用于采集塔机司机的操作动作及塔机运动状态，按照时间记录，形成塔机司机操作序列及塔机运动状态序列；
[0009]实时路径规划模块，该路径规划模块基于启发式空间搜索算法及深度学习算法，以所述塔机数据采集模块记录的塔机司机操作序列及塔机运动状态序列，对深度学习算法的神经网络进行训练，学习真实的塔机司机对吊物路径的规划特性，进行路径规划；同时，通过使用所述施工现场环境实时感知模块提供的现场环境中物体的空间信息及三维碰撞预测信息，对规划路径进行实时动态调整，以规避施工现场动态出现的障碍物。
[0010]进一步地，本专利技术的所述施工现场环境实时感知模块，以BIM模型中所包含的建筑物及静态构筑物的空间信息，简化生成空间包围盒，作为施工现场环境空间的基础；同时，在施工现场布置激光雷达，进行实时的空间点云采集，通过对点云数据的分割，更新或删除原有空间包围盒，添加新的空间包围盒；实现对施工现场环境空间信息的实时感知，同时基
于该空间包围盒模型，进行三维碰撞预警。
[0011]进一步地，本专利技术的所述塔机数据采集模块，采集塔机司机的全部操作动作及其具体参数数值，采集同一时刻，对应的塔机运动状态，包括：塔机小车行进位置，大臂回转角度，吊钩高度；按照一定的时间间隔采集数据，以起吊为开始，卸载为结束，处理记录成关于时间的序列。
[0012]进一步地，本专利技术的所述实时路径规划模块，使用塔机数据采集模块记录的塔机司操作序列及塔机运动状态序列，处理得到真实的塔机吊物运动路径离散点序列，作为输出样本；基于启发式空间搜索算法，以真实的吊物运动路径的起始点和终点进行的路径规划，得到以吊运路径长度最短为目标的全局最优路径的离散点序列，作为输入样本；采用深度学习网络模型进行训练，实现对真实的人工操作塔机吊物路径的学习，以生成符合施工现场吊运要求及司机操作习惯的路径规划；同时，该路径规划模块使用施工现场环境实时感知模块提供的实时环境空间信息，实时更新规划路径。
[0013]本专利技术提供一种基于深度学习的塔机实时路径规划方法，该方法包括以下步骤：
[0014]步骤1、建立塔机吊物运动坐标系O，以塔机回转运动的中心在项目正负零水平面上的投影点为坐标系原点，记为o；以正北方向为坐标系y轴的正方向，以正东方向为坐标系x轴的正方向，建立的笛卡尔坐标系；
[0015]步骤2、对于施工现场环境实时感知模块，由现场布设的激光雷达实时采集点云数据，将所有点云数据坐标转换至塔机吊物运动坐标系O；对任意时刻t采集获得的点云数据D
()
，采用基于八叉树的点云欧氏聚类算法聚类分割为若干个点云集合对每个点云集合构建包围盒，包围盒采用坐标轴对齐的包围盒，记为将塔机吊物运动坐标系下的空间，划分正交网格，网格任意交点为p
i
，坐标为(x
i
，y
i
，z
i
)，构成点集P；记起始点为u；目标点为e；
[0016]步骤3、对于塔机数据采集模块记录的某次塔机作业，其吊物起点u
*
及目标点e
*
，在真实情况下，塔机司机进行一系列的塔机操作动作{a0，a1，...，a
n
}，从而使塔机完成一系列运动，最终使吊物在空间上形成一条真实的运动轨迹l
*
；根据塔机司机的操作动作的序列，以一定时间间隔，离散处理后的，形成的空间点序列，作为模型训练的输出样本；该深度学习模型的输入样本为：给定真实吊物起点u
*
及目标点e
*
，通过启发式空间搜索算法计算得出的吊物路径空间点序列；
[0017]步骤4、在模型训练前，对训练所用的输出样本进行修正；
[0018]步骤5、给定任意吊物起点及目标点，实时路径规划模块先使用启发式空间搜索算法计算出一条初始吊物路径，归一化处理后作为输入，使用完成训练后的LSTM网络模型，输出一条的吊物路径，反归一化后，即得到局部优化的路径规划结果。
[0019]进一步地，本专利技术的所述步骤5中使用启发式空间搜索算法计算出一条初始吊物路径的方法为：
[0020]采用A*算法的全局最短路径规划，具体实现如下：
[0021]当前点p到起始点的最小代价函数为g(p)；
[0022]当前点p到目标点的启发函数为h(p)；
[0023]启发函数权重α；
[0024]当前点p到目标点的最小代价估计函数为f(p)＝g(p)+αh(p)
[0025]定义距离函数d(p
i
，p
j
)；
[0026]网格上任意点p
i
的相邻点集合定义为A
i
＝{p
j
|d(p
i
，p
j
)＝1}
[0027]定义空间点序列：s
0m
＝[p0，p1，...，p
n
‑1，p
n
][0028]其中，p
i+1
∈A
i
，0≤i＜n；
...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的塔机实时路径规划系统，其特征在于，该系统包括以下模块：施工现场环境实时感知模块，用于对施工现场环境中物体的空间信息，进行实时采集处理，构建实时的施工现场空间模型，基于该模型，进行实时的三维碰撞预测；塔机数据采集模块，用于采集塔机司机的操作动作及塔机运动状态，按照时间记录，形成塔机司机操作序列及塔机运动状态序列；实时路径规划模块，该路径规划模块基于启发式空间搜索算法及深度学习算法，以所述塔机数据采集模块记录的塔机司机操作序列及塔机运动状态序列，对深度学习算法的神经网络进行训练，学习真实的塔机司机对吊物路径的规划特性，进行路径规划；同时，通过使用所述施工现场环境实时感知模块提供的现场环境中物体的空间信息及三维碰撞预测信息，对规划路径进行实时动态调整，以规避施工现场动态出现的障碍物。2.根据权利要求1所述的基于深度学习的塔机实时路径规划系统，其特征在于，所述施工现场环境实时感知模块，以BIM模型中所包含的建筑物及静态构筑物的空间信息，简化生成空间包围盒，作为施工现场环境空间的基础；同时，在施工现场布置激光雷达，进行实时的空间点云采集，通过对点云数据的分割，更新或删除原有空间包围盒，添加新的空间包围盒；实现对施工现场环境空间信息的实时感知，同时基于该空间包围盒模型，进行三维碰撞预警。3.根据权利要求1所述的基于深度学习的塔机实时路径规划系统，其特征在于，所述塔机数据采集模块，采集塔机司机的全部操作动作及其具体参数数值，采集同一时刻，对应的塔机运动状态，包括：塔机小车行进位置，大臂回转角度，吊钩高度；按照一定的时间间隔采集数据，以起吊为开始，卸载为结束，处理记录成关于时间的序列。4.根据权利要求1所述的基于深度学习的塔机实时路径规划系统，其特征在于，所述实时路径规划模块，使用塔机数据采集模块记录的塔机司操作序列及塔机运动状态序列，处理得到真实的塔机吊物运动路径离散点序列，作为输出样本；基于启发式空间搜索算法，以真实的吊物运动路径的起始点和终点进行的路径规划，得到以吊运路径长度最短为目标的全局最优路径的离散点序列，作为输入样本；采用深度学习网络模型进行训练，实现对真实的人工操作塔机吊物路径的学习，以生成符合施工现场吊运要求及司机操作习惯的路径规划；同时，该路径规划模块使用施工现场环境实时感知模块提供的实时环境空间信息，实时更新规划路径。5.一种基于深度学习的塔机实时路径规划方法，其特征在于，该方法包括以下步骤：步骤1、建立塔机吊物运动坐标系O，以塔机回转运动的中心在项目正负零水平面上的投影点为坐标系原点，记为o；以正北方向为坐标系y轴的正方向，以正东方向为坐标系x轴的正方向，建立的笛卡尔坐标系；步骤2、对于施工现场环境实时感知模块，由现场布设的激光雷达实时采集点云数据，将所有点云数据坐标转换至塔机吊物运动坐标系O；对任意时刻t采集获得的点云数据D
()
，采用基于八叉树的点云欧氏聚类算法聚类分割为若干个点云集合对每个点云集合构建包围盒，包围盒采用坐标轴对齐的包围盒，记为将塔机吊物运动坐标系下的空间，划分正交网格，网格任意交点为p
i
，坐标为(x
i
,y
i
,z
i
)，构成点集P；记起始点为u；目标点为e；步骤3、对于塔机数据采集模块记录的某次塔机作业，其吊物起点u
*
及目标点e

【专利技术属性】
技术研发人员：张琨，王开强，李迪，陈厚泽，张维，胡正欢，位尚万，
申请(专利权)人：中建三局集团有限公司，
类型：发明
国别省市：