System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种数据集搭建方法,特别是一种面向塔式起重机主动防碰撞的数据集搭建方法。
技术介绍
1、随着国民经济水平提高,人民对居住环境的要求越来越高尤其是对高层小区的需求增大。塔式起重机作为建筑工地不可替代的工程机械,发挥着巨大作用。但在高密度的塔机群作业过程中,塔机与塔机、塔机与建筑物的碰撞时有发生,导致极大地人员伤亡和财产损失。国内外因缺少建筑工地数据集的问题导致塔机主动防碰撞系统难以发展,因此建立一个具有针对性的建筑工地数据集,有助于深度学习模型在防碰撞领域中表现更出色。所以建立面向塔式起重机主动防碰撞的建筑工地数据集是行业内亟待解决的问题。
技术实现思路
1、专利技术目的:本专利技术所要解决的技术问题是针对现有技术的不足,提供一种面向塔式起重机主动防碰撞的数据集搭建方法。
2、为了解决上述技术问题,本专利技术公开了一种面向塔式起重机主动防碰撞的数据集搭建方法,包括以下步骤:
3、步骤1,搭建点云数据采集系统,扫描得到单帧点云数据;
4、步骤2,更换点云数据采集系统的设置,重复进行步骤1的扫描工作,直至获得预设数量的单帧点云数据;
5、步骤3,对步骤2中得到的所有单帧点云数据做多帧数据融合,并进行数据增强处理,得到多帧融合的数据;
6、步骤4,对步骤3得到的多帧融合的数据,进行环境滤波处理;
7、步骤5,对步骤4环境滤波处理之后的数据,进行点云分割处理,得到不同的目标点云数据集合;
8、步
9、进一步的,步骤1中所述的点云数据采集系统,至少包括:激光雷达、塔式起重机模型和建筑物模型;其中,激光雷达安装在塔式起重机的起重臂上,利用激光雷达对设置在塔式起重机周围的建筑物模型进行扫描。
10、进一步的,步骤1中所述的激光雷达为4d激光雷达,所述激光雷达的视场角至少为360°×90°,用于对塔式起重机下方环境进行全场景扫描。
11、进一步的,步骤2中所述的更换点云数据采集系统的设置,即更换所述的建筑物模型及其排布方式;
12、更换后的建筑物模型及排布方式,满足所述激光雷达扫描范围要求。
13、进一步的,步骤3中所述的得到多帧融合的数据,具体包括:
14、步骤3-1,读取所有单帧点云数据;
15、步骤3-2,将对单帧点云数据文件格式进行批量转化,用于后续处理;
16、步骤3-3,引入随机整数x,并设置随机数x的取值范围;
17、步骤3-4,读取x个单帧点云数据文件,将其内容转化为矩阵并进行拼接操作;
18、步骤3-5,去除拼接后的矩阵中相同的行向量,将矩阵转化为预设格式的文件输出,得到多帧融合的数据。
19、进一步的,步骤4中所述的进行环境滤波处理,即进行直通滤波,具体如下:
20、测量建筑物模型距离激光雷达最远的点的距离,将该距离设置为距离阈值h,多帧融合的数据中每一个点云数据点距离激光雷达的欧式距离为dist,则根据以下滤波规则进行滤波:
21、
22、进一步的,步骤4中所述的多帧融合的数据中每一个点云数据点距离激光雷达的欧式距离dist,计算方法为:
23、
24、其中,xi是所述点云数据中第i个点的横坐标,yi是所述点云数据中第i个点的纵坐标,zi是所述点云数据中第i个点的高度坐标,(xt,yt,xt)表示激光雷达所在空间坐标值。
25、进一步的,步骤5中所述的进行点云分割处理,即采用欧式聚类算法进行点云分割处理。
26、进一步的,步骤5中所述的采用欧式聚类算法进行点云分割处理,具体包括:
27、步骤5-1,计算任意2个点云数据点的欧式距离d(pi,qi),如下:
28、
29、其中,pi与qi为任意点云数据点,pin表示任意点pi在n维度的坐标值,qin表示任意点qi在n维度的坐标值,n为数据点的维数;
30、步骤5-2,设定聚类容忍度为定值c,聚类规则为:
31、
32、步骤5-3,根据上述聚类规则,将所有点云数据点进行划分,得到得到不同的目标点云数据集合。
33、进一步的,步骤6中所述的进行分类归纳,具体包括:
34、将不同的目标点云数据集合,按照簇的种类导出点云数据点并归纳整理至不同文件夹,文件夹以簇的种类命名,完成点云数据集的构建。
35、有益效果:
36、本专利技术针对现有公开数据集缺少适用于塔式起重机防碰撞相关建筑工地数据集从而导致塔式起重机主动防碰撞难以发展的问题,创新地实现了智能化与工程机械的结合,建立一个具有针对性的建筑工地数据集,有助于深度学习模型在防碰撞领域中表现更出色。
37、本专利技术能够高效高质量地构建面向塔式起重机主动防碰撞的建筑工地数据集。相比于公开数据集,本文构建的数据集更有针对性,有助于深度学习模型在塔式起重机主动防碰撞领域中表现更出色。本文运用了多帧点云数据融合技术来提升点云密度,提高数据集质量,相比较于直接利用原始单帧点云数据,多帧融合点云数据融合之后的数据集在三维目标识别方面表现更出色。本文运用了滤波与基于欧式聚类算法的点云分割技术,一次可以构建多类别的点云数据,提高了构建数据集的效率。本专利技术能够克服国内外缺少适用于塔式起重机防碰撞相关建筑工地数据集的难题,高效高质量地构建面向塔式起重机主动防碰撞的建筑工地数据集,有助于深度学习模型在防碰撞领域中表现更出色,进而为塔式起重机主动防碰撞奠定基础。
本文档来自技高网...【技术保护点】
1.一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤1中所述的点云数据采集系统,至少包括:激光雷达、塔式起重机模型和建筑物模型;其中,激光雷达安装在塔式起重机的起重臂上,利用激光雷达对设置在塔式起重机周围的建筑物模型进行扫描。
3.根据权利要求2所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤1中所述的激光雷达为4D激光雷达,所述激光雷达的视场角至少为360°×90°,用于对塔式起重机下方环境进行全场景扫描。
4.根据权利要求3所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤2中所述的更换点云数据采集系统的设置,即更换所述的建筑物模型及其排布方式;
5.根据权利要求4所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤3中所述的得到多帧融合的数据,具体包括:
6.根据权利要求5所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤4中所述的进
7.根据权利要求6所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤4中所述的多帧融合的数据中每一个点云数据点距离激光雷达的欧式距离Dist,计算方法为:
8.根据权利要求7所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤5中所述的进行点云分割处理,即采用欧式聚类算法进行点云分割处理。
9.根据权利要求8所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤5中所述的采用欧式聚类算法进行点云分割处理,具体包括:
10.根据权利要求9所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤6中所述的进行分类归纳,具体包括:
...【技术特征摘要】
1.一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤1中所述的点云数据采集系统,至少包括:激光雷达、塔式起重机模型和建筑物模型;其中,激光雷达安装在塔式起重机的起重臂上,利用激光雷达对设置在塔式起重机周围的建筑物模型进行扫描。
3.根据权利要求2所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤1中所述的激光雷达为4d激光雷达,所述激光雷达的视场角至少为360°×90°,用于对塔式起重机下方环境进行全场景扫描。
4.根据权利要求3所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,步骤2中所述的更换点云数据采集系统的设置,即更换所述的建筑物模型及其排布方式;
5.根据权利要求4所述的一种面向塔式起重机主动防碰撞的数据集搭建方法,其特征在于,...
【专利技术属性】
技术研发人员:殷晨波,裴学峰,乔文华,徐缪晗,金鹏达,曹心如,张标,韩东廷,
申请(专利权)人:南京工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。