【技术实现步骤摘要】
本专利技术涉及公路施工风险监测，尤其涉及一种基于单目3d检测算法的桥梁施工动态立体风险区监测方法及系统。
技术介绍
1、桥梁施工，特别是跨海大桥大型工程项目面临施工难度大、环境复杂、场地狭小等问题，为修建主体桥梁，通常需要搭设海上栈桥作为通道和施工平台，使得施工平台场所空间狭小，在海上临时栈桥以及桥面区域施工现场的机械设备和作业人员数量众多，且移动频繁，易产生空间交叉，导致安全风险显著增高。
2、桥梁施工区域的安全监测中，传统的监测方法主要依赖于二维图像检测技术或人员手动监控，具体包括视频监控、传感器检测和gps定位等。这些方法存在以下不足之处：
3、1、空间位置判断能力有限：
4、由于二维图像检测只能获取平面信息，无法识别机械设备和作业人员在三维空间中的精确位置关系，因此难以准确判断机械与人员之间的相对距离，无法有效监测潜在的空间交叉风险。
5、2、动态风险区划分不准确：
6、传统的监测方法通常依赖于人工进行安全距离设定，无法根据施工机械和人员的实时位置变化和施工机械运动状态变化动态调整风险区域。这在施工机械频繁移动的情况下，容易出现风险区范围不匹配的问题，增加了安全隐患。
7、3、实时性和适应性不足：
8、在桥梁施工场地这种复杂环境中，机械和人员的移动频繁且路径不固定，传统的监测技术难以实时、灵活地跟踪和识别所有机械和人员的具体位置，从而难以提供准确的风险预警信息。
9、4、硬件成本较高：
10、部分现有技术(如激光雷
技术实现思路
1、本专利技术的目的在于提供一种基于单目3d检测算法的桥梁施工动态立体风险区监测方法及系统，从而解决现有技术中存在的前述问题。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、一种基于单目3d检测算法的桥梁施工动态立体风险区监测方法，包括如下步骤，
4、s1、图像采集：通过单目相机实时采集施工区域的视频图像；
5、s2、图像处理与3d检测：利用训练好的3d检测模型识别施工现场的施工机械和作业人员的三维空间位置和尺寸；
6、s3、光流检测：对视频图像进行光流检测，以分析施工机械的运动状态；
7、s4、风险区域生成：基于3d检测模型的检测结果和光流检测结果，动态生成和调整施工机械周围的随施工机械移动的三维风险区域；
8、s5、身份识别：通过人脸识别与身份库比对，实时识别进入风险区域的人员身份，确认其是否为该施工机械操作班组的授权作业人员；
9、s6、预警：实时监控作业人员的位置，当施工机械运行时，若非操作司机的人员进入三维风险区域中将触发警报；当施工机械静止时，若非授权班组作业人员进入三维风险区域将触发警报。
10、优选的，步骤s1具体包括如下内容，
11、s11、选择具有高分辨率和宽视角的单目相机，确保覆盖主要施工区域；
12、s12、安装在高位，避免遮挡，确保摄像头能够最大范围监控关键施工位置；
13、s13、单目相机实时采集施工区域的视频图像。
14、优选的，所述3d检测模型采用mmdetect ion3d框架搭建；所述3d模型的训练过程为，
15、s21、采集各种施工机械和作业人员的图像数据，并标注三维位置和尺寸，构建施工场景的训练数据集；
16、s22、使用resnet101作为backbone，首先对图像数据进行多层次的特征提取，然后将这些特征传递给3d检测头来完成具体任务；引入dcn使得该backbone能够更灵活地适应图像中目标的几何形变，从而增强特征提取的效果；
17、s23、结合3d检测头来预测物体的三维立体信息及物体类别；三维立体信息包括中心偏移量在x方向上的值、中心偏移量在y方向上的值、深度信息、物体的宽度、物体的长度、物体的高度、物体的旋转角度；
18、s24、采用监督学习技术训练3d检测模型，使其能从单目相机获取的视频图像中预测出施工机械和作业人员的三维空间位置和尺寸。
19、优选的，步骤s3具体包括如下内容，
20、s31、将两帧连续的图像输入到liteflownet2网络中，liteflownet2网络通过级联的卷积神经网络逐层估计光流信息，从粗到细对整个图像中的像素位移进行估计，输出光流场；
21、s32、采用2d目标检测模型faster r-cnn进行施工机械目标检测，输出2d目标检测边界框，根据2d目标检测边界框，从光流场中提取出目标区域的光流数据；
22、s33、通过计算目标物体区域内光流向量的平均幅度，判断施工机械的运动状态是“运动”或“静止”。
23、优选的，步骤s4具体包括如下内容，
24、s41、设定风险区扩展因子，该因子用于确定风险区域的大小；
25、s42、根据施工机械的运动状态，设置风险区扩展因子的取值；
26、s43、提取施工机械边界框的基础张量数据，包括位置坐标、长度和宽度；
27、s44、使用风险区扩展因子对指定张量数据进行扩展。
28、优选的，步骤s42具体为，当施工机械处于“运动”状态时，将风险区扩展因子设定为1，使得生成的风险区域大小相当于施工机械边界框的1倍距离；当施工机械处于“静止”状态时，将风险区扩展因子设定为0.5，使得生成的风险区域大小缩小至施工机械边界框的0.5倍距离。
29、优选的，步骤s44具体为，仅对施工机械边界框的长度和宽度参数进行比例调整，采用调整后的张量数据生成新的三维风险区域边界框；
30、将张量数据中的长度和宽度分别乘以(1+扩展因子)以实现扩展操作，而高度保持不变。
31、优选的，步骤s5具体包括如下内容，
32、s51、采集并注册操作班组作业人员的面部特征，生成特征编码存入身份库；
33、s52、实时捕获进入风险区域的人员图像；
34、s53、使用人脸检测模型与人脸识别模型识别并提取人员图像的人脸特征向量，将该人员的人脸特征向量与身份库中的所有特征向量进行比对，计算两者之间的相似度，以判断相应的人员是否为授权人员。
35、本专利技术的目的还在于提供一种基于单目3d检测算法的桥梁施工动态立体风险区监测系统，包括，
36、图像采集模块：通过单目相机实时采集施工区域的视频图像；
37、图像处理与3d检测模块：利用训练好的3d检测模型识别施工现场的施工机械和作业人员的三维空间位置和尺寸；
38、光流检测模块：对视频图像进行光流检测，以分析施工机械的运动状态；
39、风险区域生成：基于3d检测模型的检测结果和光流检测结果，动态生成施工机械周围的三维风本文档来自技高网...
【技术保护点】
1.一种基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：包括如下步骤，
2.根据权利要求1所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S1具体包括如下内容，
3.根据权利要求1所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：所述3D检测模型采用MMDetection3D框架搭建；所述3D模型的训练过程为，
4.根据权利要求1所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S3具体包括如下内容，
5.根据权利要求1所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S4具体包括如下内容，
6.根据权利要求5所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S42具体为，当施工机械处于“运动”状态时，将风险区扩展因子设定为1，使得生成的风险区域大小相当于施工机械边界框的1倍距离；当施工机械处于“静止”状态时，将风险区扩展因子设定为0.5，使得生成的风险区域大小缩小至施工机械边
7.根据权利要求5所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S44具体为，仅对施工机械边界框的长度和宽度参数进行比例调整，采用调整后的张量数据生成新的三维风险区域边界框；
8.根据权利要求1所述的基于单目3D检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤S5具体包括如下内容，
9.一种基于单目3D检测算法的桥梁施工动态立体风险区监测系统，其特征在于：包括，
10.根据权利要求9所述的基于单目3D检测算法的桥梁施工动态立体风险区监测系统，其特征在于：系统还包括，
...【技术特征摘要】
1.一种基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：包括如下步骤，
2.根据权利要求1所述的基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤s1具体包括如下内容，
3.根据权利要求1所述的基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：所述3d检测模型采用mmdetection3d框架搭建；所述3d模型的训练过程为，
4.根据权利要求1所述的基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤s3具体包括如下内容，
5.根据权利要求1所述的基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤s4具体包括如下内容，
6.根据权利要求5所述的基于单目3d检测算法的桥梁施工动态立体风险区监测方法，其特征在于：步骤s42具体为，当...
【专利技术属性】
技术研发人员：刘伟，李孜理，李春阳，李伟，陈磊，宋楠，辛欣，杨弘卿，李欣，张韵荻，
申请(专利权)人：交通运输部公路科学研究所，
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。