一种大型机械运动监测预警方法和系统与流程

1.本发明涉及大型机械运动监测技术领域，尤其涉及一种大型机械运动监测预警方法和系统。


背景技术：

2.随着经济的不断发展，城市基础设施的不断改进，需要依靠起重机等大型机械起吊物体，但由于起重机在变电站内的作业过程比较复杂，驾驶人及监督人员无法精确判断起重机与带电设备实际距离，导致碰撞事故频繁发生，一旦发生事故，往往造成重大的经济损失。
3.因此，通常是在起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生。


技术实现要素：

4.本发明提供了一种大型机械运动监测预警方法和系统，解决了现有的起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生的技术问题。
5.本发明第一方面提供的一种大型机械运动监测预警方法，包括：
6.响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息；
7.将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；
8.采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；
9.搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点；
10.计算所述最邻近点与所述目标大型机械模型的模型表面的最短距离；
11.当所述最短距离小于预警距离阈值时，生成预警信息并输出。
12.可选地，所述响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息步骤，包括：
13.响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息；
14.通过rtk定位器采集大型机械的三维位置信息，并通过远程通信模块传输所述三维位置信息。
15.可选地，所述点云数据处理包括点云坐标全局偏移、点云着色和点云裁剪；所述将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据步骤，包括：
16.计算所述变电站信息对应的初始变电站点云数据的原始坐标的中心坐标；
17.以所述中心坐标为偏移矢量，按照所述偏移矢量对所述初始变电站点云数据中的各点云进行坐标偏移，生成第一更新变电站点云数据；
18.按照预设点云着色效果对所述第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据；
19.采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储。
20.可选地，所述预设点云着色效果包括高程着色显示、类别着色显示和原始rgb信息着色显示；所述按照预设点云着色效果对所述第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据步骤，包括：
21.当所述第一更新变电站点云数据对应的点云需按照高程着色显示时，统计所述第一更新变电站点云数据对应的当前点云高程最大值和当前点云高程最小值；
22.按照预设的色带将所述当前点云高程最大值和所述当前点云高程最小值分别设为所述色带的两端；
23.采用所述当前点云高程最大值在所述色带上的位置参数对各所述点云进行赋色，生成高程着色第二更新变电站点云数据；
24.当所述第一更新变电站点云数据对应的点云需按照类别着色显示时，按照预设带电设备类别设置对应的类别颜色；
25.按照各所述类别颜色分别对各带电设备点云进行赋色，生成类别着色第二更新变电站点云数据；
26.当所述第一更新变电站点云数据对应的点云需按照原始rgb信息着色显示时，按照所述第一更新变电站点云数据对应的点云数据中的rgb通道值对各所述点云进行赋色，生成rgb着色第二更新变电站点云数据。
27.可选地，所述点云数据处理还包括点云地面滤波和类别编辑；所述采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储的步骤，包括：
28.采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成第三更新变电站点云数据；
29.从所述第三更新变电站点云数据中选取局部最低点作为种子点，将所有所述种子点设为地面点并构建三角网；
30.按照预设地面点判断法计算各个非地面点；
31.判断所述非地面点到所述三角网的距离和最大角度是否满足预设地面阈值条件；
32.若是，则将所述非地面点标记为地面点，并记录当前地面点总数；
33.遍历预设格网单元，将所述预设格网单元中除最低地面点外剩余的地面点重新设为非地面点，并判断当前地面点总数占比是否大于比例阈值；
34.若是，则跳转执行所述从所述第三更新变电站点云数据中选取局部最低点作为种子点，将所有所述种子点设为地面点并构建三角网的步骤；
35.若否，则将所有所述非地面点确定为地面点，生成第四更新变电站点云数据；
36.按照预设带电设备类别对所述第四更新变电站点云数据中的各个点云进行分类，
生成多个带电设备点云；
37.采用全部所述带电设备点云构建目标变电站点云数据。
38.可选地，所述采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型步骤，包括：
39.按照所述大型机械对应的履带、机身和机械吊臂构建大型机械仿真模型；
40.采用所述三维位置信息确定点云场景中的所述大型机械仿真模型的位置和姿态，生成更新大型机械模型；
41.按照预设间隔时间获取最新的所述三维位置信息，生成更新三维位置信息；
42.按照所述更新三维位置信息对所述点云场景中的所述大型机械仿真模型的位置和姿态进行更新，生成目标大型机械模型。
43.可选地，所述搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点步骤，包括：
44.计算所述目标变电站点云数据中的各带电设备点云所处维度的维度数据的方差值；
45.计算最大方差值对应的第一维度上的所有所述带电设备点云数据的平均值，并将所述平均值对应的中位数数据设为中间节点；
46.判断所述第一维度上对应的带电设备点云数据是否小于所述中位数数据；
47.若是，则将所述带电设备点云数据划分至左子树节点；
48.若否，则将所述带电设备点云数据划分至右子树节点；
49.跳转执行所述计算最大方差值对应的第一维度上的所有所述带电设备点云数据的平均值，并将所述平均值对应的中位数数据设为中间节点的步骤，构建k-d树；
50.按照最邻近搜索法搜索所述k-d树上的各子树节点与所述目标大型机械模型的目标点的最邻近点。
51.可选地，所述按照最邻近搜索法搜索所述k-d树上的各子树节点与所述目标大型机械模型的目标点的最邻近点的步骤，包括：
52.将所述k-d树上的树根节点输入优先队列；
53.提取所述优先队列中的最优节点对应的带电设备点云数据；
54.计算所述带电设备点云数据与所述目标大型机械模型的目标点的第一目标距离，并将所述第一目标距离设为目标点邻近值；
55.提取所述优先队列中的各个节点对应的带电设备点云数据，计算当前节点对应的带电设备点云数据与所述目标大型机械模型的目标点的第二目标距离；
56.根据所述第二目标距离更新所述目标点邻近值；
57.按照预设阈值搜索所述最优节点所处维度上的第一子树节点；其中，当所述最优节点所处子树节点为左子树节点，则所述第一子树节点为右子树节点；
58.将所述第一子树节点输入优先队列，并跳转执行所述提取所述优先队列中的最优节点对应的带电设备点云数据的步骤，直至搜索次数超过预设回溯次数，生成多个目标点邻近值；
59.从全部所述目标点邻近值中选取小于预设邻近阈值的目标点邻近值作为各子树节点与所述目标大型机械模型的目标点的最邻近点。
60.可选地，还包括：
61.创建三个单位轴相互垂直且以摄像机的位置为原点的坐标系；
62.采用三个所述单位轴和平移向量构建视觉跟随矩阵；其中，所述视觉跟随矩阵的表达式如下：
[0063][0064]
其中，r为单位轴，表示右向量；u为单位轴，表示上向量；d为单位轴，表示方向向量；p为摄像机位置向量；
[0065]
按照所述视觉跟随矩阵的坐标位置信息的相反方向更新所述点云场景中的目标大型机械模型的三维位置信息。
[0066]
本发明第二方面提供的一种大型机械运动监测预警系统，包括：
[0067]
三维位置信息模块，用于响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息；
[0068]
目标变电站点云数据模块，用于将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；
[0069]
目标大型机械模型模块，用于采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；
[0070]
最邻近点模块，用于搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点；
[0071]
最短距离模块，用于计算所述最邻近点与所述目标大型机械模型的模型表面的最短距离；
[0072]
预警信息模块，用于当所述最短距离小于预警距离阈值时，生成预警信息并输出。
[0073]
从以上技术方案可以看出，本发明具有以下优点：
[0074]
本发明通过响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息和大型机械的三维位置信息；将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点；计算最邻近点与目标大型机械模型的模型表面的最短距离；当最短距离小于预警距离阈值时，生成预警信息并输出。解决了现有的起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生的技术问题。本发明具备以下创新点与优势：
[0075]
(1)探索并实现点云场景可视化技术与三维建模技术的结合，实现大型施工机械3d可视化模型在高密度、高精度的三维点云场景中进行直观显示。且实现了施工机械模型与点云场景的交互；
[0076]
(2)探索并实现一种软硬件结合的施工数据定位数据获取方法，以若干便携式rtk
安装在施工机械角点及吊臂节点处，利用tcp/ip等实时远程通信技术将rtk硬件端监测得到的实地勘测数据传入软件端进行解析处理，以此替代依靠激光雷达的实时预警装置，从而大大降低硬件采购成本，同时也能保障施工机械定位模拟的可靠性；
[0077]
(3)探索并实现施工机械作业时的碰撞风险点快速搜索及预警距离快速测算方法。采用基于kd-tree的knn临近搜索算法实现在极短的时间内找到与施工机械当前位置最邻近的带电设备点位，并计算两者间的距离。为变电站大型施工机械作业提供有力的安全保障。
附图说明
[0078]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0079]
图1为本发明实施例一提供的一种大型机械运动监测预警方法的步骤流程图；
[0080]
图2为本发明实施例二提供的一种大型机械运动监测预警方法的步骤流程图；
[0081]
图3为本发明实施例二提供的一种判断点是否为地面点的方法示意图；
[0082]
图4为本发明实施例二提供的一种高密度点云数据的三角网加密策略的流程示意图；
[0083]
图5为本发明实施例二提供的一种目标大型机械模型运行过程动态仿真的流程示意图；
[0084]
图6为本发明实施例二提供的一种最邻近点与目标大型机械模型的预警距离计算流程示意图；
[0085]
图7为本发明实施例二提供的一种节点的空间分割的结构示意图；
[0086]
图8为本发明实施例二提供的一种节点的空间分割对应的k-d树的结构示意图；
[0087]
图9为本发明实施例二提供的一种基于kd-tree的knn临近搜索算法的流程示意图；
[0088]
图10为本发明实施例二提供的一种摄像机与观察空间的示意图；
[0089]
图11为本发明实施例三提供的一种大型机械运动监测预警系统的结构框图。
具体实施方式
[0090]
本发明实施例提供了一种大型机械运动监测预警方法和系统，用于解决现有的起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生的技术问题。
[0091]
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
[0092]
请参阅图1，图1为本发明实施例一提供的一种大型机械运动监测预警方法的步骤流程图。
[0093]
本发明提供的一种大型机械运动监测预警方法，包括以下步骤：
[0094]
步骤101、响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息和大型机械的三维位置信息。
[0095]
需要说明的是，变电站信息指的是变电站内的各个点云信息；
[0096]
大型机械的三维位置信息指的是大型机械的三维位姿参数信息。
[0097]
在本发明实施例中，通过获取大型机械运动请求携带的变电站内的各个点云信息和大型机械的三维位姿参数信息。
[0098]
步骤102、将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据。
[0099]
需要说明的是，初始变电站点云数据指的是未经过点云数据处理的原始点云数据。
[0100]
点云数据处理包括点云坐标全局偏移、点云着色、点云裁剪、点云地面滤波和类别编辑等算法数据处理。
[0101]
目标变电站点云数据指的是通过点云坐标全局偏移、点云着色、点云裁剪、点云地面滤波和类别编辑等算法依次对初始变电站点云数据进行预处理后，得到的点云数据。
[0102]
在具体实施例中，将变电站信息对应的初始变电站点云数据依次进行点云坐标全局偏移、点云着色、点云裁剪、点云地面滤波和类别编辑等算法处理，从而得到带有各个带电设备点云的目标变电站点云数据。
[0103]
步骤103、采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型。
[0104]
需要说明的是，预设的大型机械仿真模型指的是以大型施工机械整体被抽象为履带、机身及控制室、机械吊臂三部分在点云场景中进行体现的仿真模型，具体地，机械吊臂又分为两节式吊臂与三节式吊臂。在此基础上，将施工机械模型分为三部分来构建，其中履带、机身及控制室这两个部分的形态接近于规整的立方体，故以立方体包围盒的形式来对其模型进行模拟，而机械吊臂模型则以多节圆柱体的形式来进行仿真模拟，其中两节式吊臂以两节相连的圆柱体进行仿真模拟，三节式吊臂则利用三节相连的圆柱体来仿真模拟。
[0105]
目标大型机械模型指的是在点云场景中大型机械仿真模型结合其定位数据，可随着传入的新三维位置信息进行更新的大型机械模型，以达到动态仿真的效果。
[0106]
在本发明实施例中，在预设的大型机械仿真模型中输入其对应的三维位置信息，通过三维位姿参数信息更新大型机械仿真模型的位置和姿势，从而得到一个具备动态仿真效果的目标大型机械模型。
[0107]
步骤104、搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点。
[0108]
需要说明的是，各带电设备点云指的是按照各个带电设备类型标识的点云。
[0109]
最邻近点指的是欧氏距离最短的点。
[0110]
目标点指的是从目标大型机械模型中选取的一个目标点。
[0111]
在具体实施例中，采用最邻近搜索法搜索目标变电站点云数据中的各带电设备点
云与目标大型机械模型的目标点的最邻近点。
[0112]
步骤105、计算最邻近点与目标大型机械模型的模型表面的最短距离。
[0113]
需要说明的是，最短距离指的是计算出的欧氏距离最短的距离。
[0114]
在本发明实施例中，采用目标变电站点云数据中的最邻近点和模型表面的最短距离。
[0115]
步骤106、当最短距离小于预警距离阈值时，生成预警信息并输出。
[0116]
需要说明的是，预警距离阈值指的是再靠近1米可能使大型机械对带电设备造成破坏的距离，但具体预警距离视管理人员设定，在此不作限定。
[0117]
在具体实施例中，当最短距离小于预警距离阈值时，可能导致大型机械对带电设备造成破坏，需要及时生成预警信息并输出，对大型机械的操作人员进行警告或通知相关管理人员及时制止。
[0118]
本发明通过响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息和大型机械的三维位置信息；将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点；计算最邻近点与目标大型机械模型的模型表面的最短距离；当最短距离小于预警距离阈值时，生成预警信息并输出。解决了现有的起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生的技术问题。本发明具备以下创新点与优势：
[0119]
(1)探索并实现点云场景可视化技术与三维建模技术的结合，实现大型施工机械3d可视化模型在高密度、高精度的三维点云场景中进行直观显示。且实现了施工机械模型与点云场景的交互；
[0120]
(2)探索并实现一种软硬件结合的施工数据定位数据获取方法，以若干便携式rtk安装在施工机械角点及吊臂节点处，利用tcp/ip等实时远程通信技术将rtk硬件端监测得到的实地勘测数据传入软件端进行解析处理，以此替代依靠激光雷达的实时预警装置，从而大大降低硬件采购成本，同时也能保障施工机械定位模拟的可靠性；
[0121]
(3)探索并实现施工机械作业时的碰撞风险点快速搜索及预警距离快速测算方法。采用基于kd-tree的knn临近搜索算法实现在极短的时间内找到与施工机械当前位置最邻近的带电设备点位，并计算两者间的距离。为变电站大型施工机械作业提供有力的安全保障。
[0122]
请参阅图2-6，图2为本发明实施例二提供的一种大型机械运动监测预警方法的步骤流程图。
[0123]
本发明提供的一种大型机械运动监测预警方法，包括以下步骤：
[0124]
步骤201、响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息。
[0125]
在本发明实施例中，步骤201的具体实施过程与步骤101类似，在此不再赘述。
[0126]
步骤202、通过rtk定位器采集大型机械的三维位置信息，并通过远程通信模块传输三维位置信息。
[0127]
需要说明的是，rtk定位器对测量施工现场实时测量大型机械的定位数据。tcp/ip是指能够在多个不同网络间实现信息传输的协议簇，具有数据传输稳定性和保密性的优点，且网络地址统一分配，网络中每一设备和终端都具有一个唯一地址，将其应用于rtk定位信息的远程传输是比较合适的。
[0128]
在具体实施例中，通过rtk定位器获取的三维位置信息，以便于在点云场景中实时刷新大型机械的当前位置和姿态。
[0129]
具体地，基于tcp/ip协议的通信流程：1、服务器通信流程：(1)创建监听套接字对象和通信套接字对象；(2)监听套接字监听指定的ip和端口；(3)若有新的连接请求，监听套接字获取客户端信息，并对通信套接字进行初始化；(4)利用通信套接字进行数据读写。2、客户端通信流程：(1)创建通信套接字对象；(2)通信套接字连接到指定ip和端口；(3)与服务器连接成功后，利用通信套接字进行数据读写。
[0130]
远程通信模块采用头体分离收发文件，常用包头加包体格式的方法来进行数据收发：包头格式一般是固定的，可定义为包体路径加包体大小。服务器端选择要发送的文件后，首先发送包头信息，然后利用一个定时器延时若干毫秒后再发送包体数据，且定义一个大小固定的缓冲区循环读取文件中的数据，每次循环socket都向客户端发送缓冲区中读取的数据，并累积当前已读取数据的大小，当已读取数据的大小与包头记录的包体真实大小相等时，认为文件发送完毕。而客户端方面，socket首先解析包头信息，读取包体大小，之后每次接收到数据包后都对当前已接收数据的大小进行累计，当其与包体大小相等时，认为当前文件接收完毕。解决了在利用tcp/ip协议进行文件收发时不可避免的会遇到粘包现象，导致前一个文件的尾部信息与后一个文件的头部信息粘到一起。这一现象会造成数据混淆，无法接收到真正的数据信息。
[0131]
具体地，远程通信模块采用socket心跳检测，为保证施工的安全性，rtk定位器采集的三维位置信息文件接收端需长时间与发送端保持为连接状态，而在此过程中有机率出现服务器崩溃或网络不稳定导致的断连现象，这时就需要利用socket心跳检测机制实时监测连接状态，并在断连后尝试重新连接。
[0132]
心跳包检测的原理是客户端定时向服务端发送心跳包，服务器端收到心跳包后立即回复客户端。此间客户端检查心跳包是否发送成功，通过记录等待回复的心跳包数来实现检测心跳包超时。定义一个定时器，当客户端与服务器连接成功后开启该定时器，每隔30ms客户端向服务器发送一条心跳报文，并累计待回复心跳包的数量；服务器一旦接收到客户端发送的心跳报文，就对其进行回复，在收到服务器的回复后，需将客户端记录的待回复心跳包个数清零。当客户端待回复的心跳包个数超过3个时，判定客户端与服务器断连，发出警告并尝试重连。
[0133]
步骤203、将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据。
[0134]
可选地，点云数据处理包括点云坐标全局偏移、点云着色和点云裁剪；步骤203包括以下步骤s11-s14：
[0135]
s11、计算变电站信息对应的初始变电站点云数据的原始坐标的中心坐标；
[0136]
s12、以中心坐标为偏移矢量，按照偏移矢量对初始变电站点云数据中的各点云进行坐标偏移，生成第一更新变电站点云数据；
[0137]
s13、按照预设点云着色效果对第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据；
[0138]
s14、采用点云拾取工具勾选第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储。
[0139]
需要说明的是，初始变电站点云数据中各点的x、y坐标值通常较大，能达到几十甚至几百万，直接对其进行可视化，点云场景将远离试图坐标系原点，将这一情况大大降低点云可视化的效果和效率。因此，对整个初始变电站点云数据进行坐标全局偏移，将其平移到视图原点附近再进行可视化。
[0140]
预设点云着色效果包括高程着色显示、类别着色显示和原始rgb信息着色显示。
[0141]
在具体实施例中，先计算初始变电站点云数据的原始坐标的中心坐标，再以中心坐标为偏移矢量，即将初始变电站点云数据的中心平移到视图原地，最后将初始变电站点云数据中的各点云进行坐标偏移处理，即可得到全局偏移后处于视图原点附近的第一更新变电站点云数据。
[0142]
具体地，为了丰富点云渲染效果，支持按照点云高程、类别、原始rgb信息对第一更新变电站点云数据进行着色显示，生成第二更新变电站点云数据。
[0143]
可选地，采集到原始点云数据中除了中间部分集中分布的初始变电站点云数据外，还会扫描记录到变电站周围的一些地物和杂点，为了后续数据处理的方便与效率，需要对变电站以外的点进行裁剪剔除。具体处理方法为利用点云拾取工具勾选出变电站区域的点云，然后根据勾选点云的索引，开辟两部分内存，将原始点云分成勾选点与未勾选点两部分分别进行存储，最后根据需求删除不属于变电站的那一部分点云内存，生成目标变电站点云数据。
[0144]
可选地，预设点云着色效果包括高程着色显示、类别着色显示和原始rgb信息着色显示；步骤s13包括以下步骤s131-s136：
[0145]
s131、当第一更新变电站点云数据对应的点云需按照高程着色显示时，统计第一更新变电站点云数据对应的当前点云高程最大值和当前点云高程最小值；
[0146]
s132、按照预设的色带将当前点云高程最大值和当前点云高程最小值分别设为色带的两端；
[0147]
s133、采用当前点云高程最大值在色带上的位置参数对各点云进行赋色，生成高程着色第二更新变电站点云数据；
[0148]
s134、当第一更新变电站点云数据对应的点云需按照类别着色显示时，按照预设带电设备类别设置对应的类别颜色；
[0149]
s135、按照各类别颜色分别对各带电设备点云进行赋色，生成类别着色第二更新变电站点云数据；
[0150]
s136、当第一更新变电站点云数据对应的点云需按照原始rgb信息着色显示时，按照第一更新变电站点云数据对应的点云数据中的rgb通道值对各点云进行赋色，生成rgb着色第二更新变电站点云数据。
[0151]
需要说明的是，高程着色第二更新变电站点指的是按照高程着色显示的点云着色效果生成的变电站点云数据。
[0152]
类别着色第二更新变电站点云数据指的是按照类别着色显示的点云着色效果生
成的变电站点云数据。
[0153]
rgb着色第二更新变电站点云数据指的是按照原始rgb信息着色显示的点云着色效果生成的变电站点云数据。
[0154]
在具体实施例中，当按照高程着色显示时，首先统计出当前点云高程最大值和当前点云高程最小值，根据预先设置的色带，将当前点云高程最大值和当前点云高程最小值设置为色带两端的颜色，期间的点云按照当前点云高程最大值计算出在色带上的位置进行赋色，生成高程着色第二更新变电站点云数据；当按照类别着色显示时，将不同的带电设备类别设置不同的颜色进行赋色，生成类别着色第二更新变电站点云数据；当按原始rgb信息着色显示时，将会以扫描获取点云数据时，记录在各点中的rgb通道值来进行赋色，生成原始rgb着色第二更新变电站点云数据。
[0155]
可选地，点云数据处理还包括点云地面滤波和类别编辑；步骤s14包括以下步骤s141-s1410：
[0156]
s141、采用点云拾取工具勾选第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成第三更新变电站点云数据；
[0157]
s142、从第三更新变电站点云数据中选取局部最低点作为种子点，将所有种子点设为地面点并构建三角网；
[0158]
s143、按照预设地面点判断法计算各个非地面点；
[0159]
s144、判断非地面点到三角网的距离和最大角度是否满足预设地面阈值条件；
[0160]
s145、若是，则将非地面点标记为地面点，并记录当前地面点总数；
[0161]
s146、遍历预设格网单元，将预设格网单元中除最低地面点外剩余的地面点重新设为非地面点，并判断当前地面点总数占比是否大于比例阈值；；
[0162]
s147、若是，则跳转执行从第三更新变电站点云数据中选取局部最低点作为种子点，将所有种子点设为地面点并构建三角网的步骤；
[0163]
s148、若否，则将所有非地面点确定为地面点，生成第四更新变电站点云数据；
[0164]
s149、按照预设带电设备类别对第四更新变电站点云数据中的各个点云进行分类，生成多个带电设备点云；
[0165]
s1410、采用全部带电设备点云构建目标变电站点云数据。
[0166]
需要说明的是，点云地面滤波采用了改进渐进加密三角网滤波算法，主要分为点云构网、点云滤波两个部分。其主要目的是分离点云数据中的地面点与非地面点。预设地面阈值条件可按照实际情况设定，在此不作限定。
[0167]
在具体实施例中，点云构网采用bowyer-watson算法对待处理点云构建delaunay三角网，其具体步骤如下：
[0168]
1)构造一个超级三角形，包含所有散点，放入三角形链表。
[0169]
2)将离散点云中的散点依次插入，在三角形链表中找出外接圆包含插入点的三角形(称为该点的影响三角形)，删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，完成一个点在delaunay三角形链表中的插入。
[0170]
3)根据优化准则对局部新形成的三角形优化。将形成的三角形放入delaunay三角形链表。
[0171]
4)循环执行上述第2)步，直到所有散点插入完毕。
[0172]
点云滤波采用经典渐进加密三角网(adaptive tin，atin)算法对第四更新变电站点云数据中的点云进行滤波处理，其主要处理过程可分为以下三个步骤：
[0173]
(1)选择局部最低点作为种子点。通过将第四更新变电站点云数据的范围按平面坐标划分为相同大小的窗口，然后在每个窗口中选择高程最低的点完成种子点的选取。由于需要考虑建筑物的存在，保证每个窗口中至少有一个地面点，因此窗口大小一般会依据处理区域中最大建筑物的大小而定。
[0174]
(2)基于种子点构建三角网形成一个初始地形表面。标记所有种子点为地面点，并对其构建狄洛尼三角网，该三角网可看作一个粗略的地形表面。构建三角网的方法包括分割归并法、逐点插入法以及三角网增长法等。
[0175]
(3)寻找新的地面点逐渐对三角网进行加密。遍历所有的非地面点，寻找满足阈值条件的点标记为新的地面点，并将其加密至当前三角网，迭代遍历，直到所有满足要求的点均被添加，生成第五更新变电站点云数据。
[0176]
预设地面点判断法具体为判断点是否为地面点的方法如图3所示：计算点到tin中三角形的垂距d(前提是该点至三角形的垂足位于三角形内部)，同时连接点与三角形的三个顶点构成边，计算该三条边与三角形所在平面的夹角α、β和γ，该距离和角度需共同满足：
[0177][0178]
其中，d
max
为允许的最大距离，θ为允许的最大夹角。
[0179]
具体地，考虑到高密度点云数据的三角网加密的效率问题，在经典渐进加密三角网的基础上，拟采用一种新的高密度点云数据的三角网加密策略，如图4所示，流程如下：
[0180]
1)将种子点全部标记为地面点。
[0181]
2)基于地面点构建三角网。
[0182]
3)遍历所有非地面点，计算点及其对应三角形的距离和角度，如果满足阈值条件，则该点被标记为地面点。遍历所有非地面点后，记录当前地面点总数其中i表示迭代次数。
[0183]
4)创建单元大小为m的格网，遍历所有的格网单元。如果其中有地面点，则仅保留最低的地面点，将其他所有地面点重新分类为非地面点，并做上标记，在步骤3)的遍历中跳过这些点。
[0184]
5)重复步骤2)到4)。步骤3)中，增加的点数占所有点的比例为：
[0185][0186]
其中，n
total
表示点云数据的总数。
[0187]
当p小于比例阈值时，结束循环。本发明中，拟设置比例阈值为0.001。
[0188]
6)将做过标记的非地面点重新分类为地面点，得到最终的地面点结果。
[0189]
在这种策略中，只有格网单元中的最低点在加密过程中用于构建tin。因此，控制了构网点的个数，控制了内存的开销，并且优化了算法运行时间。
[0190]
具体地，由于与周围的植被、房屋等地物相比，带电设备的空间体积较大且分布相
对来说较为集中，很便于用人眼判读，不容易产生误判。此外，las格式的三维点云数据每个点都有一个属性字段可用于记录该点所属的类别。综合以上考虑，本发明采用人工勾选的方法标识变电站内的带电设备，具体实现方法为：提前定义代表带点设备这一类别的字段或编号，本发明定义了主变压器、开关、刀闸、母线、跨线、电流互感器六种常见的带电设备类型以供分类。然后在地面滤波的基础上对非地面点进行编辑处理，利用点云选择工具，在非地面点中人工目视勾选出带电设备点，并对其类别字段进行赋值，从而构建目标变电站点云数据。
[0191]
步骤204、采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型。
[0192]
可选地，步骤204包括以下步骤s21-s24：
[0193]
s21、按照大型机械对应的履带、机身和机械吊臂构建大型机械仿真模型；
[0194]
s22、采用三维位置信息确定点云场景中的大型机械仿真模型的位置和姿态，生成更新大型机械模型；
[0195]
s23、按照预设间隔时间获取最新的三维位置信息，生成更新三维位置信息；
[0196]
s24、按照更新三维位置信息对点云场景中的大型机械仿真模型的位置和姿态进行更新，生成目标大型机械模型。
[0197]
在具体实施例中，按照大型机械对应的履带、机身和机械吊臂构建在点云场景中的仿真模拟模型，目标大型机械模型在点云场景中的位置和姿态完全由rtk定位器传入的三维位姿参数数据决定，每当有新的rtk定位信息传入，目标大型机械模型在变电站点云场景中的位姿与姿态也随之更新，从而达到动态仿真的效果。
[0198]
目标大型机械模型运行过程动态仿真的核心思想为：如图5所示，利用一个长方体的包围盒来近似模拟施工机械表面，定义一个定时器，每隔20ms刷新一次点云场景的屏幕视图，如果前后两次试图刷新的过程中系统接收到新的rtk定位信息，则根据rtk定位信息更新屏幕域中目标大型机械模型的三维位姿参数信息，重新渲染其表面包围盒，动态显示大型机械在变电站中的最新位置。
[0199]
步骤205、搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点。
[0200]
可选地，步骤205包括以下步骤s31-s37：
[0201]
s31、计算目标变电站点云数据中的各带电设备点云所处维度的维度数据的方差值；
[0202]
s32、计算最大方差值对应的第一维度上的所有带电设备点云数据的平均值，并将平均值对应的中位数数据设为中间节点；
[0203]
s33、判断第一维度上对应的带电设备点云数据是否小于中位数数据；
[0204]
s34、若是，则将带电设备点云数据划分至左子树节点；
[0205]
s35、若否，则将带电设备点云数据划分至右子树节点；
[0206]
s36、跳转执行计算最大方差值对应的第一维度上的所有带电设备点云数据的平均值，并将平均值对应的中位数数据设为中间节点的步骤，构建k-d树；
[0207]
s37、按照最邻近搜索法搜索k-d树上的各子树节点与目标大型机械模型的目标点的最邻近点。
[0208]
需要说明的是，kd-tree简称k维树，是一种空间划分的数据结构。常被用于高维空间中的搜索，比如范围搜索和最邻近搜索。由于三维点云的数目一般都比较大，使用kd-tree来进行检索可以减少很多的时间消耗，确保点云的关联点寻找和配准处于实时的状态。如图6所示，本次预警距离计算的核心即对标识后的带电设备点云构建三维kd-tree，通过目标大型机械模型的三维位置信息，在kd-tree中搜索其最邻近点。
[0209]
在本发明实施例中，kd-tree可以看作k维的二叉树，其中的每一个节点都是k维的数据，且节点应当包含以下几个域：
[0210][0211]
具体地，kd-tree的构建就是按照某种顺序将无序化的目标变电站点云数据的各带电设备点云进行有序化排列，方便进行快捷高效的检索。如图7-8所示，建立树最大的问题在于轴点(pivot)的选择，且必须遵守两个准则：
[0212]
(1)建立的树应当尽量平衡，树越平衡代表着分割得越平均，搜索的时间也就是越少。
[0213]
(2)最大化邻域搜索的剪枝机会。
[0214]
其构建算法如下：
[0215]
input：无序化的带电设备点云，维度k
[0216]
output：带电设备点云对应的kd-tree
[0217]
algorithm：
[0218]
(1)初始化分割轴：对每个维度的数据进行方差的计算，取最大方差的维度作为分割轴，标记为r；
[0219]
(2)确定节点：对当前数据按分割轴维度进行检索，找到中位数数据(中间节点)，并将其放入到当前节点上；
[0220]
(3)划分双支：
[0221]
划分左子树：在当前分割轴维度，所有小于中位数的值划分到左子树中；
[0222]
划分右子树：在当前分割轴维度，所有大于等于中位数的值划分到右子树中；
[0223]
(4)更新分割轴：r＝(r+1)％k；
[0224]
(5)确定子节点：
[0225]
确定左子树节点：在左子树的数据中进行步骤2；
[0226]
确定右子树节点：在右子树的数据中进行步骤2。
[0227]
按照最邻近搜索法搜索k-d树上的各子树节点与目标大型机械模型的目标点的最邻近点。
[0228]
可选地，步骤s37包括以下步骤s371-s378：
[0229]
s371、将k-d树上的树根节点输入优先队列；
[0230]
s372、提取优先队列中的最优节点对应的带电设备点云数据；
[0231]
s373、计算带电设备点云数据与目标大型机械模型的目标点的第一目标距离，并将第一目标距离设为目标点邻近值；
[0232]
s374、提取优先队列中的各个节点对应的带电设备点云数据，计算当前节点对应的带电设备点云数据与目标大型机械模型的目标点的第二目标距离；
[0233]
s375、根据第二目标距离更新目标点邻近值；
[0234]
s376、按照预设阈值搜索最优节点所处维度上的第一子树节点；其中，当最优节点所处子树节点为左子树节点，则第一子树节点为右子树节点；
[0235]
s377、将第一子树节点输入优先队列，并跳转执行提取优先队列中的最优节点对应的带电设备点云数据的步骤，直至搜索次数超过预设回溯次数，生成多个目标点邻近值；
[0236]
s378、从全部目标点邻近值中选取小于预设邻近阈值的目标点邻近值作为各子树节点与目标大型机械模型的目标点的最邻近点。
[0237]
需要说明的是，k-d树算法在搜索邻近时分为二分查找和回溯查找两个部分进行，回溯次数直接决定了算法的运行效率。而基于k-d树搜索的knn算法，每次搜索都需要回溯到根节点，出现了很多无关回溯，导致不必要的时间消耗。为提高k邻近值的搜索效率，提出使用bbf算法，该算法提供一个优先队列，存储二分查找错过的节点，按照各节点所在的超平面到目标大型机械模型的目标点a的距离由小到大进行排序。预设邻近阈值指的是按照从小到大排列的所有目标点k邻近值而定的邻近阈值，最大回溯次数h视实际情况而定，在此不作限定。
[0238]
在具体实施例中，如图9所示，对于指定查找目标点a，其基于bbf的k邻近搜索算法如下：
[0239]
输入：kd-tree，指定查找点a，最大回溯次数h
[0240]
输出：nk(a)
[0241]
1:t-node
←
prioritylist出队最优节点
[0242]
2:c-node
←
t-node
[0243]
3:if dist(a，c-node)《max(nk(a))
[0244]
4:更新nk(a)
[0245]
5:if a[split]》t-node[split]
[0246]
6:将t-node的l-tree加入prioritylist，t-node的r-tree更新为c-node
[0247]
7:else
[0248]
8:将t-node的r-tree加入prioritylist，更新t-node的l-tree为c-node
[0249]
9:判断是否检索到叶结点，否：执行步骤3；是：执行下一步
[0250]
10:prioritylist为空或超出h，否：执行步骤1；是：执行下一步
[0251]
11:返回nk(a)
[0252]
将k-d树上的树根节点输入优先队列，取优先队列中最优节点对应的带电设备点云数据，比较当前节点与目标点a的距离，生成或更新目标点k邻近值，按照预设阈值大小搜索子树，将当前节点的另一子树(第一子树)输入优先队列，具体地，当当前节点所处子树节点为左子树节点，则第一子树(另一子树)节点为右子树节点；判断是否检索到叶子节点，如果没有检索到叶子节点，就返回到比较当前节点与目标点a的距离，生成或更新目标点k邻近值的步骤，如果检索到叶子节点，就进入下一步，判断优先队列是否为空，或者回溯次数是否超出最大回溯次数，当回溯次数超出最大回溯次数时，比较所有的目标点k邻近值并由小到大进行排序，选取出小于预设邻近阈值的m个目标点k邻近值作为最邻近点。
[0253]
步骤206、计算最邻近点与目标大型机械模型的模型表面的最短距离。
[0254]
在本发明实施例中，如图6所示，计算该最邻近点到目标大型机械模型的模型表面(包围盒表面)的最短距离，即为所需的预警距离。
[0255]
kd-tree输入数据：各类带电设备点；
[0256]
查询点：当前位置目标大型机械模型rtk及uwb点位；
[0257]
输出结果：与目标大型机械模型各rtk及uwb点位最邻近的带电设备点及两者间的欧式距离。
[0258]
步骤207、当最短距离小于预警距离阈值时，生成预警信息并输出。
[0259]
在本发明实施例中，步骤207的具体实施过程与步骤106类似，在此不再赘述。
[0260]
可选地，本方法还包括以下步骤s41-s43：
[0261]
s41、创建三个单位轴相互垂直且以摄像机的位置为原点的坐标系；
[0262]
s42、采用三个单位轴和平移向量构建视觉跟随矩阵；其中，视觉跟随矩阵的表达式如下：
[0263][0264]
其中，r为单位轴，表示右向量；u为单位轴，表示上向量；d为单位轴，表示方向向量；p为摄像机位置向量；
[0265]
s43、按照视觉跟随矩阵的坐标位置信息的相反方向更新点云场景中的目标大型机械模型的三维位置信息。
[0266]
需要说明的是，由于每次传入rtk定位信息的三维位姿参数数据，都会更新点云场景中的目标大型机械模型的位置与姿态，为了能够及时捕捉施工机械的动态更新过程，本发明采用视角跟随功能，在进行施工管控时，点云视图中的视野始终聚焦到目标大型机械模型上，跟随目标大型机械模型移动变化。
[0267]
视角跟随主要通过opengl中的lookat模块实现。观察矩阵将所有的世界坐标变换为相对于摄像机位置与方向的观察坐标。当定义一个摄像机时需要它在世界空间中的位置、观察的方向、一个指向它右侧的向量以及一个指向它上方的向量。如图10所示，创建一
个三个单位轴相互垂直的、以摄像机的位置为原点的坐标系。
[0268]
在具体实施例中，如图10所示，position为摄像机位置，direction为摄像机方向，摄像机方向是指摄像机指向场景原点：(0,0,0)的方向，用摄像机位置向量减去场景原点向量得到摄像机方向，也就是图中z的指向。right为右向量，它代表摄像机空间的x轴的正方向。为获取右向量，需先定义一个上向量(up vector)，接下来把上向量和第二步得到的方向向量进行叉乘。两个向量叉乘的结果会同时垂直于两向量，因此我们会得到指向x轴正方向的那个向量(如果交换两个向量叉乘的顺序就会得到相反的指向x轴负方向的向量)。最后的up则代表上轴。
[0269]
视觉跟随矩阵由这三个单位轴和平移向量来构建，具体表达式如下：
[0270][0271]
具体地，其中r是右向量，u是上向量，d是方向向量，p是摄像机位置向量。其中位置向量是相反的，因为最终将世界坐标系平移到与监控人员自身移动的相反方向，故按照视觉跟随矩阵的坐标位置信息的相反方向更新点云场景中的目标大型机械模型的三维位置信息。把视觉跟随矩阵作为观察矩阵可以很高效地把所有世界坐标变换到刚刚定义的观察空间。
[0272]
本发明通过响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息和大型机械的三维位置信息；将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点；计算最邻近点与目标大型机械模型的模型表面的最短距离；当最短距离小于预警距离阈值时，生成预警信息并输出。解决了现有的起重机上安装红外摄像头等传感器对变电站内的带电设备进行探测感应，但单一的红外线感应探测，工作误差较大，精确性较低，容易碰到变电站内的带电设备，导致事故发生的技术问题。本发明具备以下创新点与优势：
[0273]
(1)探索并实现点云场景可视化技术与三维建模技术的结合，实现大型施工机械3d可视化模型在高密度、高精度的三维点云场景中进行直观显示。且实现了施工机械模型与点云场景的交互；
[0274]
(2)探索并实现一种软硬件结合的施工数据定位数据获取方法，以若干便携式rtk安装在施工机械角点及吊臂节点处，利用tcp/ip等实时远程通信技术将rtk硬件端监测得到的实地勘测数据传入软件端进行解析处理，以此替代依靠激光雷达的实时预警装置，从而大大降低硬件采购成本，同时也能保障施工机械定位模拟的可靠性；
[0275]
(3)探索并实现施工机械作业时的碰撞风险点快速搜索及预警距离快速测算方法。采用基于kd-tree的knn临近搜索算法实现在极短的时间内找到与施工机械当前位置最邻近的带电设备点位，并计算两者间的距离。为变电站大型施工机械作业提供有力的安全保障。
[0276]
请参阅图11，图11为本发明实施例三提供的一种大型机械运动监测预警系统的结构框图。
[0277]
本发明提供的一种大型机械运动监测预警系统，包括：
[0278]
三维位置信息模块1101，用于响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息和大型机械的三维位置信息；
[0279]
目标变电站点云数据模块1102，用于将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；
[0280]
目标大型机械模型模块1103，用于采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；
[0281]
最邻近点模块1104，用于搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点；
[0282]
最短距离模块1105，用于计算最邻近点与目标大型机械模型的模型表面的最短距离；
[0283]
预警信息模块1106，用于当最短距离小于预警距离阈值时，生成预警信息并输出。
[0284]
可选地，三维位置信息模块1101包括：
[0285]
变电站信息子模块，用于响应接收到的大型机械运动请求，获取大型机械运动请求对应的变电站信息；
[0286]
采集信息子模块，用于通过rtk定位器采集大型机械的三维位置信息，并通过远程通信模块传输三维位置信息。
[0287]
可选地，点云数据处理包括点云坐标全局偏移、点云着色和点云裁剪；目标变电站点云数据模块1102包括：
[0288]
计算坐标子模块，用于计算变电站信息对应的初始变电站点云数据的原始坐标的中心坐标；
[0289]
偏移矢量子模块，用于以中心坐标为偏移矢量，按照偏移矢量对初始变电站点云数据中的各点云进行坐标偏移，生成第一更新变电站点云数据；
[0290]
第二点云数据子模块，用于按照预设点云着色效果对第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据；
[0291]
删除点云子模块，用于采用点云拾取工具勾选第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储。
[0292]
可选地，预设点云着色效果包括高程着色显示、类别着色显示和原始rgb信息着色显示；第二点云数据子模块包括：
[0293]
高程着色子模块，用于当第一更新变电站点云数据对应的点云需按照高程着色显示时，统计第一更新变电站点云数据对应的当前点云高程最大值和当前点云高程最小值；
[0294]
预设的色带子模块，用于按照预设的色带将当前点云高程最大值和当前点云高程最小值分别设为色带的两端；
[0295]
色带子模块，用于采用当前点云高程最大值在色带上的位置参数对各点云进行赋色，生成高程着色第二更新变电站点云数据；
[0296]
类别着色子模块，用于当第一更新变电站点云数据对应的点云需按照类别着色显示时，按照预设带电设备类别设置对应的类别颜色；
[0297]
类别颜色子模块，用于按照各类别颜色分别对各带电设备点云进行赋色，生成类别着色第二更新变电站点云数据；
[0298]
rgb信息子模块，用于当第一更新变电站点云数据对应的点云需按照原始rgb信息着色显示时，按照第一更新变电站点云数据对应的点云数据中的rgb通道值对各点云进行赋色，生成rgb着色第二更新变电站点云数据。
[0299]
可选地，点云数据处理还包括点云地面滤波和类别编辑；删除点云子模块包括：
[0300]
第三更新变电站点云数据子模块，用于采用点云拾取工具勾选第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成第三更新变电站点云数据；
[0301]
构建三角网子模块，用于从第三更新变电站点云数据中选取局部最低点作为种子点，将所有种子点设为地面点并构建三角网；
[0302]
计算非地面点子模块，用于按照预设地面点判断法计算各个非地面点；
[0303]
地面阈值条件子模块，用于判断非地面点到三角网的距离和最大角度是否满足预设地面阈值条件；
[0304]
当前地面点总数子模块，用于若是，则将非地面点标记为地面点，并记录当前地面点总数；
[0305]
格网单元子模块，用于遍历预设格网单元，将预设格网单元中除最低地面点外剩余的地面点重新设为非地面点，并判断当前地面点总数占比是否大于比例阈值；
[0306]
跳转执行子模块，用于若是，则跳转执行从第三更新变电站点云数据中选取局部最低点作为种子点，将所有种子点设为地面点并构建三角网的步骤；
[0307]
第四更新变电站点云数据子模块，用于若否，则将所有非地面点确定为地面点，生成第四更新变电站点云数据；
[0308]
带电设备点云子模块，用于按照预设带电设备类别对第四更新变电站点云数据中的各个点云进行分类，生成多个带电设备点云；
[0309]
目标变电站点云数据子模块，用于采用全部带电设备点云构建目标变电站点云数据。
[0310]
可选地，目标大型机械模型模块1103包括：
[0311]
大型机械仿真模型子模块，用于按照大型机械对应的履带、机身和机械吊臂构建大型机械仿真模型；
[0312]
更新大型机械模型子模块，用于采用三维位置信息确定点云场景中的大型机械仿真模型的位置和姿态，生成更新大型机械模型；
[0313]
更新三维位置信息子模块，用于按照预设间隔时间获取最新的三维位置信息，生成更新三维位置信息；
[0314]
生成目标大型机械模型子模块，用于按照更新三维位置信息对点云场景中的大型机械仿真模型的位置和姿态进行更新，生成目标大型机械模型。
[0315]
可选地，最邻近点模块1104包括：
[0316]
方差值子模块，用于计算目标变电站点云数据中的各带电设备点云所处维度的维度数据的方差值；
[0317]
中间节点子模块，用于计算最大方差值对应的第一维度上的所有带电设备点云数
据的平均值，并将平均值对应的中位数数据设为中间节点；
[0318]
判断子模块，用于判断第一维度上对应的带电设备点云数据是否小于中位数数据；
[0319]
左子树节点子模块，用于若是，则将带电设备点云数据划分至左子树节点；
[0320]
右子树节点子模块，用于若否，则将带电设备点云数据划分至右子树节点；
[0321]
构建k-d树子模块，用于跳转执行计算最大方差值对应的第一维度上的所有带电设备点云数据的平均值，并将平均值对应的中位数数据设为中间节点的步骤，构建k-d树；
[0322]
最邻近点子模块，用于按照最邻近搜索法搜索k-d树上的各子树节点与目标大型机械模型的目标点的最邻近点。
[0323]
可选地，最邻近点子模块包括：
[0324]
优先队列子模块，用于将k-d树上的树根节点输入优先队列；
[0325]
最优节点子模块，用于提取优先队列中的最优节点对应的带电设备点云数据；
[0326]
目标点邻近值子模块，用于计算带电设备点云数据与目标大型机械模型的目标点的第一目标距离，并将第一目标距离设为目标点邻近值；
[0327]
提取点云数据子模块，用于提取优先队列中的各个节点对应的带电设备点云数据，计算当前节点对应的带电设备点云数据与目标大型机械模型的目标点的第二目标距离；
[0328]
更新目标点邻近值子模块，用于根据第二目标距离更新目标点邻近值；
[0329]
预设阈值子模块，用于按照预设阈值搜索最优节点所处维度上的第一子树节点；其中，当最优节点所处子树节点为左子树节点，则第一子树节点为右子树节点；
[0330]
目标点邻近值子模块，用于将第一子树节点输入优先队列，并跳转执行提取优先队列中的最优节点对应的带电设备点云数据的步骤，直至搜索次数超过预设回溯次数，生成多个目标点邻近值；
[0331]
目标点最邻近点子模块，用于从全部目标点邻近值中选取小于预设邻近阈值的目标点邻近值作为各子树节点与目标大型机械模型的目标点的最邻近点。
[0332]
可选地，本系统还包括：
[0333]
坐标系子模块，用于创建三个单位轴相互垂直且以摄像机的位置为原点的坐标系；
[0334]
视觉跟随矩阵子模块，用于采用三个单位轴和平移向量构建视觉跟随矩阵；其中，视觉跟随矩阵的表达式如下：
[0335][0336]
其中，r为单位轴，表示右向量；u为单位轴，表示上向量；d为单位轴，表示方向向量；p为摄像机位置向量；
[0337]
三维位置信息子模块，用于按照视觉跟随矩阵的坐标位置信息的相反方向更新点云场景中的目标大型机械模型的三维位置信息。
[0338]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0339]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0340]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0341]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0342]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0343]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种大型机械运动监测预警方法，其特征在于，包括：响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息；将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点；计算所述最邻近点与所述目标大型机械模型的模型表面的最短距离；当所述最短距离小于预警距离阈值时，生成预警信息并输出。2.根据权利要求1所述的大型机械运动监测预警方法，其特征在于，所述响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息步骤，包括：响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息；通过rtk定位器采集大型机械的三维位置信息，并通过远程通信模块传输所述三维位置信息。3.根据权利要求1所述的大型机械运动监测预警方法，其特征在于，所述点云数据处理包括点云坐标全局偏移、点云着色和点云裁剪；所述将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据步骤，包括：计算所述变电站信息对应的初始变电站点云数据的原始坐标的中心坐标；以所述中心坐标为偏移矢量，按照所述偏移矢量对所述初始变电站点云数据中的各点云进行坐标偏移，生成第一更新变电站点云数据；按照预设点云着色效果对所述第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据；采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储。4.根据权利要求3所述的大型机械运动监测预警方法，其特征在于，所述预设点云着色效果包括高程着色显示、类别着色显示和原始rgb信息着色显示；所述按照预设点云着色效果对所述第一更新变电站点云数据进行赋色，生成第二更新变电站点云数据步骤，包括：当所述第一更新变电站点云数据对应的点云需按照高程着色显示时，统计所述第一更新变电站点云数据对应的当前点云高程最大值和当前点云高程最小值；按照预设的色带将所述当前点云高程最大值和所述当前点云高程最小值分别设为所述色带的两端；采用所述当前点云高程最大值在所述色带上的位置参数对各所述点云进行赋色，生成高程着色第二更新变电站点云数据；当所述第一更新变电站点云数据对应的点云需按照类别着色显示时，按照预设带电设备类别设置对应的类别颜色；按照各所述类别颜色分别对各带电设备点云进行赋色，生成类别着色第二更新变电站点云数据；
当所述第一更新变电站点云数据对应的点云需按照原始rgb信息着色显示时，按照所述第一更新变电站点云数据对应的点云数据中的rgb通道值对各所述点云进行赋色，生成rgb着色第二更新变电站点云数据。5.根据权利要求3所述的大型机械运动监测预警方法，其特征在于，所述点云数据处理还包括点云地面滤波和类别编辑；所述采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成目标变电站点云数据并存储的步骤，包括：采用点云拾取工具勾选所述第二更新变电站点云数据中处于变电站区域内的点云，且删除未被勾选的各个点云，生成第三更新变电站点云数据；从所述第三更新变电站点云数据中选取局部最低点作为种子点，将所有所述种子点设为地面点并构建三角网；按照预设地面点判断法计算各个非地面点；判断所述非地面点到所述三角网的距离和最大角度是否满足预设地面阈值条件；若是，则将所述非地面点标记为地面点，并记录当前地面点总数；遍历预设格网单元，将所述预设格网单元中除最低地面点外剩余的地面点重新设为非地面点，并判断当前地面点总数占比是否大于比例阈值；若是，则跳转执行所述从所述第三更新变电站点云数据中选取局部最低点作为种子点，将所有所述种子点设为地面点并构建三角网的步骤；若否，则将所有所述非地面点确定为地面点，生成第四更新变电站点云数据；按照预设带电设备类别对所述第四更新变电站点云数据中的各个点云进行分类，生成多个带电设备点云；采用全部所述带电设备点云构建目标变电站点云数据。6.根据权利要求1所述的大型机械运动监测预警方法，其特征在于，所述采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型步骤，包括：按照所述大型机械对应的履带、机身和机械吊臂构建大型机械仿真模型；采用所述三维位置信息确定点云场景中的所述大型机械仿真模型的位置和姿态，生成更新大型机械模型；按照预设间隔时间获取最新的所述三维位置信息，生成更新三维位置信息；按照所述更新三维位置信息对所述点云场景中的所述大型机械仿真模型的位置和姿态进行更新，生成目标大型机械模型。7.根据权利要求1所述的大型机械运动监测预警方法，其特征在于，所述搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点步骤，包括：计算所述目标变电站点云数据中的各带电设备点云所处维度的维度数据的方差值；计算最大方差值对应的第一维度上的所有所述带电设备点云数据的平均值，并将所述平均值对应的中位数数据设为中间节点；判断所述第一维度上对应的带电设备点云数据是否小于所述中位数数据；若是，则将所述带电设备点云数据划分至左子树节点；若否，则将所述带电设备点云数据划分至右子树节点；
跳转执行所述计算最大方差值对应的第一维度上的所有所述带电设备点云数据的平均值，并将所述平均值对应的中位数数据设为中间节点的步骤，构建k-d树；按照最邻近搜索法搜索所述k-d树上的各子树节点与所述目标大型机械模型的目标点的最邻近点。8.根据权利要求7所述的大型机械运动监测预警方法，其特征在于，所述按照最邻近搜索法搜索所述k-d树上的各子树节点与所述目标大型机械模型的目标点的最邻近点的步骤，包括：将所述k-d树上的树根节点输入优先队列；提取所述优先队列中的最优节点对应的带电设备点云数据；计算所述带电设备点云数据与所述目标大型机械模型的目标点的第一目标距离，并将所述第一目标距离设为目标点邻近值；提取所述优先队列中的各个节点对应的带电设备点云数据，计算当前节点对应的带电设备点云数据与所述目标大型机械模型的目标点的第二目标距离；根据所述第二目标距离更新所述目标点邻近值；按照预设阈值搜索所述最优节点所处维度上的第一子树节点；其中，当所述最优节点所处子树节点为左子树节点，则所述第一子树节点为右子树节点；将所述第一子树节点输入优先队列，并跳转执行所述提取所述优先队列中的最优节点对应的带电设备点云数据的步骤，直至搜索次数超过预设回溯次数，生成多个目标点邻近值；从全部所述目标点邻近值中选取小于预设邻近阈值的目标点邻近值作为各子树节点与所述目标大型机械模型的目标点的最邻近点。9.根据权利要求6所述的大型机械运动监测预警方法，其特征在于，还包括：创建三个单位轴相互垂直且以摄像机的位置为原点的坐标系；采用三个所述单位轴和平移向量构建视觉跟随矩阵；其中，所述视觉跟随矩阵的表达式如下：其中，r为单位轴，表示右向量；u为单位轴，表示上向量；d为单位轴，表示方向向量；p为摄像机位置向量；按照所述视觉跟随矩阵的坐标位置信息的相反方向更新所述点云场景中的目标大型机械模型的三维位置信息。10.一种大型机械运动监测预警系统，其特征在于，包括：三维位置信息模块，用于响应接收到的大型机械运动请求，获取所述大型机械运动请求对应的变电站信息和大型机械的三维位置信息；目标变电站点云数据模块，用于将所述变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；
目标大型机械模型模块，用于采用所述三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；最邻近点模块，用于搜索所述目标变电站点云数据中的各带电设备点云与所述目标大型机械模型的目标点的最邻近点；最短距离模块，用于计算所述最邻近点与所述目标大型机械模型的模型表面的最短距离；预警信息模块，用于当所述最短距离小于预警距离阈值时，生成预警信息并输出。

技术总结
本发明公开了一种大型机械运动监测预警方法和系统。本发明通过将变电站信息对应的初始变电站点云数据进行点云数据处理，生成目标变电站点云数据；采用三维位置信息和预设的大型机械仿真模型，生成目标大型机械模型；搜索目标变电站点云数据中的各带电设备点云与目标大型机械模型的目标点的最邻近点；计算最邻近点与目标大型机械模型的模型表面的最短距离；当最短距离小于预警距离阈值时，生成预警信息并输出。解决了现有的技术精确性较低，容易导致事故发生的技术问题。本发明采用临近搜索算法实现在极短的时间内找到与施工机械当前位置最邻近的带电设备点位，并计算两者间的距离。为变电站大型施工机械作业提供有力的安全保障。全保障。全保障。


技术研发人员：杨文聪 梁杏婵 莫子朝 甘文琪 杨康健 秦文成 苏杰锋
受保护的技术使用者：广东电网有限责任公司肇庆供电局
技术研发日：2023.05.25
技术公布日：2023/8/23