CN114693729B 基于激光扫描的深度追踪识别方法 （广东师大维智信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114693729B(45)授权公告日2025.07.01

(21)申请号202210136111.X

(22)申请日2022.02.15

(65)同一申请的已公布的文献号申请公布号CN114693729A

(43)申请公布日2022.07.01

(73)专利权人广东师大维智信息科技有限公司地址511500广东省清远市清远高新技术

产业开发区创兴大道18号天安智谷科技产业园产业大厦T0218层06-07号

专利权人华南师大(清远)科技创新研究院有限公司

(72)发明人杨光李卫红刘树功张可文黄程

(74)专利代理机构深圳市广诺专利代理事务所(普通合伙)44611

专利代理师居振浩

(51)Int.CI.

G06T

GO6T

GO6T

G01B

GO6V

GO6V

GO6V

GO6V

7/246(2017.01)7/13(2017.01)17/00(2006.01)

11/24(2006.01)

10/774(2022.01)

10/762(2022.01)

10/764(2022.01)

10/74(2022.01)

(56)对比文件

CN110133669A,2019.08.16

CN108830256A,2018.11.16

审查员董智青

权利要求书4页说明书8页附图2页

(54)发明名称

基于水渠险情的历史数据限定重点扫描区域利用三维激光扫描仪获取水渠断面限定区域的点云数据

基于水渠险情的历史数据限定重点扫描区域

利用三维激光扫描仪获取水渠断面限定区域的点云数据

扫描得到点云数据中的异常数据

根据扫描中的异常数据识别险情类型

基于异常数据及险情类型进行动态跟踪

分析异常点云数据生成险情警报信息

(57)摘要

CN114693729B本申请提供基于激光扫描的深度追踪识别方法，包括：基于水渠险情的历史数据限定重点扫描区域，具体包括：获取并处理水渠险情的历史数据、根据历史数据对水渠断面的扫描区域进行划分；利用三维激光扫描仪获取水渠断面限定区域的点云数据；扫描得到点云数据中的异常数据；根据扫描中的异常数据识别险情类型；基于异常数据及险情类型进行动态跟踪；分析异常点云数据生成险情警报信息。该系统的有益效果包括：不需要检测人员实地监测，提高了监测的安全性，动态监控保证下水道或水渠出现险情时能够及时发现而且能够识别是哪种类型的险情及

CN114693729B

性。

CN114693729B权利要求书1/4页

2

1.一种基于激光扫描的深度追踪识别方法，其特征在于，包括：

基于水渠险情的历史数据限定重点扫描区域：获取并处理水渠险情的历史数据、根据历史数据对水渠断面的扫描区域进行划分；

利用三维激光扫描仪获取水渠断面限定区域的点云数据；

扫描得到点云数据中的异常数据：水上水下扫描数据修正、获取异常点云数据集；

根据扫描中的异常数据识别险情类型：水渠中异物检测及类型识别、水渠自身形态变化监测、监测水渠的异常水流量；

基于异常数据及险情类型进行动态跟踪：异物的动态监测、异常水流量的动态监测；

分析异常点云数据生成险情警报信息；

其中，所述基于水渠险情的历史数据限定重点扫描区域，包括：

获取并处理水渠险情的历史数据；

根据历史数据对水渠断面的扫描区域进行划分；

其中，所述获取并处理水渠险情的历史数据，包括：

获取水渠断面险情的历史数据；其中，所述历史数据包括险情类型及其点云数据、各类险情发生的次数、险情发生的位置分区，以及分区内的具体位置坐标；所述位置分区包括水渠断面的顶部、左右侧面、底部以及水面；

提取所述历史数据中不同险情的特征，建立标准险情矩阵，行向量为各位置分区，列向量为险情特征，统计所述历史数据表中各位置分区发生险情的类型、次数；

其中，所述根据历史数据对水渠断面的扫描区域进行划分，包括：

将水渠断面划分为预设的若干区域：

将位置分区划分为预设数目的大小相等的子区域；

对上述子区域中的历史数据进行聚类处理；

所述历史数据根据其分区内的具体位置坐标划分到相应的子区域中；

获取风险模型，所述历史数据作为所述风险模型的训练数据被分为高风险、中风险和无风险区域；

对于待处理的点云数据，将其预处理为与所述风险模型的训练数据特征相同的数据；

根据所述风险模型，确定预处理数据是否符合高风险区域的特征，若是，则确定该子区域属于高风险区域；

对所有位