基于AI视觉和UWB技术起重机起吊区域的人员防撞系统的制作方法

基于ai视觉和uwb技术起重机起吊区域的人员防撞系统
技术领域
1.本发明涉及智能装备领域，特别涉及基于ai视觉和uwb技术起重机起吊区域的人员防撞系统。


背景技术：

2.人工智能，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。在起重机在吊装运行过程中，操作人员当发现吊装对象周围出现可能的危险人员物品时，会按下起重机紧急停止按钮，以实现起重机运行的紧急应急停止，但这种常规操作方式容易受操作人员的操作状态影响，紧急停止时机不易把握，安全风险高，不能提前规划避障方案，不能实现智能控制。
3.中国专利cn106495005b公开了一种起重机防撞检测控制系统，该检测系统用于检测安装在高空中有人操控的桥机与位于地面上无人操作自动运行的门机互相配合的工作过程，上层桥机为有人操作起重机，桥机运行受控于地面调度员的随机调动。该系统采用激光扫描仪、小车安全限位开关和多个plc控制单元的相互作用，采用激光扫描仪扫描作业区域物体的轮廓编程设定扫描物体的预警减速与防撞报警轮廓，并连锁上层起重机起升与小车安全信号实现上层起重机主动检测、主动防撞控制，下层起重机自主自动运行中被动防撞躲避或停止运行控制，中控室综合监控紧急干预的防撞控制，安全性更高、控制方法更符合现场工艺需求。
4.该申请虽然在一定程度上解决了背景技术中的问题，但是该申请中存在以下问题：1、该系统没有针对起吊区域的人员进行防撞检测，主要针对两层作业的起重机的防撞进行检测，不能智能判断人员位置；2、在起吊区域经常有工作人员流动，且工作人员的目标较小，容易被遮挡，起吊重物时撞击到人员，也会给人员造成致命伤害，不能智能优化避障方案，避障效率不高。


技术实现要素：

5.本发明的目的在于提供基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，设置有ai视觉识别和uwb定位模块和防撞控制模块，ai视觉识别和uwb定位模块采用人工智能终端实时读取摄像头图像数据，并通过硬件加速后的深度学习网络模型对图像进行推理，检测出图像中存在的人或物，并给出其起始坐标位置及区域范围，定位单元收集起重机起重臂和人员的位置信息，通过之前标定的区域进行透视变换，计算出图像中人或物的距离，将ai视觉识别技术和uwb定位技术结合，既能从视觉上判断是否有人员存在被撞风险，也能通过uwb定位技术观察到被物体遮挡的人员，从而避免人员被撞；起重机起重臂摄像头跟随起重机起重臂的位置移动而移动，拍摄起重机起重臂移动过程的中的环境变化，起重
机起重臂uwb探针安装在起重机起重臂上，能够获知起重机起重臂的位置，同时了解起重机起重臂周围的环境变化，第一时间获知人员位置，降低被撞的风险；设置有起吊区域摄像头和工作环境摄像头，能够拍摄环境内的人员流动，在人员靠近起重机起重臂前，及时制止，起到防撞预防作用，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，包括ai视觉识别和uwb定位模块和防撞控制模块，所述ai视觉识别和uwb定位模块用于识别起吊区域的人和物，检测起重机起重臂的位置和人员的位置，完成吊装空间的动态三维模型建设，检测移动的障碍物，在线计算负载与障碍物的位置信息和尺度信息以及运行信息，并进行碰撞预测，所述ai视觉识别和uwb定位模块包括采集单元、定位单元、建模单元、预测单元和警报单元，采集单元、定位单元、建模单元、预测单元和警报单元依次连接；
7.所述防撞控制模块用于获取可能发生碰撞的预测信息，控制起重机的启停和速度调整，及时预警可能发生的碰撞，通知人员撤离，所述防撞控制模块包括控制器、变频器和声光报警单元，控制器分别与变频器、声光报警单元电性连接。
8.优选的，所述ai视觉识别和uwb定位模块的工作过程包括以下步骤：
9.s11：采集单元采集起重机起重臂周围起吊区域和整个工作环境的图像信息，人工智能终端实时读取摄像头图像数据，并通过硬件加速后的深度学习网络模型对图像进行推理，检测出图像中存在的人或物，并给出其起始坐标位置及区域范围；
10.s12：定位单元收集起重机起重臂和人员的位置信息，通过之前标定的区域进行透视变换，计算出图像中人或物的距离；
11.s13：建模单元根据人或物的坐标位置以及距离，分别得到负载、动态障碍物和静态障碍物的三维坐标，获得动态模型图；
12.s14：预测单元根据动态模型图预测负载是否与动态障碍物或静态障碍物发生碰撞，得到预测结果；
13.s15：警报单元用于将预测信息传送给防撞控制模块。
14.优选的，所述采集单元包括起重机起重臂摄像头、起吊区域摄像头、工作环境摄像头和ai视觉识别终端，起重机起重臂摄像头、起吊区域摄像头、工作环境摄像头均与ai视觉识别终端电性连接，起重机起重臂摄像头安装在起重机起重臂的侧壁上，起吊区域摄像头设置在起吊区域的边缘位置，起吊区域摄像头设置有两组以上，起吊区域摄像头上设置有位置感应传感器，位置感应传感器用于感应起重机起重臂的位置，工作环境摄像头覆盖整个工作区域，ai视觉识别终端分别识别重机起重臂摄像头、起吊区域摄像头和工作环境摄像头拍摄图像中的人员位置和流动方向。
15.优选的，所述采集单元的工作流程包括以下步骤：
16.s111：起重机起重臂摄像头跟随起重机起重臂移动位置，拍摄整个起吊路径，ai视觉识别终端识别是否出现人员和障碍物；
17.s112：起吊区域摄像头感应到起重机起重臂位置靠近，自动开启拍摄，ai视觉识别终端识别是否出现人员进入到起吊区域内，出现人员进入到起吊区域内，预测单元和警报单元进行预测和报警处理；
18.s113：工作环境摄像头拍摄整个工作环境，ai视觉识别终端识别人员流动情况，发
现靠近起吊区域的人员或者正向起吊区域流动的人员，预测单元和警报单元进行预测和报警处理。
19.优选的，所述定位单元包括起重机起重臂uwb探针、人员uwb探针和uwb基站，起重机起重臂uwb探针、人员uwb探针分别与uwb基站通信连接。
20.优选的，所述防撞控制模块的工作过程包括以下步骤：
21.s21：控制器接收预测单元和警报单元传导的预测或者报警信息，由远程指挥人员查看，远程人员给出指令或者控制器根据警报等级自行给出指令；
22.s22：控制器将指令传给变频器和声光报警单元，变频器控制起重机电机的运转，声光报警单元声光报警，警示人员避让。
23.优选的，所述警报等级划分为五级，其中，有人员靠近起吊区域或者向起吊区域方向持续移动，预测单元预测无撞击可能，警报单元给出一级警报；有人员进入到起吊区域，预测单元预测无撞击可能，警报单元给出二级警报；有人员在起吊区域活动作业，预测单元预测无撞击可能，警报单元给出三级警报；有人员在起吊区域活动作业，预测单元预测有撞击可能，警报单元给出四级警报；有人员在起重机起重臂负载下方或者起重机起重臂的必经行程上，预测单元预测有撞击可能，警报单元给出五级警报。
24.优选的，所述控制器的工作流程包括以下步骤：
25.s221：控制器接收到一级警报或者二级警报后，发送信息给声光报警单元，声光报警单元声光报警，警示人员避让；
26.s222：控制器接收到三级警报，发送信息给变频器和声光报警单元，变频器控制起重机电机一级减速，声光报警单元声光报警，警示人员避让；
27.s223：控制器接收到四级级警报，发送信息给变频器和声光报警单元，变频器控制起重机电机二级减速，变频器控制起重机电机二级减速后的速度小于起重机电机一级减速后的速度，声光报警单元声光报警，警示人员避让；
28.s224：控制器接收到四级级警报，发送信息给变频器和声光报警单元，变频器控制起重机电机停机，声光报警单元声光报警，警示人员避让。
29.优选的，所述预测单元，包括：
30.坐标获取子单元，用于确定所述负载的三维坐标值以及所述起重机的挂钩的三维坐标值；
31.位置处理子单元，用于基于所述负载的三维坐标值以及所述挂钩的三维坐标值确定所述负载相对于所述挂钩铅垂方向的目标角度；
32.参数获取子单元，用于获取与所述挂钩相连接的钢丝绳的当前长度值，同时，获取所述负载的重量值；
33.位置分析子单元，用于将所述负载的重量值、负载相对于所述挂钩铅垂方向的目标角度以及与所述挂钩相连接的钢丝绳的当前长度值输入至所述动态模型图；
34.所述位置分析子单元，还用于在所述动态模型图中确定所述运动轨迹的第一位置点、第二位置点，其中，所述第一位置点为所述负载在所述动态模型图中的起始位置点，所述第二位置点为所述负载在所述动态模型图中与所述第一位置点距离最远的位置点；
35.轨迹生成子单元，用于获取所述第一位置点与所述第二位置点连线一侧的第三位置点，并将所述第一位置点、第二位置点以及所述第三位置点进行连线，获取第一运动轨
迹；
36.所述轨迹生成子单元，还用于将所述第一运动轨迹进行镜面对称处理，获取第二运动轨迹；
37.所述轨迹生成子单元，还用于将所述第一运动轨迹与所述第二运动轨迹进行综合，获取所述所述起重机起吊所述负载时所述负载的目标运动轨迹；
38.点云集合确认子单元，用于在所述动态模型图中根据预设轨迹处理方法将所述目标运动轨迹合成所述负载的运动区域，并在所述动态模型图中，确定所述运动区域的第一点云集合以及所述动态障碍物或静态障碍物的第二点云集合；
39.分析子单元，用于分别对所述第一点云集合以及所述第二点云集合进行分析，确定所述第一点云集合与所述第二点云集合之间的集合关系；
40.预测子单元，用于根据所述第一点云集合与所述第二点云集合之间的集合关系，确定预测结果；
41.其中，当所述第一点云集合与所述第二点云集合存在相交，则预测结果为所述负载与所述静态障碍物或动态障碍物会发生碰撞；
42.当所述第一点云集合与所述第二点云集合没有相交，则预测结果为所述负载与所述静态障碍物或动态障碍物不会发生碰撞；
43.避障方案生成子单元，用于当预测所述负载与所述静态障碍物或动态障碍物会发生碰撞时，获取所述第一点云集合与所述第二点云集合的关联节点，并根据所述关联节点制定避障方案；
44.预测报告生成子单元，用于根据所述预测结果以及所述避障方案生成预测报告，并将所述预测报告传输至所述报警单元。
45.优选的，所述避障方案生成子单元，包括：
46.方案读取子单元，用于读取所述避障方案，确定所述起重机的避障路径，并确定所述避障路径的道路坐标点；
47.模型构建子单元，用于基于所述道路坐标点的相邻坐标点，建立所述避障路径的路径轨道模型；
[0048][0049]
其中，m表示所述路径轨道模型；表示所述路径轨道平滑度因子，且取值范围为(0.98，0.99)；θ表示所述避障路径的拐弯角度；∑θj表示所述避障路径的总拐弯角度；j表示所述避障路径中遇到的总拐弯数；θj表示所述避障路径中当前个拐弯的角度；(x
i+1
，y
i+1
，z
i+1
)，表示第i+1个道路坐标点；(xi，yi，zi)表示第i个道路坐标点，且第i+1个道路坐标点与第i个道路坐标点相邻；∑lj表示所述避障路径的总路径长度；lj表示所述第j段相邻道路坐标点之间的距离，且j的取值为道路坐标点总数-1；
[0050]
计算子单元，用于基于所述道路轨道模型，计算所述避障方案的适应度值；
[0051]
f＝m*(m+1)*∑|f
t-f
t-1
|；
[0052]
其中，f表示所述避障方案的适应度值；m表示所述路径轨道模型的权重，且取值范围为(0，1]；f
t
表示所述避障方案在当前时刻的适应度值；f
t-1
表示所述避障方案在上一时刻的适应度值；t表示当前时刻；t-1表示上一时刻；
[0053]
比较子单元，用于将所述避障方案的适应度值与预设适应度阈值进行比较，判断所述避障方案是否需要进行优化；
[0054]
当所述适应度值等于或大于所述预设适应度阈值时，则判定所述避障方案不需要进行优化；
[0055]
否则，则判定所述避障方案需要进行优化；
[0056]
所述优化子单元，用于当所述避障方案需要进行优化时，将所述适应度值与所述适应度阈值做差，并基于做差结果确定优化因子，同时，根据所述优化因子对所述避障方案进行优化。
[0057]
与现有技术相比，本发明的有益效果是：
[0058]
1、本发明提出的基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，现有技术中采用激光扫描仪扫描作业区域物体的轮廓编程设定扫描物体的预警减速与防撞报警轮廓，不能识别被遮挡的人员，本发明中起重机起重臂摄像头跟随起重机起重臂的位置移动而移动，拍摄起重机起重臂移动过程的中的环境变化，起重机起重臂uwb探针安装在起重机起重臂上，能够获知起重机起重臂的位置，同时了解起重机起重臂周围的环境变化，第一时间获知人员位置，克服人员被物件遮挡的问题，降低被撞的风险；
[0059]
2、本发明提出的基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，现有技术中采用单一的识别技术，不能确定人员位置具体位置，本发明中ai视觉识别和uwb定位模块采用人工智能终端实时读取摄像头图像数据，并通过硬件加速后的深度学习网络模型对图像进行推理，检测出图像中存在的人或物，并给出其起始坐标位置及区域范围，定位单元收集起重机起重臂和人员的位置信息，通过之前标定的区域进行透视变换，计算出图像中人或物的距离，将ai视觉识别技术和uwb定位技术结合，既能从视觉上判断是否有人员存在被撞风险，也能通过uwb定位技术观察到被物体遮挡的人员，从而避免人员被撞；
[0060]
3、本发明提出的基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，现有技术中针对起重机附近的人员和障碍物进行排查，没有对可能进入起吊区域的人员进行预警，本发明中设置有起吊区域摄像头和工作环境摄像头，能够拍摄环境内的人员流动，在人员靠近起重机起重臂前，及时制止，起到防撞预防作用。
[0061]
4、本发明提出的基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，通过根据动态模型图确定负载在被起吊时的运动轨迹，并根据运动轨迹确定负载在起吊时所形成的运动范围，并确定运动范围与静态障碍物或动态障碍物的位置关系，实现对是否发生碰撞进行准确的预测，且在预测发生碰撞时进行相应的报警，提高了防碰撞的智能性，同时也保障了起吊区域内人员的安全。
[0062]
5、本发明提出的基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，当静态障碍物或动态障碍物无法移动时，通过对避障方案进行读取，确定起重机的避障路径，从而构建路径轨道模型，并基于路径轨道模型确定避障方案的适应度值，从而可以评估避障方案是否需要进行优化，从而提高了避障效率，同时更有利于保障人员的安全性。
附图说明
[0063]
图1为本发明的整体模块图；
[0064]
图2为本发明的ai视觉识别和uwb定位模块工作流程图；
[0065]
图3为本发明的采集单元模块图；
[0066]
图4为本发明的采集单元工作流程图；
[0067]
图5为本发明的采集单元安装示意图；
[0068]
图6为本发明的定位单元模块图；
[0069]
图7为本发明的起重机起重臂结构示意图；
[0070]
图8为本发明的防撞控制模块工作流程图；
[0071]
图9为本发明的控制器工作流程图。
[0072]
图中：1、ai视觉识别和uwb定位模块；11、采集单元；111、起重机起重臂摄像头；112、起吊区域摄像头；113、工作环境摄像头；114、ai视觉识别终端；12、定位单元；121、起重机起重臂uwb探针；122、人员uwb探针；123、uwb基站；13、建模单元；14、预测单元；15、警报单元；2、防撞控制模块；21、控制器；22、变频器；23、声光报警单元。
具体实施方式
[0073]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。
[0074]
请参阅图1，基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，包括ai视觉识别和uwb定位模块1和防撞控制模块2，ai视觉识别和uwb定位模块1用于识别起吊区域的人和物，检测起重机起重臂的位置和人员的位置，完成吊装空间的动态三维模型建设，检测移动的障碍物，在线计算负载与障碍物的位置信息和尺度信息以及运行信息，并进行碰撞预测，ai视觉识别和uwb定位模块1包括采集单元11、定位单元12、建模单元13、预测单元14和警报单元15，采集单元11、定位单元12、建模单元13、预测单元14和警报单元15依次连接。
[0075]
请参阅图2-图7，ai视觉识别和uwb定位模块1的工作过程包括以下步骤：
[0076]
s11：采集单元11采集起重机起重臂周围起吊区域和整个工作环境的图像信息，人工智能终端实时读取摄像头图像数据，并通过硬件加速后的深度学习网络模型对图像进行推理，检测出图像中存在的人或物，并给出其起始坐标位置及区域范围；采集单元11包括起重机起重臂摄像头111、起吊区域摄像头112、工作环境摄像头113和ai视觉识别终端114，起重机起重臂摄像头111、起吊区域摄像头112、工作环境摄像头113均与ai视觉识别终端114电性连接，起重机起重臂摄像头111安装在起重机起重臂的侧壁上，起重机起重臂摄像头111跟随起重机起重臂的位置移动而移动，拍摄起重机起重臂移动过程的中的环境变化，起吊区域摄像头112设置在起吊区域的边缘位置，拍摄整个起吊区域的环境和人员变化，紧密关注起吊区域内的人员流动，起吊区域摄像头112设置有两组以上，起吊区域摄像头112上设置有位置感应传感器，位置感应传感器用于感应起重机起重臂的位置，当起重机起重臂移动至相应的起吊区域摄像头112拍摄范围内时，对应的起吊区域摄像头112自动开启，起吊区域摄像头112的整个拍摄范围为起吊区域，起吊区域在动态模型图上进行区域划分，定位单元12检测的人员位置在起吊区域重点凸显，工作环境摄像头113覆盖整个工作区域，拍摄整个工作环境和人员流动，紧密关注向起吊区域方向流动的人员，ai视觉识别终端114分别识别起重机起重臂摄像头111、起吊区域摄像头112和工作环境摄像头113拍摄图像中的
人员位置和流动方向；
[0077]
采集单元11的工作流程包括以下步骤：
[0078]
s111：起重机起重臂摄像头111跟随起重机起重臂移动位置，拍摄整个起吊路径，ai视觉识别终端114识别是否出现人员和障碍物；
[0079]
s112：起吊区域摄像头112感应到起重机起重臂位置靠近，自动开启拍摄，ai视觉识别终端114识别是否出现人员进入到起吊区域内，出现人员进入到起吊区域内，预测单元14和警报单元15进行预测和报警处理；
[0080]
s113：工作环境摄像头113拍摄整个工作环境，ai视觉识别终端114识别人员流动情况，发现靠近起吊区域的人员或者正向起吊区域流动的人员，预测单元14和警报单元15进行预测和报警处理；
[0081]
s12：定位单元12收集起重机起重臂和人员的位置信息，通过之前标定的区域进行透视变换，计算出图像中人或物的距离；定位单元12包括起重机起重臂uwb探针121、人员uwb探针122和uwb基站123，起重机起重臂uwb探针121、人员uwb探针122分别与uwb基站123通信连接，uwb基站123接收起重机起重臂uwb探针121和人员uwb探针122的位置信息，实时显示给远程控制人员；
[0082]
s13：建模单元13根据人或物的坐标位置以及距离，分别得到负载、动态障碍物和静态障碍物的三维坐标，获得动态模型图；
[0083]
s14：预测单元14根据动态模型图预测负载是否与动态障碍物或静态障碍物发生碰撞，得到预测结果；
[0084]
s15：警报单元15用于将预测信息传送给防撞控制模块2。
[0085]
请参阅图8-图9，防撞控制模块2用于获取可能发生碰撞的预测信息，控制起重机的启停和速度调整，及时预警可能发生的碰撞，通知人员撤离，防撞控制模块2包括控制器21、变频器22和声光报警单元23，控制器21分别与变频器22、声光报警单元23电性连接；
[0086]
防撞控制模块2的工作过程包括以下步骤：
[0087]
s21：控制器21接收预测单元14和警报单元15传导的预测或者报警信息，由远程指挥人员查看，远程人员给出指令或者控制器21根据警报等级自行给出指令；
[0088]
s22：控制器21将指令传给变频器22和声光报警单元23，变频器22控制起重机电机的运转，声光报警单元23声光报警，警示人员避让，声光报警单元23包括扬声器和警报灯，二者结合实现报警，提醒人员避让。
[0089]
警报等级划分为五级，其中，有人员靠近起吊区域或者向起吊区域方向持续移动，预测单元14预测无撞击可能，警报单元15给出一级警报；有人员进入到起吊区域，预测单元14预测无撞击可能，警报单元15给出二级警报；有人员在起吊区域活动作业，预测单元14预测无撞击可能，警报单元15给出三级警报；有人员在起吊区域活动作业，预测单元14预测有撞击可能，警报单元15给出四级警报；有人员在起重机起重臂负载下方或者起重机起重臂的必经行程上，预测单元14预测有撞击可能，警报单元15给出五级警报。
[0090]
控制器21的工作流程包括以下步骤：
[0091]
s221：控制器21接收到一级警报或者二级警报后，发送信息给声光报警单元23，声光报警单元23声光报警，警示人员避让；
[0092]
s222：控制器21接收到三级警报，发送信息给变频器22和声光报警单元23，变频器
22控制起重机电机一级减速，声光报警单元23声光报警，警示人员避让；
[0093]
s223：控制器21接收到四级级警报，发送信息给变频器22和声光报警单元23，变频器22控制起重机电机二级减速，声光报警单元23声光报警，警示人员避让，变频器22控制起重机电机二级减速后的速度小于起重机电机一级减速后的速度；
[0094]
s224：控制器21接收到四级级警报，发送信息给变频器22和声光报警单元23，变频器22控制起重机电机停机，声光报警单元23声光报警，警示人员避让。
[0095]
综上所述：本基于ai视觉和uwb技术起重机起吊区域的人员防撞系统，设置有ai视觉识别和uwb定位模块1和防撞控制模块2，ai视觉识别和uwb定位模块1采用人工智能终端实时读取摄像头图像数据，并通过硬件加速后的深度学习网络模型对图像进行推理，检测出图像中存在的人或物，并给出其起始坐标位置及区域范围，定位单元12收集起重机起重臂和人员的位置信息，通过之前标定的区域进行透视变换，计算出图像中人或物的距离，将ai视觉识别技术和uwb定位技术结合，既能从视觉上判断是否有人员存在被撞风险，也能通过uwb定位技术观察到被物体遮挡的人员，从而避免人员被撞；起重机起重臂摄像头111跟随起重机起重臂的位置移动而移动，拍摄起重机起重臂移动过程的中的环境变化，起重机起重臂uwb探针121安装在起重机起重臂上，能够获知起重机起重臂的位置，同时了解起重机起重臂周围的环境变化，第一时间获知人员位置，降低被撞的风险；设置有起吊区域摄像头112和工作环境摄像头113，能够拍摄环境内的人员流动，在人员靠近起重机起重臂前，及时制止，起到防撞预防作用。
[0096]
在上述实施例中，所述预测单元14，包括：
[0097]
坐标获取子单元，用于确定所述负载的三维坐标值以及所述起重机的挂钩的三维坐标值；
[0098]
位置处理子单元，用于基于所述负载的三维坐标值以及所述挂钩的三维坐标值确定所述负载相对于所述挂钩铅垂方向的目标角度；
[0099]
参数获取子单元，用于获取与所述挂钩相连接的钢丝绳的当前长度值，同时，获取所述负载的重量值；
[0100]
位置分析子单元，用于将所述负载的重量值、负载相对于所述挂钩铅垂方向的目标角度以及与所述挂钩相连接的钢丝绳的当前长度值输入至所述动态模型图；
[0101]
所述位置分析子单元，还用于在所述动态模型图中确定所述运动轨迹的第一位置点、第二位置点，其中，所述第一位置点为所述负载在所述动态模型图中的起始位置点，所述第二位置点为所述负载在所述动态模型图中与所述第一位置点距离最远的位置点；
[0102]
轨迹生成子单元，用于获取所述第一位置点与所述第二位置点连线一侧的第三位置点，并将所述第一位置点、第二位置点以及所述第三位置点进行连线，获取第一运动轨迹；
[0103]
所述轨迹生成子单元，还用于将所述第一运动轨迹进行镜面对称处理，获取第二运动轨迹；
[0104]
所述轨迹生成子单元，还用于将所述第一运动轨迹与所述第二运动轨迹进行综合，获取所述所述起重机起吊所述负载时所述负载的目标运动轨迹；
[0105]
点云集合确认子单元，用于在所述动态模型图中根据预设轨迹处理方法将所述目标运动轨迹合成所述负载的运动区域，并在所述动态模型图中，确定所述运动区域的第一
点云集合以及所述动态障碍物或静态障碍物的第二点云集合；
[0106]
分析子单元，用于分别对所述第一点云集合以及所述第二点云集合进行分析，确定所述第一点云集合与所述第二点云集合之间的集合关系；
[0107]
预测子单元，用于根据所述第一点云集合与所述第二点云集合之间的集合关系，确定预测结果；
[0108]
其中，当所述第一点云集合与所述第二点云集合存在相交，则预测结果为所述负载与所述静态障碍物或动态障碍物会发生碰撞；
[0109]
当所述第一点云集合与所述第二点云集合没有相交，则预测结果为所述负载与所述静态障碍物或动态障碍物不会发生碰撞；
[0110]
避障方案生成子单元，用于当预测所述负载与所述静态障碍物或动态障碍物会发生碰撞时，获取所述第一点云集合与所述第二点云集合的关联节点，并根据所述关联节点制定避障方案；
[0111]
预测报告生成子单元，用于根据所述预测结果以及所述避障方案生成预测报告，并将所述预测报告传输至所述报警单元15。
[0112]
该实施例中，挂钩的三维坐标值可以是挂钩在空间中铅垂状态下的坐标值。
[0113]
该实施例中，目标角度可以是负载在起吊前与挂钩铅垂方向形成的夹角值。
[0114]
该实施例中，第一位置点为所述负载在所述动态模型图中的起始位置点即为负载在起吊前的位置。
[0115]
该实施例中，第二位置点为所述负载在所述动态模型图中与所述第一位置点距离最远的位置点即为负载被吊起后在摆动情况下相对放置位置能够摆动到的最远位置。
[0116]
该实施例中，获取所述第一位置点与所述第二位置点连线一侧的第三位置点可以是在不考虑负载存在弧度摆动情况下，将第一位置点与第二位置点通过直线进行连接，因为当负载与挂钩不在同一垂直方向时，当负载被起吊时，负载必定会摆动，随着负载摆动轨迹必定会形成一定的摆动范围，通过确定第一位置点与所述第二位置点连线一侧的第三位置点是便于分析负载在摆动时形成的摆动范围，其中，第三位置点为连接线一侧距离连接线最远的一点。
[0117]
该实施例中，第一运动轨迹可以是负载被起吊时，在摆动过程中的一侧摆动轨迹。
[0118]
该实施例中，镜面对称处理可以是第一位置点与第二位置点之间的连接直线为对称轴进行对称处理。
[0119]
该实施例中，第二运动轨迹可以是经过对称处理后，负载摆动范围的另一边运动轨迹，默认负载在摆动时会形成一个闭合的圆形区域。
[0120]
该实施例中，目标运动轨迹可以是将第一运动轨迹与第二运动轨迹进行衔接后得到的负载可能会经过的所有路径。
[0121]
该实施例中，预设轨迹处理可以是平滑处理方法。
[0122]
该实施例中，运动区域可以是负载在摆动过程中形成的范围，可以是圆形也可以是不规则形状。
[0123]
该实施例中，第一点云集合可以是运动区域所包含的所有点构成的点集合。
[0124]
该实施例中，第二点云集合可以是静态障碍物或动态障碍物所在位置的点集合。
[0125]
该实施例中，第一点云集合与所述第二点云集合的关联节点，例如可以是第一点
云集合与第二点云集合相交的坐标点。
[0126]
该实施例中，集合关系包括第一点云集合与第二点云集合相交或不相交。
[0127]
上述技术方案的有益效果是：通过根据动态模型图确定负载在被起吊时的运动轨迹，并根据运动轨迹确定负载在起吊时所形成的运动范围，并确定运动范围与静态障碍物或动态障碍物的位置关系，实现对是否发生碰撞进行准确的预测，且在预测发生碰撞时进行相应的报警，提高了防碰撞的智能性，同时也保障了起吊区域内人员的安全。
[0128]
在上述实施例中，所述避障方案生成子单元，包括：
[0129]
方案读取子单元，用于读取所述避障方案，确定所述起重机的避障路径，并确定所述避障路径的道路坐标点；
[0130]
模型构建子单元，用于基于所述道路坐标点的相邻坐标点，建立所述避障路径的路径轨道模型；
[0131][0132]
其中，m表示所述路径轨道模型；表示所述路径轨道平滑度因子，且取值范围为(0.98，0.99)；θ表示所述避障路径的拐弯角度；∑θj表示所述避障路径的总拐弯角度；j表示所述避障路径中遇到的总拐弯数；θj表示所述避障路径中当前个拐弯的角度；(x
i+1
，y
i+1
，z
i+1
)，表示第i+1个道路坐标点；(xi，yi，zi)表示第i个道路坐标点，且第i+1个道路坐标点与第i个道路坐标点相邻；∑lj表示所述避障路径的总路径长度；lj表示所述第j段相邻道路坐标点之间的距离，且j的取值为道路坐标点总数-1；
[0133]
计算子单元，用于基于所述道路轨道模型，计算所述避障方案的适应度值；
[0134]
f＝m*(m+1)*∑|f
t-f
t-1
|；
[0135]
其中，f表示所述避障方案的适应度值；m表示所述路径轨道模型的权重，且取值范围为(0，1]；f
t
表示所述避障方案在当前时刻的适应度值；f
t-1
表示所述避障方案在上一时刻的适应度值；t表示当前时刻；t-1表示上一时刻；
[0136]
比较子单元，用于将所述避障方案的适应度值与预设适应度阈值进行比较，判断所述避障方案是否需要进行优化；
[0137]
当所述适应度值等于或大于所述预设适应度阈值时，则判定所述避障方案不需要进行优化；
[0138]
否则，则判定所述避障方案需要进行优化；
[0139]
所述优化子单元，用于当所述避障方案需要进行优化时，将所述适应度值与所述适应度阈值做差，并基于做差结果确定优化因子，同时，根据所述优化因子对所述避障方案进行优化。
[0140]
该实施例中，适应度值可以是表征避障方案的执行能力。
[0141]
该实施例中，预设适应度阈值可以是提前设定好的，用来衡量避障方案是否需要进行优化，当适应度值小于预设适应度值时，则判定需要对避障方案进行优化(即避障方案的执行能力弱)。
[0142]
该实施例中，优化因子可以是通过预设适应度阈值与适应度值之间的差值确定的因子，用来对避障方案进行优化的。
[0143]
上述技术方案的有益效果是：当静态障碍物或动态障碍物无法移动时，通过对避
障方案进行读取，确定起重机的避障路径，从而构建路径轨道模型，并基于路径轨道模型确定避障方案的适应度值，从而可以评估避障方案是否需要进行优化，从而提高了避障效率，同时更有利于保障人员的安全性。
[0144]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。