作业场景中风险检测的方法、装置、存储介质和处理器与流程

本发明涉及电网中的数据处理领域，具体而言，涉及一种作业场景中风险检测的方法、装置、存储介质和处理器。

背景技术：

1、目前，配电台区中进行施工作业时，经常会发生工作对象安全意识薄弱，监管不到位，导致工作对象越过安全距离线，靠近高压设备，导致线路接地、人员触电事故等现象的发生。

2、在相关技术中，通常是人为地对作业过程进行监控，存在无法技术预警作业中的风险的技术问题。

3、针对无法及时预警作业中的风险的技术问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种作业场景中风险检测的方法、装置、存储介质和处理器，以至少解决无法及时预警作业中的风险的技术问题。

2、根据本发明实施例的一个方面，提供了一种作业场景中风险检测的方法，该方法可以包括：采集作业场景下的三维点云数据和二维彩色图像，其中，三维点云数据用于表示作业场景中的检测对象的位置，二维彩色图像用于表征检测对象的形状；利用二维彩色图像，将三维点云数据转换为目标点云数据，其中，目标点云数据的细粒度大于三维点云数据的细粒度；对目标点云数据进行检测，得到作业场景中的多个检测对象；在多个检测对象中定位作业对象，以及在多个检测对象中定位作业设备；确定作业对象和作业设备之间的距离；响应于距离大于距离阈值，输出预警信息，其中，预警信息用于提示作业对象对作业设备执行作业动作而存在风险的概率大于概率阈值。

3、可选地，利用二维彩色图像，将三维点云数据转换为目标点云数据，包括：将二维彩色图像中的像素转换为与三维点云数据对应的三维坐标系下的目标像素；对目标像素和三维点云数据进行叠加，得到目标点云数据。

4、可选地，对目标点云数据进行检测，得到作业场景中的多个检测对象，包括：对目标点云数据的目标视图进行检测，得到目标检测区域；对目标检测区域进行检测，得到多个边界框，其中，边界框用于表示检测对象所处的区域；利用三维卷积神经网络对多个边界框进行识别，得到多个检测对象。

5、可选地，该方法还可以包括：利用历史检测对象训练得到三维卷积神经网络。

6、可选地，确定作业对象和作业设备之间的距离，包括：确定作业对象的躯干和作业设备之间的第一距离，和/或作业对象的肢体和作业设备之间的第二距离，其中，距离包含第一距离和/或第二距离。

7、可选地，响应于距离大于距离阈值，输出预警信息，包括：响应于第一距离大于距离阈值，或第二距离大于距离阈值，输出预警信息，其中，预警信息用于通过无线网络传输至智能安全帽中，距离阈值至少为以下其中之一：安全作业距离阈值、触点风险距离阈值。

8、可选地，该方法还可以包括：对目标时段内的多个时刻的目标点云数据进行检测，得到多个时刻的作业对象；获取在多个时刻中，作业对象的运动数据，其中，运动数据用于表示作业对象的运动状态。

9、可选地，获取多个时刻的作业对象的运动数据，包括：按照多个时刻的时刻顺序，对多个时刻的作业对象进行叠加，得到三维动态变化数据；将三维动态变化数据转化为运动数据。

10、可选地，该方法还可以包括：基于运动数据，对作业对象的运动状态进行预测，得到作业对象的在未来时刻的未来作业动作；基于未来作业动作，预测作业对象在未来时刻的潜在风险；基于潜在风险，输出提示信息，其中，提示信息用于提示作业对象对作业设备执行未来作业动作而存在风险的概率大于概率阈值。

11、根据本发明实施例的另一方面，还提供了一种作业场景中风险检测的装置，该装置可以包括：采集单元，用于采集作业场景下的三维点云数据和二维彩色图像，其中，三维点云数据用于表示作业场景中的检测对象的位置，二维彩色图像用于表征检测对象的形状；转换单元，用于利用二维彩色图像，将三维点云数据转换为目标点云数据，其中，目标点云数据的细粒度大于三维点云数据的细粒度；检测单元，用于对目标点云数据进行检测，得到作业场景中的多个检测对象；定位单元，用于在多个检测对象中定位作业对象，以及在多个检测对象中定位作业设备；确定单元，用于确定作业对象和作业设备之间的距离；输出单元，用于响应于距离大于距离阈值，输出预警信息，其中，预警信息用于提示作业对象对作业设备执行作业动作而存在风险的概率大于概率阈值。

12、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制该计算机可读存储介质所在设备执行本发明实施例的作业场景中风险检测的方法。

13、根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序被该处理器运行时执行本发明实施例的作业场景中风险检测的方法。

14、根据本发明实施例的另一方面，还提供了一种程序产品，该程序产品包括计算机指令，其中，该计算机指令被处理器执行时实现本发明实施例的作业场景中风险检测的方法。

15、在本发明实施例中，采集作业场景下的三维点云数据和二维彩色图像，其中，三维点云数据用于表示作业场景中的检测对象的位置，二维彩色图像用于表征检测对象的形状；利用二维彩色图像，将三维点云数据转换为目标点云数据，其中，目标点云数据的细粒度大于三维点云数据的细粒度；对目标点云数据进行检测，得到作业场景中的多个检测对象；在多个检测对象中定位作业对象，以及在多个检测对象中定位作业设备；确定作业对象和作业设备之间的距离；响应于距离大于距离阈值，输出预警信息，其中，预警信息用于提示作业对象对作业设备执行作业动作而存在风险的概率大于概率阈值。也就是说，在本发明实施例中，为提高对检测对象识别的准确性，采集作业场景下的三维点云数据和二维彩色图像，通过对作业场景下的三维点云数据和二维彩色图像融合后的目标点云数据进行检测，以准确确定作业场景中的多个检测对象，进一步地，对检测对象中的作业对象和作业设备进行定位，确定二者之间的距离，基于二者之间的距离，确定是否输出预警信息，从而解决了无法及时预警作业中的风险的技术问题，实现了可以及时预警作业中的风险的技术效果。

技术特征：

1.一种作业场景中风险检测的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，利用所述二维彩色图像，将所述三维点云数据转换为所述目标点云数据，包括：

3.根据权利要求1所述的方法，其特征在于，对所述目标点云数据进行检测，得到所述作业场景中的多个检测对象，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，确定所述作业对象和所述作业设备之间的所述距离，包括：

6.根据权利要求5所述的方法，其特征在于，响应于所述距离大于所述距离阈值，输出所述预警信息，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，获取所述多个时刻所述的所述作业对象的运动数据，包括：

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

10.一种作业场景中风险检测的装置，其特征在于，包括：

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至9中任意一项所述的方法。

13.一种计算机程序产品，其特征在于，包括计算机指令，该计算机指令被处理器执行时实现权利要求1至9中任意一项所述的方法。

技术总结本发明公开了一种作业场景中风险检测的方法、装置、存储介质和处理器。其中，该方法包括：采集作业场景下的三维点云数据和二维彩色图像，其中，三维点云数据用于表示作业场景中的检测对象的位置，二维彩色图像用于表征检测对象的形状；利用二维彩色图像，将三维点云数据转换为目标点云数据，其中，目标点云数据的细粒度大于三维点云数据的细粒度；对目标点云数据进行检测，得到作业场景中的多个检测对象；在多个检测对象中定位作业对象，以及在多个检测对象中定位作业设备；确定作业对象和作业设备之间的距离；响应于距离大于距离阈值，输出预警信息。本发明解决了无法及时预警作业中的风险的技术问题。技术研发人员：温惠康,乐勋,李晓斌,叶智杰,王硕,杨双顺,邹达想,冯劲邦受保护的技术使用者：广东电网有限责任公司技术研发日：技术公布日：2024/7/29