【技術實現步驟摘要】
本專利技術屬于地質災害監測，尤其涉及基于激光雷達的自動發現地質災害監測設備的識別方法及系統。
技術介紹
1、當一個新的地質災害監測設備被部署在相應的地理位置之后，需要手動在服務器配置新的地質災害監測設備對應的驅動，以便該服務器可以解析新的地質災害監測設備發送的地質災害監測數據，但是該方法需要手動進行配置，靈活性不高，且效率較低。
2、為解決上述問題，現有技術專利技術專利(公開號cn114625382a，公開日20220614)提供一種自動發現地質災害監測設備的方法，新的地質災害監測設備部署在相應的位置之后，數據庫實時添加新部署的地質災害監測設備的設備信息，服務器從數據庫獲取新部署的地質災害監測設備的設備信息，并根據設備信息判斷是否已安裝新部署的地質災害監測設備對應的驅動；若判斷未安裝新部署的地質災害監測設備對應的驅動，則從驅動池中匹配并獲取新部署的地質災害監測設備對應的驅動后進行安裝，以便獲取并解析新部署的地質災害監測設備發送的地質災害監測數據。實現了新部署的地質災害監測設備的驅動的自動安裝。
3、激光雷達系統采用光脈沖來基于每個光脈沖的飛行時間(tof)測量到物體的距離。從激光雷達系統的光源發射的光脈沖與遠側對象相互作用。一部分光從物體反射并返回到激光雷達系統的檢測器。基于從發射光脈沖到檢測到返回的光脈沖之間經過的時間，估計距離。在一些示例中，激光發射器生成光脈沖。光脈沖通過透鏡或透鏡組件聚焦。測量激光脈沖返回到安裝在發射器附近的檢測器所花費的時間。根據時間測量結果得出高準確度的距離。
4、
5、在許多應用中，發射脈沖序列。每個脈沖的方向依次快速連續變化。在這些示例中，與每個個體脈沖相關聯的距離測量可以被視為一個像素，并且快速連續發射和捕獲的像素集合(即“點云”)可以被呈現為圖像或出于其他原因(例如，檢測障礙物)而被分析。在一些示例中，采用查看軟件來將所得到的點云呈現為向用戶顯現三維的圖像。
6、通過上述分析，現有技術存在的問題及缺陷為：通常地質災害監測設備包括雨量計、土壤水分計、水位計、滲壓計、裂縫計、地表位移監測器和測斜儀中的一種或者多種，解析地質災害監測設備數據信息的基站包括多個中繼設備，這些數據采集、驅動、解析通常是基于地質災害監測設備在某一時段監測位置不變進行相應信息采集以及處理，但是對于長期監測任務中，可能由于地質的變化質災害監測設備的固定位置會有所變動，此時所有信息可能發生變化，會被誤認為地質災害發生變動，對于后期的防范措施給與一個錯誤信號，因此僅僅依靠現有技術，無法解決在地質災害監測設備位置變動后能獲取準確地質災害演化信息，為此本申請提出一種基于激光雷達的自動發現地質災害監測設備的識別方法，對監測工程具有實際意義。
技術實現思路
1、為克服相關技術中存在的問題，本專利技術公開實施例提供了一種基于激光雷達的自動發現地質災害監測設備的識別方法及系統。
2、所述技術方案如下：基于激光雷達的自動發現地質災害監測設備的識別方法，包括：
3、s1，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型，利用訓練好的模型，并基于地質災害監測設備傳感器測量的數據，確定相對位置和地質災害信息銜接變動性；
4、s2，將誤差參數添加至基于數據驅動的地質災害監測設備移動軌跡演化模型進行訓練，預測相鄰銜接區域地質災害信息運動變化及其方差，計算預測結果的地質災害信息銜接變動性，得到預測的可信度指標；
5、s3，進行基于激光雷達的軌跡校正；
6、s4，構建基于卡爾曼濾波的激光雷達數模定位識別模型，通過擴展卡爾曼濾波緊密耦合激光雷達頻譜測距觀測量，并基于數據驅動的地質災害監測設備移動軌跡演化模型輸出的高頻位移速率矢量，獲取自動發現地質災害監測設備定位識別結果，根據定位識別結果獲取該位置的地質災害監測信息。
7、在步驟s1中，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型，包括：
8、構建數據驅動部分，借助地質災害監測設備內置的加速度監測器與陀螺儀的數據，估計地質災害監測設備移動變化速度v，表達式為：
9、v＝[vx?vy?vz]t
10、式中，vx為橫向變化速度，vy為縱向變化速度，vz為空間方向變化速度，t為階數；
11、構建模型驅動部分，將速度矢量與基于激光雷達波的測距結果相結合，利用擴展卡爾曼濾波估計地質災害監測設備的位置、位移方向與速度。
12、進一步，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型前，需基于四元數的歸一化預處理，具體包括：
13、使用基于梯度下降的算法解算出姿態四元數，利用姿態四元數將加速度和角速度，從傳感器坐標系轉換到導航坐標系下，傳感器坐標系下的向量βimu通過以下公式轉換為導航坐標系下的βins，表達式為：
14、
15、式中，α為共軛，為四元數的共復軛；
16、四元數用于對向量進行旋轉，轉換為歐拉角，地質災害監測設備傳感器姿態角的定義的順序是<z,x,y>，其中，z為方向角、x為俯仰角、y為橫滾角。
17、在步驟s1中，基于地質災害監測設備傳感器測量的數據，確定相對位置和地質災害信息銜接變動性，包括：
18、采用滑動窗口的方法，使用固定大小的滑動窗口，地質災害監測設備傳感器數據被分為獨立的序列；序列的窗口大小n為100幀，滑動窗口最短距離為5幀；速度矢量由每個序列的深度神經網絡預測，通過合并鏈接模塊生成位置，當前位置更新為100幀；利用重疊窗口進行預測更新，輸出頻率提升至40hz，通過低通濾波器處理速度矢量得出的位置，以平滑重建預測的軌跡；
19、采用公開標準數據集以及自采數據集作為訓練集和測試集，在訓練階段隨機旋轉每個窗口的特征與標簽，增強數據的位移方向無關性；訓練目標為最小化數據集提供的估計值和真實值之間的均方誤差，通過adam優化器訓練得到最佳參數，在gpu上訓練完畢后，直接在本地地質災害監測設備傳感器上應用模型推算地質災害監測設備位移軌跡。
20、在步驟s2中，計算預測結果的地質災害信息銜接變動性，得到預測的可信度指標，包括：
21、網絡預測的總地質災害信息銜接變動性定義為σtotal，表達式為：
22、σtotal＝varp(y|x)(y)
23、式中，varp(y|x)(y)為總地質災害信息銜接變動中概率分布預測值，p(y|x)為橫滾角y與俯仰角x轉換函數；
本文檔來自技高網...【技術保護點】
1.一種基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，該方法包括：
2.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟S1中，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型，包括：
3.根據權利要求2所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型前，基于四元數的歸一化預處理，具體包括：
4.根據權利要求3所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟S1中，基于地質災害監測設備傳感器測量的數據，確定相對位置和地質災害信息銜接變動性，包括：
5.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟S2中，計算預測結果的地質災害信息銜接變動性，得到預測的可信度指標，包括：
6.根據權利要求5所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，評估網絡對于輸出的可信度，得到模型地質災害信息銜接變動性，包括
7.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟S3中，進行基于激光雷達的軌跡校正，包括：
8.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟S4中，構建基于卡爾曼濾波的激光雷達數模定位識別模型，包括：
9.根據權利要求8所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，模型初始化，包括：
10.一種基于激光雷達的自動發現地質災害監測設備的識別系統，其特征在于，實施權利要求1-9任意一項所述基于激光雷達的自動發現地質災害監測設備的識別方法，該系統包括：
...【技術特征摘要】
1.一種基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，該方法包括：
2.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟s1中，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型，包括：
3.根據權利要求2所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，構建并訓練基于數據驅動的地質災害監測設備移動軌跡演化模型前，基于四元數的歸一化預處理，具體包括：
4.根據權利要求3所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟s1中，基于地質災害監測設備傳感器測量的數據，確定相對位置和地質災害信息銜接變動性，包括：
5.根據權利要求1所述的基于激光雷達的自動發現地質災害監測設備的識別方法，其特征在于，在步驟s2中，計算預測結果的地質災害信息銜接變動性，得到預測的可信度指標，包括：
6.根據權...
【專利技術屬性】
技術研發人員：張增譽，聶偉雄，劉星宇，劉超，王龍，梁緣，王敬，郭錦樺，李鵬程，鞏澤文，
申請(專利權)人：國能榆林能源有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。