[发明专利]重型机械作业状态识别预测方法、装置、设备及存储介质

说明书

本发明提供了一种重型机械作业状态识别预测方法、装置、设备及存储介质，该方法包括：实时采集重型机械的运动关键点的当前位姿数据；通过欧式距离算法识别重型机械的当前作业状态；将当前位姿数据和当前作业状态通过训练好的GRU模型预测下一时刻位姿数据和下一时刻第一作业状态；再次通过欧式距离算法识别下一时刻第二作业状态；根据下一时刻第一作业状态和下一时刻第二作业状态计算下一时刻作业状态。本发明对重型机械运动关键点位置数据采集并进行作业状态识别，结合GRU模型，实现对施工机械的关键点位姿状态的预测估计；并根据施工机械各关键点的预测估计结果，通过欧式距离算法在线实时的识别预测重型机械的作业状态。

技术领域

本发明涉及施工现场安全监测技术领域，尤其涉及一种重型机械作业状态识别预测方法、装置、设备及存储介质。

背景技术

在施工现场，大型施工机械的作业动作及不同机械之间的交互是造成安全隐患的主要原因之一，因此，对重型机械在工地上的作业运动情况的监测是十分重要的。通常情况下，当施工现场中多个物体(人、机械)相互移动时，很可能发生事故。基于这种认知，当前施工现场安全管理人员主要关注施工机械、人员的位置变化轨迹来判断安全风险情况。通过施工现场的监控摄像头和预装在机械设备上的传感器获取的数据信息，对施工机械、人员等的位置进行自动监控，帮助现场管理人员对施工现场进行传统上容易出错、繁琐的安全检查。但这样的方案面临两类问题：

1)当大型施工机械的在施工现场作业时，经常是整体位置不变，但局部的机械部件进行作业操作，比如挖掘机的作业过程中，其行走装置固定不动，但上部转台及工作装置通过位置与姿态的变化进行作业，此时仍有发生事故的可能。

2)现场管理人员通过观看监控视频和人工评估潜在的风险来监控现场的机械作业动作，依赖于管理人员的主观判断和专业知识水平，并且长时间的观察现场十分消耗时间精力，容易因疲劳导致出错。

因此，现有方法无法对重型机械的局部位姿变化形成的作业动作进行有效的识别预测，且过多的依赖于现场管理人员，存在很多主观性和不可预测性，容易引发安全事故。

发明内容

本发明中提出了一种重型机械作业状态识别预测方法、装置、设备及存储介质，旨在解决现有方法无法对重型机械的局部位姿变化形成的作业动作进行有效的识别预测，且过多的依赖于现场管理人员的技术问题。

为了实现上述目的，本发明提供了一种重型机械作业状态识别预测方法，所述重型机械作业状态识别预测方法包括以下步骤：

实时采集重型机械的运动关键点的当前位姿数据；

根据所述当前位姿数据通过欧式距离算法识别所述重型机械的当前作业状态；

将所述当前位姿数据和所述当前作业状态通过训练好的GRU(门控循环单元)模型预测所述重型机械的下一时刻位姿数据和下一时刻第一作业状态Act₁；

根据所述下一时刻位姿数据通过所述欧式距离算法识别所述重型机械的下一时刻第二作业状态Act₂；

根据所述下一时刻第一作业状态和所述下一时刻第二作业状态计算所述重型机械的下一时刻作业状态Act：

优选地，所述实时采集重型机械的运动关键点的当前位姿数据的步骤包括：

实时采集重型机械的运动关键点的当前姿态数据其中，θ代表关键点的欧拉角，分别横滚角、俯仰角和偏航角；

实时采集重型机械的运动关键点的当前位置数据P＝(x,y,z)；

综合所述当前姿态数据和所述当前位置数据得到所述重型机械的运动关键点的当前位姿数据。

优选地，所述重型机械包括挖掘机和卡车，所述综合所述当前姿态数据和所述当前位置数据得到所述重型机械的运动关键点的当前位姿数据的步骤包括：