申请/专利权人：应急管理部沈阳消防研究所

申请日：2023-07-17

公开（公告）日：2024-01-23

公开（公告）号：CN116977634B

主分类号：G06V10/26

分类号：G06V10/26;G06T7/11;G06T7/194;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.01.23#授权;2023.11.17#实质审查的生效;2023.10.31#公开

摘要：本发明提供了一种基于激光雷达点云背景减除的火灾烟雾检测方法，包括：通过激光雷达获取监测场所中不存在烟雾时的点云数据作为背景；对激光雷达获取到的实时点云图像进行背景减除等预处理；将预处理后的图像切分；使用训练好的网络模型分别对切分图像进行烟雾检测；将在切分图像检测到的结果聚合并显示在原始图像上。本方案有效利用了激光雷达探测范围广、探测距离远、不受夜间光照暗的影响，有效利用了传感器采集到的点云回波数据，具有准确率高，探测距离远，夜间监测效果好的优势。

主权项：1.一种基于激光雷达点云背景减除的火灾烟雾检测方法，其特征在于，包括：S1：通过激光雷达获取监测场所中不存在烟雾时的点云图像，作为背景图像；S2：获取激光雷达获取的实时点云图像，基于所述背景图像对所述实时点云图像进行预处理；S3：将经过预处理的点云图像进行切分，得到多个切分图像；S4：使用训练好的网络模型分别对各切分图像进行烟雾检测，得到各切分图像对应的烟雾检测结果；S5：将各切分图像对应的烟雾检测结果聚合并显示在所述实时点云图像上；步骤S3将经过预处理的点云图像进行切分，得到多个切分图像包括：将经过预处理的点云图像进行切分，得到两张切分图像，分别为第一切分图像和第二切分图像；所述第一切分图像和所述第二切分图像存在重叠区域；步骤S4使用训练好的网络模型分别对各切分图像进行烟雾检测，得到各切分图像对应的烟雾检测结果包括：初始化两个线程，包括第一线程和第二线程；通过所述第一线程和第二线程分别读取述第一切分图像和第二切分图像；使用Shuffle-vit-YOLO网络模型分别对所述第一线程和第二线程读取的所述第一切分图像和所述第二切分图像进行烟雾检测，以得到所述第一切分图像对应的第一烟雾检测框和第二切分图像对应的第二烟雾检测框；所述Shuffle-vit-YOLO网络模型由卷积、上采样、拼接、Shuffle-vit模块和Shuffle-vit-a模块构成；所述Shuffle-vit模块和Shuffle-vit-a模块具体执行以下步骤：步骤A01：使用卷积核大小为1×1的分组卷积对输入特征x进行卷积操作，得到特征x1；步骤A02：对步骤A01得到的特征x1逐个通道使用PyTorch网络框架中的torch.transpose函数进行打散重组，得到特征x2；步骤A03：使用卷积核大小为3×3的深度可分离卷积对步骤A02得到的特征x2进行卷积操作，得到特征x3；步骤A04：使用卷积核大小为1×1的分组卷积对输入特征x3进行卷积操作，得到特征x4；步骤A05：将步骤A04中得到的特征x4与输入特征x相加，得到特征x5；步骤A06：对步骤A05中得到的特征x5进行ReLu操作，得到特征x6；步骤A07：使用卷积核大小为3×3的深度可分离卷积对输入特征x进行卷积操作，得到特征y1；步骤A08：使用卷积核大小为1×1的卷积对步骤A07得到的特征y1进行卷积操作，得到特征y2；步骤A09：将步骤A08得到的特征y2送入Transformer模块，在Transformer模块中首先将进行特征y2进行分块操作，将特征变为多个块，用y3表示；y3＝rearrangey2其中rearrange表示Einops函数库中的rearrange函数；步骤A10：在Transformer模块中，对步骤A09中得到的特征y3增加位置编码，得到特征y4；y4＝concaty3,token其中concat·表示PyTorch中的拼接操作，token表示维度是1的使用PyTorch中randn函数生成的随机数编码；步骤A11：将步骤A10得到的特征y4分别映射到q,k,v矩阵；q,k,v＝Lineary4其中Linear·为PyTorch框架中的nn.Linear线性映射函数，q为查询，k为键，v为值；步骤A12：计算步A11得到的特征矩阵q,k,v的注意力，得到特征y5； 其中d表示查询矩阵q与键矩阵k之间的欧氏距离；softmax·表示softmax函数；步骤A13：将步骤A08中得到的y2和步骤A12中得到的y5进行拼接操作，得到y6；步骤A14：使用卷积核大小为3×3的深度可分离卷积对步骤A12得到的特征y6进行卷积操作，得到特征y7；步骤A15：将步骤A06得到的特征x6与步骤A14得到的特征y7拼接，得到特征z2，即为Shuffle-vit模块的输出；步骤A16：将步骤A06得到的特征x6与步骤A14得到的特征y7相加，得到特征z1，即为Shuffle-vit-a模块的输出。

全文数据：

权利要求：

百度查询： 应急管理部沈阳消防研究所 基于激光雷达点云背景减除的火灾烟雾检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD