一种道路交通安全隐患的高精度定位方法与流程 专利技术说明

测量装置的制造及其应用技术1.本发明涉及交通安全评估技术领域，特别涉及道路交通安全隐患改善评价方法及系统。背景技术：[0002][0003]目前，对道路上可能发生的交通安全隐患大多都是基于相关规范、驾驶舒适性、公路运行环境展开，且简单的在一些事故发生点做一些警醒标志，一旦驾驶员未注意到依旧会发生严重的交通事故，现阶段，尚没有一种实时有效的道路交通安全隐患预测系统，不能及时发现公路存在的安全隐患，这也使一些先进的公路安全评价技术难以应用到工程实践中，从而导致对公路上不同车辆的交通安全预警效果不佳；因此，本发明提供了一种道路交通安全隐患的预测方法及系统，用以通过构建的道路交通安全隐患预测模型对途径车辆的驾驶特征参数进行分析，实现对途径车辆的交通安全隐患概率进行准确预测，从而便于提前对驾驶员进行预警，提高了排除交通安全隐患的可靠性和准确性，确保驾驶员的行车安全。技术实现要素：[0004]本发明提供一种道路交通安全隐患的高精度定位方法，用以解决驾驶员遇到安全隐患的情况。[0005]本发明提出一种道路交通安全隐患的高精度定位方法，包括：[0006]根据激光雷达的感应范围，构建基于激光雷达的动态坐标系；[0007]根据摄像装置获取交通图像数据，将交通图像数据通过交通隐患识别模型进行隐患定位；[0008]根据隐患定位和动态坐标系，确定交通隐患实时坐标数据；[0009]根据实时坐标数据，确定交通隐患距离车辆的相对位置数据和安全距离数据。[0010]优选的，所述动态坐标系包括：[0011]预先设定车辆的几何参数，确定车辆的几何端点；[0012]根据几何端点，分别构建车辆的几何坐标系；其中，[0013]几何坐标系包括：车辆左侧端点的第一坐标系集合、车辆右侧端点的第二坐标系集合、车辆前侧端点的第三坐标系集合和车辆后侧端点的第四坐标系集合；[0014]获取车辆的卫星导航数据，确定车辆的交通线路；[0015]将几何坐标系融合至交通线路，生成基于交通轨迹的动态几何坐标系；[0016]通过动态几何坐标系，生成基于几何端点的动态坐标系集合；[0017]用户和动态坐标系集合，进行激光雷达数据的实时更新。[0018]优选的，所述方法还包括：[0019]根据激光雷达的感应范围，对激光雷达的感应精度进行分环，生成多个环形感应区域；其中，[0020]每个环形感应区域对应激光雷达的一个感应精度；[0021]根据感应精度，确定低于预设感应精度的偏差环形感应区域；[0022]根据偏差环形感应区域，设置超声波辅助测量感应装置；[0023]根据超声波辅助测量感应装置，对偏差环形感应区域的障碍物数据进行同步感应；[0024]根据同步感应，进行感应补偿。[0025]优选的，所述交通图像数据包括：[0026]获取摄像装置采集得到的多幅交通图像、惯性测量组件测量得到的惯导数据以及定位系统获得的定位数据，其中，[0027]摄像装置、惯性测量组件和定位系统装载在同一交通图像采集车辆上；[0028]基于交通图像、惯导数据以及定位数据，确定交通图像采集车辆的行进速度是否低于预设速度阈值；[0029]若确定交通图像采集车辆的行进速度低于预设速度阈值，则将交通图像作为无效数据；[0030]若确定交通图像采集车辆的行进速度高于预设速度阈值，则将交通图像作为有效数据。[0031]优选的，所述交通隐患识别模型包括基于天气的气象隐患模型、基于车流量的流量隐患模型、基于地理环境的地理隐患模型、基于障碍物的碰撞隐患模型、基于道路的道路隐患模型和基于导航信号的通信隐患模型；其中，[0032]气象隐患模型用于确定在不同天气环境下，确定车辆的驾驶隐患；[0033]流量隐患模型用于在不同车流量密度场景下，确定车辆的事故隐患；[0034]地理隐患模型用于在不同地理环境下，确定车辆的行驶隐患；[0035]碰撞隐患模型用于在不同障碍物的情况下，确定车辆的碰撞隐患；[0036]道路隐患模型用于在不同道路条件下，确定车辆的行驶速度隐患；[0037]通信隐患模型用于在不同通信条件和通信强度下，确定车辆的通信隐患。[0038]优选的，所述方法还包括：[0039]接收摄像装置的交通图像数据，并分别输入对应的交通隐患识别模型；[0040]从多个交通图像中确定与目标交通隐患识别模型对应的目标隐患因子；其中，[0041]每一交通图像中存储有与交通隐患对应的隐患对比基准特征；[0042]利用交通图像与交通隐患模型中的至少一个隐患对比基准特征进行比对，得到至少一个目标比对结果；[0043]根据至少一个目标比对结果确定目标识别结果，确定交通隐患的隐患定位数据。[0044]优选的，所述根据隐患定位和动态坐标系，确定交通隐患实时坐标数据包括：[0045]根据隐患定位数据，通过激光雷达确定对应的位置在动态坐标系上的坐标数据；[0046]计算坐标数据中每个坐标点位的法向量，设置隐患位置的坐标测量网格；[0047]通过坐标测量网格，对车辆每一侧的坐标点位和法向量进行聚类，生成聚类簇；[0048]根据聚类簇，计算聚类簇的一致性；[0049]根据聚类簇的一致性，生成车辆隐患定位位置的3d轮廓；[0050]根据3d轮廓，确定交通隐患实时坐标数据。[0051]优选的，所述相对位置数据包括：[0052]根据交通隐患实时坐标数据，确定交通隐患位置相对于车辆不同端点的相对角度信息；[0053]根据相对角度信息，确定交通隐患相对于车辆的方向角信息；[0054]根据方向角信息，确定在交通图像中交通隐患相对应车辆的分布数据；[0055]根据分布数据，在构建基于车辆为坐标原点的三维场景坐标系；[0056]根据三维场景坐标系，标记不同交通隐患相对于车辆的相对位置信息，并进行相对位置建模。[0057]优选的，所述安全距离数据包括：[0058]获取交通隐患的不同端点相对于车辆的目标测距图像；[0059]对目标测距图像中安全隐患位置分别设置第一测量点、第二测量点，并在目标测距图像中设置参考线；[0060]由交通隐患的实际形状尺寸和其相对应的像素距离，制定图像中实际距离与其相对应像素距离的标定参数；[0061]根据第一测量点、第二测量点的连线构成的测距线与参考线的夹角作为标定参数的选择依据，此时测距线像素距离与选择的标定参数的乘积为交通隐患的测量距离。[0062]优选的，所述方法还包括：[0063]获取激光雷达目标感应区域内的雷达感应数据，其中，[0064]每个雷达感应数据对应摄像装置在对应的视角拍摄得到的画面，所述一组视频画面包括安全隐患在各个视角下的画面；[0065]在安全隐患出现在一组视频画面中的多个视频画面的情况下，对多个视频画面中安全隐患的测距数据进行累计；[0066]根据测距数据进行报警。[0067]本发明有益效果在于：[0068]本发明能够在车辆进行行驶的时候，基于实时检测和判断安全隐患，通过对安全隐患的判定，精确得对安全隐患得区域进行定位，通过对安全隐患定位，进而确定相对安全得位置和测距安全得位置，进而对用户进行精确的提醒。[0069]本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。[0070]下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。附图说明[0071]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：[0072]图1为本发明实施例中一种道路交通安全隐患的高精度定位方法的方法流程图；[0073]图2为本发明实施例中交通隐患识别模型的识别分类图；[0074]图3为本发明实施例中雷达感应分环的分还图。具体实施方式[0075]以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。[0076]本发明提出一种道路交通安全隐患的高精度定位方法，包括：[0077]根据激光雷达的感应范围，构建基于激光雷达的动态坐标系；[0078]根据摄像装置获取交通图像数据，将交通图像数据通过交通隐患识别模型进行隐患定位；[0079]根据隐患定位和动态坐标系，确定交通隐患实时坐标数据；[0080]根据实时坐标数据，确定交通隐患距离车辆的相对位置数据和安全距离数据。[0081]上述技术方案的原理在于：[0082]如附图1所示，本发明提出了一种对安全隐患进行定位的方法，相对于现有技术，能够实现高精度定位。[0083]在这个过程中，首先基于激光雷达的感应范围，构建激光雷达的动态坐标系，相当于能够在车辆动态运行的过程中，对附近进行深度感应，基于动态坐标系进行建模，实现对周边的测量。[0084]对于交通隐患的识别，本发明是基于图像识别的方式，对交通隐患在交通图像上进行交通隐患数据的识别，确定道路上的交通隐患，但是本发明不只是局限于道路的交通隐患。进而通过图片上的隐患定位和动态坐标系，对交通隐患的位置进行定位，现有技术只是定位距离，但是本发明是基于端点定位，这种情况下，更能防止碰撞或者其它的基础，从而更加便于驾驶员精确驾驶，最后基于相对位置数据和安全距离数据，保证车辆的驾驶安全。[0085]上述技术方案的有益效果在于：[0086]本发明能够在车辆进行行驶的时候，基于实时检测和判断安全隐患，通过对安全隐患的判定，精确得对安全隐患的区域进行定位，通过对安全隐患定位，进而确定相对安全的位置和测距安全的位置，进而对用户进行精确的提醒。[0087]优选的，所述动态坐标系包括：[0088]预先设定车辆的几何参数，确定车辆的几何端点；[0089]根据几何端点，分别构建车辆的几何坐标系；其中，[0090]几何坐标系包括：车辆左侧端点的第一坐标系集合、车辆右侧端点的第二坐标系集合、车辆前侧端点的第三坐标系集合和车辆后侧端点的第四坐标系集合；[0091]获取车辆的卫星导航数据，确定车辆的交通线路；[0092]将几何坐标系融合至交通线路，生成基于交通轨迹的动态几何坐标系；[0093]通过动态几何坐标系，生成基于几何端点的动态坐标系集合；[0094]用户和动态坐标系集合，进行激光雷达数据的实时更新。[0095]上述技术方案的原理在于：[0096]本发明在构建动态坐标系的时候，现有技术只是基于车辆设置一个动态坐标系，但是一个动态坐标系是无法进行精确距离的测量，因为预先要输入车辆自身的几何参数。[0097]但是，车辆的参数可能存在变化，因此，本发明在进行几何坐标处理的时候是构建大量的几何坐标系，对车辆的整体边侧进行几何测量，确定车辆边侧端点距离交通隐患位置的距离。[0098]在这个过程中，本发明还基于卫星的导航数据实现交通轨迹的融合，通过交通轨迹融合，通过激光雷达对测距数据进行实时更新，确定高精度的测距数据。[0099]本发明的有益效果在于：[0100]首先，本发明基于几何端点，可以最大程度的保证不会出现碰撞，而现有技术中，要设置安全距离，在存在视觉或者感应盲点的情况下，无法保证安全。[0101]其次，本发明多个坐标系的端点融合，进而通过卫星导航数据，实现对道路的交通线路快速，近距离高速定位。[0102]另外，本发明是动态坐标系，动态坐标系的问题就是测量不精确的问题，本发明虽然采用动态坐标系，但是因为是端点检测和多坐标系的端点检测融合，可以保证测量的精确度和测量数据的快速更新。[0103]本发明在确定车辆的几何端点的时候，为了保证端点的正确性，现有技术，可能会基于车辆的自身工艺参数，确定几何端点，这对于新车来说，精度很高，但是对于老车来说，精度是不足的，与i那我车辆无法保证出场是的几何参数还能符合用户之后，毕竟车辆会有损耗、磕碰甚至交通事故，因此，本发明采用了如下方法进行精度检测的优化：[0104]步骤1：本发明首先会对车辆的动态几何坐标系采集的动态几何数据进分帧，并加窗处理，生成数据分帧集合：[0105]f(x)＝f1，f2，f3…fx[0106]其中，fx表示第x帧动态几何数据；x为正整数，x∈n；[0107]本发明会将几何信号进行分帧，分帧之后，可以几何信号分帧之后的每个细节进行计算。[0108]步骤2：将分帧几何集合通过帧变换，确定每一帧动态几何数据的相位值：[0109][0110]其中，j表示虚数；k表示分量；n表示总帧数；[0111]相位值确定了动态几何坐标系中，实时检测的数据的稳定度，也可以表示采集的几何数据准确度。[0112]步骤3：根据相位值，计算动态几何数据的熵值；[0113][0114]其中，s表示几何信号的熵值；[0115]通过几何数据的准确度，可以确定动态几何数据的熵值，熵值可以确定变化的几何数据，也就是车辆端点数据的重要度，也对应这准确度，一般情况下车辆的断电不会出现变化。[0116]步骤4：根据熵值，计算几何信号的总距离信度：[0117][0118]其中，d表示总距离信度。[0119]距离信度可以在进行几何端点检测的时候，根据总距离信度，可以确定在进行交通隐患测量的时候，端点距离的信度，保证车辆的动态检测坐标系不出现错误。[0120]步骤5：根据距离信度，计算几何信号的预期损失：[0121][0122]其中，q表示损失值预期损失。[0123]步骤6：根据预期损失，对几何信号的每一帧进行分别优化，确定优化后的目标几何信号的判定值：[0124]l＝[|fx*r(ax)|q]-β|p(ax)|q[0125]其中，l表示目标几何信号的判定值；r(ax)表示几何信号的加权期望函数；p(ax)示几何信号的加权函数；β表示加权损失系数；[0126]步骤5和步骤6中，步骤5确定了预期损失，即可能造成的检测精度损失，这个检测精度的损失，通过步骤6中几何信号的加权差值计算，通过预期值减去实际值，从而确定优化后的几何信号，但是，这个目标几何信号的判定值是判断预期损失的正确性，如果l大于1，表示实际损失没有超过预期损失，就表示动态几何数据可信，可以作为目标动态几何数据，如果判定值小于1，就表示超过预期损失，动态坐标系检测的数据不正确。[0127]优选的，所述方法还包括：[0128]根据激光雷达的感应范围，对激光雷达的感应精度进行分环，生成多个环形感应区域；其中，[0129]每个环形感应区域对应激光雷达的一个感应精度；[0130]根据感应精度，确定低于预设感应精度的偏差环形感应区域；[0131]根据偏差环形感应区域，设置超声波辅助测量感应装置；[0132]根据超声波辅助测量感应装置，对偏差环形感应区域的障碍物数据进行同步感应；[0133]根据同步感应，进行感应补偿。[0134]上述技术方案的原理在于：[0135]本发明在通过激光雷达感应的时候，因为激光雷达的感应是一个圆形区域，而且因为感应的距离越远，感应的精度越弱，所以本发明根据感应精度进行分环，在分环的过程种，对每个环形感应区域通过超声波的辅助测量装置进行同步感应，通过同步感应的方式提高激光雷达的感应精度，实现感应的精度补偿。[0136]上述技术方案的有益效果在于：[0137]分环图如附图3所示，每个环内的感应精度都是存在不同的感应标准。通过对不同感应精度的数据进行划分，比较在先设置精度偏差值，进而确定激光雷达感应不精确的区域，设置超声波感应装置进行感应，两者之间相互辅助、相互同步，进而更加精确的进行感应。[0138]超声波的检测按照感应精度来说，适合泊车场境，但是现有技术中不会融合激光雷达和超声波的感应数据，本发明将这两个不同途径的感应数据进行融合，从而更加高效的进行精度补偿。[0139]优选的，所述交通图像数据包括：[0140]获取摄像装置采集得到的多幅交通图像、惯性测量组件测量得到的惯导数据以及定位系统获得的定位数据，其中，[0141]摄像装置、惯性测量组件和定位系统装载在同一交通图像采集车辆上；[0142]基于交通图像、惯导数据以及定位数据，确定交通图像采集车辆的行进速度是否低于预设速度阈值；[0143]若确定交通图像采集车辆的行进速度低于预设速度阈值，则将交通图像作为无效数据；[0144]若确定交通图像采集车辆的行进速度高于预设速度阈值，则将交通图像作为有效数据。[0145]上述技术方案的原理在于：[0146]本发明在通过交通图像数据对交通隐患进行定位的过程种，因为测距数据是进行实时更新的所以要时刻判断那些数据为有效数据和那些数据为无效数据。在进行有效数据和无效数据检测的过程种，通过车辆自身的惯性作用，在车辆超过一定的速度之后，才会进行交通隐患数据的采集和识别，一般情况下，只有车辆速度为0的时候部进行交通隐患数据的采集。[0147]上述技术方案的有益效果在于：[0148]本发明限制摄像装置、惯性测量组件和定位系统装载在同一交通图像采集车辆上；是为了保证三者数据的一致性，测量数据的时候可以同步，互相补偿。预设速度阈值，是为了将汽车的感应精度和数据更新速度和现有技术中的最高速度适配，防止数据速度过高，导致的数据采集不清楚。[0149]优选的，所述交通隐患识别模型包括基于天气的气象隐患模型、基于车流量的流量隐患模型、基于地理环境的地理隐患模型、基于障碍物的碰撞隐患模型、基于道路的道路隐患模型和基于导航信号的通信隐患模型；其中，[0150]气象隐患模型用于确定在不同天气环境下，确定车辆的驾驶隐患；[0151]流量隐患模型用于在不同车流量密度场景下，确定车辆的事故隐患；[0152]地理隐患模型用于在不同地理环境下，确定车辆的行驶隐患；[0153]碰撞隐患模型用于在不同障碍物的情况下，确定车辆的碰撞隐患；[0154]道路隐患模型用于在不同道路条件下，确定车辆的行驶速度隐患；[0155]通信隐患模型用于在不同通信条件和通信强度下，确定车辆的通信隐患。[0156]上述技术方案的原理在于：[0157]如附图2所示，本发明在进行交通隐患识别的时候，现有技术只会基于单一的识别模型通过大数据的训练，确定对应交通隐患，但是，对于气象条件影响下的交通隐患、地理因素下的交通隐患、车辆流量密度下的交通隐患、碰撞环境下的交通隐患、道路自身的交通隐患和通信带来的交通隐患无法进行识别，本发明在进行交通隐患识别的时候，除了物理层面的交通隐患，还根据具体的场景，设置对应的交通隐患模型，通过交通隐患模型，确定对应的交通隐患数据，进行交通隐患的识别。[0158]本发明的有益效果在于：[0159]本发明通过设置不同的模型，进行不同的类型交通隐患的识别和交通隐患的发现。因为基于不同的交通隐患，不同的交通模型，所以精度更高。[0160]优选的，所述方法还包括：[0161]接收摄像装置的交通图像数据，并分别输入对应的交通隐患识别模型；[0162]从多个交通图像中确定与目标交通隐患识别模型对应的目标隐患因子；其中，[0163]每一交通图像中存储有与交通隐患对应的隐患对比基准特征；[0164]利用交通图像与交通隐患模型中的至少一个隐患对比基准特征进行比对，得到至少一个目标比对结果；[0165]根据至少一个目标比对结果确定目标识别结果，确定交通隐患的隐患定位数据。[0166]上述技术方案的原理在于：[0167]本发明在通过图像数据对交通隐患进行识别的时候，会将交通图像数据输入至预设的交通隐患识别模型，同各国交通隐患识别模型种存在的隐患对比基准特征以最简单的对比的方式进行识别，判断是否存在交通隐患，并且对交通隐患进行定位，确定对应的隐患数据。[0168]上述技术方案的有益效果在于：[0169]目标隐患因子，是预先设定，隐患识别的描述特征，例如：车祸场景下的人员受伤特征。进而，通过特征对比的方式，确定具体交通隐患的识别结果，确定造成交通隐患的隐患定位数据。[0170]优选的，所述根据隐患定位和动态坐标系，确定交通隐患实时坐标数据包括：[0171]根据隐患定位数据，通过激光雷达确定对应的位置在动态坐标系上的坐标数据；[0172]计算坐标数据中每个坐标点位的法向量，设置隐患位置的坐标测量网格；[0173]通过坐标测量网格，对车辆每一侧的坐标点位和法向量进行聚类，生成聚类簇；[0174]根据聚类簇，计算聚类簇的一致性；[0175]根据聚类簇的一致性，生成车辆隐患定位位置的3d轮廓；[0176]根据3d轮廓，确定交通隐患实时坐标数据。[0177]上述技术方案的原理在于：[0178]本发明在通过隐患定位数据，确定交通隐患的实时坐标的时候，因为交通隐患的物体具有一定的轮廓，为了实现高精度的错开具备交通隐患的物体，本发明再进行交通隐患定位的时候，会首先确定交通隐患位置的坐标数据，进行隐患位置的方位判定，在方位判定之后，通过坐标测量网格进行精确测量，而为了精确判断交通隐患的3d轮廓。[0179]上述技术方案的有益效果在于：[0180]本发明在进行动态的坐标数据获取的过程中，通过法向量的计算，可以确定交通隐患的方位，进而通过坐标网格实现隐患的定位。但是为了实现隐患识别更加精确，需要进行计算，坐标网格就可以通过数据进行点位排列，从而实现数据聚类，生成聚类簇，通过聚类簇的方式进行3d轮廓定位，确定交通隐患的实时坐标数据。[0181]优选的，所述相对位置数据包括：[0182]根据交通隐患实时坐标数据，确定交通隐患位置相对于车辆不同端点的相对角度信息；[0183]根据相对角度信息，确定交通隐患相对于车辆的方向角信息；[0184]根据方向角信息，确定在交通图像中交通隐患相对应车辆的分布数据；[0185]根据分布数据，在构建基于车辆为坐标原点的三维场景坐标系；[0186]根据三维场景坐标系，标记不同交通隐患相对于车辆的相对位置信息，并进行相对位置建模。[0187]上述技术方案的原理在于：[0188]本发明在确定交通隐患的相对位置的时候，会根据激光雷达实现对交通隐患位置的对应的交通隐患元素的方向角和，通过方向角数据确定交通隐患所在的分布位置，进而通过三维场景坐标系，实现对交通隐患位置的建模。[0189]上述技术方案的有益效果在于：[0190]在进行相对位置建模的过程中，通过相对角度信息，即，交通隐患位置距离当前车辆的总体相对位置，可以确定相对朝向和相对距离，进而在存在多个和单一交通隐患的时候，可以实现对不同的交通隐患位置进行位置建模，实现高精确度的位置测距。本发明，解决了现有技术中模糊定位的方式，本发明可以实现精确定位，进而在山区和狭窄区域，实现车辆的微观距离检测，也更加符合无人驾驶领域。[0191]优选的，所述安全距离数据包括：[0192]获取交通隐患的不同端点相对于车辆的目标测距图像；[0193]对目标测距图像中安全隐患位置分别设置第一测量点、第二测量点，并在目标测距图像中设置参考线；[0194]由交通隐患的实际形状尺寸和其相对应的像素距离，制定图像中实际距离与其相对应像素距离的标定参数；[0195]根据第一测量点、第二测量点的连线构成的测距线与参考线的夹角作为标定参数的选择依据，此时测距线像素距离与选择的标定参数的乘积为交通隐患的测量距离。[0196]上述技术方案的工作原理为：[0197]本发明在通过不同端点对车辆进行测距的时候，不同的目标检测图像，可以确定不同的测量点，通过在测量点设置参考线的方式，参考线的目的是为了进行距离的标记和表示，显示在用户的屏幕中。然后通过交通隐患的实际形状尺寸和其相对应的像素距离，可以实现对测量距离的快速显示。[0198]上述技术方案的有益效果在于：[0199]本发明在进行测量距离选择的时候，通过第一测量点、第二测量点的连线构成的测距线与参考线的夹角作为标定参数的选择依据，可以保证测量距离的精确度，然后通过测距线像素距离与选择的标定参数的乘积为交通隐患的测量距离，符合几何计算原理，得到的计算结果更加精确和快速。[0200]优选的，所述方法还包括：[0201]获取激光雷达目标感应区域内的雷达感应数据，其中，[0202]每个雷达感应数据对应摄像装置在对应的视角拍摄得到的画面，所述一组视频画面包括安全隐患在各个视角下的画面；[0203]在安全隐患出现在一组视频画面中的多个视频画面的情况下，对多个视频画面中安全隐患的测距数据进行累计；[0204]根据测距数据进行报警。[0205]上述技术方案的工作原理为：[0206]本发明在通过激光雷达进行报警的过程中，常规状态下激光雷达只会显示三维分布的画面，也只会显示测试数据，一个视频会显示多个视角。如果，多个画面都存在安全隐患的视频画面中，就需要进行测距报警。[0207]上述技术方案的有益效果在于：[0208]本发明解决的是现有技术中激光雷达数据无法和摄像数据实现融合计算的场景下，本发明是基于隐患累计和激光雷达、视角拍摄多种方式的联合计算，进而实现测距报警。[0209]显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!