作业车辆的防碰撞监控方法、装置、设备和介质与流程

1.本发明涉及作业安全技术领域，尤其是涉及作业车辆的防碰撞监控方法、装置、设备和介质。


背景技术：

2.作业车辆装配有专用设备或器具，如工程抢险车、洒水车、吸污车、水泥搅拌车、起重车、医疗车等，能辅助完成各种施工作业。在通常情况下，作业车辆会避免靠近障碍物，但由于操作人员的技术水平参差不齐，常会出现各种意外靠近障碍物的危险情形。此外由于施工要求，有时候又不得不在靠近障碍物的场景下进行施工，例如进行临近高压电力设备的起吊作业，线下打桩等。
3.以上情况稍有不慎就会导致高大机具与附近障碍物，因安全距离不足而出现碰线、线路跳闸、停电、人员伤亡的状况，因此需极力避免。


技术实现要素：

4.基于此，有必要针对上述问题，提供避免作业车辆与附近障碍物发生碰撞的防碰撞监控方法、装置、设备和介质。
5.一种作业车辆的防碰撞监控方法，应用于防碰撞监控系统，防碰撞监控系统包括车载辅助终端，和安装在作业车辆的作业装置顶端的每个预设方向上的数据采集终端，方法包括：
6.获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像；
7.识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；
8.在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；
9.将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
10.在其中一个实施例中，其特征在于，识别每个预设方向上的深度图像中的目标障碍物，包括：
11.对每个预设方向上的深度图像进行颜色阈值分割以获取感兴趣的颜色区域图像，对颜色区域图像进行二值化处理，获取二值化图像；
12.定位二值化图像中的疑似障碍物，使用特征描述子描述疑似障碍物的关键特征，通过支持向量机分类器根据关键特征对疑似障碍物进行分类，确定二值化图像中的目标障碍物；
13.获取包含目标障碍物的目标二值化图像，将目标二值化图像输入到训练后的卷积神经网络中，获取目标障碍物的障碍物特征。
14.在其中一个实施例中，根据每个预设方向上的深度图像构建作业车辆和目标障碍
物的三维场景模型，包括：
15.根据每个预设方向上的深度图像的深度信息确定作业场景中作业车辆和目标障碍物的三维坐标信息；
16.对三维坐标信息进行几何标定，获取作业场景中用于表示作业车辆和目标障碍物的形状参数；
17.采集作业场景的rgb图像，从rgb图像中提取作业场景的纹理信息，生成作业场景的场景纹理图；
18.根据形状参数及场景纹理图生成作业车辆和目标障碍物的三维场景模型。
19.在其中一个实施例中，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号，包括：
20.获取作业车辆的作业装置在作业过程中的若干个三维坐标信息，根据若干个三维坐标信息模拟作业装置的未来运动轨迹；
21.获取数据采集终端的成像参数及目标障碍物的目标障碍物参数，根据成像参数及目标障碍物参数确定作业装置与目标障碍物的障碍物距离；
22.当识别到在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号。
23.在其中一个实施例中，当在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号，包括：
24.当在未来运动轨迹上出现目标障碍物，且作业装置与目标障碍物的障碍物距离小于第一预设安全距离时，生成预警信号；或，
25.当在未来运动轨迹上出现目标障碍物，作业装置与目标障碍物的障碍物距离小于第二预设安全距离，且作业装置的运动速度超过预设安全速度时，生成预警信号；第二预设安全距离大于第一预设安全距离。
26.在其中一个实施例中，在获取数据采集终端采集的在作业车辆的每个预设方向上的深度图像之前，还包括：
27.当接收到用户端输入的监控分配请求时，对可使用的边缘计算资源进行检索；
28.在一个资源分配周期内根据监控节点的接入个数和监控分配请求的请求内容确定可使用的边缘计算资源的分配份额；
29.根据监控分配请求的时序先后关系确定监控分配请求的优先级，对边缘计算资源根据分配份额和优先级进行分配；
30.检测边缘计算资源分配中各个信道的信道传输模式的可用性，对不可用的信道传输模式进行改正。
31.在其中一个实施例中，防碰撞监控方法，还包括：
32.在深度图像中设置电子围栏；
33.当检测到移动障碍物触碰电子围栏时，对移动障碍物进行识别，获取移动障碍物的障碍物特征，根据移动障碍物的障碍物特征生成预警信号；和/或，
34.获取预设的作业危险距离，当电子围栏与作业装置间的直线距离小于危险距离时，生成预警信号。
35.一种防碰撞监控系统，防碰撞监控系统包括：
36.数据采集终端，安装在作业车辆的作业装置顶端的每个预设方向上，用于采集在作业车辆的每个预设方向上的深度图像；
37.主控单元，用于识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；
38.车载辅助终端，用于响应预警信号，发出预警提醒。
39.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如下步骤：
40.获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像；
41.识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；
42.在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；
43.将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
44.一种防碰撞监控设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如下步骤：
45.获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像；
46.识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；
47.在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；
48.将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
49.本发明提供了作业车辆的防碰撞监控方法、装置、设备和介质，通过识别采集的深度图像中的目标障碍物，根据深度图像构建包括作业车辆和目标障碍物的三维场景模型，以实现适用在不同场景下的安全防护监控。再在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据该未来运动轨迹及障碍物距离生成预警信号，并发出预警提醒，可预防在施工时因作业车辆临近或碰撞障碍物而发生的破坏，可有效提醒作业人员安全作业。
附图说明
50.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.其中：
52.图1为一个实施例中作业车辆的防碰撞监控方法的流程示意图；
53.图2为一个实施例中防碰撞监控系统的结构示意图；
54.图3为一个实施例中防碰撞监控设备的结构框图。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.如图1所示，图1为一个实施例中作业车辆的防碰撞监控方法的流程示意图。本实施例的作业车辆的防碰撞监控方法应用于防碰撞监控系统中，该防碰撞监控系统由数据采集终端、主控单元及车载辅助终端组成。其中数据采集终端安装在作业车辆的作业装置顶端的每个预设方向上，用于采集包括作业车辆及周围障碍物的深度图像。主控单元基于视觉技术及深度学习技术，构建包括作业车辆及周围障碍物的三维场景模型，并基于防碰撞的学习算法，对可能发生的外力破坏发出预警信号。车载辅助终端实时显示作业车辆及周围障碍物的空间情况，在出现外力破坏之前，响应于预警信号以发出报警提醒及控制作业车辆停止工作。
57.本实施例中作业车辆的防碰撞监控方法提供的步骤包括：
58.步骤102，获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像。
59.由于深度信息是本防碰撞监控方法中需要使用到的基础数据，而单目摄像头无法获取物体的深度信息，所以本实施例中的数据采集终端采用双目(或三目)镜头的摄像头，来拍摄深度图像以获取深度信息。该双目摄像头以吸附方式固定在作业装置顶端的每个预设方向上，同时为了得到比较好的拍摄效果，两个镜头之间的距离一般保持在20cm左右。
60.此外，考虑到双目摄像头在采集视频信息时，可能会出现不同镜头获取的图像不一致的问题，继而导致后续构建的三维场景模型出现坐标偏差，因此本实施例中数据采集终端还设置有雷达传感器和九轴传感器，雷达传感器用于校准图像的拍摄位置，以保持图像间的空间位置一致性。九轴传感器用于反映出左右倾斜、前后倾斜和左右摇摆等运动情况，实现高精度的运动检测。
61.进一步的，基于视觉技术及深度学习技术的算法在运行需要大量的计算资源，如果仅采用在中心服务器内集中计算的方式，会导致中心服务器需要大量的计算资源，而应用侧的计算资源则处于闲置状态。因此为了更加充分的利用的主控单元的计算能力，通过边缘计算技术来实现在应用侧进行更多的计算任务，使系统有更快的服务响应，以提高系统的实时性。
62.本实施例中的防碰撞监控系统可实现对多监控节点的实时监控，即对作业车辆的多个作业装置可进行同步监控。当接收到作业人员在车载辅助终端输入的对部分监控节点的监控分配请求时，主控单元首先对可使用的边缘计算资源进行检索，该边缘计算资源为主控单元当前未进行任务处理的闲置计算资源，使用该边缘计算资源即可有效缓解中心服务器的负载。在一个资源分配周期内根据监控节点的接入个数和监控分配请求的请求内容确定可使用的边缘计算资源的分配份额，其中为每个监控节点分配的边缘计算资源的份额
在初步分配时应尽量保持相等，再依据请求内容的重要程度不同适量地增加或减少每个监控的分配份额，以满足实际监控需求。同时也根据监控分配请求的时序先后关系确定监控分配请求的优先级，其中监控分配请求的时序越靠前，分配请求的优先级相应也越高。最后根据已确定的分配份额和优先级对边缘计算资源进行分配，实现对不同监控节点的边缘计算资源的合理分配。此外，检测边缘计算资源分配中各个信道的信道传输模式的可用性，对不可用的信道传输模式进行改正，以提高资源分配的效率。
63.步骤104，识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型。
64.其中，目标障碍物为作业场景中需要作业装置规避的特定障碍物，包括电缆、楼房、行人等。构建包括作业车辆和目标障碍物的三维场景模型为后续基于视觉技术的防碰撞监测提供场景模型基础。
65.在一个具体实施例中，识别目标障碍物的过程为：首先将每个预设方向上的深度图像从rgb空间转换为hsv颜色空间，再根据hsv颜色空间中各个颜色的阈值分布情况，从hsv颜色空间的通道中分割出蓝、黄、红三色分量的颜色区域图像，再将颜色区域图像与原始的深度图像进行按位“或”、“与”运算得到颜色阈值分割后的二值化图像。然后利用物体检测算法检测出二值化图片中存在的疑似障碍物，并对检测出的疑似障碍物定位。
66.再在定位的疑似障碍物区域范围内利用例如fast特征点检测算法来确定疑似障碍物中关键特征点的位置。以任意一个关键特征点为中心，取预设大小的邻域窗口，在窗口内随机选取一对点，比较这两者像素的大小，进行二进制赋值。再在窗口中随机选取n对随机点，重复像素大小比对及二进制赋值，形成一个二进制编码，这个二进制编码即为特征描述子。使用该特征描述子描述所有关键特征点的关键特征。将关键特征输入到支持向量机进行分类，根据分类结果确定疑似障碍物中的目标障碍物。然后获取这些包含目标障碍物的目标二值化图像，将目标二值化图像输入到训练后的卷积神经网络中，例如vgg-16卷积神经网络或resnet-18卷积神经网络，获取输出的目标障碍物的障碍物特征，这些障碍物特征可作为障碍物信息，在出现外力破坏之前一并提醒作业人员。
67.在一个具体实施例中，构建三维场景模型的过程为：获取双目相机的深度摄像头的内部参数以及深度图像中重要像素点对应的深度信息，而这些重要像素点包括作业场景中作业车辆和目标障碍物所覆盖的像素点。确定这些像素点在深度摄像头对应的相机坐标系下的三维坐标信息。再将确定的三维坐标信息与预设的三维场景模型中的三维坐标信息进行对齐，实现对确定的三维坐标信息的几何标定，获取作业场景中用于表示作业车辆和目标障碍物的形状参数。采集作业场景的rgb图像，从rgb图像中提取作业场景的纹理信息，生成作业场景的场景纹理图。将形状参数的顶点向场景纹理图投影，获得形状参数与场景纹理图之间的映射关系，根据映射关系，使用场景纹理图对形状参数进行填充，得到包含场景纹理的作业车辆和目标障碍物的三维场景模型。
68.步骤106，在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号。
69.在三维场景模型内，根据双目摄像头的距离感知功能确定与目标障碍物的障碍物距离，以及作业车辆内除作业装置顶端部分的作业位置。再基于已有的作业位置给出未来运动轨迹，最终做到根据未来运动轨迹及障碍物距离给出整个作业车辆的防误撞预警和风
险评估。
70.在一个具体实施例中，为使得确定的未来运动轨迹具有准确性，获取作业车辆的作业装置在作业过程中的若干个三维坐标信息，将其中连续的n个三维坐标信息平滑连接为一段已知运动轨迹。确定n段已知运动轨迹中每段轨迹的历史移动距离及历史移动角度，在平面坐标中根据每段已知运动轨迹的历史移动距离及历史移动角度对这些已知运动轨迹进行线性拟合，得到历史拟合曲线，再基于实际可能经过的节点的位置生成以这些节点为中心的网格。为了生成不同弯曲程度的候选轨迹，在每个节点的网格内标记m个控制点，通过将历史拟合曲线与这些节点及控制点进行拟合，即可得到多个可能的未来运动轨迹。
71.然后获取数据采集终端的成像参数及目标障碍物的目标障碍物参数，其中成像包括内参矩阵、畸变矩阵、外参旋转矩阵和外参平移矩阵的标定结果，这些成像参数可以从双目摄像头的标定文档获得。目标障碍物参数包括目标障碍物在视野成像中的宽度、高度、坐标，以及类别信息。由于双目摄像头与作业车辆的固定结构之间的距离不变，因此在三维场景模型内，只需要获取双目摄像头与固定结构的第一相对距离，再基于未来运动轨迹获取作业装置与目标障碍物的第二相对距离，对比第一相对距离与第二相对距离以确定作业装置与目标障碍物实际的障碍物距离。最后当识别到在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号。
72.示例性的，该碰撞预警条件包括：当在未来运动轨迹上出现目标障碍物，且作业装置与目标障碍物的障碍物距离小于第一预设安全距离时。又或者，当在未来运动轨迹上出现目标障碍物，作业装置与目标障碍物的障碍物距离小于第二预设安全距离，且作业装置的运动速度超过预设安全速度时。其中，上述的第二预设安全距离大于第一预设安全距离。
73.步骤108，将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
74.该车载辅助终端安装在作业车辆的控制室内，主要由视频显示装置、预警装置、紧急切断装置和通信装置组成。主控单元将监控整个作业过程的实时视频信号和生成的预警信号发送至车载辅助终端。作业人员从车载辅助终端中可以实时了解作业情况，并对作业情况进行分析。该视频显示装置可以显示上、下、左、右、前、后六个方位的视频信息及历史运行轨迹，还可以实现作业装置的运行轨迹预测及演示。预警装置在接收到预警信号时发出包含障碍物特征的预警提醒，并由紧急切断装置自动中断作业车辆的运行。而作业人员通过通信装置可以与现场作业签发人、监理相关人员进行实时通信，报告监控到的作业情况。
75.进一步的，本实施例还可以在深度图像中用多个双目摄像头标定一个范围，建构出一个电子围栏。当检测到移动障碍物触碰电子围栏时，对移动障碍物进行识别，获取移动障碍物的障碍物特征，根据移动障碍物的障碍物特征生成预警信号，以防止外部行人或车辆等移动障碍物进入电子围栏内的区域。也可以获取预设的作业危险距离，当电子围栏与作业装置间的直线距离小于危险距离时，就生成预警信号，以保障作业装置在指定范围内工作。
76.上述作业车辆的防碰撞监控方法，通过识别采集的深度图像中的目标障碍物，根据深度图像构建包括作业车辆和目标障碍物的三维场景模型，以实现适用在不同场景下的安全防护监控。再在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障
碍物的障碍物距离，根据该未来运动轨迹及障碍物距离生成预警信号，并发出预警提醒，可预防在施工时因作业车辆临近或碰撞障碍物而发生的破坏，可有效提醒作业人员安全作业。
77.在一个实施例中，如图2所示，提出了一种防碰撞监控系统，该装置包括：
78.数据采集终端202，安装在作业车辆的作业装置顶端的每个预设方向上，用于采集在作业车辆的每个预设方向上的深度图像；
79.主控单元204，用于识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；
80.车载辅助终端206，用于响应预警信号，发出预警提醒。
81.上述防碰撞监控系统，通过识别采集的深度图像中的目标障碍物，根据深度图像构建包括作业车辆和目标障碍物的三维场景模型，以实现适用在不同场景下的安全防护监控。再在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据该未来运动轨迹及障碍物距离生成预警信号，并发出预警提醒，可预防在施工时因作业车辆临近或碰撞障碍物而发生的破坏，可有效提醒作业人员安全作业。
82.在一个实施例中，主控单元204，还具体用于：对每个预设方向上的深度图像进行颜色阈值分割以获取感兴趣的颜色区域图像，对颜色区域图像进行二值化处理，获取二值化图像；定位二值化图像中的疑似障碍物，使用特征描述子描述疑似障碍物的关键特征，通过支持向量机分类器根据关键特征对疑似障碍物进行分类，确定二值化图像中的目标障碍物；获取包含目标障碍物的目标二值化图像，将目标二值化图像输入到训练后的卷积神经网络中，获取目标障碍物的障碍物特征。
83.在一个实施例中，主控单元204，还具体用于：根据每个预设方向上的深度图像的深度信息确定作业场景中作业车辆和目标障碍物的三维坐标信息；对三维坐标信息进行几何标定，获取作业场景中用于表示作业车辆和目标障碍物的形状参数；采集作业场景的rgb图像，从rgb图像中提取作业场景的纹理信息，生成作业场景的场景纹理图；根据形状参数及场景纹理图生成作业车辆和目标障碍物的三维场景模型。
84.在一个实施例中，主控单元204，还具体用于：获取作业车辆的作业装置在作业过程中的若干个三维坐标信息，根据若干个三维坐标信息模拟作业装置的未来运动轨迹；获取数据采集终端的成像参数及目标障碍物的目标障碍物参数，根据成像参数及目标障碍物参数确定作业装置与目标障碍物的障碍物距离；当识别到在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号。
85.在一个实施例中，主控单元204，还具体用于：当在未来运动轨迹上出现目标障碍物，且作业装置与目标障碍物的障碍物距离小于第一预设安全距离时，生成预警信号；或，当在未来运动轨迹上出现目标障碍物，作业装置与目标障碍物的障碍物距离小于第二预设安全距离，且作业装置的运动速度超过预设安全速度时，生成预警信号；第二预设安全距离大于第一预设安全距离。
86.在一个实施例中，主控单元204，还具体用于：在获取数据采集终端采集的在作业车辆的每个预设方向上的深度图像之前，还包括：当接收到用户端输入的监控分配请求时，
对可使用的边缘计算资源进行检索；在一个资源分配周期内根据监控节点的接入个数和监控分配请求的请求内容确定可使用的边缘计算资源的分配份额；根据监控分配请求的时序先后关系确定监控分配请求的优先级，对边缘计算资源根据分配份额和优先级进行分配；检测边缘计算资源分配中各个信道的信道传输模式的可用性，对不可用的信道传输模式进行改正。
87.在一个实施例中，主控单元204，还具体用于：在深度图像中设置电子围栏；当检测到移动障碍物触碰电子围栏时，对移动障碍物进行识别，获取移动障碍物的障碍物特征，根据移动障碍物的障碍物特征生成预警信号；和/或，获取预设的作业危险距离，当电子围栏与作业装置间的直线距离小于危险距离时，生成预警信号。
88.图3示出了一个实施例中防碰撞监控设备的内部结构图。如图3所示，该防碰撞监控设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该防碰撞监控设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现作业车辆的防碰撞监控方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行作业车辆的防碰撞监控方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的防碰撞监控设备的限定，具体的防碰撞监控设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
89.一种防碰撞监控设备，包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序，该处理器执行该计算机程序时实现如下步骤：获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像；识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
90.在一个实施例中，识别每个预设方向上的深度图像中的目标障碍物，包括：对每个预设方向上的深度图像进行颜色阈值分割以获取感兴趣的颜色区域图像，对颜色区域图像进行二值化处理，获取二值化图像；定位二值化图像中的疑似障碍物，使用特征描述子描述疑似障碍物的关键特征，通过支持向量机分类器根据关键特征对疑似障碍物进行分类，确定二值化图像中的目标障碍物；获取包含目标障碍物的目标二值化图像，将目标二值化图像输入到训练后的卷积神经网络中，获取目标障碍物的障碍物特征。
91.在一个实施例中，根据每个预设方向上的深度图像构建作业车辆和目标障碍物的三维场景模型，包括：根据每个预设方向上的深度图像的深度信息确定作业场景中作业车辆和目标障碍物的三维坐标信息；对三维坐标信息进行几何标定，获取作业场景中用于表示作业车辆和目标障碍物的形状参数；采集作业场景的rgb图像，从rgb图像中提取作业场景的纹理信息，生成作业场景的场景纹理图；根据形状参数及场景纹理图生成作业车辆和目标障碍物的三维场景模型。
92.在一个实施例中，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号，包括：获取作业车辆的作业装置在
作业过程中的若干个三维坐标信息，根据若干个三维坐标信息模拟作业装置的未来运动轨迹；获取数据采集终端的成像参数及目标障碍物的目标障碍物参数，根据成像参数及目标障碍物参数确定作业装置与目标障碍物的障碍物距离；当识别到在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号。
93.在一个实施例中，当在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号，包括：当在未来运动轨迹上出现目标障碍物，且作业装置与目标障碍物的障碍物距离小于第一预设安全距离时，生成预警信号；或，当在未来运动轨迹上出现目标障碍物，作业装置与目标障碍物的障碍物距离小于第二预设安全距离，且作业装置的运动速度超过预设安全速度时，生成预警信号；第二预设安全距离大于第一预设安全距离。
94.在一个实施例中，在获取数据采集终端采集的在作业车辆的每个预设方向上的深度图像之前，还包括：当接收到用户端输入的监控分配请求时，对可使用的边缘计算资源进行检索；在一个资源分配周期内根据监控节点的接入个数和监控分配请求的请求内容确定可使用的边缘计算资源的分配份额；根据监控分配请求的时序先后关系确定监控分配请求的优先级，对边缘计算资源根据分配份额和优先级进行分配；检测边缘计算资源分配中各个信道的信道传输模式的可用性，对不可用的信道传输模式进行改正。
95.在一个实施例中，还执行：在深度图像中设置电子围栏；当检测到移动障碍物触碰电子围栏时，对移动障碍物进行识别，获取移动障碍物的障碍物特征，根据移动障碍物的障碍物特征生成预警信号；和/或，获取预设的作业危险距离，当电子围栏与作业装置间的直线距离小于危险距离时，生成预警信号。
96.一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：获取数据采集终端采集的在作业装置顶端的每个预设方向上的深度图像；识别每个预设方向上的深度图像中的目标障碍物，根据每个预设方向上的深度图像构建包括作业车辆和目标障碍物的三维场景模型；在三维场景模型内，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号；将预警信号发送至车载辅助终端，以使得车载辅助终端响应预警信号发出预警提醒。
97.在一个实施例中，识别每个预设方向上的深度图像中的目标障碍物，包括：对每个预设方向上的深度图像进行颜色阈值分割以获取感兴趣的颜色区域图像，对颜色区域图像进行二值化处理，获取二值化图像；定位二值化图像中的疑似障碍物，使用特征描述子描述疑似障碍物的关键特征，通过支持向量机分类器根据关键特征对疑似障碍物进行分类，确定二值化图像中的目标障碍物；获取包含目标障碍物的目标二值化图像，将目标二值化图像输入到训练后的卷积神经网络中，获取目标障碍物的障碍物特征。
98.在一个实施例中，根据每个预设方向上的深度图像构建作业车辆和目标障碍物的三维场景模型，包括：根据每个预设方向上的深度图像的深度信息确定作业场景中作业车辆和目标障碍物的三维坐标信息；对三维坐标信息进行几何标定，获取作业场景中用于表示作业车辆和目标障碍物的形状参数；采集作业场景的rgb图像，从rgb图像中提取作业场景的纹理信息，生成作业场景的场景纹理图；根据形状参数及场景纹理图生成作业车辆和目标障碍物的三维场景模型。
99.在一个实施例中，确定作业装置的未来运动轨迹及作业装置与目标障碍物的障碍物距离，根据未来运动轨迹及障碍物距离生成预警信号，包括：获取作业车辆的作业装置在作业过程中的若干个三维坐标信息，根据若干个三维坐标信息模拟作业装置的未来运动轨迹；获取数据采集终端的成像参数及目标障碍物的目标障碍物参数，根据成像参数及目标障碍物参数确定作业装置与目标障碍物的障碍物距离；当识别到在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号。
100.在一个实施例中，当在未来运动轨迹上出现目标障碍物且障碍物距离满足碰撞预警条件时，生成预警信号，包括：当在未来运动轨迹上出现目标障碍物，且作业装置与目标障碍物的障碍物距离小于第一预设安全距离时，生成预警信号；或，当在未来运动轨迹上出现目标障碍物，作业装置与目标障碍物的障碍物距离小于第二预设安全距离，且作业装置的运动速度超过预设安全速度时，生成预警信号；第二预设安全距离大于第一预设安全距离。
101.在一个实施例中，在获取数据采集终端采集的在作业车辆的每个预设方向上的深度图像之前，还包括：当接收到用户端输入的监控分配请求时，对可使用的边缘计算资源进行检索；在一个资源分配周期内根据监控节点的接入个数和监控分配请求的请求内容确定可使用的边缘计算资源的分配份额；根据监控分配请求的时序先后关系确定监控分配请求的优先级，对边缘计算资源根据分配份额和优先级进行分配；检测边缘计算资源分配中各个信道的信道传输模式的可用性，对不可用的信道传输模式进行改正。
102.在一个实施例中，还执行：在深度图像中设置电子围栏；当检测到移动障碍物触碰电子围栏时，对移动障碍物进行识别，获取移动障碍物的障碍物特征，根据移动障碍物的障碍物特征生成预警信号；和/或，获取预设的作业危险距离，当电子围栏与作业装置间的直线距离小于危险距离时，生成预警信号。
103.需要说明的是，上述作业车辆的防碰撞监控方法、装置、设备及计算机可读存储介质属于一个总的发明构思，作业车辆的防碰撞监控方法、装置、设备及计算机可读存储介质实施例中的内容可相互适用。
104.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
105.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
106.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能
因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。