CN119493993A 基于激光雷达的自动发现地质灾害监测设备的识别方法及系统 （国能榆林能源有限责任公司）

基于激光雷达的自动发现地质灾害监测设基于激光雷达的自动发现地质灾害监测设备的驱动的地质灾害监测设备移动轨迹演化模型并解决了在地质灾害监测设备位置变动后仍能获2S1，构建并训练基于数据驱动的地质灾害监测S2，将误差参数添加至基于数据驱动的地质灾害监测设备移动轨迹演化模型进行训S4，构建基于卡尔曼滤波的激光雷达数模定位识别模型2.根据权利要求1所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其构建模型驱动部分，将速度矢量与基于激光雷达波的3.根据权利要求2所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其使用基于梯度下降的算法解算出姿态四元数，利用姿态四元传感器坐标系转换到导航坐标系下，传感器坐标系下的向量βIMU通过以下公式转换为导航4.根据权利要求3所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其采用滑动窗口的方法，使用固定大小的滑动窗口，地质灾害监测设备传3采用公开标准数据集以及自采数据集作为训练集和测试集，在训练在本地地质灾害监测设备传感器上应用模型推算地质灾害监5.根据权利要求1所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其地质灾害信息衔接变动性基于贝叶斯置信网络，借助期望传播EP害信息衔接变动性传播层采样预测值，为地质灾害信息衔接变动性传播层采样预测中对于模型地质灾害信息衔接变动性，通过蒙特卡洛采样输出期望及6.根据权利要求5所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其4经蒙特卡洛采样，数据地质灾害信息衔接变动性7.根据权利要求1所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其形式ai；利用四元数将磁向量mi转化为计算mi+1和的向量差的模，作为匹配度激光雷达磁场强度反映激光雷达环境的稳定性，将激光雷达磁场强度的滑动标准差选取稳定的激光雷达磁场环境和低地质灾害信息，衔接变动性的直通过将神经网络最短距离计算方法，预测出直行序列的校正角实现对轨迹的自适8.根据权利要求1所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其pS4.1，构建系统模型与观测模型，将数据驱动最短距离计算方法采用本地坐标系A系p5为p_1时刻下的系统待估状态向量，Δx,Δy分别为最短距离计算方法于p_1时刻至激光雷达频谱定位估计采用时分多址与频分多址策略，形成的激光雷达频谱信号网元估计的激光雷达频谱的时分地址，Fm为第m个本历元估计的激光雷达频谱的时9.根据权利要求8所述的基于激光雷达的自动发现地质灾害监测设备的识别方法，其将观测信息与激光雷达简易粒子滤波器相结合，计算地质灾害监坐标初值；观测信息中蕴含的坐标数据给出了地质灾害监测设备传感器所处的区域范围，minmaxmin6将粒子集权重归一化并采用随机重采样方法到新的粒子集后，进行l为北方向下第l粒子属性；式中，为观测噪声协方差矩阵第i个对角线元素，为观测噪声初始阈值；数据驱动最短距离计算方法模型的地质灾害信息衔接变动性因利要求1_9任意一项所述基于激光雷达的自动发现地质灾害监测设备的识别方法，该系统对位置和地质灾害信息衔接变动性确定模块(1)，用于构建并训练基于数据驱动的地可信度指标预测模块(2)，用于将误差参数添加至基于数据驱动的地质灾害监测设备地质灾害监测信息识别模块(4)，用于构建基于卡尔曼滤波的激光雷达数模定位识别78供一种自动发现地质灾害监测设备的方法，新的地质灾害监测设备部署在相应的位置之[0004]激光雷达系统采用光脉冲来基于每个光脉冲的飞行时间(TOF)测量到物体的距回到激光雷达系统的检测器。基于从发射光脉冲到检测到返回的光脉冲之间经过的时间，[0005]在许多操作场景中需要3D点云。许多方案已被用于在三个维度上询问周围环9[0014]在步骤S1中，构建并训练基于数据驱动的地质灾害监测[0015]构建数据驱动部分，借助地质灾害监测设备内置的加速度监测器与陀螺仪的数[0020]使用基于梯度下降的算法解算出姿态四元数，利用姿态四元数将加速度和角速直接在本地地质灾害监测设备传感器上应用模型推算地质灾害监测设备质灾害信息衔接变动性传播层采样预测值，为地质灾害信息衔接变动性传播层采样预网络经过若干次传播和蒙特卡洛采样，得若干组预测值bi及方差ζi，计算模型不确定度[0040]经蒙特卡洛采样，数据地质灾害信息衔接变动性表示为若干次采样预测值的均[0044]当环境中的激光雷达磁场处于稳定时，只存在一个稳定[0050]J=ftr×(Ir-g)[0052]通过将神经网络最短距离计算方法，预测出直行序列的pp位移方向夹角，包含定位服务启动瞬间两坐标系的初始偏角以及传感器的累计误差偏角；p_1为p_1时刻下的北方向坐标，θp_1为p_1时刻的A系相对于B系呈右手系的位移方向夹本历元估计的激光雷达频谱的时分地址，Fm为第m个本历元估计的激光雷达频谱的时分地[0079]本发明的另一目的在于提供一种基于激光雷达的自动发现地质灾害监测设备的[0086]图1是本发明实施例提供的基于激光雷达的自动发现地质灾害监测设备的识别方[0087]图2是本发明实施例提供的基于激光雷达的自动发现地质灾害监测设备的识别系[0095]实施例2，本发明实施例提供的基于激光雷达的自动发现地质灾害监测设备的识[0097]地质灾害监测设备位置的估计通过融合激光雷达频谱测距与地质灾害监测设备[0098](1)构建数据驱动部分，借助地质灾害监测设备内置的加速度监测器与陀螺仪的展卡尔曼滤波(ExtendedKalmanFilter)估计地质灾害监测设备的位置、位移方向与速[0104]最短距离计算方法依靠地质灾害监测设备传感器对地质灾害监测设备的位置轨监测设备特征进行参数调整，而且方向估算需要限制地质灾害监测设备传感器的监测姿器坐标系转换到导航坐标系下。传感器坐标系下的向量βIMU可以通过以下公式转换为导航[0113]传统最短距离计算方法算法基于陀螺仪和加速度监测器数据进行二次积分得到质灾害信息衔接变动性传播层采样预测值，为地质灾害信息衔接变动性传播层采样预[0127]地质灾害信息衔接变动性网络使初始化为1e_3量级的噪声方差能够在网络中前网络预测值，方差v代表初始噪声前向传播的最终输出，即为数据地质灾害信息衔接变动[0132]经蒙特卡洛采样，数据地质灾害信息衔接变动性表示为若干次采样预测值的均测试。网络总地质灾害信息衔接变动性的计算中采用地质灾害信息衔接变动性网络框架，害信息衔接变动性则用来筛选出可用的地质灾害监测设备身[0139]当环境中的激光雷达磁场处于稳定时，只存在一个稳定角和平均神经网络最短距离计算方法方向的差值来代表激光雷达磁场信息与身体方向的[0145]选取稳定的激光雷达磁场环境和低地质灾害信息衔接变动性的直行序列上的关[0148]通过将神经网络最短距离计算方法，预测出直行序列的校正角b,实现对轨迹的[0151]构建系统模型与观测模型，将数据驱动最短距离计算方法采用本地坐标系A系App位移方向夹角，包含定位服务启动瞬间两坐标系的初始偏角以及传感器的累计误差偏角；p_1为p_1时刻下的北方向坐标，θp_1为p_1时刻的A系相对于B系呈右手系的位移方向夹本历元估计的激光雷达频谱的时分地址，Fm为第m个本历元估计的激光雷达频谱的时分地谱测距观测量与最短距离计算方法网络输出的高频位移速率矢量，以40Hz的位置更新率，[0177]本发明基于数据驱动的最短距离计算方法解决了双积分问题，避免了低廉IMU导[0181]对位置和地质灾害信息衔接变动性确定模块1，用于构建并训练基于数据驱动的[0182]可信度指标预测模块2，用于将误差参数添加至基于数据驱动的地质灾害监测设[0184]地质灾害监测信息识别模块4，用于构建基于卡尔曼滤波的激光雷达数模定位识