买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116390108B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310426085.9，技术领域涉及：H04W16/18；该发明授权一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法是由吴晓鸰;招阳;凌捷设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法在说明书摘要公布了：本发明公开的属于信息科学技术领域，具体为一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法，包括建筑信息模型模块、动态多障碍视觉节点优化部署数据建模模块和优化算法及可视化模块，所述建筑信息模型模块、所述动态多障碍视觉节点优化部署数据建模模块和所述优化算法及可视化模之间通过风险图进行数据传输，还包括具体步骤如下：从建筑信息模型中提取空间、构筑物、障碍物等信息，并生成风险图，本发明考虑了动态的施工进程，考虑了不同区域对覆盖率需求的差异，对不同区域进行分级以调配资源优先满足覆盖率高需求区域，得出全过程下的最优视觉传感器网络部署方案；实现了优化结果的可视化。

本发明授权一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法在权利要求书中公布了：1.一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法，包括建筑信息模型模块、动态多障碍视觉节点优化部署数据建模模块和优化算法及可视化模块，所述建筑信息模型模块、所述动态多障碍视觉节点优化部署数据建模模块和所述优化算法及可视化模之间通过风险图进行数据传输，其特征在于，还包括具体步骤如下： 步骤一，建筑信息模型模块：从建筑信息模型中提取空间、构筑物、障碍物信息，并生成风险图； 步骤二，动态多障碍视觉节点优化部署数据建模模块：建立节点有效感知区域分析模型，建立视觉传感器网络部署优化模型； 步骤三，优化算法及可视化模块：采用并行的遗传算法进行优化； 所述动态多障碍视觉节点优化部署数据建模模块中网格点能否被节点有效感知算法流程为： 流程一：首先要满足条件为，网格点应该落在节点的有效感知半径R以内，R＝ra，其中r为视觉节点实际辐射距离，假设视觉节点位于xc，yc，则网格点xq，yq需要满足xq-xc2+yq-yc2≤R2； 流程二：分别计算障碍点x0，y0和区域点xq，yq到视觉节点的角度，具体如下： 若angleqc≠angleoc，则区域点可被感知，若angleqc＝angleoc，则分别计算到节点的欧氏距离dqc，doc； 流程三：若dqc≥doc，则区域不可被感知，若dqc＜doc，则区域可被感知； 流程四：对节点感知范围内的网格点重复以上步骤，得到最终该节点有效感知范围； 流程五：对每个节点重复以上步骤，得到视觉传感器网络的感知范围； 建立多阶段视觉传感器网络覆盖率公式，优化目标是将其最大化； 约束条件为： 其中： 其中，pit表示第i个工作区是否被候选视觉传感器组覆盖，Qtk表示t阶段下风险等级为k的区域数，K是风险等级的数量，T是阶段数，wk表示风险k下的权重，Zj表示是否安装了第j个视觉传感器，G是候选视觉传感器总数，BG是监控视觉传感器系统的可用预算，CP是监控视觉传感器系统的单价，针对不同的安全需要，可以对采取不同的权重集组合，wk越大则表示该区域对视觉传感器覆盖率的需求越高； 所述优化算法及可视化模块的具体步骤为：由于摄像机布局问题是一个NP难题，经典遗传算法往往具有较弱的收敛能力和较长的计算时间，采用并行改进遗传算法来获得更好的性能，因为每个个体的适应度计算是独立的，遗传算法可将个体的适应度计算分配给多个CPU内核，首先，产生N个个体的初始个体，其次，如果不满足停止条件，个体会以一定的概率交叉并变异以产生新的种群，接下来，新的个体与原来的个体相结合，采用动态多障碍视觉节点优化部署数据建模模块中的多阶段视觉传感器网络覆盖率公式来计算适应度，根据适应度，使用概率Pi选择N个个体来创建下一个种群，在这种修改后的算法中，可以将变异概率设置为较高的值，以保证种群的多样性，最终得出最优的优化方案后在建筑信息模型中呈现，实现可视化； 所述概率Pi公式如下： 其中，Pi代表第i个个体的选择概率，Fi代表第i个个体的适应度，Pi的值介于0和1之间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。