Hwxone

随着信息技术基础设施的多样化和国产化进程的深入，原有基于Windows平台的数据管理工具难以满足在Linux、国产CPU（如龙芯、ARM）及操作系统（如银河麒麟）环境下的部署与高效运行需求。同时，业务数据量激增，对海量数据的处理与展示性能提出了更高要求。本项目旨在对核心数据工具进行全面的现代化改造，核心目标包括： 1.实现跨平台兼容：将核心工具从Windows单一平台扩展至Linux（包括ARM、龙芯架构）与Windows双平台支持，保障在信创环境下的稳定运行。 2.提升系统性能与稳定性：重构核心架构，优化数据处理链路，解决大规模数据查询展示的瓶颈，并建立可靠的跨平台通信机制。 3.统一技术栈与增强可维护性：采用现代化的开发框架（Qt）对遗留系统（MFC）进行迭代，降低系统耦合度，提升代码的可维护性和可扩展性。

一、 立项背景与目标 在智能化矿山掘进作业中，对掘锚机的实时、高精度位姿感知是实现自动导航与安全作业的核心前提。传统方案依赖单一定位技术，存在精度低、可靠性差、环境适应性弱的问题。本项目旨在构建一套集成了机器视觉、激光定位与多源传感器的高精度实时感知系统，核心目标包括： 实现亚像素级高精度感知：通过轻量化视觉模型与激光光斑分析，为位姿解算提供高精度输入。 完成六自由度位姿精准解算：融合视觉、惯性导航等多源信息，实现厘米级定位与亚度级姿态测量。 构建可扩展的监控平台：开发插件化上位机系统，灵活集成UWB、SLAM、环视相机等多种传感器，实现掘锚机状态的可视化实时监控。 二、 软件功能与核心模块 系统由下位机智能感知系统与上位机多源融合平台两大部分构成： 下位机智能感知系统： 功能：负责靶标视觉识别、激光光斑定位与六自由度位姿解算。 核心模块： 轻量化视觉识别模块：基于C++部署的YOLOv5模型，实时识别特定靶标。 激光特征提取模块：采用OpenCV的Blob分析，通过自适应阈值与形态学处理，实现光斑质心亚像素级定位（误差<0.1px）。 位姿解算模块：核心为EPnP算法，融合IMU数据构建优化模型，输出高精度位姿（俯仰/横滚角误差<0.5°，横向精度±2cm）。 上位机多源融合平台： 功能：集成并融合多传感器数据，进行实时可视化展示与监控。 核心模块： 多源数据融合引擎：基于卡尔曼滤波，实时融合UWB（±5cm）、LOAM-SLAM（20Hz）、超声波、360°环视RTSP流、IMU等数据。 Qt插件化框架：基于Qt Plugin机制开发，定义了统一的Google Protobuf数据通信协议与插件管理接口。 设备插件集：包括UWB定位插件、SLAM建图插件、超声波雷达插件、视频流处理插件等，支持热插拔。 三、 业务流程与功能路径描述 下位机高精度位姿解算流程： 图像采集与识别：工业相机捕获现场图像，轻量化视觉识别模块（YOLOv5）​ 实时检测并框出靶标。 激光光斑定位：激光器投射光斑至靶标，激光特征提取模块对图像进行Blob分析，计算出光斑的亚像素级精确质心坐标。 多源数据融合解算：将靶标框、光斑质心坐标与惯性导航模块（IMU）​ 的实时角度、加速度数据一同输入位姿解算模块（EPnP）。该模块通过求解欧拉角-平移矩阵联合优化模型，最终输出掘锚机相对于目标的六自由度位姿（包括三维位置与三维姿态角）。 上位机综合监控与数据融合流程： 插件化数据接入：各类传感器（UWB基站、SLAM激光雷达、超声波传感器、环视相机）通过对应的设备插件接入系统。插件将原始数据统一封装为Protobuf格式报文。 中心化数据融合：多源数据融合引擎接收来自各插件的标准报文，以下位机解算的高精度位姿为重要观测值，结合UWB绝对位置、

一、 立项背景与目标 在矿山开采、隧道掘进等土方工程中，传送带上渣土的运输量是衡量工程进度、控制成本与评估安全（如避免欠挖、超挖）的关键指标。传统依赖人工估算或间断性计量的方式，存在效率低、精度差、无法实时预警等问题。本项目旨在开发一套基于激光雷达扫描的自动化实时监测系统，核心目标包括： 1. 实现高精度实时监测：利用激光雷达扫描技术，实时获取传送带渣土断面轮廓，通过算法精确计算方量，替代低效的人工估算。 2. 构建稳定可靠的数据链路：开发标准化的数据采集、通信、存储与展示模块，确保监测数据从采集端到用户端的完整、可靠与实时。 3. 提升系统集成与部署效率：通过模块化、标准化设计，特别是通用通讯与驱动封装，大幅缩短不同类型传感器（激光雷达、相机、惯导等）的接入与调试周期，便于现场快速部署与维护。 二、 软件功能与核心模块 系统以模块化思想构建，主要包括以下功能与核心模块： 1. 核心监控功能： ◦ 渣土体积实时计算：基于激光雷达扫描的断面点云数据，结合算法模型实时计算渣土截面积与累计体积。 ◦ 数据可视化看板：提供实时体积曲线、历史数据查询、报警信息（如超限）展示等界面。 2. 核心支撑模块： ◦ 硬件驱动与数据采集模块：基于统一的通讯框架，封装了激光雷达、相机、惯导、测距仪等常用设备的驱动，实现数据的标准化接入与解析。 ◦ 工业通讯模块：支持TCP/IP、WebService、Modbus TCP三类主流工业协议，实现了与PLC、第三方系统等设备的可靠数据交互，是设备快速接入的基础。 ◦ 数据处理与算法模块：对激光雷达原始点云数据应用滑动滤波等机制，滤除噪声，大幅提升轮廓识别与体积计算的准确性。 ◦ 数据管理模块：基于ODBC统一接口，支持将处理结果、报警日志等数据持久化存储至MySQL、SQL Server等数据库。 ◦ 系统服务模块：集成glog进行分级日志管理，记录系统运行、错误及操作审计信息，保障系统可维护性。 三、 业务流程与功能路径描述 1. 数据采集与处理流程： ◦ 硬件扫描：安装于传送带上方的激光雷达按设定频率对通过的渣土进行横向扫描，获取一系列表示渣土表面轮廓的三维点云数据。 ◦ 驱动解析：硬件驱动模块接收雷达的原始数据流，并解析为系统内部标准的点云数据结构。 ◦ 滤波优化：点云数据送入数据处理与算法模块，经过滑动滤波等算法处理，去除因物料滑落、水滴、粉尘等造成的噪声点，得到洁净、准确的渣土断面轮廓线。 2. 体积计算与系统监控流程： ◦ 体积解算：根据滤波后的轮廓线与传送带速度（可通过编码器或系统设定获取），实时计算当前渣土的