CN104835152A - 一种输电线路巡检图像的处理方法和系统 - Google Patents
一种输电线路巡检图像的处理方法和系统 Download PDFInfo
- Publication number
- CN104835152A CN104835152A CN201510206351.2A CN201510206351A CN104835152A CN 104835152 A CN104835152 A CN 104835152A CN 201510206351 A CN201510206351 A CN 201510206351A CN 104835152 A CN104835152 A CN 104835152A
- Authority
- CN
- China
- Prior art keywords
- image
- patrol
- patrolling
- examining
- line segment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种输电线路巡检图像的处理方法及系统,在获取待检输电线路的巡检图像后,能够基于该巡检图像包含的特征信息,仅识别出存在导线和/或杆塔的巡检图像,而剔除了模糊和偏离的巡检图像,从而减少了待分析的巡检图像的数量,缩短了对巡检图像进行浏览分析时间;而且,本发明通过对存在导线和/或杆塔的巡检图像进行图像排列,从而将无形的巡检图像构建成有形的检索结构,便于巡检人员利用该检索结构快速且有效地发现待检输电电路中存在的缺陷,与现有技术相比,大大提高了对输电线路巡检的效率。
Description
技术领域
本发明涉及输电线路检修技术领域,更具体地说是涉及一种输电线路巡检图像的处理方法和系统。
背景技术
随着国家经济快速发展,对电力能源的需求越来越大,这就必然要求提供更可靠的供电系统,因此,国家电网系统的安全可靠维护对整个国民生产和经济的发展有不可替代的重要作用。
电网系统中高压架空输电线路是保障整个电力供给的重要组成部分,因而,为了保证电网系统安全可靠运行,必须定期对该高压架空输电线路进行检修。然而,由于超/特高压输电线路的输送距离长、塔架高并穿越大量深山大河,甚至是无人区,且自然条件复杂多变,这使得目前常用的人工巡检方式已无法完成对超/特高压输电线路的检修。
基于此,随着航空技术的普及与发展,特别是无人机技术的日趋完善,以无人飞行器为巡检载体、地面监控设备为支撑的输电线路巡检系统,因具有广覆盖、高效率、高可靠、低风险和低成本等优势,克服了人工巡检超/特高压输电线路时存在的问题,成为了本领域高压输电线路巡检的主要研究方向。
在现有技术中,通常通过装载在该无人机上的图像采集设备快速将巡检输电线路拍摄记录下来,之后,由巡检人员对拍摄的每一幅巡检图像都要进行浏览分析,来判定该输电线路中存在的缺陷,耗时较长,影响了输电线路巡检效率。
发明内容
有鉴于此,本发明提供一种输电线路巡检图像的处理方法和系统,解决了现有的巡检图像处理方法,因需要巡检人员对所拍摄的每一幅巡检图像都要浏览分析,耗时较长,影响了输电线路巡检效率的技术问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种输电线路巡检图像的处理方法,所述方法包括:
获取待检输电线路的巡检图像;
基于所述巡检图像包含的特征信息,对所述巡检图像进行分类;
基于分类结果,获得所述巡检图像中存在导线和/或杆塔的巡检图像;
按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构。
优选的,所述基于所述巡检图像包含的特征信息,对所述巡检图像进行分类包括:
利用第一预设算法从所述巡检图像中提取线段的二值图像;
基于所述二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段;
从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域;
将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量,其中,所述不同方向线段包括:水平线段、垂直线段、斜上线段和斜下线段;
基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类,其中,所述巡检图像的类型包括:存在杆塔的巡检图像、仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。
优选的,所述基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类具体包括:
当所述分块区域中存在的水平线段、垂直线段、斜上线段以及斜下线段的数量均小于第一阈值,初步确定所述分块区域为模糊区域;
当所述分块区域中存在的斜上线段以及斜下线段的数量均大于或等于第一阈值,初步确定所述分块区域为杆塔区域;
计算每一幅巡检图像中存在的模糊区域的第一数量在该巡检图像的分块区域总数量中的百分比;
当判断出所述百分比大于第二阈值时,确定所述巡检图像的类型为模糊的巡检图像;
当依据所述巡检图像中导线与杆塔的连接关系,判定所述巡检图像中的平行线组的端点位置区域与所述杆塔区域存在重叠或相邻关系时,确定所述巡检图像的类型为存在杆塔的巡检图像;
当判定所述巡检图像中不存在平行线组以及杆塔区域时,确定所述巡检图像的类型为偏离的巡检图像;
当判断所述巡检图像中仅存在平行线组时,确定所述巡检图像的类型为仅存在导线的巡检图像。
优选的,所述方法还包括:
获取待检输电线路中所有杆塔的第一地理位置信息;
获取所述待检输电线路的所有巡检图像的第二地理位置信息;
基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离;
将每一幅巡检图像与距其最近的杆塔进行编号关联;
则所述获取待检输电线路的巡检图像具体为:
获取所述待检输电电路中与任意一个杆塔编号关联的一组巡检图像。
优选的,基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离包括:
基于所述第一地理位置信息和所述第二地理位置信息,从任意一幅巡检图像中选择一个点A,从任意一个杆塔中选择一点B;
获取所述点A和所述点B的经度值和纬度值;
根据所述点A和所述点B的经度值和纬度值,计算所述点A和所述点B在所建立的XYZ三维坐标系中的坐标值;
基于所述点A和所述点B在所述三维坐标系中的坐标值,计算所述点A和所述点B与所述三维坐标系的原点形成的夹角的角度;
将所述夹角的角度代入第一预设公式,得到所述巡检图像与所述杆塔之间的距离。
优选的,所述根据所述点A和所述点B的经度值和纬度值,计算所述点A和所述点B在所建立的XYZ三维坐标系中的坐标值包括:
建立XYZ三维坐标系;
将所述点A的纬度值的余弦值与经度的余弦值的乘积作为所述点A在所述三维坐标系中的X1坐标;
将所述点A的纬度值的余弦值与经度的正弦值的乘积作为所述点A在所述三维坐标系中的Y1坐标;
将所述点A的纬度值的正弦值作为所述点A在所述三维坐标系中的Z1坐标;
将所述点B的纬度值的余弦值与经度的余弦值的乘积作为所述点B在所述三维坐标系中的X2坐标;
将所述点B的纬度值的余弦值与经度的正弦值的乘积作为所述点B在所述三维坐标系中的Y2坐标;
将所述点B的纬度值的正弦值作为所述点B在所述三维坐标系中的Z1坐标。
优选的,所述方法还包括:
当确定所述待检输电线路存在缺陷时,输出相应的提示信息;
和/或,
将确定的所述待检输电线路中存在的缺陷与相应的杆塔关联存储。
一种输电线路巡检图像的处理系统,所述系统包括:
第一获取模块,用于获取待检输电线路的巡检图像;
分类模块,用于基于所述巡检图像包含的特征信息,对所述巡检图像进行分类;
第二获取模块,用于基于分类结果,获得所述巡检图像中存在导线和/或杆塔的巡检图像;
构建模块,用于按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构。
优选的,所述分类模块包括:
提取单元,用于利用第一预设算法从所述巡检图像中提取线段的二值图像;
整合单元,用于基于所述二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段;
第一检测单元,用于从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域;
统计单元,用于将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量;
分类单元,用于基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类,其中,所述巡检图像的类型包括:存在杆塔的巡检图像、仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。
优选的,所述系统还包括:
第三获取模块,用于获取待检输电线路中所有杆塔的第一地理位置信息;
第四获取模块,用于获取所述待检输电线路的所有巡检图像的第二地理位置信息;
第一计算模块,用于基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离;
第一关联模块,用于将每一幅巡检图像与距其最近的杆塔进行编号关联;
则所述第一获取模块具体用于获取所述待检输电电路中与任意一个杆塔编号关联的一组巡检图像。
由此可见,本发明提供的一种输电线路巡检图像的处理方法及系统,在获取待检输电线路的巡检图像后,能够基于该巡检图像包含的特征信息,自动识别出存在导线和/或杆塔的巡检图像,而剔除了其中模糊和偏离的巡检图像,从而减少了待分析的巡检图像的数量,缩短了对巡检图像进行浏览分析时间,提高了输电线路巡检效率;而且,本发明还对识别出的存在导线和/或杆塔的巡检图像进行图像排列,从而将无形的巡检图像构建成一种有形的巡检图像检索结构,便于巡检人员利用该检索结构快速且有效地发现待检输电电路中存在的缺陷,与现有技术相比,大大提高了对输电线路巡检的效率。
附图说明
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,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种输电线路巡检图像的处理方法实施例的流程示意图;
图2为本发明提供的一种输电线路巡检图像的处理方法实施例的部分流程示意图;
图3(a)为本发明提供的一种输电线路的巡检图像示意图;
图3(b)为从本发明提供的一种输电线路的巡检图像中提取的线段的二值图像的示意图;
图3(c)为从图3(b)的二值图像的线段中聚类出导线的平行线组的示意图;
图3(d)为从图3(b)的二值图像的分块区域中确定的杆塔区域的示意图
图4为本发明提供的一种输电线路巡检图像中的线段整合方法示意图;
图5为本发明提供的一种平行线组判定方法实施例的流程示意图;
图6为本发明提出的一种巡检图像分类方法实施例的流程示意图;
图7(a)为本发明提供的一种直线杆塔与导线的连接关系示意图;
图7(b)为本发明提供的一种耐张杆塔与导线的连接关系示意图;
图8为本发明提供的另一种输电线路巡检图像的处理方法实施例的部分流程示意图;
图9为本发明提供的又一种输电线路巡检图像的处理方法实施例的部分流程示意图;
图10为本发明提供的一种输电线路巡检图像的处理系统实施例的结构示意图;
图11为本发明提供的另一种输电线路巡检图像的处理系统实施例的部分结构示意图;
图12为本发明提供的又一种输电线路巡检图像的处理系统实施例的部分结构示意图。
具体实施方式
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做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。
在利用无人机对输电线路进行巡检时,由于该输电线路是一种多尺度复杂的人造设施,主要由多组导地线、安装有各种类型及方位的绝缘子、连接杆塔两端的引流线以及不同类型的杆塔等大部件组成,而在大部件中安装有防震垂、间隔棒、均压环、线夹等多个小部件,所以,在使用无人机近距离拍摄输电线路时,由于两两杆塔距离近300~500米,为了保证拍摄基本要求,在一幅巡检图像内将无法拍摄到其完整结构,这就需要进行多次拍摄,而且,为了实现对其中各部件全方位的巡检,这就需要从各个角度进行巡检拍摄,可见,在近距离拍摄输电线路时,即便是保证每次都能够拍摄到有效的巡检图像,也将会获得大量有效的巡检图像。
更何况,在每次无人机巡检过程中,必然会存在一些冗余图像,例如,无人机在机动时拍摄的运动模糊图像,图像采集设备(如相机)角度偏离所拍摄到的没有输电线路或远距离的输电线路图像,这些图像对缺陷检测来说都是无效的巡检图像。
基于上述分析可知,通过无人机巡检得到的巡检图像中不仅包含有大量的有效巡检图像,而且还混杂有很多无效巡检图像,因而,在实际应用中,巡检人员需要花费大量时间进行筛选,之后,才能通过对有效的巡检图像进行分析,来判定该输电线路中存在的缺陷,使得整个巡检过程耗时较长,大大影响了输电线路巡检效率。
对此,本发明提供的一种输电线路巡检图像的处理方法及系统,在获取待检输电线路的巡检图像后,能够基于该巡检图像包含的特征信息,自动识别出存在导线和/或杆塔的巡检图像,而剔除了其中模糊和偏离的巡检图像,从而减少了待分析的巡检图像的数量,缩短了对巡检图像进行浏览分析时间,提高了输电线路巡检效率;而且,本发明还对识别出的存在导线和/或杆塔的巡检图像进行图像排列,从而将无形的巡检图像构建成一种有形的巡检图像检索结构,便于巡检人员利用该检索结构快速且有效地发现待检输电电路中存在的缺陷,与现有技术相比,大大提高了对输电线路巡检的效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示的本发明提供的一种输电线路巡检图像的处理方法实施例的流程示意图,该方法具体可以包括以下步骤:
步骤S110:获取待检输电线路的巡检图像。
在实际应用中,可根据待检输电线路中导线和杆塔的地理位置信息,预先设定巡检路线,之后,通过装载有图像采集设备的无人机按照该巡检路线对该待检输电线路进行巡检,并采集该待检输电线路中各部件的全方位的巡检图像。
其中,图像采集设备采集到的巡检图像可暂时存储到存储器中,当需要对该巡检图像进行分析时,只要读取该存储器中的巡检图像即可,无需通过无线传输方式将该巡检图像传输到地面检测设备,从而避免了因受无线传输带宽的限制,使得传输的巡检图像质量、分辨率受影响,从而影响后续分析结果的技术问题。当然,也可以采用其他方式存储巡检图像,只要保证地面系统能够读取到高分辨率的巡检图像即可,本发明对此不作具体限定。
步骤S120:基于该巡检图像包含的特征信息,对该巡检图像进行分类。
基于上述分析可知,图像采集设备采集的大量巡检图像中包含有很多无线的巡检图像,如模糊的巡检图像、远离待检输电线路以及偏离待检输电线路的巡检图像等等,对于这些巡检图像,由于无法从中提取出可靠且有效的特征信息,因而也就无法据此判断该待检输电线路是否存在缺陷,也就是说,对这些无效的巡检图像的分析过程,完全属于无用功。所以,为了提高巡检效率,可将这些无效的巡检图像剔除。
在本实施例中,可根据巡检图像中包含的特征信息,将巡检图像分为四类,具体可以为:存在杆塔的巡检图像,仅存在导线的巡检图像、模糊的巡检图像以及偏离的巡检图像,具体分类过程可参照下述图2对应的实施例的描述过程。
需要说明的是,根据实际需要以及工作习惯,本领域技术人员也可以采用其他分类方式,将巡检图像中的有效的巡检图像以及无效的巡检图像区分开,本发明对此不作具体限定。
可选的,如图2所示的本发明提供的一种输电线路巡检图像的处理方法实施例的部分流程示意图,上述步骤S120可以通过以下步骤来实现,具体包括:
步骤S121:利用第一预设算法从巡检图像中提取线段的二值图像。
在本实施例实际应用中,在获取巡检图像后,可采用第二数目不同方向的Prewitt算子对该巡检图像进行处理,利用最大类间方差法生成二值图像。以图3(a)所示的一幅输电线路的巡检图像为例,经步骤S121处理后,将得到图3(b)所示的二值图像,
需要说明的是,对于本实施例中利用Prewitt算子、最大类间方差法对图像进行处理的方式属于本领域公知常识,对其具体过程在此不再详述。
其中,第二数目具体可以为8个,即采用8个不同方向的Prewitt算子提取该巡检图像的边缘信息,但并不局限于此。
可选的,该8个不同方向的Prewitt算子可以为:
步骤S122:基于该二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段。
其中,当得到线段的二值图像后,可用Blob连通结构管理所有不同方向的线段,其中,Blob连通域管理所有不同方向的线段结构如下:
之后,采用Gestalt(格式塔)感知理论的近似性、连续性、共线性的量化计算,将斜率与截距近似相同的小线段,合并连接为一个长线段,其中,将斜率的差值小于第一阀值,且截距的差值小于第二阀值的线段认为是斜率与截距近似相同的小线段。如图4所示的本发明提供的一种输电线路巡检图像中的线段整合方法示意图,本发明仅以此为例来具体描述Gestalt感知理论的近似性、连续性、共线性的量化计算。
1、近似性描述为两线段之间的距离小于第三阈值,如线段310的长度为L1,线段320的长度为L2,线段310与线段320之间的距离为L,如满足第一预设条件,则认为这两条线段符合近似性,其中,该第一预设条件可以为:
L≤2×min(L1,L2); (1)
2、连续性描述两线段之间角度的变化,如满足第二预设条件,则认为这两线段符合连续性,其中,该第二预设条件可以为:
abs(θ1-θ2)≤thr; (2)
其中,θ1表示线段310的弯曲角度,θ2表示线段320的弯曲角度,abs表示取绝对值运算,即取θ1和θ2的差值的绝对值,thr表示第四阈值,本发明并不限定其具体数值。
3、共线性描述两线段是否属于并列线段的关系,本申请可采用一个线段端点到另一线段之间的垂直距离来描述共线性,其中,该垂直距离可根据下述公式(3)计算得到:
其中,dist表示是一条线段的端点到另一条线段的垂直距离,ss2、sl2分别表示线段320开始端点的斜率与截距,l1_endx、l1_endy分别表示线段310结束端点坐标位置。
在本实施例中,考虑到线段斜率与截距计算的误差,因而采用端点计算线段之间共线性,而不采用中心位置与平均斜率来计算共线性。当满足第三预设条件时,则认为这两线段具有共线性,其中,该第三预设条件可以为:
dist≤k*max(lw1,lw2) (4)
其中:lw1,lw2分别为线段310和线段320的宽度。
步骤S123:从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域。
由于导线在巡检图像中具有显著的长线段特征,因而,为了排除背景中短线段干扰,提高巡检效率,本实施例可从整合得到的长线段中选择线段长度大于第一阈值的长线段,再分析其中包含的平行线组。其中,本申请可将线段斜率近似相同(即线段斜率差值小于第三阀值)、截距不同的长线段归类为平行线组,并确定该平行线组的端点区域。
可选的,如图5所示的本发明提供的一种平行线组判定方法实施例的流程示意图,该判定方法具体可以包括:
步骤S501:依据线段之间的垂直距离对所获取的线段进行分类,获得具有同一距离特征的多个线段组。
在本实施例中,由于输电线路有较宽的视野,导线与巡检图像四周连接,因而,可分别从巡检图像的周围即左边、右边、顶边、底边收集不同线段,以便分析线段的平行特征。
其中,本实施例可利用距离特征分类器完成上述步骤S401,具体的,在选择一组线段后,将沿X或Y轴排线断,限制相邻线段之间的距离,从而实现距离特征分类。
步骤S502:依据线段的角度对每一个所述线段组进行分类,获得具有同一距离特征且同一斜率特征的多个线段小组。
在得到具有同一距离特征的多个线段组后,将利用斜率特征分类器对每一个线段组进行处理,从而得到具有同一距离特征且同一斜率特征的多个线段小组,具体的,选择任意一个具有同一距离特征的线段组,限定该组内线段的斜率差,剔除斜率差较大的线段,如此循环,直至将所有具有同一距离特征的线段组处理完毕。
步骤S503:依据线段之间的垂直距离对每一个所述线段小组进行分类,将得到的符合预设距离与角度关系的线段组作为平行线组输出。
其中,步骤S503可再次利用距离特征分类器对步骤S502得到的具有一距离特征且同一斜率特征的线段小组进行处理,具体过程不再赘述。
基于上述分析可知,本实施例提供的上述方法实际上是利用一个三级平行线组分类器来聚类平行线。仍以图3(b)所示的二值图像为例,经上述步骤S501~步骤S503后,可得到图3(c)所示的平行线组。需要说明的是,在实际应用中,本领域技术人员可根据实际需要调整或更改聚类平行线组的实现方法,只要不是本领域技术人员付出创造性劳动确定的,均属于本发明保护范围。
步骤S124:将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量。
其中,所述不同方向线段包括:水平线段、垂直线段、斜上线段和斜下线段。本实施例中,可将线段角度在-5°~5°之内的线段确定为水平线段;将线段角度小于-85°或大于85°的线段确定为垂直线段;将线段角度在5°~85°之内的线段确定为斜上线段;将线段角度在-85°~-5°之间的线段确定斜下线段。
另外,本申请对本实施例中的第一数目的具体数值不作具体限定,可根据实际需要确定。由于每一幅的巡检图像拍摄杆塔的角度可能不同,杆塔结构有共同的近对称交叉线结构特征,因而,优选的,本实施例可将二值图像划分为8×4分块区域,进而统计每个分块区域内上述四个不同方向线段数量。可选的,本申请可将每块不同方向线段数量写入如下统计结构中:
步骤S125:基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类。
本实施例中,该巡检图像的类型包括:存在杆塔的巡检图像。仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。其中,偏离的巡检图像可包括地面干扰图像即未拍摄到待检输电线路的巡检图像,以及远离待检输电线路进行拍摄的巡检图像。
可选的,在本申请实施例应用中,如图6所示的本发明提出的一种巡检图像分类方法实施例的流程示意图,上述步骤S125具体可以包括以下步骤:
步骤S1251:当该分块区域中存在的水平线段、垂直线段、斜上线段以及斜下线段的数量均小于第一阈值,初步确定该分块区域为模糊区域。
其中,该第一阈值具体可以为3,也就是说,当该分块区域中的水平线段、垂直线段、斜上线段以及斜下线段的数量均小于3时,可认为该分块区域可能是模糊区域。需要说明的是,第一阈值的具体数值并不局限于3,还可以根据实际需要进行调整,本发明在此不再一一详述。
步骤S1252:当所该分块区域中存在的斜上线段以及斜下线段的数量均大于或等于第一阈值,初步确定该分块区域为杆塔区域。
在实际应用中,仍以第一阈值为3为例,当确定该分块区域内的斜上线段的数量大于或等于3,且斜下线段的数量也大于或等于3时,认为该分块区域可能为杆塔区域。仍以图3所示的巡检图像为例,经本实施例上述步骤处理后,可得到图3(d)所示的杆塔区域,其中,感知到的杆塔区域为图3(d)中方框内的区域。
基于上述分析,当统计结果不属于上述步骤S1251和步骤S1252两种情况时,则认为该分块区域为不存在杆塔区域。
步骤S1253:计算每一幅巡检图像中存在的模糊区域的第一数量在该巡检图像的分块区域总数量中的百分比。
步骤S1254:当判断出该百分比大于第二阈值时,确定所述巡检图像的类型为模糊的巡检图像。
优选的,在实际应用中,基于上述统计结果,当确定巡检图像中的模糊区域数量大于总的分块区域的90%时,确定该巡检图像的类型为模糊的巡检图像,此时,即便是对该巡检图像进行分析,也无法据此准确确定待检输电线路存在的缺陷。由此可见,该优选实施例中,该第二阈值具体为90%,但该第二阈值的具体数值并不局限于此。
步骤S1255:当依据所述巡检图像中导线与杆塔的连接关系,判定所述巡检图像中的平行线组的端点位置区域与所述杆塔区域存在重叠或相邻关系时,确定所述巡检图像的类型为存在杆塔的巡检图像。基于上述分析,当确定该幅巡检图像不存在模糊区域,存在杆塔区域时,可进一步将杆塔区域进行联通性分析,合并为一个大的杆塔区域,即将相邻的杆塔区域合并,并确定合并后的杆塔区域的位置信息。
在本实施例实际应用中,基于导线与杆塔的连接关系,判定所述巡检图像中的平行线组的端点位置区域与所述杆塔区域不存在重叠和相邻关系时,且确定上述步骤S1252初步确定的杆塔区域为地面干扰。
举例说明,如图7(a)所示的直线杆塔与导线的连接关系示意图,当导线通过直线杆塔时,由一合成绝缘子与其相连,对导线形成一种拉力,使得导线呈现折线(或锐角的连线),这些特征信息有助于识别导线与直线杆塔的连接区域。如图7(b)所示的耐张杆塔与导线的连接关系示意图,当导线710经过耐张杆塔(位于图中的方框内,并未画出)时,由向下弯曲的引流线720将导线两端连接。
步骤S1256:当判定该巡检图像中不存在平行线组以及杆塔区域时,确定该巡检图像的类型为偏离的巡检图像。
其中,上述步骤确定巡检图像中不存在导线组即不存在平行线组,且不存在杆塔区域时,可确定该幅巡检图像偏离输电线路进行拍摄得到的,属于无效巡检图像。
步骤S1257:当判断所述巡检图像中仅存在平行线组时,确定所述巡检图像的类型为仅存在导线的巡检图像。
步骤S130:基于分类结果,获得该巡检图像中存在导线和/或杆塔的巡检图像。
步骤S140:按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构。
可选的,本实施例在得到存在杆塔的巡检图像以及存在导线的巡检图像后,可按照对导线和杆塔的巡检方式,按照从上到下、从左到右的规则对存在杆塔和导线的巡检图像进行图像排列,从而形成如图3(d)所示的检索结构。显然,在实际应用中,可根据如图3(d)所示的检索结构,能够直接获知每一幅巡检图像所对应的输电线路中各部件的位置,其能够帮助巡检人员有效快速地发现输电线路中哪些部件存在缺陷,大大提高了输电线路的巡检效率。
综上所述,由于对模糊的巡检图像以及偏离的巡检图像进行分析,都无法准确地确定待检输电线路中存在的缺陷,而且还会延长巡检图像的分析时间,从而影响输电线路的巡检效率,因而,本实施例中,在将所采集到的所有巡检图像分类后,将剔除其中的模糊的巡检图像以及偏离的巡检图像,仅保留下存在导线和/或杆塔的巡检图像,从而减少待分析的巡检图像的数量,缩短了对巡检图像进行浏览分析时间,提高了输电线路巡检效率,而且,对应识别出的存在导线和杆塔的巡检图像,又按照预设规则进行图像排列,从而建立了一种有形的巡检图像的检索结构,能够帮助巡检人员快速且准确地发现输电线路中存在的缺陷。可见,与现有技术中对采集到的每一幅巡检图像都要进行浏览分析,并在确定该幅巡检图像中的输电线路存在缺陷后,还要查找其对应在输电线路中的实际位置的技术方案相比,大大提高了输电线路巡检效率。
可选的,在上述各实施例的基础上,本发明提供的输电线路巡检图像的处理方法还可以包括:当确定所述待检输电线路存在缺陷时,输出相应的提示信息,以便提供巡检人员及时处理;和/或,将确定的所述待检输电线路中存在的缺陷与相应的杆塔关联存储,以供今后查询。
可选的,在系统读取到图像采集设备采集的巡检图像之后,为了进一步加快巡检效率,如图8所示的本发明提供的另一种输电线路巡检图像的处理方法实施例的部分流程示意图,在上述实施例的基础上,该方法还可以包括:
步骤S210:获取待检输电线路中所有杆塔的第一地理位置信息。
步骤S220:获取所述待检输电线路的所有巡检图像的第二地理位置信息。
在本实施例实际应用中,上述第一地理位置信息和第二地理位置信息科利用现有的GPS(Global Positioning System,全球定位系统)获取,具体方法属于本领域惯用技术手段,本申请不再详述。
步骤S230:基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离。
可选的,参照图9所示的本发明提供的又一种输电线路巡检图像的处理方法实施例的部分流程示意图,该步骤S230具体可以包括以下步骤:
步骤S231:基于所述第一地理位置信息和所述第二地理位置信息,从任意一幅巡检图像中选择一个点A,从任意一个杆塔中选择一点B。
步骤S232:获取所述点A和所述点B的经度值和纬度值;
步骤S233:根据所述点A和所述点B的经度值和纬度值,计算所述点A和所述点B在所建立的XYZ三维坐标系中的坐标值。
其中,本实施例实际应用中,在建立XYZ三维坐标系之后,可将所述点A的纬度值的余弦值与经度的余弦值的乘积作为所述点A在所述三维坐标系中的X1坐标;将所述点A的纬度值的余弦值与经度的正弦值的乘积作为所述点A在所述三维坐标系中的Y1坐标;将所述点A的纬度值的正弦值作为所述点A在所述三维坐标系中的Z1坐标;将所述点B的纬度值的余弦值与经度的余弦值的乘积作为所述点B在所述三维坐标系中的X2坐标;将所述点B的纬度值的余弦值与经度的正弦值的乘积作为所述点B在所述三维坐标系中的Y2坐标;将所述点B的纬度值的正弦值作为所述点B在所述三维坐标系中的Z1坐标。
需要说明的是,上述点A和点B在XYZ三维坐标系中的坐标的确定方法并不局限于此,只要不是本领域技术人员付出创造性劳动确定的,均属于本发明保护范围。
步骤S234:基于所述点A和所述点B在所述三维坐标系中的坐标值,计算所述点A和所述点B与所述三维坐标系的原点形成的夹角的角度。
其中,本实施例可利用公式angle=arccos(X1*X2+Y1*Y2+Z1*Z2),计算点A和点B与三维坐标系中的原点形成的夹角的角度angle,但并不局限于此。
步骤S235:将所述夹角的角度代入第一预设公式,得到所述巡检图像与所述杆塔之间的距离。
其中,第一预设公式具体可以为:
dist=angle/180*pi*R;
其中,R为地球平均半径6371km,误差不超过1%,angle为点A和点B与三维坐标系中的原点形成的夹角的角度。
步骤S240:将每一幅巡检图像与距其最近的杆塔进行编号关联。
基于上述步骤S230计算出的各巡检图像与每一个杆塔的距离,选择出最小有效距离,以便据此确定该次巡检任务是从杆塔地理位置信息表的开始端进行巡检,还是从末尾端进行巡检,以避免重复巡检,并据此确定起始有效的巡检图像。
在确定起始有效的巡检图像后,获取连续两节杆塔地理位置信息,通过比较,确定该巡检图像归属于与该巡检图像距离较小的杆塔,并将该巡检图像与该杆塔编号关联。由此可见,本申请可将各巡检图像与距离其最近的杆塔进行编号关联,从而实现了巡检图像的初步分组,因而,上述步骤S110具体可以为:获取待检输电电路中与任意一个杆塔编号关联的一组巡检图像,之后,根据上述实施例记载的方法对该组巡检图像进行详细分类,具体过程可参照上述实施例,本申请在此不再赘述。
可见,该可选实施例先以杆塔为单位对采集到的所有巡检图像进行分组,避免了重新巡检,进而再利用巡检图像中的特征信息,对每一组的巡检图像进行详细分类,以剔除无效的巡检图像,有效排除地面各种复杂的背景纹理及光线对识别杆塔与导线的影响,从而节省巡检图像分析时间,大大提高了输电线路巡检效率。
参照图10所示的本发明提供的一种输电线路巡检图像的处理系统实施例的结构示意图,该系统具体可以包括:
第一获取模块1010,用于获取待检输电线路的巡检图像.
分类模块1020,用于基于所述巡检图像包含的特征信息,对所述巡检图像进行分类。
可选的,如图11所示,该分类模块920具体可以包括:
提取单元1021,用于利用第一预设算法从所述巡检图像中提取线段的二值图像。
整合单元1022,用于基于所述二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段;
第一检测单元1023,用于从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域;
统计单元1024,用于将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量。
其中,在本实施例中,该不同方向线段具体可以包括:水平线段、垂直线段、斜上线段和斜下线段。
分类单元1025,用于基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类。
在本实施例中,该巡检图像的类型具体可以包括:存在杆塔的巡检图像、仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。
需要说明的是,该分类单元对巡检图像的分类过程具体可参照上述方法实施例对应部分的描述,本实施例在此不再赘述。
第二获取模块1030,用于基于分类结果,获得所述巡检图像中存在导线和/或杆塔的巡检图像。
构建模块1040,用于按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构
综上所述,在获取待检输电线路的巡检图像后,能够基于该巡检图像包含的特征信息,自动识别出存在导线和/或杆塔的巡检图像,而剔除了其中模糊和偏离的巡检图像,从而减少了待分析的巡检图像的数量,缩短了对巡检图像进行浏览分析时间,提高了输电线路巡检效率;而且,本发明还对识别出的存在导线和/或杆塔的巡检图像进行图像排列,从而将无形的巡检图像构建成一种有形的巡检图像检索结构,便于巡检人员利用该检索结构快速且有效地发现待检输电电路中存在的缺陷,与现有技术相比,大大提高了对输电线路巡检的效率。
可选的,如图12所示的本发明提供的又一种输电线路巡检图像的处理系统实施例的结构示意图,在上述实施例的基础上,该系统还可以包括:
第三获取模块1050,用于获取待检输电线路中所有杆塔的第一地理位置信息;
第四获取模块1060,用于获取所述待检输电线路的所有巡检图像的第二地理位置信息;
第一计算模块1070,用于基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离。
其中,巡检图像与杆塔之间的距离的计算方法可参照上述方法实施例对应部分的描述,本实施例在此不再赘述。
第一关联模块1080,用于将每一幅巡检图像与距其最近的杆塔进行编号关联。
基于本实施例描述内容,上述第一获取模块1010具体可以用于获取所述待检输电电路中与任意一个杆塔编号关联的一组巡检图像。
由此可见,实施例先以杆塔为基准对采集到的所有巡检图像进行分组,避免了重新巡检,进而再利用巡检图像中的特征信息,对每一组的巡检图像进行详细分类,以剔除无效的巡检图像,有效排除地面各种复杂的背景纹理及光线对识别杆塔与导线的影响,从而节省巡检图像分析时间,大大提高了输电线路巡检效率。
需要说明的是,关于上述各实施例中,诸如第一、第二等之类的关系术语仅仅用来将一个操作或单元与另一个操作或单元区分开来,而不一定要求或者暗示这些单元或操作之间存在任何这种实际的关系或者顺序。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种输电线路巡检图像的处理方法,其特征在于,所述方法包括:
获取待检输电线路的巡检图像;
基于所述巡检图像包含的特征信息,对所述巡检图像进行分类;
基于分类结果,获得所述巡检图像中存在导线和/或杆塔的巡检图像;
按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构。
2.根据权利要求1所述的方法,其特征在于,所述基于所述巡检图像包含的特征信息,对所述巡检图像进行分类包括:
利用第一预设算法从所述巡检图像中提取线段的二值图像;
基于所述二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段;
从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域;
将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量,其中,所述不同方向线段包括:水平线段、垂直线段、斜上线段和斜下线段;
基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类,其中,所述巡检图像的类型包括:存在杆塔的巡检图像、仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。
3.根据权利要求2所述的方法,其特征在于,所述基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类具体包括:
当所述分块区域中存在的水平线段、垂直线段、斜上线段以及斜下线段的数量均小于第一阈值,初步确定所述分块区域为模糊区域;
当所述分块区域中存在的斜上线段以及斜下线段的数量均大于或等于第一阈值,初步确定所述分块区域为杆塔区域;
计算每一幅巡检图像中存在的模糊区域的第一数量在该巡检图像的分块区域总数量中的百分比;
当判断出所述百分比大于第二阈值时,确定所述巡检图像的类型为模糊的巡检图像;
当依据所述巡检图像中导线与杆塔的连接关系,判定所述巡检图像中的平行线组的端点位置区域与所述杆塔区域存在重叠或相邻关系时,确定所述巡检图像的类型为存在杆塔的巡检图像;
当判定所述巡检图像中不存在平行线组以及杆塔区域时,确定所述巡检图像的类型为偏离的巡检图像;
当判断所述巡检图像中仅存在平行线组时,确定所述巡检图像的类型为仅存在导线的巡检图像。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获取待检输电线路中所有杆塔的第一地理位置信息;
获取所述待检输电线路的所有巡检图像的第二地理位置信息;
基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离;
将每一幅巡检图像与距其最近的杆塔进行编号关联;
则所述获取待检输电线路的巡检图像具体为:
获取所述待检输电电路中与任意一个杆塔编号关联的一组巡检图像。
5.根据权利要求4所述的方法,其特征在于,基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离包括:
基于所述第一地理位置信息和所述第二地理位置信息,从任意一幅巡检图像中选择一个点A,从任意一个杆塔中选择一点B;
获取所述点A和所述点B的经度值和纬度值;
根据所述点A和所述点B的经度值和纬度值,计算所述点A和所述点B在所建立的XYZ三维坐标系中的坐标值;
基于所述点A和所述点B在所述三维坐标系中的坐标值,计算所述点A和所述点B与所述三维坐标系的原点形成的夹角的角度;
将所述夹角的角度代入第一预设公式,得到所述巡检图像与所述杆塔之间的距离。
6.根据权利要求5所述的方法,其特征在于,所述根据所述点A和所述点B的经度值和纬度值,计算所述点A和所述点B在所建立的XYZ三维坐标系中的坐标值包括:
建立XYZ三维坐标系;
将所述点A的纬度值的余弦值与经度的余弦值的乘积作为所述点A在所述三维坐标系中的X1坐标;
将所述点A的纬度值的余弦值与经度的正弦值的乘积作为所述点A在所述三维坐标系中的Y1坐标;
将所述点A的纬度值的正弦值作为所述点A在所述三维坐标系中的Z1坐标;
将所述点B的纬度值的余弦值与经度的余弦值的乘积作为所述点B在所述三维坐标系中的X2坐标;
将所述点B的纬度值的余弦值与经度的正弦值的乘积作为所述点B在所述三维坐标系中的Y2坐标;
将所述点B的纬度值的正弦值作为所述点B在所述三维坐标系中的Z1坐标。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当确定所述待检输电线路存在缺陷时,输出相应的提示信息;
和/或,
将确定的所述待检输电线路中存在的缺陷与相应的杆塔关联存储。
8.一种输电线路巡检图像的处理系统,其特征在于,所述系统包括:
第一获取模块,用于获取待检输电线路的巡检图像;
分类模块,用于基于所述巡检图像包含的特征信息,对所述巡检图像进行分类;
第二获取模块,用于基于分类结果,获得所述巡检图像中存在导线和/或杆塔的巡检图像;
构建模块,用于按照预设规则对所述存在导线和/或杆塔的巡检图像进行图像排列,形成巡检图像检索结构。
9.根据权利要求8所述的系统,其特征在于,所述分类模块包括:
提取单元,用于利用第一预设算法从所述巡检图像中提取线段的二值图像;
整合单元,用于基于所述二值图像中的各线段的状态信息,将斜率和截距均相同的线段整合为一个长线段;
第一检测单元,用于从线段长度大于第一阈值的长线段中确定平行线组,并记录所述平行线组的端点位置区域;
统计单元,用于将所述二值图像划分为第一数目分块区域,并统计每一个分块区域包含的不同方向线段的数量;
分类单元,用于基于统计结果以及所述平行线组的端点位置区域,对所述巡检图像进行分类,其中,所述巡检图像的类型包括:存在杆塔的巡检图像、仅存在导线的巡检图像、模糊的巡检图像和偏离的巡检图像。
10.根据权利要求8所述的系统,其特征在于,所述系统还包括:
第三获取模块,用于获取待检输电线路中所有杆塔的第一地理位置信息;
第四获取模块,用于获取所述待检输电线路的所有巡检图像的第二地理位置信息;
第一计算模块,用于基于所述第一地理位置信息和所述第二地理位置信息,计算每一幅巡检图像与每一个杆塔的距离;
第一关联模块,用于将每一幅巡检图像与距其最近的杆塔进行编号关联;
则所述第一获取模块具体用于获取所述待检输电电路中与任意一个杆塔编号关联的一组巡检图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510206351.2A CN104835152A (zh) | 2015-04-27 | 2015-04-27 | 一种输电线路巡检图像的处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510206351.2A CN104835152A (zh) | 2015-04-27 | 2015-04-27 | 一种输电线路巡检图像的处理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104835152A true CN104835152A (zh) | 2015-08-12 |
Family
ID=53813017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510206351.2A Pending CN104835152A (zh) | 2015-04-27 | 2015-04-27 | 一种输电线路巡检图像的处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104835152A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295655A (zh) * | 2016-08-03 | 2017-01-04 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检图像的输电线路部件自动提取方法 |
CN106340009A (zh) * | 2016-08-18 | 2017-01-18 | 河海大学常州校区 | 一种基于平行双目的电力线检测方法及系统 |
CN106526643A (zh) * | 2016-12-30 | 2017-03-22 | 国网浙江省电力公司杭州供电公司 | 一种输电线路巡检人员的定位方法 |
CN106705866A (zh) * | 2016-12-14 | 2017-05-24 | 云南电网有限责任公司电力科学研究院 | 一种基于可见光图像的输电线路覆冰检测方法 |
CN106803290A (zh) * | 2017-01-16 | 2017-06-06 | 国网山东省电力公司龙口市供电公司 | 输配线路巡视记录方法和装置 |
CN107644428A (zh) * | 2017-09-29 | 2018-01-30 | 广东电网有限责任公司中山供电局 | 一种基于多域度重映射的输电线路漂浮物图像分割方法 |
CN107784652A (zh) * | 2017-10-30 | 2018-03-09 | 广东电网有限责任公司机巡作业中心 | 一种基于无人机影像的杆塔快速检测方法 |
CN108334844A (zh) * | 2018-02-06 | 2018-07-27 | 贵州电网有限责任公司 | 一种输电线路巡检的沿线自动跟踪方法 |
CN110006436A (zh) * | 2019-04-30 | 2019-07-12 | 国网冀北电力有限公司承德供电公司 | 电力设施的无人机巡检图的绘制方法及装置 |
CN111784661A (zh) * | 2019-12-31 | 2020-10-16 | 山东信通电子股份有限公司 | 一种输电线路检测设备的调整方法、装置、设备及介质 |
CN113377120A (zh) * | 2021-06-29 | 2021-09-10 | 徐州新电高科电气有限公司 | 一种巡检方法、装置、设备、系统和存储介质 |
CN113534216A (zh) * | 2021-09-16 | 2021-10-22 | 广东科凯达智能机器人有限公司 | 一种巡线机器人gps位置校正定位方法及系统 |
CN116027798A (zh) * | 2022-09-30 | 2023-04-28 | 三峡大学 | 基于图像修正的无人机电力巡检系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950357A (zh) * | 2010-09-21 | 2011-01-19 | 上海大学 | 基于位置关系识别高压线路杆塔、引流线、导线的方法 |
CN103941746A (zh) * | 2014-03-29 | 2014-07-23 | 国家电网公司 | 无人机巡检图像处理系统及方法 |
CN104101332A (zh) * | 2014-07-19 | 2014-10-15 | 国家电网公司 | 输电线路巡检图像自动匹配方法 |
-
2015
- 2015-04-27 CN CN201510206351.2A patent/CN104835152A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950357A (zh) * | 2010-09-21 | 2011-01-19 | 上海大学 | 基于位置关系识别高压线路杆塔、引流线、导线的方法 |
CN103941746A (zh) * | 2014-03-29 | 2014-07-23 | 国家电网公司 | 无人机巡检图像处理系统及方法 |
CN104101332A (zh) * | 2014-07-19 | 2014-10-15 | 国家电网公司 | 输电线路巡检图像自动匹配方法 |
Non-Patent Citations (1)
Title |
---|
王仲锋 等: "空间直角坐标转换大地坐标的直接解法", 《测绘工程》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295655B (zh) * | 2016-08-03 | 2019-07-12 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检图像的输电线路部件自动提取方法 |
CN106295655A (zh) * | 2016-08-03 | 2017-01-04 | 国网山东省电力公司电力科学研究院 | 一种用于无人机巡检图像的输电线路部件自动提取方法 |
CN106340009A (zh) * | 2016-08-18 | 2017-01-18 | 河海大学常州校区 | 一种基于平行双目的电力线检测方法及系统 |
CN106340009B (zh) * | 2016-08-18 | 2018-12-11 | 河海大学常州校区 | 一种基于平行双目的电力线检测方法及系统 |
CN106705866A (zh) * | 2016-12-14 | 2017-05-24 | 云南电网有限责任公司电力科学研究院 | 一种基于可见光图像的输电线路覆冰检测方法 |
CN106526643A (zh) * | 2016-12-30 | 2017-03-22 | 国网浙江省电力公司杭州供电公司 | 一种输电线路巡检人员的定位方法 |
CN106803290A (zh) * | 2017-01-16 | 2017-06-06 | 国网山东省电力公司龙口市供电公司 | 输配线路巡视记录方法和装置 |
CN107644428A (zh) * | 2017-09-29 | 2018-01-30 | 广东电网有限责任公司中山供电局 | 一种基于多域度重映射的输电线路漂浮物图像分割方法 |
CN107784652B (zh) * | 2017-10-30 | 2021-08-10 | 广东电网有限责任公司机巡作业中心 | 一种基于无人机影像的杆塔快速检测方法 |
CN107784652A (zh) * | 2017-10-30 | 2018-03-09 | 广东电网有限责任公司机巡作业中心 | 一种基于无人机影像的杆塔快速检测方法 |
CN108334844A (zh) * | 2018-02-06 | 2018-07-27 | 贵州电网有限责任公司 | 一种输电线路巡检的沿线自动跟踪方法 |
CN110006436A (zh) * | 2019-04-30 | 2019-07-12 | 国网冀北电力有限公司承德供电公司 | 电力设施的无人机巡检图的绘制方法及装置 |
CN111784661A (zh) * | 2019-12-31 | 2020-10-16 | 山东信通电子股份有限公司 | 一种输电线路检测设备的调整方法、装置、设备及介质 |
CN111784661B (zh) * | 2019-12-31 | 2023-09-05 | 山东信通电子股份有限公司 | 一种输电线路检测设备的调整方法、装置、设备及介质 |
CN113377120A (zh) * | 2021-06-29 | 2021-09-10 | 徐州新电高科电气有限公司 | 一种巡检方法、装置、设备、系统和存储介质 |
CN113377120B (zh) * | 2021-06-29 | 2024-03-26 | 国网江苏省电力有限公司徐州供电分公司 | 一种巡检方法、装置、设备、系统和存储介质 |
CN113534216A (zh) * | 2021-09-16 | 2021-10-22 | 广东科凯达智能机器人有限公司 | 一种巡线机器人gps位置校正定位方法及系统 |
CN113534216B (zh) * | 2021-09-16 | 2021-12-21 | 广东科凯达智能机器人有限公司 | 一种巡线机器人gps位置校正定位方法及系统 |
CN116027798A (zh) * | 2022-09-30 | 2023-04-28 | 三峡大学 | 基于图像修正的无人机电力巡检系统及方法 |
CN116027798B (zh) * | 2022-09-30 | 2023-11-17 | 三峡大学 | 基于图像修正的无人机电力巡检系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104835152A (zh) | 一种输电线路巡检图像的处理方法和系统 | |
CN108037133B (zh) | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 | |
Li et al. | Automatic defect detection of metro tunnel surfaces using a vision-based inspection system | |
CN106290388A (zh) | 一种绝缘子故障自动检测方法 | |
CN106326808B (zh) | 基于无人机图像的检测输电线路杆塔上鸟窝的方法 | |
CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
CN108734689B (zh) | 一种基于区域生长的导线散股检测方法 | |
CN106570853B (zh) | 一种形状与颜色融合的绝缘子识别与缺陷检测方法 | |
Wang et al. | Recognition and drop-off detection of insulator based on aerial image | |
CN102902974B (zh) | 一种基于图像的铁路接触网杆柱标识信息的识别方法 | |
CN102879788B (zh) | 一种基于机载LiDAR数据的输电线路的电力线提取方法 | |
CN111292321B (zh) | 一种输电线路绝缘子缺陷图像识别方法 | |
CN107179479B (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
CN102508110A (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN103529362A (zh) | 基于感知的绝缘子识别与缺陷诊断方法 | |
CN111046950B (zh) | 一种图像处理方法、装置、存储介质和电子装置 | |
CN104463204B (zh) | 目标数量统计方法 | |
CN112367400B (zh) | 一种边云协同的电力物联网智能巡检方法及系统 | |
Dutta et al. | Image analysis-based automatic detection of transmission towers using aerial imagery | |
CN105528790A (zh) | 一种输电线路小型部件识别方法 | |
Fang et al. | Fast detection method of insulator fault based on image processing technology | |
CN108596196A (zh) | 一种基于绝缘子图像特征词典的污秽状态评估方法 | |
CN104851092A (zh) | 一种基于图像分析的堆浸铀矿石粒度参数辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150812 |
|
RJ01 | Rejection of invention patent application after publication |