CN107423501A - 一种基于光伏电站逻辑图的阵列自动检测和编号方法 - Google Patents

Abstract

本发明公开了一种基于光伏电站逻辑图的阵列自动检测和编号方法，该方法首先将光伏电站总逻辑图进行分区得到分区图像，去除分区图像的彩色信息得到灰度图，对灰度图进行二值化阈值分割得到分离背景和前景(即阵列轮廓)的二值图像，然后提取二值图像的矩形轮廓，并通过计算矩形轮廓的众数信息排除假轮廓和噪声干扰，提取准确的阵列矩形，最后对每一个阵列进行行列编号，并计算阵列四个顶点的大地坐标，再转化为GPS坐标，将行列编号和GPS坐标信息保存到数据文件中。本发明能够为无人机拍摄光伏电站红外图像进行巡航时的自动路线规划以及热斑检测与定位等应用提供阵列的位置和编号信息，为提高光伏电站故障检测的自动化水平提供技术支撑。

Description

一种基于光伏电站逻辑图的阵列自动检测和编号方法

技术领域

本发明涉及一种基于光伏电站逻辑图的阵列自动检测和编号方法，属于光伏电站中的阵 列故障自动分析技术领域。

背景技术

近年来，光伏发电产业在世界范围内进入了突飞猛进的发展阶段，光伏电站的规模也在 不断增长。大型光伏电站的各个阵列在地理位置上通常具有排列规则、数量多、分布面积广 等特点，导致故障检测的工作量和难度大大增加。目前，阵列故障(如热斑)检测的自动化 水平不高，还主要依靠人工通过电气测量的方法对所有阵列组件进行检测，人工成本高且效 率低。而通过人工手持红外热像仪进行检测的方法只能识别小范围局部阵列中的热斑，无法 自动生成故障位置和严重程度的分析报告，且存在一定的危险性。

发明内容

本发明目的是提供一种基于光伏电站逻辑图的阵列自动检测和编号方法，该方法能够对 光伏电站逻辑图中的所有阵列进行自动的检测和识别，并生成光伏阵列的行列编号和四个顶 点的大地坐标，由此为无人机拍摄电站红外图像时的自动规划巡航路线，以及检测到故障(如 热斑)时返回阵列的具体编号和位置信息提供支持，是实现电站故障自动分析和定位功能的 重要技术基础。

为了达到上述目的，本发明采用的技术方案包括如下步骤：

步骤1)定义利用制图工具设计的整个光伏电站总体平面图为总逻辑图I，逻辑图常以浅 色(如接近白色)为背景，以深色(如蓝色或接近黑色)的矩形轮廓表示具体阵列的大小和 位置；总逻辑图I以图像形式存储，具体存储格式不作限制，如为常见的JPEG格式。考虑到 电站具体设计时常根据地形影响分区域地规划阵列的安装位置，首先由人工根据总逻辑图I 中阵列之间不同的行间距进行分区，得到分区图像I_i，其中i＝1,2,3,……,K，其中K为分区 图像的数目，分区图像I_i的存储格式亦不作限制，可以与总逻辑图I相同。

步骤2)对各个分区图像I_i依次进行处理，得到分离背景和前景(即光伏阵列)轮廓的二 值图像。具体步骤如下：首先，读入分区图像I_i，去除分区图像I_i的彩色信息，得到灰度图 像并进行归一化；之后，利用最大类间方差法计算灰度图的二值化分割阈值；最后，根据大 量实验统计，取二值化分割阈值为0.9对灰度图像进行二值化，具体操作是把灰度图像中像 素值小于0.9的区域设置为0，用黑色表示分割出的前景(即阵列)轮廓区域；而像素值大 于0.9的区域设置为1，用白色表示分割出的背景区域。

步骤3)对上述步骤2)得到的二值图像进行矩形轮廓提取和存储，主要分为两步。首先， 检测矩形轮廓，其步骤如下：系统性的扫描二值图像直至找到连通轮廓(即由二值图像中黑 色相连像素组成的轮廓形状)的一个像素点，以这个像素点为起始点，跟踪它的轮廓，并标 记边界上的像素；当跟踪轮廓完整闭合，即扫描过程回到此起始点时，完成一个轮廓的跟踪 过程；继续寻找新的连通区域起始点，重复上述跟踪过程，完成所有轮廓的跟踪检测。当没 有新的连通区域起始点时，二值图像的所有轮廓检测完成。

其次，计算包含轮廓的最小矩形，得到二值图像中所有的矩形轮廓。将矩形轮廓存储在 一维结构体数组中，数组中的元素代表矩形轮廓，且每个元素包含矩形轮廓左上角顶点的像 素坐标以及矩形轮廓的宽度和高度，单位为像素；设数组中的元素个数为N，即矩形轮廓的 个数。数组中存储的分区图像I_i的矩形轮廓的行列顺序为由右至左，由下至上，即数组中的 第一个矩形轮廓为分区图像I_i右下角的光伏阵列，数组中的最后一个矩形轮廓为分区图像I_i左上角的光伏阵列。

步骤4)通过计算矩形轮廓的众数信息，排除假轮廓和噪声干扰，提取准确的阵列矩形。 实际光伏电站中的每一个光伏阵列是规则的矩形，且实际宽度和高度为固定数值，但在电站 逻辑图设计和图像处理过程中会产生少许误差并存在噪声干扰，使得检测出来的少数矩形轮 廓的宽度和高度不完全一致。为增加阵列检测的鲁棒性，采取的解决方法如下，遍历上述步 骤3)中得到的数组，对存储在数组中的所有矩形轮廓的宽度和高度进行排序，找出数组中 矩形轮廓的宽度和高度重复出现次数最多的数值，定义该数值为矩形轮廓的宽度和高度的众 数，并记录众数出现的次数；之后利用光伏阵列的宽度和高度众数，计算光伏阵列的面积众 数(PV_Area)，通过多次实验统计取面积众数在数值上增减50为阵列允许误差，即认为矩形 面积在[PV_Area-50,PV_Area+50]范围内的为阵列矩形轮廓，排除不在这个范围内的矩形轮 廓。

步骤5)为每一个光伏阵列确定行列编号。首先确定数组中矩形轮廓左上角像素横坐标的 最大值，以及像素横坐标之间的距离众数；再结合上述步骤4)中计算得到的光伏阵列的宽 度和高度众数来计算光伏阵列的行列编号。包括如下子步骤：

a)记光伏阵列的行与列编号为(PV_rows,PV_cols)。初始时置分区图像最右下角阵列 的行列编号为(1,1)，之后检测到的阵列编号规则为：同一行中向左排列的阵列列号依次递 增，同一列中向上排列的阵列行号依次递增；

b)遍历数组中矩形轮廓左上角顶点的像素横坐标，将遍历结果按降序排列，则降序排列 中的第一个元素即为矩形轮廓像素横坐标的最大值，用Max_x表示；之后将相邻的两个矩形 轮廓左上角顶点的像素横坐标依次相减，得到像素横坐标之间的距离，取重复出现频数最高 的数值为像素横坐标之间的距离众数，用Distance_x表示；

c)确定每一个光伏阵列的行列编号，也就是对数组中的每个矩形轮廓进行编号，先确定 矩形轮廓的行编号，再确定其列编号。具体方法如下，用{(x_i,y_i),i＝1,2,...,N}表示数组中 每个矩形轮廓左上角顶点的像素坐标，N为数组元素个数，遍历数组，判断当前矩形轮廓左 上角顶点的像素纵坐标y_i与前一个矩形轮廓左上角顶点的像素纵坐标y_i-1是否相等，若相等， 则该矩形轮廓与前一个矩形轮廓的行编号相同；否则，该矩形轮廓的行编号加1；再利用公 式(1)来确定每个矩形轮廓的列编号，直至数组遍历完成；

其中x_i表示当前矩形轮廓左上角顶点的像素横坐标，PV_cols表示计算得到的当前矩形 轮廓的列编号，表示向下取整符号，如的值为5。

步骤6)根据人工设定的参考点及其对应的像素坐标来计算每一个光伏阵列四个顶点的 大地坐标。人工设定两个参考点分别为分区图像I_i左上角第一个光伏阵列的左上角大地坐标， 即数组中最后一个矩形轮廓的左上角大地坐标，记为A点；分区图像I_i右下角最后一个光伏 阵列的左上角大地坐标，即数组中第一个矩形轮廓的左上角大地坐标，记为B点。人工输入 A点与B点的大地坐标，以及光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，单位为米。 根据输入的A点、B点的大地坐标和光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，根据 比例关系来确定每一个光伏阵列四个顶点的大地坐标。包括如下子步骤：

a)输入A点与B点的大地坐标，分别用(PV_x_A，PV_y_A),(PV_x_B，PV_y_B)表示，以及光伏 阵列的实际物理宽度(PV_W)和高度(PV_H)。

b)设A点对应的像素坐标为(x_N，y_N)，B点对应的像素坐标为(x₁，y₁)，当 前光伏阵列左上角顶点的像素坐标为(x_i，y_i)，像素坐标均为已知；可根据公式(2)

c)根据光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，结合b)中计 算得到的光伏阵列左上角大地坐标利用公式(3) 计算每一个光伏阵列右上角大地坐标

d)同理，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中 计算得到的光伏阵列左上角大地坐标利用公式(4) 计算每一个光伏阵列右下角大地坐标

e)最后，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中 计算得到的光伏阵列左上角大地坐标利用公式(5) 计算每一个光伏阵列左下角大地坐标

步骤7)最后根据大地坐标与GPS坐标之间的转换关系，将生成的光伏阵列四个顶点的大 地坐标转换成GPS坐标，并将光伏阵列的GPS坐标和行列编号保存在数据文件中，为无人机 拍摄光伏电站红外图像进行巡航时的自动路线规划和热斑检测与定位等应用提供光伏阵列的 位置和编号信息。

有益效果：

1、本发明基于光伏电站逻辑图的阵列自动检测和编号方法，通过对逻辑图进行图像分析， 可实现自动的阵列编号和准确计算阵列顶点的大地坐标，可辅助无人机自动规划巡航路线， 返回热斑等故障阵列的编号和位置信息，实现阵列故障区域的定位和分析处理。

2、本发明逻辑图的分区处理，简化了实现方法的系统结构和复杂度，适用范围广，同时 也提高了定位的准确度。

3、本发明结合无人机自动巡航和红外图像分析，可以很好地完成光伏电站的自动故障检 测和分析，提高光伏电站的运维效率，并且能够为无人机拍摄光伏电站红外图像进行巡航时 的自动路线规划以及热斑检测与定位等应用提供阵列的位置和编号信息，为提高光伏电站故 障检测的自动化水平提供技术支撑。

附图说明

图1为本发明的光伏电站阵列检测和编号的整体流程图。

图2为本发明的每个分区图像阵列矩形检测和阵列大地坐标计算以及编号的详细流程图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细说明。

如图1和图2所示，本发明的基于光伏电站逻辑图的阵列自动检测和编号方法，以光伏 电站的总逻辑图I为待处理图像，其具体实施方案如下：

1)首先由人工根据总逻辑图I中阵列之间不同的行间距进行分区，得到分区图像I_i，其 中i＝1,2,3,……,K，其中K为分区图像的数目，分区图像I_i的存储格式亦不作限制，可以与 总逻辑图I相同，如为常见的JPEG格式。

2)对各个分区图像I_i依次进行处理，得到分离背景和前景(即光伏阵列)轮廓的二值图 像。具体步骤如下：首先，读入分区图像I_i，去除分区图像I_i的彩色信息，得到灰度图像并 进行归一化；之后，利用最大类间方差法计算灰度图的二值化分割阈值；最后，根据大量实 验统计，取二值化分割阈值为0.9对灰度图像进行二值化，具体操作是把灰度图像中像素值 小于0.9的区域设置为0，用黑色表示分割出的前景(即阵列)轮廓区域；而像素值大于0.9 的区域设置为1，用白色表示分割出的背景区域。

3)对步骤2)得到的二值图像进行矩形轮廓提取和存储，主要分为两步。首先，检测矩 形轮廓，其步骤如下：系统性的扫描二值图像直至找到连通轮廓的一个像素点，以这个像素 点为起始点，跟踪它的轮廓，并标记边界上的像素；当跟踪轮廓完整闭合，即扫描过程回到 此起始点时，完成一个轮廓的跟踪过程；继续寻找新的连通区域起始点，重复上述跟踪过程， 完成所有轮廓的跟踪检测。当没有新的连通区域起始点时，二值图像的所有轮廓检测完成。

其次，计算包含轮廓的最小矩形，得到二值图像中所有的矩形轮廓。将矩形轮廓存储在 一维结构体数组中，数组中的元素代表矩形轮廓，且每个元素包含矩形轮廓左上角顶点的像 素坐标以及矩形轮廓的宽度和高度，单位为像素；设数组中的元素个数为N，即矩形轮廓的 个数。数组中存储的分区图像I_i的矩形轮廓的行列顺序为由右至左，由下至上，即数组中的 第一个矩形轮廓为分区图像I_i右下角的光伏阵列，数组中的最后一个矩形轮廓为分区图像I_i左上角的光伏阵列。

4)通过计算矩形轮廓的众数信息，排除假轮廓和噪声干扰，提取准确的阵列矩形。为增 加阵列检测的鲁棒性，采取的解决方法如下，遍历步骤3)中得到的数组，对存储在数组中 的所有矩形轮廓的宽度和高度进行排序，找出数组中矩形轮廓的宽度和高度重复出现次数最 多的数值，定义该数值为矩形轮廓的宽度和高度的众数，并记录众数出现的次数；之后利用 光伏阵列的宽度和高度众数，计算光伏阵列的面积众数(PV_Area)，通过多次实验统计取面 积众数在数值上增减50为阵列允许误差，即认为矩形面积在[PV_Area-50,PV_Area+50]范围 内的为阵列矩形轮廓，排除不在这个范围内的矩形轮廓。

5)为每一个光伏阵列确定行列编号。首先确定数组中矩形轮廓左上角像素横坐标的最 大值，以及像素横坐标之间的距离众数；再结合步骤4)中计算得到的光伏阵列的宽度和高 度众数来计算光伏阵列的行列编号。包括如下子步骤：

a)记光伏阵列的行与列编号为(PV_rows,PV_cols)。初始时置分区图像最右下角阵列 的行列编号为(1,1)，之后检测到的阵列编号规则为：同一行中向左排列的阵列列号依次递 增，同一列中向上排列的阵列行号依次递增；

b)遍历数组中矩形轮廓左上角顶点的像素横坐标，将遍历结果按降序排列，则降序排列 中的第一个元素即为矩形轮廓像素横坐标的最大值，用Max_x表示；之后将相邻的两个矩形 轮廓左上角顶点的像素横坐标依次相减，得到像素横坐标之间的距离，取重复出现频数最高 的数值为像素横坐标之间的距离众数，用Distance_x表示；

c)确定每一个光伏阵列的行列编号，也就是对数组中的每个矩形轮廓进行编号，先确定 矩形轮廓的行编号，再确定其列编号。具体方法如下，用{(x_i,y_i),i＝1,2,...,N}表示数组中 每个矩形轮廓左上角顶点的像素坐标，遍历数组，判断当前矩形轮廓左上角顶点的像素纵坐 标y_i与前一个矩形轮廓左上角顶点的像素纵坐标y_i-1是否相等，若相等，则该矩形轮廓与前 一个矩形轮廓的行编号相同；否则，该矩形轮廓的行编号加1；再利用公式(1)来确定每个 矩形轮廓的列编号，直至数组遍历完成；

其中x_i表示当前矩形轮廓左上角顶点的像素横坐标，PV_cols表示计算得到的当前矩形 轮廓的列编号，表示向下取整符号。

6)根据人工设定的参考点及其对应的像素坐标来计算每一个光伏阵列四个顶点的大地坐 标。人工设定两个参考点分别为分区图像I_i左上角第一个光伏阵列的左上角大地坐标，即数 组中最后一个矩形轮廓的左上角大地坐标，记为A点；分区图像I_i右下角最后一个光伏阵列 的左上角大地坐标，即数组中第一个矩形轮廓的左上角大地坐标，记为B点。人工输入A点 与B点的大地坐标，以及光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，单位为米。根据 输入的A点、B点的大地坐标和光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，根据比例 关系来确定每一个光伏阵列四个顶点的大地坐标。包括如下子步骤：

a)输入A点与B点的大地坐标，分别用(PV_x_A，PV_y_A),(PV_x_B，PV_y_B)表示，以及光伏 阵列的实际物理宽度(PV_W)和高度(PV_H)。

b)设A点对应的像素坐标为(x_N，y_N)，B点对应的像素坐标为(x₁，y₁)，当前 光伏阵列左上角顶点的像素坐标为(x_i，y_i)，像素坐标均为已知；可根据公式(2) 计算每一个光伏阵列左上角大地坐标

c)根据光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，结合b)中计 算得到的光伏阵列左上角大地坐标利用公式(3) 计算每一个光伏阵列右上角大地坐标

d)同理，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中 计算得到的光伏阵列左上角大地坐标利用公式(4) 计算每一个光伏阵列右下角大地坐标

e)最后，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中 计算得到的光伏阵列左上角大地坐标利用公式(5) 计算每一个光伏阵列左下角大地坐标

7)最后根据大地坐标与GPS坐标之间的转换关系，将生成的光伏阵列四个顶点的大地坐 标转换成GPS坐标，并将光伏阵列的GPS坐标和行列编号保存在数据文件中。

Claims (4)

1.一种基于光伏电站逻辑图的阵列自动检测和编号方法，其特征在于，所述方法包括如下步骤：

步骤1)定义利用制图工具设计的整个光伏电站总体平面图为总逻辑图I，首先由人工根据总逻辑图I中阵列之间不同的行间距进行分区，得到分区图像I_i，其中i＝1,2,3,……,K，其中K为分区图像的数目，分区图像I_i的存储格式亦不作限制，能与总逻辑图I相同；

步骤2)对各个分区图像I_i依次进行处理，得到分离背景和前景(即光伏阵列)轮廓的二值图像；

步骤3)对上述步骤2)得到的二值图像进行矩形轮廓提取和存储，分为两步，首先，检测矩形轮廓，其步骤包括：系统性的扫描二值图像直至找到连通轮廓的一个像素点，以这个像素点为起始点，跟踪它的轮廓，并标记边界上的像素，当跟踪轮廓完整闭合，即扫描过程回到此起始点时，完成一个轮廓的跟踪过程；继续寻找新的连通区域起始点，重复上述跟踪过程，完成所有轮廓的跟踪检测，当没有新的连通区域起始点时，二值图像的所有轮廓检测完成；

其次，计算包含轮廓的最小矩形，得到二值图像中所有的矩形轮廓，将矩形轮廓存储在一维结构体数组中，数组中的元素代表矩形轮廓，且每个元素包含矩形轮廓左上角顶点的像素坐标以及矩形轮廓的宽度和高度，单位为像素，数组中存储的分区图像I_i的矩形轮廓的行列顺序为由右至左，由下至上，即数组中的第一个矩形轮廓为分区图像I_i右下角的光伏阵列，数组中的最后一个矩形轮廓为分区图像I_i左上角的光伏阵列；

步骤4)通过计算矩形轮廓的众数信息，排除假轮廓和噪声干扰，提取准确的阵列矩形，为增加阵列检测的鲁棒性，采取的解决方法如下，遍历上述步骤3)中得到的数组，对存储在数组中的所有矩形轮廓的宽度和高度进行排序，找出数组中矩形轮廓的宽度和高度重复出现次数最多的数值，定义该数值为矩形轮廓的宽度和高度的众数，并记录众数出现的次数，之后利用光伏阵列的宽度和高度众数，计算光伏阵列的面积众数(PV_Area)，通过多次实验统计取面积众数在数值上增减50为阵列允许误差，即认为矩形面积在[PV_Area-50,PV_Area+50]范围内的为阵列矩形轮廓，排除不在这个范围内的矩形轮廓；

步骤5)为每一个光伏阵列确定行列编号，首先确定数组中矩形轮廓左上角像素横坐标的最大值，以及像素横坐标之间的距离众数；再结合上述步骤4)中计算得到的光伏阵列的宽度和高度众数来计算光伏阵列的行列编号；

步骤6)根据人工设定的参考点及其对应的像素坐标来计算每一个光伏阵列四个顶点的大地坐标，人工设定两个参考点分别为分区图像I_i左上角第一个光伏阵列的左上角大地坐标，即数组中最后一个矩形轮廓的左上角大地坐标，记为A点，分区图像I_i右下角最后一个光伏阵列的左上角大地坐标，即数组中第一个矩形轮廓的左上角大地坐标，记为B点，人工输入A点与B点的大地坐标，以及光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，单位为米，根据输入的A点、B点的大地坐标和光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，根据比例关系来确定每一个光伏阵列四个顶点的大地坐标；

步骤7)最后根据大地坐标与GPS坐标之间的转换关系，将生成的光伏阵列四个顶点的大地坐标转换成GPS坐标，并将光伏阵列的GPS坐标和行列编号保存在数据文件中，为无人机拍摄光伏电站红外图像进行巡航时的自动路线规划和热斑检测与定位等应用提供光伏阵列的位置和编号信息。

2.根据权利要求1所述的一种基于光伏电站逻辑图的阵列自动检测和编号方法，其特征在于，所述步骤2)分离背景和前景(即光伏阵列)轮廓的二值图像包括：首先，读入分区图像I_i，去除分区图像I_i的彩色信息，得到灰度图像并进行归一化；之后，利用最大类间方差法计算灰度图的二值化分割阈值；最后，根据大量实验统计，取二值化分割阈值为0.9对灰度图像进行二值化，具体操作是把灰度图像中像素值小于0.9的区域设置为0，用黑色表示分割出的前景(即阵列)轮廓区域；而像素值大于0.9的区域设置为1，用白色表示分割出的背景区域。

3.根据权利要求1所述的一种基于光伏电站逻辑图的阵列自动检测和编号方法，其特征在于，所述步骤5)中确定光伏阵列的行列编号的方法包括：

a)记光伏阵列的行与列编号为(PV_rows,PV_cols)，初始时置分区图像最右下角阵列的行列编号为(1,1)，之后检测到的阵列编号规则为：同一行中向左排列的阵列列号依次递增，同一列中向上排列的阵列行号依次递增；

b)遍历数组中矩形轮廓左上角顶点的像素横坐标，将遍历结果按降序排列，则降序排列中的第一个元素即为矩形轮廓像素横坐标的最大值，用Max_x表示；之后将相邻的两个矩形轮廓左上角顶点的像素横坐标依次相减，得到像素横坐标之间的距离，取重复出现频数最高的数值为像素横坐标之间的距离众数，用Distance_x表示；

c)确定每一个光伏阵列的行列编号，也就是对数组中的每个矩形轮廓进行编号，先确定矩形轮廓的行编号，再确定其列编号，用{(x_i,y_i),i＝1,2,...,N}表示数组中每个矩形轮廓左上角顶点的像素坐标，N为数组元素个数，遍历数组，判断当前矩形轮廓左上角顶点的像素纵坐标y_i与前一个矩形轮廓左上角顶点的像素纵坐标y_i-1是否相等，若相等，则该矩形轮廓与前一个矩形轮廓的行编号相同；否则，该矩形轮廓的行编号加1；再利用公式(1)来确定每个矩形轮廓的列编号，直至数组遍历完成；

PV_cols＝[(Mzx_x-xi)/Diatance_x+0.5]，i＝1，2，...，N (1)

其中x_i表示当前矩形轮廓左上角顶点的像素横坐标，PV_cols表示计算得到的当前矩形轮廓的列编号，表示向下取整符号。

4.根据权利要求1所述的一种基于光伏电站逻辑图的阵列自动检测和编号方法，其特征在于，所述步骤6)根据比例关系来确定每一个光伏阵列四个顶点的大地坐标的方法如下：

a)输入A点与B点的大地坐标，分别用(PV_x_A，PV_y_A),(PV_x_B，PV_y_B)表示，以及光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，大地坐标与物理宽度高度的单位都是米；

b)设A点对应的像素坐标为(x_N，y_N)，B点对应的像素坐标为(x₁，y₁)，当前光伏阵列左上角顶点的像素坐标为(x_i，y_i)，像素坐标均为已知；可根据公式(2)计算每一个光伏阵列左上角大地坐标

c)根据光伏阵列的实际物理宽度(PV_W)和高度(PV_H)，结合b)中计算得到的光伏阵列左上角大地坐标利用公式(3)计算每一个光伏阵列右上角大地坐标

d)同理，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中计算得到的光伏阵列左上角大地坐标利用公式(4)计算每一个光伏阵列右下角大地坐标

e)最后，根据光伏阵列的实际宽度(PV_W)和高度(PV_H)，结合b)中计算得到的光伏阵列左上角大地坐标利用公式(5)计算每一个光伏阵列左下角大地坐标

至此，所有阵列的编号和四个顶点的大地坐标都已确定。