CN107818563A - 一种输电线路分裂导线间距空间测量与定位方法 - Google Patents
一种输电线路分裂导线间距空间测量与定位方法 Download PDFInfo
- Publication number
- CN107818563A CN107818563A CN201711020861.6A CN201711020861A CN107818563A CN 107818563 A CN107818563 A CN 107818563A CN 201711020861 A CN201711020861 A CN 201711020861A CN 107818563 A CN107818563 A CN 107818563A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- mtr
- mtd
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种输电线路分裂导线间距空间测量与定位方法,具体按照以下步骤实施:首先对摄像机进行标定,计算得到摄像机的内外参数。然后将采集到的图像进行灰度化处理并用高斯滤波对图像平滑处理后采用最大类间方差法分割出导线区域;提取骨架并用最小二乘法拟合即可得到导线的轴线,计算一根导线上每一点到另一根导线的垂直距离即可得到一系列的导线间距,分别计算四分裂导线中两两导线之间的间距;最后将图像划分为左、中、右三部分,按不同的标定值将导线间距转换为空间距离,判断是否存在安全隐患。本发明具有非接触、高效监测等优点,可以及时发现不满足规程要求的导线段并采取相应的措施予以调整,消除分裂导线粘连的安全隐患。
Description
技术领域
本发明属于输电线路图像处理技术领域,具体涉及一种输电线路分裂导线间距空间测量与定位方法。
背景技术
近年来,随着220kV输电线路输送容量的提高,分裂导线之间的粘连问题也日趋突出。运行中的同相四分裂导线均通过方向相同的电流,相互之间所受的电磁力为吸引力,正常运行时分裂导线间的电磁力比较小,但在大风作用下四根分裂导线因应力不一致存在小振幅的不同步舞动,局部位置会瞬时十分接近,在较大负荷电流作用下分裂导线间的电磁力很大,当导线所受电磁力大于自重时便会出现分裂导线粘连现象。
输电线路分裂导线发生粘连后,一方面容易出现电晕放电,引起线损的增加和对附件通信设施的干扰;另一方面导线的鞭击现象突出,不但进一步增加了线损,还有可能造成导线断股甚至断线事故,这些都将严重影响电网的安全运行。因此对运行中同相分裂导线之间的间距进行实时监测显得尤为重要,本发明用图像处理的方法来实现分裂导线空间距离的测量与定位,具有非接触、高效、简单易行等优点,可以及时发现不满足规程要求的导线段并尽快对其予以调整,达到消除安全隐患的目的。
发明内容
本发明的目的是提供一种输电线路分裂导线间距空间测量与定位方法,用图像处理的方法来实现分裂导线空间距离的实时监测与定位,及时发现不满足规程要求的导线段并予以调整,以消除导线粘连的安全隐患。
本发明所采用的技术方案是,一种输电线路分裂导线间距空间测量与定位方法,具体按照以下步骤实施:
步骤1:对摄像机进行标定,计算得到摄像机的内外参数。
步骤2:以摄像机能拍摄到互不重叠的四分裂导线为最佳角度进行拍摄,将采集到的一系列原始图像Image进行灰度化处理后得到Image1,用高斯滤波对图像中的一系列像素点(i,j)平滑处理得到Image2,然后采用最大类间方差法分割出导线区域Region;
步骤3:步骤2得到的导线区域Region在图像Image2中表现为一个矩形区域,提取骨架并用最小二乘法拟合即可得到导线的轴线Region1,用轴线之间的距离来代表两根导线之间的间距;
步骤4:计算图像Image2的Region1区域中一根导线上每一点(xm,ym)到另一根导线的垂直距离即可得到一系列的导线间距dt,分别计算四分裂导线中两两导线之间的间距;
步骤5:将图像Image2划分为左、中、右三部分,分别按不同的标定值将导线间距dt转换为空间距离Dgt当进行检测并判断是否存在安全隐患。
本发明的特点还在于:
步骤1中具体的标定方法为,
步骤1.1,设标定板平面位于世界坐标系中Z=0的平面上,标定板上特征点的世界坐标为A(xw,yw,0),对应的图像坐标为a(uw,vw),可得下式:
式中为深度系数,M为相机的内参数,r1,r2为旋转向量,T为平移向量,H=M[r1 r2T]为世界坐标系相对于图像像素坐标系的旋转及平移向量即单应性矩阵,求解方程可以得到单应性矩阵H。定义一个矩阵E=M-TM-1,可得下式:
解方程组即可求得相机的内参数
步骤1.2,根据获得的单应性矩阵H和内参数M可以求得摄像机的外参数O为:
其中r1,r2,r3为旋转向量,T为平移向量。
所述步骤2具体为:
步骤2.1,将采集的图像灰度化处理得到Image1,并对其进行高斯滤波处理,具体步骤为:
将模板中心对准待检测像素点(i,j),计算模板内所有像素点的加权平均灰度值来代替模板中心的像素点值;
此时输出值可表示如下:
式中g(i,j)表示输出像素值,f(i,j)表示输入像素值。
用模板扫描整幅图像后得到滤波后的图像Image2,高斯滤波模板內每一邻域像素点的权值随该点与中心点距离的增加而减小,因此与均值滤波相比,能保留更多的图像细节信息;
步骤2.2,假设经滤波处理后的图像Image2有L个灰度级[1,2,...,L],最大类间方差法就是通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
其中Pl表示第l个灰度级像素点出现的概率。
两类的平均灰度级为:
其中是整幅图像的平均灰度级,则类间方差如公式(2-6),
按照公式(2-7)
计算出最佳门限s*即为分割阈值;
步骤2.3,利用s*对图像Image2进行处理,进行分割,将图像分为背景区域和导线区域Region,由此,得到导线区域Region。
所述步骤3具体为:
步骤3.1,为了测量两根导线之间的间距,利用骨架提取模板将导线细化为一条轴线,所述的骨架提取就是将图像Image2中的导线区域Region内的像素点标记为1,背景像素点标记为0,对图像Image2中所有标记为1的像素点都用如下的骨架提取常用的3×3模板进行操作:
所述的骨架提取模板的第一行依次为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1;
中心点d1为待检测像素点,其邻域内的8个点分别标记为d2d3...d9,若同时满足下列4个条件:
(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;
(2)S(d1)=1,S(d1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;
(3)d2d4d6=0或者S(d1)≠1;
(4)d4d6d8=0或者S(d1)≠1。
则删除d1像素点,将导线区域内的所有像素点都代入该提取模板中,作为待检测点处理一次,即每个像素点都作为d1进行一次处理,这样进行反复迭代后,直至没有满足删除条件的点,这时剩下的点就组成了导线区域的骨架,即单像素宽的轴线;
步骤3.2,由于步骤3.1中得到的单像素宽轴线并不是一条平滑的直线,所以要用最小二乘法对其进行拟合,其原理就是寻求与单像素宽轴线上的给定点(xn,yn)的距离平方和为最小的直线y=a+bx,即:
分别对a,b求偏导得:
整理后得到方程组:
解上述方程组便可求得直线参数a和b的最佳估计值:
得到的函数y即为拟合后的轴线,将拟合后得到的导线轴线区域表示为Region1。
所述步骤4具体为:
假设一根导线上任意一点的坐标为(xm,ym),另一根导线的函数为y=a+bx,则一根导线上任意一点到另一根导线的垂直距离公式为:
由步骤3.2中得到的四分裂导线的函数分别为y1、y2、y3、y4,利用距离公式(4-1)分别计算两两导线之间的距离d1t,d2t,...。
步骤5具体为:
步骤5.1,根据公式(5-1)将导线间距dt转换为空间距离Dgt,
对于两根平行的导线,由于实际拍摄图像中最左边部分的导线间距最大,越往右端导线间距越小,无穷远处甚至相交,所以将图像Image2划分为左、中、右三部分进行标定,在步骤1中的摄像机标定后,即可以得到某个像素点的实际空间坐标,然后根据两点之间的像素距离以及实际距离可以得到一个像素所代表的实际长度。标定后左边图中每一个像素所代表的实际长度为n1,中间图中每一个像素所代表的实际长度为n2,右边图中每一个像素所代表的实际长度为n3,则利用公式(5-1)计算两根导线之间的空间距离为:
Dgt=dt*ng(t=1,2,3,...,g=1,2,3) (5-1)
步骤5.2,监测并判断距离,实现故障点定位,
在进行监测时,首先,设导线上的第一个点为原点且其空间坐标为(E,F),当监测到导线上某点的Dgt小于规程要求时,将该点的像素坐标通过摄像机标定转化为空间坐标(E*,F*),并计算其与原点之间的距离记录下该距离DS并发出警报,及时找到该导线段并采取相应的措施予以调整,以消除导线粘连的安全隐患;否则继续监测下一个距离,直到所有的距离都监测完毕。
本发明的有益效果是:本发明一种输电线路分裂导线间距空间测量与定位方法,对采集到的输电线路图像进行预处理后,分割提取出导线区域,提取骨架并最小二乘直线拟合得到轴线,用两根轴线之间的垂直距离来表示导线间距。图像中一根导线上每一点到另一根导线的垂直距离即为导线间距,分别计算四分裂导线中两两相邻导线之间的间距di,并按图像左、中、右三部分不同的标定值转换为空间距离Dji。当某处的导线间距Dji小于规程要求时,记录下该处与原点之间的空间距离S并发出警报,可以及时找到该导线段并采取相应的措施予以调整,消除导线粘连的安全隐患。
附图说明
图1是本发明输电线路分裂导线间距空间测量与定位方法的流程图;
图2是本发明输电线路分裂导线间距示意图;
图3是本发明输电线路分裂导线间距测量结果图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种输电线路分裂导线间距空间测量与定位方法,如图1所示,具体按照以下步骤实施:
步骤1:对摄像机进行标定,计算得到摄像机的内外参数;
具体的标定方法为:
步骤1.1,设标定板平面位于世界坐标系中Z=0的平面上,标定板上特征点的世界坐标为A(xw,yw,0),对应的图像坐标为a(uw,vw),可得下式:
式中为深度系数,M为相机的内参数,r1,r2为旋转向量,T为平移向量,H=M[r1 r2T]为世界坐标系相对于图像像素坐标系的旋转及平移向量即单应性矩阵,求解方程可以得到单应性矩阵H。定义一个矩阵E=M-TM-1,可得下式:
解方程组即可求得相机的内参数
步骤1.2,根据获得的单应性矩阵H和内参数M可以求得摄像机的外参数O为:
其中r1,r2,r3为旋转向量,T为平移向量。
步骤2:以摄像机能拍摄到互不重叠的四分裂导线为最佳角度进行拍摄,将采集到的一系列原始图像Image进行灰度化处理后得到Image1,用高斯滤波对图像中的一系列像素点(i,j)平滑处理得到Image2,然后采用最大类间方差法分割出导线区域Region。
具体的步骤为:
步骤2.1,将采集的图像灰度化处理得到Image1,并对其进行高斯滤波处理,具体步骤为:
将模板中心对准待检测像素点(i,j),计算模板内所有像素点的加权平均灰度值来代替模板中心的像素点值。常用的3*3模板为:
1/16 | 1/8 | 1/16 |
1/8 | 1/4 | 1/8 |
1/16 | 1/8 | 1/16 |
此时输出值可表示如下:
式中g(i,j)表示输出像素值,f(i,j)表示输入像素值。
用模板扫描整幅图像后得到滤波后的图像Image2。高斯滤波模板內每一邻域像素点的权值随该点与中心点距离的增加而减小,因此与均值滤波相比,能保留更多的图像细节信息。
步骤2.2,假设经滤波处理后的图像Image2有L个灰度级[1,2,...,L],最大类间方差法就是通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
其中Pl表示第l个灰度级像素点出现的概率。
两类的平均灰度级为:
其中是整幅图像的平均灰度级,则类间方差如公式(2-6),为:
按照公式(2-7)
计算出最佳门限s*即为分割阈值:
步骤2.3,利用s*对图像Image2进行处理,进行分割,将图像分为背景区域和导线区域Region,由此,得到导线区域Region。
步骤3:步骤2得到的导线区域Region在图像Image2中表现为一个矩形区域,提取骨架并用最小二乘法拟合即可得到导线的轴线Region1,用轴线之间的距离来代表两根导线之间的间距,具体的步骤是:
步骤3.1,为了测量两根导线之间的间距,利用骨架提取模板将导线细化为一条轴线,所述的骨架提取就是将图像Image2中的导线区域Region内的像素点标记为1,背景像素点标记为0,对图像Image2中所有标记为1的像素点都用如下的骨架提取常用的3×3模板进行操作:
d3 | d2 | d9 |
d4 | d1 | d8 |
d5 | d6 | d7 |
所述的骨架提取模板的第一行依次为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1。
中心点d1为待检测像素点,其邻域内的8个点分别标记为d2d3...d9,若同时满足下列4个条件:
(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;
(2)S(d1)=1,S(d1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;
(3)d2d4d6=0或者S(d1)≠1;
(4)d4d6d8=0或者S(d1)≠1。
则删除d1像素点,将导线区域内的所有像素点都代入该提取模板中,作为待检测点处理一次,即每个像素点都作为d1进行一次处理,这样进行反复迭代后,直至没有满足删除条件的点,这时剩下的点就组成了导线区域的骨架,即单像素宽的轴线。
步骤3.2,由于步骤3.1中得到的单像素宽轴线并不是一条平滑的直线,所以要用最小二乘法对其进行拟合,其原理就是寻求与单像素宽轴线上的给定点(xn,yn)的距离平方和为最小的直线y=a+bx,即:
分别对a,b求偏导得:
整理后得到方程组:
解上述方程组便可求得直线参数a和b的最佳估计值:
得到的函数y即为拟合后的轴线,将拟合后得到的导线轴线区域表示为Region1。
步骤4:计算图像Image2的Region1区域中一根导线上每一点(xm,ym)到另一根导线的垂直距离即可得到一系列的导线间距dt,分别计算四分裂导线中两两导线之间的间距;
具体的方法为:
假设一根导线上任意一点的坐标为(xm,ym),另一根导线的函数为y=a+bx,则一根导线上任意一点到另一根导线的垂直距离公式为:
由步骤3.2中得到的四分裂导线的函数分别为y1、y2、y3、y4,利用距离公式(4-1)分别计算两两导线之间的距离d1t,d2t,...。
步骤5:将图像Image2划分为左、中、右三部分,分别按不同的标定值将导线间距dt转换为空间距离Dgt当进行检测并判断是否存在安全隐患。
具体的步骤为:
步骤5.1,根据公式(5-1)将导线间距dt转换为空间距离Dgt,
对于两根平行的导线,由于实际拍摄图像中最左边部分的导线间距最大,越往右端导线间距越小,无穷远处甚至相交,所以将图像Image2划分为左、中、右三部分进行标定,在步骤1中的摄像机标定后,即可以得到某个像素点的实际空间坐标,然后根据两点之间的像素距离以及实际距离可以得到一个像素所代表的实际长度。标定后左边图中每一个像素所代表的实际长度为n1,中间图中每一个像素所代表的实际长度为n2,右边图中每一个像素所代表的实际长度为n3,则利用公式(5-1)计算两根导线之间的空间距离为:
Dgt=dt*ng(t=1,2,3,...,g=1,2,3) (5-1)
步骤5.2,监测并判断距离,实现故障点定位,
在进行监测时,首先,设导线上的第一个点为原点且其空间坐标为(E,F),当监测到导线上某点的Dgt小于规程要求时,将该点的像素坐标通过摄像机标定转化为空间坐标(E*,F*),并计算其与原点之间的距离记录下该距离DS并发出警报,及时找到该导线段并采取相应的措施予以调整,以消除导线粘连的安全隐患;否则继续监测下一个距离,直到所有的距离都监测完毕。
本发明方法的步骤4中,计算导线间距时,以y1和y2两根导线为例,间距示意图如图2所示,图中虚线区域表示分割后的导线区域Region,实线表示骨架提取并拟合后得到的导线轴线Region1,(xm,ym)表示导线y1轴线上的任意一点,d1t表示y1上任意一点(xm,ym)到导线y2之间的垂直距离即导线间距,每一处的导线间距都可以同理根据公式(4-1)计算出来。
本发明选取四分裂导线中任意两根导线为例,经过上述处理步骤后监测到的一系列导线间距dt如图3所示,图中可以看出每检测一个距离就会在两根导线之间产生一条垂直距离线,并将这一具体数值显示在图像左侧区域,左上角的灰色区域即为无数距离线汇合而成,左侧即为一系列导线间距的具体数值,说明本发明提出的方法可以利用以上所有相关的图像处理技术来得到分裂导线之间的距离,验证了其具有一定的实际可行性。
Claims (6)
1.一种输电线路分裂导线间距空间测量与定位方法,其特征在于,具体按照以下步骤实施:
步骤1:对摄像机进行标定,计算得到摄像机的内外参数;
步骤2:以摄像机能拍摄到互不重叠的四分裂导线为最佳角度进行拍摄,将采集到的一系列原始图像Image进行灰度化处理后得到Image1,用高斯滤波对图像中的一系列像素点(i,j)平滑处理得到Image2,然后采用最大类间方差法分割出导线区域Region;
步骤3:步骤2得到的导线区域Region在图像Image2中表现为一个矩形区域,提取骨架并用最小二乘法拟合即可得到导线的轴线Region1,用轴线之间的距离来代表两根导线之间的间距;
步骤4:计算图像Image2的Region1区域中一根导线上每一点(xm,ym)到另一根导线的垂直距离即可得到一系列的导线间距dt,分别计算四分裂导线中两两导线之间的间距;
步骤5:将图像Image2划分为左、中、右三部分,分别按不同的标定值将导线间距dt转换为空间距离Dgt当进行检测并判断是否存在安全隐患。
2.根据权利要求1所述的一种输电线路分裂导线间距空间测量与定位方法,其特征在于,所述的步骤1中具体的标定方法为,
步骤1.1,设标定板平面位于世界坐标系中Z=0的平面上,标定板上特征点的世界坐标为A(xw,yw,0),对应的图像坐标为a(uw,vw),可得下式:
式中为深度系数,M为相机的内参数,r1,r2为旋转向量,T为平移向量,H=M[r1 r2 T]为世界坐标系相对于图像像素坐标系的旋转及平移向量即单应性矩阵,求解方程可以得到单应性矩阵H;定义一个矩阵E=M-TM-1,可得下式:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>q</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mi>&mu;</mi>
<mo>/</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>q</mi>
<mi>y</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msub>
<mi>&mu;E</mi>
<mn>11</mn>
</msub>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
<msub>
<mi>E</mi>
<mn>22</mn>
</msub>
<mo>-</mo>
<msup>
<msub>
<mi>E</mi>
<mn>12</mn>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msub>
<mi>&gamma;v</mi>
<mn>0</mn>
</msub>
<mo>/</mo>
<msub>
<mi>q</mi>
<mi>x</mi>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mn>13</mn>
</msub>
<msup>
<msub>
<mi>q</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>/</mo>
<mi>&mu;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mn>12</mn>
</msub>
<msub>
<mi>E</mi>
<mn>13</mn>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
<msub>
<mi>E</mi>
<mn>23</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
<msub>
<mi>E</mi>
<mn>22</mn>
</msub>
<mo>-</mo>
<msup>
<msub>
<mi>E</mi>
<mn>12</mn>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&gamma;</mi>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>E</mi>
<mn>12</mn>
</msub>
<msup>
<msub>
<mi>q</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<msub>
<mi>q</mi>
<mi>y</mi>
</msub>
<mo>/</mo>
<mi>&mu;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&mu;</mi>
<mo>=</mo>
<msub>
<mi>E</mi>
<mn>33</mn>
</msub>
<mo>-</mo>
<mo>&lsqb;</mo>
<msup>
<msub>
<mi>E</mi>
<mn>13</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mn>12</mn>
</msub>
<msub>
<mi>E</mi>
<mn>13</mn>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
<msub>
<mi>E</mi>
<mn>23</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>/</mo>
<msub>
<mi>E</mi>
<mn>11</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
解方程组即可求得相机的内参数
步骤1.2,根据获得的单应性矩阵H和内参数M可以求得摄像机的外参数O为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msup>
<mi>&mu;M</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msub>
<mi>h</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msup>
<mi>&mu;M</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msub>
<mi>h</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>T</mi>
<mo>=</mo>
<msup>
<mi>&mu;M</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msub>
<mi>h</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中r1,r2,r3为旋转向量,T为平移向量。
3.根据权利要求1所述的一种输电线路分裂导线间距空间测量与定位方法,其特征在于,所述步骤2具体为:
步骤2.1,将采集的图像灰度化处理得到Image1,并对其进行高斯滤波处理,具体步骤为:
将模板中心对准待检测像素点(i,j),计算模板内所有像素点的加权平均灰度值来代替模板中心的像素点值;
此时输出值可表示如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>/</mo>
<mn>16</mn>
<mo>+</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>/</mo>
<mn>8</mn>
<mo>+</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中g(i,j)表示输出像素值,f(i,j)表示输入像素值;
用模板扫描整幅图像后得到滤波后的图像Image2,高斯滤波模板內每一邻域像素点的权值随该点与中心点距离的增加而减小,因此与均值滤波相比,能保留更多的图像细节信息;
步骤2.2,假设经滤波处理后的图像Image2有L个灰度级[1,2,...,L],最大类间方差法就是通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
<mrow>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Pl表示第l个灰度级像素点出现的概率;
两类的平均灰度级为:
<mrow>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<mi>l</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>|</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>lP</mi>
<mi>l</mi>
</msub>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<mi>l</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>|</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msub>
<mi>lP</mi>
<mi>l</mi>
</msub>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>&mu;</mi>
<mi>T</mi>
</msub>
<mo>-</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>/</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中是整幅图像的平均灰度级,则类间方差如公式(2-6),
<mrow>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>T</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>T</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&mu;</mi>
<mi>T</mi>
</msub>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
按照公式(2-7)
<mrow>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>s</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>s</mi>
<mo><</mo>
<mi>L</mi>
</mrow>
</munder>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>-</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
计算出最佳门限s*即为分割阈值;
步骤2.3,利用s*对图像Image2进行处理,进行分割,将图像分为背景区域和导线区域Region,由此,得到导线区域Region。
4.根据权利要求1所述的一种输电线路分裂导线间距空间测量与定位方法,其特征在于,所述步骤3具体为:
步骤3.1,为了测量两根导线之间的间距,利用骨架提取模板将导线细化为一条轴线,所述的骨架提取就是将图像Image2中的导线区域Region内的像素点标记为1,背景像素点标记为0,对图像Image2中所有标记为1的像素点都用如下的骨架提取常用的3×3模板进行操作:
所述的骨架提取模板的第一行依次为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1;
中心点d1为待检测像素点,其邻域内的8个点分别标记为d2d3...d9,若同时满足下列4个条件:
(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;
(2)S(d1)=1,S(d1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;
(3)d2d4d6=0或者S(d1)≠1;
(4)d4d6d8=0或者S(d1)≠1;
则删除d1像素点,将导线区域内的所有像素点都代入该提取模板中,作为待检测点处理一次,即每个像素点都作为d1进行一次处理,这样进行反复迭代后,直至没有满足删除条件的点,这时剩下的点就组成了导线区域的骨架,即单像素宽的轴线;
步骤3.2,由于步骤3.1中得到的单像素宽轴线并不是一条平滑的直线,所以要用最小二乘法对其进行拟合,其原理就是寻求与单像素宽轴线上的给定点(xn,yn)的距离平方和为最小的直线y=a+bx,即:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>+</mo>
<msub>
<mi>bx</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mi>min</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
分别对a,b求偏导得:
<mrow>
<mo>{</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mo>&part;</mo>
<mrow>
<mo>&part;</mo>
<mi>a</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>+</mo>
<msub>
<mi>bx</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mi>a</mi>
<mo>-</mo>
<msub>
<mi>bx</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mo>&part;</mo>
<mrow>
<mo>&part;</mo>
<mi>b</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>+</mo>
<msub>
<mi>bx</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>+</mo>
<msub>
<mi>bx</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
整理后得到方程组:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>N</mi>
<mo>+</mo>
<mi>b</mi>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mo>&Sigma;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
<mo>&Sigma;</mo>
<msubsup>
<mi>x</mi>
<mi>n</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
解上述方程组便可求得直线参数a和b的最佳估计值:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<mi>a</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msubsup>
<mi>x</mi>
<mi>n</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msubsup>
<mi>x</mi>
<mi>n</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msubsup>
<mi>x</mi>
<mi>n</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mo>&Sigma;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
得到的函数y即为拟合后的轴线,将拟合后得到的导线轴线区域表示为Region1。
5.根据权利要求1所述的一种输电线路分裂导线间距空间测量与定位方法,其特征在于,所述步骤4具体为:
假设一根导线上任意一点的坐标为(xm,ym),另一根导线的函数为y=a+bx,则一根导线上任意一点到另一根导线的垂直距离公式为:
<mrow>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<mi>a</mi>
<mo>+</mo>
<msub>
<mi>bx</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>m</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<msqrt>
<mrow>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>...</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
由步骤3.2中得到的四分裂导线的函数分别为y1、y2、y3、y4,利用距离公式(4-1)分别计算两两导线之间的距离d1t,d2t,...。
6.根据权利要求1所述的一种输电线路分裂导线间距空间测量与定位方法,其特征在于,所述步骤5具体为:
步骤5.1,根据公式(5-1)将导线间距dt转换为空间距离Dgt,
对于两根平行的导线,由于实际拍摄图像中最左边部分的导线间距最大,越往右端导线间距越小,无穷远处甚至相交,所以将图像Image2划分为左、中、右三部分进行标定,在步骤1中的摄像机标定后,即可以得到某个像素点的实际空间坐标,然后根据两点之间的像素距离以及实际距离可以得到一个像素所代表的实际长度;标定后左边图中每一个像素所代表的实际长度为n1,中间图中每一个像素所代表的实际长度为n2,右边图中每一个像素所代表的实际长度为n3,则利用公式(5-1)计算两根导线之间的空间距离为:
Dgt=dt*ng(t=1,2,3,...,g=1,2,3) (5-1)
步骤5.2,监测并判断距离,实现故障点定位,
在进行监测时,首先,设导线上的第一个点为原点且其空间坐标为(E,F),当监测到导线上某点的Dgt小于规程要求时,将该点的像素坐标通过摄像机标定转化为空间坐标(E*,F*),并计算其与原点之间的距离记录下该距离DS并发出警报,及时找到该导线段并采取相应的措施予以调整,以消除导线粘连的安全隐患;否则继续监测下一个距离,直到所有的距离都监测完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711020861.6A CN107818563B (zh) | 2017-10-26 | 2017-10-26 | 一种输电线路分裂导线间距空间测量与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711020861.6A CN107818563B (zh) | 2017-10-26 | 2017-10-26 | 一种输电线路分裂导线间距空间测量与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107818563A true CN107818563A (zh) | 2018-03-20 |
CN107818563B CN107818563B (zh) | 2021-06-08 |
Family
ID=61604322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711020861.6A Active CN107818563B (zh) | 2017-10-26 | 2017-10-26 | 一种输电线路分裂导线间距空间测量与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818563B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448045A (zh) * | 2018-10-23 | 2019-03-08 | 南京华捷艾米软件科技有限公司 | 基于slam的平面多边形物体测量方法及机器可读存储介质 |
CN109685856A (zh) * | 2018-12-25 | 2019-04-26 | 上海联影智能医疗科技有限公司 | 医学扫描物体运动幅度计算方法、装置、设备和存储介质 |
CN112361977A (zh) * | 2020-11-10 | 2021-02-12 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN113033131A (zh) * | 2019-12-24 | 2021-06-25 | 广东科诺勘测工程有限公司 | 一种输电线路极端工况模拟的导线安全性检测方法 |
CN116804532A (zh) * | 2023-08-24 | 2023-09-26 | 苏州中科行智智能科技有限公司 | 一种平行线段间距离的3d测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005314706A (ja) * | 1994-07-12 | 2005-11-10 | Nippon Shokubai Co Ltd | 有機質無機質複合体粒子、その製造方法およびその用途 |
CN202050218U (zh) * | 2011-04-29 | 2011-11-23 | 吉林省电力有限公司通化供电公司 | 高压输电线路防舞动防粘连防鞭击系统 |
CN103177241A (zh) * | 2013-02-06 | 2013-06-26 | 华北电力大学 | 利用视频图像处理技术定位输电线路间隔棒的方法 |
CN103995209A (zh) * | 2014-04-04 | 2014-08-20 | 国家电网公司 | 220kV分裂导线粘连状态检测方法 |
CN106813585A (zh) * | 2016-12-09 | 2017-06-09 | 河南送变电工程公司 | 一种间隔棒距离测量及安装方法 |
CN107179485A (zh) * | 2017-05-22 | 2017-09-19 | 中国电力科学研究院 | 一种无人机输电线路巡检作业相地安全距离试验方法 |
-
2017
- 2017-10-26 CN CN201711020861.6A patent/CN107818563B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005314706A (ja) * | 1994-07-12 | 2005-11-10 | Nippon Shokubai Co Ltd | 有機質無機質複合体粒子、その製造方法およびその用途 |
CN202050218U (zh) * | 2011-04-29 | 2011-11-23 | 吉林省电力有限公司通化供电公司 | 高压输电线路防舞动防粘连防鞭击系统 |
CN103177241A (zh) * | 2013-02-06 | 2013-06-26 | 华北电力大学 | 利用视频图像处理技术定位输电线路间隔棒的方法 |
CN103995209A (zh) * | 2014-04-04 | 2014-08-20 | 国家电网公司 | 220kV分裂导线粘连状态检测方法 |
CN106813585A (zh) * | 2016-12-09 | 2017-06-09 | 河南送变电工程公司 | 一种间隔棒距离测量及安装方法 |
CN107179485A (zh) * | 2017-05-22 | 2017-09-19 | 中国电力科学研究院 | 一种无人机输电线路巡检作业相地安全距离试验方法 |
Non-Patent Citations (3)
Title |
---|
WENLONG YI ET AL.: "A Stream Processing Approach to Distance Measurement of Integers in p-adic Metric Space", 《IEEE》 * |
常增亮: "输电线路大跨越段导线空间距离测量新方法", 《岩土工程·勘测》 * |
张运周,李明: "输电线路分裂导线粘连在线监测系统的设计与实现", 《ELECTRIC POWER ICT》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448045A (zh) * | 2018-10-23 | 2019-03-08 | 南京华捷艾米软件科技有限公司 | 基于slam的平面多边形物体测量方法及机器可读存储介质 |
CN109685856A (zh) * | 2018-12-25 | 2019-04-26 | 上海联影智能医疗科技有限公司 | 医学扫描物体运动幅度计算方法、装置、设备和存储介质 |
US11055855B2 (en) | 2018-12-25 | 2021-07-06 | Shanghai United Imaging Intelligence Co., Ltd. | Method, apparatus, device, and storage medium for calculating motion amplitude of object in medical scanning |
CN113033131A (zh) * | 2019-12-24 | 2021-06-25 | 广东科诺勘测工程有限公司 | 一种输电线路极端工况模拟的导线安全性检测方法 |
CN112361977A (zh) * | 2020-11-10 | 2021-02-12 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN112361977B (zh) * | 2020-11-10 | 2021-05-28 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN116804532A (zh) * | 2023-08-24 | 2023-09-26 | 苏州中科行智智能科技有限公司 | 一种平行线段间距离的3d测量方法 |
CN116804532B (zh) * | 2023-08-24 | 2023-11-28 | 苏州中科行智智能科技有限公司 | 一种平行线段间距离的3d测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107818563B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818563A (zh) | 一种输电线路分裂导线间距空间测量与定位方法 | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN104361314B (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
CN105023014B (zh) | 一种无人机巡检输电线路图像内的杆塔目标提取方法 | |
CN106407928B (zh) | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 | |
CN107742093A (zh) | 一种红外图像电力设备部件实时检测方法、服务器及系统 | |
CN109472315B (zh) | 一种基于深度可分离卷积的目标检测方法和系统 | |
CN106504238A (zh) | 基于图像处理和卷积神经网络的铁路接触网缺陷检测方法 | |
CN109829908B (zh) | 基于双目影像的电力线下方地物安全距离检测方法及设备 | |
CN107067018A (zh) | 一种基于随机Hough变换和SVM的带电作业机器人螺栓识别方法 | |
CN104778446A (zh) | 一种图像质量评价与人脸识别效率关系模型的构建方法 | |
CN107274422A (zh) | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 | |
CN108416803A (zh) | 一种基于深度神经网络的多信息融合的场景深度恢复方法 | |
CN109117717A (zh) | 一种城市行人检测方法 | |
CN107992899A (zh) | 一种机场场面运动目标检测识别方法 | |
CN115965578A (zh) | 一种基于通道注意力机制的双目立体匹配检测方法及装置 | |
CN114092478A (zh) | 一种异常检测方法 | |
CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
CN112330675B (zh) | 基于AOD-Net的交通道路图像大气能见度检测方法 | |
CN114241522A (zh) | 现场作业安全穿戴识别方法、系统、设备及存储介质 | |
CN106482648A (zh) | 基于不动点的远距离面内小位移绝对监测装置及方法 | |
CN116071299A (zh) | 一种绝缘子rtv喷涂缺陷检测方法及系统 | |
CN116129039A (zh) | 一种输电线路的三维点云生成方法、装置及存储介质 | |
CN105043275A (zh) | 基于图像处理的输电导线覆冰厚度测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |