CN109711368B - 高空电缆线危险区域图像识别方法 - Google Patents
高空电缆线危险区域图像识别方法 Download PDFInfo
- Publication number
- CN109711368B CN109711368B CN201811635158.0A CN201811635158A CN109711368B CN 109711368 B CN109711368 B CN 109711368B CN 201811635158 A CN201811635158 A CN 201811635158A CN 109711368 B CN109711368 B CN 109711368B
- Authority
- CN
- China
- Prior art keywords
- line segment
- intersection point
- effective
- intersection
- line
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种高空电缆线危险区域图像识别方法,包括以下步骤:二值图获取步骤、坐标建立步骤、线段信息提取步骤、线段信息筛选步骤、有效点计算步骤、有效点类聚步骤、类聚点集筛选步骤、最大距离计算步骤、交汇区确定步骤、线段信息重新提取步骤、线段信息重新筛选步骤、交点计算步骤、交点筛选步骤、最左侧交点和最右侧交点计算步骤、交点偏移步骤、危险区域选定步骤。本发明的高空电缆线危险区域图像识别方法,自动划分危险区域,使监控系统能根据危险区域内的视频图像动态变化对可能存在的风险及类别进行识别。
Description
技术领域
本发明涉及电力设施领域,特别涉及一种高空电缆线危险区域图像识别方法。
背景技术
在国家经济建设中,电力供应是各企业单位生产任务能够顺利完成的基本保障。高空线缆输电仍然是当前供电系统中主流的输电方式。然而高空线缆通常是暴露在室外,受到雷电,冰雹,暴雪,飞鸟,吊车施工,人为偷盗等外界因素的破坏可能会造成线缆损坏而导致输电中断,严重的还会造成人身伤亡及火灾等重大安全事故。因而,对户外线缆实施视频监控可以及时发现风险并进行预防处理,避免发生输电中断和安全事故,或者在输电线缆遭到破环时第一时间采取补救措施,把损失降到尽可能低的水平。由于我国电网系统遍布全国各省,户外输电线缆数量众多,采用人工实时监测视频会耗用大量的人力资源,投入产出比很差。应用计算机视觉技术实现自动捕捉实时监控到的视频图像中的信息,筛选并预测可能存在的风险,及时自动产生报警信息给相关管理人员处理是一个比较理想的解决办法。为了有效的判断风险通常需要监控系统能自动识别图片中线缆的所在的位置,并根据这个区域划分出危险区域并进行重点监控。但是由于每个高空线缆的布置,走向,周边环境以及在视频设备中的视角都存在较大差异,使得每个视频设备所对应的线缆位置和需要划分的危险区域都不一样并且没有任何分布规律。因此,需要设计一种方法,能够根据提取图像中的重要特征,根据相应特征确定线缆所在的位置并自动划分危险区域。
发明内容
本发明主要解决的技术问题是提供了一种高空电缆线危险区域图像识别方法,自动划分危险区域,使监控系统能根据危险区域内的视频图像动态变化对可能存在的风险及类别进行识别。
为解决上述问题,本发明提供了一种高空电缆线危险区域图像识别方法,包括以下步骤:二值图获取步骤,将高空电缆线的原始图像转为灰度图,二值化处理所述灰度图得到二值图;坐标建立步骤,在二值图上建立坐标,包括表示行向的X轴和表示纵向的Y轴;线段信息提取步骤,根据设定的第一线段参数从所述二值图中提取线段信息;线段信息筛选步骤,根据设定的第二线段参数从所述线段信息中筛选有效线段信息;有效点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线中的有效点,并计算每一所述有效点的坐标信息;有效点类聚步骤,设定的第一筛选间距,在同一行上,计算任意两个有效点之间的实际间距,将实际间距在所述第一筛选间距范围内的有效点进行类聚,得到类聚点集;类聚点集筛选步骤,计算每一类聚点集中的有效点个数,在同一行上,逐一对比并筛选出有效点个数最多的类聚点集,将该有效点个数最多的类聚点集作为本行的关键点集;最大距离计算步骤,计算每一所述关键点集中任意两个所述有效点之间的距离并对比,得到所述关键点集中所述有效点之间的最大距离;交汇区确定步骤,对比所有所述关键点集中所述有效点之间的最大距离,得到最小的所述有效点之间的最大距离,并确定该最小的所述有效点之间的最大距离所对应的关键点集的所在位置为所有有效线段中电缆延伸线向电线杆汇聚的交汇区;线段信息重新提取步骤,根据设定的第三线段参数从所述二值图中重新提取线段信息;线段信息重新筛选步骤,根据设定的第四线段参数从重新提取的线段信息中筛选有效线段信息;交点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线,并计算所述有效线段及其延伸线与所述交汇区所在行的交点;交点筛选步骤,设定第二筛选间距,计算每一所述交点与所述交汇区之间的实际距离,删除实际距离在所述第二筛选间距内的所述交点以及该交点所对应的有效线段及其延伸线;最左侧交点和最右侧交点计算步骤,计算所有有效线段及延伸线与首行的交点,并得到最左侧的第一交点和最右侧的第二交点;计算所有所述有效线段及延伸线与所述交汇区在同一行上的交点,并得到最左侧的第三交点和最右侧的第四交点;交点偏移步骤,将所述第一交点向左偏移得到第一左偏交点,将所述第二交点向右侧偏移得到第二右偏交点,将所述第三交点向左侧偏移得到第三左偏交点,将所述第四交点向右侧偏移得到第四右偏交点,将所述第三交点向下偏移得到第三下移交点,将所述第四交点向下偏移得到第四下移交点;危险区域选定步骤,连接所述第一左偏交点、第二右偏交点、第三左偏交点、第三下移交点、第四下移交点、第四右偏交点,形成六边形区域,该六边形区域为所述危险区域。
在本发明一实施例中,在所述二值图获取步骤之前,还包括原始图像获取步骤,视频获取步骤,实时捕获监控范围内的高空电缆线的视频;视频处理步骤,对视频进行处理获取每帧图像。
在本发明一实施例中,在所述线段信息提取步骤中,还包括根据Canny算法以及设定的相应阈值提取图像全部边缘。
在本发明一实施例中,在所述线段信息提取步骤中,所述第一线段参数包括线段之间第一最大间隔、第一最小长度、第一最小概率,采用HoughLinesP算法提取二值图中的线段信息。
在本发明一实施例中,在所述线段信息筛选步骤中,所述第二线段参数包括第一线段长度设定值、第一线段斜率设定值,在所述坐标中设定一起始位置,根据该起始位置以及所述第二线段参数筛选出有效线段信息。
在本发明一实施例中,在所述线段信息重新提取步骤中,所述第三线段参数包括线段之间第二最大间隔、第二最小长度、第二最小概率,采用HoughLinesP算法提取二值图中的线段信息。
在本发明一实施例中,所述第一最大间隔小于所述第二最大间隔,所述第一最小长度小于第二最小长度,所述第一最小概率小于所述第二最小概率。
在本发明一实施例中,在所述线段信息重新筛选步骤中,所述第四线段参数包括第二线段长度设定值、第二线段斜率设定值,在所述坐标中设定一起始位置,根据该起始位置以及所述第四线段参数筛选出有效线段信息。
在本发明一实施例中,所述第二线段长度设定值与第一线段长度设定值一致,所述第二线段斜率设定值与所述第一线段斜率设定值一致。
在本发明一实施例中,在所述交点偏移步骤中,所述原始图像的尺寸与高空电缆线危险区域的实际尺寸存在比例参数,每一所述交点的偏移距离与所述比例参数相关。
本发明的有益效果在于:本发明高空电缆线危险区域图像识别方法,通过将图像转为灰度图,并选取合理的阈值进行二值化,可以最大限度的降低不同时段背景变化的影响。采用较严的阈值条件进行第一次提取图像中的线段特征,并通过逐行查找和聚类的方法,可以自动排除环境中的噪声干扰而准确找到线缆向电线杆交汇方向的几何交点区域。数据较松的阈值条件进行第二次提取图像中的线段信息,并根据找到的线缆向电线杆交汇方向的几何交点区域为依据再次确认线缆的位置,可以自动排除环境中的噪声干扰而准确找到线缆的位置。具有智能判断功能,不需要对图像区域做预先设定就可以自动查找线缆及所在区域,也不需要大量的图像信息进行模型训练。具有较强的抗干扰性,即使前方视野空间有遮挡和噪声干扰也能准确判断线缆所在区域。
附图说明
下面结合附图和实施例对本发明作进一步解释。
图1为本发明的高空电缆线危险区域图像识别方法步骤流程图。
图2为本发明的处理后得到的高空电缆走线的二值图。
图3为本发明的线段信息提取步骤和线段信息筛选步骤中,按照第二线段参数初次筛选线缆的示例图,图中筛选出的电缆所在的线段为图中黑色粗线部分所示。
图4为本发明的交汇区确定步骤中,查找线缆向电线杆延伸的示例图,图中交汇区域如图中的黑色横线所示。
图5为本发明的线段信息重新筛选步骤中,再次查找线缆所在的线段的示例图,图中线缆如图中黑色粗线所示。
图6为本发明的交点筛选步骤中,再次筛选线缆所在的线段的示例图,图中线缆所在的线段如图中黑色粗线所示。
图7为本发明的危险区域选定步骤中,得到的线缆需要重点监测的危险区域的示例图,图中危险区域如黑色粗线所示。
具体实施方式
以下实施例的说明是参考附加的图式,用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语,例如「上」、「下」、「前」、「后」、「左」、「右」、「顶」、「底」等,仅是参考附加图式的方向。因此,使用的方向用语是用以说明及理解本发明,而非用以限制本发明。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
如图1所示,在一实施例中,本发明的高空电缆线危险区域图像识别方法,是基于相应的图像识别系统来实现的。该图像识别系统硬件设备包括至少一个集成视频成像单元和图像处理单元,视频的获取通过集成视频成像单元来完成,视频和图像的处理通过图像处理单元完成,集成视频成像单元可以包括高清摄像头等,具体包括以下步骤。
原始图像获取步骤,包括视频获取步骤和视频处理步骤。所述视频获取步骤中,集成视频成像单元实时捕获监控范围内的高空电缆线的视频;在所述视频处理步骤中,图像处理单元对视频进行处理并获取每帧图像。
二值图获取步骤:将高空电缆线的原始图像转为灰度图,原始图像即图像处理单元处理视频后得到的每帧图像。二值化处理所述灰度图得到二值图。二值图像中,灰度等级只有两种,也就是说,图像中的任何像素不是0就是1,再无其他过渡的灰度值。如图2所示,图2为本实施例中提供的处理后得到的高空电缆走线的二值图。
坐标建立步骤,在二值图上建立坐标,包括表示行向的X轴和表示纵向的Y轴。本实施例中,坐标采用直角坐标系,坐标建立时,可以选定一初始位置作为X轴、Y轴的交汇点,可标记为坐标(0,0),该初始位置可以选定在整个二值图的顶行最左侧的一个点,当然也可以选定在其他位置。
线段信息提取步骤,根据设定的第一线段参数从所述二值图中提取线段信息;在所述线段信息提取步骤中,还包括根据Canny算法以及设定的相应阈值提取图像全部边缘,以防遗漏有效的区域。所述第一线段参数包括线段之间第一最大间隔、第一最小长度、第一最小概率,采用HoughLinesP算法提取二值图中的线段信息。如,当二值图中,某一线段与其他线段的间隔符合线段之间第一最大间隔限定条件的要求,以及某一线段的长度符合第一最小长度的要求等,该线段信息即可被提取出,而其余不符合第一线段参数条件要求的干扰信息滤除掉。
线段信息筛选步骤,根据设定的第二线段参数从所述线段信息中筛选有效线段信息;在所述线段信息筛选步骤中,所述第二线段参数包括第一线段长度设定值、第一线段斜率设定值,此作为筛选条件阈值,在所述坐标中的起始位置,根据该起始位置以及所述第二线段参数筛选出有效线段信息。如根据线段信息,计算每一线段的斜率,将不符合第一线段斜率设定值的线段信息过滤掉,同理,计算每一所述线段的长度,将不符合第一线段长度设定值的线段过滤掉,筛选出有效线段信息。如图3所示,图3为图像处理单元按照第二线段参数初次筛选线缆的示例图,筛选出的电缆所在的线段为黑色粗线部分所示。
有效点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线中的有效点,并计算每一所述有效点的坐标信息。在该步骤中,图像处理单元根据筛选出来的线段信息,逐行求取每条线段及延伸线与每行的交点,并将该交点标记为有效点。
有效点类聚步骤,设定的第一筛选间距,在同一行上,计算任意两个有效点之间的实际间距,将实际间距在所述第一筛选间距范围内的有效点进行类聚,得到类聚点集。在有效点类聚步骤中,图像处理单元按照第一筛选间距,即点与点之间的相对距离阈值(Dist)逐行对交点进行聚类,把距离小于Dist的交点聚为一个点集。
类聚点集筛选步骤,计算每一类聚点集中的有效点个数,在同一行上,逐一对比并筛选出有效点个数最多的类聚点集,将该有效点个数最多的类聚点集作为本行的关键点集。在所述类聚点集筛选步骤中,图像处理单元对每行的有效点聚类进行筛选,选取交点元素最多的点集作为本行的关键点集。
最大距离计算步骤,计算每一所述关键点集中任意两个所述有效点之间的距离并对比,得到所述关键点集中所述有效点之间的最大距离。
交汇区确定步骤,对比所有所述关键点集中所述有效点之间的最大距离,得到最小的所述有效点之间的最大距离,并确定该最小的所述有效点之间的最大距离所对应的关键点集的所在位置为所有有效线段中电缆延伸线向电线杆汇聚的交汇区。在所述交汇区确定步骤中,图像处理单元对图像中每行的关键点集的所有点的最大相对距离(MaxD)进行排序,选取最小的最大相对距离(MaxD|min),并确认这行的关键点集为所有电缆延伸线向电线杆汇聚的交汇区(PGA)。如图4所示,图像处理单元按照类聚点集筛选步骤得到的结果,查找线缆向电线杆延伸的示例图,其中交汇区域如图中的黑色横线所示。
线段信息重新提取步骤,根据设定的第三线段参数从所述二值图中重新提取线段信息。该步骤与所述的线段信息提取步骤相似,不同之处在于,本步骤中的所述第三线段参数包括线段之间第二最大间隔、第二最小长度、第二最小概率,采用HoughLinesP算法提取二值图中的线段信息。所述第一最大间隔小于所述第二最大间隔,所述第一最小长度小于第二最小长度,所述第一最小概率小于所述第二最小概率,以尽可能保留能够识别到的线段。
线段信息重新筛选步骤,根据设定的第四线段参数从重新提取的线段信息中筛选有效线段信息。本步骤与所述的线段信息筛选步骤相似,所述第四线段参数包括第二线段长度设定值、第二线段斜率设定值,在所述坐标中设定一起始位置,根据该起始位置以及所述第四线段参数筛选出有效线段信息。所述第二线段长度设定值与第一线段长度设定值一致,所述第二线段斜率设定值与所述第一线段斜率设定值一致。如图5所示,图5为图像处理单元按照第三线段参数再次查找线缆所在的线段的示例图,线缆如图中黑色粗线所示。
交点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线,并计算所述有效线段及其延伸线与所述交汇区所在行的交点。
交点筛选步骤,设定第二筛选间距,计算每一所述交点与所述交汇区之间的实际距离,删除实际距离在所述第二筛选间距内的所述交点以及该交点所对应的有效线段及其延伸线。如图6所示,图6为图像处理单元按照第二筛选间距及线段与交汇区域的距离再次筛选线缆所在的线段的示例图,线缆所在的线段如图中黑色粗线所示。
最左侧交点和最右侧交点计算步骤,计算所有有效线段及延伸线与首行的交点,并得到最左侧的第一交点和最右侧的第二交点,如最左侧的交点坐标为(12,1),最右侧的交点坐标为(100,1)。计算所有所述有效线段及延伸线与所述交汇区在同一行上的交点,并得到最左侧的第三交点和最右侧的第四交点;如最左侧的第三交点坐标为(23,6);最右侧的第四交点坐标为(149,43),实际上第三交点坐标为一交点集,第四交点坐标也为一交点集。
交点偏移步骤,将所述第一交点向左偏移得到第一左偏交点,如得到第一左偏交点坐标(2,1);将所述第二交点向右侧偏移得到第二右偏交点,如得到第二右偏交点坐标(110,1);将所述第三交点向左侧偏移得到第三左偏交点,如得到第三左偏交点坐标(13,6);将所述第四交点向右侧偏移得到第四右偏交点,如得到第四右偏交点坐标(159,43);将所述第三交点向下偏移得到第三下移交点,如得到第三下移交点坐标(23,16);将所述第四交点向下偏移得到第四下移交点,如得到第四下移交点坐标(149,53)。在所述交点偏移步骤中,所述原始图像的尺寸与高空电缆线危险区域的实际尺寸存在比例参数,每一所述交点的偏移距离与所述比例参数相关,本实施例中偏移值为10,单位为mm。
危险区域选定步骤,连接所述第一左偏交点、第二右偏交点、第三左偏交点、第三下移交点、第四下移交点、第四右偏交点,形成六边形区域,该六边形区域为所述危险区域。如图7所示,图7为图像处理单元提取顶层和交汇层的线段的两侧边缘点,即第一左偏交点、第二右偏交点、第三左偏交点、第三下移交点、第四下移交点、第四右偏交点,得到线缆需要重点监测的危险区域的示例图,图中危险区域如黑色粗线所示。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (7)
1.一种高空电缆线危险区域图像识别方法,其特征在于,包括以下步骤:
二值图获取步骤,将高空电缆线的原始图像转为灰度图,二值化处理所述灰度图得到二值图;
坐标建立步骤,在二值图上建立坐标,包括表示行向的X轴和表示纵向的Y轴;
线段信息提取步骤,根据设定的第一线段参数从所述二值图中提取线段信息;
线段信息筛选步骤,根据设定的第二线段参数从所述线段信息中筛选有效线段信息;
有效点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线中的有效点,并计算每一所述有效点的坐标信息;
有效点类聚步骤,设定的第一筛选间距,在同一行上,计算任意两个有效点之间的实际间距,将实际间距在所述第一筛选间距范围内的有效点进行类聚,得到类聚点集;
类聚点集筛选步骤,计算每一类聚点集中的有效点个数,在同一行上,逐一对比并筛选出有效点个数最多的类聚点集,将该有效点个数最多的类聚点集作为本行的关键点集;
最大距离计算步骤,计算每一所述关键点集中任意两个所述有效点之间的距离并对比,得到所述关键点集中所述有效点之间的最大距离;
交汇区确定步骤,对比所有所述关键点集中所述有效点之间的最大距离,得到最小的所述有效点之间的最大距离,并确定该最小的所述有效点之间的最大距离所对应的关键点集的所在位置为所有有效线段中电缆延伸线向电线杆汇聚的交汇区;
线段信息重新提取步骤,根据设定的第三线段参数从所述二值图中重新提取线段信息;
线段信息重新筛选步骤,根据设定的第四线段参数从重新提取的线段信息中筛选有效线段信息;
交点计算步骤,根据有效线段信息标记对应的有效线段及其延伸线,并计算所述有效线段及其延伸线与所述交汇区所在行的交点;
交点筛选步骤,设定第二筛选间距,计算每一所述交点与所述交汇区之间的实际距离,删除实际距离在所述第二筛选间距内的所述交点以及该交点所对应的有效线段及其延伸线;
最左侧交点和最右侧交点计算步骤,计算所有有效线段及延伸线与首行的交点,并得到最左侧的第一交点和最右侧的第二交点;计算所有所述有效线段及延伸线与所述交汇区在同一行上的交点,并得到最左侧的第三交点和最右侧的第四交点;
交点偏移步骤,将所述第一交点向左偏移得到第一左偏交点,将所述第二交点向右侧偏移得到第二右偏交点,将所述第三交点向左侧偏移得到第三左偏交点,将所述第四交点向右侧偏移得到第四右偏交点,将所述第三交点向下偏移得到第三下移交点,将所述第四交点向下偏移得到第四下移交点;
危险区域选定步骤,连接所述第一左偏交点、第二右偏交点、第三左偏交点、第三下移交点、第四下移交点、第四右偏交点,形成六边形区域,该六边形区域为所述危险区域;
在所述线段信息提取步骤中,所述第一线段参数包括线段之间第一最大间隔、第一最小长度、第一最小概率,采用HoughLinesP算法提取二值图中的线段信息;
在所述线段信息重新提取步骤中,所述第三线段参数包括线段之间第二最大间隔、第二最小长度、第二最小概率,采用HoughLinesP算法提取二值图中的线段信息;
所述第一最大间隔小于所述第二最大间隔,所述第一最小长度小于第二最小长度,所述第一最小概率小于所述第二最小概率。
2.根据权利要求1所述的高空电缆线危险区域图像识别方法,其特征在于,在所述二值图获取步骤之前,还包括原始图像获取步骤,所述原始图像获取步骤包括:
视频获取步骤,实时捕获监控范围内的高空电缆线的视频;
视频处理步骤,对视频进行处理获取每帧图像。
3.根据权利要求1所述的高空电缆线危险区域图像识别方法,其特征在于,在所述线段信息提取步骤中,还包括根据Canny算法以及设定的相应阈值提取图像全部边缘。
4.根据权利要求1所述的高空电缆线危险区域图像识别方法,其特征在于,在所述线段信息筛选步骤中,所述第二线段参数包括第一线段长度设定值、第一线段斜率设定值,在所述坐标中设定一起始位置,根据该起始位置以及所述第二线段参数筛选出有效线段信息。
5.根据权利要求4所述的高空电缆线危险区域图像识别方法,其特征在于,在所述线段信息重新筛选步骤中,所述第四线段参数包括第二线段长度设定值、第二线段斜率设定值,在所述坐标中设定一起始位置,根据该起始位置以及所述第四线段参数筛选出有效线段信息。
6.根据权利要求5所述的高空电缆线危险区域图像识别方法,其特征在于,所述第二线段长度设定值与第一线段长度设定值一致,所述第二线段斜率设定值与所述第一线段斜率设定值一致。
7.根据权利要求1所述的高空电缆线危险区域图像识别方法,其特征在于,在所述交点偏移步骤中,所述原始图像的尺寸与高空电缆线危险区域的实际尺寸存在比例参数,每一所述交点的偏移距离与所述比例参数相关。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635158.0A CN109711368B (zh) | 2018-12-29 | 2018-12-29 | 高空电缆线危险区域图像识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635158.0A CN109711368B (zh) | 2018-12-29 | 2018-12-29 | 高空电缆线危险区域图像识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109711368A CN109711368A (zh) | 2019-05-03 |
| CN109711368B true CN109711368B (zh) | 2023-04-14 |
Family
ID=66259499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811635158.0A Active CN109711368B (zh) | 2018-12-29 | 2018-12-29 | 高空电缆线危险区域图像识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711368B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5434781A (en) * | 1993-08-13 | 1995-07-18 | Control Engineering Company | Method and apparatus for guiding a driverless vehicle using a sensor tracking a cable emitting an electromagnetic field |
| DE102007048485A1 (de) * | 2007-10-09 | 2009-04-23 | Db Netz Ag | Verfahren zur automatischen Erfassung von kritischen Bereichen eines Fahrdrahtes der Oberleitung von schienengebundenen Fahrzeugen |
| CN101625723A (zh) * | 2009-07-02 | 2010-01-13 | 浙江省电力公司 | 电力线轮廓的快速图像识别方法 |
| CN101917777A (zh) * | 2010-08-03 | 2010-12-15 | 北京航空航天大学 | 基于邻居节点间协作的无线传感器网络节点休眠资格判断方法 |
| JP2012150595A (ja) * | 2011-01-18 | 2012-08-09 | Toyota Central R&D Labs Inc | 一時停止線検出装置及びプログラム |
| CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
| CN103020601A (zh) * | 2012-12-13 | 2013-04-03 | 北京航空航天大学 | 高压线视觉检测方法和装置 |
| CN103324934A (zh) * | 2013-06-19 | 2013-09-25 | 北京理工大学 | 基于平行结构检测与聚类的血管中心线自动提取方法 |
| WO2014016814A2 (en) * | 2012-07-27 | 2014-01-30 | University Of Kwazulu-Natal | An apparatus for use on a cable; and a system for and method of inspecting a cable |
| CN104240290A (zh) * | 2014-07-23 | 2014-12-24 | 浙江工业大学 | 一种基于包围球模型的三维电缆相交检测方法 |
| CN106326808A (zh) * | 2015-06-23 | 2017-01-11 | 上海深邃智能科技有限公司 | 基于无人机图像的检测输电线路杆塔鸟窝的方法 |
| 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 |
| CN108985143A (zh) * | 2018-05-10 | 2018-12-11 | 国电南瑞科技股份有限公司 | 一种基于无人机图像识别架空输电线路铁塔结构的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITMI20121156A1 (it) * | 2012-06-29 | 2013-12-30 | Consiglio Nazionale Ricerche | Metodo di elaborazione di immagini di tomografia a coerenza ottica |
| CN106356757B (zh) * | 2016-08-11 | 2018-03-20 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
-
2018
- 2018-12-29 CN CN201811635158.0A patent/CN109711368B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5434781A (en) * | 1993-08-13 | 1995-07-18 | Control Engineering Company | Method and apparatus for guiding a driverless vehicle using a sensor tracking a cable emitting an electromagnetic field |
| DE102007048485A1 (de) * | 2007-10-09 | 2009-04-23 | Db Netz Ag | Verfahren zur automatischen Erfassung von kritischen Bereichen eines Fahrdrahtes der Oberleitung von schienengebundenen Fahrzeugen |
| CN101625723A (zh) * | 2009-07-02 | 2010-01-13 | 浙江省电力公司 | 电力线轮廓的快速图像识别方法 |
| CN101917777A (zh) * | 2010-08-03 | 2010-12-15 | 北京航空航天大学 | 基于邻居节点间协作的无线传感器网络节点休眠资格判断方法 |
| JP2012150595A (ja) * | 2011-01-18 | 2012-08-09 | Toyota Central R&D Labs Inc | 一時停止線検出装置及びプログラム |
| WO2014016814A2 (en) * | 2012-07-27 | 2014-01-30 | University Of Kwazulu-Natal | An apparatus for use on a cable; and a system for and method of inspecting a cable |
| CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
| CN103020601A (zh) * | 2012-12-13 | 2013-04-03 | 北京航空航天大学 | 高压线视觉检测方法和装置 |
| CN103324934A (zh) * | 2013-06-19 | 2013-09-25 | 北京理工大学 | 基于平行结构检测与聚类的血管中心线自动提取方法 |
| CN104240290A (zh) * | 2014-07-23 | 2014-12-24 | 浙江工业大学 | 一种基于包围球模型的三维电缆相交检测方法 |
| CN106326808A (zh) * | 2015-06-23 | 2017-01-11 | 上海深邃智能科技有限公司 | 基于无人机图像的检测输电线路杆塔鸟窝的方法 |
| 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 |
| CN108985143A (zh) * | 2018-05-10 | 2018-12-11 | 国电南瑞科技股份有限公司 | 一种基于无人机图像识别架空输电线路铁塔结构的方法 |
Non-Patent Citations (5)
| Title |
|---|
| A Method on Recognizing Transmission Line Structure Based on Multi-level Perception;Yue Liu;《International Conference on Image and Graphics》;20171230;512-522 * |
| A Robust Power Transmission Lines Detection Method Based on Probabilistic Estimation of Vanishing Point;Kim, Dong Hwan;《The Journal of Korea Robotics Society》;20151126;第10卷(第1期);9-15 * |
| 基于感知组织的输电线路结构识别方法;韩军;《红外与激光工程》;20131215;第42卷(第12期);3458-3463 * |
| 基于航拍图像的输电线检测方法;陈建;《计算机工程与设计》;20180430;第39卷(第4期);1155-1160 * |
| 实验室环境下输电线路图像识别算法应用;左岐;《中国科技信息》;20100731(第13期);274-276 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109711368A (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
| CN104331521B (zh) | 基于图像处理的变电设备异常自动识别方法 | |
| 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 | |
| CN101556142B (zh) | 架空线路覆冰厚度的视觉检测方法 | |
| CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
| CN109196553B (zh) | 一种光伏板识别方法、地面站、控制设备及无人机 | |
| CN105957088B (zh) | 基于计算机视觉的变压器复合绝缘子套管监测方法及系统 | |
| CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
| US11093744B1 (en) | Method and device for determining types of ice-and-snow cover | |
| CN113780119B (zh) | 基于静止摄像机应用场景的高精度运动目标检测方法 | |
| CN107657260A (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
| CN107403180A (zh) | 一种数字类型设备检测识别方法和系统 | |
| CN105987665A (zh) | 一种特高压输电线路弧垂点变化范围的预警监测装置及方法 | |
| CN107577997A (zh) | 一种输电线路通道内山火入侵的辨识方法 | |
| CN103793923A (zh) | 一种图像中运动目标的获取方法及设备 | |
| CN111696142A (zh) | 一种快速人脸检测方法及系统 | |
| CN105163076B (zh) | 采用横向扫描映射的变电站断路器状态视频智能分析算法 | |
| CN115311623A (zh) | 一种基于红外热成像的设备漏油检测方法及系统 | |
| CN105427279B (zh) | 一种基于计算机视觉及物联网的草原旱情监测系统和方法 | |
| Xu | Accurate measurement of structural vibration based on digital image processing technology | |
| CN120747152B (zh) | 一种输配电线路铁附件金具温度异常控制方法及系统 | |
| CN109711368B (zh) | 高空电缆线危险区域图像识别方法 | |
| CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测系统 | |
| CN115641448A (zh) | 一种基于无人机遥感快速识别电力线下树障高度的方法 | |
| CN115713492A (zh) | 一种架空输电线路覆冰检测与预警系统 |
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 |