CN109816643A - 一种基于线路缺陷识别的树线距离智能分析方法 - Google Patents
一种基于线路缺陷识别的树线距离智能分析方法 Download PDFInfo
- Publication number
- CN109816643A CN109816643A CN201910040941.0A CN201910040941A CN109816643A CN 109816643 A CN109816643 A CN 109816643A CN 201910040941 A CN201910040941 A CN 201910040941A CN 109816643 A CN109816643 A CN 109816643A
- Authority
- CN
- China
- Prior art keywords
- line
- tree
- image
- trees
- apart
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 32
- 241000282693 Cercopithecidae Species 0.000 claims abstract description 4
- 238000003708 edge detection Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种基于线路缺陷识别的树线距离智能分析方法，所述识别方法包括以下步骤：二维影像获取，影像预处理，树木类型确定，树木的三维重建，导线重建，树线距分析；该基于线路缺陷识别的树线距离智能分析方法提供了一套全新的树线距离智能分析方法，能够有效的解决线路缺陷识别时人工观察受制于拍摄角度和视频像素等因素的制约的问题，能够准确的判断出树线距离定量的参数，对输电网的安全运行具有重要意义。
Description
技术领域
本发明是一种基于线路缺陷识别的树线距离智能分析方法，属于输电线路隐患识别技术领域。
背景技术
当前输电线路的巡视主要还是采用人工方式，通过肉眼或拍摄照片的方式发现缺陷，这种方法虽简单，但效率较低，周期较长，且巡检拍摄的影像，均需人工进行判别，但人工观察受制于拍摄角度、视频像素等因素的制约，难以准确的判断出线路走廊下方树木高度、树线距离等定量的参数。
在这一背景下，利用最新的图像智能识别技术，通过人工拍摄或机载的普通相机拍摄的照片或视频影像，分析出线路存在的各类隐患，包括通道障碍隐患(周边树木生长和违章建筑)和线路自身隐患(标识牌缺失损毁、绝缘子爆裂、导线断股以及弧垂异常等)，为线路的调度和运检提供第一时间的预警信息，能够提高线路巡检的工作效率和无人机的使用效果，是线路运检领域的的又一次技术升级，具有广泛的应用前景和良好的推广价值，其中树线距是线路缺陷中的一个重要指标。
为此，本发明提供一种基于线路缺陷识别的树线距离智能分析方法。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于线路缺陷识别的树线距离智能分析方法，以解决上述背景技术中提出的问题，该基于线路缺陷识别的树线距离智能分析方法设计合理，首次将萨格奈克分布式干涉技术用于电力系统10kv配网线路安全维护中，为线路外破隐患的及时发现、及时报警和应急抢修提供了一套完整的技术方案。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于线路缺陷识别的树线距离智能分析方法，所述识别方法包括以下步骤：
步骤一：二维影像获取；首先使用相关设备获取需要线路缺陷检测处的二维影像；
步骤二：影像预处理；对获取的二维影像进行影像分析，选取影像清晰、明亮的二维影像作为分析目标；
步骤三：树木类型确定；首先根据树木类型的不同，采用最优边缘检测算子、分水岭算法、OTSU多阈值分割法及区域生长法四种典型的影像分割算法对影像进行分割；
步骤四：树木的三维重建；采用步骤三中采用的分割方法，将树木与周围环境分割开来，根据树木的主轴方向、关键骨架点、相应的骨架半径确定整个树木的三维模型，即通过确定树木的骨架来确定整个树木模型和树木高程，然后对树木进行三维模型建立；
步骤五：导线重建；树木的三维模型建立好后，将导线重建到三维模型中去，从而使导线和树木从周围环境中剥离出来，避免周围环境对树线距分析的影响；
步骤六：树线距分析；从三维模型中识别出导线和树冠，根据三维模型中树木树冠与导线的距离和三维模型与现实的比例，分析出两者之间的距离，完成树线距的测量。
作为本发明的一种优选实施方式，所述步骤三中的分水岭算法是根据分水岭的构成来考虑图像的分割，现实中有山有湖的景象，那么那一定是水绕山或者山围水的情形，当然在需要的时候，能够人工构筑分水岭，而区分高山与水的界线，以及湖与湖之间的间隔就是分水岭。
作为本发明的一种优选实施方式，所述步骤三中的区域生长法是指将成组的像素或区域发展成更大区域的过程，从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域，它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。
作为本发明的一种优选实施方式，所述步骤三中的最优边缘检测算子是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点，图像属性中的显著变化通常反映了属性的重要事件和变化，这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化，边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
作为本发明的一种优选实施方式，所述步骤三中的OTSU多阈值分割法是一种对图像进行二值化的高效算法，对噪音和目标大小十分敏感，对类间方差为单峰的图像能够产生较好的分割效果。
本发明的有益效果：
1.该基于线路缺陷识别的树线距离智能分析方法能够有效的解决线路缺陷识别时人工观察受制于拍摄角度和视频像素等因素的制约的问题，能够准确的判断出树线距离定量的参数，对输电网的安全运行具有重要意义。
2.本发明提供了一套全新的树线距离智能分析方法，方法简单，适应性高，根据树木类型的不同，采用了最优边缘检测算子、分水岭算法、OTSU多阈值分割法及区域生长法四种典型的影像分割算法对影像进行分割，能够有效的提升工作质量和效率。
3.此基于线路缺陷识别的树线距离智能分析方法根据树木的主轴方向、关键骨架点、相应的骨架半径确定整个树木的三维模型，即通过确定树木的骨架来确定整个树木模型和树木高程，对树木进行三维模型建立，然后将导线重建到三维模型中去，分析出两者之间的距离，完成树线距的测量，从而使导线和树木从周围环境中剥离出来，能够避免周围环境对树线距分析的影响。
附图说明
图1为本发明一种基于线路缺陷识别的树线距离智能分析方法的流程图；
图2为本发明一种基于线路缺陷识别的树线距离智能分析方法的树木三维重建流程图；
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
请参阅图1至图2，本发明提供一种技术方案：一种基于线路缺陷识别的树线距离智能分析方法，所述识别方法包括以下步骤：
步骤一：二维影像获取；首先使用相关设备获取需要线路缺陷检测处的二维影像；
步骤二：影像预处理；对获取的二维影像进行影像分析，选取影像清晰、明亮的二维影像作为分析目标；
步骤三：树木类型确定；首先根据树木类型的不同，采用最优边缘检测算子、分水岭算法、OTSU多阈值分割法及区域生长法四种典型的影像分割算法对影像进行分割；
步骤四：树木的三维重建；采用步骤三中采用的分割方法，将树木与周围环境分割开来，根据树木的主轴方向、关键骨架点、相应的骨架半径确定整个树木的三维模型，即通过确定树木的骨架来确定整个树木模型和树木高程，然后对树木进行三维模型建立；
步骤五：导线重建；树木的三维模型建立好后，将导线重建到三维模型中去，从而使导线和树木从周围环境中剥离出来，避免周围环境对树线距分析的影响；
步骤六：树线距分析；从三维模型中识别出导线和树冠，根据三维模型中树木树冠与导线的距离和三维模型与现实的比例，分析出两者之间的距离，完成树线距的测量。
作为本发明的一种优选实施方式，所述步骤三中的分水岭算法是根据分水岭的构成来考虑图像的分割，现实中有山有湖的景象，那么那一定是水绕山或者山围水的情形，当然在需要的时候，能够人工构筑分水岭，而区分高山与水的界线，以及湖与湖之间的间隔就是分水岭。
作为本发明的一种优选实施方式，所述步骤三中的区域生长法是指将成组的像素或区域发展成更大区域的过程，从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域，它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。
作为本发明的一种优选实施方式，所述步骤三中的最优边缘检测算子是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点，图像属性中的显著变化通常反映了属性的重要事件和变化，这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化，边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
作为本发明的一种优选实施方式，所述步骤三中的OTSU多阈值分割法是一种对图像进行二值化的高效算法，对噪音和目标大小十分敏感，对类间方差为单峰的图像能够产生较好的分割效果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种基于线路缺陷识别的树线距离智能分析方法，其特征在于，所述识别方法包括以下步骤：
步骤一：二维影像获取；首先使用相关设备获取需要线路缺陷检测处的二维影像；
步骤二：影像预处理；对获取的二维影像进行影像分析，选取影像清晰、明亮的二维影像作为分析目标；
步骤三：树木类型确定；首先根据树木类型的不同，采用最优边缘检测算子、分水岭算法、OTSU多阈值分割法及区域生长法四种典型的影像分割算法对影像进行分割；
步骤四：树木的三维重建；采用步骤三中采用的分割方法，将树木与周围环境分割开来，根据树木的主轴方向、关键骨架点、相应的骨架半径确定整个树木的三维模型，即通过确定树木的骨架来确定整个树木模型和树木高程，然后对树木进行三维模型建立；
步骤五：导线重建；树木的三维模型建立好后，将导线重建到三维模型中去，从而使导线和树木从周围环境中剥离出来，避免周围环境对树线距分析的影响；
步骤六：树线距分析；从三维模型中识别出导线和树冠，根据三维模型中树木树冠与导线的距离和三维模型与现实的比例，分析出两者之间的距离，完成树线距的测量。
2.根据权利要求1所述的一种基于线路缺陷识别的树线距离智能分析方法，其特征在于：所述步骤三中的分水岭算法是根据分水岭的构成来考虑图像的分割，现实中有山有湖的景象，那么那一定是水绕山或者山围水的情形，当然在需要的时候，能够人工构筑分水岭，而区分高山与水的界线，以及湖与湖之间的间隔就是分水岭。
3.根据权利要求1所述的一种基于线路缺陷识别的树线距离智能分析方法，其特征在于：所述步骤三中的区域生长法是指将成组的像素或区域发展成更大区域的过程，从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域，它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。
4.根据权利要求1所述的一种基于线路缺陷识别的树线距离智能分析方法，其特征在于：所述步骤三中的最优边缘检测算子是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点，图像属性中的显著变化通常反映了属性的重要事件和变化，这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化，边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
5.根据权利要求1所述的一种基于线路缺陷识别的树线距离智能分析方法，其特征在于：所述步骤三中的OTSU多阈值分割法是一种对图像进行二值化的高效算法，对噪音和目标大小十分敏感，对类间方差为单峰的图像能够产生较好的分割效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040941.0A CN109816643A (zh) | 2019-01-16 | 2019-01-16 | 一种基于线路缺陷识别的树线距离智能分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040941.0A CN109816643A (zh) | 2019-01-16 | 2019-01-16 | 一种基于线路缺陷识别的树线距离智能分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109816643A true CN109816643A (zh) | 2019-05-28 |
Family
ID=66604414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910040941.0A Pending CN109816643A (zh) | 2019-01-16 | 2019-01-16 | 一种基于线路缺陷识别的树线距离智能分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816643A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461918A (zh) * | 2020-02-19 | 2020-07-28 | 北京天和本安电力科技有限公司 | 基于卫星光学影像的输电线路树闪隐患监测方法 |
| CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| CN112881870A (zh) * | 2021-01-12 | 2021-06-01 | 云南电网有限责任公司电力科学研究院 | 一种输电线路树障距离的估算方法、系统、设备和介质 |
| CN113064177A (zh) * | 2021-03-16 | 2021-07-02 | 国网湖南省电力有限公司 | 输电线路与沿线树木空间距离测算方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
| CN101887596A (zh) * | 2010-06-01 | 2010-11-17 | 中国科学院自动化研究所 | 树木点云数据基于分割和自动生长的三维模型重建方法 |
| CN103091680A (zh) * | 2013-01-11 | 2013-05-08 | 北京国网富达科技发展有限责任公司 | 一种导线对地距离测量方法及系统 |
| CN103871100A (zh) * | 2014-04-02 | 2014-06-18 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
| CN105300303A (zh) * | 2015-11-03 | 2016-02-03 | 长春理工大学 | 一种输电线路与树木垂直间距的地面自动测量装置及方法 |
| CN107607958A (zh) * | 2017-09-06 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 一种基于导线位置估计的导线障碍物安全距离检测方法 |
| CN108645383A (zh) * | 2018-07-27 | 2018-10-12 | 国网福建省电力有限公司漳州供电公司 | 一种基于无人机测量树线距离的方法 |
| CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
-
2019
- 2019-01-16 CN CN201910040941.0A patent/CN109816643A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
| CN101887596A (zh) * | 2010-06-01 | 2010-11-17 | 中国科学院自动化研究所 | 树木点云数据基于分割和自动生长的三维模型重建方法 |
| CN103091680A (zh) * | 2013-01-11 | 2013-05-08 | 北京国网富达科技发展有限责任公司 | 一种导线对地距离测量方法及系统 |
| CN103871100A (zh) * | 2014-04-02 | 2014-06-18 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
| CN105300303A (zh) * | 2015-11-03 | 2016-02-03 | 长春理工大学 | 一种输电线路与树木垂直间距的地面自动测量装置及方法 |
| CN107607958A (zh) * | 2017-09-06 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 一种基于导线位置估计的导线障碍物安全距离检测方法 |
| CN108645383A (zh) * | 2018-07-27 | 2018-10-12 | 国网福建省电力有限公司漳州供电公司 | 一种基于无人机测量树线距离的方法 |
| CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 李涛: "图像分割的基础知识", pages 19 - 37 * |
| 石银涛: "《基于点云的真实树木三维仿真理论与技术》", 同济大学出版社, pages: 83 - 87 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461918A (zh) * | 2020-02-19 | 2020-07-28 | 北京天和本安电力科技有限公司 | 基于卫星光学影像的输电线路树闪隐患监测方法 |
| CN111461918B (zh) * | 2020-02-19 | 2023-07-04 | 北京天和本安电力科技有限公司 | 基于卫星光学影像的输电线路树闪隐患监测方法 |
| CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| CN112016848B (zh) * | 2020-09-11 | 2021-04-06 | 黑龙江省公路工程监理咨询有限公司 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| CN112881870A (zh) * | 2021-01-12 | 2021-06-01 | 云南电网有限责任公司电力科学研究院 | 一种输电线路树障距离的估算方法、系统、设备和介质 |
| CN113064177A (zh) * | 2021-03-16 | 2021-07-02 | 国网湖南省电力有限公司 | 输电线路与沿线树木空间距离测算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816643A (zh) | 一种基于线路缺陷识别的树线距离智能分析方法 | |
| CN108734689B (zh) | 一种基于区域生长的导线散股检测方法 | |
| CN101620676B (zh) | 绝缘子轮廓的快速图像识别方法 | |
| CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
| CN101625723B (zh) | 电力线轮廓的快速图像识别方法 | |
| 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 | |
| CN110765528A (zh) | 一种基于虚拟仿真技术的三维重构变电站实现方法 | |
| Wang et al. | High-voltage power transmission tower detection based on faster R-CNN and YOLO-V3 | |
| CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
| CN104764748A (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
| CN103069434A (zh) | 多模式视频事件索引 | |
| CN109300118B (zh) | 一种基于rgb图像的高压电力线路无人机巡检方法 | |
| CN112435208B (zh) | 显著性边缘引导的绝缘子区域检测方法 | |
| CN110133443B (zh) | 基于平行视觉的输电线路部件检测方法、系统、装置 | |
| CN113160184B (zh) | 一种基于深度学习的无人机智能巡检电缆表面缺陷检测方法 | |
| CN111241615A (zh) | 一种高度真实感的变电站多源融合三维建模方法 | |
| CN109598772B (zh) | 基于架空输电线路单一缺陷自动标注图片数据源扩充方法 | |
| CN111402224A (zh) | 一种用于电力设备的目标识别方法 | |
| CN109241847A (zh) | 基于视觉图像的油田作业区安全监控系统 | |
| CN109684914A (zh) | 基于无人机影像智能识别方法 | |
| CN111209864A (zh) | 一种电力设备目标识别方法 | |
| CN115082254A (zh) | 一种变电站精益管控数字孪生系统 | |
| CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
| CN112270234B (zh) | 一种基于航拍图像的输电线路绝缘子目标识别方法 | |
| Fang et al. | A framework of power pylon detection for UAV-based power line inspection |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |
|
| RJ01 | Rejection of invention patent application after publication |