CN109958583A - 一种测量风力发电机组的塔架净空的方法和设备 - Google Patents

一种测量风力发电机组的塔架净空的方法和设备 Download PDF

Info

Publication number
CN109958583A
CN109958583A CN201711405679.2A CN201711405679A CN109958583A CN 109958583 A CN109958583 A CN 109958583A CN 201711405679 A CN201711405679 A CN 201711405679A CN 109958583 A CN109958583 A CN 109958583A
Authority
CN
China
Prior art keywords
image
blade tip
coordinate
generating set
template
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
Application number
CN201711405679.2A
Other languages
English (en)
Other versions
CN109958583B (zh
Inventor
李辉辉
杨博宇
王百方
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN201711405679.2A priority Critical patent/CN109958583B/zh
Publication of CN109958583A publication Critical patent/CN109958583A/zh
Application granted granted Critical
Publication of CN109958583B publication Critical patent/CN109958583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种测量风力发电机组的塔架净空的方法和设备，包括：获取风力发电机组的多帧图像数据；从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标；根据所述叶尖坐标确定所述风力发电机组的塔架净空。根据所述方法和设备，可以简单快速地获取到风力发电机组的塔架净空，降低了人工成本。

Description

一种测量风力发电机组的塔架净空的方法和设备
技术领域
本发明总体说来涉及风电技术领域，更具体地讲，涉及一种测量风力发电机组的塔架净空的方法和设备。
背景技术
风力发电机组的塔架净空是指风力发电机组的叶片垂直水平面时叶尖到塔筒壁的直线距离。由于风力发电机组的叶轮转动机组运行都受限于不确定的风况，因此，风力发电机组的塔架净空受风况的影响较大。目前风力发电机组的塔架净空无法通过测量工具测量，因此，人们无法实时地获取都不同风速条件下风力发电机组的塔架净空。
发明内容
本发明的示例性实施例在于提供一种测量风力发电机组的塔架净空的方法和设备，以解决目前无法获取不同风速条件下的风力发电机组的塔架净空的缺陷。
根据本发明示例性实施例的一方面，提供一种测量风力发电机组的塔架净空的方法，包括：获取风力发电机组的多帧图像数据；从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标；根据所述叶尖坐标确定所述风力发电机组的塔架净空。
可选地，所述从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤包括：对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像；通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标；基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。
可选地，所述对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像的步骤包括：将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配；通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
可选地，所述通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像的步骤包括：通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点的灰度值标准化结果；针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到经标准化处理后得到的预定帧图像的预定像素点的灰度值标准化结果；基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数；基于所述匹配相关系数确定所述模板图像覆盖所述预定帧图像的子图像是否是敏感区图像。
可选地，当所述相关系数指示模板图像与所述子图像匹配时，确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配不匹配时，确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
可选地，所述通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中风力发电机组的叶尖坐标的步骤包括：通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据；通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。
可选地，所述通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据的步骤包括：对识别的敏感区图像进行滤波处理；求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强；通过阈值方法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
可选地，所述通过对边缘轮廓数据进行查询处理来获取敏感区图像中的风力发电机组的叶尖坐标的步骤包括：将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
可选地，所述基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤包括：将所述叶尖坐标中纵坐标数据最大的叶尖坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
可选地，所述根据所述叶尖坐标确定所述风力发电机组的塔架净空的步骤包括：在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标；确定所述目标叶尖坐标与所述塔架坐标的距离；通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。
可选地，所述多帧图像数据是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。
根据本发明示例性实施例的另一方面，提供一种测量风力发电机组的塔架净空的设备，包括：图像数据采集模块，获取风力发电机组的多帧图像数据；图像数据处理模块，从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标；塔架净空确定模块，根据所述叶尖坐标确定所述风力发电机组的塔架净空。
可选地，图像数据处理模块包括：模板匹配单元，对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像；边缘检测单元，通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标；叶尖坐标确定单元，基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。
可选地，所述模板匹配单元执行以下操作：将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配；通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
可选地，模板匹配单元执行以下操作：通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点的灰度值标准化结果；针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到经标准化处理后得到的预定帧图像的预定像素点的灰度值标准化结果；基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数；基于所述匹配相关系数确定所述模板图像覆盖所述预定帧图像的子图像是否是敏感区图像。
可选地，当所述相关系数指示模板图像与所述子图像匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
可选地，所述边缘检测单元执行以下操作：通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据；通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。
可选地，所述边缘检测单元执行以下操作：对识别的敏感区图像进行滤波处理；求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强；通过阈值方法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
可选地，所述边缘检测单元将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
可选地，所述叶尖坐标确定单元将所述叶尖坐标中纵坐标数据最大的叶尖坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
可选地，塔架净空确定模块执行以下操作：在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标；确定所述目标叶尖坐标与所述塔架坐标的距离；通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。
可选地，所述多帧图像数据是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。
根据本发明示例性实施例的另一方面，提供一种测量风力发电机组的塔架净空的系统，所述系统包括如根据本发明的测量风力发电机组的塔架净空的设备和采集设备，其中，采集设备包括图像采集器和保护装置。
可选地，所述保护装置呈梯形对图像采集器进行三面保护。
根据本发明示例性实施例的另一方面，提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器运行时，处理器执行根据本发明的测量风力发电机组的塔架净空的方法。
根据本发明示例性实施例的另一方面，提供计算机设备，包括处理器和存储计算机程序的存储器，其特征在于，所述计算机程序被处理器运行时，处理器执行根据本发明的测量风力发电机组的塔架净空的方法。
根据本发明示例性实施例的测量风力发电机组的塔架净空的方法和设备，可以简单快速地获取到风力发电机组的塔架净空，降低了人工成本。
附图说明
通过下面结合示例性地示出实施例的附图进行的描述，本发明示例性实施例的上述和其他目的和特点将会变得更加清楚，其中：
图1示出根据本发明示例性实施例的测量风力发电机组的塔架净空的方法的流程图；
图2示出根据本发明示例性实施例的采集设备拍摄风力发电机组的示意图；
图3示出根据本发明示例性实施例的识别用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤的流程图；
图4示出根据本发明示例性实施例的敏感区图像的示意图；
图5示出根据本发明示例性实施例的风电机组塔筒的局部示意图；
图6示出根据本发明示例性实施例的不同风速段下的塔架净空曲线图。
图7示出根据本发明示例性实施例的测量风力发电机组的塔架净空的设备的框图；
图8示出根据本发明示例性实施例的图像数据处理模块的框图；
图9是示出根据本发明示例性实施例的测量风力发电机组的塔架净空的系统的框图；
图10示出根据本发明示例性实施例的测量风力发电机组的塔架净空的系统中的采集设备的示意图。
具体实施方式
提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解，但是所述特定细节将仅被视为示例性的。因此，本领域普通技术人员将意识到，在不脱离本发明的范围和精神的情况下，可对这里描述的实施例进行各种改变和修改。此外，为了清晰和简要，可省略公知功能和结构的描述。
图1示出根据本发明示例性实施例的测量风力发电机组的塔架净空的方法的流程图。
如图1所示，在步骤S100，获取风力发电机组的多帧图像数据。作为示例，所述多帧图像数据可以是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。
图2示出根据本发明示例性实施例的采集设备拍摄风力发电机组的示意图。参照图2，采集设备400可部署在风力发电机组500侧面的特定位置处，能够拍摄到采风力发电机组的侧视图，这里，采集设备拍摄的图像可不包括风力发电机组500所有角度的图像，但一定包括风力发电机组的塔筒和叶片的侧视图像。应理解，上述将摄像机作为采集设备仅是示例性举例，本发明可采用的采集设备不限于此。
接下来，在步骤S200，从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标。具体地，首先，对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，然后，通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标，最后，基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。下面，将结合图3来具体描述根据本发明示例性实施例的识别用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤。
图3示出根据本发明示例性实施例的识别用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤的流程图。
由图3可知，在步骤S210，对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像，例如，如图4所示的敏感区图像。作为示例，首先，针对多帧图像中的每一帧图像数据，可以将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配，然后，通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
具体说来，上述每一帧图像数据可通过离线方式和/或在线方式进行读取。这里，模板匹配就是把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物进行采集获取的两幅或多幅图像在空间上对准，或者根据已知模式到另一幅图中寻找相应模式的处理方法。简而言之，模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。
根据上述举例，作为示例，通过在线方式读取风力发电机组的图像数据并选取该图像数据在t1-t2时间长度内的每一帧图像数据得到一系列的图像Sh，然后，将标记风机叶尖的模板图像T(m×n个像素)，分别叠放在图像Sh(W×H个像素)上进行模板匹配。假设标记风机叶尖的模板图像为模板T截取的图像Sh即是模板匹配处理的被搜索图，任意选取一张截取的图像Sh作为被搜索图，将模板T叠放在Sh上进行平移，模板T覆盖被搜索图的区域子图为Zij，其中，i、j为区域子图Zij左上角在被搜索图上的坐标，由此可知，模板匹配的搜索范围是1≤i≤W-m，1≤j≤H-n，通过比较T和Zij的相似性，完成模板匹配过程。最后，采用相关系数匹配法对模板匹配程度进行衡量。相关系数(r)是一种数学距离，可以用来衡量两个向量的相似程度，它起源于余弦定理：
如果两个向量的夹角为0度(对应r＝1)，说明它们完全相似，如果夹角为90度(r＝0)，则它们完全不相似，如果夹角为180度(r＝-1)，则它们完全相反。把余弦定理写成向量的形式为：
其中，分子表示两个向量的乘积，分母表示两个向量的模相乘。根据上式得出相关系数的求取公式如下：
上式中，表示xi的平均值，yi表示的平均值。如果r＝1，则模板T和区域子图Zij匹配结果完全相似，如果r＝0，则模板T和区域子Zij匹配结果完全不相似，由此判断出标记1的大致区域作为识别的敏感区图像。分别对上述截取得到的h个图像进行模板匹配处理，得出至少一个敏感区图像。模板匹配程度的算法还包括平方差匹配法、相关匹配法、相关系数匹配法和归一化匹配法等，应理解，上述相关系数法仅是示例性举例，本发明可采用的模板匹配程度的算法不限于此。
作为另一示例，还可以通过上述匹配方式的变形来进行模板匹配。具体地，首先，通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点灰度值标准化结果。例如，通过下面的等式获取模板T的坐标位置为(x,y)的像素点的灰度值标准化结果：
其中，T(x,y)表示模板T中坐标为(x,y)的像素的灰度值，T'(x,y)为模板T中坐标为(x,y)的像素的灰度值标准化结果。
同时还可针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到经标准化处理后得到的预定帧图像的预定像素点的灰度值标准化结果，例如，通过下面的等式获取图像S的坐标位置为(x,y)的像素点的灰度值标准化结果：
其中，S(x,y)表示模板S中坐标为(x,y)的像素的灰度值，S'(x,y)为模板T中坐标为(x,y)的像素的灰度值的标准化结果。
然后，基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数，例如，通过下面的等式获取模板T覆盖图像S时坐标位置为(x,y)的像素点的灰度值标准化结果：
其中，r(x,y)为图像S中坐标为(x,y)的像素点的匹配相关系数。
这里，在获取了图像S中所有像素点的匹配相关系数后求取匹配相关系数平均值作为模板T和图像S的匹配相关系数，具体地，当所述相关系数指示模板图像与所述子图像匹配(例如，r(x,y)＝1)时，确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配不匹配(例如，r(x,y)≠1)时，确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
返回参照图3，在步骤S220，通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标。
具体地，可通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据，例如，对识别的敏感区图像进行滤波处理，求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强，然后，通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。根据上述举例，任意选取一个敏感区图像c对其进行边缘检测处理。由于对图像进行边缘检测的算法主要是基于图像强度的一阶和二阶导数，且导数通常对噪声很敏感，因此需要采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有均值滤波法、中值滤波法、双边滤波法、高斯滤波法、维纳滤波法等。在本实施例中可采用高斯滤波法对敏感区图像c进行滤波处理，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。然后，通过计算梯度和非极大值抑制对滤波处理后的敏感区图像c进行边缘增强，其中，计算梯度的幅值和方向的公式如下：
上式中，Gx、Gy分别表示图像上不同像素位置的梯度大小。根据梯度方向近似到四个可能角度之一(一般为0度、45度、90度、135度)，通过非极大值抑制寻找像素点最大值，即判断某点像素值在8值领域内是否为最大，将非最大值点对应的灰度值设置为0，这样就排除了非边缘像素点，实现了边缘增强。最后，通过阈值算法对边缘增强后的敏感区图像c进行边缘检测。边缘检测的方法有很多种，例如Canny边缘检测、Sobel边缘检测、Roberts边缘检测、Prewitt边缘检测、Log边缘检测等，其中，Canny算法采用滞后阈值，也就是双阈值法(高阈值和低阈值)。采用阈值算法进行边缘检测时，当某一像素点位置的幅值超过高阈值时，则保留该像素点为边缘像素点，当某一像素点位置的幅值小于低阈值时，则排除该像素点，当某一像素点位置的幅值在高阈值和低阈值之间时，则该像素点仅仅在连接到一个高于高阈值的像素时被保留，把保留的像素点进行连接直到整个轮廓边缘闭合。步骤S220分别对h个敏感区图像进行边缘检测处理后得出关于叶尖坐标的h个边缘轮廓数据。
然后，在获取了每个敏感区图像中的标记的边缘轮廓数据后，通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。例如，将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标，作为示例，所述预定查找原则可以是从左到右后从下到上查找的原则，例如，在步骤S220得到的h个边缘轮廓数据中任意选取一个边缘轮廓数据，原图像数据坐标系为一个p×q的矩阵，遵循从左到右后从下到上查找的原则，即从第p行第q列开始向第p行第1列逐个读取像素点的灰度值，然后在未读取到像素的灰度值改变的情况下，从第p-1行第q列开始向第p-1行第1列读取像素点的灰度值，以此类推，直到读取到灰度值第一次发生改变的像素点，并将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
在步骤S230，基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。具体地，可将上述从h个边缘轮廓数据获取h个叶尖坐标中确定的纵坐标数据最大的叶尖坐标，并将该坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
再次返回图1，在步骤S300，根据所述叶尖坐标确定所述风力发电机组的塔架净空。具体地，可首先在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标，然后，确定所述目标叶尖坐标与所述塔架坐标的距离，最后，通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。下面将结合图5来详细说明比例系数的来由。
图5示出根据本发明示例性实施例的风电机组塔筒的局部示意图。如图5所示，图像中显示出了塔筒的图像，其中塔筒上有两条标记线，这两条标记线是图像中显示的工作人员预先在塔筒上刷的标记线。具体地，为了确定风力发电机组的塔架净空，工作人员会在风力发电机组的塔筒上刷多条直线标记，每条直线标记之间距离是预先确定的，当每条标记体现在之前获取的风力发电机组的多帧图像数据中时，可确定图像数据中两条标记之间间隔的像素点个数，将塔筒上现实存在的直线标记的距离与图像数据中两条标记间隔的像素点个数的比值作为预定比例系数。
图6示出根据本发明示例性实施例的不同风速段下的塔架净空曲线图。如图6所示，通过上述方式可以获取风力发电机组不同时间的塔架净空，结合当时的风况可以得到不同风速段的塔架净空的数据曲线，该曲线可以用于后续对风力发电机组的运行进行评估。
通过上述测量风力发电机组的塔架净空的方法，可以简单快速地获取到风力发电机组的塔架净空，降低了人工成本。
图7示出根据本发明示例性实施例的测量风力发电机组的塔架净空的设备1000的框图。
如图7所示，根据本发明示例性实施例的测量风力发电机组的塔架净空的设备1000包括：图像数据采集模块100、图像数据处理模块200和塔架净空确定模块300。
图像数据采集模块100获取风力发电机组的多帧图像数据。作为示例，所述多帧图像数据可以是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。采集设备部署在风力发电机组侧面的特定位置处，能够拍摄到采风力发电机组的侧视图，这里，采集设备拍摄的图像可不包括风力发电机整机，但一定包括风力发电机的塔筒和叶片的侧视图。应理解，上述将摄像机作为采集设备仅是示例性举例，本发明可采用的采集设备不限于此。
图像数据处理模块200从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标。
下面将结合图8来详细说明根据本发明示例性实施例的图像数据处理模块200。
图8示出根据本发明示例性实施例的图像数据处理模块200的框图。
如图8所示，图像数据处理模块200包括：模板匹配单元210、边缘检测单元220和叶尖坐标确定单元230。
具体地，模板匹配单元210对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像。
作为示例，模板匹配单元210可以执行以下操作：首先针对多帧图像中的每一帧图像数据，可以将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配，然后通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
具体地，模板匹配单元210可以通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点的灰度值标准化结果；然后针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到经标准化处理后得到的预定帧图像的预定像素点的灰度值标准化结果；接下来基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数；最后基于所述匹配相关系数确定所述模板图像覆盖所述预定帧图像的子图像是否是敏感区图像，其中，当所述相关系数指示模板图像与所述子图像匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
边缘检测单元220通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标。
作为示例，边缘检测单元220执行以下操作：首先通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据；然后通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。
具体地，边缘检测单元220可以对识别的敏感区图像进行滤波处理；求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强；通过阈值方法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。然后，将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
叶尖坐标确定单元230基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。作为示例，叶尖坐标确定单元230将所述叶尖坐标中纵坐标数据最大的叶尖坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
返回参照图7，塔架净空确定模块300根据所述叶尖坐标确定所述风力发电机组的塔架净空。
作为示例，塔架净空确定模块300执行以下操作：在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标；确定所述目标叶尖坐标与所述塔架坐标的距离；通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。
图9示出根据本发明的实施例的测量风力发电机组的塔架净空的系统的框图。
如图9所示，测量风力发电机组的塔架净空的系统2000包括测量风力发电机组的塔架净空的设备1000和采集设备400，所述采集设备400被配置用于采集风力发电机的塔筒和叶片的图像数据。采集设备400包括图像采集器和用于保护图像采集器的保护装置，其中，保护装置可采用呈梯形的挡板对图像采集器进行三面保护，例如，如图10所示的保护装置。应理解，上述呈梯形的挡板仅是示例性举例，本发明可采用的保护装置不限于此。
通过上述测量风力发电机组的塔架净空的设备，可以相对简单地获取到风力发电机组的塔架净空，无需人工测量，方便快捷。
根据本发明的实施例的测量风力发电机组的塔架净空的方法可实现为计算机可读记录介质上的计算机可读代码，或者可通过传输介质被发送。计算机可读记录介质是可存储此后可由计算机系统读取的数据的任意数据存储装置。计算机可读存储介质存储有计算机程序，该计算机程序被处理器运行时，处理器执行图1所示的测量风力发电机组的塔架净空的方法。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、光盘(CD)-ROM、数字多功能盘(DVD)、磁带、软盘、光学数据存储装置，但不限于此。传输介质可包括通过网络或各种类型的通信通道发送的载波。计算机可读记录介质也可分布于连接网络的计算机系统，从而计算机可读代码以分布方式被存储和执行。
本发明的另一实施例提供了一种计算机设备，包括处理器和存储计算机程序的存储器，所述计算机程序被处理器运行时，处理器执行图1所示的测量风力发电机组的塔架净空的方法。
尽管已经参照本发明的特定示例性实施例显示和描述了本发明，但是本领域技术人员将理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可进行各种形式和细节上的各种改变。

Claims (26)

1.一种测量风力发电机组的塔架净空的方法，其特征在于，包括：
获取风力发电机组的多帧图像数据；
从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标；
根据所述叶尖坐标确定所述风力发电机组的塔架净空。
2.如权利要求1所述的方法，其特征在于，所述从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤包括：
对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像；
通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标；
基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。
3.如权利要求2所述的方法，其特征在于，所述对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像的步骤包括：
将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配；
通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
4.如权利要求3所述的方法，其特征在于，所述通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像的步骤包括：
通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点的灰度值标准化结果；
针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到预定帧图像的预定像素点的灰度值标准化结果；
基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数；
基于所述匹配相关系数确定所述模板图像覆盖所述预定帧图像的子图像是否是敏感区图像。
5.如权利要求4所述的方法，其特征在于，当所述相关系数指示模板图像与所述子图像匹配时，确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配不匹配时，确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
6.如权利要求2所述的方法，其特征在于，所述通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中风力发电机组的叶尖坐标的步骤包括：
通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据；
通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。
7.如权利要求6所述的方法，其特征在于，所述通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据的步骤包括：
对识别的敏感区图像进行滤波处理；
求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强；
通过阈值方法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
8.如权利要求6所述的方法，其特征在于，所述通过对边缘轮廓数据进行查询处理来获取敏感区图像中的风力发电机组的叶尖坐标的步骤包括：
将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
9.如权利要求8所述的方法，其特征在于，所述基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标的步骤包括：
将所述叶尖坐标中纵坐标数据最大的叶尖坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
10.如权利要求9所述的方法，其特征在于，所述根据所述叶尖坐标确定所述风力发电机组的塔架净空的步骤包括：
在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标；
确定所述目标叶尖坐标与所述塔架坐标的距离；
通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。
11.如权利要求1所述的方法，其特征在于，所述多帧图像数据是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。
12.一种测量风力发电机组的塔架净空的设备，其特征在于，包括：
图像数据采集模块，获取风力发电机组的多帧图像数据；
图像数据处理模块，从所述多帧图像数据中识别用于计算所述风力发电机组的塔架净空的叶尖坐标；
塔架净空确定模块，根据所述叶尖坐标确定所述风力发电机组的塔架净空。
13.如权利要求12所述的设备，其特征在于，图像数据处理模块包括：
模板匹配单元，对获取的多帧图像数据进行模板匹配以得到至少一个敏感区图像，其中，所述敏感区图像为包括叶尖区域的图像；
边缘检测单元，通过对至少一个敏感区图像进行边缘检测处理来识别出每个敏感区图像中所述风力发电机组的叶尖坐标；
叶尖坐标确定单元，基于所述叶尖坐标确定用于计算所述风力发电机组的塔架净空的叶尖坐标。
14.如权利要求13所述的设备，其特征在于，所述模板匹配单元执行以下操作：
将标记风机叶尖的模板图像分别叠放在所述每一帧图像数据上进行模板匹配；
通过相关系数匹配法确定模板匹配程度，并根据模板匹配程度来识别敏感区图像。
15.如权利要求14所述的设备，其特征在于，模板匹配单元执行以下操作：
通过对所述模板图像所包括的预定像素点的灰度值进行标准化处理来得到模板图像的预定像素点的灰度值标准化结果；
针对多帧图像中的预定帧图像，获取模板图像覆盖预定帧图像时预定帧图像所包括的预定像素点的灰度值，并将所述预定像素点的灰度值进行标准化处理，以得到经标准化处理后得到的预定帧图像的预定像素点的灰度值标准化结果；
基于所述模板图像的预定像素点的灰度值标准化结果和所述预定帧图像的预定像素点的灰度值标准化结果，确定所述模板图像和所述预定帧图像的匹配相关系数；
基于所述匹配相关系数确定所述模板图像覆盖所述预定帧图像的子图像是否是敏感区图像。
16.如权利要求15所述的设备，其特征在于，当所述相关系数为指示模板图像与所述子图像匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为敏感区图像，当相关系数指示模板图像与所述子图像匹配不匹配时，模板匹配单元确定所述模板图像覆盖所述预定帧图像的子图像为非敏感区图像。
17.如权利要求13所述的设备，其特征在于，所述边缘检测单元执行以下操作：
通过对识别的敏感区图像进行边缘检测处理来获取每个图像的标记的边缘轮廓数据；
通过对边缘轮廓数据进行查询处理来获取敏感区图像中的所述风力发电机组的叶尖坐标。
18.如权利要求17所述的设备，其特征在于，所述边缘检测单元执行以下操作：
对识别的敏感区图像进行滤波处理；
求取滤波处理后的敏感区图像的梯度，并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强；
通过阈值方法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
19.如权利要求17所述的设备，其特征在于，所述边缘检测单元还执行以下操作：
将标记的轮廓数据放入原图像数据坐标系中，遵循预定查找原则读取坐标系中的像素点的灰度值，将灰度值第一次发生改变的像素点的坐标作为所述风力发电机组的叶尖坐标。
20.如权利要求19所述的设备，其特征在于，所述叶尖坐标确定单元将所述叶尖坐标中纵坐标数据最大的叶尖坐标作为用于计算所述风力发电机组的塔架净空的目标叶尖坐标。
21.如权利要求20所述的设备，其特征在于，塔架净空确定模块执行以下操作：
在所述目标叶尖坐标所相应的原图像数据坐标系中，以所述目标叶尖坐标为起始点向右读取，将读取到的第一个灰度值与所述目标叶尖坐标的灰度值相同的像素点的坐标作为塔架坐标；
确定所述目标叶尖坐标与所述塔架坐标的距离；
通过所述确定的距离和预定比例系数来确定所述风力发电机组的塔架净空。
22.如权利要求12所述的设备，其特征在于，所述多帧图像数据是由设置在特定位置的采集设备针对所述风力发电机所拍摄的图像数据。
23.一种测量风力发电机组的塔架净空的系统，其特征在于，所述系统包括如权利要求12-22所述的测量风力发电机组的塔架净空的设备和采集设备，其中，采集设备包括图像采集器和保护装置。
24.如权利要求23所述的系统，其特征在于，所述保护装置呈梯形对图像采集器进行三面保护。
25.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器运行时，处理器执行权利要求1-11中任一项所述的测量方法。
26.一种计算机设备，包括处理器和存储计算机程序的存储器，其特征在于，所述计算机程序被处理器运行时，处理器执行如权利要求1-11中任一项所述的测量方法。
CN201711405679.2A 2017-12-22 2017-12-22 一种测量风力发电机组的塔架净空的方法和设备 Active CN109958583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711405679.2A CN109958583B (zh) 2017-12-22 2017-12-22 一种测量风力发电机组的塔架净空的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711405679.2A CN109958583B (zh) 2017-12-22 2017-12-22 一种测量风力发电机组的塔架净空的方法和设备

Publications (2)

Publication Number Publication Date
CN109958583A true CN109958583A (zh) 2019-07-02
CN109958583B CN109958583B (zh) 2020-06-09

Family

ID=67019407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711405679.2A Active CN109958583B (zh) 2017-12-22 2017-12-22 一种测量风力发电机组的塔架净空的方法和设备

Country Status (1)

Country Link
CN (1) CN109958583B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110454334A (zh) * 2019-08-16 2019-11-15 陈伟春 一种叶片净空距离监测系统及叶片净空距离监测方法
CN111246162A (zh) * 2019-12-09 2020-06-05 北京金风科创风电设备有限公司 风力发电机组的塔架净空监控设备的位置矫正方法及装置
CN112901426A (zh) * 2021-02-26 2021-06-04 中国华能集团清洁能源技术研究院有限公司 风电机组叶片净空监测装置、方法、系统、设备及介质
CN113090471A (zh) * 2019-12-23 2021-07-09 新疆金风科技股份有限公司 风力发电机组的塔架净空音频监测系统、方法及装置
CN113123928A (zh) * 2019-12-31 2021-07-16 新疆金风科技股份有限公司 风力发电机组及其塔架净空监控方法和装置
CN113153658A (zh) * 2021-06-08 2021-07-23 中国华能集团清洁能源技术研究院有限公司 激光和视频融合的叶片净空监测系统、方法、设备及介质
CN113309674A (zh) * 2021-03-31 2021-08-27 新疆金风科技股份有限公司 风力发电机组的净空距离确定方法及装置
CN113390436A (zh) * 2020-03-13 2021-09-14 北京金风科创风电设备有限公司 风力发电机组的视频测距装置的校验系统和方法、介质
CN115143045A (zh) * 2021-03-30 2022-10-04 北京金风科创风电设备有限公司 风力发电机组塔架净空的确定方法、装置、设备及系统
WO2023272969A1 (zh) * 2021-06-29 2023-01-05 新疆金风科技股份有限公司 风力发电机组叶片平衡的检测方法和装置
CN116008970A (zh) * 2023-03-27 2023-04-25 南京牧镭激光科技股份有限公司 基于视频图像验证雷达净空值反演精度的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009129617A1 (en) * 2008-04-24 2009-10-29 Mike Jeffrey A method and system for determining an imbalance of a wind turbine rotor
EP2369176A1 (en) * 2010-02-24 2011-09-28 Siemens Aktiengesellschaft Wind turbine and method for measuring the pitch angle of a wind turbine rotor blade
CN104838135A (zh) * 2012-12-14 2015-08-12 Lmwp专利控股有限公司 用于风力涡轮机传感器校准的系统和方法
US20150252789A1 (en) * 2014-03-04 2015-09-10 Steffen Bunge Method for Detecting Deflection of the Blades of a Wind Turbine
CN107448360A (zh) * 2016-06-01 2017-12-08 森维安有限公司 用于水平预组装风力涡轮机转子的适配器装置和设施

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009129617A1 (en) * 2008-04-24 2009-10-29 Mike Jeffrey A method and system for determining an imbalance of a wind turbine rotor
EP2369176A1 (en) * 2010-02-24 2011-09-28 Siemens Aktiengesellschaft Wind turbine and method for measuring the pitch angle of a wind turbine rotor blade
CN104838135A (zh) * 2012-12-14 2015-08-12 Lmwp专利控股有限公司 用于风力涡轮机传感器校准的系统和方法
US20150252789A1 (en) * 2014-03-04 2015-09-10 Steffen Bunge Method for Detecting Deflection of the Blades of a Wind Turbine
CN107448360A (zh) * 2016-06-01 2017-12-08 森维安有限公司 用于水平预组装风力涡轮机转子的适配器装置和设施

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110454334A (zh) * 2019-08-16 2019-11-15 陈伟春 一种叶片净空距离监测系统及叶片净空距离监测方法
CN111246162A (zh) * 2019-12-09 2020-06-05 北京金风科创风电设备有限公司 风力发电机组的塔架净空监控设备的位置矫正方法及装置
CN113090471A (zh) * 2019-12-23 2021-07-09 新疆金风科技股份有限公司 风力发电机组的塔架净空音频监测系统、方法及装置
CN113123928A (zh) * 2019-12-31 2021-07-16 新疆金风科技股份有限公司 风力发电机组及其塔架净空监控方法和装置
CN113390436B (zh) * 2020-03-13 2023-10-17 北京金风科创风电设备有限公司 风力发电机组的视频测距装置的校验系统和方法、介质
CN113390436A (zh) * 2020-03-13 2021-09-14 北京金风科创风电设备有限公司 风力发电机组的视频测距装置的校验系统和方法、介质
CN112901426A (zh) * 2021-02-26 2021-06-04 中国华能集团清洁能源技术研究院有限公司 风电机组叶片净空监测装置、方法、系统、设备及介质
CN115143045A (zh) * 2021-03-30 2022-10-04 北京金风科创风电设备有限公司 风力发电机组塔架净空的确定方法、装置、设备及系统
CN113309674B (zh) * 2021-03-31 2022-07-15 新疆金风科技股份有限公司 风力发电机组的净空距离确定方法及装置
CN113309674A (zh) * 2021-03-31 2021-08-27 新疆金风科技股份有限公司 风力发电机组的净空距离确定方法及装置
WO2022205805A1 (zh) * 2021-03-31 2022-10-06 新疆金风科技股份有限公司 风力发电机组的净空距离确定方法及装置
CN113153658A (zh) * 2021-06-08 2021-07-23 中国华能集团清洁能源技术研究院有限公司 激光和视频融合的叶片净空监测系统、方法、设备及介质
CN113153658B (zh) * 2021-06-08 2024-05-24 中国华能集团清洁能源技术研究院有限公司 激光和视频融合的叶片净空监测系统、方法、设备及介质
WO2023272969A1 (zh) * 2021-06-29 2023-01-05 新疆金风科技股份有限公司 风力发电机组叶片平衡的检测方法和装置
CN116008970A (zh) * 2023-03-27 2023-04-25 南京牧镭激光科技股份有限公司 基于视频图像验证雷达净空值反演精度的方法
CN116008970B (zh) * 2023-03-27 2024-01-05 南京牧镭激光科技股份有限公司 基于视频图像验证雷达净空值反演精度的方法

Also Published As

Publication number Publication date
CN109958583B (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN109958583A (zh) 一种测量风力发电机组的塔架净空的方法和设备
Chaudhary et al. Flood-water level estimation from social media images
Ke et al. A review of methods for automatic individual tree-crown detection and delineation from passive remote sensing
Holmgren et al. Identifying species of individual trees using airborne laser scanner
CN105740780B (zh) 人脸活体检测的方法和装置
Awrangjeb et al. Building detection in complex scenes thorough effective separation of buildings from trees
KR101283262B1 (ko) 영상 처리 방법 및 장치
Xiao et al. Individual tree crown modeling and change detection from airborne lidar data
CN109931229A (zh) 用于风力发电机组的涡激振动的监测方法和设备
Jung Detecting building changes from multitemporal aerial stereopairs
US20140205154A1 (en) System for mapping and identification of plants using digital image processing and route generation
US20130034305A1 (en) Image-based crack quantification
CN110490905A (zh) 一种基于YOLOv3和DSST算法的目标跟踪方法
CN107016348A (zh) 结合深度信息的人脸检测方法、检测装置和电子装置
CN106096555A (zh) 三维面部检测的方法和装置
CN101383005A (zh) 一种利用辅助规则纹理的乘客目标图像和背景分离方法
CN110633711A (zh) 训练特征点检测器的计算机装置、方法及特征点检测方法
Palenichka et al. Multiscale isotropic matched filtering for individual tree detection in LiDAR images
Laotrakunchai et al. Measurement of size and distance of objects using mobile devices
Wang et al. Real-time damaged building region detection based on improved YOLOv5s and embedded system from UAV images
CN109993107A (zh) 一种基于非迭代k均值算法的移动机器人障碍物视觉检测方法
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
CN107767366B (zh) 一种输电线路拟合方法及装置
US7653219B2 (en) System and method for image attribute recording an analysis for biometric applications
CN111462310A (zh) 一种基于多视几何的螺栓缺陷空间定位方法

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