CN110599446B - 隔离开关合闸位置判别方法 - Google Patents
隔离开关合闸位置判别方法 Download PDFInfo
- Publication number
- CN110599446B CN110599446B CN201910680742.6A CN201910680742A CN110599446B CN 110599446 B CN110599446 B CN 110599446B CN 201910680742 A CN201910680742 A CN 201910680742A CN 110599446 B CN110599446 B CN 110599446B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud image
- detected
- standard
- isolating switch
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000005484 gravity Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 19
- 238000012935 Averaging Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000007689 inspection Methods 0.000 description 12
- 238000002955 isolation Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种隔离开关合闸位置判别方法。所述隔离开关合闸位置判别方法通过将所述待测隔离开关点云图像划分为多个体素，并选取多个所述待测重心作为所述待测隔离开关点云图像的特征点进行计算。所述隔离开关合闸位置判别方法避免了对所述待测隔离开关点云图像中的全部数据进行比较计算。所述隔离开关合闸位置判别方法的计算数据较少，计算量较小，进而提高了所述隔离开关开合闸状态的检测效率。
Description
技术领域
本申请涉及刀闸检测技术领域，特别是涉及一种隔离开关合闸位置判别方法。
背景技术
隔离开关，也称闸刀隔离开关、刀闸隔离开关等，被用于变电站、发电站内各种等级的高压设备上，用于改变电路连接使线路或设备与电源联通或隔离。通常，在对设备进行检修或更换线路时，为保证检修人员和设备的安全，需要将检修的设备或线路与电源用一个明显断开点隔开，隔离开关即是这类的断开点。
隔离开关通过其移动臂移动到不同的位置而实现分闸或合闸的动作。隔离开关的分闸或合闸动作都是遥控的，分合闸的遥控信号发出之后，隔离开关是否进行了对应的动作，或者该动作是否被正确地完成关系到设备与人员的安全。变电站的隔离开关众多，怎样提高隔离开关开合闸状态的检测效率是亟待解决的问题。
发明内容
基于此，有必要针对怎样提高隔离开关开合闸状态的检测效率的问题，提供一种隔离开关合闸位置判别方法。
一种隔离开关合闸位置判别方法，包括：
获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像。
将所述标准隔离开关点云图像划分为多个标准隔离开关体素。将所述待测隔离开关点云图像划分为多个待测隔离开关体素，且所述多个待测隔离开关体素与所述多个标准隔离开关体素一一对应。
获取每个所述标准隔离开关体素的标准重心，以及每个所述待测隔离开关体素的待测重心。
计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值。当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态。
在一个实施例中，在计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值。当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态的步骤之后，所述隔离开关合闸位置判别方法还包括：
获取每个所述待测隔离开关体素的待测中心点，以及每个所述标准隔离开关体素的标准中心点。
获取每个所述待测中心点的待测特征向量，以及每个所述标准中心点的标准特征向量。
计算每个所述待测特征向量和与所述待测特征向量对应的所述标准特征向量之间的向量差，并对多个所述向量差求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第二相似度值。并根据所述第二相似度值判断所述待测隔离开关是否处于标准合闸状态。
在一个实施例中，在计算每个所述待测特征向量和与所述待测特征向量对应的所述标准特征向量之间的向量差，并对多个所述向量差求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第二相似度值。并根据所述第二相似度值判断所述待测隔离开关是否处于标准合闸状态的步骤之后，所述隔离开关合闸位置判别方法还包括：
根据所述多个距离值和所述多个向量差，得到第三相似度值，根据所述第三相似度值判断所述待测隔离开关是否处于标准合闸状态。
在一个实施例中，根据所述多个距离值和所述多个向量差，得到第三相似度值的步骤包括：
利用所述距离值对与所述距离值对应的所述向量差进行加权处理，得到加权相关系数。
分别对所述多个向量差进行加权处理，并得到多个所述加权相关系数。
对所述多个加权相关系数求平均，得到平均相关系数，所述平均相关系数即为所述第三相似度值。
在一个实施例中，在获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像之后，所述隔离开关合闸位置判别方法还包括：
对所述待测隔离开关点云图像进行去离群点滤波处理。
在一个实施例中，在获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像之前，所述隔离开关合闸位置判别方法还包括：
获取所述标准合闸状态隔离开关所处环境的标准点云图像，所述标准点云图像包含所述标准合闸状态隔离开关点云图像和所述标准合闸状态隔离开关的周围环境点云图像。
获取待测隔离开关所处环境的待测点云图像，所述待测点云图像包含所述待测隔离开关点云图像和所述待测隔离开关的周围环境点云图像。
将所述待测点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应。
在一个实施例中，从所述待测点云图像中提取所述待测隔离开关点云图像，从标准点云图像中提取所述标准合闸状态隔离开关点云图像。
在一个实施例中，在获取待测隔离开关所处环境的待测点云图像，所述待测点云图像包含所述待测隔离开关点云图像和所述待测隔离开关的周围环境点云图像之后，还包括：
对所述待测点云图像进行预处理。
在一个实施例中，对所述待测点云图像进行预处理的步骤包括：
对所述待测点云图像进行直通滤波处理。
在一个实施例中，对所述待测点云图像进行直通滤波处理之后，还包括：
对所述待测点云图像进行去零点处理。
在一个实施例中，将所述待测点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应的步骤包括：
利用正态分布变换算法，使所述待测点云图像与所述标准点云图像的位置和姿态相对应。
在一个实施例中，利用正态分布变换算法，使所述待测点云图像与所述标准点云图像的位置和姿态相对应之后，还包括：
利用最近点迭代算法对所述待测点云图像进行微调。
在一个实施例中，利用最近点迭代算法对所述待测点云图像进行微调之后，还包括：
利用非线性最近点迭代算法对所述待测点云图像进行精细调整。
本申请实施例提供的所述隔离开关合闸位置判别方法，包括获取待测隔离开关的待测隔离开关点云图像，获取标准合闸状态隔离开关的标准隔离开关点云图像。将所述待测隔离开关点云图像划分为多个待测隔离开关体素，将所述标准隔离开关点云图像划分为多个标准隔离开关体素，所述多个待测隔离开关体素与所述多个标准隔离开关体素一一对应。获取每个所待测隔离开关体素的待测重心，获取每个所述标准隔离开关体素的标准重心。并计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并将多个所述距离值平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值，当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态。
所述隔离开关合闸位置判别方法通过将所述待测隔离开关点云图像划分为多个体素，并选取多个所述待测重心作为所述待测隔离开关点云图像的特征点进行计算。所述隔离开关合闸位置判别方法避免了对所述待测隔离开关点云图像中的全部数据进行比较计算。所述隔离开关合闸位置判别方法的计算数据较少，计算量较小，进而提高了所述隔离开关开合闸状态的检测效率。
附图说明
图1为本申请一个实施例中提供的所述隔离开关合闸位置判别方法的结构示意图；
图2为本申请另一个实施例中提供的所述隔离开关合闸位置判别方法的结构示意图；
图3为本申请另一个实施例中提供的所述隔离开关合闸位置判别方法的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
请参见图1，一种隔离开关合闸位置判别方法，包括：
S100，获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像。
S200，将所述标准隔离开关点云图像划分为多个标准隔离开关体素。将所述待测隔离开关点云图像划分为多个待测隔离开关体素，且所述多个待测隔离开关体素与所述多个标准隔离开关体素一一对应。
S300，获取每个所述标准隔离开关体素的标准重心，以及每个所述待测隔离开关体素的待测重心。
S400，计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值。当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态。
本申请实施例提供的所述隔离开关合闸位置判别方法通过将所述待测隔离开关点云图像划分为多个隔离开关体素，并选取多个所述待测重心作为所述待测隔离开关点云图像的特征点进行计算。所述隔离开关合闸位置判别方法避免了对所述待测隔离开关点云图像中的全部数据进行比较计算。所述隔离开关合闸位置判别方法的计算数据较少，计算量较小，进而提高了所述隔离开关开合闸状态的检测效率。
在所述S300和所述S400中，所述标准重心的计算公式为：
其中n表示单个体素中点的个数，xi表示点在x方向上的坐标，yi表示点在y方向上的坐标，zi表示点在z方向上的坐标。
表示所述体素的标准重心在x方向上的坐标，
表示所述体素的标准重心在y方向上的坐标，
表示所述体素的标准重心在z方向上的坐标。
在所述S400中，所述第一相似度值越小，表明所述标准隔离开关点云图像与所述待测隔离开关点云图像相似度较高，所述刀闸合闸状态越好，即所述刀闸越接近标准位置。
所述第一设定值可以依据工程需要进行设定。
请一并参见图2，在一个实施例中，在所述S400之后，还包括：
S500，获取每个所述待测隔离开关体素的待测中心点，以及每个所述标准隔离开关体素的标准中心点。
S600，获取每个所述待测中心点的待测特征向量，以及每个所述标准中心点的标准特征向量。
S700，计算每个所述待测特征向量和与所述待测特征向量对应的所述标准特征向量之间的向量差，并对多个所述向量差求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第二相似度值。并根据所述第二相似度值判断所述待测隔离开关是否处于标准合闸状态。
在所述S500和所述S600中，所述待测中心点为距离同一所述体素的待测重心最近的点。利用所述待测中心点点特征直方图作为所述待测特征向量。利用所述待测特征向量计算点云的相关系数(所述向量差)，再求得体素的平均相关系数(所述第二相似度值)来评估点云的相似性更具可操作性和更高效。所述隔离开关合闸位置判别方法通过体素栅格化处理，既能简化运算数据，又能得到较好的评估效果。
在一个实施例中，所述第二相似度值大于0.9时，判定所述标准隔离开关点云图像与所述待测隔离开关点云图像相似度较高，所述刀闸合闸状态越好。
请一并参见图3，在一个实施例中，在所述S700之后，还包括：
S800，根据所述多个距离值和所述多个向量差，得到第三相似度值，根据所述第三相似度值判断所述待测隔离开关是否处于标准合闸状态。
在一个实施例中，在所述S800中，根据所述多个距离值和所述多个向量差，得到第三相似度值的步骤包括：
S810，利用所述距离值对与所述距离值对应的所述向量差进行加权处理，得到加权相关系数。
S820，重复S810，分别对所述多个向量差进行加权处理，并得到多个所述加权相关系数。
S830，对所述多个加权相关系数求平均，得到平均相关系数，所述平均相关系数即为所述第三相似度值。
所述隔离开关合闸位置判别方法通过利用所述距离值对与所述距离值对应的所述向量差进行加权处理，既能够直观的评估所述标准隔离开关点云图像与所述待测隔离开关点云图像相似度，又能够判别两个点云的相位角变化，提高了判别的准确度。
在一个实施例中，在所述S100之后，还包括：
S110，对所述待测隔离开关点云图像进行去离群点滤波处理，去除离散度比较大的点，增加所述隔离开关合闸位置判别方法的准确度。
在一个实施例中，在所述S100之前，还包括：
S010，获取所述标准合闸状态隔离开关所处环境的标准点云图像，所述标准点云图像包含所述标准合闸状态隔离开关点云图像和所述标准合闸状态隔离开关的周围环境点云图像。
所述标准点云图像包括所述标准合闸状态的刀闸和支撑所述刀闸的绝缘子等环境元件。在所述标准合闸状态隔离开关点云图像是从所述标准点云图像中剖离出来的。
在一个实施例中，需对所述标准点云图像进行兴趣点位标记。在后期剖离所述标准点云图像时，才能准确剖离出所述标准点云图像。
S020，获取待测隔离开关所处环境的待测点云图像，所述待测点云图像包含所述待测隔离开关点云图像和所述待测隔离开关的周围环境点云图像。
所述待测点云图像包括所述待测合闸状态的刀闸和支撑所述刀闸的绝缘子等环境元件。在所述待测隔离开关点云图像是从所述待测点云图像中剖离出来的。
S030，将所述待测点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应。
在一个实施例中，所述S100为从所述待测点云图像中提取所述待测隔离开关点云图像，从标准点云图像中提取所述标准合闸状态隔离开关点云图像。
在一个实施例中，在所述S020之后，还包括：
S021，对所述待测点云图像进行预处理。
在一个实施例中，所述S021包括：
S01，对所述待测点云图像进行直通滤波处理，即为所述待测点云图像进行降噪处理。
在一个实施例中，所述S01之后，还包括：
S02，对所述待测点云图像进行去零点处理，去除所述待测点云图像中没有数据的点。
在一个实施例中，所述S030包括：
S031，利用正态分布变换算法，使所述待测点云图像与所述标准点云图像的位置和姿态相对应。
所述正态分布变换算法又称为NDT算法。NDT的配准流程为：
将所述待测点云图像或所述标准点云图像分成S个体素，每个体素中的点可用向量表示x＝(xi，yi，zi)。
计算体素k中的均值向量
和协方差矩阵∑k，k＝1，2，…，S。
通过正态分布函数N(qk，∑k)来模拟体素k中点的分布状况。
所述待测点云图像中的N个点xqi＝(xqi，yqi，zqi)T经过平移旋转公式可以转换到所述标准点云图像的坐标系下，可构建NDT的测度函数。
所述平移旋转公式为：
所述NDT的测度函数为：
式中：qk和∑k分别为xqi变换后的x′qi落入的体素k的均值向量和协方差矩阵。通过牛顿的方法进行线搜索可求出满足测度函数的变换向量t。根据该变换参数更新源点云，迭代可得到最终收敛的变换参数向量。
NDT配准方法应用More-Thuente线搜索迭代得到变换矩阵，影响NDT配准效果的参数主要是将点云分成体素的尺寸和线搜索时的最大步长。
在一个实施例中，根据所述待测点云图像的点的个数和所述待测隔离开关的尺寸，通过分辨率公式可以得到分辨率。
所述分辨率公式为：
其中，n为所述待测点云图像的个数，Sx、Sy、Sz分别为所述待测隔离开关在x、y、z方向的尺度。NDT算法中终止条件变换矩阵最小转换差异设置为接近ε。网格结构中的分辨率设置为接近10ε。初始位置相距较大时线搜索的步长设置大一些，设置为接近ε。
在一个实施例中，所述S031之后，还包括：
S032，利用最近点迭代算法对所述待测点云图像进行微调。
在一个实施例中，所述S032之后，还包括：
S033，利用非线性最近点迭代算法对所述待测点云图像进行精细调整，计算速度较快，针对点云数据量较大和两个点云距离较远的情况下依然能得到较高精度的配准算法。
在一个实施例中，在所述S033中所述非线性最近点迭代算法公式为：
其中，FitnessScore作为配准效果评定指标。得分越小，配准效果越小。实际应用中，当得分小于0.02时，认为配准精度较高。
本申请实施例提供一种隔离开关位置检测系统的控制方法包括：
S1000，巡检机器人按照预设采集时间和预设采集地点，对多个标准合闸的所述标准合闸状态隔离开关进行3D扫描。所述巡检机器人获得多个与所述多个标准合闸状态隔离开关一一对应的标准点云图像。所述巡检机器人将所述多个标准点云图像上传至变电站后台监控装置。
S2000，所述巡检机器人按照所述预设采集时间和所述预设采集地点，对多个待测合闸的所述待测隔离开关进行3D扫描。所述巡检机器人获得多个与所述多个待测隔离开关一一对应的待测点云图像。所述巡检机器人将所述多个待测点云图像上传至所述变电站后台监控装置。
S3000，所述变电站后台监控装置包括点云图像处理模型。所述变电站后台监控装置将所述多个标准点云图像和所述多个待测点云图像带入所述点云图像处理模型，得到多个与所述多个待测隔离开关一一对应的第一相似度。
S4000，所述变电站后台监控装置分别比较所述多个第一相似度与第一设定值的大小。若所述第一相似度小于所述第一设定值，则判定与所述第一相似度对应的所述隔离开关处于标准位置。
本申请实施例提供的所述隔离开关位置检测系统的控制方法通过巡检机器人按照预设采集时间和预设采集地点，对多个标准合闸的所述标准合闸状态隔离开关和多个所述待测隔离开关进行3D扫描。所述巡检机器人建立标准工作状态的多个标准点云图像和待测状态的多个待测点云图像。以所述多个标准点云图像为基础，机器人定时巡检时，扫描每一个所述待测隔离开关的位置。所述变电站后台监控装置将所述多个标准点云图像和所述多个待测点云图像带入所述点云图像处理模型进行比较，可轻易的发现位移在1mm以上的错位信息。所述隔离开关位置检测系统的控制方法可以精确监测高压线路隔离开关臂的实时状态。
所述巡检机器人包括运动系统。所述运动系统的运行位置误差在±10mm以内。所述巡检机器人上搭载的3D扫描仪103。所述3D扫描仪103用于对所述隔离开关进行3D扫描。所述巡检机器人的巡检路线可以设定。所述3D扫描仪103的扫描位置和扫描角度可以调整。所述3D扫描仪103的扫描精度达到1mm。
在一个实施例中，所述点云图像处理模型包括：
S3100，获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像。
S3200，将所述标准隔离开关点云图像划分为多个标准隔离开关体素。将所述待测隔离开关点云图像划分为多个待测隔离开关体素，且所述多个待测隔离开关体素与所述多个标准隔离开关体素一一对应。
S3300，获取每个所述标准隔离开关体素的标准重心，以及每个所述待测隔离开关体素的待测重心。
S3400，计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值。当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种隔离开关合闸位置判别方法，其特征在于，包括：
将待测点云图像与标准点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应，其中，所述标准点云图像包含标准合闸状态隔离开关的标准隔离开关点云图像，所述待测点云图像包含待测隔离开关点云图像；
获取所述标准合闸状态隔离开关的标准隔离开关点云图像，以及所述待测隔离开关的待测隔离开关点云图像；
将所述标准隔离开关点云图像划分为多个标准隔离开关体素，将所述待测隔离开关点云图像划分为多个待测隔离开关体素，且所述多个待测隔离开关体素与所述多个标准隔离开关体素一一对应；
获取每个所述标准隔离开关体素的标准重心，以及每个所述待测隔离开关体素的待测重心；
计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值，当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态。
2.如权利要求1所述的隔离开关合闸位置判别方法，其特征在于，在计算每个所述待测重心和与所述待测重心对应的所述标准重心之间的距离值，并对多个所述距离值求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第一相似度值，当所述第一相似度值小于第一设定值时，判断所述待测隔离开关处于标准合闸状态的步骤之后，所述隔离开关合闸位置判别方法还包括：
获取每个所述待测隔离开关体素的待测中心点，以及每个所述标准隔离开关体素的标准中心点；
获取每个所述待测中心点的待测特征向量，以及每个所述标准中心点的标准特征向量；
计算每个所述待测特征向量和与所述待测特征向量对应的所述标准特征向量之间的向量差，并对多个所述向量差求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第二相似度值，并根据所述第二相似度值判断所述待测隔离开关是否处于标准合闸状态。
3.如权利要求2所述的隔离开关合闸位置判别方法，其特征在于，在计算每个所述待测特征向量和与所述待测特征向量对应的所述标准特征向量之间的向量差，并对多个所述向量差求平均，得到所述待测隔离开关点云图像与所述标准隔离开关点云图像的第二相似度值，并根据所述第二相似度值判断所述待测隔离开关是否处于标准合闸状态的步骤之后，所述隔离开关合闸位置判别方法还包括：
根据所述多个距离值和所述多个向量差，得到第三相似度值，根据所述第三相似度值判断所述待测隔离开关是否处于标准合闸状态。
4.如权利要求3所述的隔离开关合闸位置判别方法，其特征在于，根据所述多个距离值和所述多个向量差，得到第三相似度值的步骤包括：
利用所述距离值对与所述距离值对应的所述向量差进行加权处理，得到加权相关系数；
分别对所述多个向量差进行加权处理，并得到多个所述加权相关系数；
对所述多个加权相关系数求平均，得到平均相关系数，所述平均相关系数即为所述第三相似度值。
5.如权利要求1所述的隔离开关合闸位置判别方法，其特征在于，在获取标准合闸状态隔离开关的标准隔离开关点云图像，以及待测隔离开关的待测隔离开关点云图像之后，所述隔离开关合闸位置判别方法还包括：
对所述待测隔离开关点云图像进行去离群点滤波处理。
6.如权利要求1所述的隔离开关合闸位置判别方法，其特征在于，所述将待测点云图像与标准点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应之前，所述隔离开关合闸位置判别方法还包括：
获取所述标准合闸状态隔离开关所处环境的标准点云图像，所述标准点云图像包含所述标准合闸状态隔离开关的周围环境点云图像；
获取待测隔离开关所处环境的待测点云图像，所述待测点云图像包含所述待测隔离开关的周围环境点云图像。
7.如权利要求6所述的隔离开关合闸位置判别方法，其特征在于，从所述待测点云图像中提取所述待测隔离开关点云图像，从标准点云图像中提取所述标准合闸状态隔离开关点云图像。
8.如权利要求6所述的隔离开关合闸位置判别方法，其特征在于，在获取待测隔离开关所处环境的待测点云图像，所述待测点云图像包含所述待测隔离开关点云图像和所述待测隔离开关的周围环境点云图像之后，还包括：
对所述待测点云图像进行预处理。
9.如权利要求8所述的隔离开关合闸位置判别方法，其特征在于，其特征在于，对所述待测点云图像进行预处理的步骤包括：
对所述待测点云图像进行直通滤波处理。
10.如权利要求9所述的隔离开关合闸位置判别方法，其特征在于，对所述待测点云图像进行直通滤波处理之后，还包括：
对所述待测点云图像进行去零点处理。
11.如权利要求6所述的隔离开关合闸位置判别方法，其特征在于，将所述待测点云图像与标准点云图像进行配准，以使所述待测点云图像与所述标准点云图像相对应的步骤包括：
利用正态分布变换算法，使所述待测点云图像与所述标准点云图像的位置和姿态相对应。
12.如权利要求11所述的隔离开关合闸位置判别方法，其特征在于，利用正态分布变换算法，使所述待测点云图像与所述标准点云图像的位置和姿态相对应之后，还包括：
利用最近点迭代算法对所述待测点云图像进行微调。
13.如权利要求12所述的隔离开关合闸位置判别方法，其特征在于，利用最近点迭代算法对所述待测点云图像进行微调之后，还包括：
利用非线性最近点迭代算法对所述待测点云图像进行精细调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910680742.6A CN110599446B (zh) | 2019-07-26 | 2019-07-26 | 隔离开关合闸位置判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910680742.6A CN110599446B (zh) | 2019-07-26 | 2019-07-26 | 隔离开关合闸位置判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110599446A CN110599446A (zh) | 2019-12-20 |
| CN110599446B true CN110599446B (zh) | 2022-06-17 |
Family
ID=68852887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910680742.6A Active CN110599446B (zh) | 2019-07-26 | 2019-07-26 | 隔离开关合闸位置判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110599446B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112733391B (zh) * | 2021-04-06 | 2021-08-06 | 国网江西省电力有限公司电力科学研究院 | 一种基于距离幂次反比法的断路器合闸时间预估方法 |
| CN114220068B (zh) * | 2021-11-08 | 2023-09-01 | 珠海优特电力科技股份有限公司 | 刀闸分合状态确定方法、装置、设备、介质及产品 |
| CN114743825A (zh) * | 2022-06-09 | 2022-07-12 | 武汉黉门电工科技有限公司 | 一种隔离开关及隔离开关分合闸状态监控方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105513127B (zh) * | 2015-12-25 | 2018-01-26 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
| GB2566443A (en) * | 2017-09-05 | 2019-03-20 | Nokia Technologies Oy | Cross-source point cloud registration |
| CN107945189A (zh) * | 2017-11-28 | 2018-04-20 | 武汉大学 | 一种基于正态分布变换单元的点云平面分割方法 |
| CN109242828B (zh) * | 2018-08-13 | 2022-04-19 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
| CN109272523B (zh) * | 2018-08-13 | 2021-03-16 | 西安交通大学 | 基于改进cvfh和crh特征的随机堆放活塞位姿估计方法 |
| CN109768620B (zh) * | 2018-12-11 | 2021-03-19 | 北京安美智享科技有限公司 | 一种变电所智能视频联动方法 |
| CN109767464B (zh) * | 2019-01-11 | 2023-03-28 | 西南交通大学 | 一种低重叠率的点云配准方法 |
| CN109949349B (zh) * | 2019-01-24 | 2021-09-21 | 北京大学第三医院（北京大学第三临床医学院） | 一种多模态三维图像的配准及融合显示方法 |
-
2019
- 2019-07-26 CN CN201910680742.6A patent/CN110599446B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110599446A (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110599446B (zh) | 隔离开关合闸位置判别方法 | |
| CN111121645B (zh) | 一种高精度的架空输电导线弧垂检测方法 | |
| CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
| CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
| EP3683541A1 (en) | Method for measuring downward inclination angle of antenna based on linear regression fitting | |
| CN113345019A (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN111174697A (zh) | 基于无人机的立体视觉影像精确测量方法 | |
| CN102519846B (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
| CN113450356B (zh) | 用于识别目标部件安装状态的方法、设备和存储介质 | |
| CN110136178B (zh) | 一种基于端点拟合的三维激光点云配准方法及装置 | |
| CN108537170A (zh) | 一种电力设备固件无人机巡检销钉缺失检测方法 | |
| CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
| Huang et al. | A measurement technology of space distance among transmission bundle conductors based on image sensors | |
| CN109192055A (zh) | 一种变电站设备铭牌三维模型快速获取匹配的方法 | |
| CN110992463B (zh) | 一种基于三目视觉的输电导线弧垂的三维重建方法及系统 | |
| CN109490728A (zh) | 一种基于正则化的变电站局部放电定位方法 | |
| Zhao et al. | Vision-based adaptive stereo measurement of pins on multi-type electrical connectors | |
| CN113592324A (zh) | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 | |
| CN107590787A (zh) | 一种扫描电子显微镜的图像畸变校正方法 | |
| CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
| CN113063422B (zh) | 一种顾及钟差的5g终端室内定位方法 | |
| CN110717932A (zh) | 一种实时跟踪的剪刀式刀闸状态的检测方法 | |
| CN108595373B (zh) | 一种无控制dem配准方法 | |
| CN115656806A (zh) | 一种关联于物体表面积的隔离开关监测方法 | |
| 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 |