一种故障定位方法、装置及系统
技术领域
本发明涉及光伏板阵列故障检测技术领域,特别是涉及一种故障定位方法、装置及系统。
背景技术
光伏板阵列(Photovoltaic Array)由多片光伏板(光伏模组)连接而成,是一种大规模的光伏发电系统。如果光伏板阵列出现故障,通常采用无人机检测的方式,对出现故障的光伏板进行定位。
现有的定位方案一般包括:无人机携带红外摄像头拍摄光伏板阵列的红外图像,检测该红外图像中是否存在热斑;如果存在,根据无人机飞行高度对应的比例尺,确定无人机相对于热斑中心点位置的偏移距离及方向;根据所确定的偏移距离及方向,控制无人机飞行至热斑中心点位置的正上方;然后控制无人机下降至拍摄高度,无人机携带的可见光摄像头对热斑进行拍摄,将拍摄的可见光图像发送至地面站,由地面站确定热斑的具体位置,也就是对出现故障的光伏板进行定位。
上述方案中,地面站接收到可见光图像后,相关人员用肉眼确定出现故障的光伏板位置。
发明内容
本发明实施例的目的在于提供一种故障定位方法、装置及系统,以自动对故障区域进行定位。
为达到上述目的,本发明实施例提供了一种故障定位方法,包括:
获取无人机针对光伏板阵列采集的、包含故障区域的细节图像;
基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系;
根据所述无人机采集所述细节图像时的第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置;
在预先获取的光伏板阵列的全景图像中,确定与所述第二地理位置相匹配的光伏板,作为故障定位结果;其中,所述全景图像中包括每个光伏板的地理位置。
可选的,所述获取无人机针对光伏板阵列采集的、包含故障区域的细节图像,包括:
控制无人机携带的热成像相机针对光伏板阵列采集热成像图像;
判断所述热成像图像中是否存在温差大于阈值的区域,如果存在,则将所述温差大于阈值的区域确定为故障区域,将所述热成像图像确定为包含故障区域的细节图像。
可选的,在所述获取无人机针对光伏板阵列采集的、包含故障区域的细节图像之后,还包括:
利用轮廓检测算法,识别所述细节图像中的光伏板阵列区域,判断所述故障区域是否属于所述光伏板阵列区域;
如果属于,则执行所述基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系的步骤。
可选的,所述基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系,包括:
基于所述细节图像,确定所述故障区域与所述无人机之间的空间位置关系或者地面位置关系。
可选的,基于所述细节图像,确定所述故障区域与所述无人机之间的地面位置关系,包括:
将所述细节图像映射至地面坐标系;在所述地面坐标系中,确定所述故障区域中心点与所述无人机中心点之间的距离及角度。
可选的,所述将所述细节图像映射至地面坐标系,包括:
根据相机的高度、焦距、相机传感器的尺寸,计算所述细节图像映射至地面坐标系中对应的映射区域的尺寸;其中,所述相机为采集所述细节图像的相机;
以所述相机正下方的地面上的点为中心点,确定所述尺寸对应的区域为所述映射区域;
所述在所述地面坐标系中,确定所述故障区域中心点与所述无人机中心点之间的距离及角度,包括:
确定所述细节图像中的故障区域中心点映射至映射区域中对应的点,作为异常点;确定所述异常点与所述映射区域中心点之间的距离及角度。
可选的,所述根据所述无人机采集所述细节图像时的第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置,包括:
根据所述第一地理位置的纬度、以及所述位置关系中的纵向距离和纵向角度,计算所述故障区域的纬度;
根据所述第一地理位置的经度、以及所述位置关系中的横向距离和横向角度,计算所述故障区域的经度。
可选的,采用如下步骤,生成所述全景图像:
控制无人机携带的可见光相机针对光伏板阵列采集可见光图像,并获取所述可见光相机采集所述可见光图像时所述无人机的地理位置;
将所采集的可见光图像进行拼接,得到光伏板阵列图像;
根据所述无人机的地理位置,将所述光伏板阵列图像转化为地图瓦片;
将所述地图瓦片叠加至地图中,得到所述全景图像。
可选的,采用如下步骤,生成所述全景图像:
控制无人机携带的可见光相机针对光伏板阵列采集可见光图像;
将所采集的可见光图像进行拼接,得到光伏板阵列图像;
将每张光伏板的地理位置叠加至所述光伏板阵列图像中,得到全景图像。
为达到上述目的,本发明实施例还提供了一种故障定位装置,包括:
获取模块,用于获取无人机针对光伏板阵列采集的、包含故障区域的细节图像;
第一确定模块,用于基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系;
计算模块,用于根据所述无人机采集所述细节图像时的第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置;
第二确定模块,用于在预先获取的光伏板阵列的全景图像中,确定与所述第二地理位置相匹配的光伏板,作为故障定位结果;其中,所述全景图像中包括每个光伏板的地理位置。
可选的,所述获取模块,具体用于:控制无人机携带的热成像相机针对光伏板阵列采集热成像图像;判断所述热成像图像中是否存在温差大于阈值的区域,如果存在,则将所述温差大于阈值的区域确定为故障区域,将所述热成像图像确定为包含故障区域的细节图像。
可选的,所述装置还包括:
判断模块,用于利用轮廓检测算法,识别所述细节图像中的光伏板阵列区域,判断所述故障区域是否属于所述光伏板阵列区域;如果属于,则触发所述第一确定模块。
可选的,所述第一确定模块,具体用于:基于所述细节图像,确定所述故障区域与所述无人机之间的空间位置关系或者地面位置关系。
可选的,所述第一确定模块,包括:
映射子模块,用于将所述细节图像映射至地面坐标系;
确定子模块,用于在所述地面坐标系中,确定所述故障区域中心点与所述无人机中心点之间的距离及角度。
可选的,所述映射子模块,具体用于:根据相机的高度、焦距、相机传感器的尺寸,计算所述细节图像映射至地面坐标系中对应的映射区域的尺寸;其中,所述相机为采集所述细节图像的相机;以所述相机正下方的地面上的点为中心点,确定所述尺寸对应的区域为所述映射区域;
所述确定子模块,具体用于:确定所述细节图像中的故障区域中心点映射至映射区域中对应的点,作为异常点;确定所述异常点与所述映射区域中心点之间的距离及角度。
可选的,所述计算模块,具体用于:根据所述第一地理位置的纬度、以及所述位置关系中的纵向距离和纵向角度,计算所述故障区域的纬度;根据所述第一地理位置的经度、以及所述位置关系中的横向距离和横向角度,计算所述故障区域的经度。
可选的,所述装置还包括:
第一全景图像生成模块,用于控制无人机携带的可见光相机针对光伏板阵列采集可见光图像,并获取所述可见光相机采集所述可见光图像时所述无人机的地理位置;将所采集的可见光图像进行拼接,得到光伏板阵列图像;根据所述无人机的地理位置,将所述光伏板阵列图像转化为地图瓦片;将所述地图瓦片叠加至地图中,得到所述全景图像。
可选的,所述装置还包括:
第二全景图像生成模块,用于控制无人机携带的可见光相机针对光伏板阵列采集可见光图像;将所采集的可见光图像进行拼接,得到光伏板阵列图像;将每张光伏板的地理位置叠加至所述光伏板阵列图像中,得到全景图像。
为达到上述目的,本发明实施例还提供了一种电子设备,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一种故障定位方法。
为达到上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种故障定位方法。
为达到上述目的,本发明实施例还提供了一种故障定位系统,包括:无人机、相机和地面站;
所述无人机,用于携带所述相机对光伏板阵列进行巡检;
所述相机,用于针对光伏板阵列进行图像采集,当采集到包含故障区域的图像后,将所述包含故障区域的图像作为细节图像发送至所述地面站,并将采集所述细节图像时所述无人机的第一地理位置发送至地面站;
所述地面站,用于接收所述细节图像及所述第一地理位置;基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系;根据所述第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置;在预先获取的光伏板阵列的全景图像中,确定与所述第二地理位置相匹配的光伏板,作为故障定位结果;其中,所述全景图像中包括每个光伏板的地理位置。
应用本发明实施例进行故障定位,基于无人机与光伏板阵列中故障区域之间的位置关系,确定该故障区域的地理位置;此外,预先获取光伏板阵列的全景图像,该全景图像包括每个光伏板的地理位置,因此可以将故障区域映射至该全景图像中,这样可以反应出故障区域具体位于光伏板阵列的哪块光伏板,可见,本方案实现了自动对故障区域进行定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的故障定位方法的第一种流程示意图;
图2为本发明实施例提供的一种映射示意图;
图3为本发明实施例提供的一种叠加图像后的地图示意图;
图4为本发明实施例提供的故障定位方法的第二种流程示意图;
图5为本发明实施例提供的一种故障定位装置的结构示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决上述技术问题,本发明实施例提供了一种故障定位方法、装置及系统,该方法及装置可以应用于无人机、或者地面站、或者其他电子设备,具体不做限定。下面首先对本发明实施例提供的一种故障定位方法进行详细介绍。
图1为本发明实施例提供的故障定位方法的第一种流程示意图,包括:
S101:获取无人机针对光伏板阵列采集的、包含故障区域的细节图像。
一种实施方式中,无人机中的相机可以竖直向下对光伏板阵列进行图像采集。也就是说,无人机中的云台角度可以为90度(云台竖直向下),这样,无人机中相机的成像平面与水平面平行,可以减少倾斜角及其他因素影响,提高故障定位准确度。本实施方式中,S101可以为:获取针对光伏板阵列采集的、包含故障区域的细节图像,所述细节图像为所述无人机中的相机竖直向下采集到的。
一种情况下,可以控制无人机携带的热成像相机针对光伏板阵列采集热成像图像;判断所述热成像图像中是否存在温差大于阈值的区域,如果存在,则将所述温差大于阈值的区域确定为故障区域,将所述热成像图像确定为包含故障区域的细节图像。
举例来说,无人机可以携带热成像相机执行巡检任务,无人机的巡检路线可以根据巡检任务的具体需求进行规划;无人机根据该路线进行巡检时,热成像相机针对光伏板阵列采集热成像图像。热成像相机可以竖直向下对光伏板阵列采集热成像图像,以减少倾斜角及其他因素影响,提高故障定位准确度。
如果光伏板阵列中不存在故障区域,则热成像图像中各区域温差较小,如果光伏板阵列中存在故障区域,则故障区域与其他区域的温差较大,因此,可以将温差较大的区域确定为故障区域,将该热成像图像确定为包含故障区域的细节图像。
S102:基于该细节图像,确定该故障区域与该无人机之间的位置关系。
一种实施方式中,S102可以包括:基于所述细节图像,确定所述故障区域与所述无人机之间的空间位置关系或者地面位置关系。也就是说,S102中确定的位置关系可以为三维空间中的位置关系,也可以为二维地面中的位置关系。
举例来说,确定故障区域与无人机之间的地面位置关系,可以包括:将所述细节图像映射至地面坐标系;在所述地面坐标系中,确定所述故障区域中心点与所述无人机中心点之间的距离及角度。
参考图2,将细节图像映射至地面坐标系,具体的,可以根据相机的高度H、焦距f、相机传感器的尺寸,计算细节图像映射至地面坐标系中对应的映射区域的尺寸;其中,所述相机为采集该细节图像的相机;以所述相机正下方的地面上的点为中心点,确定所述尺寸对应的区域为映射区域。
延续上述例子,这里所说的“相机”可以为上述“热成像相机”。具体的,可以利用如下算式计算映射区域的尺寸:Width=H*w/f,Height=H*h/f;
其中,Width表示映射区域的长度,Height表示映射区域的宽度,H表示相机距地面的高度,f表示相机的焦距,w表示相机传感器的长,h表示相机传感器的宽。
参考图2,将相机正下方的地面上的点作为映射区域中心点,相机正下方的地面上的点也可以认为是无人机正下方中心点;根据上述Width和Height,确定映射区域的具体位置。然后确定细节图像中的故障区域中心点映射至映射区域中对应的点,作为异常点;确定所述异常点与所述映射区域中心点之间的距离及角度,该距离及角度也就是故障区域与无人机之间的地面位置关系。
举例来说,可以在地面坐标系中,计算异常点的第二坐标、以及映射区域中心点的第三坐标,根据该第二坐标及该第三坐标,便可以确定异常点与映射区域中心点之间的距离及角度。
具体的,异常点与映射区域中心点之间的距离可以用第二坐标与第三坐标的差来表示;异常点与映射区域中心点之间的角度,也就是这两个点的连线与水平线或者竖直线的夹角。为了区分描述,将这两个点的连线与水平线的夹角称为横向角度,将这两个点的连线与竖直线的夹角称为纵向角度。
比如,可以利用如下算式,计算地面坐标系中异常点的第二坐标:
dX=|x/image_w–0.5|*Width
dY=|y/image_h–0.5|*Height
其中,(dX,dY)表示该异常点的第二坐标,(x,y)表示故障区域中心点在细节图像中的第一坐标,image_w表示细节图像的长度,image_h表示细节图像的宽度,Width表示映射区域的长度,Height表示映射区域的宽度。
一种情况下,地面坐标系可以为:以映射区域中心点为原点、以地面为坐标轴所在平面的坐标系,这种情况下,映射区域中心点的第三坐标即为原点坐标(0,0)。这样,异常点与映射区域中心点之间的距离可以表示为(dX,dY)。
地面坐标系中异常点与映射区域中心点之间的角度=图像坐标系中故障区域相对于相机对应点(一般为图像中心点)的角度。举例来说,可以在细节图像中,将相机对应的点与故障区域中心点相连接,将连接线作为直角三角形的斜边,该直角三角形的两条直角边分别为水平线和竖直线,根据该直角三角形的正弦或余弦得到该角度。
或者,也可以在地面坐标系中,将映射区域中心点(第三坐标)与异常点(第二坐标)相连接,将连接线作为直角三角形的斜边,该直角三角形的两条直角边分别为水平线和竖直线,根据该直角三角形的正弦或余弦得到该角度。
上面内容中介绍了“位置关系为地面位置关系”的情况,下面介绍“位置关系为空间位置关系”的情况:
无人机位于空中,可以通过无人机的定位装置确定无人机的三维坐标;故障区域位于地面,可以通过上面内容中提供的方式(参考图2)计算异常点的第二坐标,在第二坐标的基础上添加高度坐标0,即得到了故障区域的三维坐标;然后便可以确定无人机与故障区域在三维空间中的位置关系。
作为一种实施方式,在S102之前可以先利用轮廓检测算法,识别所述细节图像中的光伏板阵列区域,判断所述故障区域是否属于所述光伏板阵列区域;如果属于,再执行S102,如果不属于,则不执行S102。
可以理解,热成像相机采集的热成像图像中可能包含光伏板阵列之外的区域,本实施例仅针对光伏板阵列进行故障检测,如果故障区域不属于光伏板阵列,则不执行后续步骤。
具体的,可以利用轮廓检测算法,识别所述细节图像中的光伏板阵列区域。举例来说,轮廓检测算法有多种,如opencv算法,或者其他,具体不做限定。
S103:根据该无人机采集该细节图像时的第一地理位置、以及该位置关系,计算该故障区域的第二地理位置。
为了区分描述,将采集细节图像时、无人机的地理位置称为第一地理位置,将故障区域的地理位置称为第二地理位置。这里所说的地理位置即为真实物理空间中的位置,该地理位置可以为地面上的位置,不包括高度信息,比如,该地理位置可以为经纬度。
举例来说,可以根据无人机的定位装置确定该第一地理位置。由于不包括高度信息,第一地理位置可以为无人机(采集细节图像时)正下方的地面上的点的地理位置,也就是上述映射区域中心点的地理位置。
具体的,S103可以包括:根据所述第一地理位置的纬度、以及所述位置关系中的纵向距离和纵向角度,计算所述故障区域的纬度;根据所述第一地理位置的经度、以及所述位置关系中的横向距离和横向角度,计算所述故障区域的经度。
如果S102中确定出的位置关系为地面位置关系,如上所述,根据异常点的第二坐标及映射区域中心点的第三坐标,便可以确定该横向距离、纵向距离、横向角度、纵向角度。
如果S102中确定出的位置关系为空间位置关系,则可以将该空间位置关系中包括的距离投影至地面,得到该横向距离、纵向距离,可以直接根据空间位置关系,得到该横向角度和纵向角度(不需要投影至地面)。
作为一种实施方式,可以利用如下算式,计算故障区域的经纬度:
lat_E=lat_S+(dY*Cos(angleY*PI/180))/M
lng_E=lng_S+(dX*Sin(angleX*PI/180))/(M*Cos(lat_S*PI/180))
其中,lat_E表示故障区域的纬度,lng_E表示故障区域的经度,lat_S表示所述第一地理位置的纬度,lng_S表示所述第一地理位置的经度,(dX,dY)表示上述第三坐标与第二坐标的差,dX表示该位置关系中的横向距离,dY表示该位置关系中的纵向距离,angleX表示该位置关系中的横向角度、angleY表示该位置关系中的纵向角度,M表示每一经度的实际距离。
S104:在预先获取的光伏板阵列的全景图像中,确定与该第二地理位置相匹配的光伏板,作为故障定位结果。其中,所述全景图像中包括每个光伏板的地理位置。
作为一种实施方式,可以采用如下步骤,生成所述全景图像:
控制无人机携带的可见光相机针对光伏板阵列采集可见光图像,并获取所述可见光相机采集所述可见光图像时所述无人机的地理位置;
将所采集的可见光图像进行拼接,得到光伏板阵列图像;
根据所述无人机的地理位置,将所述光伏板阵列图像转化为地图瓦片;
将所述地图瓦片叠加至地图中,得到所述全景图像。
一般来说,地图通常是正面角度拍摄,也就是说拍摄地图的相机竖直向下对地面进行拍摄;相对应的,可见光相机可以竖直向下对光伏板阵列采集可见光图像,这样叠加准确度更高。
如上所述,无人机可以携带热成像相机执行巡检任务,在此之前,无人机可以先携带可见光相机针对光伏板阵列进行图像采集,每次进行图像采集时,记录无人机的地理位置,此外,将采集到的可见光图像进行拼接,得到光伏板阵列图像。
举例来说,地图由多个瓦片组成,或者说瓦片是构成地图的最小单元,每个瓦片都对应一个地理坐标,如GPS(Global Positioning System,全球定位系统)坐标,该坐标中包括经度和纬度。由于每次进行图像采集时,记录了无人机的地理位置,也就是说,拼接得到的光伏板阵列图像对应了多个地理位置,因此可以将该光伏板阵列图像转化为地图瓦片。
地图由瓦片组成,光伏板阵列图像也转化成了瓦片,这样,便可以将光伏板阵列图像转化得到的地图瓦片叠加至地图中,便得到了全景图像,如图3所示。
作为另一种实施方式,可以采用如下步骤,生成所述全景图像:
控制无人机携带的可见光相机针对光伏板阵列采集可见光图像;
将所采集的可见光图像进行拼接,得到光伏板阵列图像;
将每张光伏板的地理位置叠加至所述光伏板阵列图像中,得到全景图像。
上述实施方式是将光伏板阵列图像叠加到地图中,本实施方式是将地理位置叠加到光伏板阵列图像中,这两种方式都可以得到携带地理位置的全景图像。
一种情况下,无人机携带可见光相机针对光伏板阵列进行图像采集,每次进行图像采集时,记录无人机的地理位置,根据所记录的各个地理位置,计算每张光伏板的地理位置。比如,可以控制无人机携带可见光相机每次只针对一张光伏板进行图像采集,这样,光伏板与记录的地理位置一一对应。再比如,也可以控制无人机携带可见光相机每次针对多张光伏板进行图像采集,再根据可见光图像中各光伏板的位置,计算每张光伏板的地理位置。
另一种情况下,可以获取整个光伏板阵列的边角的地理位置,比如,如果光伏板阵列为四边形,可以获取四个角点的地理位置;然后根据光伏板的尺寸或数量,结合这四个角点的地理位置,依次计算每张光伏板的地理位置。
在全景图像中确定与第二地理位置相匹配的光伏板,可以反应出故障区域具体位于光伏板阵列的哪块光伏板,也就实现了自动对故障区域进行定位。
应用本发明图1所示实施例进行故障定位,基于无人机与光伏板阵列中故障区域之间的位置关系,确定该故障区域的地理位置;此外,预先获取光伏板阵列的全景图像,该全景图像包括每个光伏板的地理位置,因此可以将故障区域映射至该全景图像中,这样可以反应出故障区域具体位于光伏板阵列的哪块光伏板,可见,本方案实现了自动对故障区域进行定位。
图4为本发明实施例提供的故障定位方法的第二种流程示意图,包括:
S401:控制无人机携带的可见光相机针对光伏板阵列采集可见光图像,并获取该可见光相机采集该可见光图像时该无人机的地理位置。
举例来说,无人机的巡检路线可以根据巡检任务的具体需求进行规划;无人机根据该路线进行巡检时,可见光相机针对光伏板阵列采集可见光图像,并且每次进行图像采集时,记录无人机的地理位置。
S402:将所采集的可见光图像进行拼接,得到光伏板阵列图像。
S403:根据所获取的无人机的地理位置,将该光伏板阵列图像转化为地图瓦片。
一般来说,地图通常是正面角度拍摄,也就是说拍摄地图的相机竖直向下对地面进行拍摄;相对应的,可见光相机可以竖直向下对光伏板阵列采集可见光图像,这样转化的地图瓦片更准确。
举例来说,地图由多个瓦片组成,或者说瓦片是构成地图的最小单元,每个瓦片都对应一个地理坐标,如GPS(Global Positioning System,全球定位系统)坐标,该坐标中包括经度和纬度。由于每次进行图像采集时,记录了无人机的地理位置,也就是说,拼接得到的光伏板阵列图像对应了多个地理位置,因此可以将该光伏板阵列图像转化为地图瓦片。
S404:将该地图瓦片叠加至地图中,得到全景图像。
地图由瓦片组成,光伏板阵列图像也转化成了瓦片,这样,便可以将光伏板阵列图像转化得到的地图瓦片叠加至地图中,便得到了全景图像,如图3所示。
S405:控制无人机携带的热成像相机针对光伏板阵列采集热成像图像。
携带可见光相机的无人机与携带热成像相机的无人机可以为相同的无人机,也可以为不同的无人机。一种情况下,携带可见光相机的无人机与携带热成像相机的无人机可以为相同型号的无人机。
举例来说,无人机的巡检路线可以根据巡检任务的具体需求进行规划;无人机根据该路线进行巡检时,热成像相机针对光伏板阵列采集热成像图像。热成像相机可以竖直向下对光伏板阵列采集热成像图像,以减少倾斜角及其他因素影响,提高故障定位准确度。
S406:判断该热成像图像中是否存在温差大于阈值的区域,如果存在,则执行S407。
S407:将该温差大于阈值的区域确定为故障区域,将该热成像图像确定为包含故障区域的细节图像。
如果光伏板阵列中不存在故障区域,则热成像图像中各区域温差较小,如果光伏板阵列中存在故障区域,则故障区域与其他区域的温差较大,因此,可以将温差较大的区域确定为故障区域,将该热成像图像确定为包含故障区域的细节图像。
S408:根据热成像相机的高度、焦距、相机传感器的尺寸,计算该细节图像映射至地面坐标系中对应的映射区域的尺寸;以该热成像相机正下方的地面上的点为中心点,确定该尺寸对应的区域为映射区域。
具体的,可以利用如下算式计算映射区域的尺寸:Width=H*w/f,Height=H*h/f;
其中,Width表示映射区域的长度,Height表示映射区域的宽度,H表示热成像相机距地面的高度,f表示热成像相机的焦距,w表示热成像相机传感器的长,h表示热成像相机传感器的宽。
参考图2,将热成像相机正下方的地面上的点作为映射区域中心点,然后根据上述Width和Height,确定映射区域的具体位置。
S409:确定该细节图像中的故障区域中心点映射至该映射区域中对应的点,作为异常点。
具体的,可以利用如下算式,计算地面坐标系中的异常点的第二坐标:
dX=|x/image_w–0.5|*Width
dY=|y/image_h–0.5|*Height
其中,(dX,dY)表示该异常点的第二坐标,(x,y)表示故障区域中心点在细节图像中的第一坐标,image_w表示细节图像的长度,image_h表示细节图像的宽度,Width表示映射区域的长度,Height表示映射区域的宽度。
S410:确定该异常点与该映射区域中心点之间的横向距离、纵向距离、横向角度、纵向角度。
一种情况下,地面坐标系可以为:以映射区域中心点为原点、以地面为坐标轴所在平面的坐标系,这种情况下,映射区域中心点的第三坐标即为原点坐标(0,0)。这样,异常点与映射区域中心点之间的距离可以表示为(dX,dY),其中,dX表示横向距离,dY表示纵向距离。
异常点与映射区域中心点之间的角度,也就是这两个点的连线与水平线或者竖直线的夹角。为了区分描述,将这两个点的连线与水平线的夹角称为横向角度,将这两个点的连线与竖直线的夹角称为纵向角度。
地面坐标系中异常点与映射区域中心点之间的角度=图像坐标系中故障区域相对于相机对应点(一般为图像中心点)的角度。举例来说,可以在细节图像中,将相机对应的点与故障区域中心点相连接,将连接线作为直角三角形的斜边,该直角三角形的两条直角边分别为水平线和竖直线,根据该直角三角形的正弦或余弦得到该角度。
或者,也可以在地面坐标系中,将映射区域中心点(第三坐标)与异常点(第二坐标)相连接,将连接线作为直角三角形的斜边,该直角三角形的两条直角边分别为水平线和竖直线,根据该直角三角形的正弦或余弦得到该角度。
S411:根据该无人机采集该细节图像时的第一地理位置的纬度、以及该纵向距离和该纵向角度,计算故障区域的纬度;根据该第一地理位置的经度、以及该横向距离和该横向角度,计算故障区域的经度。
举例来说,可以根据无人机的定位装置确定该第一地理位置。由于不包括高度信息,第一地理位置可以为无人机(采集细节图像时)正下方的地面上的点的地理位置,也就是上述映射区域中心点的地理位置。
作为一种实施方式,可以利用如下算式,计算故障区域的经纬度:
lat_E=lat_S+(dY*Cos(angleY*PI/180))/M
lng_E=lng_S+(dX*Sin(angleX*PI/180))/(M*Cos(lat_S*PI/180))
其中,lat_E表示故障区域的纬度,lng_E表示故障区域的经度,lat_S表示所述第一地理位置的纬度,lng_S表示所述第一地理位置的经度,dX表示该横向距离,dY表示该纵向距离,angleX表示该横向角度、angleY表示该纵向角度,M表示每一经度的实际距离。
S412:在该全景图像中,确定与故障区域的经纬度相匹配的光伏板,作为故障定位结果。
图4实施例中,S401-S404的执行顺序并不限定在S405之前,也可以在S412之前的任意时间段执行。
应用本发明图4所示实施例,基于无人机与光伏板阵列中故障区域之间的位置关系,确定该故障区域的地理位置;此外,预先获取光伏板阵列的全景图像,该全景图像包括每个光伏板的地理位置,因此可以将故障区域映射至该全景图像中,这样可以反应出故障区域具体位于光伏板阵列的哪块光伏板,可见,本方案实现了自动对故障区域进行定位。
为达到上述目的,本发明实施例还提供了一种故障定位装置,如图5所示,包括:
获取模块501,用于获取无人机针对光伏板阵列采集的、包含故障区域的细节图像;
第一确定模块502,用于基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系;
计算模块503,用于根据所述无人机采集所述细节图像时的第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置;
第二确定模块504,用于在预先获取的光伏板阵列的全景图像中,确定与所述第二地理位置相匹配的光伏板,作为故障定位结果;其中,所述全景图像中包括每个光伏板的地理位置。
作为一种实施方式,获取模块501,具体可以用于:
控制无人机携带的热成像相机针对光伏板阵列采集热成像图像;
判断所述热成像图像中是否存在温差大于阈值的区域,如果存在,则将所述温差大于阈值的区域确定为故障区域,将所述热成像图像确定为包含故障区域的细节图像。
作为一种实施方式,所述装置还包括:
判断模块(图中未示出),用于利用轮廓检测算法,识别所述细节图像中的光伏板阵列区域,判断所述故障区域是否属于所述光伏板阵列区域;如果属于,则触发第一确定模块502。
作为一种实施方式,第一确定模块502,具体可以用于:基于所述细节图像,确定所述故障区域与所述无人机之间的空间位置关系或者地面位置关系。
作为一种实施方式,第一确定模块502,包括:
映射子模块,用于将所述细节图像映射至地面坐标系;
确定子模块,用于在所述地面坐标系中,确定所述故障区域中心点与所述无人机中心点之间的距离及角度。
作为一种实施方式,所述映射子模块,具体用于:根据相机的高度、焦距、相机传感器的尺寸,计算所述细节图像映射至地面坐标系中对应的映射区域的尺寸;其中,所述相机为采集所述细节图像的相机;以所述相机正下方的地面上的点为中心点,确定所述尺寸对应的区域为所述映射区域;
所述确定子模块,具体用于:确定所述细节图像中的故障区域中心点映射至映射区域中对应的点,作为异常点;确定所述异常点与所述映射区域中心点之间的距离及角度。
作为一种实施方式,计算模块503,具体用于:
根据所述第一地理位置的纬度、以及所述位置关系中的纵向距离和纵向角度,计算所述故障区域的纬度;根据所述第一地理位置的经度、以及所述位置关系中的横向距离和横向角度,计算所述故障区域的经度。
作为一种实施方式,所述装置还包括:
第一全景图像生成模块(图中未示出),用于控制无人机携带的可见光相机针对光伏板阵列采集可见光图像,并获取所述可见光相机采集所述可见光图像时所述无人机的地理位置;将所采集的可见光图像进行拼接,得到光伏板阵列图像;根据所述无人机的地理位置,将所述光伏板阵列图像转化为地图瓦片;将所述地图瓦片叠加至地图中,得到所述全景图像。
作为一种实施方式,所述装置还包括:第二全景图像生成模块(图中未示出),用于控制无人机携带的可见光相机针对光伏板阵列采集可见光图像;将所采集的可见光图像进行拼接,得到光伏板阵列图像;将每张光伏板的地理位置叠加至所述光伏板阵列图像中,得到全景图像。
应用本发明图5实施例进行故障定位,基于无人机与光伏板阵列中故障区域之间的位置关系,确定该故障区域的地理位置;此外,预先获取光伏板阵列的全景图像,该全景图像包括每个光伏板的地理位置,因此可以将故障区域映射至该全景图像中,这样可以反应出故障区域具体位于光伏板阵列的哪块光伏板,可见,本方案实现了自动对故障区域进行定位。
本发明实施例还提供了一种电子设备,如图6所示,包括处理器601和存储器602,
存储器602,用于存放计算机程序;
处理器601,用于执行存储器602上所存放的程序时,实现上述任一种故障定位方法。
作为一种实施方式,该电子设备可以为无人机,也可以为无人机携带的相机,也可以为无人机携带的其他设备;或者,该电子设备也可以为地面站设备,也可以为其他设备,具体不做限定。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种故障定位方法。
本发明实施例还提供了一种故障定位系统,包括:无人机、相机和地面站;
所述无人机,用于携带所述相机对光伏板阵列进行巡检;
所述相机,用于针对光伏板阵列进行图像采集,当采集到包含故障区域的图像后,将所述包含故障区域的图像作为细节图像发送至所述地面站,并将采集所述细节图像时所述无人机的第一地理位置发送至地面站;
所述地面站,用于接收所述细节图像及所述第一地理位置;基于所述细节图像,确定所述故障区域与所述无人机之间的位置关系;根据所述第一地理位置、以及所述位置关系,计算所述故障区域的第二地理位置;在预先获取的光伏板阵列的全景图像中,确定与所述第二地理位置相匹配的光伏板,作为故障定位结果;其中,所述全景图像中包括每个光伏板的地理位置。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于图5所示的故障定位装置实施例、图6所示的电子设备实施例、上述计算机可读存储介质实施例、以及上述故障定位系统实施例而言,由于其基本相似于图1-4所示的故障定位方法实施例,所以描述的比较简单,相关之处参见图1-4所示的故障定位方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。