CN111027422A - 一种应用于输电线路走廊的应急无人机巡检方法及系统 - Google Patents

一种应用于输电线路走廊的应急无人机巡检方法及系统 Download PDF

Info

Publication number
CN111027422A
CN111027422A CN201911183553.4A CN201911183553A CN111027422A CN 111027422 A CN111027422 A CN 111027422A CN 201911183553 A CN201911183553 A CN 201911183553A CN 111027422 A CN111027422 A CN 111027422A
Authority
CN
China
Prior art keywords
transmission line
image
power transmission
aerial vehicle
unmanned aerial
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
Application number
CN201911183553.4A
Other languages
English (en)
Inventor
刘越
王万国
刘广秀
鉴庆之
李勇
孙晓斌
杨波
李建祥
李振宇
许荣浩
贺鑫
刘彦红
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.)
State Grid Intelligent Technology Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
State Grid Intelligent Technology 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 Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, State Grid Intelligent Technology Co Ltd filed Critical Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN201911183553.4A priority Critical patent/CN111027422A/zh
Publication of CN111027422A publication Critical patent/CN111027422A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06T3/14—
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Abstract

本发明公开了一种应用于输电线路走廊的应急无人机巡检方法及系统，包括：确定无人机巡检航迹路线，进行巡检图像信息采集；在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列；按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息；利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积。本发明有益效果：巡检系统搭载可见光相机并结合全景拼接技术进行对通道走廊信息的可视化采集与全景展示，实现了走廊灾况的快速、精准获取。

Description

一种应用于输电线路走廊的应急无人机巡检方法及系统
技术领域
本发明涉及输电线路的走廊通道巡检技术领域，尤其涉及一种应用于输电线路走廊的应急无人机巡检方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
输电线路是电网的重要组成部分，是整个电网正常、安全运行的重要支撑。输电线路通常分布在山区、丘陵、无人区等地带，自然环境恶劣极易发生地质、山火等自然灾害。由于地处偏僻、地理环境复杂，发生灾害时人员无法第一时间达到开展灾情评估与灾情抢救，导致居民、生产用电受损。
输电线路的普通巡检是利用多旋翼无人机对杆塔进行精细化巡检，将杆塔及其附属部件拍下来，保证能看到销钉类的小目标。而输电线路的应急巡检的主要目的是快速查看通道的大体概况，包括受灾的情况等。
无人机作为一种快速、高效的巡检方式被应用到输电线路的日常巡检中，取得了很好的应用效果。但是在输电线路应急抢险中开展的应用较少，基于卫星检测的方法受云层、雾霾及卫星过境时间限制，无法全天候、精确、实时的获取走廊灾情信息。
现有技术公开的输电线路走廊检测技术，只是对输电线路局部进行建模分析，无法实现对整个走廊全局信息的分析监测；且图像三维建模耗时较高，不能满足应急救援中对实时性的要求。
现有技术公开的输电线路走廊隐患分析技术，只是针对存在的单一隐患进行分析，不满足应急救援对大范围、多维度灾害信息的需求。
发明内容
为了解决上述问题，本发明提出了一种应用于输电线路走廊的应急无人机巡检方法及系统，通过无人机巡检平台并搭载图像采集设备，对输电线路走廊进行大范围、快速图像信息采集；通过图像拼接技术获取通道走廊的整体信息，并自动分析通道走廊中存在的隐患与灾情。
在一些实施方式中，采用如下技术方案：
一种应用于输电线路走廊的应急无人机巡检方法，包括：
确定无人机巡检航迹路线，进行巡检图像信息采集；
在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列；
按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息；
利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积。
在另一些实施例中，公开了一种应用于输电线路走廊的应急无人机巡检系统，包括：
用于确定无人机巡检航迹路线，进行巡检图像信息采集的模块；
用于在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列的模块；
用于按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息的模块；
用于利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积的模块。
在另一些实施例中，公开了一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行上述的应用于输电线路走廊的应急无人机巡检方法。
在另一些实施例中，公开了一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行上述的应用于输电线路走廊的应急无人机巡检方法。
与现有技术相比，本发明的有益效果是：
巡检系统搭载可见光相机并结合全景拼接技术进行对通道走廊信息的可视化采集与全景展示，实现了走廊灾况的快速、精准获取；利用机器学习智能手段，实现多类型灾害的识别与灾情智能评估，为应急巡检提供第一手参考资料。
整套应急无人机巡检具有系统造价低、受地理环境影响小、易开展巡检工作等特点，适合开展大规模的推广与应用，提高我国应急巡检快速相应能力。
附图说明
图1为本发明实施例一中积分图像示意图；
图2为本发明实施例一中特征点提取流程图；
图3为本发明实施例一中五宫格示意图；
图4为本发明实施例一中应急巡检图像融合示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施例中，公开了一种应用于输电线路走廊的应急无人机巡检方法，包括：
(1)确定无人机巡检航迹路线，进行巡检图像信息采集；
根据杆塔GPS信息，制定应急无人机巡检航迹路线，并下发到无人机飞控中，无人机巡检系统自主执行远距离、大范围的应急巡检任务。
根据应急巡检任务，设定机载相机参数，如拍照间隔、快门、焦距、光圈等参数。
对输电线路通道走廊进行可见光图像采集，包括：杆塔情况、通道内地貌情况等。
(2)在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列；
对接输电线路GIS系统，获取待巡检通道走廊内所有杆塔的GPS数据，设定巡检高度并根据无人机本体的飞行特性设定巡检航线，在保证巡检安全的同时确保通道走廊一直处于相机视场范围内。
巡检过程中，依据设定的相机参数进行图像信息采集，在图像中写入具体的GPS信息并生成图像GPS序列表，形成图像标号与GPS信息对应序列，以便于根据检测到的缺陷信息获取其所在位置。
(3)按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息；
为了全面掌握输电线路通道走廊情况，指挥应急巡检工作开展，需对采集到的图像进行拼接，获取通道的全景信息并进行相应灾害等级评估。
输电线路通道图像拼接过程主要包括：
(3-1)为克服巡检过程中光照强度变化、相机视角变化等因素导致的相邻图像间存在较大的亮度与色调差异，使用直方图修正方法，对巡检图像进行校正，保证图像间颜色的一致性。
(3-2)图像特征点检测与加速。为实现两张图像的拼接，首先要提取图像内的关键特征点，主要步骤如图2所示，包括：
(3-2-1)积分图像生成。积分图像上坐标点(x,y)的值是原图像上原点坐标(0,0)到点(x,y)形成对角矩形区域的像素灰度值之和，记为IΣ(x,y)。
Figure BDA0002291883540000041
是将原图与高斯二阶计算，转换成积分的加减，用积分代替原来的卷积操作，这样更加快捷。参照图1，图中矩形区域的积分图像为：
Σ＝A+D-(B+C) (2)
其中，A、B、C、D分别代表的是图像中像素的位置。
(3-2-2)极值点检测；利用海森矩阵的行列式极大值来确定候选特征点的位置，图像上尺度空间为σ的海森矩阵定义如下：
Figure BDA0002291883540000042
其中，I代表积分图像；利用不同尺寸的盒式滤波器替代高斯二阶偏导数，快速生成尺度空间。利用盒式滤波Dxx、Dxy和Dyy替代高斯二阶偏导数Lxx、Lxy和Lyy。海森矩阵的行列式近似为：
det(Happrox)＝Dxx×Dyy-(0.9×Dxy)2 (4)
将海森矩阵计算出的行列式极大值与设定的阈值进行比较，为了使得局部极值更加稳定，在候选特征点相邻26个像素点的尺度区域中进行非极大值抑制(Non-MaximumSuppression，NMS)，相邻的26个像素点包括同层(同一尺度)相邻的8个像素点以及上下相邻两层(不同尺度)图像中对应的9×2个像素点。如果当前候选特征点是这27个像素点中的极大值或极小值，则判定该点为特征点。
(3-2-3)特征点主方向确定；为保证算法的旋转不变性，引入特征点主方向。在半径为6σ的特征尺度圆形区域中，做Haar小波响应运算，Haar小波响应总和最大值的方向作为该特征点的主方向θ。
(3-3)快速特征点匹配。选取特征点九宫格邻域并获取邻域内各点像素值；根据网格的对称性，将九宫格优化为5宫格，减少网格旋转次数与特征点统计与匹配次数，进而实现匹配加速；5宫格如图3所示。
为了降低图像间旋转关系对匹配的影响，对五宫格进行三次顺时针旋转操作，每次旋转角度为90°，不同旋转状态下最大的五宫格特征分数：
Figure BDA0002291883540000051
Figure BDA0002291883540000052
其中，
Figure BDA0002291883540000053
是对第i个网格所在的五宫格旋转k次后第j个网格特征分数。式中，Wi,j表示第i个网格所在的五宫格中第j个网格内粗匹配特征点数量，本实施例中，使用基于汉明距离的暴力匹配方法实现粗匹配；当网格特征分数
Figure BDA0002291883540000054
大于得分阈值ST时，记做特征匹配正确，反之记做匹配错误。这里，ST公式为：
ST＝μln(αMi+β)
式中μ,α,β为阈值系数。μ系数针对网格内正确匹配较少且错误匹配较多的情况，一般设置较大，α系数是特征数量均值的权重，一般设置接近于1，而β是针对以e为底的对数函数输入较小的情况，一般设置较小。
根据图像的长度和高度，进行网络自适应提取，实现不同长宽比下图像网络的自动划分。
(3-4)图像融合；应急巡检过程中，图像按照时间序列进行排序，计算相邻图像间的重叠区域并进行光学配准：
Figure BDA0002291883540000055
其中Ra和Rb分别是{Ia,Ib}中非重叠区域，va和vb是与重叠区域宽度相关的权重值，其中va＝(Xb-xi)/(Xb-Xa)，va＝(xi-Xa)/(Xb-Xa)，va+vb＝1，0<va<1，0<vb<1。Xa和Xb是重叠区域边缘的横坐标，xi是待融合像素的横坐标。
参照图4，进行图像融合的过程包括：
计算相邻图像间的重叠区域和不重叠区域；
对于重叠区域，根据重叠区域分别在相邻两幅图像中的权重，对重叠区域的像素进行加权后求和操作，作为重叠区域新的像素值；
对于不重叠区域，其像素值不变；
将重叠区域和不重叠区域的像素映射到新的图像中，对各点像素进行赋值，完成图像的融合。
(4)利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积。
经过通道走廊巡检图像拼接后，获取到输电线路走廊整体信息后，利用机器学习手段自动分析走廊中存在的灾情情况，包括倒塌、火灾、洪涝等情况，主要步骤包括:
(1)利用卷积神经网络技术，针对杆塔倒塌、杆塔倾斜等杆塔类灾害、洪涝、火灾、泥石流等灾害训练识别模型；
(2)利用训练得到的检测模型，对通道图像进行判别分析，获取存在灾害的位置与图像像素面积；
(3)利用图像像素与实际空间距离对应关系，将灾害在图像中的像素面积转换成灾害实际面积；结合采集过程中生成的图像与GPS序列表，生成包含受灾面积、具体位置的灾害评估报告，供应急指挥中心参考，指挥应急抢险作业。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，包括：
确定无人机巡检航迹路线，进行巡检图像信息采集；
在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列；
按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息；
利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积。
2.如权利要求1所述的一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，对巡检图像进行拼接，具体为：
对巡检图像进行校正，保证图像间颜色的一致性；
提取待拼接图像的特征点，对特征进行匹配；
图像按照时间序列进行排序，计算相邻图像间的重叠区域并进行光学配准；
通过加权平滑算法，实现图像平滑拼接。
3.如权利要求2所述的一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，所述提取待拼接图像的特征点，具体为：
根据校正后的图像生成积分图像；
利用海森矩阵的行列式极大值来确定积分图像中特征点的位置；
在设定半径的特征尺度圆形区域中，做Haar小波响应运算，Haar小波响应总和最大值的方向作为该特征点的主方向。
4.如权利要求2所述的一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，所述对特征进行匹配，具体为：
选取特征点五宫格邻域并获取邻域内各点像素值；
对五宫格进行设定次数的旋转操作，得到不同旋转状态下最大的五宫格特征分数；
当所述的网格特征分数大于设定的得分阈值时，记做特征匹配正确，反之记做匹配错误。
5.如权利要求2所述的一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，所述计算相邻图像间的重叠区域并进行光学配准，具体为：
计算相邻图像间的重叠区域和不重叠区域；
对于重叠区域，根据重叠区域分别在相邻两幅图像中的权重，对重叠区域的像素进行加权后求和操作，作为重叠区域新的像素值；
对于不重叠区域，其像素值不变；
将重叠区域和不重叠区域的像素映射到新的图像中，对各点像素进行赋值，完成图像的融合。
6.如权利要求1所述的一种应用于输电线路走廊的应急无人机巡检方法，其特征在于，利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积，具体为：
利用卷积神经网络技术，针对杆塔类灾害以及洪涝、火灾、泥石流灾害分别训练识别模型；
利用训练得到的检测模型，对采集到的通道图像进行判别分析，获取存在灾害的位置与图像像素面积；
利用图像像素与实际空间距离对应关系，将灾害在图像中的像素面积转换成灾害实际面积；
结合采集过程中生成的图像与GPS序列表，确定灾害实际面积对应的位置信息。
7.一种应用于输电线路走廊的应急无人机巡检系统，其特征在于，包括：
用于确定无人机巡检航迹路线，进行巡检图像信息采集的模块；
用于在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列的模块；
用于按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息的模块；
用于利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积的模块。
8.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-6任一项所述的应用于输电线路走廊的应急无人机巡检方法。
9.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-6任一项所述的应用于输电线路走廊的应急无人机巡检方法。
CN201911183553.4A 2019-11-27 2019-11-27 一种应用于输电线路走廊的应急无人机巡检方法及系统 Pending CN111027422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911183553.4A CN111027422A (zh) 2019-11-27 2019-11-27 一种应用于输电线路走廊的应急无人机巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911183553.4A CN111027422A (zh) 2019-11-27 2019-11-27 一种应用于输电线路走廊的应急无人机巡检方法及系统

Publications (1)

Publication Number Publication Date
CN111027422A true CN111027422A (zh) 2020-04-17

Family

ID=70206916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911183553.4A Pending CN111027422A (zh) 2019-11-27 2019-11-27 一种应用于输电线路走廊的应急无人机巡检方法及系统

Country Status (1)

Country Link
CN (1) CN111027422A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340746A (zh) * 2020-05-19 2020-06-26 深圳应急者安全技术有限公司 一种基于物联网的消防方法及消防系统
CN111862380A (zh) * 2020-07-16 2020-10-30 广元量知汇科技有限公司 智慧安防巡检管理方法
CN115183746A (zh) * 2022-04-20 2022-10-14 贵州电网有限责任公司 一种应用于配网低压线路全景透明用户报装的天地一体化的影像采集方法
CN116027798A (zh) * 2022-09-30 2023-04-28 三峡大学 基于图像修正的无人机电力巡检系统及方法
EP4261776A1 (en) * 2022-03-29 2023-10-18 Rakuten Group, Inc. Information processing apparatus, method and program

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3115858A1 (en) * 2014-03-07 2017-01-11 State Grid Corporation of China (SGCC) Centralized monitoring system and monitoring method for unmanned aerial vehicle to patrol power transmission line
CN106504192A (zh) * 2016-10-21 2017-03-15 云南电网有限责任公司电力科学研究院 一种输电线路走廊地质灾害勘探影像处理方法及系统
CN108447123A (zh) * 2018-03-27 2018-08-24 贵州电网有限责任公司输电运行检修分公司 一种输电线路走廊地质灾害勘测方法和系统
CN108492256A (zh) * 2018-04-18 2018-09-04 中国人民解放军陆军工程大学 无人机视频快速拼接方法
CN108898177A (zh) * 2018-06-26 2018-11-27 广东电网有限责任公司 一种输电线路走廊地表分类方法、系统、介质及设备
CN109117749A (zh) * 2018-07-23 2019-01-01 福建中海油应急抢维修有限责任公司 一种基于无人机巡检影像的异常目标监管方法及系统
CN109871788A (zh) * 2019-01-30 2019-06-11 云南电网有限责任公司电力科学研究院 一种输电走廊自然灾害影像识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3115858A1 (en) * 2014-03-07 2017-01-11 State Grid Corporation of China (SGCC) Centralized monitoring system and monitoring method for unmanned aerial vehicle to patrol power transmission line
CN106504192A (zh) * 2016-10-21 2017-03-15 云南电网有限责任公司电力科学研究院 一种输电线路走廊地质灾害勘探影像处理方法及系统
CN108447123A (zh) * 2018-03-27 2018-08-24 贵州电网有限责任公司输电运行检修分公司 一种输电线路走廊地质灾害勘测方法和系统
CN108492256A (zh) * 2018-04-18 2018-09-04 中国人民解放军陆军工程大学 无人机视频快速拼接方法
CN108898177A (zh) * 2018-06-26 2018-11-27 广东电网有限责任公司 一种输电线路走廊地表分类方法、系统、介质及设备
CN109117749A (zh) * 2018-07-23 2019-01-01 福建中海油应急抢维修有限责任公司 一种基于无人机巡检影像的异常目标监管方法及系统
CN109871788A (zh) * 2019-01-30 2019-06-11 云南电网有限责任公司电力科学研究院 一种输电走廊自然灾害影像识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李振宇: "基于改进 ORB 和 PROSAC 的无人机航拍图像拼接算法" *
陈方杰: "基于改进GMS和加权投影变换的图像配准算法" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340746A (zh) * 2020-05-19 2020-06-26 深圳应急者安全技术有限公司 一种基于物联网的消防方法及消防系统
CN111862380A (zh) * 2020-07-16 2020-10-30 广元量知汇科技有限公司 智慧安防巡检管理方法
EP4261776A1 (en) * 2022-03-29 2023-10-18 Rakuten Group, Inc. Information processing apparatus, method and program
CN115183746A (zh) * 2022-04-20 2022-10-14 贵州电网有限责任公司 一种应用于配网低压线路全景透明用户报装的天地一体化的影像采集方法
CN115183746B (zh) * 2022-04-20 2023-11-21 贵州电网有限责任公司 一种应用于配网低压线路全景透明用户报装的天地一体化的影像采集方法
CN116027798A (zh) * 2022-09-30 2023-04-28 三峡大学 基于图像修正的无人机电力巡检系统及方法
CN116027798B (zh) * 2022-09-30 2023-11-17 三峡大学 基于图像修正的无人机电力巡检系统及方法

Similar Documents

Publication Publication Date Title
CN111027422A (zh) 一种应用于输电线路走廊的应急无人机巡检方法及系统
WO2021142902A1 (zh) 基于DANet的无人机海岸线漂浮垃圾巡检系统
CN113744270B (zh) 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法
CN111259892B (zh) 一种指示灯状态的巡检方法、装置、设备和介质
CN110110641B (zh) 一种流域性洪涝场景的无人机监测方法及系统
CN110674861B (zh) 一种输变电巡检图像智能分析方法及装置
CN111537515A (zh) 基于三维实景模型的铁塔螺栓缺陷展示方法和系统
CN108734143A (zh) 一种巡检机器人的基于双目视觉的输电线路在线检测方法
CN110673628B (zh) 一种复合翼无人机油气管线巡检方法
CN105930819A (zh) 基于单目视觉和gps组合导航系统的实时城区交通灯识别系统
CN108109437A (zh) 一种基于地图特征的无人机自主航线提取生成方法
CN114092537A (zh) 一种变电站电力无人机自动巡检方法及装置
CN110414359A (zh) 长输管道无人机巡检数据分析与管理方法及系统
CN115861853A (zh) 基于改进yolox算法的复杂环境下输电线路鸟巢检测方法
CN114038193B (zh) 基于无人机和多目标追踪的智能交通流量数据统计方法及系统
CN114240868A (zh) 一种基于无人机的巡检分析系统及方法
CN116206223A (zh) 一种基于无人机边缘计算的火灾检测方法及系统
CN111079518A (zh) 一种基于执法办案区场景下的倒地异常行为识别方法
CN116310891A (zh) 一种云边协同输电线路缺陷智能检测系统和方法
CN111178283A (zh) 一种基于无人机图像的既定航线地物识别与定位方法
CN110910440A (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN115909092A (zh) 轻量化输电通道隐患测距方法及隐患预警装置
CN114581307A (zh) 用于目标追踪识别的多图像拼接方法、系统、设备及介质
CN112861737A (zh) 一种基于图像暗通道与YoLov3的森林火灾烟雾检测方法
CN112818964A (zh) 基于FoveaBox无锚神经网络的无人机检测方法

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
TA01 Transfer of patent application right

Effective date of registration: 20201030

Address after: 250101 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park)

Applicant after: National Network Intelligent Technology Co.,Ltd.

Address before: Wang Yue Central Road Ji'nan City, Shandong province 250002 City No. 2000

Applicant before: ELECTRIC POWER RESEARCH INSTITUTE OF STATE GRID SHANDONG ELECTRIC POWER Co.

Applicant before: National Network Intelligent Technology Co.,Ltd.

TA01 Transfer of patent application right