CN111174697A - 基于无人机的立体视觉影像精确测量方法 - Google Patents
基于无人机的立体视觉影像精确测量方法 Download PDFInfo
- Publication number
- CN111174697A CN111174697A CN201911283953.2A CN201911283953A CN111174697A CN 111174697 A CN111174697 A CN 111174697A CN 201911283953 A CN201911283953 A CN 201911283953A CN 111174697 A CN111174697 A CN 111174697A
- Authority
- CN
- China
- Prior art keywords
- image
- aerial vehicle
- unmanned aerial
- calibration
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/026—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring distance between sensor and object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
本发明公开了基于无人机的立体视觉影像精确测量方法,具体包括双目立体视觉的硬件搭建、图像获取、摄像相机标定、图像校正、立体匹配、三角测量和测量分析。本发明通过双目立体视觉的硬件搭建双目立体视觉技术的基础配置,以双目立体视觉技术为基础,获得待测量部位的多个角度立体图像,便于后续摄像相机标定;按照张正友算法求解成像模型的内参数和外参数,结合了传统标定算法鲁棒性好及自标定算法对标定物依赖性底的优点,不需要标定板移动的参数仅需要标定模板在两个方向上的移动就可以进行标定,该方法标定精度高、成本低;通过基于共线条件方程式对影响进行纠偏,使得获得的距离数据精度更好。
Description
技术领域
本发明属于立体视觉影像测量技术领域,具体涉及基于无人机的立体视觉影像精确测量方法。
背景技术
输电线路无人机巡检呈现常态化发展,但是目前仅局限于可见光照片的肉眼识别,或者通多一定的图像处理进行空间距离的分析工作,某些电网设备的空间距离分析需要达到厘米级的绝对精度才能满足要求,比如招弧角测量、覆冰厚度测量、防振锤位移测量、线夹偏移放电间隙测量、雷击位置测量以及塔材尺寸测量等,招弧角是一种防雷保护装置,通常安装于绝缘子串两端,用来将形成于绝缘间隙的电弧引离绝缘子串,以达到保护绝缘子串的目的。不同于通过增加绝缘子片数来提高耐雷水平的“阻塞型”防雷方式,招弧角为“疏导型”防雷方式,目前招弧角已经广泛运用于线路雷击保护之中。
目前超高压输电公司如柳州局黎桂甲线、黎桂乙线、桂山甲线、桂山乙线、牛从甲乙线等线路具备地线融冰条件,每年融冰试验前需对放电间隙测量,金中直流线线桂侧接地极线路每年停电检修时需要对每基杆塔进行测量,在日常运行过程中架空地线受地线不平衡张力、本身技术工艺、覆冰等因素影响,易造成放电间隙板电极或棒电极松动,使放电间隙变形、变大或缩小,同样招弧角在日常运行工程也存在同样情况,为确保放电间隙、招弧角满足规程规范要求,每年需要作业人员反复登塔检查测量,以往采取钢卷尺测量方式受人员技能水平、测量方法等因素影响,存在不同程度误差,人员登塔测量存在感应电等作业风险,通常每人每天完成1-2基塔的测量,且耗时耗力、效率低下,且使用高频次的登塔高空作业,大大增加人身伤亡等风险的机率。
传统的摄影测量方式在数据采集、数据处理、成果测量等方面存在诸多误差,无法满足绝对误差厘米级(1-2cm)的要求,机载激光雷达技术主要获取大范围的分米级激光点云,也无法满足小范围的绝对误差厘米级(1-2cm) 的要求,基于传统摄影测量或机载激光雷达的技术进行的三维建模,根据误差积累的原理,其模型精度要低于数据精度,也无法满足要求,且传统的摄影测量多集中在地面固定的测量方式或地面的点式的移动的测量方式,难以满足对输电线路测量的需求。
发明内容
本发明的目的在于提供基于无人机的立体视觉影像精确测量方法,以解决上述背景技术中提出现有技术中的问题。
为实现上述目的,本发明采用了如下技术方案:基于无人机的立体视觉影像精确测量方法,具体包括以下步骤:
S1:双目立体视觉的硬件搭建:通过在无人机上搭载多轴稳定云台,在多轴稳定云台上安装双目摄像相机,构成双目立体视觉的硬件;
S2:图像获取:利用双目摄像相机多角度拍摄输电线路的影像,双目摄像相机读取无人机自身GPS信息并存储,标定照片拍摄位置,获得立体图像资料;
S3:摄像相机标定:摄像相机的标定具体包括以下步骤:
S31:内参数解算,对步骤S2中或的立体图像进行处理,按照张正友算法求解成像模型的内参数和外参数,根据求解的内参数和外参数,建立相机成像的几何模型,几何模型参数就是相机参数,成像模型的内参数主要包括以下内容:
1):测定像主点坐标与主距,主点坐标为(x0,y0),主距为f;
2):设定压平装置及像框坐标系;
3):测定与设定调焦后变化的主距D;
4):测定调焦后变化的畸变差ΔxD,ΔyD;
5):测定偏心常数p1,p2;
6):比例因子不一的测定;
7):测定成像分辨率;
8):多相机的组合检校
9):测定径向畸变差和偏心畸变差,镜头径向畸变差为Δr,
Δr=k1r3+k2r5+k3r7+… ①
式①和式②中,r为像点向径,x,y为像点坐标,x0,y0为像主点坐标, ki(i=1,2,3…)为径向畸变参数,镜头径向畸变差Δr根据式式①和式②确定;
式③中,ΔxD,ΔyD为调焦距为D时的偏心畸变差分量,f为调焦距为D时的主距,D为调焦距,p1,p2为偏心畸变参数;
外参数主要包括旋转矩阵和平移矩阵;
S32:影像高精度畸变纠偏:基于共线条件方程式为基础的像点坐标误差方程法、多片空间前方交会解法、空间后方交会解法以及光线束解法进行,空间后方交会解法控制点的像方坐标作为观测值,实现纠偏校验;
S33:特定部件的自动化量测:分析解决特定部件形状,构建物理模型,通过特定物理模型使测量软件进行深度学习与识别,建立数据库使自动化技术有底层支撑;
S4:图像校正:首先利用S3中得到的内参数中的畸变系数去除图像的径向及切向畸变,得到无失真图像,其次将无失真图像通过几何图形变换关系,使得未处于同一平面的两个摄像头严格地行对应,两幅图像的对极线能够在同一水平线上;
S5:立体匹配:通过一种或者多种匹配基元,计算左右两幅图像的匹配代价,再将匹配代价聚类,得到初始的视差图,再对初始视差图进行插值、拟合的后处理,得到最终的视差图;
S6:三角测量:利用三角测量原理,计算出场景中物体的深度信息,结合步骤S3中获得的内参数和外参数,便可解算得到目标点在世界坐标系下的坐标;
S7:测量分析:处理双目摄像头获得和测量中的关键位置,来实现对浮冰厚度、防振锤位移和线夹偏移放电间隙的高精度测量。
优选的,所述步骤S1中,双目摄像相机为带有GPS定位的ZED-2K-Stereo 系列或Bumble-Bee系列双目摄像相机,双目摄像相机的像素不低于1600万,无人机采用M200系列无人机,多轴稳定云台采用三轴稳定云台。
优选的,所述步骤S2中,获得的立体图像不低于20幅。
优选的,所述步骤S5中,视差图图像不低于10幅。
本发明的技术效果和优点:本发明提出的基于无人机的立体视觉影像精确测量方法,与现有技术相比,具有以下优点:
本发明通过双目立体视觉的硬件搭建双目立体视觉技术的基础配置,以双目立体视觉技术为基础,获得待测量部位的多个角度立体图像,便于后续摄像相机标定;按照张正友算法求解成像模型的内参数和外参数,结合了传统标定算法鲁棒性好及自标定算法对标定物依赖性底的优点,不需要标定板移动的参数仅需要标定模板在两个方向上的移动就可以进行标定,该方法标定精度高、成本低;通过基于共线条件方程式对影响进行纠偏,使得获得的距离数据精度更好;通过特定部件形状物理模型的搭建,并构建相应的数据库,便于后续图像校正;通过图像的校正,在立体匹配时只需在某一行进行一维搜索即可匹配到对应点,方便后续的匹配;通过立体匹配、三角测量和测量分析,分别获得视差图、世界坐标系下的坐标和最终的测量数据,达到高精度的测量。
附图说明
图1为本发明的基于无人机的立体视觉影像精确测量方法张正友算法世界坐标、图像坐标与相机坐标关系示意图;
图2为本发明的基于无人机的立体视觉影像精确测量方法的双目摄像相机径向畸变模型示意图;
图3为本发明的基于无人机的立体视觉影像精确测量方法的双目摄像相机径向畸变和切向畸变示意图;
图4为本发明的基于无人机的立体视觉影像精确测量方法的成像模型示意图。
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。此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。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。
请参阅图1-4,本发明提供了基于无人机的立体视觉影像精确测量方法,具体包括以下步骤:
S1:双目立体视觉的硬件搭建:通过在无人机上搭载多轴稳定云台,在多轴稳定云台上安装双目摄像相机,构成双目立体视觉的硬件;
S2:图像获取:利用双目摄像相机多角度拍摄输电线路的影像,双目摄像相机读取无人机自身GPS信息并存储,标定照片拍摄位置,获得立体图像资料;
S3:摄像相机标定:摄像相机的标定具体包括以下步骤:
S31:内参数解算,对步骤S2中或的立体图像进行处理,按照张正友算法求解成像模型的内参数和外参数,根据求解的内参数和外参数,建立相机成像的几何模型,几何模型参数就是相机参数,成像模型的内参数主要包括以下内容:
1):测定像主点坐标与主距,主点坐标为(x0,y0),主距为f;
2):设定压平装置及像框坐标系;
3):测定与设定调焦后变化的主距D;
4):测定调焦后变化的畸变差ΔxD,ΔyD;
5):测定偏心常数p1,p2;
6):比例因子不一的测定;
7):测定成像分辨率;
8):多相机的组合检校
9):测定径向畸变差和偏心畸变差,镜头径向畸变差为Δr,
Δr=k1r3+k2r5+k3r7+… ①
式①和式②中,r为像点向径,x,y为像点坐标,x0,y0为像主点坐标, ki(i=1,2,3…)为径向畸变参数,镜头径向畸变差Δr根据式式①和式②确定;
式③中,ΔxD,ΔyD为调焦距为D时的偏心畸变差分量,f为调焦距为D时的主距,D为调焦距,p1,p2为偏心畸变参数;
外参数主要包括旋转矩阵和平移矩阵;
S32:影像高精度畸变纠偏:基于共线条件方程式为基础的像点坐标误差方程法、多片空间前方交会解法、空间后方交会解法以及光线束解法进行,空间后方交会解法控制点的像方坐标作为观测值,实现纠偏校验;
S33:特定部件的自动化量测:分析解决特定部件形状,构建物理模型,通过特定物理模型使测量软件进行深度学习与识别,建立数据库使自动化技术有底层支撑;
S4:图像校正:首先利用S3中得到的内参数中的畸变系数去除图像的径向及切向畸变,得到无失真图像,其次将无失真图像通过几何图形变换关系,使得未处于同一平面的两个摄像头严格地行对应,两幅图像的对极线能够在同一水平线上;
S5:立体匹配:通过一种或者多种匹配基元,计算左右两幅图像的匹配代价,再将匹配代价聚类,得到初始的视差图,再对初始视差图进行插值、拟合的后处理,得到最终的视差图;
S6:三角测量:利用三角测量原理,计算出场景中物体的深度信息,结合步骤S3中获得的内参数和外参数,便可解算得到目标点在世界坐标系下的坐标;
S7:测量分析:处理双目摄像头获得和测量中的关键位置,来实现对浮冰厚度、防振锤位移和线夹偏移放电间隙的高精度测量。
较佳地,所述步骤S1中,双目摄像相机为带有GPS定位的ZED-2K-Stereo 系列或Bumble-Bee系列双目摄像相机,双目摄像相机的像素不低于1600万,无人机采用M200系列无人机,多轴稳定云台采用三轴稳定云台。
较佳地,所述步骤S2中,获得的立体图像不低于20幅。
较佳地,所述步骤S5中,视差图图像不低于10幅。
综上所述:本发明通过双目立体视觉的硬件搭建双目立体视觉技术的基础配置,以双目立体视觉技术为基础,获得待测量部位的多个角度立体图像,便于后续摄像相机标定;按照张正友算法求解成像模型的内参数和外参数,结合了传统标定算法鲁棒性好及自标定算法对标定物依赖性底的优点,不需要标定板移动的参数仅需要标定模板在两个方向上的移动就可以进行标定,该方法标定精度高、成本低;通过基于共线条件方程式对影响进行纠偏,使得获得的距离数据精度更好;通过特定部件形状物理模型的搭建,并构建相应的数据库,便于后续图像校正;通过图像的校正,在立体匹配时只需在某一行进行一维搜索即可匹配到对应点,方便后续的匹配;通过立体匹配、三角测量和测量分析,分别获得视差图、世界坐标系下的坐标和最终的测量数据,达到高精度的测量。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,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,均应包含在本发明的保护范围之内。
Claims (4)
1.基于无人机的立体视觉影像精确测量方法,其特征在于:具体包括以下步骤:
S1:双目立体视觉的硬件搭建:通过在无人机上搭载多轴稳定云台,在多轴稳定云台上安装双目摄像相机,构成双目立体视觉的硬件;
S2:图像获取:利用双目摄像相机多角度拍摄输电线路的影像,双目摄像相机读取无人机自身GPS信息并存储,标定照片拍摄位置,获得立体图像资料;
S3:摄像相机标定:摄像相机的标定具体包括以下步骤:
S31:内参数解算,对步骤S2中或的立体图像进行处理,按照张正友算法求解成像模型的内参数和外参数,根据求解的内参数和外参数,建立相机成像的几何模型,几何模型参数就是相机参数,成像模型的内参数主要包括以下内容:
1):测定像主点坐标与主距,主点坐标为(x0,y0),主距为f;
2):设定压平装置及像框坐标系;
3):测定与设定调焦后变化的主距D;
4):测定调焦后变化的畸变差ΔxD,ΔyD;
5):测定偏心常数p1,p2;
6):比例因子不一的测定;
7):测定成像分辨率;
8):多相机的组合检校
9):测定径向畸变差和偏心畸变差,镜头径向畸变差为Δr,
Δr=k1r3+k2r5+k3r7+… ①
式①和式②中,r为像点向径,x,y为像点坐标,x0,y0为像主点坐标,ki(i=1,2,3…)为径向畸变参数,镜头径向畸变差Δr根据式式①和式②确定;
式③中,ΔxD,ΔyD为调焦距为D时的偏心畸变差分量,f为调焦距为D时的主距,D为调焦距,p1,p2为偏心畸变参数;
外参数主要包括旋转矩阵和平移矩阵;
S32:影像高精度畸变纠偏:基于共线条件方程式为基础的像点坐标误差方程法、多片空间前方交会解法、空间后方交会解法以及光线束解法进行,空间后方交会解法控制点的像方坐标作为观测值,实现纠偏校验;
S33:特定部件的自动化量测:分析解决特定部件形状,构建物理模型,通过特定物理模型使测量软件进行深度学习与识别,建立数据库使自动化技术有底层支撑;
S4:图像校正:首先利用S3中得到的内参数中的畸变系数去除图像的径向及切向畸变,得到无失真图像,其次将无失真图像通过几何图形变换关系,使得未处于同一平面的两个摄像头严格地行对应,两幅图像的对极线能够在同一水平线上;
S5:立体匹配:通过一种或者多种匹配基元,计算左右两幅图像的匹配代价,再将匹配代价聚类,得到初始的视差图,再对初始视差图进行插值、拟合的后处理,得到最终的视差图;
S6:三角测量:利用三角测量原理,计算出场景中物体的深度信息,结合步骤S3中获得的内参数和外参数,便可解算得到目标点在世界坐标系下的坐标;
S7:测量分析:处理双目摄像头获得和测量中的关键位置,来实现对浮冰厚度、防振锤位移和线夹偏移放电间隙的高精度测量。
2.根据权利要求1所述的基于无人机的立体视觉影像精确测量方法,其特征在于:所述步骤S1中,双目摄像相机为带有GPS定位的ZED-2K-Stereo系列或Bumble-Bee系列双目摄像相机,双目摄像相机的像素不低于1600万,无人机采用M200系列无人机,多轴稳定云台采用三轴稳定云台。
3.根据权利要求1所述的基于无人机的立体视觉影像精确测量方法,其特征在于:所述步骤S2中,获得的立体图像不低于20幅。
4.根据权利要求1所述的基于无人机的立体视觉影像精确测量方法,其特征在于:所述步骤S5中,视差图图像不低于10幅。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283953.2A CN111174697A (zh) | 2019-12-13 | 2019-12-13 | 基于无人机的立体视觉影像精确测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283953.2A CN111174697A (zh) | 2019-12-13 | 2019-12-13 | 基于无人机的立体视觉影像精确测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111174697A true CN111174697A (zh) | 2020-05-19 |
Family
ID=70646287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911283953.2A Pending CN111174697A (zh) | 2019-12-13 | 2019-12-13 | 基于无人机的立体视觉影像精确测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111174697A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611914A (zh) * | 2020-05-20 | 2020-09-01 | 北京海月水母科技有限公司 | 一种双目人脸识别探头人形定位技术 |
CN111879354A (zh) * | 2020-06-29 | 2020-11-03 | 广州中科智云科技有限公司 | 一种无人机精细化测量系统 |
CN111950428A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标障碍物识别方法、装置及运载工具 |
CN112051250A (zh) * | 2020-09-09 | 2020-12-08 | 南京诺源医疗器械有限公司 | 一种医学荧光成像影像补光调节系统及调节方法 |
CN112237416A (zh) * | 2020-09-10 | 2021-01-19 | 北京信息科技大学 | 一种基于视网膜表面血管特征的眼底多模态成像系统标定方法 |
CN112947546A (zh) * | 2021-01-27 | 2021-06-11 | 涵涡智航科技(玉溪)有限公司 | 一种无人飞行器仿地飞行方法 |
CN113793270A (zh) * | 2021-08-05 | 2021-12-14 | 杭州电子科技大学 | 一种基于无人机姿态信息的航拍图像几何校正方法 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
CN114463422A (zh) * | 2022-04-14 | 2022-05-10 | 北京深度奇点科技有限公司 | 一种用于影像测量校正的方法和系统 |
CN115790401A (zh) * | 2023-02-09 | 2023-03-14 | 西北工业大学 | 一种基于视觉测量的位移测量方法及相关设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120017336A (ko) * | 2010-08-18 | 2012-02-28 | 한국해양연구원 | 얼음두께 측정장치 및 이를 이용한 얼음두께 측정방법 |
CN104021389A (zh) * | 2014-06-16 | 2014-09-03 | 昆明能讯科技有限责任公司 | 电网防振锤缺陷自动判别方法 |
CN105675055A (zh) * | 2016-01-26 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰预测预警的方法与系统 |
JP2016114516A (ja) * | 2014-12-16 | 2016-06-23 | 独立行政法人石油天然ガス・金属鉱物資源機構 | 遠隔氷厚測定方法、遠隔氷強度測定方法、遠隔測定方法、遠隔氷厚測定装置、遠隔氷強度測定装置、及び遠隔測定体 |
CN106595500A (zh) * | 2016-11-21 | 2017-04-26 | 云南电网有限责任公司电力科学研究院 | 基于无人机双目视觉的输电线路覆冰厚度测量方法 |
CN106595499A (zh) * | 2016-11-21 | 2017-04-26 | 云南电网有限责任公司电力科学研究院 | 导线覆冰厚度测量图像处理系统 |
CN106649598A (zh) * | 2016-11-22 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰厚度的检测方法 |
CN106682579A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 用于检测输电线路覆冰的无人机双目视觉图像处理系统 |
CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
CN108416299A (zh) * | 2018-03-09 | 2018-08-17 | 重庆览辉信息技术有限公司 | 一种电力线路智能巡检系统 |
CN109297419A (zh) * | 2018-11-13 | 2019-02-01 | 天津送变电工程有限公司 | 一种基于图像处理技术的无人机在覆冰检测系统及其工作方法 |
CN109631776A (zh) * | 2018-12-27 | 2019-04-16 | 南京航空航天大学 | 一种高压输电线路导线结冰厚度自动测量方法 |
CN109631774A (zh) * | 2018-12-12 | 2019-04-16 | 云南电网有限责任公司带电作业分公司 | 一种无人机双目视觉线路覆冰测量系统 |
CN110044336A (zh) * | 2019-03-04 | 2019-07-23 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于无人机的非接触式线路覆冰测量方法 |
CN110555400A (zh) * | 2019-08-23 | 2019-12-10 | 国网山东省电力公司泗水县供电公司 | 基于无人机巡检架空输电线路的覆冰检测方法及系统 |
-
2019
- 2019-12-13 CN CN201911283953.2A patent/CN111174697A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120017336A (ko) * | 2010-08-18 | 2012-02-28 | 한국해양연구원 | 얼음두께 측정장치 및 이를 이용한 얼음두께 측정방법 |
CN104021389A (zh) * | 2014-06-16 | 2014-09-03 | 昆明能讯科技有限责任公司 | 电网防振锤缺陷自动判别方法 |
JP2016114516A (ja) * | 2014-12-16 | 2016-06-23 | 独立行政法人石油天然ガス・金属鉱物資源機構 | 遠隔氷厚測定方法、遠隔氷強度測定方法、遠隔測定方法、遠隔氷厚測定装置、遠隔氷強度測定装置、及び遠隔測定体 |
CN105675055A (zh) * | 2016-01-26 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰预测预警的方法与系统 |
CN106682579A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 用于检测输电线路覆冰的无人机双目视觉图像处理系统 |
CN106595500A (zh) * | 2016-11-21 | 2017-04-26 | 云南电网有限责任公司电力科学研究院 | 基于无人机双目视觉的输电线路覆冰厚度测量方法 |
CN106595499A (zh) * | 2016-11-21 | 2017-04-26 | 云南电网有限责任公司电力科学研究院 | 导线覆冰厚度测量图像处理系统 |
CN106649598A (zh) * | 2016-11-22 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰厚度的检测方法 |
CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
CN108416299A (zh) * | 2018-03-09 | 2018-08-17 | 重庆览辉信息技术有限公司 | 一种电力线路智能巡检系统 |
CN109297419A (zh) * | 2018-11-13 | 2019-02-01 | 天津送变电工程有限公司 | 一种基于图像处理技术的无人机在覆冰检测系统及其工作方法 |
CN109631774A (zh) * | 2018-12-12 | 2019-04-16 | 云南电网有限责任公司带电作业分公司 | 一种无人机双目视觉线路覆冰测量系统 |
CN109631776A (zh) * | 2018-12-27 | 2019-04-16 | 南京航空航天大学 | 一种高压输电线路导线结冰厚度自动测量方法 |
CN110044336A (zh) * | 2019-03-04 | 2019-07-23 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于无人机的非接触式线路覆冰测量方法 |
CN110555400A (zh) * | 2019-08-23 | 2019-12-10 | 国网山东省电力公司泗水县供电公司 | 基于无人机巡检架空输电线路的覆冰检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
广东省电力设计研究院: "《电力设计技术优秀论文集 下》", 31 May 2008, 武汉:中国地质大学出版社 * |
林礼健等: "基于无人机智能视觉的输电线路全息全景重建", 《计算机测量与控制》 * |
翟永赛等: "无人机输电线路覆冰监测图像边缘检测方法", 《云南电力技术》 * |
胡毅等: "《输电线路遥感巡检与监测技术》", 31 December 2012, 北京:中国电力出版社 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611914A (zh) * | 2020-05-20 | 2020-09-01 | 北京海月水母科技有限公司 | 一种双目人脸识别探头人形定位技术 |
CN111879354A (zh) * | 2020-06-29 | 2020-11-03 | 广州中科智云科技有限公司 | 一种无人机精细化测量系统 |
CN111950428A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标障碍物识别方法、装置及运载工具 |
CN112051250B (zh) * | 2020-09-09 | 2021-11-23 | 南京诺源医疗器械有限公司 | 一种医学荧光成像影像补光调节系统及调节方法 |
CN112051250A (zh) * | 2020-09-09 | 2020-12-08 | 南京诺源医疗器械有限公司 | 一种医学荧光成像影像补光调节系统及调节方法 |
CN112237416A (zh) * | 2020-09-10 | 2021-01-19 | 北京信息科技大学 | 一种基于视网膜表面血管特征的眼底多模态成像系统标定方法 |
CN112947546A (zh) * | 2021-01-27 | 2021-06-11 | 涵涡智航科技(玉溪)有限公司 | 一种无人飞行器仿地飞行方法 |
CN112947546B (zh) * | 2021-01-27 | 2022-02-25 | 涵涡智航科技(玉溪)有限公司 | 一种无人飞行器仿地飞行方法 |
CN113793270A (zh) * | 2021-08-05 | 2021-12-14 | 杭州电子科技大学 | 一种基于无人机姿态信息的航拍图像几何校正方法 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
CN114463422A (zh) * | 2022-04-14 | 2022-05-10 | 北京深度奇点科技有限公司 | 一种用于影像测量校正的方法和系统 |
CN114463422B (zh) * | 2022-04-14 | 2022-08-16 | 北京深度奇点科技有限公司 | 一种用于影像测量校正的方法和系统 |
CN115790401A (zh) * | 2023-02-09 | 2023-03-14 | 西北工业大学 | 一种基于视觉测量的位移测量方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111174697A (zh) | 基于无人机的立体视觉影像精确测量方法 | |
CN107314762B (zh) | 基于无人机单目序列影像的电力线下方地物距离检测方法 | |
CN110285827B (zh) | 一种距离约束的摄影测量高精度目标定位方法 | |
CN108613628B (zh) | 一种基于双目视觉的架空输电线路弧垂测量方法 | |
CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及系统 | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
CN102034238B (zh) | 基于光学成像测头和视觉图结构的多摄像机系统标定方法 | |
CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及系统 | |
CN109523595B (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
CN110610518B (zh) | 一种基于特征点位置校正的靶标位姿测量系统及方法 | |
CN110084785B (zh) | 一种基于航拍图像的输电线垂弧测量方法及系统 | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
CN111210468A (zh) | 一种图像深度信息获取方法及装置 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
US11985292B1 (en) | Residual error mitigation in multiview calibration | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN109191533B (zh) | 基于装配式建筑的塔吊高空施工方法 | |
CN108279677B (zh) | 基于双目视觉传感器的轨道机器人检测方法 | |
CN111754462A (zh) | 一种三维弯管的视觉检测方法及系统 | |
CN109544642B (zh) | 一种基于n型靶标的tdi-ccd相机参数标定方法 | |
CN108180888A (zh) | 一种基于可转动摄像头的距离检测方法 | |
CN106441149A (zh) | 一种基于多目测距的塔式二次反射镜面型检测系统及方法 | |
CN107784633B (zh) | 适用于平面测量的无人机航拍图像校准方法 | |
Crispel et al. | All-sky photogrammetry techniques to georeference a cloud field | |
KR101597163B1 (ko) | 스테레오 카메라 교정 방법 및 장치 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |