CN111255636B - 确定风力发电机组的塔架净空的方法和装置 - Google Patents

确定风力发电机组的塔架净空的方法和装置 Download PDF

Info

Publication number
CN111255636B
CN111255636B CN201811454363.7A CN201811454363A CN111255636B CN 111255636 B CN111255636 B CN 111255636B CN 201811454363 A CN201811454363 A CN 201811454363A CN 111255636 B CN111255636 B CN 111255636B
Authority
CN
China
Prior art keywords
tip
tower
edge
image
blade
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
Application number
CN201811454363.7A
Other languages
English (en)
Other versions
CN111255636A (zh
Inventor
王百方
杨博宇
程庆阳
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 CN201811454363.7A priority Critical patent/CN111255636B/zh
Priority to PCT/CN2019/109391 priority patent/WO2020108088A1/zh
Priority to AU2019390462A priority patent/AU2019390462B2/en
Priority to US16/976,403 priority patent/US11421659B2/en
Priority to EP19890997.0A priority patent/EP3744974A4/en
Publication of CN111255636A publication Critical patent/CN111255636A/zh
Application granted granted Critical
Publication of CN111255636B publication Critical patent/CN111255636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • 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
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/33—Proximity of blade to tower
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/804—Optical devices
    • F05B2270/8041—Cameras
    • 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
    • G06T2207/10004—Still image; Photographic image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Abstract

本发明提供一种确定风力发电机组的塔架净空的方法和装置，该方法包括：获取风力发电机组在运行过程中的图像，图像包括风力发电机组的叶片的尖端以及塔筒；从获取的图像中确定风力发电机组的叶片的尖端的位置；从获取的图像中识别塔筒的边缘；根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，能够实时确定风力发电机组的塔架净空，以有效避免叶片扫塔情况的发生。

Description

确定风力发电机组的塔架净空的方法和装置
技术领域
本发明总体说来涉及风电技术领域，更具体地讲，涉及一种确定风力发电机组的塔架净空的方法和装置。
背景技术
风力发电机组的塔架净空是指叶轮在旋转过程中叶片的尖端到塔筒表面的距离。对于风力发电机组而言，如果一旦发生叶片扫塔，则需要更换叶片，而单只叶片的成本较高，这会增加维修成本。同时在更换叶片期间需机组停机，而机组停机期间还会导致发电量的损失，因此一旦发生叶片扫塔会为风电场带来较大的经济损失。
而目前风力发电机组的塔架净空无法通过测量工具测量，导致无法实时地获取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的目的在于提供一种确定风力发电机组的塔架净空的方法和装置，以解决现有技术中无法对风力发电机组的塔架净空进行测量的技术问题。
在一个总体方面，提供一种确定风力发电机组的塔架净空的方法，所述方法包括：获取风力发电机组在运行过程中的图像，所述图像包括所述风力发电机组的叶片的尖端以及塔筒；从获取的图像中确定风力发电机组的叶片的尖端的位置；从获取的图像中识别塔筒的边缘；根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。
可选地，所述方法可还包括：从获取的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，其中，可从第一敏感区域中确定风力发电机组的叶片的尖端的位置，可从第二敏感区域中识别塔筒的边缘。
可选地，从第一敏感区域中确定风力发电机组的叶片的尖端的位置的步骤可包括，使用一预定窗口遍历第一敏感区域，当所述预定窗口处于第一敏感区域上的任一位置时，可通过以下方式从所述预定窗口内包含的图像中检测叶片的尖端的位置：以所述任一位置为起点，在第一敏感区域上沿任意方向滑动所述预定窗口；针对沿每个方向的滑动，确定滑动前与滑动后所述预定窗口内的像素点的灰度变化程度，并判断所述灰度变化程度是否满足设定条件；如果针对沿所有方向的滑动，滑动前与滑动后所述预定窗口内的像素点的灰度变化程度均满足设定条件，则确定所述预定窗口在所述任一位置时包含的图像中存在叶尖特征点；从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
可选地，从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点的步骤可包括：将所述预定窗口在所述任一位置时包含的图像中灰度的梯度值和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。
可选地，从第一敏感区域中确定风力发电机组的叶片的尖端的位置的步骤可包括：从第一敏感区域中检测出多个候选叶尖特征点；根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点。
可选地，用于捕获风力发电机组在运行过程中的图像的图像捕获器可被设置在风力发电机组的机舱底部，或者所述图像捕获器可被设置在位于风力发电机组侧面且与风力发电机组之间的距离为预定距离的指定区域内，其中，根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点的步骤可包括：当所述图像捕获器被设置在机舱底部时，将所述多个候选叶尖特征点中的Y轴坐标值最大的点确定为最终的叶尖特征点；当所述图像捕获器被设置在所述指定区域内时，将所述多个候选叶尖特征点中的Y轴坐标值最小的点确定为最终的叶尖特征点。
可选地，从获取的图像中识别塔筒的边缘的步骤可包括：将图像中的指定点作为塔筒的边缘，该指定点为基于图像捕获器与风力发电机组的塔筒之间的相对关系所确定的塔筒上用于确定塔架净空的点在图像中对应的像素点。
可选地，从第二敏感区域中识别塔筒的边缘的步骤可包括：从第二敏感区域中提取多个边缘特征点；将所述多个边缘特征点映射到参数空间中，并基于所述多个边缘特征点在参数空间绘制对应的多条直线；确定参数空间中的至少一个聚集点，所述至少一个聚集点为超过预定数量直线通过的点；根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于所述至少一条直线确定塔筒的边缘。
可选地，根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线的步骤可包括：针对每个聚集点，将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中的与该聚集点对应的直线。
可选地，基于所述至少一条直线确定塔筒的边缘的步骤可包括：当对所述至少一条直线进行拟合获得一条拟合直线时，将得到的拟合直线作为塔筒的边缘；当对所述至少一条直线进行拟合获得两条拟合直线时，将连接所述两条拟合直线的中点的连线作为塔筒的边缘。
可选地，根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空的步骤可包括：根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离；基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。
在另一总体方面，提供一种确定风力发电机组的塔架净空的装置，所述装置包括：图像获取模块，获取风力发电机组在运行过程中的图像，所述图像包括所述风力发电机组的叶片的尖端以及塔筒；叶尖检测模块，从获取的图像中确定风力发电机组的叶片的尖端的位置；塔筒边缘识别模块，从获取的图像中识别塔筒的边缘；塔架净空确定模块，根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。
可选地，所述装置可还包括：敏感区域提取模块，从获取的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，其中，叶尖检测模块可从第一敏感区域中确定风力发电机组的叶片的尖端的位置，塔筒边缘识别模块可从第二敏感区域中识别塔筒的边缘。
可选地，叶尖检测模块可使用一预定窗口遍历第一敏感区域，当所述预定窗口处于第一敏感区域上的任一位置时，叶尖检测模块可通过以下方式从所述预定窗口内包含的图像中检测叶片的尖端的位置：以所述任一位置为起点，在第一敏感区域上沿任意方向滑动所述预定窗口；针对沿每个方向的滑动，确定滑动前与滑动后所述预定窗口内的像素点的灰度变化程度，并判断所述灰度变化程度是否满足设定条件；如果针对沿所有方向的滑动，滑动前与滑动后所述预定窗口内的像素点的灰度变化程度均满足设定条件，则确定所述预定窗口在所述任一位置时包含的图像中存在叶尖特征点；从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
可选地，叶尖检测模块可将所述预定窗口在所述任一位置时包含的图像中灰度的梯度值和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。
可选地，叶尖检测模块可从第一敏感区域中检测出多个候选叶尖特征点，根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点。
可选地，用于捕获风力发电机组在运行过程中的图像的图像捕获器可被设置在风力发电机组的机舱底部，或者所述图像捕获器可被设置在位于风力发电机组侧面且与风力发电机组之间的距离为预定距离的指定区域内，其中，当所述图像捕获器被设置在机舱底部时，叶尖检测模块可将所述多个候选叶尖特征点中的Y轴坐标值最大的点确定为最终的叶尖特征点，当所述图像捕获器被设置在所述指定区域内时，叶尖检测模块可将将所述多个候选叶尖特征点中的Y轴坐标值最小的点确定为最终的叶尖特征点。
可选地，塔筒边缘识别模块可包括：特征提取子模块，从第二敏感区域中提取多个边缘特征点；转换子模块，将所述多个边缘特征点映射到参数空间中，并基于所述多个边缘特征点在参数控制绘制对应的多条直线；聚集点确定子模块，确定参数空间中的至少一个聚集点，所述至少一个聚集点为超过预定数量直线通过的点；边缘确定子模块，根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于所述至少一条直线确定塔筒的边缘。
可选地，针对每个聚集点，边缘确定子模块可将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中的与该聚集点对应的直线。
可选地，边缘确定子模块当对所述至少一条直线进行拟合获得一条拟合直线时，可将得到的拟合直线作为塔筒的边缘，边缘确定子模块当对所述至少一条直线进行拟合获得两条拟合直线时，可将连接所述两条拟合直线的中点的连线作为塔筒的边缘。
可选地，塔架净空确定模块可根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离，基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。
在另一总体方面，提供一种塔架净空监测系统，所述塔架净空监测系统包括：图像捕获器，用于捕获风力发电机组的叶片在运行过程中的图像；处理器，被配置为：从所捕获的图像中获取包括所述风力发电机组的叶片的尖端以及塔筒的图像；从获取的图像中确定风力发电机组的叶片的尖端的位置；从获取的图像中识别塔筒的边缘；根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。
在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的确定风力发电机组的塔架净空的方法。
采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，能够实时确定风力发电机组的塔架净空，以有效避免叶片扫塔情况的发生。
附图说明
通过下面结合附图进行的描述，本发明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塔架净空监测系统的框图；
图2示出根据本发明示例性实施例的确定风力发电机组的塔架净空的方法的流程图；
图3示出根据本发明第一示例性实施例的图像捕获器安装位置的示意图；
图4示出根据本发明第一示例性实施例的图像捕获器所捕获的图像的示意图；
图5示出根据本发明第二示例性实施例的图像捕获器安装位置的示意图；
图6示出根据本发明第二示例性实施例的用于保护图像捕获器的保护装置的示意图；
图7示出根据本发明第二示例性实施例的图像捕获器所捕获的图像的示意图；
图8示出根据本发明示例性实施例的检测叶片的尖端的位置的步骤的流程图；
图9示出根据本发明示例性实施例的识别塔筒的边缘的步骤的流程图；
图10示出根据本发明示例性实施例的确定风力发电机组的塔架净空的装置的框图；
图11示出根据本发明示例性实施例的塔筒边缘识别模块的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的塔架净空监测系统的框图。图2示出根据本发明示例性实施例的确定风力发电机组的塔架净空的方法的流程图。
如图1所示，根据本发明示例性实施例的塔架净空监测系统包括图像捕获器100和处理器200。图像捕获器100用于捕获风力发电机组的叶片在运行过程中的图像，处理器200被配置为执行图2所示的确定风力发电机组的塔架净空的方法。
下面结合图1和图2来介绍确定风力发电机组的塔架净空的过程。
参照图2，在步骤S10中，获取风力发电机组在运行过程中的图像。获取的图像中包括风力发电机组的叶片的尖端以及塔筒。
例如，图像捕获器100捕获风力发电机组的叶片在运行过程中的图像，将图像捕获器100所捕获的图像中包含风力发电机组的叶片的尖端和塔筒的图像确定为用于塔架净空分析的图像，后续针对用于塔架净空分析的图像进行叶片的尖端和塔筒的识别。
也就是说，用于塔架净空分析的图像为所拍摄的图像中包含风力发电机组的叶片的尖端和塔筒的图像。这里，由于塔架净空是指叶轮在旋转过程中叶片的尖端到塔筒表面的距离，因此，为确定出塔架净空的值，需通过对包含风力发电机组的叶片的尖端和塔筒的图像进行分析才能确定出塔架净空。
作为示例，图像捕获器100可包括但不限于摄像机或者激光2D(二维)扫描仪，以用于捕获风力发电机组的叶片在运行过程中的图像。
在一优选实施例中，当图像捕获器100为摄像机时，摄像机可以拍摄风力发电机组的叶片运行过程中的视频，后续针对拍摄的视频中的每一帧图像进行识别，从每一帧图像中识别出用于塔架净空分析的图像。也就是说，可以通过拍摄视频的方式获得连续多帧风力发电机组的叶片在运行过程中的图像，然后针对每一帧图像识别出包括叶片的尖端以及塔筒的图像以用于执行后续的塔架净空分析。这样，实现了通过视频手段对塔架净空的实时监测。
应理解，可利用各种图像识别方式来对图像捕获器100所捕获的图像进行识别，以从所捕获的图像中识别出包含风力发电机组的叶片的尖端和塔筒的图像，并将识别出的图像确定为用于塔架净空分析的图像。
作为示例，可通过模板匹配的方式来对所捕获的图像进行识别。例如，可预先建立标记了风力发电机组的叶片的尖端和塔筒的多个模板图像，将所捕获的图像分别与多个模板图像进行比对。
具体地，可将标记了叶片的尖端和塔筒的多个模板图像分别叠放在图像捕获器100所捕获的图像上进行模板匹配，当所捕获的图像中存在与多个模板图像中的任意一个模板图像匹配的图像时，将该匹配的图像确定为包含风力发电机组的叶片的尖端和塔筒的图像，即，将匹配的图像确定为用于塔架净空分析的图像。但应理解，上述通过模板匹配的方式进行图像识别的方式仅为一示例，本发明不限于此，其他图像识别方法也是可行的。
可以通过合理的设置图像捕获器100的安装位置，来使得图像捕获器100能够捕获到包含风力发电机组的叶片的尖端和塔筒的图像。下面介绍图像捕获器100的两个安装示例。
第一种情况，图像捕获器100可被设置在风力发电机组的机舱底部，以捕获到包含风力发电机组的叶片的尖端和塔筒的图像。
图3示出根据本发明第一示例性实施例的图像捕获器安装位置的示意图。
如图3所示，可以在风力发电机组的机舱3底部设置图像捕获器100，也就是说，可以在机舱3外壳底部上处于塔筒1与轮毂之间的区域内设置图像捕获器100，以在叶片2旋转至有效测量净空的角度范围内时，捕获包含叶片2的尖端和塔筒1的图像。
也就是说，可以通过调整图像捕获器100与风力发电机组之间的相对位置关系，使得叶片位于有效测量净空的角度范围内时，叶片的尖端正好能够处于图像捕获器100的图像捕获范围内。
这里，上述有效测量净空的角度范围可以是预定的角度范围。例如，该有效测量净空的角度范围可指当叶片的尖端垂直于地面时所处的叶轮方位角附近的预定角度范围，换句话说，是指以塔架为对称线和半径且中心角为预定角度的扇形。
优选地，可在风力发电机组的机舱3底部设置一支架，将图像捕获器100固定于该支架上。但本发明不限于此，也可以不设置支架，直接将图像捕获器100安装在机舱3外壳底部。
这里，以图像捕获器100为摄像机为例，由于风力发电机组的叶片长度一般超过60米(m)，为了实现对于60米外塔架净空的精确测量，可选取焦距超过20毫米(mm)的摄像机。也就是说，可以通过调整摄像机的安装位置和/或选择合适焦距的摄像机来使得叶片2的尖端和塔筒1能够处在摄像机的拍摄范围内，以捕获到质量较高的用于塔架净空分析的图像。
由于风力发电机组在满发状态时叶尖速度超过80秒/米(m/s)，因此，叶片的尖端在摄像机的拍摄范围内会出现大约300毫秒(ms)，为了保证在300毫秒内摄像机可以捕获到包含叶片的尖端的图像，可选取帧率达到20Hz以上的摄像机。
由于在夜间也需要对塔架净空进行实时监测，因此优选地，摄像机还应具备夜视功能，作为示例，摄像机的红外补光灯照射距离应达到200米。
应理解，上述所示的在本发明示例性实施例中选取的摄像机的各项参数值和功能仅为示例，本发明不限于此，本领域技术人员可以根据实际需求来调整上述各参数值以选取适合的摄像机，只要使得摄像机能够捕获到包含风力发电机组的叶片的尖端和塔筒的图像即可。
图4示出根据本发明第一示例性实施例的图像捕获器100所捕获的图像的示意图。
图4示出的是当图像捕获器100被设置在机舱3底部时，图像捕获器100捕获到的包含叶片2的尖端A和塔筒1的图像，通过对图4所示的图像进行识别能够确定出塔架净空S，后续将介绍针对图4所示的图像进行塔架净空分析的详细过程。
第二种情况，图像捕获器100可被设置在位于风力发电机组侧面，且与风力发电机组之间的距离为预定距离的指定区域内，以捕获到包含风力发电机组的叶片的尖端和塔筒的图像。
图5示出根据本发明第二示例性实施例的图像捕获器安装位置的示意图。
如图5所示，可以在风力发电机组的侧面的指定区域内设置图像捕获器100，优选地，可以在指定区域内设置一支架来调整图像捕获器100的高度和捕获角度，以使图像捕获器100能够捕获到包含叶片2的尖端和塔筒1的图像。
由于风力发电机组的运行环境比较恶劣，为使图像捕获器100能够捕获到清晰、稳定的图像，可以在风力发电机组的侧面的指定区域内设置一保护装置，用以减小恶劣环境对图像捕获器100捕获图像过程的影响。
图6示出根据本发明第二示例性实施例的用于保护图像捕获器的保护装置的示意图。
如图6所示，保护装置可包括支撑板11和挡板22，支撑板11用于固定图像采集器100，并可通过调整支撑板11距离地面的高度来调整图像捕获器100的拍摄高度。挡板22为三面挡板，用于对图像捕获器100进行三面保护，使得图像捕获器100不易受到恶劣大风天气的影响。作为示例，挡板22可为呈梯形的三面挡板。
应理解，图6所示的保护装置的形式仅为示例，本发明不限于此，本领域技术人员可以根据需要来决定支撑板和挡板的形状和大小尺寸。此外，本领域技术人员还可以选取其他样式的保护装置对图像捕获器100进行保护，例如，可在图像捕获器100的上方增加一遮挡板，或者在图像捕获器100的外围设置一透明保护罩等。
图7示出根据本发明第二示例性实施例的图像捕获器所拍摄的图像的示意图。
图7示出的是当图像捕获器100被设置在风力发电机组的侧面的指定区域内时，图像捕获器100捕获到的包含叶片的尖端A和塔筒的图像，通过对图7所示的图像进行识别能够确定出塔架净空S，后续将介绍针对图7所示的图像进行塔架净空分析的详细过程。
应理解，上述介绍的图像捕获器100的安装位置的两个示例仅为优选示例，本发明不限于此，本领域技术人员可以根据实际需要来改变图像捕获器的安装位置，例如，还可以将图像捕获器设置在塔筒上，使得图像捕获器可沿塔筒方向从上向下拍摄或者沿塔筒方向从下向上拍摄，以获得能够用于塔架净空分析的图像。
作为示例，处理器200可设置在风力发电机组的机舱内，以用于对图像捕获器100所捕获的图像进行处理。或者，处理器200还可设置在风电场的监控中心(或调度中心)，此时，图像捕获器100可将所捕获的图像直接发送至处理器200，或者，图像捕获器100也可以将所捕获的图像发送至风力发电机组的控制器，由控制器将接收到的图像传送至处理器200以进行塔架净空分析。
此外，为了保证对风力发电机组的塔架净空监测的实时性，还需要尽可能的减少整体塔架净空监测系统在通讯传输时的耗时。优选地，图像捕获器100与处理器200之间可以通过有线方式进行数据传输，例如，图像捕获器100可以以总线方式将所捕获的图像发送给处理器200。但本发明不限于此，图像捕获器100与处理器200之间也可以采用无线方式进行数据传输。
这里，由于图像捕获器100的设置位置是固定的，那么图像捕获器100与风力发电机组之间的相对位置关系也是固定的，因此，在该图像捕获器100所捕获的图像中哪一区域可能含有塔筒，哪一区域可能含有叶片，也是相对固定。
基于此，在一优选实施例中，根据本发明示例性实施例的确定风力发电机组的塔架净空的方法可还包括：从获取的用于塔架净空分析的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，后续可以针对提取的第一敏感区域和第二敏感区域进行塔架净空分析。
返回图1，在步骤S20中，从获取的图像中确定风力发电机组的叶片的尖端的位置。
针对上述对用于塔架净空分析的图像进行第一敏感区域提取的情况，可从第一敏感区域中检测风力发电机组的叶片的尖端的位置。
在一优选实施例中，可从用于塔架净空分析的图像中(或者第一敏感区域中)检测叶尖特征点，将检测到的叶尖特征点对应的坐标作为叶片的尖端的位置。这里，可利用各种方法来从图像中检测出叶尖特征点，本发明对此不做限定。此外，本领域技术人员也可以采用其他方式来从第一敏感区域中检测叶片的尖端的位置。
这里，叶尖特征点可为图像中满足以下情况中的任一情况的像素点：图像中灰度的梯度值最大的像素点、任意两条或者两条以上不平行的直线的交点、图像中灰度的梯度值大于第一设定值且梯度方向的变化速率大于第二设定值的像素点。
下面参照图8来介绍从第一敏感区域中检测风力发电机组的叶片的尖端的位置的步骤。
图8示出根据本发明示例性实施例的检测叶片的尖端的位置的步骤的流程图。在本发明示例性实施例中，可使用一预定窗口遍历第一敏感区域，以从第一敏感区域中检测出风力发电机组的叶片的尖端的位置。
这里，遍历第一敏感区域是指沿着预先设定好的搜索路线，移动该预定窗口，以实现对整个第一敏感区域进行叶尖特征点检测。
这里，可根据实际精度需求来设定该预定窗口的窗口尺寸。优选地，在移动该预定窗口时，移动前后该预定窗口所包含的图像可以完全不重叠，也可以部分重叠，本发明对此不做限定，本领域技术人员可以根据实际需求来进行选择。也就是说，本领域技术人员可以根据需求来确定预定窗口的尺寸和滑动位移的大小，本发明对此不做限定。
参照图8，在步骤S201中，以预定窗口所在的当前位置为起点，在第一敏感区域上沿任意方向滑动预定窗口。
在步骤S202中，针对沿每个方向的滑动，确定滑动前与滑动后预定窗口内的像素点的灰度变化程度。作为示例，像素点的灰度变化程度可指像素点的灰度的梯度变化速度。
例如，将预定窗口沿第一预定方向平移u，沿第二预定方向平移v，可产生灰度变化E(u,v)，如下式表示：
公式(1)中，(u,v)表示预定窗口滑动时沿第一预定方向和第二预定方向的偏移量，(x,y)表示预定窗口内所对应的像素点的坐标位置，w(x,y)为窗口函数，作为示例，可将窗口函数设定为以预定窗口中心为原点的二元正态分布。I(x,y)表示像素点的亮度(强度)，I(x+u,y+v)表示滑动(u,v)偏移量后的像素点的亮度。
由于，
因此，可得到如下形式的E(u,v)近似表达式：
其中，M是一个2×2的矩阵，矩阵M的表达式为：
由此，可利用公式(2)来确定滑动前与滑动后预定窗口内的像素点的灰度变化程度。但本发明不限于此，本领域技术人员也可以采用其他方式来确定灰度变化程度。
在步骤S203中，判断沿所有方向的滑动，灰度变化程度是否均满足设定条件。
滑动前与滑动后预定窗口内的像素点的灰度变化程度均满足设定条件是指沿每个方向的滑动对应的灰度变化程度均大于设定变化值(例如，沿每个方向的滑动对应的像素点的灰度的梯度变化速度均大于设定变化值)。
如果针对沿所有方向的滑动，滑动前与滑动后预定窗口内的像素点的灰度变化程度没有均满足设定条件，即，存在沿至少一个方向的滑动，滑动前与滑动后预定窗口内的像素点的灰度变化程度没有满足设定条件，则执行步骤S204：改变预定窗口在第一敏感区域上的位置，并返回执行步骤S201。
例如，当存在沿至少一个方向的滑动对应的灰度变化程度没有大于设定变化值时，确定滑动前与滑动后预定窗口内的像素点的灰度变化程度没有均满足设定条件。
如果针对沿所有方向的滑动，滑动前与滑动后预定窗口内的像素点的灰度变化程度均满足设定条件，则执行步骤S205：确定预定窗口在当前位置时包含的图像中存在叶尖特征点。
在步骤S206中，从预定窗口在当前位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
也就是说，可通过上述步骤S201～S205所示的方式进行叶尖特征点检测，将检测出的叶尖特征点对应的坐标作为叶片的尖端的位置。例如，以图4所示的图像为例，通过上述方式可从第一敏感区域中检测出叶片的尖端的位置A。
作为示例，从预定窗口在当前位置时包含的图像中检测叶尖特征点的步骤可包括：将预定窗口在当前位置时包含的图像中灰度的梯度值最大和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。
优选地，可按照如下公式来定义叶尖特征点响应函数(叶尖特征点度量函数)R：
R＝λ1λ2-h(λ1+λ2)2 (4)
公式(4)中，λ1为在第一预定方向上的梯度变化程度，λ2为在第二预定方向上的梯度变化程度，h为响应系数。
在一优选实施例中，可将叶尖特征点响应函数R的值与预定阈值进行比较，当R的值大于或等于预定阈值时，将R的局部极大值对应的像素点确定为叶尖特征点。
应理解，在上述检测叶片的尖端的位置的示例中是确定第一敏感区域中的各像素点的灰度变化程度，优选地，可基于第一敏感区域中的各亚像素点的灰度变化程度来检测叶片的尖端的位置，这样可以提高对叶片的尖端的位置的检测的精确性。
这里，亚像素点(Sub-Pixel)为两个物理像素(即，上述提及的像素点)之间的像素，亚像素点存在与物理像素的间隙内。也就是说，可以基于第一敏感区域中的亚像素点来进行叶尖特征点检测。
应理解，由于叶片涂装等问题，有时会将叶片的尖端部分涂装成红白颜色交替的图案，这会导致叶尖特征点检测存在误差，从而可能导致从第一敏感区域中检测出多个叶尖特征点。为了解决这个技术问题，从第一敏感区域中检测叶尖特征点的步骤可包括：从第一敏感区域中检测出多个候选叶尖特征点；根据预设条件从多个候选叶尖特征点中确定最终的叶尖特征点。
这里，由于在计算塔架净空时，叶片的尖端是接近于垂直指向地面的，而叶片的尖端位于叶片的最下端，因此当检测出多个候选叶尖特征点时，最靠近地面的候选叶尖特征点最可能是叶片的尖端。
在此情况下，可根据用于捕获用于塔架净空分析的图像的图像捕获器100与风力发电机组之间的相对位置关系，来从多个候选叶尖特征点中选择最靠近地面的候选叶尖特征点作为最终的叶尖特征点(即，叶片的尖端)。
针对图像捕获器100被设置在机舱底部的情况，将多个候选叶尖特征点中的Y轴坐标值最大的点(即，处于第一敏感区域中最上端的候选叶尖特征点)确定为最终的叶尖特征点。
针对图像捕获器100被设置在指定区域内的情况，将多个候选叶尖特征点中的Y轴坐标值最小的点(即，处于第一敏感区域中最下端的候选叶尖特征点)确定为最终的叶尖特征点。
在此情况下，以图7所示的图像为例，图7中所示的点A、A1、A2表示基于第一敏感区域中的亚像素点来进行叶尖特征点检测时获得的多个候选叶尖特征点，此时，可将Y轴坐标值最小的点A确定为最终的叶尖特征点，即，将点A对应的坐标确定为叶片的尖端的位置。
应理解，图8是以从用于塔架净空分析的图像中提取了第一敏感区域为例来介绍从第一敏感区域中检测叶片的尖端的位置的步骤。但本发明不限于此，图8所示的检测叶片的尖端的位置的方法也适用于从用于塔架净空分析的图像中(从所捕获的图像中)检测叶片的尖端的位置的情况。在此情况下，需使用预定窗口遍历整个用于塔架净空分析的图像，当预定窗口处于用于塔架净空分析的图像上的任一位置时，可通过图8所示的方法来从预定窗口内包含的图像中检测叶片的尖端的位置。
此外，图8所示的检测叶片的尖端的位置的方式仅为示例，本发明不限于此，本领域技术人员还可以采用其他图像识别方法来从图像中检测出叶片的尖端。例如，可以通过直线检测方式，从图像中识别出直线，以将两条或者两条以上直线的交点确定为叶尖特征点。
返回图1，在步骤S30中，从获取的图像中识别塔筒的边缘。
在一个示例中，可将图像中的指定点作为塔筒的边缘。这里，该指定点可为基于图像捕获器与风力发电机组的塔筒之间的相对关系所确定的塔筒上用于确定塔架净空的点在图像中对应的像素点。也就是说，该指定点可为叶片在运行过程中接触到塔筒可能性最高的位置在图像中对应的像素点。
这里，由于图像捕获器与风力发电机组之间的相对位置关系是固定的，即，风力发电机组的塔筒在所捕获的图像中的位置是固定，那么上述的指定点的位置也是固定的，因此，可以将图像中的指定点作为塔筒的边缘。后续可基于两点之间距离的计算公式得到指定点与叶片的尖端之间的距离来作为塔架净空。以图4所示的图像为例，B点为图像中作为塔筒的边缘的指定点。
在另一示例中，可通过对图像进行边缘检测(或直线检测)的方式来识别塔筒的边缘。
针对上述对用于塔架净空分析的图像进行第二敏感区域提取的情况，可从第二敏感区域中识别塔筒的边缘。例如，可利用各种直线检测方式从第二敏感区域中检测出直线，将检测出的直线作为塔筒的边缘，但本发明不限于此，也可以采用其他方式来从第二敏感区域中识别出塔筒的边缘，例如，从第二敏感区域中识别预先设置的用于指示塔筒的边缘的标识的方式来确定塔筒的边缘。
下面参照图9来介绍从第二敏感区域中识别塔筒的边缘的步骤。
图9示出根据本发明示例性实施例的识别塔筒的边缘的步骤的流程图。
参照图9，在步骤S301中，从第二敏感区域中提取多个边缘特征点。例如，可将第二敏感区域对应的图像转换为灰度图，从转换后的灰度图中提取边缘特征点。但本发明不限于此，还可以通过其他方式来提取边缘特征点。
在步骤S302中，将提取的多个边缘特征点映射到参数空间中，并基于多个边缘特征点在参数空间绘制相应的多条直线。
例如，考虑点和直线的对应关系，过一点(x1,y1)的直线可表示为y1＝k·x1+b，将变量和参数互换之后，在已知一个点(x1,y1)的情况下，经过这一个点的直线簇可以表示为b＝(-x1)·k+y1。也就是说，位于同一条直线上的点具有相同的斜率和截距，反映到参数空间(即，k-b空间)上就是直线簇中的直线会交于同一点(k,b)。
作为示例，假设从第二敏感区域(即，图像空间)中提取出三个边缘特征点(1,1)，(2,2)，(3,3)，这三个边缘特征点在直线y＝1·x+0上，通过变量和参数的互换之后，在参数空间里这三个边缘特征点对应三条直线，即，1＝k+b，2＝2·k+b，3＝3·k+b，这三条直线交于同一点(1,0)，这一点的横纵坐标即为图像空间中的直线的斜率和截距。也就是说，当从参数空间中找到多条直线相交的交点，即可确定在图像空间中的直线。
在一优选示例中，由于上述的变换过程，不能表示直线的斜率为无穷大的情况，因此，可以采用极坐标的方式(例如，Rho＝X·cosθ+Y·sinθ)来表示直线。
在步骤S303中，确定参数空间中的至少一个聚集点。这里，该至少一个聚集点为超过预定数量直线通过的点。
例如，对参数空间中的各直线上的点，我们可采取“投票”(vote)的方法，即累加，当有一条直线经过参数空间内的一点，这一点的得分加1。遍历k-b空间，找出参数空间中累积得分大于或等于预定数值的点作为至少一个聚集点。
在步骤S304中，根据至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于至少一条直线确定塔筒的边缘。
例如，根据至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线的步骤可包括：针对每个聚集点，将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中的与该聚集点对应的直线。也就是说，可以以图像空间的预定坐标系为基准，从第二敏感区域(即，图像空间)中提取边缘特征点，再确定出聚集点之后，在该预定坐标系下绘制相应的直线。
优选地，基于至少一条直线确定塔筒的边缘的步骤可包括：通过对所确定的至少一条直线进行拟合，来基于拟合后得到的拟合直线确定塔筒的边缘。
例如，可从至少一条直线中选取相对距离小于指定距离的直线进行拟合，当拟合后获得一条拟合直线时，将得到的拟合直线作为塔筒的边缘，当拟合后获得两条拟合直线时，将连接两条拟合直线的中点的连线作为塔筒的边缘。
以图4所示的图像为例，基于上述直线检测方法，拟合得到第二敏感区域中直线L1和直线L2时，可将两条直线的中点的连线确定为塔筒的边缘。
以图7所示的图像为例，基于上述直线检测方法，拟合得到第二敏感区域中直线L，将该直线L确定为塔筒的边缘。此时，可利用点到直线的距离计算公式来确定叶片的尖端到塔筒的边缘的距离。
这里，应理解，上述通过对至少一条直线进行拟合来确定塔筒边缘的方式仅为示例，本发明不限于此，其他确定塔筒边缘的方式也是可行的。例如，可计算每条直线的长度，选取长度最长的直线作为塔筒的边缘。
应理解，图9是以从用于塔架净空分析的图像中提取了第二敏感区域为例来介绍从第二敏感区域中识别塔筒的边缘的步骤。但本发明不限于此，图9所示的识别塔筒的边缘的方法也适用于从用于塔架净空分析的图像中识别塔筒的边缘的情况。例如，可从用于塔架净空分析的图像中提取多个边缘特征点以进行塔筒的边缘的识别。
此外，图9所示的识别塔筒的边缘的方式仅为示例，本发明不限于此，本领域技术人员还可以采用其他图像识别方法来从图像中识别出塔筒的边缘。例如，可以从第二敏感区域中提取边缘信息，如提取多个边缘点，通过对多个边缘点进行拟合来得到边缘直线，以作为塔筒的边缘。
返回图1，在步骤S40中，根据确定的叶片的尖端的位置和识别的塔的筒边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。例如，可计算叶片的尖端的位置(如坐标位置)到塔筒的边缘所对应的直线的垂直距离作为塔架净空。
作为示例，根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空的步骤可包括：根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离；基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。这里，任意两个像素可为相邻的两个像素或者图像上指定的两个像素。
图10示出根据本发明示例性实施例的确定风力发电机组的塔架净空的装置的框图。
如图10所示，根据本发明示例性实施例的确定风力发电机组的塔架净空的装置包括图像获取模块10、叶尖检测模块20、塔筒边缘识别模块30和塔架净空确定模块40。
具体说来，图像获取模块10获取风力发电机组在运行过程中的图像。获取的图像中包括风力发电机组的叶片的尖端以及塔筒。
例如，图像获取模块10可获取风力发电机组的叶片在运行过程中的图像，将叶片在运行过程中的图像中包含风力发电机组的叶片的尖端和塔筒的图像确定为用于塔架净空分析的图像。
在一优选实施例中，可利用图像捕获器来捕获风力发电机组的叶片在运行过程中的图像，然后图像捕获器将捕获的图像发送至图像获取模块10。
可以通过合理的设置图像捕获器的安装位置，来使得图像捕获器能够捕获到包含风力发电机组的叶片的尖端和塔筒的图像。下面介绍图像捕获器的两个安装示例。
第一种情况，图像捕获器可被设置在风力发电机组的机舱底部，以捕获到包含风力发电机组的叶片的尖端和塔筒的图像。
第二种情况，图像捕获器可被设置在位于风力发电机组侧面，且与风力发电机组之间的距离为预定距离的指定区域内，以拍摄到包含风力发电机组的叶片的尖端和塔筒的图像。
这里，由于图像捕获器的设置位置是固定的，那么图像捕获器与风力发电机组之间的相对位置关系也是固定的，因此，在该图像捕获器所捕获的图像中哪一区域可能含有塔筒，哪一区域可能含有叶片，也是相对固定。
基于此，优选地，根据本发明示例性实施例的确定风力发电机组的塔架净空的装置可还包括：敏感区域提取模块(图中未示出)，从获取的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，后续可以针对提取的第一敏感区域和第二敏感区域进行塔架净空分析。
叶尖检测模块20从获取的图像中确定风力发电机组的叶片的尖端的位置。
针对上述对用于塔架净空分析的图像进行第一敏感区域提取的情况，叶尖检测模块20可以从第一敏感区域中确定风力发电机组的叶片的尖端的位置。
具体说来，叶尖检测模块20可以使用一预定窗口遍历第一敏感区域，当该预定窗口处于第一敏感区域上的任一位置时，叶尖检测模块20可通过以下方式从预定窗口内包含的图像中检测叶片的尖端的位置。
以该任一位置为起点，在第一敏感区域上沿任意方向滑动预定窗口，针对沿每个方向的滑动，确定滑动前与滑动后预定窗口内的像素点的灰度变化程度，并判断灰度变化程度是否满足设定条件，如果针对沿所有方向的滑动，滑动前与滑动后预定窗口内的像素点的灰度变化程度均满足设定条件，则确定预定窗口在该任一位置时包含的图像中存在叶尖特征点，从预定窗口在该任一位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
作为示例，叶尖检测模块20可将预定窗口在任一位置时包含的图像中灰度的梯度值最大和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。但本发明不限于此，还可以将任意两条或者两条以上不平行的直线的交点确定为叶尖特征点。
在一优选实施例中，叶尖检测模块20可从第一敏感区域中检测出多个候选叶尖特征点，根据预设条件从多个候选叶尖特征点中确定最终的叶尖特征点。
叶尖检测模块20根据用于捕获用于塔架净空分析的图像的图像捕获器与风力发电机组之间的相对位置关系，从多个候选叶尖特征点中选择最靠近地面的候选叶尖特征点作为最终的叶尖特征点。
针对图像捕获器被设置在机舱底部的情况，叶尖检测模块20可将多个候选叶尖特征点中的Y轴坐标值最大的点确定为最终的叶尖特征点。
针对图像捕获器被设置在指定区域内时，叶尖检测模块20可将多个候选叶尖特征点中的Y轴坐标值最小的点确定为最终的叶尖特征点。
塔筒边缘识别模块30从获取的图像中识别塔筒的边缘。
例如，针对上述对用于塔架净空分析的图像进行第二敏感区域提取的情况，塔筒边缘识别模块30可从第二敏感区域中识别塔筒的边缘。
在一个示例中，塔筒边缘识别模块30可将图像中的指定点作为塔筒的边缘。这里，该指定点可为基于图像捕获器与风力发电机组的塔筒之间的相对关系所确定的塔筒上用于确定塔架净空的点在图像中对应的像素点。也就是说，该指定点可为叶片在运行过程中接触到塔筒可能性最高的位置在图像中对应的像素点。
在另一示例中，塔筒边缘识别模块30可通过对图像进行边缘检测的方式来识别塔筒的边缘。
塔筒边缘识别模块30可利用各种图像识别方法来从第二敏感区域中识别塔筒的边缘。下面参照图11来介绍塔筒边缘识别模块30的功能。应理解，图11所示的识别塔筒的边缘的方式仅为一优选示例，其他用于识别塔筒的边缘的图像识别方式也是可行的。
图11示出根据本发明示例性实施例的塔筒边缘识别模块30的框图。
如图11所示，根据本发明示例性实施例的塔筒边缘识别模块30可包括特征提取子模块301、转换子模块302、聚集点确定子模块303和边缘确定子模块304。
具体说来，特征提取子模块301从第二敏感区域中提取多个边缘特征点。例如，特征提取子模块301可将第二敏感区域对应的图像转换为灰度图，从转换后的灰度图中提取边缘特征点。
转换子模块302将提取的多个边缘特征点映射到参数空间中，并基于多个边缘特征点在参数空间绘制相应的多条直线。
由于已经在图9的步骤302中描述了转换子模块302获得多条直线的详细过程，本发明对此部分的内容不再赘述。
聚集点确定子模块303确定参数空间中的至少一个聚集点。这里，该至少一个聚集点为超过预定数量直线通过的点。
由于已经在图9的步骤303中描述了聚集点确定子模块303确定至少一个聚集点的详细过程，本发明对此部分的内容不再赘述。
边缘确定子模块304根据至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于至少一条直线确定塔筒的边缘。
例如，针对每个聚集点，边缘确定子模块304可将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中与该聚集点对应的直线。
例如，边缘确定子模块304可从至少一条直线中选取相对距离小于指定距离的直线进行拟合，当拟合后获得一条拟合直线时，将得到的拟合直线作为塔筒的边缘，当拟合后获得两条拟合直线时，将连接两条拟合直线的中点的连线作为塔筒的边缘。
返回图10，塔架净空确定模块40根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空。例如，塔架净空确定模块40可计算叶片的尖端的位置到塔筒的边缘所对应的直线的垂直距离作为塔架净空。
塔架净空确定模块40可根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离，基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述确定风力发电机组的塔架净空的方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，能够实现实时监测风力发电机组的塔架净空，以有效避免叶片扫塔带来的损失。
此外，采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，通过合理设计用于支撑图像捕获器的支架以及合理选取图像捕获器的安装位置，不仅能完全实现塔架净空视频监控的功能并且还能保证风力发电机组的安全运行。
此外，采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，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。
此外，采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，基于叶尖特征点检测方法来检测叶片的尖端，还可通过直线检测方式识别塔筒的边缘，进而得到叶片的尖端与塔筒的边缘之间的距离。
此外，采用本发明示例性实施例的确定风力发电机组的塔架净空的方法和装置，使用单目视觉技术实现对于塔架净空高精度的测量。
尽管已参照优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

Claims (22)

1.一种确定风力发电机组的塔架净空的方法，其特征在于，所述方法包括：
获取风力发电机组在运行过程中的图像，所述图像包括所述风力发电机组的叶片的尖端以及塔筒；
从获取的图像中确定所述风力发电机组的叶片的尖端的位置；
从获取的图像中识别所述塔筒的边缘；
根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空，
其中，所述叶片的尖端的位置通过以下方式确定：
从所述获取的图像中检测叶尖特征点，将检测到的叶尖特征点对应的坐标作为叶片的尖端的位置，
其中，叶尖特征点为所述图像中满足以下情况中的任一情况的像素点：图像中灰度的梯度值最大的像素点、任意两条或者两条以上不平行的直线的交点、图像中灰度的梯度值大于第一设定值且梯度方向的变化速率大于第二设定值的像素点。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：从获取的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，
其中，从第一敏感区域中确定所述风力发电机组的叶片的尖端的位置，从第二敏感区域中识别所述塔筒的边缘。
3.如权利要求2所述的方法，其特征在于，从第一敏感区域中确定所述风力发电机组的叶片的尖端的位置的步骤包括：
使用一预定窗口遍历第一敏感区域，当所述预定窗口处于第一敏感区域上的任一位置时，通过以下方式从所述预定窗口内包含的图像中检测叶片的尖端的位置：
以所述任一位置为起点，在第一敏感区域上沿任意方向滑动所述预定窗口；
针对沿每个方向的滑动，确定滑动前与滑动后所述预定窗口内的像素点的灰度变化程度，并判断所述灰度变化程度是否满足设定条件；
如果针对沿所有方向的滑动，滑动前与滑动后所述预定窗口内的像素点的灰度变化程度均满足设定条件，则确定所述预定窗口在所述任一位置时包含的图像中存在叶尖特征点；
从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
4.如权利要求3所述的方法，其特征在于，从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点的步骤包括：
将所述预定窗口在所述任一位置时包含的图像中灰度的梯度值和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。
5.如权利要求2所述的方法，其特征在于，从第一敏感区域中确定所述风力发电机组的叶片的尖端的位置的步骤包括：
从第一敏感区域中检测出多个候选叶尖特征点；
根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点。
6.如权利要求5所述的方法，其特征在于，用于捕获风力发电机组在运行过程中的图像的图像捕获器被设置在风力发电机组的机舱底部，或者所述图像捕获器被设置在位于风力发电机组侧面且与风力发电机组之间的距离为预定距离的指定区域内，
其中，根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点的步骤包括：
当所述图像捕获器被设置在机舱底部时，将所述多个候选叶尖特征点中的Y轴坐标值最大的点确定为最终的叶尖特征点；
当所述图像捕获器被设置在所述指定区域内时，将所述多个候选叶尖特征点中的Y轴坐标值最小的点确定为最终的叶尖特征点。
7.如权利要求2所述的方法，其特征在于，从第二敏感区域中识别所述塔筒的边缘的步骤包括：
从第二敏感区域中提取多个边缘特征点；
将所述多个边缘特征点映射到参数空间中，并基于所述多个边缘特征点在参数空间绘制对应的多条直线；
确定参数空间中的至少一个聚集点，所述至少一个聚集点为超过预定数量直线通过的点；
根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于所述至少一条直线确定塔筒的边缘。
8.如权利要求7所述的方法，其特征在于，根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线的步骤包括：
针对每个聚集点，将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中的与该聚集点对应的直线。
9.如权利要求7所述的方法，其特征在于，基于所述至少一条直线确定塔筒的边缘的步骤包括：
当对所述至少一条直线进行拟合获得一条拟合直线时，将得到的拟合直线作为塔筒的边缘；
当对所述至少一条直线进行拟合获得两条拟合直线时，将连接所述两条拟合直线的中点的连线作为塔筒的边缘。
10.如权利要求1所述的方法，其特征在于，根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空的步骤包括：
根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离；
基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。
11.一种确定风力发电机组的塔架净空的装置，其特征在于，所述装置包括：
图像获取模块，获取风力发电机组在运行过程中的图像，所述图像包括所述风力发电机组的叶片的尖端以及塔筒；
叶尖检测模块，从获取的图像中确定所述风力发电机组的叶片的尖端的位置；
塔筒边缘识别模块，从获取的图像中识别所述塔筒的边缘；
塔架净空确定模块，根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空，
其中，所述叶片的尖端的位置通过以下方式确定：
从所述获取的图像中检测叶尖特征点，将检测到的叶尖特征点对应的坐标作为叶片的尖端的位置，
其中，叶尖特征点为所述图像中满足以下情况中的任一情况的像素点：图像中灰度的梯度值最大的像素点、任意两条或者两条以上不平行的直线的交点、图像中灰度的梯度值大于第一设定值且梯度方向的变化速率大于第二设定值的像素点。
12.如权利要求11所述的装置，其特征在于，所述装置还包括：敏感区域提取模块，从获取的图像中提取用于检测叶片的尖端的第一敏感区域和用于识别塔筒的边缘的第二敏感区域，
其中，叶尖检测模块从第一敏感区域中确定所述风力发电机组的叶片的尖端的位置，塔筒边缘识别模块从第二敏感区域中识别所述塔筒的边缘。
13.如权利要求12所述的装置，其特征在于，叶尖检测模块使用一预定窗口遍历第一敏感区域，当所述预定窗口处于第一敏感区域上的任一位置时，叶尖检测模块通过以下方式从所述预定窗口内包含的图像中检测叶片的尖端的位置：
以所述任一位置为起点，在第一敏感区域上沿任意方向滑动所述预定窗口；
针对沿每个方向的滑动，确定滑动前与滑动后所述预定窗口内的像素点的灰度变化程度，并判断所述灰度变化程度是否满足设定条件；
如果针对沿所有方向的滑动，滑动前与滑动后所述预定窗口内的像素点的灰度变化程度均满足设定条件，则确定所述预定窗口在所述任一位置时包含的图像中存在叶尖特征点；
从所述预定窗口在所述任一位置时包含的图像中检测叶尖特征点，并将检测到的叶尖特征点对应的坐标确定为叶片的尖端的位置。
14.如权利要求13所述的装置，其特征在于，叶尖检测模块将所述预定窗口在所述任一位置时包含的图像中灰度的梯度值和/或梯度方向的变化速率最高的像素点确定为叶尖特征点。
15.如权利要求12所述的装置，其特征在于，叶尖检测模块从第一敏感区域中检测出多个候选叶尖特征点，根据预设条件从所述多个候选叶尖特征点中确定最终的叶尖特征点。
16.如权利要求15所述的装置，其特征在于，用于捕获风力发电机组在运行过程中的图像的图像捕获器被设置在风力发电机组的机舱底部，或者所述图像捕获器被设置在位于风力发电机组侧面且与风力发电机组之间的距离为预定距离的指定区域内，
其中，当所述图像捕获器被设置在机舱底部时，叶尖检测模块将所述多个候选叶尖特征点中的Y轴坐标值最大的点确定为最终的叶尖特征点，
当所述图像捕获器被设置在所述指定区域内时，叶尖检测模块将所述多个候选叶尖特征点中的Y轴坐标值最小的点确定为最终的叶尖特征点。
17.如权利要求12所述的装置，其特征在于，塔筒边缘识别模块包括：
特征提取子模块，从第二敏感区域中提取多个边缘特征点；
转换子模块，将所述多个边缘特征点映射到参数空间中，并基于所述多个边缘特征点在参数控制绘制对应的多条直线；
聚集点确定子模块，确定参数空间中的至少一个聚集点，所述至少一个聚集点为超过预定数量直线通过的点；
边缘确定子模块，根据所述至少一个聚集点的坐标值确定在第二敏感区域中的至少一条直线，基于所述至少一条直线确定塔筒的边缘。
18.如权利要求17所述的装置，其特征在于，针对每个聚集点，边缘确定子模块将该聚集点的横坐标作为直线的斜率，将该聚集点的纵坐标作为直线的截距，得到在第二敏感区域中的与该聚集点对应的直线。
19.如权利要求17所述的装置，其特征在于，边缘确定子模块当对所述至少一条直线进行拟合获得一条拟合直线时，将得到的拟合直线作为塔筒的边缘，边缘确定子模块当对所述至少一条直线进行拟合获得两条拟合直线时，将连接所述两条拟合直线的中点的连线作为塔筒的边缘。
20.如权利要求11所述的装置，其特征在于，塔架净空确定模块根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的像素距离，基于预先确定的任意两个像素之间的像素距离与实际距离的对应关系，来利用叶片的尖端到塔筒的边缘的像素距离计算叶片的尖端到塔筒的边缘的实际距离，将所述实际距离确定为塔架净空。
21.一种塔架净空监测系统，其特征在于，所述塔架净空监测系统包括：
图像捕获器，用于捕获风力发电机组的叶片在运行过程中的图像；
处理器，被配置为：
从所捕获的图像中获取包括所述风力发电机组的叶片的尖端以及塔筒的图像；
从获取的图像中确定所述风力发电机组的叶片的尖端的位置；
从获取的图像中识别所述塔筒的边缘；
根据确定的叶片的尖端的位置和识别的塔筒的边缘，计算叶片的尖端到塔筒的边缘的距离以获得塔架净空，
其中，所述叶片的尖端的位置通过以下方式确定：
从所述获取的图像中检测叶尖特征点，将检测到的叶尖特征点对应的坐标作为叶片的尖端的位置，
其中，叶尖特征点为所述图像中满足以下情况中的任一情况的像素点：图像中灰度的梯度值最大的像素点、任意两条或者两条以上不平行的直线的交点、图像中灰度的梯度值大于第一设定值且梯度方向的变化速率大于第二设定值的像素点。
22.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1至10中任意一项所述的确定风力发电机组的塔架净空的方法。
CN201811454363.7A 2018-11-30 2018-11-30 确定风力发电机组的塔架净空的方法和装置 Active CN111255636B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201811454363.7A CN111255636B (zh) 2018-11-30 2018-11-30 确定风力发电机组的塔架净空的方法和装置
PCT/CN2019/109391 WO2020108088A1 (zh) 2018-11-30 2019-09-30 确定风力发电机组的塔架净空的方法和装置
AU2019390462A AU2019390462B2 (en) 2018-11-30 2019-09-30 Method and device for determining tower clearance for wind turbine
US16/976,403 US11421659B2 (en) 2018-11-30 2019-09-30 Method and device for determining tower clearance for wind turbine
EP19890997.0A EP3744974A4 (en) 2018-11-30 2019-09-30 METHOD AND DEVICE FOR DETERMINING THE TOWER DISTANCE FOR A WIND TURBINE

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811454363.7A CN111255636B (zh) 2018-11-30 2018-11-30 确定风力发电机组的塔架净空的方法和装置

Publications (2)

Publication Number Publication Date
CN111255636A CN111255636A (zh) 2020-06-09
CN111255636B true CN111255636B (zh) 2023-07-25

Family

ID=70853791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811454363.7A Active CN111255636B (zh) 2018-11-30 2018-11-30 确定风力发电机组的塔架净空的方法和装置

Country Status (5)

Country Link
US (1) US11421659B2 (zh)
EP (1) EP3744974A4 (zh)
CN (1) CN111255636B (zh)
AU (1) AU2019390462B2 (zh)
WO (1) WO2020108088A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113864132B (zh) * 2020-06-30 2023-04-07 乌鲁木齐金风天翼风电有限公司 塔架净空的监测方法、装置及设备
CN113915074A (zh) * 2020-07-10 2022-01-11 深圳市镭神智能系统有限公司 风力发电机的监控方法、系统及风力发电系统
CN111878319B (zh) * 2020-07-13 2021-07-16 明阳智慧能源集团股份公司 一种基于多激光头的风机叶片净空自动监测方法及系统
CN111654642B (zh) * 2020-07-22 2021-10-01 上海扩博智能技术有限公司 拍摄风机叶片的曝光值调整方法、系统、设备和存储介质
CN111911364B (zh) * 2020-09-11 2021-11-23 上海电气风电集团股份有限公司 叶尖塔筒净空监测方法
CN111980872B (zh) * 2020-09-18 2022-06-14 南京牧镭激光科技有限公司 一种测量风力发电机叶片到塔筒的距离传感装置
CN112883503B (zh) * 2020-11-05 2021-08-03 中国长江三峡集团有限公司 基于ptfe膜对风机叶片气动特性影响的数值模拟方法
CN112558632B (zh) * 2020-12-03 2023-03-14 上海扩博智能技术有限公司 无人机巡检路径转换方法、系统、设备和存储介质
CN112761897B (zh) * 2021-01-13 2022-06-14 国电联合动力技术有限公司 风电机组叶片监控方法、装置及风力发电机
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
CN113309673A (zh) * 2021-06-29 2021-08-27 新疆金风科技股份有限公司 风力发电机组的静态净空距离确定方法和装置
CN115726934A (zh) * 2021-08-31 2023-03-03 北京金风科创风电设备有限公司 一种风力发电机净空值的测量方法及装置
WO2023188378A1 (ja) * 2022-03-31 2023-10-05 株式会社Acsl 無人航空機を用いて風力発電装置のロータ方向・アジマス角を推定するためのシステム、方法、プログラム及びプログラムを記憶した記憶媒体
CN117272550B (zh) * 2023-11-17 2024-03-22 陕西空天信息技术有限公司 一种流道设计的方法、装置、设备及计算机存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108799011A (zh) * 2017-04-28 2018-11-13 北京金风科创风电设备有限公司 对风电机组的叶片进行监测的设备和方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110135466A1 (en) * 2010-01-14 2011-06-09 General Electric Company System and method for monitoring and controlling wind turbine blade deflection
CN102434403B (zh) * 2010-09-29 2015-09-09 通用电气公司 用于风力涡轮机检查的系统及方法
EP2484904A3 (en) * 2011-02-08 2015-10-21 Steffen Bunge Photogrammetric assessment to verify or determine alignment angles of wind turbine parts
GB201222540D0 (en) * 2012-12-14 2013-01-30 Lm Wp Patent Holding As A system and method for wind turbine sensor calibration
US9453500B2 (en) * 2013-03-15 2016-09-27 Digital Wind Systems, Inc. Method and apparatus for remote feature measurement in distorted images
US10378517B2 (en) * 2014-03-04 2019-08-13 Steffen Bunge Method for replacing the blades of a wind turbine to maintain safe operation
CN103982378B (zh) * 2014-04-25 2017-01-11 广东电网公司电力科学研究院 基于机器视觉图像对电力系统风力发电机叶片表面结冰故障进行诊断的方法
CN106286152B (zh) * 2016-09-14 2018-12-04 北京金风科创风电设备有限公司 风力发电机组的叶片状态监测装置及监测方法
CN106762451B (zh) * 2016-12-05 2018-10-23 北京金风科创风电设备有限公司 基于无人机的风机叶片损伤检测方法、装置及系统
CN207598432U (zh) * 2017-11-30 2018-07-10 远景能源（江苏）有限公司 监测风力发电机叶片弯度的装置
US11506175B2 (en) * 2017-12-04 2022-11-22 Nidec Ssb Wind Systems Gmbh Wind-turbine tower to blade-tip measuring system
CN108506172B (zh) * 2018-06-01 2024-01-05 河北工业大学 一种风力发电叶片健康状态在线检测系统
CN111255637A (zh) * 2018-11-30 2020-06-09 北京金风科创风电设备有限公司 塔架净空实时监测系统及其方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108799011A (zh) * 2017-04-28 2018-11-13 北京金风科创风电设备有限公司 对风电机组的叶片进行监测的设备和方法

Also Published As

Publication number Publication date
CN111255636A (zh) 2020-06-09
US20210003114A1 (en) 2021-01-07
WO2020108088A1 (zh) 2020-06-04
AU2019390462A1 (en) 2020-08-27
EP3744974A1 (en) 2020-12-02
AU2019390462B2 (en) 2022-01-20
EP3744974A4 (en) 2021-08-18
US11421659B2 (en) 2022-08-23

Similar Documents

Publication Publication Date Title
CN111255636B (zh) 确定风力发电机组的塔架净空的方法和装置
CN106525025B (zh) 一种变电站巡检机器人路线规划导航方法
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
CN109559354B (zh) 测量塔架净空的方法以及装置
CN110142785A (zh) 一种基于目标检测的巡检机器人视觉伺服方法
CN106092054A (zh) 一种电力线路识别精准定位导航方法
CN110533649B (zh) 一种无人机通用结构裂缝识别检测装置及方法
US20230105991A1 (en) Method of imaging a wind turbine rotor blade
KR20210032075A (ko) 인공지능을 이용한 영상분석 시스템 및 이를 이용한 방법
CN106403901A (zh) 一种浮标姿态测量装置及方法
CN114255405A (zh) 一种隐患目标识别方法与装置
CN105447431B (zh) 一种基于机器视觉的入坞飞机跟踪定位方法及系统
CN111476785B (zh) 基于位置记录的夜间红外反光水尺检测方法
Guo et al. Detecting and positioning of wind turbine blade tips for uav-based automatic inspection
CN112197705A (zh) 一种基于视觉和激光测距的果实定位方法
CN115511878A (zh) 一种边坡地表位移监测方法、装置、介质及设备
CN107767366B (zh) 一种输电线路拟合方法及装置
CN116486212A (zh) 一种基于计算机视觉的水尺识别方法、系统及存储介质
CN115861407A (zh) 基于深度学习的安全距离检测方法及系统
CN116447979A (zh) 一种基于无人机的双目视觉边坡位移监测方法及装置
CN115717867A (zh) 一种基于机载双相机和目标追踪的桥梁变形测量方法
CN112837343B (zh) 基于相机阵列的低空无人机防控光电预警识别方法及系统
CN111539329B (zh) 一种自适应的变电站指针仪表识别方法
CN113837044A (zh) 基于环境亮度的器官定位方法及相关设备
CN108509845B (zh) 基于特征拟合的变电站仪表设备巡检的视觉检测方法

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
GR01 Patent grant
GR01 Patent grant