CN111524224A - 一种电力变压器表面温度分布的全景成像方法 - Google Patents

一种电力变压器表面温度分布的全景成像方法 Download PDF

Info

Publication number
CN111524224A
CN111524224A CN202010285935.4A CN202010285935A CN111524224A CN 111524224 A CN111524224 A CN 111524224A CN 202010285935 A CN202010285935 A CN 202010285935A CN 111524224 A CN111524224 A CN 111524224A
Authority
CN
China
Prior art keywords
power transformer
temperature
data
dimensional
point cloud
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.)
Granted
Application number
CN202010285935.4A
Other languages
English (en)
Other versions
CN111524224B (zh
Inventor
陆胜
刘辉
夏斌强
高超
赵文彬
常玉红
梁逸帆
卢武
郑小刚
杨丽君
姜跃东
万正喜
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.)
Huadong Tianhuangping Pumped Storage Co ltd
State Grid Corp of China SGCC
Shanghai University of Electric Power
State Grid Xinyuan Co Ltd
Original Assignee
Huadong Tianhuangping Pumped Storage Co ltd
State Grid Corp of China SGCC
Shanghai University of Electric Power
State Grid Xinyuan 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 Huadong Tianhuangping Pumped Storage Co ltd, State Grid Corp of China SGCC, Shanghai University of Electric Power, State Grid Xinyuan Co Ltd filed Critical Huadong Tianhuangping Pumped Storage Co ltd
Priority to CN202010285935.4A priority Critical patent/CN111524224B/zh
Publication of CN111524224A publication Critical patent/CN111524224A/zh
Application granted granted Critical
Publication of CN111524224B publication Critical patent/CN111524224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G01J5/485—Temperature profile
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种电力变压器表面温度分布的全景成像方法，包括以下步骤：(1)、获取待诊断的电力变压器的红外图像，并采用温度数据图像处理方法对红外图像进行图像作预处理，得到二维的温度矩阵；(2)、利用移动式激光测绘系统采集电力变压器的点云信息，并根据采集到的点云信息重建得到电力变压器三维实体表面模型；(3)、采用仿射变换方法，将二维的温度矩阵映射到电力变压器三维实体表面模型的相应网格上，得到精细化变压器模型；(4)、使用伪彩技术对精细化变压器模型进行重新渲染，在三维空间中显示出电力变压器的表面温度分布。本发明具有能够及时发现热故障的特点。

Description

一种电力变压器表面温度分布的全景成像方法
技术领域
本发明涉及一种电力变压器表面温度分布成像方法，特别是一种电力变压器表面温度分布的全景成像方法。
背景技术
红外热成像技术具有快速、实时、非接触性等优点，多年来应用于电力变压器运行管理领域。借助便携式红外热成像仪或在线红外测温系统，对运行状态下的电力变压器进行温度数据采集，能够及时发现、诊断出大多数的过热故障，有效减少设备损坏和由此导致的电网大面积停电事故发生的次数。然而，红外成像技术仅能将变压器温度分布的二维投影可视化，不能通过单一的温度图像来实现变压器温度空间分布可视化。在这种情况下，设备运行人员需依据自身的经验和知识，对图像进行人工分析，但是因采集到的图像数量众多，且需要基于历史温度数据进行综合判断，这样导致某些变压器热故障不能被及时发现。因此，现有的技术存在着无法及时发现热故障的问题。
发明内容
本发明的目的在于，提供一种电力变压器表面温度分布的全景成像方法。本发明具有能够及时发现热故障的特点。
本发明的技术方案：一种电力变压器表面温度分布的全景成像方法，包括以下步骤：
(1)、获取待诊断的电力变压器的红外图像，并采用温度数据图像处理方法对红外图像进行图像作预处理，得到二维的温度矩阵；
(2)、利用移动式激光测绘系统采集电力变压器的点云信息，并根据采集到的点云信息重建得到电力变压器三维实体表面模型；
(3)、采用仿射变换方法，将二维的温度矩阵映射到电力变压器三维实体表面模型的相应网格上，得到精细化变压器模型；
(4)、使用伪彩技术对精细化变压器模型进行重新渲染，在三维空间中显示出电力变压器的表面温度分布。
前述的一种电力变压器表面温度分布的全景成像方法中，所述温度数据图像处理方法包括以下步骤：
1.1)、剪切待诊断的电力变压器的每个原始的红外图像右侧的温度条，并提取红外图像的温度条上的温度测量范围；
1.2)、合并所有收集到的红外图像的温度测量范围，得到采集到的所有红外图像中的最小温度值Tmin和最大温度值Tmax；
1.3)、将每个原始的红外图像中的灰度矩阵转换成温度矩阵，按照以下公式1)进行计算：
Figure BDA0002448502910000021
其中，i，j是矩阵的第i行和j列，Tmin为收集的所有红外图像中的最小温度值，Tmax为收集的所有红外图像中的最大温度值，Ak-ij表示第k幅图像的灰度矩阵，Tk-ij表示第k幅图像的温度矩阵。
前述的一种电力变压器表面温度分布的全景成像方法中，移动式激光测绘系统由移动激光扫描仪和数码相机组成；在采集过程中，移动式激光测绘系统被放置在电力变压器周围的若干个预定义位置，移动式激光测绘系统和电力变压器表面之间的距离一般为2m到5m。
前述的一种电力变压器表面温度分布的全景成像方法中，步骤(2)中，移动式激光测绘系统采集得到电力变压器的点云信息，还需依次进行数据网格化预处理、层次模式识别和形状检索后，再进行三维模型的重建，得到电力变压器三维实体表面模型；
所述数据网格化预处理的方法为，对采集到的点云信息依次进行缺失空白数据填补、降噪滤波和冗余数据抽稀处理；
缺失空白数据填补采用双线性插值法对数据进行填补；采用以下公式2)进行计算得到，
Figure BDA0002448502910000031
其中函数f(x,y)为想得到的未知点的值，f(x1,y1),f(x1,y2),f(x2,y1),f(x2,y2),分别为在上下左右四个方向上离未知点最近的四个点的值；
降噪滤波的方法为使用双边滤波算法去对原始信号进行滤波和降噪；
形状检索基于k-d树的特征点匹配算法，在处理后的点云信息中识别并分割出独立器件；
将三角形网格化应用于分段的点云信息数据上，创建得到电力变压器三维实体表面模型。
前述的一种电力变压器表面温度分布的全景成像方法中，双边滤波算法的具体步骤如下：
A、计算每个数据点pi的k邻域点Nk(pi)；
B、对每个临近点求取Wc的参数||pj-pi||和Ws的参数||<nj,ni>-1||，以及参数<ni,pj-pi>；
C、由式3)计算高斯核函数WC(x)和WS(y)
Figure BDA0002448502910000041
Figure BDA0002448502910000042
Wc，Ws分别表示双边滤波函数的空间域和频率域权重函数；<n，pj-pi>为n与pj-pi的内积nj，ni为点的法向量；σs和σc分别为空域滤波权值函数的标准差和像素相关性权值函数的标准差；
D、根据式4)计算出双边滤波因子λ
Figure BDA0002448502910000043
E、根据式5)计滤波后的数据点
Pi＝pi+λni 5)
其中，Pi为双边滤波后更新的点，λ为双边滤波因子。
前述的一种电力变压器表面温度分布的全景成像方法中，冗余数据抽稀处理方式基于点云离散度的抽稀算法进行点云信息数据的精简；对于某一区域的点云信息数据，根据点云信息数据之间差异的大小判断扫描对象表面的起伏程度；若点云信息数据差异较小，用平均地平面来表示；若点云信息数据差异较大，则采用离散度来表示，局部区域的某点的离散度如式6)所示:
Figure BDA0002448502910000051
式中，mn为该区域的面积；Z[i，j]为某点的高程值；Z为该区域内所有数据点的高程平均值；Di为点云的离散度；ε为很小的正数，防止分母为零。
前述的一种电力变压器表面温度分布的全景成像方法中，仿射变换方法的具体步骤为：
第一步、将二维的温度矩阵投影到人为定义的摄像机观察平面；温度矩阵的数据投影映射的转换函数如下所示：
Figure BDA0002448502910000052
其中，(u，v)是图像坐标中特定温度值的位置；(x'，y')是投影映射后相机坐标中相同温度值的位置；m11，m21，m12，m22，为线性变换的参数；m13和m23为移位变换的参数；
第二步、绘制从二维投影摄像机平面到变压器三维对象平面的温度数据，通过使用透视变换函数来实现：
Figure BDA0002448502910000053
其中，(x'，y')是相机坐标中给定温度值的位置；(X,Y,Z)为经透视变换后的三维变压器模型的世界坐标中相同温度值的位置；m11，m12，m21，m22为线性变换的参数；m13和m23为移位变换的参数；m31、m32、m33为非线性投影变换的参数；
最终，图像坐标中位于(u，v)的温度值映射到(X、Y、Z)的世界坐标，即确定电力变压器表面温度的精确空间位置。
与现有技术相比，本发明由根据均匀的色温关系，对原始红外图像进行归一化和重新着色，采用激光扫描方法对电力变压器模型进行三维重建，并采用仿射变换方法对变压器体三维网格进行二维温度数据集的数据映射，以此来取代传统的人工分析方式，实现了变压器表面表观温度的全景可视化以及电力变压器热故障的精确空间定位，便于操作人员快速精准及时的发现热故障。综上所述，本发明具有能够及时发现热故障的特点。
附图说明
图1是电力变压器在正常状态下热状态全景显示的图像
图2是采用温度数据规范化图像处理方法处理前后的效果对比图；
图3是仿射变换方法的原理图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例。一种电力变压器表面温度分布的全景成像方法，如图1至图3所示，包括以下步骤：
(1)、获取待诊断的电力变压器的红外图像，并采用温度数据图像处理方法对红外图像进行图像作预处理，得到二维的温度矩阵；
(2)、利用移动式激光测绘系统采集电力变压器的点云信息，并根据采集到的点云信息重建得到电力变压器三维实体表面模型；
(3)、采用仿射变换方法，将二维的温度矩阵映射到电力变压器三维实体表面模型的相应网格上，得到精细化变压器模型；
(4)、使用伪彩技术对精细化变压器模型进行重新渲染，在三维空间中显示出电力变压器的表面温度分布。
所述温度数据图像处理方法包括以下步骤：
1.1)、剪切待诊断的电力变压器的每个原始的红外图像右侧的温度条，并提取红外图像的温度条上的温度测量范围；
1.2)、合并所有收集到的红外图像的温度测量范围，得到采集到的所有红外图像中的最小温度值Tmin和最大温度值Tmax；
1.3)、将每个原始的红外图像中的灰度矩阵转换成温度矩阵，按照以下公式1)进行计算：
Figure BDA0002448502910000071
其中，i，j是矩阵的第i行和j列，Tmin为收集的所有红外图像中的最小温度值，Tmax为收集的所有红外图像中的最大温度值，Ak-ij表示第k幅图像的灰度矩阵，Tk-ij表示第k幅图像的温度矩阵。
本发明还可以对所有红外图像使用伪彩技术进行重新着色，其中由温度矩阵转化为规范化灰度矩阵，按照以下公式进行计算：
Figure BDA0002448502910000072
其中，i，j是矩阵的第i行和j列，Tmin为收集的所有红外图像中的最小温度值，Tmax为收集的所有红外图像中的最大温度值，Bk-ij表示第k幅图像的规范化灰度矩阵。
移动式激光测绘系统由移动激光扫描仪和数码相机组成；在采集过程中，移动式激光测绘系统被放置在电力变压器周围的若干个预定义位置，这可以确保不存在死点或局部空间信息失真，移动式激光测绘系统和电力变压器表面之间的距离一般为2m到5m。
步骤(2)中，移动式激光测绘系统采集得到的电力变压器的点云信息，还需依次进行数据网格化预处理、层次模式识别和形状检索后，再进行三维模型的重建，得到电力变压器三维实体表面模型；
所述数据网格化预处理是将空间上分散的数值转换成规则分布的网格数值，可压抑局部噪音，同时弥补空白网格的数值；
所述数据网格化预处理的方法为，对采集到的点云信息依次进行缺失空白数据填补、降噪滤波和冗余数据抽稀处理；
缺失空白数据填补采用双线性插值法对数据进行填补；采用以下公式2)进行计算得到，
Figure BDA0002448502910000081
其中函数f(x,y)为想得到的未知点的值，f(x1,y1),f(x1,y2),f(x2,y1),f(x2,y2),分别为在上下左右四个方向上离未知点最近的四个点的值；
降噪滤波的方法为使用双边滤波算法去对原始信号进行滤波和降噪；
形状检索基于k-d树的特征点匹配算法，在处理后的点云信息中识别并分割出独立器件；
将三角形网格化应用于分段的点云信息数据上，创建得到电力变压器三维实体表面模型。
双边滤波算法的具体步骤如下：
A、计算每个数据点pi的k邻域点Nk(pi)；
B、对每个临近点求取Wc的参数||pj-pi||和Ws的参数||<nj,ni>-1||，以及参数<ni,pj-pi>；
C、由式3)计算高斯核函数WC(x)和WS(y)
Figure BDA0002448502910000091
Figure BDA0002448502910000092
Wc，Ws分别表示双边滤波函数的空间域和频率域权重函数，它们分别控制着双边滤波的平滑程度和特征保持程度；<n，pj-pi>为n与pj-pi的内积nj，ni为点的法向量；σs和σc分别为空域滤波权值函数的标准差和像素相关性权值函数的标准差；
D、根据式4)计算出双边滤波因子λ
E、根据式5)计滤波后的数据点
Pi＝pi+λni 5)
其中，Pi为双边滤波后更新的点，λ为双边滤波因子。
由于采集的点云数据量庞大，庞大的数据量会占用大量系统空间，并影响运算的速度，因而在不影响整体精度的情况下对点云进行精简。一方面，点云信息拼接完成之后，各站重叠部分冗余点数据量庞大，成为多余数据，可以去除；另一方面，点云信息本身存在一定密度，在保证自身精度的情况下，可以对点云进行抽稀简化，减小点云的密度。
冗余数据抽稀处理方式基于点云离散度的抽稀算法进行点云信息数据的精简；对于某一区域的点云信息数据，根据点云信息数据之间差异的大小判断扫描对象表面的起伏程度；若点云信息数据差异较小，用平均地平面来表示；若点云信息数据差异较大，则采用离散度来表示，局部区域的某点的离散度如式6)所示:
Figure BDA0002448502910000101
式中，mn为该区域的面积；Z[i，j]为某点的高程值；Z为该区域内所有数据点的高程平均值；Di为点云的离散度；ε为很小的正数，防止分母为零。点的离散度越大该点约需要保留，通过选定阈值，确定保留的点。
层次模式识别，先将每个电力变压器的红外图像样本自成一类，再让各个电力变压器的红外图像样本之间通过它的相似度进行合并，减少类别数目，最终使分类模型达到一个比较稳定的状态。
形状检索，基于k-d树的特征点匹配算法，在处理后的点云中识别并分割出套管、油枕、分接开关等独立器件。
k-d树是一种常见的建立数据索引的方法，实际数据一般都会呈现出簇状的聚类形态，通过设计有效的索引结构可以大大加快检索的速度，k-d树的划分过程为，将一个k维的数据与根节点进行比较，然后划分，划分的空间没有重叠，然后进行回溯操作，该操作的目的是找离查询数据更近的数据点。
仿射变换方法的具体步骤为：
第一步、将二维的温度矩阵投影到人为定义的摄像机观察平面；温度矩阵的数据投影映射的转换函数如下所示：
Figure BDA0002448502910000111
其中，(u，v)是图像坐标中特定温度值的位置；(x'，y')是投影映射后相机坐标中相同温度值的位置；m11，m21，m12，m22，为线性变换的参数；m13和m23为移位变换的参数；
第二步、绘制从二维投影摄像机平面到变压器三维对象平面的温度数据，通过使用透视变换函数来实现：
Figure BDA0002448502910000112
其中，(x'，y')是相机坐标中给定温度值的位置；(X,Y,Z)为经透视变换后的三维变压器模型的世界坐标中相同温度值的位置；m11，m12，m21，m22为线性变换的参数；m13和m23为移位变换的参数；m31、m32、m33为非线性投影变换的参数；
最终，图像坐标中位于(u，v)的温度值映射到(X、Y、Z)的世界坐标，即确定电力变压器表面温度的精确空间位置。
另外，三维空间信息采集常使用移动式激光测绘系统(MMS,.Mobile MappingSystem)，MMS包括移动激光扫描系统和数码相机。移动激光扫描系统主要由激光扫描仪和惯性导航系统组成，用于测量点的三维坐标和激光反射强度；数码相机用于测量点的三维坐标和颜色信息。根据移动激光扫描系统和数码相机采集的数据可以得到点云数据，包括三维坐标、激光反射强度、颜色信息。

Claims (7)

1.一种电力变压器表面温度分布的全景成像方法，其特征在于，包括以下步骤：
(1)、获取待诊断的电力变压器的红外图像，并采用温度数据图像处理方法对红外图像进行图像作预处理，得到二维的温度矩阵；
(2)、利用移动式激光测绘系统采集电力变压器的点云信息，并根据采集到的点云信息重建得到电力变压器三维实体表面模型；
(3)、采用仿射变换方法，将二维的温度矩阵映射到电力变压器三维实体表面模型的相应网格上，得到精细化变压器模型；
(4)、使用伪彩技术对精细化变压器模型进行重新渲染，在三维空间中显示出电力变压器的表面温度分布。
2.根据权利要求1所述的一种电力变压器表面温度分布的全景成像方法，其特征在于：所述温度数据图像处理方法包括以下步骤：
1.1)、剪切待诊断的电力变压器的每个原始的红外图像右侧的温度条，并提取红外图像的温度条上的温度测量范围；
1.2)、合并所有收集到的红外图像的温度测量范围，得到采集到的所有红外图像中的最小温度值Tmin和最大温度值Tmax；
1.3)、将每个原始的红外图像中的灰度矩阵转换成温度矩阵，按照以下公式1)进行计算：
Figure FDA0002448502900000011
其中，i，j是矩阵的第i行和j列，Tmin为收集的所有红外图像中的最小温度值，Tmax为收集的所有红外图像中的最大温度值，Ak-ij表示第k幅图像的灰度矩阵，Tk-ij表示第k幅图像的温度矩阵。
3.根据权利要求1所述的一种电力变压器表面温度分布的全景成像方法，其特征在于：移动式激光测绘系统由移动激光扫描仪和数码相机组成；在采集过程中，移动式激光测绘系统被放置在电力变压器周围的若干个预定义位置，移动式激光测绘系统和电力变压器表面之间的距离一般为2m到5m。
4.根据权利要求1所述的一种电力变压器表面温度分布的全景成像方法，其特征在于，步骤(2)中，移动式激光测绘系统采集得到电力变压器的点云信息，还需依次进行数据网格化预处理、层次模式识别和形状检索后，再进行三维模型的重建，得到电力变压器三维实体表面模型；
所述数据网格化预处理的方法为，对采集到的点云信息依次进行缺失空白数据填补、降噪滤波和冗余数据抽稀处理；
缺失空白数据填补采用双线性插值法对数据进行填补；采用以下公式2)进行计算得到，
Figure FDA0002448502900000021
其中函数f(x,y)为想得到的未知点的值，f(x1,y1),f(x1,y2),f(x2,y1),f(x2,y2),分别为在上下左右四个方向上离未知点最近的四个点的值；
降噪滤波的方法为使用双边滤波算法去对原始信号进行滤波和降噪；
形状检索基于k-d树的特征点匹配算法，在处理后的点云信息中识别并分割出独立器件；
将三角形网格化应用于分段的点云信息数据上，创建得到电力变压器三维实体表面模型。
5.根据权利要求4所述的一种电力变压器表面温度分布的全景成像方法，其特征在于，双边滤波算法的具体步骤如下：
A、计算每个数据点pi的k邻域点Nk(pi)；
B、对每个临近点求取Wc的参数||pj-pi||和Ws的参数||<nj,ni>-1||，以及参数<ni,pj-pi>；
C、由式3)计算高斯核函数WC(x)和WS(y)
Figure FDA0002448502900000031
Figure FDA0002448502900000032
Wc，Ws分别表示双边滤波函数的空间域和频率域权重函数；<n，pj-pi>为n与pj-pi的内积nj，ni为点的法向量；σs和σc分别为空域滤波权值函数的标准差和像素相关性权值函数的标准差；
D、根据式4)计算出双边滤波因子λ
Figure FDA0002448502900000033
E、根据式5)计滤波后的数据点
Pi＝pi+λni 5)
其中，Pi为双边滤波后更新的点，λ为双边滤波因子。
6.根据权利要求1所述的一种电力变压器表面温度分布的全景成像方法，其特征在于：冗余数据抽稀处理方式基于点云离散度的抽稀算法进行点云信息数据的精简；对于某一区域的点云信息数据，根据点云信息数据之间差异的大小判断扫描对象表面的起伏程度；若点云信息数据差异较小，用平均地平面来表示；若点云信息数据差异较大，则采用离散度来表示，局部区域的某点的离散度如式6)所示:
Figure FDA0002448502900000041
式中，mn为该区域的面积；Z[i，j]为某点的高程值；Z为该区域内所有数据点的高程平均值；Di为点云的离散度；ε为很小的正数，防止分母为零。
7.根据权利要求1所述的一种电力变压器表面温度分布的全景成像方法，其特征在于，仿射变换方法的具体步骤为：
第一步、将二维的温度矩阵投影到人为定义的摄像机观察平面；温度矩阵的数据投影映射的转换函数如下所示：
Figure FDA0002448502900000042
其中，(u，v)是图像坐标中特定温度值的位置；(x'，y')是投影映射后相机坐标中相同温度值的位置；m11，m21，m12，m22，为线性变换的参数；m13和m23为移位变换的参数；
第二步、绘制从二维投影摄像机平面到变压器三维对象平面的温度数据，通过使用透视变换函数来实现：
Figure FDA0002448502900000051
其中，(x'，y')是相机坐标中给定温度值的位置；(X,Y,Z)为经透视变换后的三维变压器模型的世界坐标中相同温度值的位置；m11，m12，m21，m22为线性变换的参数；m13和m23为移位变换的参数；m31、m32、m33为非线性投影变换的参数；
最终，图像坐标中位于(u，v)的温度值映射到(X、Y、Z)的世界坐标，即确定电力变压器表面温度的精确空间位置。
CN202010285935.4A 2020-04-13 2020-04-13 一种电力变压器表面温度分布的全景成像方法 Active CN111524224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010285935.4A CN111524224B (zh) 2020-04-13 2020-04-13 一种电力变压器表面温度分布的全景成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010285935.4A CN111524224B (zh) 2020-04-13 2020-04-13 一种电力变压器表面温度分布的全景成像方法

Publications (2)

Publication Number Publication Date
CN111524224A true CN111524224A (zh) 2020-08-11
CN111524224B CN111524224B (zh) 2023-09-29

Family

ID=71901730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010285935.4A Active CN111524224B (zh) 2020-04-13 2020-04-13 一种电力变压器表面温度分布的全景成像方法

Country Status (1)

Country Link
CN (1) CN111524224B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112345084A (zh) * 2020-11-05 2021-02-09 北京易达恩能科技有限公司 基于数字孪生环境的三维温度场构建方法及装置
CN113592013A (zh) * 2021-08-06 2021-11-02 国网新源水电有限公司富春江水力发电厂 一种基于图注意力网络的三维点云分类方法
CN113660435A (zh) * 2021-08-19 2021-11-16 东莞市鑫泰仪器仪表有限公司 一种红外夜视仪增益系统
CN116295855A (zh) * 2023-05-24 2023-06-23 国网吉林省电力有限公司信息通信公司 基于无线通信网络的故障定位及诊断系统
CN117222072A (zh) * 2023-11-07 2023-12-12 深圳市易光科技有限公司 一种远程智能控制的led驱动电源温度补偿方法及系统
CN117706239A (zh) * 2023-12-04 2024-03-15 国网宁夏电力有限公司电力科学研究院 一种换流变压器过热故障点预测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102967373A (zh) * 2012-11-09 2013-03-13 广东电网公司东莞供电局 变电站三维红外测温监测方法及系统
CN105425698A (zh) * 2015-11-09 2016-03-23 国网重庆市电力公司电力科学研究院 一种三维数字变电站一体化管控方法及系统
CN107657653A (zh) * 2016-07-25 2018-02-02 同方威视技术股份有限公司 用于对三维表面的图像进行重建的方法、装置和系统
CN108627272A (zh) * 2018-03-22 2018-10-09 北京航空航天大学 一种基于四角度激光吸收光谱的二维温度分布重建方法
US20190258225A1 (en) * 2017-11-17 2019-08-22 Kodak Alaris Inc. Automated 360-degree dense point object inspection
CN110232692A (zh) * 2019-05-22 2019-09-13 浙江大学 一种基于改进种子填充算法的电气设备热源区域分离方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102967373A (zh) * 2012-11-09 2013-03-13 广东电网公司东莞供电局 变电站三维红外测温监测方法及系统
CN105425698A (zh) * 2015-11-09 2016-03-23 国网重庆市电力公司电力科学研究院 一种三维数字变电站一体化管控方法及系统
CN107657653A (zh) * 2016-07-25 2018-02-02 同方威视技术股份有限公司 用于对三维表面的图像进行重建的方法、装置和系统
US20190258225A1 (en) * 2017-11-17 2019-08-22 Kodak Alaris Inc. Automated 360-degree dense point object inspection
CN108627272A (zh) * 2018-03-22 2018-10-09 北京航空航天大学 一种基于四角度激光吸收光谱的二维温度分布重建方法
CN110232692A (zh) * 2019-05-22 2019-09-13 浙江大学 一种基于改进种子填充算法的电气设备热源区域分离方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
汪可 等: "局部放电 UHF 脉冲的时频特征提取与聚类分析", 电工技术学报 *
訾桂峰 等: "面向地形匹配的多波束测深数据抽稀方法研究", 海洋工程 *
郭进 等: "采用密度k-means 和改进双边滤波的点云自适应去噪算法", 传感器与微系统 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112345084A (zh) * 2020-11-05 2021-02-09 北京易达恩能科技有限公司 基于数字孪生环境的三维温度场构建方法及装置
CN112345084B (zh) * 2020-11-05 2021-09-28 北京易达恩能科技有限公司 基于数字孪生环境的三维温度场构建方法及装置
CN113592013A (zh) * 2021-08-06 2021-11-02 国网新源水电有限公司富春江水力发电厂 一种基于图注意力网络的三维点云分类方法
CN113592013B (zh) * 2021-08-06 2024-04-30 国网新源水电有限公司富春江水力发电厂 一种基于图注意力网络的三维点云分类方法
CN113660435A (zh) * 2021-08-19 2021-11-16 东莞市鑫泰仪器仪表有限公司 一种红外夜视仪增益系统
CN113660435B (zh) * 2021-08-19 2022-05-17 东莞市鑫泰仪器仪表有限公司 一种红外夜视仪增益系统
CN116295855A (zh) * 2023-05-24 2023-06-23 国网吉林省电力有限公司信息通信公司 基于无线通信网络的故障定位及诊断系统
CN116295855B (zh) * 2023-05-24 2023-08-08 国网吉林省电力有限公司信息通信公司 基于无线通信网络的故障定位及诊断系统
CN117222072A (zh) * 2023-11-07 2023-12-12 深圳市易光科技有限公司 一种远程智能控制的led驱动电源温度补偿方法及系统
CN117222072B (zh) * 2023-11-07 2024-01-12 深圳市易光科技有限公司 一种远程智能控制的led驱动电源温度补偿方法及系统
CN117706239A (zh) * 2023-12-04 2024-03-15 国网宁夏电力有限公司电力科学研究院 一种换流变压器过热故障点预测系统
CN117706239B (zh) * 2023-12-04 2024-06-18 国网宁夏电力有限公司电力科学研究院 一种换流变压器过热故障点预测系统

Also Published As

Publication number Publication date
CN111524224B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN111524224B (zh) 一种电力变压器表面温度分布的全景成像方法
CN112734692B (zh) 一种变电设备缺陷识别方法及装置
CN109493320B (zh) 基于深度学习的遥感影像道路提取方法及系统、存储介质、电子设备
CN109544497A (zh) 用于输电线路检测的图像融合方法及电子设备
CN109448009A (zh) 用于输电线路检测的红外图像处理方法及装置
CN109410139A (zh) 一种文物内部和表面病害数字化分析评估方法
CN117274756A (zh) 基于多维特征配准的二维图像与点云的融合方法及装置
CN117315264B (zh) 基于图像识别的托盘检测方法及相关装置
CN111414954A (zh) 一种岩石图像检索方法及其系统
CN113947555A (zh) 基于深度神经网络的红外与可见光融合的视觉系统及方法
CN103679740B (zh) 一种无人机对地目标roi提取方法
CN105261006A (zh) 基于傅里叶变换的医学图像分割算法
CN116152697A (zh) 一种混凝土结构裂缝的三维模型测量方法及相关装置
CN117274627A (zh) 一种基于图像转换的多时相积雪遥感图像匹配方法及系统
CN111027565A (zh) 一种光学视觉语义提取的输变电设备报告内容生成方法
CN109544608B (zh) 一种无人机图像采集特征配准方法
Erener et al. A methodology for land use change detection of high resolution pan images based on texture analysis
CN114066795A (zh) Df-sas高低频声呐图像精细配准融合方法
CN116485802B (zh) 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质
CN117789081A (zh) 一种基于自信息的双重注意力机制小物体识别方法
CN113516177A (zh) 基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法
Kaur et al. A comparative study of various digital image fusion techniques: A review
CN113610746A (zh) 一种图像处理方法、装置、计算机设备及存储介质
CN116519710A (zh) 一种用于复合绝缘子表面污秽状态的检测方法及系统
CN115601423A (zh) 一种双目视觉场景下基于边缘增强的圆孔位姿测量方法

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