CN111814546A - 用于输电线弧垂测量的图像识别算法 - Google Patents

用于输电线弧垂测量的图像识别算法 Download PDF

Info

Publication number
CN111814546A
CN111814546A CN202010494477.5A CN202010494477A CN111814546A CN 111814546 A CN111814546 A CN 111814546A CN 202010494477 A CN202010494477 A CN 202010494477A CN 111814546 A CN111814546 A CN 111814546A
Authority
CN
China
Prior art keywords
catenary
image
transmission line
power transmission
sag
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
CN202010494477.5A
Other languages
English (en)
Inventor
姚耀明
陈钢
陈哲
郑力维
刘提
崔鹏程
吴震
张弓
茅宏巍
袁琪
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 Zhejiang Electric Power Co Ltd
Zhejiang Huayun Information Technology Co Ltd
Construction Branch of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Zhejiang Huayun Information Technology Co Ltd
Construction Branch of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Zhejiang Huayun Information Technology Co Ltd, Construction Branch of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202010494477.5A priority Critical patent/CN111814546A/zh
Publication of CN111814546A publication Critical patent/CN111814546A/zh
Priority to US17/336,336 priority patent/US20210383093A1/en
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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Astronomy & Astrophysics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提出了用于输电线弧垂测量的图像识别算法，包括获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标；基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像；根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值。基于无人机航拍的图像进行图像处理，进而对处理后的结果进行基于悬链线方程的曲线重绘，得到对应输电线的悬链线方程，进而得到弧垂值表达式，最终根据求导的方法得到最大弧垂值。相对于现有的弧垂计算方法，由于参考了图像处理以及悬链线双重计算方式，能够有效提升弧垂值计算的准确性。

Description

用于输电线弧垂测量的图像识别算法
技术领域
本发明属于输电线检修领域，尤其涉及用于输电线弧垂测量的图像识别算法。
背景技术
输电线路弧垂是线路设计和运行维护的主要指标之一，弧垂过小，架空线的拉应力就大，杆塔荷载增大，安全系数减小，严重时可能发生断线、倒塔和掉串等事故；弧垂过大，架空线对地及交叉跨越物的安全距离不足，风摆、舞动和跳跃会造成线路停电事故的风险就随之增加。因此，运行线路的日常巡检中需要对弧垂进行实时监测，将弧垂控制在规程要求的范围内以保证线路和被跨越设备的安全。
传统的导线弧垂实测计算方法主要有角度法、驰度板观测法和中点高度法等，这些方法均存在测量难度大、实时性差，或者误差较大的问题。
发明内容
为了解决现有技术中存在的缺点和不足，本发明提出了用于输电线弧垂测量的图像识别算法，通过拍照自动识别经纬仪中的垂直角度和水平角度，并结合弧垂计算公式可直接测量出弧垂，能够有效提升弧垂计算的精确性。
具体的，本申请实施例提出的用于输电线弧垂测量的图像识别算法，所述图像识别算法包括：
获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标；
基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像；
根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值。
可选的，所述获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标，包括；
控制无人机前往待处理区域进行航拍，获取输电线的图像；
对图像进行图像识别处理，提取图像中代表输电线的像素坐标，将得到的像素坐标进行统计，得到对应输电线的悬链线坐标。
可选的，所述对图像进行图像识别处理，提取图像中代表输电线的像素坐标，将得到的像素坐标进行统计，得到对应输电线的悬链线坐标，包括：
根据图像颜色以及物体形状特征从图像中提取代表输电线的像素；
构建对应图像的二维坐标系，逐个确定每个像素在二维坐标系中的像素坐标；
将全部的像素坐标进行统计汇总，得到对应输电线的悬链线坐标。
可选的，所述将全部的像素坐标进行统计汇总，得到对应输电线的悬链线坐标，包括：
提取对应输电线上边缘以及下边缘的像素坐标；
选取输电线上边缘的第一像素坐标，以及与第一像素坐标位于同一竖直方向的输电线下边缘的第二像素坐标；
求取第一像素坐标与第二像素坐标的平均值；
逐个获取每个像素坐标的平均值，统计由平均值构成的对应输电线的悬链线坐标。
可选的，所述基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像，包括：
根据已获取的悬链线坐标绘制悬链线曲线，计算悬链线曲线中目标点处切线与坐标轴夹角正割值；
以正割值为参数绘制包含目标点坐标在内的对应已获取图像部分的悬链线曲线方程；
结合已获取图像中悬链线端点与输电线固定档距的比例关系，绘制完整的悬链线图像。
可选的，所述以正割值为参数绘制包含目标点坐标在内的对应已获取图像部分的悬链线曲线方程，包括：
悬链线曲线方程如公式一所示：
Figure BDA0002522319720000031
式中，ch()为双曲余弦函数，arch()为反双曲余弦函数，n为对目标点处切线与坐标轴夹角进行正割运算的正割值secθ＝n，(l,h)为目标点坐标，a为待求解函数。
可选的，所述结合已获取图像中悬链线端点与输电线固定档距的比例关系，绘制完整的悬链线图像，包括：
测量已获取图像中第一端点至悬链线端点的第一距离、以及已获取图像中第二端点至悬链线端点的第二距离；
结合悬链线的固定档距借助第一距离、第二距离进行比例换算，得到悬链线图像的相关参数，根据相关参数绘制得到完整的悬链线图像。
可选的，所述根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值，包括：
从完整的悬链线图像中提取两个端点坐标，构建经过两个端点坐标的直线方程表达式；
将得到的直线方程表达式与悬链线曲线方程作差，得到悬链线的弧垂值表达式；
对弧垂值表达式求导，求得最大弧垂值，以及对应最大弧垂值的像素坐标。
可选的，所述用于输电线弧垂测量的图像识别算法，还包括：
计算弧垂值表达式中得到的像素点与原图像像素点之间的误差值；
基于得到的误差值计算平均误差率；
根据平均误差率对得到的最大弧垂值进行修正。
本发明提供的技术方案带来的有益效果是：
基于无人机航拍的图像进行图像处理，进而对处理后的结果进行基于悬链线方程的曲线重绘，得到对应输电线的悬链线方程，进而得到弧垂值表达式，最终根据求导的方法得到最大弧垂值。相对于现有的弧垂计算方法，由于参考了图像处理以及悬链线双重计算方式，能够有效提升弧垂值计算的准确性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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是本申请实施例提出的用于输电线弧垂测量的图像识别算法的流程示意图；
图2是本申请实施例提出的线路提取示意图；
图3是本申请实施例提出的测量数值示意图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
实施例一
具体的，本申请实施例提出的用于输电线弧垂测量的图像识别算法，如图1所示，所述图像识别算法包括：
11、获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标；
12、基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像；
13、根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值。
在实施中，本申请提出的弧垂值计算方法主要分为两个步骤，第一步为基于无人机航拍图像进行图像识别，提取对应输电线的像素坐标。第二步为根据得到的像素坐标重建悬链线方程，进而根据得到的方程获取弧垂值的计算表达式。基于无人机航拍的图像进行图像处理，进而对处理后的结果进行基于悬链线方程的曲线重绘，得到对应输电线的悬链线方程，进而得到弧垂值表达式，最终根据求导的方法得到最大弧垂值。相对于现有的弧垂计算方法，由于参考了图像处理以及悬链线双重计算方式，能够有效提升弧垂值计算的准确性。
步骤11，具体包括：
111、控制无人机前往待处理区域进行航拍，获取输电线的图像；
112、对图像进行图像识别处理，提取图像中代表输电线的像素坐标，将得到的像素坐标进行统计，得到对应输电线的悬链线坐标。
在实施中，对输电线弧垂值进行计算的前提是获取输电线的航拍图像，在本申请实施例提出的航拍图像基于无人机拍摄得到。在得到航拍的图像后，对图像进行图像识别处理，从图像中提取符合输电线特征的局部图像，并且计算局部图像中每个像素在图像中相对的像素坐标，最终将得到的像素坐标进行统计，获取由数组结构组成的悬链线坐标。
悬链线(Catenary)指的是一种曲线，指两端固定的一条(粗细与质量分布)均匀、柔软(不能伸长)的链条，在重力的作用下所具有的曲线形状，例如悬索桥等，因其与两端固定的绳子在均匀引力作用下下垂相似而得名。适当选择坐标系后，悬链线的方程是一个双曲余弦函数。为了便于后续推导运算过程，后续实施例将以悬链线的名称代替输电线进行论述。
其中，步骤112得到悬链线坐标的过程具体包括：
1121、根据图像颜色以及物体形状特征从图像中提取代表输电线的像素；
1122、构建对应图像的二维坐标系，逐个确定每个像素在二维坐标系中的像素坐标；
1123、将全部的像素坐标进行统计汇总，得到对应输电线的悬链线坐标。
为了简化后续数学推导过程中所使用的数据量，这里对得到的像素进行筛选处理，在执行步骤1123汇总像素坐标的过程中，优化的执行如下步骤：
1)提取对应输电线上边缘以及下边缘的像素坐标；
2)选取输电线上边缘的第一像素坐标，以及与第一像素坐标位于同一竖直方向的输电线下边缘的第二像素坐标；
3)求取第一像素坐标与第二像素坐标的平均值；
4)逐个获取每个像素坐标的平均值，统计由平均值构成的对应输电线的悬链线坐标。
在实施中，边缘检测得到线路的两条边缘，参照曲线平滑的思想，可以采用两条边缘线的中间线来代替悬链线，以更加准确地反应线路的趋势。
在寻找中间点的时候，若同一x坐标上有n个像素点，则中间点的y坐标表示为
Figure BDA0002522319720000071
式中yi为第i个像素的y轴坐标。
步骤12，包括：
121、根据已获取的悬链线坐标绘制悬链线曲线，计算悬链线曲线中目标点处切线与坐标轴夹角正割值；
122、以正割值为参数绘制包含目标点坐标在内的对应已获取图像部分的悬链线曲线方程；
悬链线曲线方程如公式一所示：
Figure BDA0002522319720000072
式中，ch()为双曲余弦函数，arch()为反双曲余弦函数，n为对目标点处切线与坐标轴夹角进行正割运算的正割值secθ＝n，(l,h)为目标点坐标，a为待求解函数。
如图2所示，采用悬链线模型计算架空线弧垂。
参照“悬链段”方法分析柔索结构的思想，提出基于图片处理的弧垂计算思想:
当档距一定时，仅需一个独立变量就可以确定线路的悬垂状态，提取该独立参数，还原完整悬链曲线并计算其弧垂值。
图1是悬链段参数提取示意图，采用数字图像处理所用的坐标约定，选取顶部索曲线倾角的正割值作为独立变量求解，定义secθ＝n，θ为顶部索曲线倾角，则可由公式一确定悬链线的状态。
123、结合已获取图像中悬链线端点与输电线固定档距的比例关系，绘制完整的悬链线图像。
在实施中，测量已获取图像中第一端点至悬链线端点的第一距离、以及已获取图像中第二端点至悬链线端点的第二距离；
结合悬链线的固定档距借助第一距离、第二距离进行比例换算，得到悬链线图像的相关参数，根据相关参数绘制得到完整的悬链线图像。
线路参数的提取步骤如下:
(1)获取部分段线路图像的两端点坐标(x0,y0)、(L0,H0)，计算连接两端点坐标的直线的斜率k，得到两端点连接的直线方程；
(2)利用点到直线的距离公式，求出点到直线的最大距离，对应的点即为切点，并取得切点坐标(l,h)；
(3)k即为顶部索曲线倾角的正切值tanθ，则n＝，切点坐标即为顶点坐标(l,h)。
(4)由
Figure BDA0002522319720000081
解出a，即可确定悬链线的状态方程。
由求得的状态方程公式(2)画出曲线在原图像大小范围内的部分，则为还原的部分曲线图像；求出完整曲线两端点的横坐标，即可还原出完整的悬链线，横坐标的计算如图2所示。
图3为测量数值示意图，OB段(以O为原点建立坐标系)对应拍摄的电力线片段。其中L为固定档距，L1和L2分别是拍摄的电力线的两端点到悬链线同一端点的水平距离。测量得到L、L1和L2的值，公式中L0的详细定义如图2所示，表示部分段曲线的端点的横坐标。
Figure BDA0002522319720000082
以部分段图像的原点为原点，画出曲线在-x1到x2区间上的部分，则为该档距内完整的悬链线。
步骤13，包括：
131、从完整的悬链线图像中提取两个端点坐标，构建经过两个端点坐标的直线方程表达式；
132、将得到的直线方程表达式与悬链线曲线方程作差，得到悬链线的弧垂值表达式；
133、对弧垂值表达式求导，求得最大弧垂值，以及对应最大弧垂值的像素坐标。
在实施中，从上一节中还原的完整悬链线提取两端点坐标(-x1,y1)、(x2,y2)，则连接悬链线两端点的直线方程为
Figure BDA0002522319720000091
减去式(2)即得悬链线的弧垂值为
Figure BDA0002522319720000092
令，当x＝a(arshk1-archn)+1时，可得最大弧垂值fmax，
式中
Figure BDA0002522319720000093
可选的，所述用于输电线弧垂测量的图像识别算法，还包括：
141、计算弧垂值表达式中得到的像素点与原图像像素点之间的误差值；
142、基于得到的误差值计算平均误差率；
143、根据平均误差率对得到的最大弧垂值进行修正。
在实施中，恢复出的像素点和原图像素点间的相对误差为
Figure BDA0002522319720000101
平均误差率为
Figure BDA0002522319720000102
式中y为原图像中某一像素点的坐标，y`为恢复出的该像素点的坐标。
计算得出的弧垂值和实际测量的弧垂值之间的相对误差为
Figure BDA0002522319720000103
式中f为实际测量得到的弧垂值，fmax为计算得到的弧垂值。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，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 (9)

1.用于输电线弧垂测量的图像识别算法，其特征在于，所述图像识别算法包括：
获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标；
基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像；
根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值。
2.根据权利要求1所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述获取无人机拍摄的待处理区域输电线的图像，从图像中提取对应输电线的悬链线坐标，包括；
控制无人机前往待处理区域进行航拍，获取输电线的图像；
对图像进行图像识别处理，提取图像中代表输电线的像素坐标，将得到的像素坐标进行统计，得到对应输电线的悬链线坐标。
3.根据权利要求2所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述对图像进行图像识别处理，提取图像中代表输电线的像素坐标，将得到的像素坐标进行统计，得到对应输电线的悬链线坐标，包括：
根据图像颜色以及物体形状特征从图像中提取代表输电线的像素；
构建对应图像的二维坐标系，逐个确定每个像素在二维坐标系中的像素坐标；
将全部的像素坐标进行统计汇总，得到对应输电线的悬链线坐标。
4.根据权利要求3所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述将全部的像素坐标进行统计汇总，得到对应输电线的悬链线坐标，包括：
提取对应输电线上边缘以及下边缘的像素坐标；
选取输电线上边缘的第一像素坐标，以及与第一像素坐标位于同一竖直方向的输电线下边缘的第二像素坐标；
求取第一像素坐标与第二像素坐标的平均值；
逐个获取每个像素坐标的平均值，统计由平均值构成的对应输电线的悬链线坐标。
5.根据权利要求1所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述基于得到的悬链线坐标构建悬链线曲线方程，根据悬链线曲线方程绘制完整的悬链线图像，包括：
根据已获取的悬链线坐标绘制悬链线曲线，计算悬链线曲线中目标点处切线与坐标轴夹角正割值；
以正割值为参数绘制包含目标点坐标在内的对应已获取图像部分的悬链线曲线方程；
结合已获取图像中悬链线端点与输电线固定档距的比例关系，绘制完整的悬链线图像。
6.根据权利要求5所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述以正割值为参数绘制包含目标点坐标在内的对应已获取图像部分的悬链线曲线方程，包括：
悬链线曲线方程如公式一所示：
Figure FDA0002522319710000021
式中，ch()为双曲余弦函数，arch()为反双曲余弦函数，n为对目标点处切线与坐标轴夹角进行正割运算的正割值secθ＝n，(l,h)为目标点坐标，a为待求解函数。
7.根据权利要求5所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述结合已获取图像中悬链线端点与输电线固定档距的比例关系，绘制完整的悬链线图像，包括：
测量已获取图像中第一端点至悬链线端点的第一距离、以及已获取图像中第二端点至悬链线端点的第二距离；
结合悬链线的固定档距借助第一距离、第二距离进行比例换算，得到悬链线图像的相关参数，根据相关参数绘制得到完整的悬链线图像。
8.根据权利要求1所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述根据完整的悬链线图像以及悬链线曲线方程得到悬链线的弧垂值表达式，对弧垂值表达式求导，得到最大弧垂值，包括：
从完整的悬链线图像中提取两个端点坐标，构建经过两个端点坐标的直线方程表达式；
将得到的直线方程表达式与悬链线曲线方程作差，得到悬链线的弧垂值表达式；
对弧垂值表达式求导，求得最大弧垂值，以及对应最大弧垂值的像素坐标。
9.根据权利要求1所述的用于输电线弧垂测量的图像识别算法，其特征在于，所述用于输电线弧垂测量的图像识别算法，还包括：
计算弧垂值表达式中得到的像素点与原图像像素点之间的误差值；
基于得到的误差值计算平均误差率；
根据平均误差率对得到的最大弧垂值进行修正。
CN202010494477.5A 2020-06-03 2020-06-03 用于输电线弧垂测量的图像识别算法 Pending CN111814546A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010494477.5A CN111814546A (zh) 2020-06-03 2020-06-03 用于输电线弧垂测量的图像识别算法
US17/336,336 US20210383093A1 (en) 2020-06-03 2021-06-02 Method for determining sag of electricity transmission line based on image recognition

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010494477.5A CN111814546A (zh) 2020-06-03 2020-06-03 用于输电线弧垂测量的图像识别算法

Publications (1)

Publication Number Publication Date
CN111814546A true CN111814546A (zh) 2020-10-23

Family

ID=72848692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010494477.5A Pending CN111814546A (zh) 2020-06-03 2020-06-03 用于输电线弧垂测量的图像识别算法

Country Status (2)

Country Link
US (1) US20210383093A1 (zh)
CN (1) CN111814546A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419284A (zh) * 2020-11-27 2021-02-26 金华八达集团有限公司监理分公司 基于输电线路部分图像的弧垂测量方法
CN112581837A (zh) * 2020-12-18 2021-03-30 三峡大学 一种基于图像识别技术的输电架空线弧垂教学装置及方法
US20210383093A1 (en) * 2020-06-03 2021-12-09 State Grid Zhejiang Electric Power Co., Ltd. Construction Branch Method for determining sag of electricity transmission line based on image recognition
CN116295031A (zh) * 2023-02-24 2023-06-23 中国测绘科学研究院 弧垂的测量方法、装置、计算机设备和存储介质
CN116758529A (zh) * 2023-08-21 2023-09-15 广东电网有限责任公司广州供电局 线路识别方法、装置和计算机设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715105A (zh) * 2015-02-11 2015-06-17 福州大学 一种基于悬链线的变电站软导线的最大弧垂建模方法
CN106228013A (zh) * 2016-07-25 2016-12-14 国网江苏省电力公司电力科学研究院 一种电力线段平行视角下的弧垂计算方法
CN108613628A (zh) * 2018-05-16 2018-10-02 国网湖北省电力有限公司电力科学研究院 一种基于双目视觉的架空输电线路弧垂测量方法
US20180357788A1 (en) * 2016-08-11 2018-12-13 Changzhou Campus of Hohai University UAV Inspection Method for Power Line Based on Human Visual System
CN110084785A (zh) * 2019-04-01 2019-08-02 南京工程学院 一种基于航拍图像的输电线垂弧测量方法及系统
CN110967701A (zh) * 2019-10-15 2020-04-07 广西电网有限责任公司贵港供电局 一种基于无人机测量弧垂的方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358020B (zh) * 2017-05-31 2020-08-11 国网江西省电力公司电力科学研究院 一种弧垂过大配网导线紧线长度计算方法
CN110953993A (zh) * 2019-11-14 2020-04-03 国网山西省电力公司大同供电公司 一种用于输电线路弧垂和限距的检测装置和方法
CN111814546A (zh) * 2020-06-03 2020-10-23 国网浙江省电力有限公司 用于输电线弧垂测量的图像识别算法
CN112697084B (zh) * 2020-12-11 2022-08-19 广东电网能源发展有限公司 基于弧垂测量仪的弧垂测量方法、系统、设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715105A (zh) * 2015-02-11 2015-06-17 福州大学 一种基于悬链线的变电站软导线的最大弧垂建模方法
CN106228013A (zh) * 2016-07-25 2016-12-14 国网江苏省电力公司电力科学研究院 一种电力线段平行视角下的弧垂计算方法
US20180357788A1 (en) * 2016-08-11 2018-12-13 Changzhou Campus of Hohai University UAV Inspection Method for Power Line Based on Human Visual System
CN108613628A (zh) * 2018-05-16 2018-10-02 国网湖北省电力有限公司电力科学研究院 一种基于双目视觉的架空输电线路弧垂测量方法
CN110084785A (zh) * 2019-04-01 2019-08-02 南京工程学院 一种基于航拍图像的输电线垂弧测量方法及系统
CN110967701A (zh) * 2019-10-15 2020-04-07 广西电网有限责任公司贵港供电局 一种基于无人机测量弧垂的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
官建军等: "《无人机遥感测绘技术及应用》", 西北工业大学出版社, pages: 223 *
池小兵等: "基于图像识别技术的实用架空线弧垂测量系统", 《科技视界》, 15 January 2015 (2015-01-15), pages 303 - 305 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210383093A1 (en) * 2020-06-03 2021-12-09 State Grid Zhejiang Electric Power Co., Ltd. Construction Branch Method for determining sag of electricity transmission line based on image recognition
CN112419284A (zh) * 2020-11-27 2021-02-26 金华八达集团有限公司监理分公司 基于输电线路部分图像的弧垂测量方法
CN112581837A (zh) * 2020-12-18 2021-03-30 三峡大学 一种基于图像识别技术的输电架空线弧垂教学装置及方法
CN112581837B (zh) * 2020-12-18 2022-07-15 三峡大学 一种基于图像识别技术的输电架空线弧垂教学装置及方法
CN116295031A (zh) * 2023-02-24 2023-06-23 中国测绘科学研究院 弧垂的测量方法、装置、计算机设备和存储介质
CN116295031B (zh) * 2023-02-24 2024-03-12 中国测绘科学研究院 弧垂的测量方法、装置、计算机设备和存储介质
CN116758529A (zh) * 2023-08-21 2023-09-15 广东电网有限责任公司广州供电局 线路识别方法、装置和计算机设备
CN116758529B (zh) * 2023-08-21 2023-11-14 广东电网有限责任公司广州供电局 线路识别方法、装置和计算机设备

Also Published As

Publication number Publication date
US20210383093A1 (en) 2021-12-09

Similar Documents

Publication Publication Date Title
CN111814546A (zh) 用于输电线弧垂测量的图像识别算法
CN105023014B (zh) 一种无人机巡检输电线路图像内的杆塔目标提取方法
CN111814686A (zh) 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN112419284A (zh) 基于输电线路部分图像的弧垂测量方法
CN110910443B (zh) 基于单监控相机的接触网几何参数实时测量方法及装置
CN107967681B (zh) 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法
CN107742307A (zh) 基于改进帧差法的输电线路舞动特征提取及参数分析方法
CN111402247A (zh) 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法
WO2022117118A1 (zh) 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统
CN104809727A (zh) 一种输电导线覆冰形状的自动识别方法
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
CN106595593A (zh) 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法
CN114187511A (zh) 一种输电全景大数据智能监控方法
CN111127381B (zh) 一种受电弓滑板不平行检测方法
CN115631116A (zh) 基于双目视觉的飞行器电力巡检系统
CN116129135A (zh) 基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法
CN111062933A (zh) 一种基于视场自适应调节的输电线路覆冰图像检测方法
CN106228013A (zh) 一种电力线段平行视角下的弧垂计算方法
CN112991432A (zh) 基于图像处理的覆冰冰形识别方法
CN112712077B (zh) 一种钢流轮廓确定方法、系统、终端及介质
CN111307267A (zh) 一种基于同心圆检测的导线舞动监测方法
CN116309447A (zh) 一种基于深度学习的水坝斜坡裂缝检测方法
CN110081828B (zh) 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法
CN110986891B (zh) 一种利用无人机准确快速测量树木冠幅的系统
CN108596969A (zh) 一种受力钢筋间距验收方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201023

RJ01 Rejection of invention patent application after publication