CN112013830B - 一种输电线路无人机巡检影像检测缺陷的精确定位方法 - Google Patents
一种输电线路无人机巡检影像检测缺陷的精确定位方法 Download PDFInfo
- Publication number
- CN112013830B CN112013830B CN202010844197.2A CN202010844197A CN112013830B CN 112013830 B CN112013830 B CN 112013830B CN 202010844197 A CN202010844197 A CN 202010844197A CN 112013830 B CN112013830 B CN 112013830B
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- point
- unmanned aerial
- aerial vehicle
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 105
- 238000007689 inspection Methods 0.000 title claims abstract description 28
- 230000005540 biological transmission Effects 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000003384 imaging method Methods 0.000 abstract description 5
- 239000012212 insulator Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
Abstract
本发明提供了一种输电线路无人机巡检影像检测缺陷的精确定位方法，包括如下步骤：①构建点云空间电气部件分布矢量；②获取缺陷影像方位元素；③建立映射；④精确定位。本发明通过惯性导航结合GNSS后差分技术获取缺陷影像拍照瞬时相机的高精度POS信息(摄影中心空间坐标、云台角度以及相机焦距等)，在点云空间内模拟摄影中心和成像平面，利用航测共线方程和中心投影成像原理，将激光LiDAR点云空间中电气部件三维点投影到模拟无人机影像二维像平面上，建立巡检影像像素与点云三维点的映射关系，进而实现缺陷像素在点云空间的三维定位。
Description
技术领域
本发明涉及一种输电线路无人机巡检影像检测缺陷的精确定位方法，属于输电线路无人机巡检数据处理技术。
背景技术
随着无人机技术的不断发展，无人机在架空输电线路巡线工作中得到了广泛应用。无人机巡检技术以拍摄输电线路图像为手段，可获取对杆塔、绝缘子、导线、线路走廊、金具等电气设备的高清图像数据，实现对输电线路断线、绝缘子脱落以及异物挂线等缺陷的快速检测。无人机巡检数据处理一般采用图像识别的方式对巡检图像中蕴含缺陷进行自动识别，随着智能化识别技术和手段的不断发展，缺陷自动识别的精度不断提高，基本满足巡检要求。但是，由于无人机巡检图像缺乏检测缺陷的精确位置信息，仅能依靠无人机自带POS信息中存储的无人机拍摄时瞬时坐标，将检测缺陷大致定位到某一杆塔处或某一档中，无法为检修人员明确具体出现缺陷的电气部件，仍需检修人员实地上塔探查。目前，影像检测缺陷的精确定位尚无自动化处理方法，需要检修人员对巡检影像进行目视判别，甚至部分焦距较大、缺乏杆塔整体信息的巡检影像人工无法进行目视判别，仍需要进行实地缺陷定位。
发明内容
为解决上述技术问题，本发明提供了一种输电线路无人机巡检影像检测缺陷的精确定位方法，该输电线路无人机巡检影像检测缺陷的精确定位方法通过惯性导航结合GNSS后差分技术获取缺陷影像拍照瞬时相机的高精度POS信息，能够建立巡检影像像素与点云三维点的映射关系，进而实现缺陷像素在点云空间的三维定位，为输电线路运维人员提供明确的缺陷定位信息。
本发明通过以下技术方案得以实现。
本发明提供的一种输电线路无人机巡检影像检测缺陷的精确定位方法，包括如下步骤：
①构建点云空间电气部件分布矢量：对电力线点云和杆塔点云进行划分，得到电力线和杆塔点云每一个三维点对应的编码，形成电气部件分布矢量文件；
②获取缺陷影像方位元素：获取缺陷处影像拍摄瞬时相机的内外方位元素；
③建立映射：建立无人机影像像素与点云中三维点之间的映射矩阵；
④精确定位：根据映射矩阵，构建影像缺陷在点云空间中的对应点集，同时结合电气部件分布矢量文件中三维点编码属性，形成缺陷定位结果。
所述内外方位元素包括内方位元素和外方位元素，其中内方位元素用于描述摄影中心与像片之间位置坐标，外方位元素用于确定摄影光束在摄影瞬间的空间位置和姿态的参数。
所述电力线点云编码格式为“类型代码-线路编号-小号连接塔-大号连接塔-电力线编号”。
所述杆塔点云编码格式为“类型代码-线路编号-杆塔编号-横担编号”。
所述电气部件分布矢量文件中数据格式为“点号，X坐标，Y坐标，Z坐标，编码”。
所述步骤③包括如下步骤：
a.缺陷粗定位：利用无人机影像的空间坐标值(XS,YS,ZS)以及缺陷类型进行粗定位，得到缺陷位置对应的电力线或者杆塔的编码信息集合；
b.三维点投影至像平面框标坐标系：建立三维点至像平面框标坐标系的投影方程，将电气部件分布矢量文件中三维点编码与缺陷粗定位结果进行对比过滤，满足编码要求的三维点通过投影方程投影至像平面，得到其对应框标坐标；
c.建立映射矩阵：根据目标影像信息，建立框标坐标与像素坐标系的转换方程，实现三维点到影像像素的映射关系，建立像素坐标与其对应三维点点号的映射关系矩阵。当一像素对应多个三维点时，根据不透视原则，选取距离投影中心最近的三维点点号作为映射矩阵对应位置的最终取值。
所述步骤④包括如下步骤：
A.构建影像缺陷在点云空间中的对应点集：根据无人机影像缺陷标记的像素范围，遍历像素范围内的像素点并在映射关系矩阵中查询其对应三维点点号，在电气部件分布矢量文件获取对应点号的点信息，加入到缺陷三维点集中；
B.缺陷精确定位：结合缺陷类别，以缺陷三维点集出现次数最多的编码作为定位编码，同时根据编码格式将定位编码解析为运维人员明确的定位信息。
无人机影像缺陷识别结果包括缺陷类别、概率以及缺陷像素范围。
本发明的有益效果在于：通过惯性导航结合GNSS后差分技术获取缺陷影像拍照瞬时相机的高精度POS信息(摄影中心空间坐标、云台角度以及相机焦距等)，在点云空间内模拟摄影中心和成像平面，利用航测共线方程和中心投影成像原理，将激光LiDAR点云空间中电气部件三维点投影到模拟无人机影像二维相平面上，建立巡检影像像素与点云三维点的映射关系，进而实现缺陷像素在点云空间的三维定位。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
本发明提供一种输电线路无人机巡检影像检测缺陷的精确定位方法，包括如下步骤：
①构建点云空间电气部件分布矢量：对电力线点云和杆塔点云进行划分，得到电力线和杆塔点云每一个三维点对应的编码，形成电气部件分布矢量文件；
②获取缺陷影像方位元素：获取缺陷影像拍摄瞬时相机的高精度内外方位元素；
③建立映射：建立无人机影像像素与点云中三维点之间的映射矩阵；
④精确定位：根据映射矩阵，构建影像缺陷在点云空间中的对应点集，同时结合电气部件分布矢量文件中三维点编码属性，形成缺陷定位结果。
所述内外方位元素包括内方位元素和外方位元素，其中内方位元素用于描述摄影中心与像片之间位置坐标，外方位元素用于确定摄影光束在摄影瞬间的空间位置和姿态的参数。
所述电力线点云编码格式为“类型代码-线路编号-小号连接塔-大号连接塔-电力线编号”。
所述杆塔点云编码格式为“类型代码-线路编号-杆塔编号-横担编号”。
所述电气部件分布矢量文件中数据格式为“点号，X坐标，Y坐标，Z坐标，编码”。
所述步骤③包括如下步骤：
a.缺陷粗定位：利用无人机影像的空间坐标值以及缺陷类型进行粗定位，得到缺陷位置大致对应的电力线或者杆塔的编码信息集合；
b.三维点投影至像平面框标坐标系：建立三维点至像平面框标坐标系的投影方程，将电气部件分布矢量文件中三维点编码与缺陷粗定位结果进行对比过滤，满足编码要求的三维点通过投影方程投影至像平面，得到其对应框标坐标；
c.建立映射矩阵：根据目标影像信息，建立框标坐标与像素坐标系的转换方程，实现三维点到影像像素的映射关系，建立像素坐标与其对应三维点点号的映射关系矩阵。当一像素对应多个三维点时，根据不透视原则，选取距离投影中心最近的三维点点号作为映射矩阵对应位置的最终取值。
所述步骤④包括如下步骤：
A.构建影像缺陷在点云空间中的对应点集：根据无人机影像缺陷像素范围，遍历像素范围内的像素点并在映射关系矩阵中查询其对应三维点点号，在电气部件分布矢量文件获取对应点号的点信息，加入到缺陷三维点集中；
B.缺陷精确定位：结合缺陷类别，以缺陷三维点集出现次数最多的编码作为定位编码，同时根据编码格式将定位编码解析为运维人员明确的定位信息。
无人机影像缺陷识别结果包括缺陷类别、概率以及缺陷像素范围。
实施例1
机载激光LiDAR技术能够快速获取数十上百米带宽输电线路通道点云数据，其点云数据记录了整个输电线路通道的高精度地理空间信息，可弥补无人机检测缺陷缺少的精确位置信息。目前，机载激光LiDAR技术被广泛应用于输电线路安全距离检校工作，电网已经形成“半年一巡”的激光巡检制度，激光点云数据成为电网巡检工作的常备数据。
1、架空输电线路电气部件编码设计
针对电力线设计了“类型代码-线路编号-小号连接塔-大号连接塔-电力线编号”编码格式；针对杆塔及其搭载电气部件，由于点云数据的离散特性，普通较小的电气部件不能清晰分辨，将横担作为电气部件的最小搭载单位，设计了“类型代码-线路编号-杆塔编号-横担编号”编码格式。其中，类型代码区别电力线与横担代码，0代表电力线，1代表杆塔；线路编号、杆塔编号都可采用现有运维编号；电力线编号按线路前进方向从下到上，从左至右依次编号；横担编号按线路前进方向左下角开始，顺时针依次编号。以编码0-12-1-2-3为例，代表12号线路1号塔到2号塔之间3号电力线；以编码1-8-2-3为例，代表8号线路2号塔第3号横担。
2、构建点云空间内电气部件分布矢量
通过自动识别和手动框选的模式，对精分类后的电力线点云和杆塔点云进行一步划分，得到电力线和杆塔点云每一个三维点对应的编码，形成电气部件分布矢量文件，其格式为“点号，X，Y，Z，编码”。在输电线路未发生改线或重大地质灾害，利用点云构建一次电气部件分布矢量可多次重复利用，当输电线路通道发生重大变化，需重新进行步骤2重新构建电气部件分布矢量。
3、获取缺陷影像高精度内外方位元素
影像内外方位元素是内方位元素和外方位元素的总称。其中，内方位元素用于描述摄影中心与像片之间相关位置，包括摄影中心s到像片的垂距(主距)f及像主点o在框标坐标系中的坐标；外方位元素用于确定摄影光束在摄影瞬间的空间位置和姿态的参数，包括摄影中心s的空间坐标(XS,YS,ZS)，以及相机空间姿态的三个角元素
3.1主距f为物镜后节点与相主点之间的距离，由拍照瞬间的摄像机瞬时焦距确定，像主点o框标坐标(xo,yo)由相机出厂测试实验确定。
3.2相机空间姿态参数由无人机机载姿态定位系统测定。
3.3摄影中心s的空间坐标值(XS,YS,ZS)获取方法：利用机载GNSS的观测数据，与基站观测数据进行后差分处理，结合2000国家大地坐标系与1985国家高程控制点进行平面控制与高程控制，精确测定摄影中心s的空间坐标值(XS,YS,ZS)。
4、建立无人机影像像素与点云中三维点之间的映射矩阵
4.1缺陷粗定位
利用无人机影像的空间坐标值(XS,YS,ZS)以及缺陷类型进行粗定位。首先，分别利用电气部件分布矢量文件中的电力线点和杆塔点的平面坐标构建二叉树，分别为lineTree、towerTree。其次针对输电线路断线、异物挂线等以电力线为本体的缺陷，以(XS,YS,0)为搜索点，通过lineTree进行邻近搜索查找XOY平面上投影距离最小的电力线点PL，以点PL所在的档作为粗定位结果，即设点PL的编码为0-m1-m2-m3-m4，则粗定位结果为0-m1-m2-m3，m1为点PL所在线路编号、m2为点PL所在档小号塔塔号、m3为点PL所在档大号塔塔号、m4为点PL所在电力线序号；针对其余缺陷，以(XS,YS,0)为搜索点，通过towerTree进行邻近搜索查找XOY平面上投影距离最小的杆塔点PT，以点PT所在的杆塔作为粗定位结果，即设点PT的编码为1-n1-n2-n3，则粗定位结果为1-n1-n2，n1为点PT所在线路编号、n2为点PT所在杆塔塔号、n3为点PT所在横担编号。
4.2三维点投影至像平面框标坐标系
首先在点云空间中，根据中心投影成像原理，以无人机影像的内外方位元素构造摄影中心与像平面，建立三维点至像平面框标坐标系的投影方程。其次，将电气部件分布矢量文件中三维点编码与缺陷粗定位结果对比，除编码最后一项电力线编号或横担编号其余编码完全相同的三维点通过投影方程将投影至像平面，得到其框标坐标系中的坐标(x,y)。投影方程如下：
式中，ai,bi,ci(i＝1,2,3)为影像的3个外方位角元素组成的9个方向余弦，具体计算如下：
4.3建立映射矩阵
根据目标影像的像素长M、宽N，构建相同大小的二维矩阵A[M×N]。遍历电气部件分布矢量文件中三维点，根据步骤4.2计算其框标坐标系中的坐标(x,y)，再通过下述转换公式将框标坐标转换为对应的像素坐标(u,v)，当0＜u＜M&&0＜v＜N时在A[u][v]中存储下该三维点点号。转换公式如下：
(u0,v0)代表图像平面的中心处o1在图像像素坐标系下的坐标，dx与dy分别表示每个像素在横轴x和纵轴y上的物理尺寸，其中(u0,v0)、dx以及dy都由相机参数确定。
当多个三维点对应相同的像素平面坐标时，根据不透视原则，选取距离投影中心s最近的三维点点号作为点号矩阵对应位置的最终取值。
5、缺陷精确定位
无人机影像缺陷识别结果包括缺陷类别、概率以及缺陷像素范围，缺陷像素范围由左上角点Ptop(uleft,vtop)和右下角点Pbottom(uright,vbottom)表示。
5.1构建影像缺陷在点云空间中的对应点集
根据无人机影像缺陷像素范围，构建右上角为左上角点Ptop(uleft,vtop)、右下角点Pbottom(uright,vbottom)的矩形，遍历矩形内的像素点并在映射矩阵A中查询其对应点号，在电气部件分布矢量文件获取对应点号的点信息，加入到缺陷三维点集PointSet中。设缺陷像素范围矩形内任意一像素Pi(ui,vi)，其对应的三维点点号为A[ui][vi]。
5.2缺陷精确定位
针对非电力线缺陷，统计点集PointSet中各点编码，以出现次数最大的编码最为缺陷精确定位结果，设缺陷精确定位结果为1-8-1-3，无人机影像缺陷识别的缺陷类型为绝缘子自爆，则最终缺陷定位结果为“8号线路1号塔第3号横担上绝缘子发生自爆”；针对以电力线为主体的缺陷，在以上基础上，进一步计算点集PointSet重心与小号连接塔在XOY平面的投影距离，并在编码后增加距小号距离一项，设缺陷精确定位结果为0-8-1-2-3-105，无人机影像缺陷识别的缺陷类型为异物搭挂，则最终缺陷定位结果为“8号线路1-2档3号电力线距离小号杆塔105米处上发生异物搭挂”。
Claims (5)
1.一种输电线路无人机巡检影像检测缺陷的精确定位方法，其特征在于：包括如下步骤：
①构建点云空间电气部件分布矢量：对电力线点云和杆塔点云进行划分，得到电力线和杆塔点云每一个三维点对应的编码，形成电气部件分布矢量文件；
②获取缺陷影像方位元素：获取缺陷影像拍摄瞬时相机的内外方位元素；
③建立映射：建立无人机影像像素与点云中三维点之间的映射关系矩阵；
④精确定位：根据映射关系矩阵，构建影像缺陷在点云空间中的对应点集，同时结合电气部件分布矢量文件中三维点编码属性，形成缺陷定位结果；
所述内外方位元素包括内方位元素和外方位元素，其中内方位元素用于描述摄影中心与像片之间位置坐标，外方位元素用于确定摄影光束在摄影瞬间的空间位置和姿态的参数；
所述步骤③包括如下步骤：
a.缺陷粗定位：利用无人机影像的空间坐标值(XS,YS,ZS)以及缺陷类型进行粗定位，得到缺陷位置对应的电力线或者杆塔的编码信息集合；
b.三维点投影至像平面框标坐标系：建立三维点至像平面框标坐标系的投影方程，将电气部件分布矢量文件中三维点编码与缺陷粗定位结果进行对比过滤，满足编码要求的三维点通过投影方程投影至像平面，得到其对应框标坐标；
c.建立映射关系矩阵：根据目标影像信息，建立框标坐标与像素坐标系的转换方程，实现三维点到影像像素的映射关系，建立像素坐标与其对应三维点点号的映射关系矩阵；当一像素对应多个三维点时，根据不透视原则，选取距离投影中心最近的三维点点号作为映射关系矩阵对应位置的最终取值；
所述步骤④包括如下步骤：
A.构建影像缺陷在点云空间中的对应点集：根据无人机影像缺陷标记的像素范围，遍历像素范围内的像素点并在映射关系矩阵中查询其对应三维点点号，在电气部件分布矢量文件获取对应点号的点信息，加入到缺陷三维点集中；
B.缺陷精确定位：结合缺陷类别，以缺陷三维点集出现次数最多的编码作为定位编码，同时根据编码格式将定位编码解析为运维人员明确的定位信息。
2.如权利要求1所述的输电线路无人机巡检影像检测缺陷的精确定位方法，其特征在于：所述电力线点云编码格式为“类型代码-线路编号-小号连接塔-大号连接塔-电力线编号”。
3.如权利要求1所述的输电线路无人机巡检影像检测缺陷的精确定位方法，其特征在于：所述杆塔点云编码格式为“类型代码-线路编号-杆塔编号-横担编号”。
4.如权利要求1所述的输电线路无人机巡检影像检测缺陷的精确定位方法，其特征在于：所述电气部件分布矢量文件中数据格式为“点号，X坐标，Y坐标，Z坐标，编码”。
5.如权利要求1所述的输电线路无人机巡检影像检测缺陷的精确定位方法，其特征在于：无人机影像缺陷识别结果包括缺陷类别、概率以及缺陷像素范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010844197.2A CN112013830B (zh) | 2020-08-20 | 2020-08-20 | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010844197.2A CN112013830B (zh) | 2020-08-20 | 2020-08-20 | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112013830A CN112013830A (zh) | 2020-12-01 |
| CN112013830B true CN112013830B (zh) | 2024-01-30 |
Family
ID=73505255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010844197.2A Active CN112013830B (zh) | 2020-08-20 | 2020-08-20 | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112013830B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884026B (zh) * | 2021-02-02 | 2023-05-12 | 贵州电网有限责任公司 | 一种图像识别辅助的输电线路激光LiDAR点云分类方法 |
| CN112525162B (zh) * | 2021-02-09 | 2021-07-13 | 国网江苏省电力有限公司泰州供电分公司 | 一种无人机测量输电线路影像距离的系统及方法 |
| CN113589117A (zh) * | 2021-08-16 | 2021-11-02 | 国网江苏省电力有限公司泰州供电分公司 | 一种电力设备缺陷检测系统及检测方法 |
| CN114326812B (zh) * | 2021-12-31 | 2023-08-29 | 中国铁路上海局集团有限公司合肥房建公寓段 | 一种无人机高铁站房自主巡检的路径规划方法 |
| CN116148259B (zh) * | 2022-12-28 | 2024-03-22 | 广州市斯睿特智能科技有限公司 | 车辆缺陷定位系统、方法、装置及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150128300A (ko) * | 2014-05-09 | 2015-11-18 | 한국건설기술연구원 | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 |
| CN106844837A (zh) * | 2016-12-13 | 2017-06-13 | 广东科诺勘测工程有限公司 | 一种输电线路三维模型的建立方法及系统 |
| CN108365557A (zh) * | 2018-02-24 | 2018-08-03 | 广东电网有限责任公司肇庆供电局 | 一种无人机精细化巡检输电线路的方法及系统 |
| CN109410207A (zh) * | 2018-11-12 | 2019-03-01 | 贵州电网有限责任公司 | 一种基于ncc特征的无人机巡线图像输电线路检测方法 |
| CN109712112A (zh) * | 2018-11-22 | 2019-05-03 | 中北大学 | 基于局部特征的航拍绝缘子图像的定位方法 |
| CN109945853A (zh) * | 2019-03-26 | 2019-06-28 | 西安因诺航空科技有限公司 | 一种基于3d点云航拍图像的地理坐标定位系统和方法 |
| CN110458951A (zh) * | 2019-08-15 | 2019-11-15 | 广东电网有限责任公司 | 一种电网杆塔的建模数据获取方法及相关装置 |
| CN110619663A (zh) * | 2019-08-28 | 2019-12-27 | 山东科技大学 | 一种基于三维激光点云的视频影像目标定位方法 |
| CN110780313A (zh) * | 2019-10-21 | 2020-02-11 | 广西电网有限责任公司 | 一种无人机可见光立体测量采集建模方法 |
-
2020
- 2020-08-20 CN CN202010844197.2A patent/CN112013830B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150128300A (ko) * | 2014-05-09 | 2015-11-18 | 한국건설기술연구원 | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 |
| CN106844837A (zh) * | 2016-12-13 | 2017-06-13 | 广东科诺勘测工程有限公司 | 一种输电线路三维模型的建立方法及系统 |
| CN108365557A (zh) * | 2018-02-24 | 2018-08-03 | 广东电网有限责任公司肇庆供电局 | 一种无人机精细化巡检输电线路的方法及系统 |
| CN109410207A (zh) * | 2018-11-12 | 2019-03-01 | 贵州电网有限责任公司 | 一种基于ncc特征的无人机巡线图像输电线路检测方法 |
| CN109712112A (zh) * | 2018-11-22 | 2019-05-03 | 中北大学 | 基于局部特征的航拍绝缘子图像的定位方法 |
| CN109945853A (zh) * | 2019-03-26 | 2019-06-28 | 西安因诺航空科技有限公司 | 一种基于3d点云航拍图像的地理坐标定位系统和方法 |
| CN110458951A (zh) * | 2019-08-15 | 2019-11-15 | 广东电网有限责任公司 | 一种电网杆塔的建模数据获取方法及相关装置 |
| CN110619663A (zh) * | 2019-08-28 | 2019-12-27 | 山东科技大学 | 一种基于三维激光点云的视频影像目标定位方法 |
| CN110780313A (zh) * | 2019-10-21 | 2020-02-11 | 广西电网有限责任公司 | 一种无人机可见光立体测量采集建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| Wu Jiang等.An Integrated Measure and Location Method Based on Airborne 2D Laser Scanning Sensor for UAV's Power Line Inspection.《2013 Fifth International Conference on Measuring Technology and Mechatronics Automation》.2013,第213-217页. * |
| 基于激光点云的电力线悬挂点定位方法;史洪云等;《激光技术》;第44卷(第3期);第364-370页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112013830A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112013830B (zh) | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 | |
| He et al. | Research of multi-rotor UAVs detailed autonomous inspection technology of transmission lines based on route planning | |
| CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
| CN110418957B (zh) | 对具有运行机构的设施进行状态监控的方法和装置 | |
| 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 | |
| CN112147633A (zh) | 一种电力线路安全距离检测方法 | |
| CN106645205A (zh) | 一种无人机桥梁底面裂纹检测方法及系统 | |
| CN104200086A (zh) | 宽基线可见光相机位姿估计方法 | |
| CN110084785B (zh) | 一种基于航拍图像的输电线垂弧测量方法及系统 | |
| KR102195179B1 (ko) | 항공사진을 이용한 정사영상 구축방법 | |
| CN106019264A (zh) | 一种基于双目视觉的无人机危险车距识别系统及方法 | |
| CN109859269B (zh) | 岸基视频辅助定位无人机大范围流场测量方法及装置 | |
| CN110595442A (zh) | 输电线路通道树障检测方法、储存介质和计算机设备 | |
| CN113012292B (zh) | 一种基于无人机航拍的ar远程施工监控方法及系统 | |
| CN110940316B (zh) | 复杂环境下变电站消防机器人的导航方法及系统 | |
| CN110706273B (zh) | 一种基于无人机的实时塌方区域面积的测量方法 | |
| CN109920009B (zh) | 基于二维码标识的控制点检测与管理方法及装置 | |
| CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及系统 | |
| CN110989670B (zh) | 一种用于输变电工程环水保监测的无人机系统及其航拍方法 | |
| US20220148216A1 (en) | Position coordinate derivation device, position coordinate derivation method, position coordinate derivation program, and system | |
| US20230222642A1 (en) | Inundation damage determination device, inundation damage determination method, and program | |
| CN116893685A (zh) | 一种无人机航线规划方法及系统 | |
| CN112197748B (zh) | 利用摄影测量检测输电设备电气间隙的方法 | |
| Dai et al. | Accurate Ranging Based on Transmission Line Channel Monitoring Image and Point Cloud Data Mapping | |
| CN113469949A (zh) | 一种基于地理信息的输电通道内隐患测距的方法 |
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 |