CN112099535A - 一种基于计算机视觉的沙漠光伏电池组位姿调整方法 - Google Patents

一种基于计算机视觉的沙漠光伏电池组位姿调整方法 Download PDF

Info

Publication number
CN112099535A
CN112099535A CN202010957762.6A CN202010957762A CN112099535A CN 112099535 A CN112099535 A CN 112099535A CN 202010957762 A CN202010957762 A CN 202010957762A CN 112099535 A CN112099535 A CN 112099535A
Authority
CN
China
Prior art keywords
sandstorm
angle
sand storm
horizontal wind
photovoltaic panel
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.)
Withdrawn
Application number
CN202010957762.6A
Other languages
English (en)
Inventor
邱妙娜
石倩
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010957762.6A priority Critical patent/CN112099535A/zh
Publication of CN112099535A publication Critical patent/CN112099535A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00—Control of position or direction
    • G05D3/12—Control of position or direction using feedback
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C1/00—Measuring angles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G01P13/02—Indicating direction only, e.g. by weather vane
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明提出一种基于计算机视觉的沙漠光伏电池组位姿调整方法，能够利用可旋转相机获得光伏电站周围的图像，检测是否有沙尘暴。若有沙尘暴，则检测连续多帧沙尘暴定向图像，根据沙尘暴包围框面积的变化得出沙尘暴水平移动方向角α，根据α和水平风向角度β计算平均沙尘暴威胁指数S′，判断沙尘暴是否存在威胁。当沙尘暴存在威胁时则收起光伏板；当沙尘暴不存在威胁或不存在沙尘暴时，检测原始图像光照强度并根据光照等级最高时的偏航角、俯仰角、水平风速和水平风向角度计算光伏板的最佳偏航角和俯仰角，使光伏板发电效率达到最高。

Description

一种基于计算机视觉的沙漠光伏电池组位姿调整方法
技术领域
本申请涉及计算机视觉领域，具体涉及一种基于计算机视觉的沙漠光伏电池组位姿调整方法。
背景技术
沙漠是地球上比较常见的地形之一，全世界有20％左右的陆地为沙漠，随着光伏发电技术的发展，沙漠难得的广大面积和丰富的太阳能资源，成为了光伏发电站的最佳选址地。但沙漠中的沙尘暴会破坏光伏板，如果不能及时发现沙尘暴并将光伏板保护起来，会造成极大的损失。沙漠中风速较大时，如果光伏板的姿态不合适，大风也可能会对光伏板造成破坏。
现有的沙尘暴检测技术，如2020年5月8日公开的“CN 111127515 A沙尘移动路径的预测方法、系统及电子设备”公开了一种预测沙尘路径的方法，获取沙尘影像中相邻两帧图像的沙尘数据，并计算出相邻两帧沙尘图像的差分结果；根据差分结果得到沙尘影像中沙尘的运动矢量场，利用沙尘影像中沙尘的运动矢量场计算得到沙尘影像中沙尘区域的运动速度；根据沙尘区域的运动速度，得到沙尘的移动路径。其方法实现了沙尘路径的预测，但是以小时为单位的预测，更新过慢，不一定能及时保护光伏板。
发明内容
针对以上问题，本发明提出一种基于计算机视觉的沙漠光伏电池组位姿调整方法，能够利用可旋转相机获得光伏电站周围的图像，检测是否有沙尘暴。若有沙尘暴，则检测连续多帧沙尘暴定向图像，根据沙尘暴包围框面积的变化得出沙尘暴水平移动方向角α，根据α和水平风向角度β计算平均沙尘暴威胁指数S′，判断沙尘暴是否存在威胁。当沙尘暴存在威胁时则收起光伏板；当沙尘暴不存在威胁或不存在沙尘暴时，检测原始图像光照等级并根据光照等级最高时的偏航角、俯仰角、水平风速和水平风向角度计算光伏板的最佳偏航角和俯仰角，使光伏板发电效率达到最高。
一种基于计算机视觉的沙漠光伏电池组位姿调整方法，其特征在于，该方法包括：
步骤S1：在光伏发电站设置可旋转的相机，旋转相机对各个方向进行拍摄，获取原始图像；将原始图像输入沙尘暴检测网络，检测原始图像中是否存在沙尘暴，若不存在沙尘暴，执行步骤S4；若存在沙尘暴，执行步骤S2。
步骤S2：将包含沙尘暴的原始图像输入沙尘暴定向网络，检测沙尘暴并输出沙尘暴包围框，调整相机的偏航角y和俯仰角p使沙尘暴包围框的中心点与相机拍摄原始图像的中心点重合，获取沙尘暴定向图像。
根据相邻帧沙尘暴定向图像对应的沙尘暴包围框的面积和中心点位置变化检测沙尘暴水平移动方向角α，检测水平风向角度β、水平风向偏航角θ和水平风速v，计算一帧沙尘暴图像的沙尘暴威胁指数S，将连续多帧沙尘暴图像对应的S相加并除以相加的帧数，得出平均威胁指数S′，判断沙尘暴是否对光伏发电站存在威胁，若沙尘暴对光伏发电站存在威胁，执行步骤S3；若沙尘暴对光伏发电站不存在威胁，执行步骤S4。
步骤S3：先调整使光伏板偏航角y′与水平风向偏航角θ相差180°，再调整使光伏板俯仰角p′逐渐增加到90°。
步骤S4：将多帧原始图像输入光照分级网络检测光照等级，筛选并输出光照等级最高的原始图像对应的偏航角y1和俯仰角p1，结合拍摄光照等级最高原始图像时刻的水平风速v1、水平风向角度β1计算光伏板的最佳偏航角y′1和最佳俯仰角p′1。
所述沙尘暴检测网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出每张原始图像中是否存在沙尘暴，生成标注数据；使用均方误差损失函数进行网络的训练。
所述沙尘暴定向网络的训练方法包括：以若干张存在沙尘暴的原始图像为数据集；人工对数据集进行标注，标注出每张原始图像中沙尘暴的包围框，生成标注数据；使用均方误差损失函数进行网络的训练。
所述检测沙尘暴水平移动方向角α，检测水平风向角度β、水平风向偏航角θ的方法为：以铅直向下的角度俯视相机及其周围沙漠，将相机在地面平面上的投影点记为b，在地面平面上b的正东方向任意选一点x，以b为极点，以从b出发且经过x的射线为极轴建立地面平面极坐标系；
a1和a2为时间上相邻的两帧沙尘暴定向图像中心点在地面平面上的投影点，a2对应沙尘暴图像的拍摄时间在a1对应沙尘暴图像的拍摄时间之后，设a1到b点和a2到b点的距离相等，将a2对应的沙尘暴移动方向向量
Figure BDA0002678922460000021
分解为两个单位向量
Figure BDA0002678922460000022
和
Figure BDA0002678922460000023
之和，向量
Figure BDA0002678922460000024
在过a2和b的直线l1上，
Figure BDA0002678922460000025
为由a1指向a2方向的单位向量；比较a2对应的沙尘暴包围框面积s2和a1对应的沙尘暴包围框面积s1，若s2＞s1，则判定
Figure BDA0002678922460000026
方向为由a2指向b；若s2＜s1，则判定
Figure BDA0002678922460000027
方向为由b指向a2，若s2＝s1，则判定不存在
Figure BDA0002678922460000028
将
Figure BDA0002678922460000029
和
Figure BDA00026789224600000210
相加得到
Figure BDA00026789224600000211
即可得到在拍摄a2对应沙尘暴定位图像时刻沙尘暴的移动方向，沙尘暴水平移动方向角α为向量
Figure BDA00026789224600000212
与向量
Figure BDA00026789224600000213
的夹角；做与水平风向同向的单位向量
Figure BDA00026789224600000214
与向量
Figure BDA00026789224600000215
的夹角为水平风向角度β，以b为起点做和
Figure BDA00026789224600000216
同向的单位向量
Figure BDA00026789224600000217
在
Figure BDA00026789224600000218
上选除了b以外的任意一点j，j的极坐标角度值即为水平风向偏航角θ的值。
所述计算一帧沙尘暴图像的沙尘暴威胁指数S的方法包括：根据
Figure BDA00026789224600000219
计算沙尘暴威胁指数。
所述判断沙尘暴是否对光伏发电站存在威胁的方法包括：设置经验威胁指数阈值m1，若S′≥m1，判定沙尘暴对光伏发电站存在威胁，若S′＜m1，判定沙尘暴对光伏发电站不存在威胁。
所述光照分级网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出每张原始图像的光照等级，生成标注数据；使用均方误差损失函数进行网络的训练。
所述计算光伏板的最佳偏航角y′1和最佳俯仰角p′1的方法包括：
设目标函数R＝Q×[|y′-y1|+|p′-p1|]+U×P×(v1-m2)×[|y′-β1|+|p′-90°|]；其中，R为目标函数值，U为风速的权重值，Q为光照的权重值，m2为风速阈值，P为阈值函数。
P对应的函数关系为
Figure BDA00026789224600000220
使用优化算法以R最小为目标调整y′和p′，最后输出光伏板的最佳偏航角y′1和最佳俯仰角p′1。
本发明和现有技术相比有如下有益效果：
(1)利用神经网络实时识别沙漠中的沙尘暴，并判断其移动方向，计算对光伏发电站的威胁指数S，识别速度快、精度高，可以及时对光伏板进行保护。
(2)结合当前的风力和各个方向的光照等级，获得光伏板的最优空间姿态，避免大风损害光伏板的同时使光伏发电功率最大。
附图说明
图1为方法流程图。
图2为沙尘暴移动方向检测示意图。
图3为光伏板俯视图。
图4为光伏板侧视图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一：
本发明的主要目的是实现沙尘暴移动方向的检测。
为了实现本发明所述内容，本发明设计了一种基于计算机视觉的沙漠环境下光伏电池组位姿调整。方法流程图如图1所示。
本发明针对环境恶劣的沙漠环境，沙漠中光照充足，四周开阔，但经常有风沙，使得电池板极易受损，同时毁灭性的沙尘暴往往会使光伏电站受到极大的损失。及时调整光伏板位姿，可以避免受到损害。
步骤S1：
在光伏发电站设置位置固定且可以旋转光轴方向的相机，通过调整相机的偏航角y和俯仰角p，能使相机的光轴朝向不同方向。设相机拍摄图像的中心点位于相机正东方向，且相机光轴平行于地面平面时，相机的偏航角y和俯仰角p都为0°。光轴在地面平面上的投影由偏航角y为0°的位置向逆时针方向转动时，偏航角增大，且偏航角的变化范围为[0°,360°]；当相机光轴向上抬起时俯仰角p增大，且俯仰角变化范围为[0,90°]。相机拍摄的图像为RGB图像，经滤波处理降低噪声后输出原始图像。
本发明使用神经网络检测原始图像中是否有沙尘暴，沙尘暴检测网络的训练方法如下：采用若干张原始图像为数据集；人工对数据集进行标注，标注出每张原始图像中是否存在沙尘暴，生成标注数据；使用均方误差损失函数进行网络的训练。
将原始图像输入训练好的沙尘暴检测网络，检测是否存在沙尘暴，输出判断结果。若原始图像中不存在沙尘暴，则执行步骤S4；若判断原始图像中有沙尘暴，执行步骤S2。
步骤S2：
训练沙尘暴定向网络，训练步骤如下：以若干张存在沙尘暴的原始图像为数据集；人工对数据集进行标注，标注出每张原始图像中沙尘暴的包围框的中心点坐标和包围框的长和宽，生成标注数据；使用均方误差损失函数进行网络的训练。
将沙尘暴检测网络输出的存在沙尘暴的图像输入训练好的沙尘暴定向网络，可以检测沙尘暴的范围并生成沙尘暴包围框。
要准确地获取沙尘暴的移动方向，需要使沙尘暴包围框的中心点和原始图像的中心点重合。
调整相机的偏航角y和俯仰角p，使沙尘暴包围框的中心点和相机拍摄原始图像的中心点重合，此时获取的图像为沙尘暴定向图像。因为相机的偏航角y和俯仰角p反映了原始图像中心点相对于相机的方向，所以根据获得沙尘暴原始图像时相机的偏航角y和俯仰角p可以确定沙尘暴中心点相对于相机的方向。
检测连续多帧沙尘暴定向图像，根据相邻帧沙尘暴定向图像对应的沙尘暴包围框面积变化和包围框中心点方向判断沙尘暴移动的方向角α。以铅直向下的角度俯视相机及其周围沙漠，设沙尘暴包围框中心点在地面平面上的投影点为a，相机在地面平面上的投影点为b。本发明仅需要获得沙尘暴平行于地面平面的移动方向，不计算a与b的具体距离。所以不考虑拍摄沙尘暴定向图像时相机的俯仰角p，只需要考虑偏航角y，且可以设a到b的距离为固定值r。
以相邻两帧沙尘暴定向图像检测沙尘暴水平移动方向角α为例：
沙尘暴移动方向检测示意图如图2，以铅直向下的角度俯视相机及其周围沙漠，在地面平面上b的正东方向任意设置一点x，以b为极点，以从b出发且经过x的射线为级轴建立极坐标系，a1和a2为时间上相邻的两帧沙尘暴定向图像中心点在地面平面上的投影，a2对应沙尘暴定向图像的拍摄时间在a1对应沙尘暴定向图像的拍摄时间之后。设拍摄a2对应的沙尘暴定向图像时沙尘暴移动方向向量为
Figure BDA0002678922460000041
为两个单位向量
Figure BDA0002678922460000042
和
Figure BDA0002678922460000043
之和，
Figure BDA0002678922460000044
在经过a2和b的直线l1上，
Figure BDA0002678922460000045
为由a1指向a2的单位向量。
计算a2对应的沙尘暴包围框面积s2和a1对应的沙尘暴包围框面积s1，若s2＞s1，则判定
Figure BDA0002678922460000046
方向为由a2指向b；若s2＜s1，则判定
Figure BDA0002678922460000047
方向为由b指向a2；若s2＝s1，则判定不存在
Figure BDA0002678922460000048
将
Figure BDA0002678922460000049
和
Figure BDA00026789224600000410
相加，即可得到a2对应的
Figure BDA00026789224600000411
沙尘暴水平移动方向角α为向量
Figure BDA00026789224600000412
与向量
Figure BDA00026789224600000413
的夹角。
在相机附近设置风速传感器，获得水平风速v和与水平风向同向的单位向量
Figure BDA00026789224600000414
与向量
Figure BDA00026789224600000415
的夹角为水平风向角度β，以b为起点做和
Figure BDA00026789224600000416
同向且模相等的向量
Figure BDA00026789224600000417
在
Figure BDA00026789224600000418
上选除了b以外的任意一点j，j的极坐标的角度即为水平风向偏航角θ的值，根据α、β和v计算沙暴威胁指数，计算公式为：
Figure BDA00026789224600000419
检测一段时间内连续多帧沙尘暴定向图像对应的沙尘暴威胁指数S,将所有的S相加，并除以被检测沙尘暴定向图像的帧数，得出平均威胁指数S′，设置经验威胁指数阈值m1，若S′≥m1，判定沙尘暴对光伏发电站存在威胁，执行步骤S3，若S′＜m1，判定沙尘暴对光伏发电站不存在威胁，执行步骤S4。
步骤S3：
当判定沙尘暴对光伏发电站存在威胁时，需要及时收起光伏板，使其贴紧地面，减少受到的损害。
光伏板的俯视图如图3所示。点f为光伏板的中心点在地面平面上的投影，点g为光伏板支架的根部在地面平面上的投影，可以假设g点和b点重合，这样光伏板就可以和相机共用一个极坐标系，f极坐标中的角度值即为光伏板的偏航角y′。
光伏板的侧视图如图4所示，点g′为光伏板支架的根部，h、i为光伏板两端点，做过点g且垂直于hi的直线l2，l2与hi的交点为点k。需要说明的是点k不是固定的点，会随着光伏板位姿的变化而变化。g′h所在直线平行于地面平面，向量
Figure BDA0002678922460000051
和向量
Figure BDA0002678922460000052
的夹角即为光伏板的俯仰角p′。
首先旋转光伏板，使光伏板偏航角y′与θ之差为180°，使光伏板迎向风的方向，受到向下的风力分力，而后增大光伏板俯仰角p′到90°，使其贴近地面。这样就能保护光伏板。当沙尘暴经过光伏发电站并远离后，沙尘暴检测网络输出结果为没有沙尘暴或S′＜m1时，由工作人员清理沙尘，即可再次启用光伏板。
步骤S4：
训练光照分级网络，对光照进行评分，评分越高的光照到光伏板上时发电效率越高。训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出每张原始图像的光照等级，生成标注数据；使用均方误差损失函数进行网络的训练。光照等级越高，光照强度越大，光伏板发电效率越高。
将若干帧原始图像输入训练好的光照分级网络，输出若干个光照等级评分，筛选出光照等级最高的原始图像，输出其对应的偏航角y1和俯仰角p1。
获取拍摄光照等级最高原始图像时刻的水平风速v1和水平风向角度β1。设置风速阈值m2，若v1＜m2，风不可能对光伏板造成伤害，调整光伏板时不用考虑风的影响，只需要考虑光照等级，所以此时光伏板的最佳俯仰角p′1等于p1，光伏板的最佳偏航角y′1等于y1；若v1≥m2，风可能会对光伏板造成损害，则需要综合光照等级、水平风速、水平风向角度来考虑光伏板的最佳偏航角y′1和最佳俯仰角p′1。
根据目标函数R和优化算法得出光伏板的最佳偏航角y′1和光伏板的最佳俯仰角p′1，计算方法如下：
设目标函数R＝Q×[|y′-y1|+|p′-p1|]+U×P×(v1-m2)×[|y′-β1|+|p′-90°|]，其中R为目标函数值，U为风速的权重值，Q为光照的权重值，P为阈值函数。
P对应的函数关系为
Figure BDA0002678922460000053
(v1-m2)为水平风速超过风速阈值的大小，即水平风速超过风速阈值越多，我们在调整光伏板时考虑水平风速的因素就越多，考虑光照等级因素就越少。
使用优化算法以R最小为目标调整y′和p′，优化后输出光伏板的最佳偏航角y′1和最佳俯仰角p′1。将光伏板调整到最佳俯仰角和最佳偏航角，此时既能保证发电效率最高，又能保证光伏板不受到损害。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于计算机视觉的沙漠光伏电池组位姿调整方法，其特征在于，该方法包括：
步骤S1：在光伏发电站设置可旋转的相机，旋转相机对各个方向进行拍摄，获取原始图像；将原始图像输入沙尘暴检测网络，检测原始图像中是否存在沙尘暴；
若不存在沙尘暴，执行步骤S4；若存在沙尘暴，执行步骤S2；
步骤S2：将包含沙尘暴的原始图像输入沙尘暴定向网络，检测沙尘暴并输出沙尘暴包围框，调整相机的偏航角y和俯仰角p使沙尘暴包围框的中心点与相机拍摄原始图像的中心点重合，获取沙尘暴定向图像；
根据相邻帧沙尘暴定向图像对应的沙尘暴包围框的面积和中心点方向变化检测沙尘暴水平移动方向角α，检测水平风向角度β、水平风向偏航角θ和水平风速v，计算一帧沙尘暴图像的沙尘暴威胁指数S，将连续多帧沙尘暴图像对应的S相加并除以相加的帧数，得出平均威胁指数S′，判断沙尘暴是否对光伏发电站存在威胁；
若沙尘暴对光伏发电站存在威胁，执行步骤S3；若沙尘暴对光伏发电站不存在威胁，执行步骤S4；
步骤S3：先调整使光伏板偏航角y′与水平风向偏航角θ相差180°，再调整使光伏板俯仰角p′逐渐增加到90°；
步骤S4：将多帧原始图像输入光照分级网络检测光照等级，筛选并输出光照等级最高的原始图像对应的偏航角y1和俯仰角p1，结合拍摄光照等级高原始图像时刻的水平风速v1、水平风向角度β1计算光伏板的最佳偏航角y′1和最佳俯仰角p′1。
2.如权利要求1所述的方法，其特征还在于，所述沙尘暴检测网络的训练方法包括：
以若干张原始图像为数据集；
人工对数据集进行标注，标注出每张原始图像中是否存在沙尘暴，生成标注数据；
使用均方误差损失函数进行网络的训练。
3.如权利要求1所述的方法，其特征还在于，所述沙尘暴定向网络的训练方法包括：
以若干张存在沙尘暴的原始图像为数据集；
人工对数据集进行标注，标注出每张原始图像中沙尘暴的包围框，生成标注数据；
使用均方误差损失函数进行网络的训练。
4.如权利要求1所述的方法，其特征在于，所述检测沙尘暴水平移动方向角α，检测水平风向角度β、水平风向偏航角θ的方法为：
以铅直向下的角度俯视相机及其周围沙漠，将相机在地面平面上的投影点记为b，在地面平面上b的正东方向任意选一点x，以b为极点，以从b出发且经过x的射线为极轴建立地面平面极坐标系；
a1和a2为时间上相邻的两帧沙尘暴定向图像中心点在地面平面上的投影点，a2对应沙尘暴图像的拍摄时间在a1对应沙尘暴图像的拍摄时间之后，设a1到b点和a2到b点的距离相等；
将a2对应的沙尘暴移动方向向量
Figure FDA0002678922450000011
分解为两个单位向量
Figure FDA0002678922450000012
和
Figure FDA0002678922450000013
之和，向量
Figure FDA0002678922450000014
在过a2和b的直线l1上，
Figure FDA0002678922450000015
为由a1指向a2方向的单位向量；
比较a2对应的沙尘暴包围框面积s2和a1对应的沙尘暴包围框面积s1，若s2＞s1，则判定
Figure FDA0002678922450000021
方向为由a2指向b；若s2＜s1，则判定
Figure FDA0002678922450000022
方向为由b指向a2，若s2＝s1，则判定不存在
Figure FDA0002678922450000023
将
Figure FDA0002678922450000024
和
Figure FDA0002678922450000025
相加得到
Figure FDA0002678922450000026
即可得到在拍摄a2对应沙尘暴定位图像时刻沙尘暴的移动方向，沙尘暴水平移动方向角α为向量
Figure FDA0002678922450000027
与向量
Figure FDA0002678922450000028
的夹角；
做与水平风向同向的单位向量
Figure FDA0002678922450000029
Figure FDA00026789224500000210
与向量
Figure FDA00026789224500000211
的夹角为水平风向角度β，以b为起点做和
Figure FDA00026789224500000212
同向的单位向量
Figure FDA00026789224500000213
在
Figure FDA00026789224500000214
上选除了b以外的任意一点j，j的极坐标角度值即为水平风向偏航角θ的值。
5.如权利要求1所述的方法，其特征在于，所述计算一帧沙尘暴图像的沙尘暴威胁指数S的方法包括：
根据
Figure FDA00026789224500000215
计算沙尘暴威胁指数。
6.如权利要求1所述的方法，其特征还在于，所述判断沙尘暴是否对光伏发电站存在威胁的方法包括：
设置经验威胁指数阈值m1，若S′≥m1，判定沙尘暴对光伏发电站存在威胁，若S′＜m1，判定沙尘暴对光伏发电站不存在威胁。
7.如权利要求1所述的方法，其特征还在于，所述光照分级网络的训练方法包括：
以若干张原始图像为数据集；
人工对数据集进行标注，标注出每张原始图像的光照等级，生成标注数据；
使用均方误差损失函数进行网络的训练。
8.如权利要求1所述的方法，其特征在于，所述计算光伏板的最佳偏航角y′1和最佳俯仰角p′1的方法包括：
设目标函数R＝Q×[|y′-y1|+|p′-p1|]+U×P×(v1-m2)×[|y′-β1|+|p′-90°|]；
其中，R为目标函数值，U为风速的权重值，Q为光照的权重值，m2为风速阈值，P为阈值函数；
P对应的函数关系为
Figure FDA00026789224500000216
使用优化算法以R最小为目标调整y′和p′，最后输出光伏板的最佳偏航角y′1和最佳俯仰角p′1。
CN202010957762.6A 2020-09-12 2020-09-12 一种基于计算机视觉的沙漠光伏电池组位姿调整方法 Withdrawn CN112099535A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010957762.6A CN112099535A (zh) 2020-09-12 2020-09-12 一种基于计算机视觉的沙漠光伏电池组位姿调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010957762.6A CN112099535A (zh) 2020-09-12 2020-09-12 一种基于计算机视觉的沙漠光伏电池组位姿调整方法

Publications (1)

Publication Number Publication Date
CN112099535A true CN112099535A (zh) 2020-12-18

Family

ID=73750938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010957762.6A Withdrawn CN112099535A (zh) 2020-09-12 2020-09-12 一种基于计算机视觉的沙漠光伏电池组位姿调整方法

Country Status (1)

Country Link
CN (1) CN112099535A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113426080A (zh) * 2021-01-11 2021-09-24 吉首大学 一种舞蹈形体训练装置及方法
CN113625783A (zh) * 2021-08-06 2021-11-09 西藏农牧学院 一种光伏设备的光伏面板姿态调整方法和装置
CN117130394A (zh) * 2023-10-26 2023-11-28 科莱克芯电科技(深圳)有限公司 一种基于人工智能的光伏设备控制方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113426080A (zh) * 2021-01-11 2021-09-24 吉首大学 一种舞蹈形体训练装置及方法
CN113625783A (zh) * 2021-08-06 2021-11-09 西藏农牧学院 一种光伏设备的光伏面板姿态调整方法和装置
CN113625783B (zh) * 2021-08-06 2023-10-20 西藏农牧学院 一种光伏设备的光伏面板姿态调整方法和装置
CN117130394A (zh) * 2023-10-26 2023-11-28 科莱克芯电科技(深圳)有限公司 一种基于人工智能的光伏设备控制方法及系统

Similar Documents

Publication Publication Date Title
CN112099535A (zh) 一种基于计算机视觉的沙漠光伏电池组位姿调整方法
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
CN108846418A (zh) 一种电缆设备温度异常定位与识别方法
CN103487058B (zh) 一种提高aps星敏感器动态性能的方法
CN107729808A (zh) 一种用于输电线路无人机巡检的图像智能采集系统及方法
CN111428748A (zh) 一种基于hog特征和svm的红外图像绝缘子识别检测方法
CN113159466B (zh) 一种短时光伏发电功率预测系统及方法
CN110910350B (zh) 一种用于风电塔筒的螺母松动检测方法
CN108229587A (zh) 一种基于飞行器悬停状态的输电杆塔自主扫描方法
Poorghasem et al. Review of robot-based automated measurement of vibration for civil engineering structures
CN114943689A (zh) 基于半监督学习的钢铁冷轧退火炉元器件检测方法
CN112179693A (zh) 一种基于人工智能的光伏跟踪支架故障检测方法和装置
Narimani et al. Robotics vision-based system for an underwater pipeline and cable tracker
Yang et al. Towards accurate image stitching for drone-based wind turbine blade inspection
CN115563732A (zh) 基于虚拟现实的喷涂轨迹仿真优化方法及装置
CN115331178A (zh) 一种基于铁塔视频的自然资源监测方法及系统
Teerakawanich et al. Short term prediction of sun coverage using optical flow with GoogLeNet
CN105160341A (zh) 一种基于直线段检测和内心性质的三角形检测方法
CN116977902B (zh) 一种边海防车载光电稳定平台目标跟踪方法及系统
CN113160209A (zh) 用于建筑外立面损伤检测的目标标注方法及目标识别方法
Deng et al. Research on target recognition and path planning for EOD robot
CN117237597A (zh) 一种基于北斗卫星数据与ai图形融合的数据处理终端
CN110910349B (zh) 一种基于航拍视觉的风电机组状态获取方法
CN116539001A (zh) 一种基于无人机的海上风电塔筒垂直度检测方法及系统
CN114119670A (zh) 一种基于智能手机获取河流视频的流速测量方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201218