CN112465959B - 基于局部场景更新的变电站三维实景模型巡视方法 - Google Patents

基于局部场景更新的变电站三维实景模型巡视方法 Download PDF

Info

Publication number
CN112465959B
CN112465959B CN202011493006.9A CN202011493006A CN112465959B CN 112465959 B CN112465959 B CN 112465959B CN 202011493006 A CN202011493006 A CN 202011493006A CN 112465959 B CN112465959 B CN 112465959B
Authority
CN
China
Prior art keywords
image
model
representing
value
action
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
CN202011493006.9A
Other languages
English (en)
Other versions
CN112465959A (zh
Inventor
常政威
陈缨
贺含峰
徐昌前
吴杰
熊兴中
蒲维
彭倩
毛强
丁宣文
周慧莹
唐静
张燃
杨茂
卢思瑶
周启航
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan 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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202011493006.9A priority Critical patent/CN112465959B/zh
Publication of CN112465959A publication Critical patent/CN112465959A/zh
Application granted granted Critical
Publication of CN112465959B publication Critical patent/CN112465959B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了基于局部场景更新的变电站三维实景模型巡视方法，涉及电力技术领域，该方法通过拍摄设备对需要进行实时监控的目标进行拍摄，得到第一监控图像，并根据目标轮廓信息提取出第二监控图像；通过引入记录拍摄时的环境光照强度LJ和构建三维实景模型时的环境光照强度LM对第二监控图像进行处理，得到替换图像；通过替换图像对三维实景模型中的对应位置进行局部场景的更新，以得到实景融合模型；根据输入指令在显示设备上展示实景融合模型，如此即实现了变电站三维实景巡视，又通过在由局部场景更新得到的实景融合模型中进行巡视，能够将最新的局部区域的变化信息加入到三维模型中，提高巡视工作的实效性，减少工作人员对故障和安全风险的误判。

Description

基于局部场景更新的变电站三维实景模型巡视方法
技术领域
本发明涉及电力技术领域，更具体地说，它涉及基于局部场景更新的变电站三维实景模型巡视方法。
背景技术
三维实景巡视技术能够提供沉浸式的巡视体验，在电力领域已经得到了一定程度的应用，尤其适合于在设备种类、数量和位置基本不会发生变化的变电站内应用。通过三维实景巡视技术能够大幅度减少现场人工巡视的工作量，降低现场人工巡视带来的安全风险。同时，由于三维实景巡视技术能够实时展示现场场景，有助于及时发现故障和安全风险，有利于变电站的长期稳定运行。
目前，三维实景巡视技术在应用时，首先需要建立变电站的三维实景模型，然后将现场实时视频与三维实景模型进行融合，得到实景融合模型。工作人员可以通过控制实景融合模型中的视角和运动轨迹在实景模型中进行巡视，从而了解变电站现场状况。然而，当前的三维实景巡视技术存在现场实时视频与三维实景模型融合不自然且融合处明显突兀的问题，得到的实景融合模型视觉效果不够真实，甚至有可能引起对故障和安全风险的误判。
因此，如何研究设计一种基于局部场景更新的变电站三维实景模型巡视方法是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供基于局部场景更新的变电站三维实景模型巡视方法。
本发明的上述技术目的是通过以下技术方案得以实现的：基于局部场景更新的变电站三维实景模型巡视方法，包括以下步骤：
获取变电站内目标的预处理图像，并从所述预处理图像中提取所述目标的边缘轮廓信息；
获取所述目标实时拍摄的第一监控图像和对应拍摄时的环境光照强度LJ，并根据所述边缘轮廓信息在所述第一监控图像中提取出仅包含所述目标的第二监控图像；
获取所述变电站预构建的三维实景模型和对应构建时的环境光照强度LM，并从所述三维实景模型中截取出第一模型图像，以及根据所述边缘轮廓信息在所述第一模型图像中提取出仅包含所述目标的第二模型图像；
根据所述第二模型图像、所述环境光照强度LJ和所述环境光照强度LM对所述第二监控图像进行替换处理，得到替换图像；
将所述替换图像覆盖所述第一模型图像中的所述第二模型图像，得到实景融合模型；
根据巡视位置和巡视角度展示所述实景融合模型。
进一步的，所述边缘轮廓信息提取过程具体为：
在所述预处理图像中标记出所述目标的边缘轮廓线；
记录构成所述边缘轮廓线的各个像素点的坐标；
集成所述各个像素点的坐标构成所述边缘轮廓信息。
进一步的，所述边缘轮廓线的标记过程具体为：
通过双边滤波器提取所述预处理图像中的边缘特征；
将相邻的所述边缘特征连接起来，得到所述目标的所述边缘轮廓线。
进一步的，所述第二监控图像的提取过程具体为：
根据所述边缘轮廓信息对所述第一监控图像中对应的像素点进行标记；
将所述第一监控图像中相邻的被标记的像素点连接起来，形成首尾相连的围合线，被所述围合线包围的区域为只包含所述目标的所述第二监控图像；
提取出所述第二监控图像。
进一步的，所述第二模型图像的提取过程具体为：
根据所述边缘轮廓信息对所述第一模型图像中对应的像素点进行标记；
将所述第一模型图像中相邻的被标记的像素点连接起来，形成收尾相连的围合线，被所述围合线包围的区域为所述第二模型图像；
提取出所述第二模型图像。
进一步的，所述替换图像的替换处理获取过程具体为：
获取所述第二模型图像的整体色彩表征系数CM；
获取所述第二监控图像的整体色彩表征系数CJ；
当
Figure BDA0002841243470000021
时，根据
Figure BDA0002841243470000022
的值调节所述第二监控图像的亮度，得到所述替换图像；
当
Figure BDA0002841243470000023
或
Figure BDA0002841243470000024
时，通过所述第二模型图像、所述环境光照强度LJ和所述环境光照强度LM对所述第二监控图像的各个像素进行融合处理，得到所述替换图像。
进一步的，所述整体色彩表征系数CM的计算公式具体为：
Figure BDA0002841243470000031
其中，RMi表示所述第二模型图像中第i个像素的RGB颜色值中R的值，GMi表示所述第二模型图像中第i个像素的RGB颜色值中G的值，BMi表示所述第二模型图像中第i个像素的RGB颜色值中B的值，n表示所述第二模型图像中的像素总数量；
所述整体色彩表征系数CJ的计算公式具体为：
Figure BDA0002841243470000032
其中，RJi表示所述第二监控图像中第i个像素的RGB颜色值中R的值，GJi表示所述第二监控图像中第i个像素的RGB颜色值中G的值，BJi表示所述第二监控图像中第i个像素的RGB颜色值中B的值，n表示所述第二监控图像中的像素总数量。
进一步的，根据
Figure BDA0002841243470000035
的值调节所述第二监控图像的亮度，具体通过以下公式实现：
Figure BDA0002841243470000033
其中，A表示调节后所述第二监控图像的亮度值，B表示调节前所述第二监控图像的亮度值。
进一步的，对所述第二监控图像的各个像素进行融合处理，具体通过以下公式实现：
Figure BDA0002841243470000034
Figure BDA0002841243470000041
Figure BDA0002841243470000042
其中，RF表示所述替换图像中像素的RGB颜色值中R的值，GF表示所述替换图像中像素的RGB颜色值中G的值，BF表示所述替换图像中像素的RGB颜色值中B的值，RJ表示所述第二监控图像中像素的RGB颜色值中R的值，GJ表示所述第二监控图像中像素的RGB颜色值中G的值，BJ表示所述第二监控图像中像素的RGB颜色值中B的值，RM表示所述第二模型图像中像素的RGB颜色值中R的值，GM表示所述第二模型图像中像素的RGB颜色值中G的值，BM表示所述第二模型图像中像素的RGB颜色值中B的值，X表示在X-Y坐标系中像素在X方向上的坐标，Y表示在X-Y坐标系中像素在Y方向上的坐标。
进一步的，所述预处理图像、第一监控图像的获取过程具体为：
根据预设位置信息和预设拍摄角度信息在所述变电站内布置拍摄设备；
通过所述拍摄设备至少拍摄一次所述目标得到所述预处理图像；
通过所述拍摄设备实时拍摄所述目标得到所述第一监控图像。
与现有技术相比，本发明具有以下有益效果：
经过研究发现，之所以当前的三维实景巡视技术存在现场实时视频与三维实景模型融合不自然且融合处明显突兀的问题，是由于现场实时视频的环境光照强度与构建三维实景模型时的环境光照强度存在较大差异。本发明实施例提供的基于局部场景更新的变电站三维实景模型巡视方法引入了拍摄第一监控图像时的环境光照强度LJ，以及构建变电站的三维实景模型时的环境光照强度LM。通过第二模型图像、环境光照强度LJ和环境光照强度LM对第二监控图像进行处理，得到的替换图像消除了环境光照强度带来的差异。通过替换图像对三维实景模型中的对应位置(第二模型图像)进行局部场景的更新，以得到实景融合模型。根据输入的巡视位置和巡视角度在显示设备上展示实景融合模型。如此即实现了变电站三维实景巡视。通过在由局部场景更新得到的实景融合模型中进行巡视，能够将最新的局部区域的变化信息加入到三维模型中，提高巡视工作的实效性，减少工作人员对故障和安全风险的误判。由局部场景更新得到的实景融合模型的视觉效果真实自然，避免了工作人员在三维实景巡视中因实景融合模型不自然的视觉效果导致的对故障和安全风险的误判。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例中的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：基于局部场景更新的变电站三维实景模型巡视方法，如图1所示。
步骤一：在变电站内选取需要进行实时监控的目标。该目标可以是任何希望进行实时监控的目标，例如仪表的显示界面、刀闸等。获取变电站内目标的预处理图像，并从预处理图像中提取目标的边缘轮廓信息。
预处理图像的获取过程具体为：根据预设位置信息和预设拍摄角度信息在变电站内布置拍摄设备；通过拍摄设备至少拍摄一次目标得到预处理图像。
边缘轮廓信息提取过程具体为：在预处理图像中标记出目标的边缘轮廓线；记录构成边缘轮廓线的各个像素点的坐标；集成各个像素点的坐标构成边缘轮廓信息。
边缘轮廓线的标记过程具体为：通过双边滤波器提取预处理图像中的边缘特征；将相邻的边缘特征连接起来，得到目标的边缘轮廓线。需要说明的是，针对一些边缘特征不明显的目标，利用双边滤波器无法提取到足够多的边缘特征。在这种情况下，利用人工标记的方式标记出目标的边缘轮廓线。
步骤二：获取目标实时拍摄的第一监控图像和对应拍摄时的环境光照强度LJ，并根据边缘轮廓信息在第一监控图像中提取出仅包含目标的第二监控图像。
第一监控图像的获取过程具体为：通过拍摄设备实时拍摄目标得到第一监控图像。
第二监控图像的提取过程具体为：根据边缘轮廓信息对第一监控图像中对应的像素点进行标记；将第一监控图像中相邻的被标记的像素点连接起来，形成首尾相连的围合线，被围合线包围的区域为只包含目标的第二监控图像；提取出第二监控图像。
步骤三：预构建变电站的三维实景模型，当前，有多种方式构建三维实景模型。例如，变电站的三维实景模型可以通过录取的变电站实景视频再结合实景建模软件(例如ContextCapture等)得到。获取变电站预构建的三维实景模型和对应构建时的环境光照强度LM，并从三维实景模型中截取出第一模型图像，以及根据边缘轮廓信息在第一模型图像中提取出仅包含目标的第二模型图像。
变电站的三维实景模型与变电站实物具有相同的尺寸，根据预设位置信息和预设拍摄角度在三维实景模型中设置虚拟摄像机，该虚拟摄像机拍摄到的图像即为第一模型图像。该第一模型图像与拍摄设备拍摄的第一监控图像具备相同的位置和角度，并且像素数量和分辨率也一致。第一模型图像与第一监控图像具有相同的坐标系，这使得边缘轮廓信息能够同时应用于第一模型图像与第一监控图像。
第二模型图像的提取过程具体为：根据边缘轮廓信息对第一模型图像中对应的像素点进行标记；将第一模型图像中相邻的被标记的像素点连接起来，形成收尾相连的围合线，被围合线包围的区域为第二模型图像；提取出第二模型图像。
步骤四：根据第二模型图像、环境光照强度LJ和环境光照强度LM对第二监控图像进行替换处理，得到替换图像。
(1)获取第二模型图像的整体色彩表征系数CM。
整体色彩表征系数CM的计算公式具体为：
Figure BDA0002841243470000061
其中，RMi表示第二模型图像中第i个像素的RGB颜色值中R的值，GMi表示第二模型图像中第i个像素的RGB颜色值中G的值，BMi表示第二模型图像中第i个像素的RGB颜色值中B的值，n表示第二模型图像中的像素总数量。
(2)获取第二监控图像的整体色彩表征系数CJ。
整体色彩表征系数CJ的计算公式具体为：
Figure BDA0002841243470000071
其中，RJi表示第二监控图像中第i个像素的RGB颜色值中R的值，GJi表示第二监控图像中第i个像素的RGB颜色值中G的值，BJi表示第二监控图像中第i个像素的RGB颜色值中B的值，n表示第二监控图像中的像素总数量。
(3)当
Figure BDA0002841243470000075
时，意味着在环境光影响下，第二监控图像和第二模型图像的色彩表现相差并不大，只需要通过调节第二监控图像的亮度值即可得到在色彩表现上与第一模型图像接近的替换图像，这样有助于提高处理效率。具体通过以下公式实现：
Figure BDA0002841243470000072
其中，A表示调节后第二监控图像的亮度值，B表示调节前第二监控图像的亮度值。
(4)当
Figure BDA0002841243470000076
或
Figure BDA0002841243470000077
时，通过第二模型图像、环境光照强度LJ和环境光照强度LM对第二监控图像的各个像素进行融合处理，得到替换图像。具体通过以下公式实现：
Figure BDA0002841243470000073
Figure BDA0002841243470000074
Figure BDA0002841243470000081
其中，RF表示替换图像中像素的RGB颜色值中R的值，GF表示替换图像中像素的RGB颜色值中G的值，BF表示替换图像中像素的RGB颜色值中B的值，RJ表示第二监控图像中像素的RGB颜色值中R的值，GJ表示第二监控图像中像素的RGB颜色值中G的值，BJ表示第二监控图像中像素的RGB颜色值中B的值，RM表示第二模型图像中像素的RGB颜色值中R的值，GM表示第二模型图像中像素的RGB颜色值中G的值，BM表示第二模型图像中像素的RGB颜色值中B的值，X表示在X-Y坐标系中像素在X方向上的坐标，Y表示在X-Y坐标系中像素在Y方向上的坐标。
当
Figure BDA0002841243470000082
或
Figure BDA0002841243470000083
时，意味着在环境光影响下，第二监控图像和第二模型图像的色彩表现相差比较大，从而需要对各个像素进行融合处理。经过融合处理后得到的替换图像，其在色彩表现上与第一模型图像接近。
步骤五：将替换图像覆盖第一模型图像中的第二模型图像，得到实景融合模型。
由于替换图像其在色彩表现上与第一模型图像接近，因此通过替换图像覆盖第一模型图像中的第二模型图像得到的实景融合模型，其视觉效果更加真实自然，能够有效避免由于融合处色彩表现差异过大造成的工作人员对故障和安全风险的误判。
步骤六：根据巡视位置和巡视角度展示实景融合模型。
工作人员可以通过输入设备输入控制指令，以改变巡视位置和巡视角度。根据巡视位置和巡视角度在显示设备上展示实景融合模型。如此即实现了变电站三维实景巡视。
经过研究发现，之所以当前的三维实景巡视技术存在现场实时视频与三维实景模型融合不自然且融合处明显突兀的问题，是由于现场实时视频的环境光照强度与构建三维实景模型时的环境光照强度存在较大差异。本发明实施例提供的基于局部场景更新的变电站三维实景模型巡视方法引入了拍摄第一监控图像时的环境光照强度LJ，以及构建变电站的三维实景模型时的环境光照强度LM。通过第二模型图像、环境光照强度LJ和环境光照强度LM对第二监控图像进行处理，得到的替换图像消除了环境光照强度带来的差异。通过替换图像对三维实景模型中的对应位置(第二模型图像)进行局部场景的更新，以得到实景融合模型。根据输入的巡视位置和巡视角度在显示设备上展示实景融合模型。如此即实现了变电站三维实景巡视。通过在由局部场景更新得到的实景融合模型中进行巡视，能够将最新的局部区域的变化信息加入到三维模型中，提高巡视工作的实效性，减少工作人员对故障和安全风险的误判。由局部场景更新得到的实景融合模型的视觉效果真实自然，避免了工作人员在三维实景巡视中因实景融合模型不自然的视觉效果导致的对故障和安全风险的误判。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于局部场景更新的变电站三维实景模型巡视方法，其特征是，包括以下步骤：
获取变电站内目标的预处理图像，并从所述预处理图像中提取所述目标的边缘轮廓信息；
获取所述目标实时拍摄的第一监控图像和对应拍摄时的环境光照强度LJ，并根据所述边缘轮廓信息在所述第一监控图像中提取出仅包含所述目标的第二监控图像；
获取所述变电站预构建的三维实景模型和对应构建时的环境光照强度LM，并从所述三维实景模型中截取出第一模型图像，以及根据所述边缘轮廓信息在所述第一模型图像中提取出仅包含所述目标的第二模型图像；
根据所述第二模型图像、所述环境光照强度LJ和所述环境光照强度LM对所述第二监控图像进行替换处理，得到替换图像；
将所述替换图像覆盖所述第一模型图像中的所述第二模型图像，得到实景融合模型；
根据巡视位置和巡视角度展示所述实景融合模型；
所述替换图像的替换处理获取过程具体为：
获取所述第二模型图像的整体色彩表征系数CM；
获取所述第二监控图像的整体色彩表征系数CJ；
当
Figure FDA0003642354790000011
时，根据
Figure FDA0003642354790000012
的值调节所述第二监控图像的亮度，得到所述替换图像；
当
Figure FDA0003642354790000013
或
Figure FDA0003642354790000014
时，通过所述第二模型图像、所述环境光照强度LJ和所述环境光照强度LM对所述第二监控图像的各个像素进行融合处理，得到所述替换图像；
所述整体色彩表征系数CM的计算公式具体为：
Figure FDA0003642354790000015
其中，RMi表示所述第二模型图像中第i个像素的RGB颜色值中R的值，GMi表示所述第二模型图像中第i个像素的RGB颜色值中G的值，BMi表示所述第二模型图像中第i个像素的RGB颜色值中B的值，n表示所述第二模型图像中的像素总数量；
所述整体色彩表征系数CJ的计算公式具体为：
Figure FDA0003642354790000021
其中，RJi表示所述第二监控图像中第i个像素的RGB颜色值中R的值，GJi表示所述第二监控图像中第i个像素的RGB颜色值中G的值，BJi表示所述第二监控图像中第i个像素的RGB颜色值中B的值，n表示所述第二监控图像中的像素总数量；
根据
Figure FDA0003642354790000022
的值调节所述第二监控图像的亮度，具体通过以下公式实现：
Figure FDA0003642354790000023
其中，A表示调节后所述第二监控图像的亮度值，B表示调节前所述第二监控图像的亮度值；
对所述第二监控图像的各个像素进行融合处理，具体通过以下公式实现：
Figure FDA0003642354790000024
Figure FDA0003642354790000025
Figure FDA0003642354790000026
其中，RF表示所述替换图像中像素的RGB颜色值中R的值，GF表示所述替换图像中像素的RGB颜色值中G的值，BF表示所述替换图像中像素的RGB颜色值中B的值，RJ表示所述第二监控图像中像素的RGB颜色值中R的值，GJ表示所述第二监控图像中像素的RGB颜色值中G的值，BJ表示所述第二监控图像中像素的RGB颜色值中B的值，RM表示所述第二模型图像中像素的RGB颜色值中R的值，GM表示所述第二模型图像中像素的RGB颜色值中G的值，BM表示所述第二模型图像中像素的RGB颜色值中B的值，X表示在X-Y坐标系中像素在X方向上的坐标，Y表示在X-Y坐标系中像素在Y方向上的坐标。
2.根据权利要求1所述的基于局部场景更新的变电站三维实景模型巡视方法，其特征是，所述边缘轮廓信息提取过程具体为：
在所述预处理图像中标记出所述目标的边缘轮廓线；
记录构成所述边缘轮廓线的各个像素点的坐标；
集成所述各个像素点的坐标构成所述边缘轮廓信息。
3.根据权利要求2所述的基于局部场景更新的变电站三维实景模型巡视方法，其特征是，所述边缘轮廓线的标记过程具体为：
通过双边滤波器提取所述预处理图像中的边缘特征；
将相邻的所述边缘特征连接起来，得到所述目标的所述边缘轮廓线。
4.根据权利要求2所述的基于局部场景更新的变电站三维实景模型巡视方法，其特征是，所述第二监控图像的提取过程具体为：
根据所述边缘轮廓信息对所述第一监控图像中对应的像素点进行标记；
将所述第一监控图像中相邻的被标记的像素点连接起来，形成首尾相连的围合线，被所述围合线包围的区域为只包含所述目标的所述第二监控图像；
提取出所述第二监控图像。
5.根据权利要求2所述的基于局部场景更新的变电站三维实景模型巡视方法，其特征是，所述第二模型图像的提取过程具体为：
根据所述边缘轮廓信息对所述第一模型图像中对应的像素点进行标记；
将所述第一模型图像中相邻的被标记的像素点连接起来，形成收尾相连的围合线，被所述围合线包围的区域为所述第二模型图像；
提取出所述第二模型图像。
6.根据权利要求1所述的基于局部场景更新的变电站三维实景模型巡视方法，其特征是，所述预处理图像、第一监控图像的获取过程具体为：
根据预设位置信息和预设拍摄角度信息在所述变电站内布置拍摄设备；
通过所述拍摄设备至少拍摄一次所述目标得到所述预处理图像；
通过所述拍摄设备实时拍摄所述目标得到所述第一监控图像。
CN202011493006.9A 2020-12-17 2020-12-17 基于局部场景更新的变电站三维实景模型巡视方法 Active CN112465959B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011493006.9A CN112465959B (zh) 2020-12-17 2020-12-17 基于局部场景更新的变电站三维实景模型巡视方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011493006.9A CN112465959B (zh) 2020-12-17 2020-12-17 基于局部场景更新的变电站三维实景模型巡视方法

Publications (2)

Publication Number Publication Date
CN112465959A CN112465959A (zh) 2021-03-09
CN112465959B true CN112465959B (zh) 2022-07-01

Family

ID=74803089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011493006.9A Active CN112465959B (zh) 2020-12-17 2020-12-17 基于局部场景更新的变电站三维实景模型巡视方法

Country Status (1)

Country Link
CN (1) CN112465959B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387558B (zh) * 2022-03-24 2022-06-21 成都诺比侃科技有限公司 一种基于多维视频的变电站监控方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5680333A (en) * 1995-09-28 1997-10-21 E. I. Du Pont De Nemours And Company Predictive simulation of heather fabric appearance
CN105357490A (zh) * 2015-12-01 2016-02-24 国家电网公司 基于变电站实景三维模型的视觉监控目标跟踪方法及系统
CN109102566A (zh) * 2018-08-29 2018-12-28 郑州祥和电力设计有限公司 一种变电站的室内外实景重建方法及其装置
CN109856643A (zh) * 2018-12-15 2019-06-07 国网福建省电力有限公司检修分公司 基于3d激光的可移动式无感全景感知方法
CN110266268A (zh) * 2019-06-26 2019-09-20 武汉理工大学 一种基于图像融合识别的光伏组件故障检测方法
CN110428501A (zh) * 2019-08-01 2019-11-08 北京优艺康光学技术有限公司 全景影像生成方法、装置、电子设备及可读存储介质
WO2020034963A1 (zh) * 2018-08-15 2020-02-20 杭州萤石软件有限公司 一种充电设备识别方法、移动机器人和充电设备识别系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108645354B (zh) * 2018-07-06 2019-10-18 四川大学 高反光对象表面的结构光三维成像方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5680333A (en) * 1995-09-28 1997-10-21 E. I. Du Pont De Nemours And Company Predictive simulation of heather fabric appearance
CN105357490A (zh) * 2015-12-01 2016-02-24 国家电网公司 基于变电站实景三维模型的视觉监控目标跟踪方法及系统
WO2020034963A1 (zh) * 2018-08-15 2020-02-20 杭州萤石软件有限公司 一种充电设备识别方法、移动机器人和充电设备识别系统
CN109102566A (zh) * 2018-08-29 2018-12-28 郑州祥和电力设计有限公司 一种变电站的室内外实景重建方法及其装置
CN109856643A (zh) * 2018-12-15 2019-06-07 国网福建省电力有限公司检修分公司 基于3d激光的可移动式无感全景感知方法
CN110266268A (zh) * 2019-06-26 2019-09-20 武汉理工大学 一种基于图像融合识别的光伏组件故障检测方法
CN110428501A (zh) * 2019-08-01 2019-11-08 北京优艺康光学技术有限公司 全景影像生成方法、装置、电子设备及可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Principal Component Analysis Fusion Method on Infrared Multi-Light-Intensity Finger Vein Images;Chen, LK 等;《2014 NINTH INTERNATIONAL CONFERENCE ON BROADBAND AND WIRELESS COMPUTING, COMMUNICATION AND APPLICATIONS (BWCCA)》;20141110;第281-286页 *
基于变电站三维实景的机器人特巡平台;叶海峰等;《科技创新导报》;20180101(第01期);第82-83页 *
基于图像与几何混合的纺织品真实感绘制;张明敏等;《中国科学（F辑:信息科学）》;20090115;第39卷(第01期);第125-133页 *

Also Published As

Publication number Publication date
CN112465959A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN112633535A (zh) 一种基于无人机图像的光伏电站智能巡检方法及系统
CN101916175B (zh) 自适应于投影表面的智能投影方法
CN106657906A (zh) 具有自适应场景虚拟现实功能的信息设备监控系统
CN110765528A (zh) 一种基于虚拟仿真技术的三维重构变电站实现方法
CN112258491A (zh) 一种电力设备缺陷三维模拟方法
CN111275759A (zh) 基于无人机双光影像融合的变电站刀闸温度检测方法
CN112396999B (zh) 异常显示块检测方法、显示屏故障检测方法及其设备
CN104639923A (zh) 一种对图像数据进行处理的方法、装置和终端
CN106534817B (zh) 基于图像识别的曲面投影自动几何校正方法
CN110290350A (zh) 一种巡检机器人的实时状态监控方法、系统和存储介质
CN109598772B (zh) 基于架空输电线路单一缺陷自动标注图片数据源扩充方法
CN112669485B (zh) 基于物联网的电力作业现场实景沉浸式巡视系统
CN104618691A (zh) 一种全景亮度平衡调节系统及调节方法
CN112465959B (zh) 基于局部场景更新的变电站三维实景模型巡视方法
CN110032148A (zh) 用于电厂管理的系统和用于建立电厂的3d虚拟模型的设备
CN105787920A (zh) 球幕标定方法、标定系统及控制设备
CN111241615A (zh) 一种高度真实感的变电站多源融合三维建模方法
CN112446939A (zh) 三维模型动态渲染方法、装置、电子设备及存储介质
CN112598778B (zh) 一种基于改进的纹理贴图算法的vr三维重建方法
CN111710032B (zh) 变电站三维模型的构建方法、装置、设备和介质
CN113031462A (zh) 无人机用港机巡检航线规划系统及方法
CN109816643A (zh) 一种基于线路缺陷识别的树线距离智能分析方法
CN104516482A (zh) 一种无影投影系统及方法
CN111083368A (zh) 一种基于云端的模拟物理云台全景视频展示系统
CN113627005A (zh) 一种智能视觉监控方法

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