CN112950504A - 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 - Google Patents

一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 Download PDF

Info

Publication number
CN112950504A
CN112950504A CN202110229527.1A CN202110229527A CN112950504A CN 112950504 A CN112950504 A CN 112950504A CN 202110229527 A CN202110229527 A CN 202110229527A CN 112950504 A CN112950504 A CN 112950504A
Authority
CN
China
Prior art keywords
transmission line
perspective
haze weather
image
monocular
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
CN202110229527.1A
Other languages
English (en)
Inventor
李巨宁
刘强
冯鑫
黄振宁
孙晓斌
杨波
李程启
焦之明
巩方波
纪洪伟
陈杰
苏政
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 Shandong Electric Power Co Ltd
Intelligent Electrical Branch of Shandong Luneng Software Technology Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Intelligent Electrical Branch of Shandong Luneng Software Technology 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 Shandong Electric Power Co Ltd, Intelligent Electrical Branch of Shandong Luneng Software Technology Co Ltd filed Critical Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN202110229527.1A priority Critical patent/CN112950504A/zh
Publication of CN112950504A publication Critical patent/CN112950504A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种输电线路巡检雾霾天气单目隐患物体测距方法及系统，获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；对去雾图像进行图像识别，确定外破源的坐标值；在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。本发明在雾霾天气可视化巡检时，可以判断隐患源距离。

Description

一种输电线路巡检雾霾天气单目隐患物体测距方法及系统
技术领域
本发明属于输电线路巡检技术领域，涉及一种输电线路巡检雾霾天气单目隐患物体测距方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
输电线路巡检系统在不良天气下的巡检质量越来越受用户关注，比如雨雪天气、雾霾天气等，这种低可见度的天气情况对于巡检系统的识别精度和准确率造成了严重影响。
要实现目标物的距离测算需要使用双目摄像头，但对于输电线路巡检系统而言，基于成本考虑，不会大面积覆盖安装双目摄像头，大多数地方使用单目摄像头，但是仅使用单目摄像头难以进行距离测算，无法保证测算的准确性。
发明内容
本发明为了解决上述问题，提出了一种输电线路巡检雾霾天气单目隐患物体测距方法及系统，本发明解决了输电线路单目巡检装置雾霾天测算外破源与杆塔距离的问题，实现了雾霾天巡检时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了输电巡检系统在特殊天气的巡检质量。
根据一些实施例，本发明采用如下技术方案：
一种输电线路巡检雾霾天气单目隐患物体测距方法，包括以下步骤：
获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；
将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；
基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；
对去雾图像进行图像识别，确定外破源的坐标值；
在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；
判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。
作为可选择的实施方式，获取雾霾天气下采集的输电线路巡检图像的具体过程包括：单目摄像头，在雾霾天气进行拍照，得到原图像。
作为可选择的实施方式，利用预设的引导图对对透视率图进行滤波的具体过程包括：利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，得到优化的透视率图。
作为可选择的实施方式，对去雾图像进行图像识别的具体过程包括：利用训练好的YOLOv3模型识别预定类型的外破隐患源：将去雾图输入到模型中进行分析，得到若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是外破源的左上角和右下角坐标，将一组(x1,y1)(x2,y2)记作C，得到外破源的坐标数组。
作为可选择的实施方式，根据外破源坐标值，进行位置关联的过程包括：根据外破源坐标，截取透视率二维矩阵，对于每个透视率矩阵，以设定大小的方格取均值，形成透视率均值矩阵。
作为可选择的实施方式，判断距离点图中是否有低于设定阈值的距离点的过程包括：根据透视率均值矩阵中每个透视率值，计算出距离，形成距离点值表，对每个透视率矩阵都做类似处理，可以得到数个距离点值表，遍历每个距离点值表中的元素值，判断其中是否有距离点低于设定的阈值。
一种输电线路巡检雾霾天气单目隐患物体测距系统，包括：
图像采集模块，被配置为获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；
去雾模块，被配置为将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；
优化模块，被配置为基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；
位置关联模块，被配置为对去雾图像进行图像识别，确定外破源的坐标值，在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；
判断模块，被配置为判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
与现有技术相比，本发明的有益效果为：
本发明创新性提出单目摄像头雾霾天气隐患物体距离测算方法，使用暗通道先验技术与人工智能识别技术相结合、对雾霾天气采集的图像进行处理、转换和提取，测算出目标物的距离，解决了输电线路单目巡检装置雾霾天测算外破源与杆塔距离的问题，实现了雾霾天巡检时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了输电巡检系统在特殊天气的巡检质量，提高了用户满意度，降低了巡检装置的成本。
本发明使机器人或其他巡检设备在雾霾天气可视化巡检时，可以判断隐患源距离，而且仅仅基于单目图像即可实现，硬件成本低，效果好；可以适用于雾大、雾小的各种情况，适用性好。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本实施例的流程示意图；
图2是本实施例的距离点值表示意图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种单目摄像头雾霾天气隐患物体距离测算方法，使用暗通道先验技术与人工智能识别技术相结合、对雾霾天气采集的图像进行处理、转换和提取，测算出目标物的距离，解决了输电线路单目巡检装置雾霾天测算外破源与杆塔距离的问题，实现了雾霾天巡检时自动识别隐患源并测算隐患源距离，提高了输电巡检的自动化程度，提高了输电巡检系统在特殊天气的巡检质量，提高了用户满意度，降低了巡检装置的成本。
本实施例使用人工智能识别定位透视率图中的隐患目标位置。技术优势：人工智能识别技术可以准确地定位隐患目标，并对隐患目标进行透视率矩阵解析。
对找到的目标透视率矩阵进行距离测量。距离杆塔近的外破源，由于距离近，透视率就低；反之，距离杆塔远的外破源，由于距离远，透视率就高；因此，根据透视率可以推测出外破源距离杆塔的距离。
具体的，如图1所示，包括以下步骤：
1、利用单目摄像头，在雾霾天气进行拍照，得到原图像；
2、将原图像，使用暗通道先验去雾算法进行去雾，得到暗通道图(过程中产生)、原始透视率图和去雾图像；
具体包括：
根据《Single Image Haze Removal Using Dark Channel Prior》实现去雾和生成透视率图；
暗通道的定义：
Figure BDA0002958495650000061
即取某窗口内RGB值的最小值，作为对应暗通道像素值；窗口是指长宽都为S的矩形；简单来说，暗通道值就是窗口中所有像素部位RGB最小值。
其中，Jdark(x)是指暗通道像素值，值范围是[0,255]，c指通道，可能是R、G或B通道，Jc(y)指图像某一通道像素值，值范围[0,255]。Ω(x)指图中一个中心位于x点的一个窗口，这个窗口中心位于x点，长和宽都是定值(一般为奇数)；y∈Ω(x)指，y点位于窗口内；min(y∈Ω(x))是指，取这个窗口内，某点y处像素值最小值；c∈(r,g,b)指红、绿、蓝中任意一个通道；min(c∈(r,g,b))是指从红、绿、蓝任意通道中取最小值。
暗通道先验是指：除去天空部分的无雾图像的暗通道图中，总会存在暗通道值很接近于0的情况；而有雾图像就很少存在这种情况。
被广泛使用的生成有雾图像公式为
I(x)＝J(x)t(x)+A(1-t(x)) (1)
其中I(x)是有雾图，J(x)是原图，t(x)是透视率，A是全局大气光值。
由这个公式可以推出，J(x)＝I(x)-A(1-t(x))/t(x)，但其中t(x)和A未知，所以接下来要推出这两者的值。
求透视率图t(x)：
首先假设A已知，且局部Ω(x)的透视率是个定值。
式(1)可变为：
Figure BDA0002958495650000071
IC(y)指无雾图某通道(R、G或B)像素值；
Figure BDA0002958495650000072
指无雾图像中某窗口，某通道像素值最小值，
Figure BDA0002958495650000073
指某窗口透视率的估值；
Figure BDA0002958495650000074
指有雾图像中某窗口，某通道像素值最小值，Ac指某通道的全局大气光值。
两边同除以Ac得：
Figure BDA0002958495650000081
对于上式，同时取3个通道的最小值，得：
Figure BDA0002958495650000082
根据暗通道先验算法，无雾图的暗通道最小值趋近于0，即：
Figure BDA0002958495650000083
可推算出，近似的透射率：
Figure BDA0002958495650000084
实际中，不会出现绝对无雾的情况，所以加入经验值ω，上式变成：
Figure BDA0002958495650000085
预估全局大气光值A
取暗通道图中前0.1％高亮点，找到这些点对应原图中的亮点，取原图中最亮点值作为A值。
对透视率图优化：步骤(6)中算出的透视率图，十分地粗糙，在物体边缘处有很多矩形，十分影响去雾效果；利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，可得到边缘保持性很好的透视率图，称为优化的透视率图；
导向滤波公式推导：
导向滤波的一个重要假设是输出图像q和引导图像I在滤波窗口wk上存在局部线性关系，关系用下式表示，以描述每个像素点从I到q的映射：
Figure BDA0002958495650000091
经推导，转换系数可表示为：
其中：
Figure BDA0002958495650000092
上式中，wk是一个半径为r的窗口，k：i∈wk，|ω|指窗口中的像素点个数，窗口wk对应的转换系数ak和bk为：
Figure BDA0002958495650000093
Figure BDA0002958495650000094
Ii指引导图像窗口中的点，pi指输入图像窗口中的点，μk指引导图像窗口点值的均值，ε为正则化参数，
Figure BDA0002958495650000095
为引导图像在窗口点值的方差，
Figure BDA0002958495650000096
为输入图中窗口wk像素均值，这样由步骤(4)推出的去雾图公式为：
Figure BDA0002958495650000097
其中J(x)是原图，I(x)是有雾图，t(x)是优化后的透视率，t0是人工设定的透视率上限经验值，A是全局大气光值。
利用步骤(6)中的A值、步骤(7)中的t(x)值以及步骤(8)中的公式，对有雾图做处理，可得到优化后的透射率图和去雾图。
3、对去雾图像进行人工智能图像识别，这里我们采用的是已在Tensorflow上训练好的YOLOv3模型，此模型可以识别出特定类型的外破隐患源；将去雾图输入到模型中进行分析，模型会输出若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是外破源的左上角和右下角坐标，将一组(x1,y1)(x2,y2)记作C，这样就得到外破源的坐标数组C1、C2...CN；
4、在优化的透视率图上，根据外破源坐标C1、C2...CN，截取(类似于截图操作)出透视率二维矩阵T1、T2...TN；
5、透视率矩阵T1、T2...TN，对于每个T，以8x8方格取均值(减小运算量)，形成新的透视率均值矩阵T_avg，用T_avg中的每个透视率值算出距离，形成距离点值表DM；对每个透视率矩阵都做类似处理，可以得到数个距离点值表，如图2所示。
6、遍历每个距离点值表DM中的元素值，判断其中是否有距离点低于设定的阈值，有则报警，无则退出。
本发明还提供以下产品实施例：
一种输电线路巡检雾霾天气单目隐患物体测距系统，包括：
图像采集模块，被配置为获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；
去雾模块，被配置为将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；
优化模块，被配置为基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；
位置关联模块，被配置为对去雾图像进行图像识别，确定外破源的坐标值，在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；
判断模块，被配置为判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：包括以下步骤：
获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；
将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；
基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；
对去雾图像进行图像识别，确定外破源的坐标值；
在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；
判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。
2.如权利要求1所述的一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：获取雾霾天气下采集的输电线路巡检图像的具体过程包括：单目摄像头，在雾霾天气进行拍照，得到原图像。
3.如权利要求1所述的一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：利用预设的引导图对对透视率图进行滤波的具体过程包括：利用导向滤波技术，使用任意R/G/B图作为引导图对透视率图进行滤波，得到优化的透视率图。
4.如权利要求1所述的一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：对去雾图像进行图像识别的具体过程包括：利用训练好的YOLOv3模型识别预定类型的外破隐患源：将去雾图输入到模型中进行分析，得到若干组[类型，置信度，x1，y1，x2，y2]结果，其中(x1,y1)和(x2,y2)是外破源的左上角和右下角坐标，将一组(x1,y1)和(x2,y2)记作外破源的坐标数组。
5.如权利要求1所述的一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：根据外破源坐标值，进行位置关联的过程包括：根据外破源坐标，截取透视率二维矩阵，对于每个透视率矩阵，以设定大小的方格取均值，形成透视率均值矩阵。
6.如权利要求1所述的一种输电线路巡检雾霾天气单目隐患物体测距方法，其特征是：判断距离点图中是否有低于设定阈值的距离点的过程包括：根据透视率均值矩阵中每个透视率值，计算出距离，形成距离点值表，对每个透视率矩阵都做类似处理，可以得到数个距离点值表，遍历每个距离点值表中的元素值，判断其中是否有距离点低于设定的阈值。
7.一种输电线路巡检雾霾天气单目隐患物体测距系统，其特征是：包括：
图像采集模块，被配置为获取雾霾天气下采集的输电线路巡检图像，作为待处理的原图像；
去雾模块，被配置为将原图像，使用暗通道先验去雾算法进行去雾，得到去雾图像；
优化模块，被配置为基于所述去雾图像，计算透射率，确定透视率图，利用预设的引导图对对透视率图进行滤波，得到优化后的透视率图；
位置关联模块，被配置为对去雾图像进行图像识别，确定外破源的坐标值，在优化后的透视率图，根据外破源坐标值，进行位置关联，得到距离点图；
判断模块，被配置为判断距离点图中是否有低于设定阈值的距离点，如果有则进行报警。
8.如权利要求7所述的一种输电线路巡检雾霾天气单目隐患物体测距系统，其特征是：所述图像采集模块为单目摄像头。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-6中任一项所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-6中任一项所述的一种输电线路巡检雾霾天气单目隐患物体测距方法。
CN202110229527.1A 2021-03-02 2021-03-02 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 Pending CN112950504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110229527.1A CN112950504A (zh) 2021-03-02 2021-03-02 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110229527.1A CN112950504A (zh) 2021-03-02 2021-03-02 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统

Publications (1)

Publication Number Publication Date
CN112950504A true CN112950504A (zh) 2021-06-11

Family

ID=76247114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110229527.1A Pending CN112950504A (zh) 2021-03-02 2021-03-02 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统

Country Status (1)

Country Link
CN (1) CN112950504A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609921A (zh) * 2021-07-13 2021-11-05 衢州光明电力投资集团有限公司 一种预警方法和系统
CN113781388A (zh) * 2021-07-20 2021-12-10 许继集团有限公司 基于图像增强的输电线路通道隐患图像识别方法及装置
CN114389356A (zh) * 2021-12-10 2022-04-22 国网山东省电力公司超高压公司 一种输电线路隐患高发区域确定方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102589515A (zh) * 2012-01-12 2012-07-18 安科智慧城市技术（中国）有限公司 一种雾天距离测量方法及装置、距离预警方法及装置
CN104713526A (zh) * 2015-04-01 2015-06-17 无锡桑尼安科技有限公司 输电线路上异物种类检测方法
CN108629750A (zh) * 2018-05-03 2018-10-09 明见（厦门）技术有限公司 一种夜间去雾方法、终端设备及存储介质
CN109284739A (zh) * 2018-10-26 2019-01-29 福州大学 一种基于深度学习的输电线路防外力破坏预警方法及系统
US20190114747A1 (en) * 2016-04-07 2019-04-18 Carmel Haifa University Economic Corporation Ltd. Image dehazing and restoration
CN110310241A (zh) * 2019-06-26 2019-10-08 长安大学 一种融合深度区域分割的多大气光值交通图像去雾方法
CN110490121A (zh) * 2019-08-14 2019-11-22 北京国网信通埃森哲信息技术有限公司 一种基于多监拍图像识别的输电线路防外破方法及系统
CN111667433A (zh) * 2020-06-09 2020-09-15 中国电子科技集团公司第五十四研究所 一种基于简单线性迭代聚类优化的无人机图像去雾方法
CN112419231A (zh) * 2020-10-15 2021-02-26 上海眼控科技股份有限公司 能见度确定方法、装置、计算机设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102589515A (zh) * 2012-01-12 2012-07-18 安科智慧城市技术（中国）有限公司 一种雾天距离测量方法及装置、距离预警方法及装置
CN104713526A (zh) * 2015-04-01 2015-06-17 无锡桑尼安科技有限公司 输电线路上异物种类检测方法
US20190114747A1 (en) * 2016-04-07 2019-04-18 Carmel Haifa University Economic Corporation Ltd. Image dehazing and restoration
CN108629750A (zh) * 2018-05-03 2018-10-09 明见（厦门）技术有限公司 一种夜间去雾方法、终端设备及存储介质
CN109284739A (zh) * 2018-10-26 2019-01-29 福州大学 一种基于深度学习的输电线路防外力破坏预警方法及系统
CN110310241A (zh) * 2019-06-26 2019-10-08 长安大学 一种融合深度区域分割的多大气光值交通图像去雾方法
CN110490121A (zh) * 2019-08-14 2019-11-22 北京国网信通埃森哲信息技术有限公司 一种基于多监拍图像识别的输电线路防外破方法及系统
CN111667433A (zh) * 2020-06-09 2020-09-15 中国电子科技集团公司第五十四研究所 一种基于简单线性迭代聚类优化的无人机图像去雾方法
CN112419231A (zh) * 2020-10-15 2021-02-26 上海眼控科技股份有限公司 能见度确定方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHANG F ET AL.: "《Automatic diagnosis system of transmission line abnormalities and defects based on UAV》", 《2016 4TH INTERNATIONAL CONFERENCE ON APPLIED ROBOTICS FOR THE POWER INDUSTRY (CARPI)》 *
蔡成涛: "《海洋浮标目标探测技术》", 30 November 2019 *
陈怡: "《智能视频预警系统在输电线路防外破中的应用》", 《中国高新技术企业》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609921A (zh) * 2021-07-13 2021-11-05 衢州光明电力投资集团有限公司 一种预警方法和系统
CN113781388A (zh) * 2021-07-20 2021-12-10 许继集团有限公司 基于图像增强的输电线路通道隐患图像识别方法及装置
CN114389356A (zh) * 2021-12-10 2022-04-22 国网山东省电力公司超高压公司 一种输电线路隐患高发区域确定方法

Similar Documents

Publication Publication Date Title
CN112950504A (zh) 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统
CN106548463B (zh) 基于暗通道与Retinex的海雾图像自动去雾方法及系统
CN109308447A (zh) 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN106709901B (zh) 基于深度先验的模拟雾图生成方法
CN105740856A (zh) 一种基于机器视觉的指针式仪表示数读取方法
CN107347151A (zh) 双目摄像头遮挡检测方法及装置
CN103389042A (zh) 基于深度图像的地面自动检测以及场景高度计算的方法
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
CN110910445B (zh) 一种物件尺寸检测方法、装置、检测设备及存储介质
CN117611578B (zh) 一种图像处理方法及图像处理系统
CN115631116B (zh) 基于双目视觉的飞行器电力巡检系统
CN110763306A (zh) 一种基于单目视觉的液位测量系统及方法
CN113327255A (zh) 基于YOLOv3检测定位裁剪及fine-tune的输电线路巡检图像处理方法
CN118154687B (zh) 基于单目视觉的送餐机器人目标定位与避障方法及系统
CN103500457A (zh) 一种视频图像偏色检测的方法
CN115108466A (zh) 一种集装箱吊具智能定位的方法
CN113888420A (zh) 一种基于修正模型的水下图像复原方法、设备及存储介质
CN112950565A (zh) 一种数据中心漏水检测与定位的方法、设备和数据中心
CN110322508B (zh) 一种基于计算机视觉的辅助定位方法
CN111079530A (zh) 一种成熟草莓识别的方法
CN111539329B (zh) 一种自适应的变电站指针仪表识别方法
CN115641607A (zh) 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质
CN112598777B (zh) 一种基于暗通道先验的雾霾融合方法
WO2020244558A1 (en) Method for identifying aircraft door, apparatus, electronic device and storage medium
CN110986891B (zh) 一种利用无人机准确快速测量树木冠幅的系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210611