CN113465522A - 一种基于点云的输电通道内隐患测距的方法 - Google Patents
一种基于点云的输电通道内隐患测距的方法 Download PDFInfo
- Publication number
- CN113465522A CN113465522A CN202110638339.4A CN202110638339A CN113465522A CN 113465522 A CN113465522 A CN 113465522A CN 202110638339 A CN202110638339 A CN 202110638339A CN 113465522 A CN113465522 A CN 113465522A
- Authority
- CN
- China
- Prior art keywords
- dimensional coordinate
- points
- power transmission
- hidden danger
- transmission channel
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000009432 framing Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 8
- 239000004020 conductor Substances 0.000 claims description 6
- 125000006850 spacer group Chemical group 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
基于点云的输电通道内隐患测距的方法包括：分别选取输电通道图像中位于地面、左侧导线和右侧导线的若干点并记录下其在输电通道图像的像素坐标系中的二维坐标值与三维坐标值一一对应；将二维坐标值和三维坐标值按照彼此对应的点建立一一映射关系；使用基于深度学习的目标检测模型识别输电通道图像中的隐患，并框选出所述隐患，同时得到隐患在像素坐标系中的像素高度和二维坐标值；根据隐患在像素坐标系中的二维坐标值和像素高度，计算其在点云数据中的三维坐标值和高度值，进而求出隐患与导线的距离。本方法结合了三维点云数据，准确定位隐患位置，拥有更高的精度。
Description
技术领域
本发明公开一种基于点云的输电通道内隐患测距的方法，属于高压输电线路智能运检的技术领域。
背景技术
近些年来，随着我国经济的发展，为了保障居民生活和工业生产用电，输电网络密度有了显著的增加。由于输电线路不可避免要经过城镇边缘，而在这些地区往往会存在施工行为，活动在输电通道内的机械隐患和烟火隐患极大地威胁着输电安全。这些隐患不仅威胁到输电线路的正常运行，而且可能损坏导线和或铁架塔造成停电和起火，造成严重经济损失，甚至导致人员伤亡事件的发生。
得益于近几年深度学习技术的发展，人工智能正逐渐替代低效的人力巡检成为输电通道隐患排查的主要手段。然而现有技术仅仅可以在图像中识别隐患而不能评估风险等级，其中，通过隐患与导线之间距离来判断所述风险等级是主要的技术手段。传统的基于图像判别的方法存在着标定繁琐，误差较大的缺点。因此，提供一种准确且高效的隐患与导线距离的测量方法成为了本领域从业人员亟需解决的技术问题之一。
发明内容
针对现有的问题，本发明公开一种基于点云的输电通道内隐患测距的方法。本发明通过现场采集的图像数据、识别到的隐患信息，再根据输电通道点云数据计算出所述隐患与导线之间的实际距离。
本发明详细的技术方案如下：
一种基于点云的输电通道内隐患测距的方法，其特征在于，包括：
a：分别选取输电通道图像中位于地面、左侧导线和右侧导线的若干点并记录下其在输电通道图像的像素坐标系中的二维坐标值；在点云数据中找到所述点对应的三维坐标系中的三维坐标值，所述每个点的二维坐标值与三维坐标值一一对应；所述像素坐标系是指，以输电通道图像为像素坐标系空间，以输电通道图像的左上角端点为像素标系的原点；所述点云数据对应的坐标值组成了三维坐标系；其中，使用架设于杆塔的监控摄像头拍摄输电通道的图像，并通过移动互联网传输到存储服务器中；
b：将步骤a中的二维坐标值和三维坐标值按照彼此对应的点建立一一映射关系；
c：使用基于深度学习的目标检测模型识别输电通道图像中的隐患，并框选出所述隐患，同时得到隐患在像素坐标系中的像素高度和二维坐标值；其中针对隐患的识别算法并不是本发明所要保护的内容；
d：根据隐患在像素坐标系中的二维坐标值和像素高度，计算其在点云数据中的三维坐标值和高度值，进而求出隐患与导线的距离。
根据本发明优选的，所述步骤a的详细步骤包括：
a1：在输电通道图像中寻找位于地面的若干点，包括但不限于杆塔或建筑物与地面的接触点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a2：在输电通道图像中寻找位于左侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；在输电通道图像中寻找位于右侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a3：在点云数据中找到与上述若干点对应的三维坐标值。
根据本发明优选的，所述步骤b的详细步骤如下：
b1：将点云数据中选取的若干点的三维坐标值降维至XOY平面中，并同输电通道图像中选取点的二维坐标值，分别转化为齐次坐标；
b2：使用最小二乘法计算地面上从输电通道图像中二维坐标值到点云数据XOY平面的坐标值单应性矩阵Hg，其中：
公式(I)中，所述s为尺度因子，M为用于采集输电通道图像的相机内参矩阵，fx，fy，γ，分别为：x方向的焦距、y方向的焦距和畸变因子，u0和v0为输电通道图像的几何中心点在像素坐标系中的二维坐标值，r1和r2分别为相机位姿中旋转矩阵的两个向量，t为相机位姿中平移向量；
b3：使用与步骤b1-b2相同的方法计算左侧导线和右侧导线图像到点云数据的单应性矩阵，分别记为Hl和Hr。
根据本发明优选的，所述步骤e的详细步骤如下：
e1：选取隐患底部中点的二维坐标值(x1,y1)并转换为齐次坐标形式(x1,y1,1)：；
e2：利用单应性矩阵Hg计算隐患顶部中心点在点云数据中的X和Y坐标，如下式所示，其中(x1,y1,1)是图像中二维坐标值的齐次坐标形式，(X1,Y1,1)是其在点云数据中的X和Y坐标，s为比例因子，以地面点云Z坐标的均值作为隐患在点云中的Z坐标；
e3：判断与隐患最近的导线，将所述隐患顶部中心点投影至所述导线所在YOZ平面，根据单应性矩阵Hl或Hr计算出所述隐患顶部中心点(y2,z2)在点云数据中对应点(Y2,Z2)，并据此计算出隐患的实际高度；设该隐患投影到左侧导线，则此时单应性矩阵使用Hl，图像中隐患顶部中心点投影到YOZ平面后的其次坐标为(y2,z2,1)，点云中YOZ平面内的坐标为(Y2,Z2)，s为比例因子，则隐患高度为Z2-Z1
e4：根据隐患的在点云中的顶部坐标(X1,Y1,Z2)计算与导线的最短欧氏距离距离。
本发明具有以下有益技术效果：
本发明所述方法能够根据输电通道图像及其中的隐患信息和三维点云数据推断出隐患与导线的实际距离。相比于其他距离估计方法仅仅依靠图像信息推断隐患与导线的距离，本方法结合了三维点云数据，能够准确定位隐患位置，拥有更高的精度；本方法只需使用单目相机的一副图像即可推断隐患与导线的距离，相比双目相机方案实施更便捷，更经济。
说明书附图
图1是本发明实施例中获取的输电通道隐患的原始图像；
图2是本发明实施例中采用本方法后得到的测距效果图。
具体实施方式
下面结合实施例和附图对本发明做进一步说明，但不限于此。
实施例
一种基于点云的输电通道内隐患测距的方法，包括：
a：分别选取输电通道图像中位于地面、左侧导线和右侧导线的若干点并记录下其在输电通道图像的像素坐标系中的二维坐标值；在点云数据中找到所述点对应的三维坐标系中的三维坐标值，所述每个点的二维坐标值与三维坐标值一一对应；
b：将步骤a中的二维坐标值和三维坐标值按照彼此对应的点建立一一映射关系；
c：使用基于深度学习的目标检测模型识别输电通道图像中的隐患，并框选出所述隐患，同时得到隐患在像素坐标系中的像素高度和二维坐标值；
d：根据隐患在像素坐标系中的二维坐标值和像素高度，计算其在点云数据中的三维坐标值和高度值，进而求出隐患与导线的距离。
所述步骤a的详细步骤包括：
a1：在输电通道图像中寻找位于地面的若干点，包括但不限于杆塔或建筑物与地面的接触点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a2：在输电通道图像中寻找位于左侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；在输电通道图像中寻找位于右侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a3：在点云数据中找到与上述若干点对应的三维坐标值。
所述步骤b的详细步骤如下：
b1：将点云数据中选取的若干点的三维坐标值降维至XOY平面中，并同输电通道图像中选取点的二维坐标值，分别转化为齐次坐标；
b2：使用最小二乘法计算地面上从输电通道图像中二维坐标值到点云数据XOY平面的坐标值单应性矩阵Hg，其中：
公式(I)中，所述s为尺度因子，M为用于采集输电通道图像的相机内参矩阵，fx，fy，γ，分别为：x方向的焦距、y方向的焦距和畸变因子，u0和v0为输电通道图像的几何中心点在像素坐标系中的二维坐标值，r1和r2分别为相机位姿中旋转矩阵的两个向量，t为相机位姿中平移向量；
b3：使用与步骤b1-b2相同的方法计算左侧导线和右侧导线图像到点云数据的单应性矩阵，分别记为Hl和Hr。
所述步骤e的详细步骤如下：
e1：选取隐患底部中点的二维坐标值(x1,y1)并转换为齐次坐标形式(x1,y1,1)：；
e2：利用单应性矩阵Hg计算隐患顶部中心点在点云数据中的X和Y坐标，如下式所示，其中(x1,y1,1)是图像中二维坐标值的齐次坐标形式，(X1,Y1,1)是其在点云数据中的X和Y坐标，s为比例因子，以地面点云Z坐标的均值作为隐患在点云中的Z坐标；
e3：判断与隐患最近的导线，将所述隐患顶部中心点投影至所述导线所在YOZ平面，根据单应性矩阵Hl或Hr计算出所述隐患顶部中心点(y2,z2)在点云数据中对应点(Y2,Z2)，并据此计算出隐患的实际高度；设该隐患投影到左侧导线，则此时单应性矩阵使用Hl，图像中隐患顶部中心点投影到YOZ平面后的其次坐标为(y2,z2,1)，点云中YOZ平面内的坐标为(Y2,Z2)，s为比例因子，则隐患高度为Z2-Z1
e4：根据隐患的在点云中的顶部坐标(X1,Y1,Z2)计算与导线的最短欧氏距离距离。
应用例、
下面结合本发明实施例所述的方法，对某地输电通道图像中存在的隐患与导线进行测距，具体包括：
1)在输电通道图像中寻找位于地面的若干点并记录下它们的二维坐标值；
在输电通道图像中寻找位于左侧导线、右侧导线上的若干点并记录下它们的二维坐标值；
在点云数据中找到与上述地面、左侧导线和右侧导线对应的若干点，并记录其三维坐标值，如表1所示。
表1：输电通道图像中若干点的二维坐标值和三维坐标值的对应关系表
2)将点云数据中选取的若干点的三维坐标值降维至XOY平面中，并同图像中选取点的二维坐标值分别转化为齐次坐标形式；
3)使用最小二乘法计算地面上从输电通道图像中二维坐标值到点云数据XOY平面的坐标值单应性矩阵Hg，其中：
公式(I)中，所述s为尺度因子，M为用于采集输电通道图像的相机内参矩阵，fx，fy，γ，分别为：x方向的焦距、y方向的焦距和畸变因子，u0和v0为输电通道图像的几何中心点在像素坐标系中的二维坐标值，r1和r2分别为相机位姿中旋转矩阵的两个向量，t为相机位姿中平移向量；使用相同的方法计算左侧导线和右侧导线从图像到点云的单应性矩阵，分别记为Hl和Hr；
4)使用基于深度学习的目标检测模型识别图像中的隐患，得到隐患在图像中的高度和位置信息：如附图1所示隐患左上角和右下角坐标分别为(434,1531)和(785,1667)；
5)选取隐患底部中点的二维坐标值(609,1667)并转换为齐次坐标形式(609,1667,1)；
6)利用单应性矩阵Hg计算隐患在点云中的X和Y坐标，根据地面点云数据Z坐标的均值29.741，得到隐患在地面的坐标为(-12.288,118.251,29.741)；
7)判断与隐患最近的导线，如附图1所示左侧导线与隐患最近，将隐患顶部重点投影至附图1中左侧导线所在YOZ平面，根据单应性矩阵Hl或Hr计算出隐患顶部中点在点云数据中的坐标，并据此计算出隐患的高度为4.44米；
8)根据隐患高度计算顶部中点的坐标为(-12.288,118.251,34.181)，并计算该点与导线点云的最短距离，得到最终结果为19.27米，如附图2所示。
Claims (4)
1.一种基于点云的输电通道内隐患测距的方法，其特征在于，包括：
a：分别选取输电通道图像中位于地面、左侧导线和右侧导线的若干点并记录下其在输电通道图像的像素坐标系中的二维坐标值；在点云数据中找到所述点对应的三维坐标系中的三维坐标值，所述每个点的二维坐标值与三维坐标值一一对应；
b：将步骤a中的二维坐标值和三维坐标值按照彼此对应的点建立一一映射关系；
c：使用基于深度学习的目标检测模型识别输电通道图像中的隐患，并框选出所述隐患，同时得到隐患在像素坐标系中的像素高度和二维坐标值；
d：根据隐患在像素坐标系中的二维坐标值和像素高度，计算其在点云数据中的三维坐标值和高度值，进而求出隐患与导线的距离。
2.根据权利要求1所述的一种基于点云的输电通道内隐患测距的方法，其特征在于，所述步骤a的详细步骤包括：
a1：在输电通道图像中寻找位于地面的若干点，包括但不限于杆塔或建筑物与地面的接触点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a2：在输电通道图像中寻找位于左侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；在输电通道图像中寻找位于右侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；
a3：在点云数据中找到与上述若干点对应的三维坐标值。
3.根据权利要求1或2所述的一种基于点云的输电通道内隐患测距的方法，其特征在于，所述步骤b的详细步骤如下：
b1：将点云数据中选取的若干点的三维坐标值降维至XOY平面中，并同输电通道图像中选取点的二维坐标值，分别转化为齐次坐标；
b2：使用最小二乘法计算地面上从输电通道图像中二维坐标值到点云数据XOY平面的坐标值单应性矩阵Hg，其中：
公式(I)中，所述s为尺度因子，M为用于采集输电通道图像的相机内参矩阵，fx，fy，γ，分别为：x方向的焦距、y方向的焦距和畸变因子，u0和v0为输电通道图像的几何中心点在像素坐标系中的二维坐标值，r1和r2分别为相机位姿中旋转矩阵的两个向量，t为相机位姿中平移向量；
b3：使用与步骤b1-b2相同的方法计算左侧导线和右侧导线图像到点云数据的单应性矩阵，分别记为Hl和Hr。
4.根据权利要求3所述的一种基于点云的输电通道内隐患测距的方法，其特征在于，所述步骤e的详细步骤如下：
e1：选取隐患底部中点的二维坐标值(x1,y1)并转换为齐次坐标形式(x1,y1,1)：；
e2：利用单应性矩阵Hg计算隐患顶部中心点在点云数据中的X和Y坐标，如下式所示，其中(x1,y1,1)是图像中二维坐标值的齐次坐标形式，(X1,Y1,1)是其在点云数据中的X和Y坐标，s为比例因子，以地面点云Z坐标的均值作为隐患在点云中的Z坐标；
e3：判断与隐患最近的导线，将所述隐患顶部中心点投影至所述导线所在YOZ平面，根据单应性矩阵Hl或Hr计算出所述隐患顶部中心点(y2,z2)在点云数据中对应点(Y2,Z2)，并据此计算出隐患的实际高度；设该隐患投影到左侧导线，则此时单应性矩阵使用Hl，图像中隐患顶部中心点投影到YOZ平面后的其次坐标为(y2,z2,1)，点云中YOZ平面内的坐标为(Y2,Z2)，s为比例因子，则隐患高度为Z2-Z1
e4：根据隐患的在点云中的顶部坐标(X1,Y1,Z2)计算与导线的最短欧氏距离距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110638339.4A CN113465522A (zh) | 2021-06-08 | 2021-06-08 | 一种基于点云的输电通道内隐患测距的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110638339.4A CN113465522A (zh) | 2021-06-08 | 2021-06-08 | 一种基于点云的输电通道内隐患测距的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113465522A true CN113465522A (zh) | 2021-10-01 |
Family
ID=77869286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110638339.4A Pending CN113465522A (zh) | 2021-06-08 | 2021-06-08 | 一种基于点云的输电通道内隐患测距的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113465522A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066985A (zh) * | 2022-01-11 | 2022-02-18 | 深圳金三立视频科技股份有限公司 | 一种输电线隐患距离的计算方法及终端 |
| CN115240093A (zh) * | 2022-09-22 | 2022-10-25 | 山东大学 | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 |
| CN116245932A (zh) * | 2023-05-10 | 2023-06-09 | 智洋创新科技股份有限公司 | 一种基于网格思想的输电线路隐患测距方法 |
| CN116929232A (zh) * | 2023-09-19 | 2023-10-24 | 安徽送变电工程有限公司 | 输电线路净空距离检测方法及线路施工模型 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002174510A (ja) * | 2000-09-04 | 2002-06-21 | Kanden Kogyo Inc | 送電線近接物の離隔距離計測システム |
| CN101539422A (zh) * | 2009-04-22 | 2009-09-23 | 北京航空航天大学 | 一种单目视觉实时测距方法 |
| CN112489130A (zh) * | 2021-01-11 | 2021-03-12 | 众芯汉创（北京）科技有限公司 | 一种输电线路与目标物的距离测量方法、装置及电子设备 |
| CN112539704A (zh) * | 2020-12-24 | 2021-03-23 | 国网山东省电力公司检修公司 | 一种输电线路通道内隐患与导线距离的测量方法 |
-
2021
- 2021-06-08 CN CN202110638339.4A patent/CN113465522A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002174510A (ja) * | 2000-09-04 | 2002-06-21 | Kanden Kogyo Inc | 送電線近接物の離隔距離計測システム |
| CN101539422A (zh) * | 2009-04-22 | 2009-09-23 | 北京航空航天大学 | 一种单目视觉实时测距方法 |
| CN112539704A (zh) * | 2020-12-24 | 2021-03-23 | 国网山东省电力公司检修公司 | 一种输电线路通道内隐患与导线距离的测量方法 |
| CN112489130A (zh) * | 2021-01-11 | 2021-03-12 | 众芯汉创（北京）科技有限公司 | 一种输电线路与目标物的距离测量方法、装置及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 王耀南: "《旋翼无人机的建模、规划和控制》", 31 October 2019, 湖南大学出版社 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066985A (zh) * | 2022-01-11 | 2022-02-18 | 深圳金三立视频科技股份有限公司 | 一种输电线隐患距离的计算方法及终端 |
| CN115240093A (zh) * | 2022-09-22 | 2022-10-25 | 山东大学 | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 |
| CN115240093B (zh) * | 2022-09-22 | 2022-12-23 | 山东大学 | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 |
| CN116245932A (zh) * | 2023-05-10 | 2023-06-09 | 智洋创新科技股份有限公司 | 一种基于网格思想的输电线路隐患测距方法 |
| CN116245932B (zh) * | 2023-05-10 | 2023-08-22 | 智洋创新科技股份有限公司 | 一种基于网格思想的输电线路隐患测距方法 |
| CN116929232A (zh) * | 2023-09-19 | 2023-10-24 | 安徽送变电工程有限公司 | 输电线路净空距离检测方法及线路施工模型 |
| CN116929232B (zh) * | 2023-09-19 | 2024-01-09 | 安徽送变电工程有限公司 | 输电线路净空距离检测方法及线路施工模型 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113465522A (zh) | 一种基于点云的输电通道内隐患测距的方法 | |
| CN111473739B (zh) | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 | |
| CN112199993B (zh) | 基于人工智能识别任意方向变电站绝缘子红外图像检测模型的方法 | |
| CN110033453A (zh) | 基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法 | |
| CN112132874B (zh) | 无标定板异源图像配准方法、装置、电子设备及存储介质 | |
| CN110766170B (zh) | 基于图像处理的多传感器融合和人员定位的方法 | |
| CN110120074B (zh) | 一种复杂环境下的带电作业机器人线缆定位方法 | |
| CN112949478A (zh) | 基于云台相机的目标检测方法 | |
| WO2022134490A1 (zh) | 一种云台目标转换控制方法、装置、设备及存储介质 | |
| CN112686938A (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
| CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
| CN112102395B (zh) | 一种基于机器视觉的自主巡检的方法 | |
| CN112305557B (zh) | 一种全景相机与多线激光雷达外参标定系统 | |
| CN113723389B (zh) | 一种支柱式绝缘子定位方法及装置 | |
| CN114066985B (zh) | 一种输电线隐患距离的计算方法及终端 | |
| CN117152727A (zh) | 一种用于巡检机器人的指针式仪表自动读数方法 | |
| CN116563386A (zh) | 一种基于双目视觉的变电作业人员近电距离检测方法 | |
| CN115471573A (zh) | 基于三维重建的变电站云台相机的预置位偏移纠正方法 | |
| CN115861407B (zh) | 基于深度学习的安全距离检测方法及系统 | |
| CN116958092A (zh) | 一种基于改进立体匹配算法的输电线路弧垂快速测量方法 | |
| CN116883999A (zh) | 变电站大型施工机械与工作区域的安全距离监测方法 | |
| CN115375762A (zh) | 一种基于三目视觉的电力线三维重构方法 | |
| CN113469949B (zh) | 一种基于地理信息的输电通道内隐患测距的方法 | |
| CN110956640B (zh) | 一种异源图像边缘点检测与配准方法 | |
| CN110717061B (zh) | 基于摄像头和关联映射的变电站设备定位方法和系统 |
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: 20211001 |