CN113567451A - 一种电缆线缺陷检测以及直径测量方法 - Google Patents

一种电缆线缺陷检测以及直径测量方法 Download PDF

Info

Publication number
CN113567451A
CN113567451A CN202110839959.4A CN202110839959A CN113567451A CN 113567451 A CN113567451 A CN 113567451A CN 202110839959 A CN202110839959 A CN 202110839959A CN 113567451 A CN113567451 A CN 113567451A
Authority
CN
China
Prior art keywords
cable
edge
image
binocular
dimensional
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
CN202110839959.4A
Other languages
English (en)
Inventor
张震宇
冯曙明
杨永成
包威
胡天牧
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.)
Jiangsu Electric Power Information Technology Co Ltd
Original Assignee
Jiangsu Electric Power Information 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 Jiangsu Electric Power Information Technology Co Ltd filed Critical Jiangsu Electric Power Information Technology Co Ltd
Priority to CN202110839959.4A priority Critical patent/CN113567451A/zh
Publication of CN113567451A publication Critical patent/CN113567451A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于双目智能巡检机器人的电缆线缺陷检测以及直径测量方法，包括利用双目智能巡检机器人对电缆线进行巡检，获取电缆线视频图像；提取电缆线边缘、边缘特征点以及电缆线的归一化积分投影特征；利用标定好的双目像机实现电缆线边缘特征点的三维重建；求出双目立体视觉坐标系下的一组边缘特征点的三维坐标；求解出像机三维坐标系下该组边缘特征点的距离，即为电缆线特征点的直径；电缆绝缘表面故障识别。本发明通过分析电缆线竖直方向和水平方向上的积分投影特征，实现电缆线表面缺陷故障检测，解决了存在阶梯、坡道和弯道等情况下新建电缆隧道，自主导航式电缆隧道综合巡检机器人的检测精度不够、检测速度较慢的问题。

Description

一种电缆线缺陷检测以及直径测量方法
技术领域
本发明属于电力工业领域，具体地说一种基于双目智能巡检机器人的电缆线缺陷检测及直径测量的方法。
背景技术
电力电缆是信息和电能传输的重要通道，电缆线在服役过程中经常会遭受外在和内在等因素的破坏，诸如人为野蛮施工、动物啮咬、高温、腐蚀性气体、液体等的侵蚀，以及随着服役时间的增加导致电缆表面绝缘层老化等情况，上述现象均会对电能传输甚至整个电网系统安全供电造成重要影响。对电力核心区域或关键传输通道进行电缆线的全天候监测，可极大提高电网系统的安全性，减少由于电缆线出现故障而造成的重大经济损失和安全事故。目前电力电缆线国内外常见的方法有：人工巡检法、声音检测方法、相位检测方法和智能巡检机器人等方法。人工巡检方法由于受人为主观因素影响较大，存在一定的效率低下情况，目前许多先进技术的使用正在替代人工巡检方式。针对复杂背景噪声环境下，通过对电缆故障点的放电声音信号进行分析和自适应滤波，可以实现电缆故障点的冲击放电声音信号精准检测。利用声音信号的地下电缆防破坏预警系统平台，可以实现电缆损坏事件的预警，加强了地下电缆的保护。利用多频测相的相位法测距原理，可以建立电力电缆线故障测距模型。利用无人机进行巡检，通过对拍摄到的可见光图像进行深度学习，利用一种基于自主视觉的电力线自动检测方法，可以检测出电力线路元件常见故障。针对新建电缆隧道内多存在阶梯、坡道和弯道等情况，可以实现一种自主导航式电缆隧道综合巡检机器人的检测方法。上述方法针对不同情况下电力电缆有关故障识别和检测问题进行了研究，取得了一定的效果。
智能巡检机器人由于技术先进性，具有高效率、高防护性和高可靠性，可以自主实现综合管廊内高压线路及电缆隧道环境的监测。在电缆线路智能巡检中，为了定位和识别出电缆线故障点，需要检测出电缆线的直径信息以及表面绝缘材料状况。因此，研究一种基于双目智能巡检机器人的电缆线缺陷检测及直径测量方法，对实现电缆线直径测量和绝缘表面故障状况的监测效率具有重要意义。
发明内容
为解决上述问题，本发明的目的是提供一种电缆线缺陷检测以及直径测量方法，利用双目智能巡检机器人，结合图像处理和分析技术，实现电缆线直径测量和绝缘表面故障状况的监测。
本发明的目的通过以下技术方案实现：
一种电缆线缺陷检测以及直径测量方法，其特征在于该方法包括以下步骤：
(1)利用双目智能巡检机器人对电缆线进行巡检，获取电缆线视频图像；
(2)提取电缆线边缘、边缘特征点以及电缆线的归一化积分投影特征；
(3)利用标定好的双目像机实现电缆线边缘特征点的三维重建；
(4)求出双目立体视觉坐标系下的一组边缘特征点的三维坐标；
(5)求解出像机三维坐标系下该组边缘特征点的距离，即为电缆线特征点的直径；
(6)电缆绝缘表面故障识别；根据在确定好电缆线边缘后，根据电缆线特点，由于破损区域图像表面区域发生变化，实现电缆线绝缘表面故障区域的定位。
本发明中，电缆线边缘提取是利用图像边缘提取和定位算法，步骤如下：
(1)提取电缆线的图像边缘信息；
(2)利用Canny边缘检测和Hough变换直线检测算法；
(3)对电缆线两侧边缘的精确提取。
智能巡检机器人双目视觉测量系统，是基于双目视差原理，包括以下步骤：
(1)利用两幅图像提取图像特征信息，来获取目标的三维几何坐标；
(2)从不同角度同时获取两幅图像的周围景物；
(3)对像机进行内参数和外参数标定，实现获取目标的三维信息；
(4)利用张正友标定方法求得像机的内参数和外参数。
电缆绝缘表面故障识别中，利用改进的灰度投影方法，实现电缆线绝缘表面故障区域的定位，包括以下步骤：
(1)利用离散高斯平滑模板对电缆线图像进行高斯平滑操作去除图像噪声点；
(2)对预处理后的电缆图像进行梯度提取；
(3)利用灰度积分投影算法估计电缆线绝缘层故障区域位置。
本发明的有益效果：
本发明通过分析电缆线竖直方向和水平方向上的积分投影特征，实现电缆线表面缺陷故障检测，解决了存在阶梯、坡道和弯道等情况下新建电缆隧道，自主导航式电缆隧道综合巡检机器人的检测精度不够、检测速度较慢的问题。本发明的技术先进性高，具有高效率、高防护性和高可靠性，可以自主实现综合管廊内高压线路及电缆隧道环境的监测。在电缆线路智能巡检中，可以定位和识别出电缆线故障点，检测出电缆线的直径信息以及表面绝缘材料状况。
附图说明
图1是本发明方法的流程图；
图2是本发明电缆线图像边缘以及边缘点提取示意图；
图3是本发明双目视觉测量系统模型示意图；
图4是本发明不同种类电缆线归一化积分投影分析图；
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明：
为了使本技术领域的人员更好地理解本发明的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细的说明。
一种电缆线缺陷检测以及直径测量方法，方法流程图如图1所示。该方法包括以下步骤：
(1)利用双目智能巡检机器人对电缆线进行巡检，获取电缆线视频图像；
(2)提取电缆线边缘、边缘特征点以及电缆线的归一化积分投影特征；
(3)利用标定好的双目像机实现电缆线边缘特征点的三维重建；
(4)求出双目立体视觉坐标系下的一组边缘特征点的三维坐标；
(5)求解出像机三维坐标系下该组边缘特征点的距离，即为电缆线特征点的直径；
(6)电缆绝缘表面故障识别；根据在确定好电缆线边缘后，根据电缆线特点，由于破损区域图像表面区域发生变化，实现电缆线绝缘表面故障区域的定位。
具体如下：
(1)电缆线边缘和特征点提取。
利用图像边缘提取和定位算法，提取一种电缆线的图像边缘信息的方法。根据拍摄的电缆线图像特点，利用Canny边缘检测和Hough变换直线检测算法，实现电缆线两侧边缘的精确提取。然后，在求出的电缆线两侧边缘线上，选出一对边缘点，该组边缘点需要满足两点的连线垂直于电缆边缘线，如图2所示。1和2为电缆线5对应的边缘，3和4为边缘上的点。确定好电缆边缘上一组点3和4后，利用标定好的双目视觉测量系统，根据边缘点的对应几何信息，可以实现双目图像中边缘点的正确匹配。通过双目视觉三角测量原理的计算，可以实现芯片边缘点的三维重建，最终实现电缆直径的测量。
(2)智能巡检机器人双目视觉测量系统。
通过利用智能巡检机器人通过搭载双目摄像头，组成智能巡检机器人双目立体视觉测量系统，实现电缆线边缘点的三维场景重建。双目立体视觉测量系统是基于双目视差原理，由两幅图像通过提取图像特征信息，来获取目标的三维几何坐标的方法。智能巡检器人通过搭载两台摄像机，通过从不同角度同时获取周围景物的两幅图像，通过对像机进行内参数和外参数标定，可以实现目标的三维信息重建。双目视觉测量系统模型如图3所示。
设左像机坐标系o1-x1y1z1为世界坐标系，图像坐标为O1-X1Y1，有效焦距为f1，右像机坐标系为o2-x2y2z2，图像坐标为O2-X2Y2，有效焦距为f2，P为待测量点，(x,y,z)为P点在世界坐标系的三维坐标，(xr,yr,zr)为P点在右摄像机下坐标系的三维坐标，由摄像机的透视投影变换模型可得：
Figure BDA0003176480630000041
Figure BDA0003176480630000042
左右摄像机的相互位置之间的关系可以通过空间转换矩阵Mlr表示为：
Figure BDA0003176480630000043
其中，
Figure BDA0003176480630000044
为旋转矩阵，
Figure BDA0003176480630000045
为左像机坐标原点到右像机坐标原点的平移矩阵。
由(1)(2)(3)式可以计算出空间点P在世界坐标系下的三维坐标，即
Figure BDA0003176480630000046
因此，在标出像机焦距f1、f2和求出目标的空间点在左右像机中的二维图像坐标信息，只要求出旋转矩阵R和平移矢量T，就可以重建出目标点在像机坐标系下的三维空间信息。这些像机的内参数和外参数，利用张正友标定方法可以求得。
(3)电缆绝缘表面故障识别。
根据在确定好电缆线边缘后，根据电缆线特点，由于破损区域图像表面区域发生变化，采用一种改进的灰度投影方法，实现电缆线绝缘表面故障区域的定位。对于拍摄的电缆线图像，为了去除图像噪声点，首先利用离散高斯平滑模板对电缆线图像进行高斯平滑操作。
二维高斯平滑函数定义如下：
Figure BDA0003176480630000051
二维高斯函数在对电缆图像进行平滑操作时，由于巡检机器人的像机镜头容易受到环境空气中的灰尘、烟雾颗粒等影响，拍摄到的图像存在一定程度的噪声干扰点。为了去除图像噪声点，并且尽量不影响图像边缘信息的对比度提取，本文选用3×3平滑滤波模板，对智能巡检机器人拍摄的电缆图像进行去噪处理。
然后，对预处理后的电缆图像进行梯度提取。首先计算电缆图像水平方向梯度信息和竖直方向梯度信息，
Gx(x,y)＝f(x+1,y)-f(x-1,y) (6)
Gy(x,y)＝f(x,y+1)-f(x,y-1) (7)
其中，Gx(x,y),Gy(x,y)和f(x,y)分别代表像素点的水平梯度信息、竖直方向梯度信息和图像灰度值。因此，得到图像点(x,y)处的梯度幅值和梯度方向分别是
Figure BDA0003176480630000052
Figure BDA0003176480630000053
对电缆图像进行梯度提取后，利用灰度积分投影算法估计电缆线绝缘层故障区域位置。因为电缆线位置不同意，安装位置分别存在各种角度，本文采用归一化的垂直灰度积分投影和水平灰度积分投影，作为目标位置检测的特征，两种积分投影的定义分别如下：
归一化的垂直灰度积分投影：
Figure BDA0003176480630000054
归一化的水平灰度积分投影：
Figure BDA0003176480630000055
其中，m,n分别代表图像的行像素和列像素数。
归一化的灰度积分投影对图像光照不均变化影响较小，因此，对复杂环境下智能巡检机器人，利用上述方法，对不同种类的电缆线绝缘层表面故障图像进行灰度积分，水平方向和竖直方向的归一化积分图如图4所示。
实施案例
为了验证算法稳定性和测量系统的精度，图像采集机器人为固山金科技公司生产的智能巡检机器人，整机重量178kg,激光导航最大巡逻速度1.2m/s，双目摄像机参数为300万CCD像机，像机镜头采用的为施耐德35mm可变焦镜头，图像分辨率为2048X1536像素。本文图像仿真算法实现的软件环境为VS2019，硬件环境为Intel Pentium CPU G630双核，4G内存主机。
首先对智能巡检机器人进行标定，包括像机内参数、外参数R和T，标定结果如下表所示：
表1 像机内参数
Figure BDA0003176480630000061
表2 像机外参数
Figure BDA0003176480630000062
表1中，fx、fy分别代表图像水平和竖直方向的有效焦距，u0、v0分别代表图像光学中心坐标，α是图像竖直中心轴和水平中心轴不垂直度，k1、k2分别代表径向畸变参数。旋转矩阵R和平移向量T分别代表像机1到像机2之间的旋转和平移向量。
利用上述标定参数，对不同直径的电缆线进行边缘和特征点提取，通过双目视觉测量系统对确定的一组边缘特征点分别进行三维重建，然后计算出在巡检机器人视觉测量坐标系下的边缘特征点之间的三维距离，即是电缆线的直径参数。
为了验证测量精度，通过对多根电缆直径进行人工测量，然后再利用本文提出的算法计算出对应的测量结果，本次对比实验中，人工测量方式是使用标康BK-318电子游标卡尺来进行测量，该电子游标卡尺的测量精度≤0.01mm。通过对多组电缆线进行测量，以游标卡尺测量结果为基准值，得出本测量系统的绝对误差，如表3所示。通过分析可以看到，本文提出的双目视觉测量方法具有较高的测量精度，其相对测量误差的绝对值小于0.5mm，满足复杂环境下智能巡检机器人对电缆线直径参数的测量和电缆线种类以及绝缘表面缺陷故障的识别。
表3 人工测量结果与本发明所提方法计算结果对比(单位：mm)
Figure BDA0003176480630000063
Figure BDA0003176480630000071

Claims (4)

1.一种电缆线缺陷检测以及直径测量方法，其特征在于该方法包括以下步骤：
(1)利用双目智能巡检机器人对电缆线进行巡检，获取电缆线视频图像；
(2)提取电缆线边缘、边缘特征点以及电缆线的归一化积分投影特征；
(3)利用标定好的双目像机实现电缆线边缘特征点的三维重建；
(4)求出双目立体视觉坐标系下的一组边缘特征点的三维坐标；
(5)求解出像机三维坐标系下该组边缘特征点的距离，即为电缆线特征点的直径；
(6)电缆绝缘表面故障识别；根据在确定好电缆线边缘后，根据电缆线特点，由于破损区域图像表面区域发生变化，实现电缆线绝缘表面故障区域的定位。
2.根据权利要求1所述的电缆线缺陷检测以及直径测量方法，其特征在于，电缆线边缘提取是利用图像边缘提取和定位算法，步骤如下：
(1)提取电缆线的图像边缘信息；
(2)利用Canny边缘检测和Hough变换直线检测算法；
(3)对电缆线两侧边缘的精确提取。
3.根据权利要求1所述的电缆线缺陷检测以及直径测量方法，其特征在于，智能巡检机器人双目视觉测量系统，是基于双目视差原理，包括以下步骤：
(1)利用两幅图像提取图像特征信息，来获取目标的三维几何坐标；
(2)从不同角度同时获取两幅图像的周围景物；
(3)对像机进行内参数和外参数标定，实现获取目标的三维信息；
(4)利用张正友标定方法求得像机的内参数和外参数。
4.根据权利要求1所述的电缆线缺陷检测以及直径测量方法，其特征在于，电缆绝缘表面故障识别中，利用改进的灰度投影方法，实现电缆线绝缘表面故障区域的定位，包括以下步骤：
(1)利用离散高斯平滑模板对电缆线图像进行高斯平滑操作去除图像噪声点；
(2)对预处理后的电缆图像进行梯度提取；
(3)利用灰度积分投影算法估计电缆线绝缘层故障区域位置。
CN202110839959.4A 2021-07-23 2021-07-23 一种电缆线缺陷检测以及直径测量方法 Pending CN113567451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110839959.4A CN113567451A (zh) 2021-07-23 2021-07-23 一种电缆线缺陷检测以及直径测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110839959.4A CN113567451A (zh) 2021-07-23 2021-07-23 一种电缆线缺陷检测以及直径测量方法

Publications (1)

Publication Number Publication Date
CN113567451A true CN113567451A (zh) 2021-10-29

Family

ID=78167073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110839959.4A Pending CN113567451A (zh) 2021-07-23 2021-07-23 一种电缆线缺陷检测以及直径测量方法

Country Status (1)

Country Link
CN (1) CN113567451A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114034256A (zh) * 2021-11-08 2022-02-11 上海交通大学 非接触式远程线径测量系统及方法
CN117197534A (zh) * 2023-08-04 2023-12-08 广州电缆厂有限公司 一种基于特征识别的电缆表面缺陷自动检测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014044126A1 (zh) * 2012-09-21 2014-03-27 Wei Yiqun 坐标获取装置、实时三维重建系统和方法、立体交互设备
CN106056619A (zh) * 2016-06-13 2016-10-26 长安大学 基于梯度约束Radon变换的无人机视觉电线巡检方法
CN106595500A (zh) * 2016-11-21 2017-04-26 云南电网有限责任公司电力科学研究院 基于无人机双目视觉的输电线路覆冰厚度测量方法
CN106709950A (zh) * 2016-11-28 2017-05-24 西安工程大学 一种基于双目视觉的巡线机器人跨越障碍导线定位方法
CN108364291A (zh) * 2018-03-13 2018-08-03 钟国韵 基于计算机视觉技术的原坯布快速检测方法
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
CN109345590A (zh) * 2018-10-12 2019-02-15 北京航空航天大学东营研究院 一种基于双目视觉的无人机飞行程序校验系统及其方法
FI20185355A1 (en) * 2018-04-13 2019-10-14 Maillefer Sa 3D scanner, arrangement and procedure for detecting errors in a cable surface
CN110332894A (zh) * 2019-07-10 2019-10-15 中国地质大学（武汉） 一种基于双目视觉的坝体表面位移非接触性测量方法
CN110930357A (zh) * 2019-10-17 2020-03-27 中国矿业大学 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN112686938A (zh) * 2020-12-29 2021-04-20 重庆大学 基于双目图像测距的输电线路净距计算与安全告警方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014044126A1 (zh) * 2012-09-21 2014-03-27 Wei Yiqun 坐标获取装置、实时三维重建系统和方法、立体交互设备
CN106056619A (zh) * 2016-06-13 2016-10-26 长安大学 基于梯度约束Radon变换的无人机视觉电线巡检方法
CN106595500A (zh) * 2016-11-21 2017-04-26 云南电网有限责任公司电力科学研究院 基于无人机双目视觉的输电线路覆冰厚度测量方法
CN106709950A (zh) * 2016-11-28 2017-05-24 西安工程大学 一种基于双目视觉的巡线机器人跨越障碍导线定位方法
CN108364291A (zh) * 2018-03-13 2018-08-03 钟国韵 基于计算机视觉技术的原坯布快速检测方法
FI20185355A1 (en) * 2018-04-13 2019-10-14 Maillefer Sa 3D scanner, arrangement and procedure for detecting errors in a cable surface
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
CN109345590A (zh) * 2018-10-12 2019-02-15 北京航空航天大学东营研究院 一种基于双目视觉的无人机飞行程序校验系统及其方法
CN110332894A (zh) * 2019-07-10 2019-10-15 中国地质大学（武汉） 一种基于双目视觉的坝体表面位移非接触性测量方法
CN110930357A (zh) * 2019-10-17 2020-03-27 中国矿业大学 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN112686938A (zh) * 2020-12-29 2021-04-20 重庆大学 基于双目图像测距的输电线路净距计算与安全告警方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114034256A (zh) * 2021-11-08 2022-02-11 上海交通大学 非接触式远程线径测量系统及方法
CN117197534A (zh) * 2023-08-04 2023-12-08 广州电缆厂有限公司 一种基于特征识别的电缆表面缺陷自动检测方法
CN117197534B (zh) * 2023-08-04 2024-04-05 广州电缆厂有限公司 一种基于特征识别的电缆表面缺陷自动检测方法

Similar Documents

Publication Publication Date Title
CN109544679B (zh) 管道内壁的三维重建方法
CN112686938B (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
CN112418103B (zh) 一种基于动态双目视觉的桥式起重机吊装安全防撞系统及方法
CN108613628B (zh) 一种基于双目视觉的架空输电线路弧垂测量方法
CN109870108B (zh) 输电线路覆冰检测方法及装置
CN109801333B (zh) 体积测量方法、装置、系统及计算设备
CN109615654B (zh) 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法
CN113567451A (zh) 一种电缆线缺陷检测以及直径测量方法
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN110930382A (zh) 基于标定板特征点提取的点云拼接精度评估方法及系统
CN111723821A (zh) 一种电厂仪表图像的检测识别方法及装置
CN108917621B (zh) 一种受电弓滑板上边缘单像素跟踪检测方法
Lu et al. Automatic wear measurement of pantograph slider based on multiview analysis
CN107367245B (zh) 光学三维轮廓测量中的无效点探测与剔除方法
CN113008158A (zh) 多线激光轮胎花纹深度测量方法
CN111524193A (zh) 一种物体二维尺寸的测量方法及测量装置
CN112396651B (zh) 一种通过二角度图像实现设备定位的方法
Guo et al. Power line icing monitoring method using binocular stereo vision
Drews Jr et al. Tracking system for underwater inspection using computer vision
CN113191239A (zh) 一种基于计算机视觉的车辆外廓尺寸动态检测系统
CN117314986A (zh) 基于语义分割的无人机跨模态配电设备巡检图像配准方法
CN108180871A (zh) 一种定量评价复合绝缘子表面粉化粗糙度的方法
Summan et al. A novel visual pipework inspection system
CN116091494A (zh) 一种输电机械外破隐患测距方法
CN113963069A (zh) 一种跳线与铁塔间的测距方法、系统、计算机及存储介质

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