CN113569914A - 一种融合点云数据的输电线路巡检方法及系统 - Google Patents

Abstract

本申请公开了一种融合点云数据的输电线路巡检方法及系统，用以解决现有的巡检方法产生的巡检图片较多，容易产生隐患点误判的技术问题。方法包括：以第一预设时间为间隔，通过激光雷达采集与输电线路有关的第一点云数据；将第一点云数据输入到预设点云数据识别模型中，以确定第一点云数据中存在输电线路隐患点对应的第二点云数据；基于第一点云数据，计算输电线路隐患点与输电线路之间的距离，并在距离小于预设距离阈值时，触发可见光采集设备采集与第一点云数据对应的第一图像数据；将第一图像数据与初始联合图像数据进行对比，以确定第一图像数据中存在输电线路隐患点。本申请通过上述方法减少了上报图像的数量，保证了隐患点判别的准确性。

Description

一种融合点云数据的输电线路巡检方法及系统

技术领域

本申请涉及输电线路巡检技术领域，尤其涉及一种融合点云数据的输电线路巡检方法及系统。

背景技术

现有的输电线路巡检方式，有人工巡检、无人机巡检以及可视化智能监拍装置巡检。具体地，人工巡检信息采集较为直接，但效率较低，且运维成本较高；无人机巡检可跨越一定的障碍，对故障点或隐患点采集信息较为精确，能够提高效率，但其巡检距离较近、巡航时间较短。

因此，可视化监拍装置巡检得到了越来越多的应用。这种巡检方式解放了大量的人力、物力，使电力巡检人员足不出户，就可了解输电线路周围的境况。但可视化监拍装置巡检时产生的巡检图片较多，人工筛查效率低，有可能会出现隐患点误判的情况。

发明内容

本申请实施例提供了一种融合点云数据的输电线路巡检方法及系统，用以解决现有的输电线路巡检方法产生的巡检图片较多，容易产生隐患点误判的技术问题。

一方面，本申请实施例提供了一种融合点云数据的输电线路巡检方法，包括：以第一预设时间为间隔，通过激光雷达采集与输电线路有关的第一点云数据；将所述第一点云数据输入到预设点云数据识别模型中，以确定所述第一点云数据中存在输电线路隐患点对应的第二点云数据；基于具有第二点云数据的所述第一点云数据，计算所述输电线路隐患点与所述输电线路之间的距离，并在所述距离小于预设距离阈值时，触发可见光采集设备采集与具有第二点云数据的所述第一点云数据对应的第一图像数据；将所述第一图像数据与初始联合图像数据进行对比，以确定所述第一图像数据中存在所述输电线路隐患点；通过世界坐标系，将所述输电线路隐患点与所述输电线路之间的距离标记到所述第一图像数据中，并将标记完成的所述第一图像数据上报服务器。

本申请实施例提供的一种融合点云数据的输电线路巡检方法，把激光雷达融合到输电线路巡检装置中，初次安装时，进行初始点云数据和图像内容信息的双重标定，把点云数据的坐标信息融合到图像中，使可见光采集设备拍摄的图片拥有了关键隐患点位的坐标信息。在图像巡检有异常报警信息时，通过图像对比对存在隐患点的点云数据进行二次确认，减少报警图片的上传数量，减轻巡查人员的工作压力，以此避免不同经验人员的误判问题。

在本申请的一种实现方式中，所述方法还包括：以第二预设时间为间隔，通过所述可见光采集设备采集与输电线路有关的第二图像数据；其中，所述第二预设时间间隔小于所述第一预设时间间隔；将所述第二图像数据输入到隐患点识别神经网络模型中，或者将所述第二图像数据与所述初始联合图像数据进行对比，以确定所述第二图像中存在所述输电线路隐患点；触发所述激光雷达采集与所述第二图像数据对应的第三点云数据，并将所述第三点云数据输入到预设点云数据识别模型中；在确定所述第三点云数据中存在所述输电线路隐患点对应的第四点云数据的情况下，计算所述输电线路隐患点与所述输电线路之间的距离，并在所述距离小于所述预设距离阈值时，将所述距离标记到所述第二图像数据中，并将标记完成的所述第二图像数据上报服务器。

在本申请的一种实现方式中，在确定所述第二图像中存在所述输电线路隐患点之后，所述方法还包括：接收微气象传感器发送的气象数据；根据所述气象数据，确定所述激光雷达是否开启雨雾工作模式。

在本申请的一种实现方式中，在将所述第一图像数据与初始联合图像数据进行对比之前，所述方法还包括：通过可见光采集设备采集与输电线路隐患点有关的第三图像数据，并将所述第三图像数据输入到隐患点识别神经网络模型中，以得到第四图像数据；其中，所述第四图像数据是对所述第三图像数据中存在的输电线路隐患点进行标注得到的；通过激光雷达采集与输电线路隐患点有关的第五点云数据，并通过预设点云数据识别模型，在所述第五点云数据中识别出所述输电线路隐患点对应的三维坐标；通过世界坐标系，将所述输电线路隐患点对应的三维坐标与所述第四图像数据进行融合，以得到所述初始联合图像数据。

在本申请的一种实现方式中，所述通过世界坐标系，将所述输电线路隐患点对应的三维坐标与所述第四图像数据进行融合，具体包括：在所述世界坐标系中，确定所述第四图像数据中存在的输电线路隐患点对应的世界坐标；基于任一所述输电线路隐患点对应的三维坐标与世界坐标，确定所述第四图像数据与所述第五点云数据之间的对应关系；基于所述对应关系，将所述输电线路隐患点对应的三维坐标融合到所述第四图像数据中。

在本申请的一种实现方式中，所述触发可见光采集设备采集与所述第一点云数据对应的第一图像数据，具体包括：确定所述激光雷达的照射区域，并基于所述激光雷达的照射区域确定所述激光雷达的旋转角度；通过云台带动所述可见光采集设备转动，以使所述可见光采集设备的转动角度与所述激光雷达的转动角度相同。

在本申请的一种实现方式中，在将标记完成的所述第一图像数据上报服务器之后，所述方法还包括：生成语音报警信息；通过声光告警模块将所述语音报警信息进行播报；以及，将所述语音报警信息转化成文字报警信息，并将所述文字报警信息发送到巡检人员对应的移动终端上。

在本申请的一种实现方式中，所述方法还包括：在所述输电线路隐患点与所述输电线路之间的距离大于等于预设距离阈值的情况下，忽略所述输电线路隐患点对应的第二点云数据；或者，在所述第一图像数据中不存在所述输电线路隐患点的情况下，将所述第一图像数据进行缓存，并在第三预设时间之后，将缓存的所述第一图像数据进行清除。

另一方面，本申请实施例还提供了一种融合点云数据的输电线路巡检系统，包括：微气象传感器以及输电线路巡检装置；其中，所述输电线路巡检装置安装在输电线路杆塔上；所述输电线路巡检装置包括：可见光采集设备、激光雷达以及智能控制模组；所述激光雷达，用于以第一预设时间为间隔，采集与输电线路有关的第一点云数据；所述智能控制模组，用于将所述第一点云数据输入到预设点云数据识别模型中，以确定所述第一点云数据中存在输电线路隐患点对应的第二点云数据；所述智能控制模组，还用于基于具有第二点云数据的所述第一点云数据，计算所述输电线路隐患点与所述输电线路之间的距离；所述可见光采集设备，用于在所述距离小于预设距离阈值时，采集与具有第二点云数据的所述第一点云数据对应的第一图像数据；所述智能控制模组，还用于将所述第一图像数据与初始联合图像数据进行对比，以确定所述第一图像数据中存在所述输电线路隐患点；所述智能控制模组，还用于通过世界坐标系，将所述输电线路隐患点与所述输电线路之间的距离标记到所述第一图像数据中，并将标记完成的所述第一图像数据上报服务器。

在本申请的一种实现方式中，所述输电线路巡检装置还包括云台；所述可见光采集设备安装在所述云台上，以通过所述云台带动所述可见光采集设备转动；所述可见光采集设备包括定焦摄像头以及变焦机芯；所述激光雷达安装在所述云台上，与所述可见光采集设备处于同一水平位置，以通过所述云台带动所述激光雷达转动；所述激光雷达为三维激光雷达；所述智能控制模组与所述云台连接，用于控制所述云台以预设方式进行转动。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种融合点云数据的输电线路巡检方法流程图；

图2为本申请实施例提供的另一种融合点云数据的输电线路巡检方法流程图；

图3为本申请实施例提供的一种融合点云数据的输电线路巡检系统架构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有的输电线路巡检方式，有人工巡检、无人机巡检和可视化智能监拍装置巡检。人工巡检信息采集较为直接，无人机巡检可跨越一定的障碍，对故障点或隐患点采集信息较为精确，可视化监拍装置解放了大量的人力、物力，使电力巡检人员足不出户，就可了解输电线路周围的境况，提高了巡检效率。

但上述三种巡检方式在实际应用过程中，都会或多或少的存在一些问题。比如人工巡检，虽然精确但效率低下，但增加大量的运维成本。而无人机巡检，主要存在巡航时间短、需要人工携带，占用人力物力，增加成本、以及巡检距离近等问题。对于可视化巡检，能够解决人工巡检及无人机巡检中存在的问题，但其产生的巡检图片较多，人工筛查效率低，有可能会误判。

本申请实施例提供了一种融合点云数据的输电线路巡检方法及系统，通过图像对点云数据进行二次确认，或者是通过点云数据对图像进行二次确认，以减少图像上传服务器的数量，减轻巡检人员的工作压力，进而减少了输电线路隐患点的误判。

下面通过附图对本申请实施例提出的技术方案进行详细的说明。需要说明的是，本申请实施例中的巡检方法，其执行主体可以是本申请实施例中提供的输电线路巡检系统。

图1为本申请实施例提供的一种融合点云数据的输电线路巡检方法流程图。如图1所示，本申请实施例提供的输电线路巡检方法，主要包括以下执行步骤：

步骤101、以第一预设时间为间隔，采集第一点云数据。

本申请实施例提供的融合点云数据的输电线路巡检方法，主要是通过图像对点云数据中的隐患点进行二次确认，或者是通过点云数据对图像中的隐患点进行二次确认，以减少上报服务器的图像数据，进而减少误判情况的发生。因此，本申请实施例中的输电线路巡检方法，可以有两种实现过程，一种是通过图像中存在隐患点，触发采集点云数据，实现二次确认；另一种则是通过点云数据确定存在隐患点，触发图像采集，实现二次确认。

本申请实施例中的附图1提供的巡检方法流程图，对应的即是通过确定点云数据中存在隐患点，触发图像采集，实现二次确认的过程。

具体地，首先是以第一预设时间为间隔，通过激光雷达采集与输电线路有关的第一点云数据。需要说明的是，本申请实施例中的激光雷达可以以第一预设时间为间隔采集点云数据，也可以通过后台巡检人员发送的巡检指令采集点云数据，还可以通过图像中存在隐患点时，触发采集点云数据。

本领域技术人员可以明确的是，本申请实施例中的点云数据是带有三维坐标的数据，且该三维坐标可以是输电线路周围环境中某一隐患点在世界坐标系下的三维坐标。

步骤102、通过预设点云数据识别模型，识别出输电线路隐患点对应的第二点云数据。

在采集完第一点云数据之后，将第一点云数据输入至预设点云数据识别模型中，以确定出输电线路隐患点对应的第二点云数据。即在第一点云数据中识别出输电线路隐患点对应的第二点云数据。

需要说明的是，本申请实施例中的预设点云数据识别模型，可以通过现有模型或者现有算法实现，只要能够识别出输电线路隐患点对应的点云数据即可，本申请实施例对此不作限定。

步骤103、基于第一点云数据，计算输电线路隐患点与输电线路之间的距离，并在距离小于预设阈值时，采集第一图像数据。

在确定第一点云数据中，存在输电线路隐患点对应的第二点云数据之后，即说明当前输电线路环境中存在输电线路隐患点，有可能会造成安全隐患事件。此时，通过第一点云数据中携带的三维坐标信息，计算该输电线路隐患点与输电线路之间的距离。需要说明的是，本申请实施例中的距离计算过程，可以通过现有的计算点到线的距离方法实现，也可以通过现有的计算点到点的距离方法实现，本申请实施例在此不作赘述。

在计算完成输电线路隐患点与输电线路之间的距离之后，判断该距离与预设阈值的大小关系，进而确定是否需要出发图像采集，以对该输电线路隐患点进行二次确认。

具体地，如果确定输电线路隐患点与输电线路之间的距离大于等于预设阈值时，则说明该输电线路隐患点距离输电线路较远，一般不会对输电线路造成安全隐患，此时也就不需要触发图像采集机制，而是将输电线路隐患点对应的第二点云数据进行忽略即可。

进一步地，如果确定输电线路隐患点与输电线路之间距离小于预设阈值，则说明该输电线路隐患点距离输电线路较近，此时则有可能会引起安全隐患事故。因此，此时触发图像采集，以采集与第一点云数据对应的第一图像数据。

在本申请实施例的一种可能实现方式中，采集与第一点云数据对应的第一图像数据，可以通过以下过程实现：确定采集第一点云数据的激光雷达对应的照射区域，并基于该照射区域确定激光雷达的旋转角度。或者是直接从后台服务器获取激光雷达的旋转角度。通过照射区域确定激光雷达的旋转角度，具体包括：获取激光雷达在巡检零位即初始位置时的照射区域左边界(此处的左边界是以激光雷达的照射方法为主方向，确定的左边界)，然后确定激光雷达在当前照射区域的左边界，基于这两个左边界，即可确定激光雷达的旋转角度。进一步地，在确定完激光雷达的旋转角度之后，通过云台带动可见光采集设备或者摄像头转动该旋转角度，以使可见光采集设备的采集区域与激光雷达的照射区域尽量重合，此时，通过可见光采集设备采集到的第一图像数据，即为第一点云数据对应的第一图像数据。

步骤104、将第一图像数据与初始联合图像数据进行比对，以确定第一图像数据中存在的输电线路隐患点。

将采集到的与第一点云数据对应的第一图像数据与初始联合图像数据进行对比，以确定第一图像数据中是否存在输电线路隐患点。

具体地，如果在第一图像数据中不存在输电线路隐患点，则说明第一点云数据中存在的输电线路隐患点可能是出现了误判的情况，此时，将第一图像数据进行缓存，以便于后续巡检人员的调用及查阅。缓存一段时间之后，将第一图像数据进行删除，以降低系统的存储压力。

进一步地，如果确定在第一图像数据中存在输电线路隐患点，则执行步骤105，将第一图像数据进行上传服务器。

在本申请的一个实施例中，将第一图像数据与初始联合图像数据进行对比，可以通过以下方式实现：将第一图像数据输入到隐患点识别神经网络模型中，以确定第一图像数据中存在的输电线路隐患点；此时，可以直接确定第一图像数据中存在输电线路隐患点。也可以，将第一图像数据中存在的输电线路隐患点与初始联合图像数据中存在的输电线路隐患点进行对比。如果确定存在于初始联合图像数据中存在的输电线路隐患点同时存在于第一图像数据中，也确定第一图像数据中存在输电线路隐患点。

需要说明的是，上述与第一图像数据进行对比所用到的初始联合图像数据，是在进行正式巡检之前，预先确定出的。其具体的确定过程参见下文详细描述，本申请实施例在此不作赘述。

步骤105、通过世界坐标系，将距离标记到第一图像数据中，并上报服务器。

在确定第一图像数据中确实存在输电线路隐患点之后，实际上也就完成了通过图像对点云数据中存在的输电线路隐患点进行的二次确认过程，此时，在将之前计算出的该输电线路隐患点与输电线路之间的距离，标记在第一图像数据中，并将标记完成的第一图像数据进行上传服务器。这样不仅有效较少了上报服务器的图像数据数量，减少误判情况的发生；也能够使得巡检人员通过第一图像数据中携带的距离信息，快速判定输电线路隐患点的安全隐患等级。

具体地，通过世界坐标系，确定第一图像数据中存在的输电线路隐患点分别对应的三维坐标；然后在第一点云数据中找出与上述三维坐标一致的点云数据，或者是携带上述三维坐标的点云数据。将在点云数据中找出的携带上述三维坐标的点云数据对应的距离(实际上就是同一个输电线路隐患点对应的距离)，标记在第一图像数据中。

进一步地，在本申请实施例的一种可能实现方式中，在将标记完成的第一图像数据上报服务器之后，还会生成语音报警信息，然后将该语音报警信息进行语音播报，以将输电线路隐患点进行驱离。或者是将该语音报警信息转换成文字信息发送到巡检人员对应的移动终端上，以通知巡检人员该输电线路隐患点的情况。

至此，完成通过图像数据对点云数据中存在的输电线路隐患点的二次确认过程。上述描述内容中已经提及，本申请实施例还可以通过点云数据对图像数据中确定出的输电线路隐患点进行二次确认，其具体的实现过程如图2所示。

图2为本申请实施例提供的另一种融合点云数据的输电线路巡检方法流程图。如图2所示，本申请实施例提供的输电线路巡检方法，还可以包括以下执行步骤：

步骤201、以第二预设时间为间隔，采集第二图像数据。

在通过点云数据对图像数据中存在的输电线路隐患点进行二次确认时，输电线路巡检系统首先采集的是输电线路有关的第二图像数据。需要说明的是，此处采集的第二图像数据，可以是可见光采集设备基于第二预设时间为间隔采集的，也可以是可见光采集设备基于后台巡检人员发送的巡检指令采集的。

需要说明的是，可见光采集设备采集图像数据的频率应该大于激光雷达采集点云数据的频率。因此，本申请实施例中的第二预设时间应该小于第一预设时间。即可见光采集设备的采集间隔时间，小于激光雷达的采集间隔时间。

步骤202、通过隐患点识别神经网络模型，识别出第二图像数据中存在的输电线路隐患点。

在采集完第二图像数据之后，将第二图像数据输入隐患点识别神经网络模型中进行识别，以确定出其中存在的输电线路隐患点。需要说明的是，本申请实施例中确定第二图像数据中存在输电线路隐患点的过程，还可以通过将第二图像数据与初始联合图像数据进行对比实现。

进一步地，如果第二图像数据中不存在输电线路隐患点，则将第二图像数据缓存一定时间之后，删除。此时不会触发激光雷达采集点云数据。而如果在第二图像数据中存在输电线路隐患点，则触发激光雷达采集点云数据。

在本申请的一个实施例中，在将第二图像数据输入至隐患点识别神经网络模型中之前，势必要对神经网络模型进行训练。本申请实施例中的训练过程如下：在预设互联网网站或者是服务器数据库中，获取若干与输电线路隐患点有关的图像数据，并对该图像数据中的输电线路隐患点进行标注。然后，将标注完成的图像数据与初始未标注的图像数据一起构建训练集。将该训练集输入神经网络模型中进行训练，以得到隐患点识别神经网络模型。需要说明的是，本申请实施例中对采用神经网络模型的类型不作限定，只要能够实现图像识别功能即可。

步骤203、采集第三点云数据，并通过预设点云数据识别模型，识别出输电线路隐患点对应的第四点云数据。

在确定第二图像数据中存在输电线路隐患点之后，触发激光雷达采集与第二图像数据对应的第三点云数据。需要说明的是，此处激光雷达采集与第二图像数据对应的第三点云数据的过程，与之前可见光采集设备采集与第一点云数据对应的第一图像数据的过程类似或者相同，本申请实施例对此不做赘述。

在本申请实施例的一种可能实现方式中，在确定第二图像数据中存在输电线路隐患点之后，接收微气象传感器发送的气象信息，并基于该气象信息确定激光雷达在采集第三点云数据时，是否需要开启雨雾工作模式。

进一步地，将第三点云数据输入至预设点云数据识别模型中，以判断第三点云数据中，是否存在与输电线路隐患点对应的第四点云数据。

如果确定在第三点云数据中不存在输电线路隐患点对应的第四点云数据，则说明存在于第二图像数据中的输电线路隐患点消失或者是第二图像数据出现误判，此时，将第二图像数据缓存一定时间后删除，并忽略第三点云数据。而如果确定第三点云数据中存在输电线路隐患点对应的第四点云数据，此时，说明点云数据中也存在输电线路隐患点，则执行步骤204，计算该输电线路隐患点与输电线路之间距离。

步骤204、基于第三点云数据，计算输电线路隐患点与输电线路之间的距离。

在确定第三点云数据中存在输电线路隐患点对应的第四点云数据之后，直接通过第三点云数据中携带的三维坐标信息，计算该输电线路隐患点与输电线路之间的距离。

步骤205、在距离小于预设阈值时，将距离标记到第二图像数据中，并上报服务器。

在计算完输电线路隐患点与输电线路之间的距离之后，继续判断该距离与预设阈值的大小关系，以确定该输电线路隐患点是否会对输电线路造成安全隐患。

具体地，如果该输电线路隐患点与输电线路之间的距离大于等于预设阈值，则说明该输电线路隐患点距离输电线路较远，此时不需要针对这一输电线路隐患点进行报警，只需要持续观察即可。而如果该输电线路隐患点与输电线路之间的距离小于预设阈值，则说明该输电线路隐患点距离输电线路较近，此时，需要将计算出的距离标记在第二图像数据中，并将标记完成的第二图像数据进行上报。

至此，完成通过点云数据对图像数据中存在的输电线路隐患点的二次确认过程。

需要说明的是，本申请实施例中的激光雷达与可见光采集设备都是采用间歇性工作的方式采集数据的。这样一来，本申请实施例中的巡检方法，就有可能是先采集到图像数据，然后通过点云数据对该图像数据中的输电线路隐患点进行二次确认。也有可能是先采集到点云数据，然后通过图像数据对该点云数据中存在的输电线路隐患点进行二次确认。也即是说，本申请实施例中的上述两种巡检方法，其执行顺序并不是唯一的，不论是先采集到图像数据还是先采集到点云数据，都会通过另一数据进行二次确认过程，以降低图像上传服务器的数量，进而避免过多误判情况的发生。

还需要说明的是，本申请实施例中的初始联合图像数据(相当于原始输电线路周围环境的参考数据)，是通过以下过程得到的：首先通过可见光采集设备采集输电线路有关的图像数据，然后基于激光雷达采集输电线路周围环境的点云数据。需要说明的是，本申请实施例中的可见光采集设备与激光雷达都是安装在云台上的，由云台转动带动可见光采集设备与激光雷达转动采集数据。因此，本申请实施例中的可见光采集设备与激光雷达采集到的输电线路周围环境的图像数据或者点云数据可以是对应的。

进一步地，由于激光雷达采集到的点云数据中是带有三维坐标的，本申请实施例中默认该三维坐标是输电线路周围环境中的各个信息点在世界坐标系下的三维坐标。然后，通过经过隐患点识别神经网络模型处理过的图像数据(其上标记出了输电线路隐患点)，确定输电线路隐患点在世界坐标系下的坐标。

更进一步地，将图像数据中的输电线路隐患点在世界坐标系下的坐标，与点云数据中输电线路隐患点的三维坐标进行对应，即确定二者之前的映射关系，进而，将点云数据中携带的三维坐标融合到图像数据中，得到初始联合图像数据，即带有三维坐标信息的图像数据。

本领域技术人员可以明确的是，上述确定初始联合图像数据的过程，是在输电线路巡检系统进行正式巡检任务之前完成的，以在巡检过程中将该初始联合图像数据作为参考，确定巡检过程中采集的图像数据是否存在输电线路隐患点，或者是基于该初始联合图像数据中携带的三维坐标信息，确定输电线路隐患点与输电线路之间的距离。

以上为本申请实施例中提供的方法实施例，基于同样的发明构思，本申请实施例还提供了一种融合点云数据的输电线路巡检系统，其架构示意图如图3所示。

图3为本申请实施例提供的一种融合点云数据的输电线路巡检系统架构示意图。如图3所示，系统包括：微气象传感器302以及输电线路巡检装置301；其中，输电线路巡检装置301安装在输电线路杆塔上，微气象传感器302的安装位置不作限定。

进一步地，输电线路巡检装置301包括：可见光采集设备3011、激光雷达3012、云台3013以及智能控制模组3014。其中，可见光采集设备3011安装在云台3014上，以通过云台3014带动可见光采集设备3011转动，用于采集与输电线路有关的图像数据。激光雷达3012也安装在云台3013上，与可见光采集设备3011处于同一水平位置，以通过云台3013带动激光雷达3012转动，用于采集与输电线路有关的点云数据。智能控制模组3014与云台3013连接，用于控制云台3013以预设方式进行转动；智能控制模组3014还用于接收可见光采集设备3011发送的图像数据以及接收激光雷达3012发送的点云数据，并基于图像数据以及点云数据，对输电线路隐患点进行二次确认。

在本申请实施例的一种可能实现方式中，可见光采集设备3011采用高低配搭配，低配选用定焦摄像头以及高配选用变焦机芯。激光雷达3012为三维激光雷达，照射距离覆盖两级杆塔间的档距，对超出激光雷达测试距离的信息做到有效的物理屏蔽，对反射率过高的物体点云数据，可通过软件的方式进行有效过滤，通过非重复扫描方式，可以实现更多细节的点云数据呈现。另外，本申请实施例中的激光雷达可放置于长方体的腔中，雷达照射面的前方可通过电机控制舱门(长方体的腔门)开合，在激光雷达开始工作前，通过MCU控制电机转动，打开舱门，待扫描结束后，舱门关闭，舱门内置限位开关，用以检测舱门的闭合状态，此种控制方式可以实现激光雷达长期户外免维护使用。

进一步地，本申请实施例中的智能控制模组3014，包含核心板和控制板。其中，核心板使用ARM处理器，实现数据处理、智能分析、数据上传等功能；控制板采用低功耗单片机，实现功能板运行状态的监控和充电参数的采集控制工作。在本申请实施例的一种可能实现方式中，微气象传感器302通过无线射频的方式与智能控制模组3014的核心板连接。

如图3所示，本申请实施例中的巡检装置还包括声光告警模块3015，以及太阳能电源模组3016。其中，太阳能电源模组3016由太阳能电池板、充电控制器以及磷酸铁锂电池组成。其中，太阳能电池板选用规格为60W/DC18V的钢化玻璃板，磷酸铁锂电池选择的容量为30AH12.8V。

在本申请实施例的一种可能实现方式中，激光雷达3012，用于以第一预设时间为间隔，采集与输电线路有关的第一点云数据；智能控制模组3014，用于将第一点云数据输入到预设点云数据识别模型中，以确定第一点云数据中存在输电线路隐患点对应的第二点云数据；智能控制模组3014，还用于基于第一点云数据，计算输电线路隐患点与输电线路之间的距离；可见光采集设备3011，用于在距离小于预设距离阈值时，采集与第一点云数据对应的第一图像数据；智能控制模组3014，还用于将第一图像数据与初始联合图像数据进行对比，以确定第一图像数据中存在输电线路隐患点；智能控制模组3014，还用于通过世界坐标系，将输电线路隐患点与输电线路之间的距离标记到所述第一图像数据中，并将标记完成的所述第一图像数据上报服务器。

本申请实施例提供的融合点云数据的输电线路巡检方法及系统，把激光雷达融合到输电线路智能监拍装置中。初次安装时，进行初始点云数据和图像内容信息的双重标定，即把点云数据模型坐标信息转换到图像中，使可见光采集设备拍摄的图片拥有了关键点位的距离信息，在图像巡检有异常报警信息时，通过激光点云数据对智能分析图片的二次确认，减少报警图片的上传数量，减轻巡查人员的工作压力，减少不同经验人员的误判问题，具有较大的使用价值。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种融合点云数据的输电线路巡检方法，其特征在于，所述方法包括：

以第一预设时间为间隔，通过激光雷达采集与输电线路有关的第一点云数据；

将所述第一点云数据输入到预设点云数据识别模型中，以确定所述第一点云数据中存在输电线路隐患点对应的第二点云数据；

基于具有第二点云数据的所述第一点云数据，计算所述输电线路隐患点与所述输电线路之间的距离，并在所述距离小于预设距离阈值时，触发可见光采集设备采集与具有第二点云数据的所述第一点云数据对应的第一图像数据；

将所述第一图像数据与初始联合图像数据进行对比，以确定所述第一图像数据中存在所述输电线路隐患点；

通过世界坐标系，将所述输电线路隐患点与所述输电线路之间的距离标记到所述第一图像数据中，并将标记完成的所述第一图像数据上报服务器。

2.根据权利要求1所述的一种融合点云数据的输电线路巡检方法，其特征在于，所述方法还包括：

以第二预设时间为间隔，通过所述可见光采集设备采集与输电线路有关的第二图像数据；其中，所述第二预设时间小于所述第一预设时间；

将所述第二图像数据输入到隐患点识别神经网络模型中，或者将所述第二图像数据与所述初始联合图像数据进行对比，以确定所述第二图像中存在所述输电线路隐患点；

触发所述激光雷达采集与所述第二图像数据对应的第三点云数据，并将所述第三点云数据输入到预设点云数据识别模型中；

在确定所述第三点云数据中存在所述输电线路隐患点对应的第四点云数据的情况下，计算所述输电线路隐患点与所述输电线路之间的距离，并在所述距离小于所述预设距离阈值时，将所述距离标记到所述第二图像数据中，并将标记完成的所述第二图像数据上报服务器。

3.根据权利要求2所述的一种融合点云数据的输电线路巡检方法，其特征在于，在确定所述第二图像中存在所述输电线路隐患点之后，所述方法还包括：

接收微气象传感器发送的气象数据；

根据所述气象数据，确定所述激光雷达是否开启雨雾工作模式。

4.根据权利要求1所述的一种融合点云数据的输电线路巡检方法，其特征在于，在将所述第一图像数据与初始联合图像数据进行对比之前，所述方法还包括：

通过可见光采集设备采集与输电线路隐患点有关的第三图像数据，并将所述第三图像数据输入到隐患点识别神经网络模型中，以得到第四图像数据；其中，所述第四图像数据是对所述第三图像数据中存在的输电线路隐患点进行标注得到的；

通过激光雷达采集与输电线路隐患点有关的第五点云数据，并通过预设点云数据识别模型，在所述第五点云数据中识别出所述输电线路隐患点对应的三维坐标；

通过世界坐标系，将所述输电线路隐患点对应的三维坐标与所述第四图像数据进行融合，以得到所述初始联合图像数据。

5.根据权利要求4所述的一种融合点云数据的输电线路巡检方法，其特征在于，所述通过世界坐标系，将所述输电线路隐患点对应的三维坐标与所述第四图像数据进行融合，具体包括：

在所述世界坐标系中，确定所述第四图像数据中存在的输电线路隐患点对应的世界坐标；

基于任一所述输电线路隐患点对应的三维坐标与世界坐标，确定所述第四图像数据与所述第五点云数据之间的对应关系；

基于所述对应关系，将所述输电线路隐患点对应的三维坐标融合到所述第四图像数据中。

6.根据权利要求1所述的一种融合点云数据的输电线路巡检方法，其特征在于，所述触发可见光采集设备采集与所述第一点云数据对应的第一图像数据，具体包括：

确定所述激光雷达的照射区域，并基于所述激光雷达的照射区域确定所述激光雷达的旋转角度；

通过云台带动所述可见光采集设备转动，以使所述可见光采集设备的转动角度与所述激光雷达的转动角度相同。

7.根据权利要求1所述的一种融合点云数据的输电线路巡检方法，其特征在于，在将标记完成的所述第一图像数据上报服务器之后，所述方法还包括：

生成语音报警信息；

通过声光告警模块将所述语音报警信息进行播报；

以及，将所述语音报警信息转化成文字报警信息，并将所述文字报警信息发送到巡检人员对应的移动终端上。

8.根据权利要求1所述的一种融合点云数据的输电线路巡检方法，其特征在于，所述方法还包括：

在所述输电线路隐患点与所述输电线路之间的距离大于等于预设距离阈值的情况下，忽略所述输电线路隐患点对应的第二点云数据；

或者，在所述第一图像数据中不存在所述输电线路隐患点的情况下，将所述第一图像数据进行缓存，并在第三预设时间之后，将缓存的所述第一图像数据进行清除。

9.一种融合点云数据的输电线路巡检系统，其特征在于，所述系统包括：微气象传感器以及输电线路巡检装置；其中，所述输电线路巡检装置安装在输电线路杆塔上；

所述输电线路巡检装置包括：可见光采集设备、激光雷达以及智能控制模组；

所述激光雷达，用于以第一预设时间为间隔，采集与输电线路有关的第一点云数据；

所述智能控制模组，用于将所述第一点云数据输入到预设点云数据识别模型中，以确定所述第一点云数据中存在输电线路隐患点对应的第二点云数据；

所述智能控制模组，还用于基于具有第二点云数据的所述第一点云数据，计算所述输电线路隐患点与所述输电线路之间的距离；

所述可见光采集设备，用于在所述距离小于预设距离阈值时，采集与具有第二点云数据的所述第一点云数据对应的第一图像数据；

所述智能控制模组，还用于将所述第一图像数据与初始联合图像数据进行对比，以确定所述第一图像数据中存在所述输电线路隐患点；

所述智能控制模组，还用于通过世界坐标系，将所述输电线路隐患点与所述输电线路之间的距离标记到所述第一图像数据中，并将标记完成的所述第一图像数据上报服务器。

10.根据权利要求9所述的一种融合点云数据的输电线路巡检系统，其特征在于，所述输电线路巡检装置还包括云台；

所述可见光采集设备安装在所述云台上，以通过所述云台带动所述可见光采集设备转动；所述可见光采集设备包括定焦摄像头以及变焦机芯；

所述激光雷达安装在所述云台上，与所述可见光采集设备处于同一水平位置，以通过所述云台带动所述激光雷达转动；所述激光雷达为三维激光雷达；

所述智能控制模组与所述云台连接，用于控制所述云台以预设方式进行转动。

Images