CN113591574B - 一种基于激光雷达的输电线路巡检方法及装置 - Google Patents

一种基于激光雷达的输电线路巡检方法及装置 Download PDF

Info

Publication number
CN113591574B
CN113591574B CN202110727902.5A CN202110727902A CN113591574B CN 113591574 B CN113591574 B CN 113591574B CN 202110727902 A CN202110727902 A CN 202110727902A CN 113591574 B CN113591574 B CN 113591574B
Authority
CN
China
Prior art keywords
image
laser radar
potential safety
safety hazard
transmission line
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
CN202110727902.5A
Other languages
English (en)
Other versions
CN113591574A (zh
Inventor
朱荣俊
孔志强
蔡富东
王成
陈雷
李忠平
刘伟
郭国信
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.)
Shandong Senter Electronic Co Ltd
Original Assignee
Shandong Senter Electronic 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 Shandong Senter Electronic Co Ltd filed Critical Shandong Senter Electronic Co Ltd
Priority to CN202110727902.5A priority Critical patent/CN113591574B/zh
Publication of CN113591574A publication Critical patent/CN113591574A/zh
Application granted granted Critical
Publication of CN113591574B publication Critical patent/CN113591574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Emergency Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Emergency Alarm Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种基于激光雷达的输电线路巡检方法及装置,用以解决现有的输电线路巡检方法成本较高,且不能获取第一手现场资料的技术问题。方法包括:确定预设巡检位置,并采集第一图像以及第一点阵数据;将第一图像输入安全隐患目标识别神经网络模型中,以识别出安全隐患目标;以第一、第二预设时间为间隔,采集第二图像以及第二点阵数据;计算第二点阵数据中的距离信息与第一点阵数据中的距离信息之间的差值,并在差值绝对值大于等于预设阈值的情况下,采集第三图像并与第一图像进行对比,在第三图像中存在安全隐患目标的情况下,生成报警信息;将报警信息与第三图像上报服务器。本申请通过上述方法降低了巡检成本,保证了第一手资料的时效性。

Description

一种基于激光雷达的输电线路巡检方法及装置
技术领域
本申请涉及输电线路巡检技术领域,尤其涉及一种基于激光雷达的输电线路巡检方法及装置。
背景技术
现有的输电线路巡检方法,大都通过无人机携带摄像机或者携带各种传感器进行线路巡检,能够获取较为直观的输电线路相关图像。也可采用智能监拍装置进行定时监拍和实时视频,以实现长期、远距离的无人巡检。
但无人机携带传感器这种方式,使得设备成本较高且巡航时间短;智能监拍装置定时监拍可能会漏掉部分安全隐患因素,在发生停电等输电线路故障时,无法获取第一手现场资料,并且巡检成本较高且不能进行及时的预警。
发明内容
本申请实施例提供了一种基于激光雷达的输电线路巡检方法及装置,用以解决现有的输电线路巡检方法成本较高,且在发生故障时不能获取第一手现场资料的技术问题。
一方面,本申请实施例提供了一种基于激光雷达的输电线路巡检方法,包括:确定预设巡检位置,并基于所述预设巡检位置通过摄像头采集输电线路有关的第一图像,以及通过激光雷达采集与所述第一图像对应的第一点阵数据;其中,所述第一点阵数据包括所述激光雷达的旋转角度以及所述输电线路安全隐患目标的距离信息;将所述第一图像输入安全隐患目标识别神经网络模型中,以识别出所述第一图像中存在的安全隐患目标;以第一预设时间为间隔,通过所述摄像头采集所述输电线路有关的第二图像;以及以第二预设时间为间隔,通过所述激光雷达在所述预设巡检位置上采集第二点阵数据;其中,所述第二预设时间小于所述第一预设时间;计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值,并在所述差值绝对值大于等于预设阈值的情况下,通过所述摄像头采集与所述第二点阵数据对应的第三图像;将所述第三图像与所述第一图像进行对比,并在确定所述第三图像中存在安全隐患目标的情况下,生成报警信息。
本申请实施例提供的输电线路巡检方法,将激光雷达融合到输电线路巡检装置中,采用小型的水平旋转云台,带动激光雷达实现水平平面扫描,充分感知输电线路下方的障碍信息,作为启动摄像头的启动判据,以实现定时巡检和异常巡检,在节省成本和功耗的同时,增加了巡检密度,增强了保护现场第一手资料的时效性,同时对进入输电线路安全距离的隐患目标,通过喊话预警,减少事故发生的概率,保护线路运行和人生命财产安全。
在本申请的一种实现方式中,所述确定预设巡检位置,具体包括:确定安装于云台上的两个限位开关位置;其中,所述云台至少用于带动所述激光雷达在所述两个限位开关之间转动;将任一限位开关位置作为初始巡检位置,以及将另一个限位开关位置确定为结束巡检位置;确定所述初始巡检位置与所述结束巡检位置之间角度,并基于所述角度确定所述激光雷达的旋转步距;其中,所述激光雷达的旋转步距用于指示所述激光雷达旋转一次转过的角度;将所述激光雷达在所述初始巡检位置时的旋转角度确定为0度,并基于所述激光雷达的旋转步距,确定所述激光雷达在所述初始巡检位置与所述结束巡检位置之间的若干停留位置;根据所述若干停留位置确定所述预设巡检位置。
在本申请的一种实现方式中,在将所述第一图像输入安全隐患目标识别神经网络模型中之前,所述方法还包括:在预设图像数据库中或者在预设网站上获取所述输电线路安全隐患目标相关的图像数据;对所述图像数据中存在的安全隐患目标进行标注,以得到训练数据;将所述训练数据以预设比例划分为训练集与验证集,并将所述训练集输入神经网络模型中进行训练,以得到所述安全隐患目标识别神经网络模型;将所述验证集输入所述安全隐患目标识别神经网络模型中,得到所述验证集对应的识别结果,并将所述识别结果与所述验证集中的标注图像进行对比,以确定所述安全隐患目标识别神经网络模型的训练是否完成。
在本申请的一种实现方式中,在计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值之后,所述方法还包括:确定所述差值小于预设阈值;将所述第二图像进行缓存,并继续通过所述摄像头采集与输电线路有关的第二图像,以及继续通过所述激光雷达在预设巡检位置上采集第二点阵数据,直至所述差值大于等于预设阈值;在第三预设时间之后,清除缓存的所述第二图像。
在本申请的一种实现方式中,将所述第三图像与所述第一图像进行对比,具体包括:基于所述第一图像中存在的安全隐患目标,对所述第三图像进行预识别;在确定存在于所述第一图像中的安全隐患目标,在所述第三图像中不存在时,生成告知信息。
在本申请的一种实现方式中,所述方法还包括:将所述告知信息上报服务器;其中,所述告知信息用于通知服务器所述安全隐患目标消失;将所述第三图像进行缓存,并进入休眠状态,直至接收到新的巡检任务。
在本申请的一种实现方式中,将所述第三图像与所述第一图像进行对比,具体包括:将所述第三图像输入所述安全隐患目标识别神经网络模型中,以识别出所述第三图像中存在的安全隐患目标;将所述第三图像中存在的安全隐患目标与所述第一图像中存在的安全隐患目标进行对比;在确定所述第一图像中存在的任一安全隐患目标,在所述第三图像中也存在的情况下,生成所述报警信息;并将所述报警信息与所述第三图像上传服务器。
另一方面,本申请实施例还提供了一种基于激光雷达的输电线路巡检装置,包括:摄像头、激光雷达以及智能控制模组;所述智能控制模组,用于确定预设巡检位置;所述摄像头,用于基于所述预设巡检位置采集输电线路有关的第一图像;所述激光雷达,用于基于所述预设巡检位置采集与所述第一图像对应的第一点阵数据;其中,所述第一点阵数据包括所述激光雷达的旋转角度以及所述输电线路安全隐患目标的距离信息;所述智能控制模组,还用于将所述第一图像输入安全隐患目标识别神经网络模型中,以识别出所述第一图像中存在的安全隐患目标;所述摄像头,还用于以第一预设时间为间隔,采集所述输电线路有关的第二图像;所述激光雷达,还用于以第二预设时间为间隔,在所述预设巡检位置上采集第二点阵数据;其中,所述第二预设时间小于所述第一预设时间;所述智能控制模组,还用于计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值;所述摄像头,还用于在所述差值绝对值大于等于预设阈值的情况下,采集与所述第二点阵数据对应的第三图像;所述智能控制模组,还用于将所述第三图像与所述第一图像进行对比,并在确定所述第三图像中存在安全隐患目标的情况下,生成报警信息。
在本申请的一种实现方式中,所述装置还包括云台;所述激光雷达安装于所述云台上;所述云台与所述智能控制模组连接,用于带动所述激光雷达转动;所述摄像头与所述智能控制模组连接;所述装置还包括声光告警模块,所述声光告警模块与所述智能控制模组连接,用于将所述告警信息进行广播并上报服务器。
在本申请的一种实现方式中,所述激光雷达为单点激光雷达,所述云台为单轴云台,所述摄像头为定焦摄像头;所述单点激光雷达采用TF350激光雷达。
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基于激光雷达的输电线路巡检方法流程图;
图2为本申请实施例提供的一种基于激光雷达的输电线路巡检装置内部结构示意图。
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。
本申请实施例提供了一种基于激光雷达的输电线路巡检方法及装置,通过将激光雷达安装在云台上,使云台带动激光雷达转动,以对输电线路周围环境中存在的安全隐患目标进行识别,进而作为启动摄像头采集图像的判据。在节省功耗和降低成本的前提下,增加了巡检密度,保护了故障发生时的第一手现场资料。
需要说明的是,本申请实施例中的输电线路巡检方法的执行主体可以是本申请实施例提供的输电线路巡检装置。也可以理解为,本申请实施例中的方法实施例是在装置实施例的基础上实现的,而本申请实施例中提出的输电线路巡检装置,是安装在输电线路杆塔上的。
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。
图1为本申请实施例提供的一种基于激光雷达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,包括以下执行步骤:
步骤101、确定预设巡检位置,并基于预设巡检位置采集第一图像与第一点阵数据。
本申请实施例提供的一种基于激光雷达的输电线路巡检方法,在进行正式巡检之前,首先会采集输电线路周围环境有关的图像数据以及点阵数据,以作为后期巡检过程中采集数据的参考,进而确定输电线路周围环境中的安全隐患目标是否足以构成报警。
具体地,在采集输电线路有关的第一图像与第一点阵数据之前,首先确定采集位置,即本申请实施例中的预设巡检位置。
在本申请的一个实施例中,通过摄像头采集第一图像,以及通过激光雷达采集第一点阵数据。并且,激光雷达是安装在云台上的,由云台转动带动激光雷达转动。具体地,云台上预先设有两个限位开关,以使激光雷达在这两个限位开关之间转动。
进一步地,以云台上的其中一个限位开关为初始巡检位置,另一个限位开关为结束巡检位置。并确定初始巡检位置与结束巡检位置之间的角度,即确定云台上两个限位开关之间的角度,也就是激光雷达在云台上能够转动的总角度。然后,基于该总角度确定激光雷达的旋转步距,即确定激光雷达旋转一次经过的角度。在本申请实施例的一种实现方式中,将激光雷达的旋转步距调整为0.05度,以保证激光雷达采集到的点阵数据,能够充分反映输电线路周围的环境信息。
更进一步地,在确定出激光雷达的旋转步距之后,基于该旋转步距,可以确定出激光雷达跟随云台转动的多个停留位置,这多个停留位置即为所要得到的预设巡检位置。例如,两个限位开关之间总共120度,旋转步距为0.05度,则总共可以确定出2400个预设巡检位置。需要说明的是,可以将激光雷达在初始巡检位置时的旋转角度确定为0度,这样基于云台上两个限位开关之间的角度,即可确定出激光雷达在各个预设巡检位置时对应的旋转角度。
在确定完激光雷达的预设巡检位置之后,基于该预设巡检位置,激光雷达采集与输电线路有关的第一点阵数据。需要说明的是,本申请实施例中的点阵数据包括激光雷达的旋转角度以及输电线路周围环境中存在的安全隐患目标对应的距离信息。且本领域技术人员可以明确的是,点阵数据中的距离信息通过激光雷达输出,点阵数据中的旋转角度可以通过云台旋转过程确定。
同时,通过摄像头采集输电线路有关的第一图像。需要说明的是,此处摄像头的采集位置可以是上述激光雷达对应的预设巡检位置,也可以是其他需要拍摄的巡检位置,只要能够将输电线路周围环境信息采集完全即可,本申请实施例对此不作限定。
步骤102、对第一图像进行识别,以识别出其中存在的安全隐患目标。
在采集完第一图像与第一点阵数据之后,第一点阵数据直接留存待用,而需要对第一图像进行识别,以确定出第一图像中存在的安全隐患目标。在本申请实施例的一种可能实现方式中,对第一图像中的安全隐患目标进行识别,可以通过安全隐患目标识别神经网络模型实现。但在将第一图像输入该神经网络模型中之前,需要对该模型进行训练。
具体地,首先获取与输电线路环境有关的若干张图像,然后对该若干张图像进行预处理,将存在安全隐患目标的图像进行标注,即可以以标注框的形式标记出该若干张图像中存在的安全隐患目标。而对于不存在安全隐患目标的图像,之间进行剔除处理。最终得到标记完成的图像数据,将标记完成的图像与其对应的原始未标记图像,构建为神经网络模型的训练数据。
然后,将该训练数据以预设比例进行划分,得到训练集与验证集。例如,将图像数据中的2/3数据作为训练集,剩余1/3数据作为验证集。进一步地,将训练集输入至预设模型中进行训练,并在训练完成之后,将验证集输入该模型中。需要说明的是,本申请实施例中并不限定采用的神经网络模型的类型,只要能够实现识别安全隐患目标这一功能即可。
进一步地,在将验证集输入训练后的神经网络模型中之后,接收神经网络模型的输出图像(应该是带有标注框的图像数据,且标注框内标记的是输电线路中存在的安全隐患目标),并将该输出图像与验证集中的标记图像进行对比,在对比结果满足预设条件时,确定安全隐患目标识别神经网络模型训练完成。需要说明的是,本申请实施例中的预设条件,可以是标注框的数量相同、标注框的位置相同等条件。
通过该训练好的安全隐患目标识别神经网络模型,即可识别出第一图像中存在的安全隐患目标。
步骤103、正常巡检时,以第一、第二预设时间为间隔,采集第二图像与第二点阵数据。
在采集完第一图像以及第一点阵数据,并对第一图像完成识别之后,就完成了本申请实施例中巡检方法的准备工作。此时,可以将第一点阵数据与识别完成的第一图像进行缓存处理,正式进行输电线路的巡检工作。
具体地,在对输电线路进行正常巡检时,激光雷达可以在之前确定的预设巡检位置上继续采集点阵数据,为了便于区分,此时采集的实际场景相关的点阵数据,记录为第二点阵数据。而摄像头同时也进行定时监拍,采集第二图像。需要说明的是,摄像头的定时间隔与激光雷达采集第二点阵数据的间隔时间不一致。在本申请实施例的一种实现方式中,将摄像头采集图像数据的时间间隔设置为第一预设时间,即每经过一个第一预设时间,摄像头进行定时监拍一次;将激光雷达采集一次第二点阵数据的时间间隔设置为以第二时间为间隔。需要说明的是,第二预设时间小于第一预设时间,即激光雷达采集点阵数据的间隔小于摄像头采集图像数据的间隔。本领域技术人员可以理解的是,摄像头本身可以带有自动旋转功能,而并不是只固定采集一个位置的图像数据。
还需要说明的是,本申请实施例中的摄像头也不只是进行定时监拍,也可以根据后台巡检人员发送的巡检指令,实时采集图像或者视频数据。
步骤104、计算第二点阵数据中的距离信息与第一点阵数据中的距离信息之间的差值。
在激光雷达采集完第二点阵数据(同样的包括激光雷达的旋转角度与安全隐患目标的距离信息)之后,本申请实施例中的巡检方法还包括:将第二点阵数据中的距离信息与第一点阵数据中的距离信息进行对比,以确定安全隐患目标是否足以构成报警。
具体地,通过计算第二点阵数据中存在的距离信息与第一点阵数据中存在的距离信息(相当于参考位置信息)之间的差值实现。
本领域技术人员可以理解的是,在该差值较大时,说明某一安全隐患目标的当前位置与参考位置之间相距较远,这种情况下,要么是该安全隐患目标远离了输电线路,要么是该安全隐患目标相较于之前位置,距离输电线路更近了。此时,可以触发报警。同样的,在该差值较小时,说明某一安全隐患目标的当前位置与参考位置之间相距较近,这种情况下,说明的是该安全隐患目标在原来的参考位置附近移动或者没有移动。此时,可以不触发报警。
还需要说明的是,计算第一点阵数据中的距离信息与第二点阵数据中的距离信息之间的差值时,应该保证第一点阵数据中的旋转角度与第二点阵数据中的旋转角度相同,即保证参与计算的第一点阵数据与第二点阵数据,是激光雷达在同一预设巡检位置上采集到的不同时间的点阵数据。
步骤105、判断差值是否大于预设阈值。
在计算完第一点阵数据中的距离信息与第二点阵数据中的距离信息之间的差值之后,将该差值与预设阈值进行比较,以判断该差值是否大于预设阈值。以便于在该差值大于预设阈值时,触发报警同时触发异常巡检机制,以使摄像头采集异常图像。
在本申请的一个实施例中,在第一点阵数据的距离信息与第二点阵数据的距离信息之间的差值小于等于预设阈值时,此时代表某一个或者某几个安全隐患目标相较于之前的参考位置变动不大。此时,不需要触发异常巡检机制,只要将摄像头采集的第二数据进行缓存以便于后期调取数据即可。需要说明的是,此时缓存的第二图像并不会一直保存,而是在保存一定时间之后,进行删除,以降低输电线路巡检装置的存储压力。
并且,在确定上述差值小于等于预设阈值时,继续保持正常巡检机制,即继续通过摄像头采集与输电线路有关的第二图像,以及继续通过激光雷达在预设巡检位置上采集第二点阵数据,并进行新一轮的距离计算及判断过程。
步骤106、采集第三图像,并与第一图像进行对比。
在确定第一点阵数据中的距离信息与第二点阵数据中的距离信息之间的差值大于预设阈值,触发异常巡检机制的情况下,通过摄像头采集与第二点阵数据对应的第三图像,并将该第三图像与第一图像(相当于初始参考图像)进行对比。
具体地,根据第二点阵数据对应的激光雷达位置,控制摄像头旋转到该位置,以使摄像头采集到第二点阵数据对应的第三图像。
然后,将第三图像与第一图像进行对比。具体的对比方式包括以下两种:
方式1、将第三图像输入到安全隐患目标识别神经网络模型中,得到带有安全隐患目标标记的第三图像。然后将带有标记的第三图像与第一图像进行比对。
方式2、不需要将第三图像输入到安全隐患目标识别神经网络模型中,以减少巡检过程中的计算任务。而是直接根据第一图像中存在的安全隐患目标,对第三图像进行预识别。即基于安全隐患目标在第一图像中的位置,在第三图像中的对应位置进行对比确定,以确定存在于第一图像中的安全隐患目标还是否存在于第三图像中。
步骤107、在第三图像中存在安全隐患目标时,将第三图像与报警信息上传服务器。
不管通过上述两种对比方式中的哪一种将第三图像与第一图像进行对比,都会得到以下几种对比结果:
结果1、存在于第一图像中的安全隐患目标,仍然存在于第三图像中。这种对比结果下,不管是存在于第一图像的一个安全隐患目标、多个安全隐患目标还是全部安全隐患目标,存在于第三图像中时,都是生成报警信息。因为这种对比结果说明的是,原始存在的安全隐患目标仍旧存在,且该隐患目标的当前位置与初始位置相距较远,有可能接进输电线路进而引发安全事故。
结果2、存在于第一图像中的安全隐患目标,在第三图像中不存在。此时,说明的是存在于第一图像中的某一个安全隐患目标,消失在第三图像中了,即该安全隐患目标已经远离输电线路了。此时,生成告知信息上报服务器,以通知后台巡检人员或者是现场巡检人员,安全隐患目标已远离输电线路。
对于结果1,在生成报警信息之后,将报警信息与第三图像同时上传服务器。并通过现场声光报警模块进行喊话驱离,起到预先警示的作用。而对于结果2,只将告知信息上报服务器,使后台巡检人员或者现场巡检人员得知安全隐患目标已远离输电线路。对于第三图像不进行上传,只在本地缓存预设时间,以便后期查看即可。这种处理方式,不进可以使得后台巡检人员或者现场巡检人员及时或者第一手现场资料,也大大降低了上传服务器的图像数量,降低流量压力。
进一步地,不管是将报警信息与第三图像上传,还是将告知信息进行上报之后,输电线路巡检装置都会进行暂时性的休眠状态,以等待下一次的巡检任务或者是定时苏醒进行巡检。
以上为本申请实施例提供的方法实施例,基于同样的发明构思,本申请实施例还提供了一种基于激光雷达的输电线路巡检装置。
图2为本申请实施例提供的一种基于激光雷达的输电线路巡检装置内部结构示意图。如图2所示,装置包括:云台202、摄像头204、激光雷达201以及智能控制模组203;
其中,激光雷达201采用单点激光雷达,运行功耗在0.6W左右;安装于云台202上,用于采集预设巡检位置对应的点阵数据;在本申请实施例的一种实现方式中,单点激光雷达采用TF350激光雷达。云台202与智能控制模组203连接,用于带动激光雷达201转动;且本申请实施例中的云台为采用高精度的步进电机控制的单轴云台。摄像头204采用定焦摄像头,以降低成本;摄像头204与智能控制模组203连接,用于采集输电线路有关的图像数据。
进一步地,智能控制模组203用于接收摄像头204发送的图像数据,以及接收激光雷达201发送的点阵数据,并用于基于图像数据与点阵数据控制输电线路巡检装置进入异常拍照模式。在本申请实施例的一种可能实现方式中,智能控制模组203由核心板和控制板组成;其中,核心板使用高通SDM450处理器,以实现数据处理、图像智能分析、数据上传等功能。控制板采用低功耗MCU-STM32L431系列32位单片机,实现运行状态监控、充电参数及激光雷达距离采集、云台控制等工作。
更进一步地,本申请实施例提供的输电线路巡检装置还包括:声光告警模块205。在异常拍照模式或者异常巡检机制下,摄像头204用于将最新采集的图像数据发送给智能控制模组203;该智能控制模组203用于对摄像头204最新采集的图像数据进行智能分析,并生成告警信息;此时,声光告警模块205用于将告警信息进行广播并上报服务器。
需要说明的是,本申请实施例中的输电线路巡检装置,还包括太阳能电源模组206。在本申请的一个实施例中,该太阳能电源模组206由太阳能电池板、充电控制器、磷酸铁锂电池组成,太阳能电池板通过充电控制器(可以为充电控制电路)给磷酸铁锂电池进行充电,具有防雷、过压、过流等保护功能。其中,太阳能电池板选用规格为30W/DC18V的钢化玻璃板,磷酸铁锂电池的选择容量为15AH/12.8V。
在本申请实施例的一种可能实现方式中,智能控制模组203,用于确定预设巡检位置;摄像头204,用于基于预设巡检位置采集输电线路有关的第一图像;激光雷达201,用于基于预设巡检位置采集与第一图像对应的第一点阵数据;其中,第一点阵数据包括激光雷达201的旋转角度以及输电线路安全隐患目标的距离信息;智能控制模组203,还用于将第一图像输入安全隐患目标识别神经网络模型中,以识别出第一图像中存在的安全隐患目标;摄像头204,还用于以第一预设时间为间隔,采集输电线路有关的第二图像;激光雷达201,还用于以第二预设时间为间隔,在预设巡检位置上采集第二点阵数据;智能控制模组203,还用于计算第二点阵数据中的距离信息与第一点阵数据中的距离信息之间的差值;摄像头204,还用于在差值绝对值大于等于预设阈值的情况下,采集与第二点阵数据对应的第三图像;智能控制模组203,还用于将第三图像与第一图像进行对比,并在确定第三图像中存在安全隐患目标的情况下,生成报警信息。
本申请实施例提供的输电线路巡检方法及装置,把单点激光雷达融合到智能监拍装置(巡检装置)中,采用小型的水平旋转单轴云台,带动激光雷达实现水平平面扫描,充分感知输电线路下方的障碍信息,作为启动摄像头的启动判据,实现定时巡检和异常巡检。在节省了成本和功耗的同时,增加了巡检密度,增强了保护现场第一手资料的时效性,消除了图像巡检间隔空窗期的隐患证据留存障碍;对外破设备等安全隐患目标进入输电线路安全距离时,通过声光喊话形式,起到预先警示的作用,达到主动防控目的。且该输电线路巡检装置的设计成本较低,具有较大的实用价值。
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,对于装置实施例而言,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)

1.一种基于激光雷达的输电线路巡检方法,其特征在于,所述方法包括:
确定预设巡检位置,并基于所述预设巡检位置通过摄像头采集输电线路有关的第一图像,以及通过激光雷达采集与所述第一图像对应的第一点阵数据;其中,所述第一点阵数据包括所述激光雷达的旋转角度以及所述输电线路安全隐患目标的距离信息;
将所述第一图像输入安全隐患目标识别神经网络模型中,以识别出所述第一图像中存在的安全隐患目标;
以第一预设时间为间隔,通过所述摄像头采集所述输电线路有关的第二图像;以及以第二预设时间为间隔,通过所述激光雷达在所述预设巡检位置上采集第二点阵数据;其中,所述第二预设时间小于所述第一预设时间;
计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值,并在所述差值绝对值大于等于预设阈值的情况下,通过所述摄像头采集与所述第二点阵数据对应的第三图像;
将所述第三图像与所述第一图像进行对比,并在确定所述第三图像中存在安全隐患目标的情况下,生成报警信息。
2.根据权利要求1所述的一种基于激光雷达的输电线路巡检方法,其特征在于,所述确定预设巡检位置,具体包括:
确定安装于云台上的两个限位开关位置;其中,所述云台至少用于带动所述激光雷达在所述两个限位开关之间转动;
将任一限位开关位置作为初始巡检位置,以及将另一个限位开关位置确定为结束巡检位置;
确定所述初始巡检位置与所述结束巡检位置之间角度,并基于所述角度确定所述激光雷达的旋转步距;其中,所述激光雷达的旋转步距用于指示所述激光雷达旋转一次转过的角度;
将所述激光雷达在所述初始巡检位置时的旋转角度确定为0度,并基于所述激光雷达的旋转步距,确定所述激光雷达在所述初始巡检位置与所述结束巡检位置之间的若干停留位置;
根据所述若干停留位置确定所述预设巡检位置。
3.根据权利要求1所述的一种基于激光雷达的输电线路巡检方法,其特征在于,在将所述第一图像输入安全隐患目标识别神经网络模型中之前,所述方法还包括:
在预设图像数据库中或者在预设网站上获取所述输电线路安全隐患目标相关的图像数据;
对所述图像数据中存在的安全隐患目标进行标注,以得到训练数据;
将所述训练数据以预设比例划分为训练集与验证集,并将所述训练集输入神经网络模型中进行训练,以得到所述安全隐患目标识别神经网络模型;
将所述验证集输入所述安全隐患目标识别神经网络模型中,得到所述验证集对应的识别结果,并将所述识别结果与所述验证集中的标注图像进行对比,以确定所述安全隐患目标识别神经网络模型的训练是否完成。
4.根据权利要求1所述的一种基于激光雷达的输电线路巡检方法,其特征在于,在计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值之后,所述方法还包括:
确定所述差值小于预设阈值;
将所述第二图像进行缓存,并继续通过所述摄像头采集与输电线路有关的第二图像,以及继续通过所述激光雷达在预设巡检位置上采集第二点阵数据,直至所述差值大于等于预设阈值;
在第三预设时间之后,清除缓存的所述第二图像。
5.根据权利要求1所述的一种基于激光雷达的输电线路巡检方法,其特征在于,将所述第三图像与所述第一图像进行对比,具体包括:
基于所述第一图像中存在的安全隐患目标,对所述第三图像进行预识别;
在确定存在于所述第一图像中的安全隐患目标,在所述第三图像中不存在时,生成告知信息。
6.根据权利要求5所述的一种基于激光雷达的输电线路巡检方法,其特征在于,所述方法还包括:
将所述告知信息上报服务器;其中,所述告知信息用于通知服务器所述安全隐患目标消失;
将所述第三图像进行缓存,并进入休眠状态,直至接收到新的巡检任务。
7.根据权利要求1所述的一种基于激光雷达的输电线路巡检方法,其特征在于,将所述第三图像与所述第一图像进行对比,具体包括:
将所述第三图像输入所述安全隐患目标识别神经网络模型中,以识别出所述第三图像中存在的安全隐患目标;
将所述第三图像中存在的安全隐患目标与所述第一图像中存在的安全隐患目标进行对比;
在确定所述第一图像中存在的任一安全隐患目标,在所述第三图像中也存在的情况下,生成所述报警信息;
将所述报警信息与所述第三图像上传服务器。
8.一种基于激光雷达的输电线路巡检装置,其特征在于,所述装置包括:摄像头、激光雷达以及智能控制模组;
所述智能控制模组,用于确定预设巡检位置;
所述摄像头,用于基于所述预设巡检位置采集输电线路有关的第一图像;
所述激光雷达,用于基于所述预设巡检位置采集与所述第一图像对应的第一点阵数据;其中,所述第一点阵数据包括所述激光雷达的旋转角度以及所述输电线路安全隐患目标的距离信息;
所述智能控制模组,还用于将所述第一图像输入安全隐患目标识别神经网络模型中,以识别出所述第一图像中存在的安全隐患目标;
所述摄像头,还用于以第一预设时间为间隔,采集所述输电线路有关的第二图像;
所述激光雷达,还用于以第二预设时间为间隔,在所述预设巡检位置上采集第二点阵数据;其中,所述第二预设时间小于所述第一预设时间;
所述智能控制模组,还用于计算所述第二点阵数据中的距离信息与所述第一点阵数据中的距离信息之间的差值;
所述摄像头,还用于在所述差值绝对值大于等于预设阈值的情况下,采集与所述第二点阵数据对应的第三图像;
所述智能控制模组,还用于将所述第三图像与所述第一图像进行对比,并在确定所述第三图像中存在安全隐患目标的情况下,生成报警信息。
9.根据权利要求8所述的一种基于激光雷达的输电线路巡检装置,其特征在于,所述装置还包括云台;
所述激光雷达安装于所述云台上;所述云台与所述智能控制模组连接,用于带动所述激光雷达转动;
所述摄像头与所述智能控制模组连接;
所述装置还包括声光告警模块,所述声光告警模块与所述智能控制模组连接,用于将所述报警信息进行广播并上报服务器。
10.根据权利要求9所述的一种基于激光雷达的输电线路巡检装置,其特征在于,所述激光雷达为单点激光雷达,所述云台为单轴云台,所述摄像头为定焦摄像头;
所述单点激光雷达采用TF350激光雷达。
CN202110727902.5A 2021-06-29 2021-06-29 一种基于激光雷达的输电线路巡检方法及装置 Active CN113591574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110727902.5A CN113591574B (zh) 2021-06-29 2021-06-29 一种基于激光雷达的输电线路巡检方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110727902.5A CN113591574B (zh) 2021-06-29 2021-06-29 一种基于激光雷达的输电线路巡检方法及装置

Publications (2)

Publication Number Publication Date
CN113591574A CN113591574A (zh) 2021-11-02
CN113591574B true CN113591574B (zh) 2024-02-27

Family

ID=78245116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110727902.5A Active CN113591574B (zh) 2021-06-29 2021-06-29 一种基于激光雷达的输电线路巡检方法及装置

Country Status (1)

Country Link
CN (1) CN113591574B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116014890B (zh) * 2022-12-16 2024-03-05 广东南海电力设计院工程有限公司 一种基于激光雷达技术的架空线路导线电气安全距离警报装置
CN117092631B (zh) * 2023-10-19 2024-04-19 江苏翰林正川工程技术有限公司 一种输电通道施工机械目标定位与测距方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111952883A (zh) * 2020-08-25 2020-11-17 广东电网有限责任公司 一种基于三维激光雷达的输电线路故障识别系统及方法
CN112270267A (zh) * 2020-10-29 2021-01-26 国网山东省电力公司淄博供电公司 可自动抓拍线路故障的摄像识别系统
CN112688434A (zh) * 2021-01-15 2021-04-20 广州穗能通能源科技有限责任公司 输配电线路的监测预警方法、装置、计算机设备和介质
CN112712682A (zh) * 2020-12-30 2021-04-27 国网青海省电力公司黄化供电公司 一种基于输配电线路的主动预警巡检监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101769718B1 (ko) * 2016-09-21 2017-08-18 한국전력공사 송전선로 전자계 및 순시 점검 영상 취득 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111952883A (zh) * 2020-08-25 2020-11-17 广东电网有限责任公司 一种基于三维激光雷达的输电线路故障识别系统及方法
CN112270267A (zh) * 2020-10-29 2021-01-26 国网山东省电力公司淄博供电公司 可自动抓拍线路故障的摄像识别系统
CN112712682A (zh) * 2020-12-30 2021-04-27 国网青海省电力公司黄化供电公司 一种基于输配电线路的主动预警巡检监测方法
CN112688434A (zh) * 2021-01-15 2021-04-20 广州穗能通能源科技有限责任公司 输配电线路的监测预警方法、装置、计算机设备和介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Detecting Inspection Objects of Power Line from Cable Inspection Robot LiDAR Data;Xinyan Qin;Automatic Target Recognition of High Resolution SAR/ISAR Images;全文 *
基于双目视觉监控的输电线路通道异物闯入检测技术的研究_陈雄;陈雄;电力科学与工程;全文 *
电厂巡检作业移动机器人关键技术研究;刘宏宇;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑);全文 *

Also Published As

Publication number Publication date
CN113591574A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113569914B (zh) 一种融合点云数据的输电线路巡检方法及系统
CN113591574B (zh) 一种基于激光雷达的输电线路巡检方法及装置
CN210348788U (zh) 节能型高速公路护栏撞击事件监测设备
CN110097787B (zh) 一种基于监控航标灯的船只碰撞预警监测系统及方法
CN210899299U (zh) 一种隧道监控系统
CN108881867B (zh) 智能城管信息可视化综合管理系统
CN110718033A (zh) 输电线路防外力破坏监测预警系统及使用方法
CN112258800A (zh) 一种基于北斗卫星技术的输电线路外力破坏监测系统及方法
CN104835272A (zh) 一种高压输电铁塔防盗系统
CN101719300A (zh) 智能视频火灾预警系统及其报警参数的确定方法
CN113022445A (zh) 一种车辆环境信息监测方法及系统
CN115471965A (zh) 一种输电线路区域防护系统和防护方法
CN111343285A (zh) 一种强化学习与图像智能识别的电力在线监测系统
CN113870504A (zh) 基于ai及雷达探测的架空线路防外力破坏监测系统及方法
CN117590775A (zh) 巡检机器人及其自动巡检控制方法
CN210478710U (zh) 一种铁路侵限监测系统
CN112750337A (zh) 一种限高架碰撞无线报警系统及其报警方法
CN202720282U (zh) 一种机车受电弓状态无线监测系统
CN114882682B (zh) 一种高压线缆状态监测平台及监测方法
CN207589033U (zh) 一种内河船舶北斗视频监控多路视频装置
CN116343528A (zh) 桥梁船撞报警感知设备及包括该设备的安全监测应用平台
CN115700644A (zh) 基于视觉的风电场站自动巡检方法及装置
CN215866769U (zh) 一种桥涵及限高防护架的碰撞报警装置
CN116915960B (zh) 一种防山火监控方法、装置、系统及监控终端
CN218939065U (zh) 预警系统

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
GR01 Patent grant
GR01 Patent grant