CN113936207A - 一种便携式电力巡检方法、设备及介质 - Google Patents
一种便携式电力巡检方法、设备及介质 Download PDFInfo
- Publication number
- CN113936207A CN113936207A CN202111025882.3A CN202111025882A CN113936207A CN 113936207 A CN113936207 A CN 113936207A CN 202111025882 A CN202111025882 A CN 202111025882A CN 113936207 A CN113936207 A CN 113936207A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- color point
- cloud picture
- hidden danger
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 238000007600 charging Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种便携式电力巡检方法、设备及介质，该方案包括：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据；对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图；获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
Description
技术领域
本说明书实施例涉及电力巡检技术领域，尤其涉及一种便携式电力巡检方法、设备及介质。
背景技术
目前，在电力巡检技术领域，利用可视化监拍装置能够有效的识别吊车、挖掘地等外破设备，得到了大量的应用，但是由于缺少深度信息，无法精确识别树木、杆塔三维尺寸，无法有效排除树障、建筑等隐患信息；通过高压巡检机器人进行巡检时，挂载复杂且越障困难。显然，这两种巡检方式在电力巡检技术领域都存在一定的弊端。
此外，无人机携带大量传感设备进行巡检，设备单机成本高且容易发生撞线坠机事件，不适合在恶劣环境或者禁止无人机飞行区域下进行巡检工作；同时，一旦无人机巡检完成后得到的巡检数据有缺失或者出现错误等情况，需要通过无人机二次巡检获得新的巡检数据。无人机携带大量传感设备进行巡检耗费成本高，且无法及时掌握巡检数据的准确性。
基于此，如何提供一种便携式电力巡检方法成为电力巡检技术领域亟需解决的问题。
发明内容
本说明书实施例提供一种便携式电力巡检方法、设备及介质，用以解决现有技术中的如下技术问题：
无人机携带大量传感设备进行巡检，巡检工作繁杂、耗费成本高，且无法及时掌握巡检数据的准确性。
为解决上述技术问题，本说明书实施例是这样实现的：
一方面，本说明书实施例提供一种便携式电力巡检方法，包括：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示所述电力设备的隐患信息与所述电力设备的故障信息；对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
在一个实施例中，所述彩色点云图存在数据异常包括所述彩色点云图的图像存在缺失，和/或所述彩色点云图中所述电力设备的隐患情况与所述电力设备的故障情况存在预设的错误显示。
在一个实施例中，所述电力巡检的工作模式包括日常巡检模式与事故排查模式；所述根据所述彩色点云图确定出巡检结果，具体包括：根据所述彩色点云图确定所述事故排查模式对应的事故巡检结果，或者日常巡检模式对应的隐患巡检结果。
在一个实施例中，当所述电力巡检的工作模式为所述日常巡检模式；所述根据所述彩色点云图确定出巡检结果，具体包括：获取所述彩色点云图中存在的隐患，并确定出所述隐患的类型与位置；通过预先训练的隐患分析模型对所述隐患的类型与位置进行分析，确定出所述隐患的危害程度；若所述隐患的危害程度高于预设阈值，根据所述隐患的类型与位置生成隐患预警信息。
在一个实施例中，所述根据所述隐患的类型与位置生成隐患预警信息，具体包括：所述隐患的类型包括所述电力设备预设范围内的隐患障碍物与所述电力设备的隐患故障；若所述隐患的类型为所述电力设备预设范围内的隐患障碍物，在所述彩色点云图中标记所述隐患障碍物的位置，并在所述彩色点云图中标注所述隐患障碍物与所述电力设备之间的距离；若所述隐患的类型为所述电力设备隐患故障，在所述彩色点云图中标记所述电力设备隐患故障的位置。
在一个实施例中，当所述电力巡检的工作模式为所述事故排查模式；所述根据所述彩色点云图确定出巡检结果，具体包括：获取存在事故的彩色点云图；通过预先训练的事故分析模型对所述存在事故的彩色点云图进行分析，确定出所述事故的位置与类型，并在所述存在事故的彩色点云图中标注所述事故的位置与类型。
在一个实施例中，所述对所述多个子区域的三维点云数据进行数据拼接，具体包括：针对所述多个子区域的三维点云数据，分别采用二次曲面拟合算法求得每个区域的曲率；根据所述每个区域的曲率确定对应的点集；根据所述点集之间曲率的距离参数，确定出对应的匹配点对；建立所述匹配点对之间的映射关系，并通过四元数算法对所述点集进行坐标变换，以便将所述多个子区域的三维点云数据统一到同一个坐标系下。
在一个实施例中，所述根据所述点集之间曲率的距离参数，确定出对应的匹配点对，具体包括：根据点集之间曲率的Hausdorff距离作为相似性度量，确定出对应的匹配点对。
另一方面，本说明书实施例提供一种便携式电力巡检设备，包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令能被所述至少一个处理器执行，以使所述至少一个处理器能够：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示所述电力设备的隐患信息与所述电力设备的故障信息；对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
本说明书实施例采用上述至少一个技术方案能够达到以下有益效果：通过手持巡检设备端完成电力巡检工作，成本相对较低且操作便捷，一旦发现数据异常可以及时进行二次巡检，以保证数据的准确性。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，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便携式电力巡检方法的流程示意图；
图2为本申请实施例提供的一种便携式电力巡检方法的流程图；
图3为本申请实施例提供的一种便携式电力巡检设备的结构框图；
图4为本申请实施例提供的一种便携式电力巡检设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于说明书中的实施例，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便携式电力巡检方法、设备及介质，下面进行具体说明：
图1为本申请实施例提供的一种便携式电力巡检方法的流程示意图，如图1所示，本申请实施例提供的一种便携式电力巡检方法可以包括以下步骤：
S101：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示电力设备的隐患信息与所述电力设备的故障信息。
首先，目标区域可以划分为多个子区域，手持存储设备端至少包括激光雷达和摄像头两种采集设备，激光雷达用于输出多个子区域三维点云数据，摄像头用于采集多个子区域的图像数据。
S102：对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；所述目标区域由所述多个子区域构成。
三维扫描设备可以快速获取被测物体的表面形状信息，其测量得到的海量三维点坐标数据称为点云。在三维物体数字化过程中，由于受测量设备测量范围的限制以及被测物体外形的复杂性等，三维检测一次只能得到物体某一部分表面的数据，要得到物体完整的形状信息，需要从不同角度使用多次定位进行测量，测量结果通过配准后才能重构出整个对象。
于是，在获取物体表面数据过程中，由于物体过大或单幅不能实现完全测量时，需要对测量点云进行拼接处理。
S103：将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况。
需要说明的是，融合的基本原理是：首先根据系统时间同步控制器，系统空间检校数据以及POS数据，利用自行设计的程序算法，解算出面阵CCD获取的每幅图像的外方位元素；然后利用共线方程得到激光点在图像上的像素坐标；最后把对应像素的颜色属性值赋值给点云数据，得到的就是具有真实颜色属性的底物激光点云图，也就是彩色点云图。
S104：获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检。
需要说明的是，手持巡检设备端可以包括平板等可视化设备，彩色点云图通过可视化设备呈现给巡检人员，以供巡检人员对彩色点云图进行判断分析。一旦彩色点云图存在数据异常，巡检人员可以及时通过手持巡检设备端重新进行巡检，操作简便且能保证巡检结果的准确性。
在本说明书的一些实施例中，所述彩色点云图存在数据异常包括所述彩色点云图的图像存在缺失，和/或所述彩色点云图中所述电力设备的隐患情况与所述电力设备的故障情况存在预设的错误显示。
具体地，彩色点云图的图像存在缺失指的是彩色点云图出现图像不完整的情况，巡检人员在发现这种情况时，为了避免巡检遗漏，应当重新进行巡检。再者，如上所述，彩色点云图用于表示目标区域的图像数据中标记为电力设备的隐患情况与电力设备的故障情况，其隐患情况和故障情况有一种或多种，对于每一种电力设备的隐患情况与电力设备的故障情况，有可能存在错误显示的现象，因此，针对每一种电力设备的隐患情况与电力设备的故障情况，对其相关数据进行阈值范围设定，从而避免出现错误显示的现象。比如，对于存在树木等静态障碍物的隐患情况，假设静态障碍物与电力设备之间的距离大于10时认为是安全无隐患的，如果检测到存在障碍物的隐患情况并且障碍物与电力设备之间的距离为50米，则有可能存在错误显示的情况，应当通过手持巡检设备端重新进行巡检；对于线路断裂的故障情况，将其断裂长度的正常阈值范围设定为0.01米-20米，当显示出现线路断裂的故障情况并且断裂长度大于20米时，为了防止出现错误显示的情况，应当通过手持巡检设备端重新进行巡检。
S105：若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
在本说明书的一些实施例中，所述电力巡检的工作模式包括日常巡检模式与事故排查模式；所述根据所述彩色点云图确定出巡检结果，具体包括：根据所述彩色点云图确定所述事故排查模式对应的事故巡检结果，或者日常巡检模式对应的隐患巡检结果。
在本说明书的一些实施例中，当所述电力巡检的工作模式为所述日常巡检模式；所述根据所述彩色点云图确定出巡检结果，具体包括：获取所述彩色点云图中存在的隐患，并确定出所述隐患的类型与位置；通过预先训练的隐患分析模型对所述隐患的类型与位置进行分析，确定出所述隐患的危害程度；若所述隐患的危害程度高于预设阈值，根据所述隐患的类型与位置生成隐患预警信息。
在本说明书的一些实施例中，所述根据所述隐患的类型与位置生成隐患预警信息，具体包括：所述隐患的类型包括所述电力设备预设范围内的隐患障碍物与所述电力设备的隐患故障；若所述隐患的类型为所述电力设备预设范围内的隐患障碍物，在所述彩色点云图中标记所述隐患障碍物的位置，并在所述彩色点云图中标注所述隐患障碍物与所述电力设备之间的距离；若所述隐患的类型为所述电力设备隐患故障，在所述彩色点云图中标记所述电力设备隐患故障的位置。
在本说明书的一些实施例中，当所述电力巡检的工作模式为所述事故排查模式；所述根据所述彩色点云图确定出巡检结果，具体包括：获取存在事故的彩色点云图；通过预先训练的事故分析模型对所述存在事故的彩色点云图进行分析，确定出所述事故的位置与类型，并在所述存在事故的彩色点云图中标注所述事故的位置与类型。
通过生成隐患预警信息，使得巡检人员针对隐患的类型与位置以及确定出的隐患的危害程度，及时采取修理措施，避免因为隐患问题发现不及时进而造成人员伤害等严重后果。
为了得到目标区域的三维点云数据和图像数据，可以采用数据拼接技术，对多个子区域的三维点云数据和图像数据分别进行数据拼接，由此得到目标区域的三维点云数据和图像数据。比如，可以通过最近点迭代算法(Iterative Closest Points,ICP)对三维点云数据进行拼接。
在本说明书的一些实施例中，所述对所述多个子区域的三维点云数据进行数据拼接，具体包括：针对所述多个子区域的三维点云数据，分别采用二次曲面拟合算法求得每个区域的曲率；根据所述每个区域的曲率确定对应的点集；根据所述点集之间曲率的距离参数，确定出对应的匹配点对；建立所述匹配点对之间的映射关系，并通过四元数算法对所述点集进行坐标变换，以便将所述多个子区域的三维点云数据统一到同一个坐标系下。
在本说明书的一些实施例中，所述根据所述点集之间曲率的距离参数，确定出对应的匹配点对，具体包括：根据点集之间曲率的Hausdorff距离作为相似性度量，确定出对应的匹配点对。
利用基于曲率的点云数据拼接算法，以曲率特征点来判断对应点集，能够快速准确的找到重叠区域，并且可以用Hausdorff距离作为度量准则，找到一一对应的匹配点对，并用最大、最小主曲率对这些对应点进行检验和筛选，经过迭代求解、坐标变换，完成视图间的拼接。
多视角点云数据的拼接方法可以分为两大类：一类是利用离散的特征进行匹配的方法，另一类是ICP算法。在实际操作中，往往采用上述两者结合的方式来完成，即先利用基于特征的方法实现粗配准，再使用ICP算法进行精确配准。
在本说明书的一些实施例中，图2为本申请实施例提供的一种便携式电力巡检方法的流程图，如图2所示，首先，电力巡检设备开始工作，配置需要工作的激光雷达、红外热像机芯、摄像头、九轴传感器等采集设备；根据巡检场景选择对应的工作模式，其工作模式包括日常巡检模式和事故排查模式，手持扫描仪器，对准扫描目标，开始扫描，激光雷达、摄像头、红外热像机芯开始数据采集，九轴传感器记录手臂移动的位姿；日常巡检时，扫描杆塔、导线、树木、车辆、土堆、建筑等物体；扫描完成，分别对图像数据和三维点云数据进行拼接和融合，通过预先训练的隐患分析模型进行智能分析，标注出隐患障碍物的信息与导线距离；事故排查时，以发生事故的器件为目标关注对象，扫描周围的环境信息；扫描完成，分别对图像数据和三维点云数据进行拼接和融合，通过预先训练的事故分析模型进行智能分析，标注出事故的位置与类型；展示巡检结果，供巡检人员查看和确认，确认后把巡检结果发送给平台服务器和相关工作人员，巡检完毕。
综上，本申请提供的一种便携式电力巡检方法，能够通过手持巡检设备端完成电力巡检工作，成本相对较低且操作便捷，一旦发现数据异常可以及时进行二次巡检，以保证数据的准确性。
图3为本申请实施例提供的一种便携式电力巡检设备的结构框图，如图3所示，本申请实施例提供的一种便携式电力巡检设备，可以由激光雷达、摄像头、红外热像机芯、九轴传感器、ARM核心板、显示屏、MCU控制板、充电管理电路、充电电池等几部分组成。激光雷达能输出三维点云数据，采用非重复扫描方式，通过网口与ARM核心板进行数据交互，把点云数据发送到核心板进行存储，并能完成对雷达设备的校时工作；摄像头通过MIPI接收与ARM核心板进行连接，在ARM核心板的控制下，实现对周围图像的采集功能；红外热像机芯通过USB与ARM核心板相连接，能够采集被测设备的热像信息，显示最高温度及区域平均温度；九轴传感器能够实现三轴角速度、三轴加速度和磁场强度方向的采集，通过I2C接口与核心板进行通讯，完成移动轨迹的侦测功能；显示屏能够显示融合后的图像、点云数据及热像信息，完成与使用者的信息交互；ARM核心板能够控制激光雷达、红外热像机芯的通断电，能够存储及解算激光雷达扫描的三维点云数据、图像信息、红外热像信息、九轴传感器信息，能够实现图像数据、三维点云数据的拼接及融合工作，能够通过串口与MCU控制板进行通讯，实现对各电路运行参数的管理及上传平台服务器功能；MCU控制板能够实现对各级电路运行状态的监控，控制电源管理电路，具有防雷、过压、过流防护功能；充电控制电路能够实现对电池的充电控制功能，具有涓流、恒流、恒压充电功能。
图4为本申请实施例提供的一种便携式电力巡检设备的结构示意图，如图3所示，本申请实施例提供的一种便携式电力巡检设备，可以包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令能被所述至少一个处理器执行，以使所述至少一个处理器能够：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示所述电力设备的隐患信息与所述电力设备的故障信息；对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
本申请可以将激光雷达、红红外热像机芯和可视化设备融合到一块，使之成为一种便携式手持电力巡检设备，携带及操控较为简便，巡检数据信息可以直接在设备端进行处理，完成图像数据、三维点云数据的拼接和融合，将融合后得到的彩色点云图在可视化设备上进行展示，实现巡检结果就地显示及评测，并把巡检结果和评测结果发送至相关工作人员，大大提高了电力巡检的时效性及数据有效性，减少了因扫描质量问题未能及时发现导致的二次返工重扫现象，能够轻松应对日常巡检和事故排查，也能够应对一些突发情况、恶劣情况下的巡检工作，提高了巡检效率，减少了是个发生概率，具有比较大的实用价值。
处理器与存储器之间可以通过总线通信，设备还可以包括与其他设备通信的输入/输出接口。
本申请的一些实施例提供的对应于图1的一种便携式电力巡检的非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示所述电力设备的隐患信息与所述电力设备的故障信息；对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
本说明书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，对于设备、非易失性计算机存储介质实施例而言，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。
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要求范围之内。
Claims (10)
1.一种便携式电力巡检方法，其特征在于，所述方法包括：
接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示电力设备的隐患信息与所述电力设备的故障信息；
对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；所述目标区域由所述多个子区域构成；
将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；
获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；
若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
2.根据权利要求1所述的方法，其特征在于，所述彩色点云图存在数据异常包括所述彩色点云图的图像存在缺失，和/或所述彩色点云图中所述电力设备的隐患情况与所述电力设备的故障情况存在预设的错误显示。
3.根据权利要求1所述的方法，其特征在于，所述电力巡检的工作模式包括日常巡检模式与事故排查模式；
所述根据所述彩色点云图确定出巡检结果，具体包括：
根据所述彩色点云图确定所述事故排查模式对应的事故巡检结果，或者日常巡检模式对应的隐患巡检结果。
4.根据权利要求3所述的方法，其特征在于，当所述电力巡检的工作模式为所述日常巡检模式；
所述根据所述彩色点云图确定出巡检结果，具体包括：
获取所述彩色点云图中存在的隐患，并确定出所述隐患的类型与位置；
通过预先训练的隐患分析模型对所述隐患的类型与位置进行分析，确定出所述隐患的危害程度；
若所述隐患的危害程度高于预设阈值，根据所述隐患的类型与位置生成隐患预警信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述隐患的类型与位置生成隐患预警信息，具体包括：
所述隐患的类型包括所述电力设备预设范围内的隐患障碍物与所述电力设备的隐患故障；
若所述隐患的类型为所述电力设备预设范围内的隐患障碍物，在所述彩色点云图中标记所述隐患障碍物的位置，并在所述彩色点云图中标注所述隐患障碍物与所述电力设备之间的距离；
若所述隐患的类型为所述电力设备隐患故障，在所述彩色点云图中标记所述电力设备隐患故障的位置。
6.根据权利要求3所述的方法，其特征在于，当所述电力巡检的工作模式为所述事故排查模式；
所述根据所述彩色点云图确定出巡检结果，具体包括：
获取存在事故的彩色点云图；
通过预先训练的事故分析模型对所述存在事故的彩色点云图进行分析，确定出所述事故的位置与类型，并在所述存在事故的彩色点云图中标注所述事故的位置与类型。
7.根据权利要求1所述的方法，其特征在于，所述对所述多个子区域的三维点云数据进行数据拼接，具体包括：
针对所述多个子区域的三维点云数据，分别采用二次曲面拟合算法求得每个子区域的曲率；
根据所述每个子区域的曲率确定对应子区域的点集；
根据所述点集之间曲率的距离参数，确定出对应的匹配点对；
建立所述匹配点对之间的映射关系，并通过四元数算法对所述点集进行坐标变换，以便将所述多个子区域的三维点云数据统一到同一个坐标系下。
8.根据权利要求7所述的方法，其特征在于，所述根据所述点集之间曲率的距离参数，确定出对应的匹配点对，具体包括：
根据点集之间曲率的Hausdorff距离作为相似性度量，确定出对应的匹配点对。
9.一种便携式电力巡检设备，其特征在于，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令能被所述至少一个处理器执行，以使所述至少一个处理器能够：
接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示电力设备的隐患信息与所述电力设备的故障信息；所述目标区域由所述多个子区域构成；
对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；
将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；
获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；
若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
接收并存储手持巡检设备端中激光雷达输出的多个子区域的三维点云数据与摄像头采集的所述多个子区域的图像数据，其中，所述三维点云数据用于表示电力设备的隐患信息与所述电力设备的故障信息；
对所述多个子区域的三维点云数据和图像数据分别进行数据拼接，得到目标区域的三维点云数据和图像数据；所述目标区域由所述多个子区域构成；
将所述目标区域的三维点云数据和图像数据进行数据融合，得到彩色点云图，其中，所述彩色点云图用于表示所述目标区域的图像数据中标记所述电力设备的隐患情况与所述电力设备的故障情况；
获取巡检人员对所述彩色点云图的判断分析结果，若所述判断分析结果为所述彩色点云图存在数据异常，则通过所述手持巡检设备端重新进行巡检；
若所述判断分析结果为所述彩色点云图的数据正常，根据所述彩色点云图确定出巡检结果，完成所述目标区域的电力巡检工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111025882.3A CN113936207B (zh) | 2021-09-02 | 2021-09-02 | 一种便携式电力巡检方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111025882.3A CN113936207B (zh) | 2021-09-02 | 2021-09-02 | 一种便携式电力巡检方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113936207A true CN113936207A (zh) | 2022-01-14 |
| CN113936207B CN113936207B (zh) | 2024-06-04 |
Family
ID=79274829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111025882.3A Active CN113936207B (zh) | 2021-09-02 | 2021-09-02 | 一种便携式电力巡检方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113936207B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363846A (zh) * | 2019-08-21 | 2019-10-22 | 江苏盈丰电子科技有限公司 | 一种井下3d激光成像智能巡检系统及其使用方法 |
| CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及系统 |
| CN112330676A (zh) * | 2020-12-31 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于红外点云的变电站/换流站缺陷诊断方法及系统 |
| KR20210061875A (ko) * | 2019-11-20 | 2021-05-28 | 국민대학교산학협력단 | 포인트 클라우드 데이터를 이용한 3d lidar 센서 결함 검출 방법 |
-
2021
- 2021-09-02 CN CN202111025882.3A patent/CN113936207B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363846A (zh) * | 2019-08-21 | 2019-10-22 | 江苏盈丰电子科技有限公司 | 一种井下3d激光成像智能巡检系统及其使用方法 |
| CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及系统 |
| KR20210061875A (ko) * | 2019-11-20 | 2021-05-28 | 국민대학교산학협력단 | 포인트 클라우드 데이터를 이용한 3d lidar 센서 결함 검출 방법 |
| CN112330676A (zh) * | 2020-12-31 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于红外点云的变电站/换流站缺陷诊断方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 汪勇;张英;廖如超;郭启迪;袁新星;康泰钟;: "基于可见光、热红外及激光雷达传感的无人机图像融合方法", 激光杂志, no. 02, 25 February 2020 (2020-02-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113936207B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN103150786B (zh) | 一种非接触式无人驾驶车辆行驶状态测量系统及测量方法 | |
| CN110597249B (zh) | 一种机器人及其回充定位方法和装置 | |
| WO2022183685A1 (zh) | 目标检测方法、电子介质和计算机存储介质 | |
| CN107481223B (zh) | 一种接线状态图像自动识别的方法及装置 | |
| CN114894091B (zh) | 一种双目视觉测距功能的线路监控装置及系统 | |
| CN109118537B (zh) | 一种画面匹配方法、装置、设备和存储介质 | |
| CN110887462A (zh) | 一种无人机巡检方法及系统、输电线路巡检方法及系统 | |
| CN113744348A (zh) | 一种参数标定方法、装置及雷视融合检测设备 | |
| CN115797467B (zh) | 车辆相机标定结果检测方法、装置、设备及存储介质 | |
| CN113569914A (zh) | 一种融合点云数据的输电线路巡检方法及系统 | |
| CN112254712A (zh) | 输变电线路故障检测定位方法以及系统 | |
| CN111611884A (zh) | 一种道路安全设施巡查系统及方法 | |
| CN116704377A (zh) | 一种基于数字孪生模型的无感化人员定位方法及系统 | |
| CN115375756A (zh) | 一种塔机施工区域障碍物检测及定位方法及装置 | |
| CN113340405B (zh) | 桥梁振型的测量方法、装置及系统 | |
| KR20230077487A (ko) | 자율 주행 드론을 이용한 진단 시스템 및 이의 동작 방법 | |
| CN106091942A (zh) | 一种电力杆塔测距系统及其安全测距方法 | |
| CN113936207A (zh) | 一种便携式电力巡检方法、设备及介质 | |
| JP7059770B2 (ja) | 警告画像提供システム | |
| CN116203976A (zh) | 变电站室内巡检方法、装置、无人机和存储介质 | |
| CN215639285U (zh) | 高压杆塔线路的弧垂测量装置和系统 | |
| CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 | |
| JP2021174216A (ja) | 設備点検システム、設備点検方法 |
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 |