CN114299406A - 基于无人机航拍的光纤电缆线路巡检方法 - Google Patents
基于无人机航拍的光纤电缆线路巡检方法 Download PDFInfo
- Publication number
- CN114299406A CN114299406A CN202210213897.0A CN202210213897A CN114299406A CN 114299406 A CN114299406 A CN 114299406A CN 202210213897 A CN202210213897 A CN 202210213897A CN 114299406 A CN114299406 A CN 114299406A
- Authority
- CN
- China
- Prior art keywords
- line
- connected domain
- domains
- cable
- domain
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于无人机航拍的光纤电缆线路巡检方法,该方法首先获取电缆的灰度级图像中各连通域和连通域中线;计算连通域中线偏移程度,由偏移程度得到初始电缆连通域;由连通域的分布情况和主成分方向分别对连通域两次分类得到第一类别和第二类别;第二类别之间连通域数量的比值得到数量匹配率;获取各连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度;匹配程度和数量匹配率之比为连通域的边权值,基于边权值对连通域匹配得到同一电缆连通域。本发明通过对被分割开的电缆连通域进行匹配得到同一电缆连通域,提高光纤电缆线路巡检的可靠性和效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于无人机航拍的光纤电缆线路巡检方法。
背景技术
随着社会产业和内需的不断提高,无人机技术迅速发展,将无人机技术应用于电缆线检测不仅会减少电缆线的投资,还能加快巡检速度,提高巡检的安全性,为地面测试及大量的研究提供理论指导。但是与无人机常规的物体检测任务相比,电缆线的尺寸太小,容易被无人机上的避障算法识别为噪声而忽略,进而造成危险事故发生,且实际的电缆线所在的环境复杂多样,在环境复杂的地区电缆线检测的精度明显下降,因此快速且准确的进行电缆线检测具有重要意义。
目前,常见的利用无人机进行电缆线路检测的方法为直接对采集到的电缆图像进行处理,对处理后的电缆图像进行图像分割和电缆识别,该方法在图像背景颜色和电缆线颜色非常接近的情况下难以识别电缆线路,其电缆线路检测的准确性会受到影响。
发明内容
为了解决上述技术问题,本发明的目的在于提供基于无人机航拍的光纤电缆线路巡检方法,所采用的技术方案具体如下:
采集电缆图像,获取对应的灰度级图像;
获取灰度级图像中的多个连通域和每个所述连通域的主成分方向,根据所述主成分方向和所述连通域中心确定连通域的长边方向线和短边方向线;连接所述长边方向线与连通域边界的交点、所述短边方向线和连通域边界的交线的中点得到连通域中线;计算所述连通域中线和所述长边方向线的偏移程度,根据所述偏移程度对连通域进行筛选,得到初始电缆连通域;
根据初始电缆连通域的分布情况对初始电缆连通域进行首次分类得到多个第一类别;根据各所述第一类别内的连通域的主成分方向对初始电缆连通域进行二次分类得到多个第二类别;根据多个第二类别之间连通域数量的比值得到数量匹配率;
获取各初始电缆连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度;
所述匹配程度和所述数量匹配率的比值为各初始电缆连通域的边权值,基于所述边权值对所述初始电缆连通域进行匹配得到同一电缆连通域。
优选的,所述根据所述主成分方向和所述连通域中心确定连通域的长边方向线和短边方向线,包括:
获取特征值最大的第一主成分方向,根据连通域中心和所述第一主成分方向确定连通域的长边方向线;
获取特征值最小的第二主成分方向,根据连通域中心和所述第二主成分方向确定连通域的短边方向线。
优选的,所述连接所述长边方向线与连通域边界的交点、所述短边方向线和连通域边界的交线的中点得到连通域中线,包括:
获取所述长边方向线和连通域边界的第一交点,所述第一交点作为连通域中线的中线端点;
沿着所述短边方向线的方向作多条第一直线;获取所述第一直线与连通域边界的第二交点;获取属于同一条第一直线的第二交点构成的线段的中线中点,连接多个所述中线中点和所述中线端点得到连通域中线。
优选的,所述计算所述连通域中线和所述长边方向线的偏移程度,包括:
沿所述短边方向线的方向,每隔固定长度获取所述连通域中线和所述长边方向线的偏差距离得到距离序列,所述距离序列的波动程度作为所述连通域中线和所述长边方向线的偏移程度。
优选的,所述根据所述偏移程度对连通域进行筛选,得到初始电缆连通域,包括:
获取所述距离序列中的最大距离值,根据最大距离值对所述连通域进行首次筛选;基于首次筛选后的多个连通域,按照偏移程度从小到大的顺序对首次筛选后的连通域进行二次筛选得到初始电缆连通域。
优选的,所述根据初始电缆连通域的分布情况对初始电缆连通域进行首次分类得到多个第一类别,包括:
以灰度级图像左下角的像素点为坐标原点建立直角坐标系,根据初始电缆连通域中边界点的纵坐标大小从多个初始电缆连通域中筛选出边界连通域;
根据所述边界连通域的分布情况对边界连通域进行首次分类,得到多个第一类别。
优选的,所述计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度,包括:
选取任意初始电缆连通域作为目标连通域,计算所述目标连通域的连通域中线链码和多段预设标准方向链码的第一相似度,保留最大第一相似度对应的所述预设标准方向链码的后续方向链码作为虚拟链码;
获取与所述目标连通域属于同一第二类别,且不属于同一第一类别的初始电缆连通域作为待选连通域;
分别计算所述虚拟链码和所述待选连通域的连通域中线链码的匹配相似度,所述匹配相似度为所述目标连通域和所述待选连通域之间的匹配程度。
优选的,所述基于所述边权值对所述初始电缆连通域进行匹配得到同一电缆连通域,包括:
基于所述边权值,利用KM算法对多个初始电缆连通域进行匹配得到多对匹配连通域;
获取每对匹配连通域的主成分方向,沿着每对匹配连通域对应的主成分方向,连接匹配连通域,得到同一电缆连通域。
优选的,所述采集电缆图像,获取对应的灰度级图像,包括:
将所述电缆图像进行多阈值分割为多个灰度级,得到灰度级图像。
本发明实施例至少具有如下有益效果:
本发明实施例利用图像处理技术,该方法首先获取电缆图像和对应的灰度级图像,得到灰度级图像是为了将电缆部分的像素置于同一个灰度级内;获取灰度级图像中的多个连通域和每个连通域的连通域中线;计算连通域中线和长边方向线的偏移程度,根据偏移程度得到初始电缆连通域;根据连通域的分布情况和连通域的主成分方向分别对连通域进行两次分类得到第一类别和第二类别;根据多个第二类别之间连通域数量的比值得到数量匹配率;获取各连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度,由数量匹配率和匹配程度共同判断连通域为同一电缆连通域的概率,提高了电缆连通域检测的准确性;匹配程度和数量匹配率的比值为各连通域的边权值,基于边权值对连通域进行匹配得到同一电缆连通域。本发明通过对采集到的电缆图像中的被分割开的电缆连通域进行匹配得到同一电缆连通域,该方法获取到的电缆连通域较为完整同时计算量相对较小,使得无人机在背景和电缆线相近的情况下仍能准确的根据计算得到电缆线路,提高光纤电缆线路巡检的可靠性和效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的基于无人机航拍的光纤电缆线路巡检方法的方法流程图;
图2为本发明一个实施例所提供的对连通域进行分析得多初始电缆连通域的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于无人机航拍的光纤电缆线路巡检方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了基于无人机航拍的光纤电缆线路巡检方法的具体实施方法,该方法适用于电缆线路巡检场景。利用无人机采集电缆图像,为了解决当图像背景颜色和电缆线颜色非常接近的情况下难以识别电缆线路的问题,本发明实施例通过对采集到的电缆图像中的被分割开的电缆连通域进行匹配得到电缆连通域,该方法获取到的电缆连通域较为完整同时计算量相对较小,使得无人机在背景和电缆线相近的情况下仍能准确的根据计算得到电缆线路,达到了提高光纤电缆线路巡检的可靠性和效率的目的。
下面结合附图具体的说明本发明所提供的基于无人机航拍的光纤电缆线路巡检方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于无人机航拍的光纤电缆线路巡检方法的步骤流程图,该方法包括以下步骤:
步骤S100,采集电缆图像,获取对应的灰度级图像。
利用无人机采集电缆图像,该电缆图像为RGB图像。
进一步的,将电缆图像转化为灰度图像。对得到的灰度图像通过多阈值分割分割为不同的灰度级,得到灰度级图像。在本发明实施例中通过费歇尔准则,利用类间方差最大,类内方差最小的原则对灰度图像进行多阈值分割。
多阈值分割的目的是使得灰度相近的像素值成为同一个灰度级,从而使得电缆部分的像素在同一个灰度级内,从而得到了灰度级图像。
灰度级图像中每个像素点的灰度值为原始像素点所在灰度级。
步骤S200,获取灰度级图像中的多个连通域和每个连通域的主成分方向,根据主成分方向和连通域中心确定连通域的长边方向线和短边方向线;连接长边方向线与连通域边界的交点、短边方向线和连通域边界的交线的中点得到连通域中线;计算连通域中线和长边方向线的偏移程度,根据偏移程度对连通域进行筛选,得到初始电缆连通域。
请参阅图2,获取灰度级图像中的多个连通域,对连通域进行分析得多个初始电缆连通域的步骤,具体的:
步骤S201,获取灰度级图像中的多个连通域和每个连通域的主成分方向,根据主成分方向和连通域中心确定连通域的长边方向线和短边方向线。
得到灰度级图像后,对不同的灰度级进行0-1掩膜处理,得到多幅的掩膜图像,每幅掩膜图像中只含有一个灰度级,掩膜图像中的像素值可以分为两类,一类是像素值为灰度级,另一类是像素值为0,通过八连通域分析,对每幅掩膜图像中的灰度级像素进行连通域分析,从而得到每个灰度级的连通域。
对于任意连通域,获取连通域内像素点的坐标,利用主成分分析法获取这些数据的主成分方向,每个主成分方向都是一个2维的单位向量,每个主成分方向对应一个特征值。
获取特征值最大的第一主成分方向,第一主成分方向表示这些数据投影方差最大的方向,即这些数据的主要分布方向,根据连通域中心和第一主成分方向确定连通域的长边方向线;获取特征值最小的第二主成分方向,第二主成分方向即这些数据投影方差最小的方向,根据连通域中心和第二主成分方向确定连通域的短边方向线。
步骤S202,连接长边方向线与连通域边界的交点、短边方向线和连通域边界的交线的中点得到连通域中线。
获取长边方向线和连通域边界的第一交点,第一交点作为连通域中线的中线端点。然后沿着短边方向线的方向作多条第一直线,获取第一直线与连通域边界的第二交点,并获取属于同一条第一直线的第二交点构成的线段的中线中点,该属于同一条第一直线的第二交点构成的线段即为短边方向线和连通域边界的交线;连接多个中线中点和中线端点,即可得到连通域中线。
步骤S203,计算连通域中线和长边方向线的偏移程度,根据偏移程度对连通域进行筛选,得到初始电缆连通域。
计算连通域中线和长边方向线的偏移程度,具体的:
沿着短边方向线的方向,每隔固定长度获取连通域中线和长边方向线的偏差距离得到距离序列,在本发明实施例中该偏差距离为沿着短边方向线方向的连通域中线和长边方向线之间的像素点的数量。
进一步的,该距离序列的波动程度作为连通域中线和长边方向线的偏移程度。该波动程度为距离序列的标准差和序列均值的比值。该波动程度越小,连通域中线和长边方向线越接近,其对应的连通域为电缆连通域的概率越大。
获取距离序列中的最大距离值,根据最大距离值对连通域进行首次筛选,保留最大距离值小于预设距离阈值的连通域。在本发明实施例中预设距离阈值由实施者根据实际情况设定。
基于首次筛选后的多个连通域,按照偏移程度从小到大的顺序对首次筛选后的连通域进行二次筛选,得到初始电缆连通域。具体的:按照偏移程度从小到大的顺序对首次筛选后的连通域进行排序得到偏移程度序列,保留偏移程度序列中排名在前10%的连通域作为初始电缆连通域。
步骤S300,根据初始电缆连通域的分布情况对初始电缆连通域进行首次分类得到多个第一类别;根据各第一类别内的连通域的主成分方向对初始电缆连通域进行二次分类得到多个第二类别;根据多个第二类别之间连通域数量的比值得到数量匹配率。
当电缆颜色与背景颜色差别明显时,容易区分出电缆;当电缆颜色与背景颜色相近时,则不易区分出电缆。当在相近背景没有检测出电缆下的情况下,可以通过两侧的已经检测到的连通域来确定相似背景下较难检测出来的电缆信息。
将电缆颜色和背景颜色相接近的连通域作为近似连通域。如原本应该有一条完整的横穿整张图像的电缆连通域,但是由于图像中出现了近似连通域,一条完整的电缆连通域被近似连通域分割成了两个初始电缆连通域,故将被两个被分割的初始电缆连通域作为边界连通域。
以灰度级图像左下角的像素点为坐标原点建立直角坐标系,根据初始电缆连通域中边界点的纵坐标大小从多个初始电缆连通域中筛选出多个边缘连通域。具体的:有着整张图像最大纵坐标数据的边界点的连通域或者整张图像最小纵坐标数据的边界点的初始电缆连通域作为边界连通域,即根据初始电缆连通域的边界点中是否含有灰度级图像中的最大或者最小纵坐标来判断初始电缆连通域是不是边界连通域。需要说明的是,边界连通域也即可能为电缆连通域的初始电缆连通域,因为在没有电缆颜色和背景颜色相近的近似连通域分割时,电缆连通域通常是横穿整张图像的。
得到多个边界连通域之后,对边界连通域进行分类,由于电缆连通域通常贯穿整张图像,故根据边界连通域的位置分布情况对边界连通域进行首次分类,得到多个第一类别。具体的:根据边界连通域中含有的边界点所属图像边的不同对初始电缆连通域进行分类,也即将边界连通域中边界点中含有图像的最大纵坐标的初始电缆连通域作为一类,将边界连通域中边界点中含有图像的最小纵坐标的初始电缆连通域作为一类。
根据连通域的分布情况对其他连通域进行首次分类之后,进一步的,根据第一类别内的初始电缆连通域的主成分方向对连通域进行二次分类得到多个第二类别。具体的:
将主成分方向相似度大于预设相似度阈值的初始电缆连通域分至一类,在本发明实施例中预设相似度阈值的取值为90%,在其他实施例中实施者可根据实际情况调整该取值。
进一步的,根据多个第二类别之间连通域数量的比值得到数量匹配率。如其中一个第二类别a中连通域数量为2,另一第二类别b中连通域数量为3,则第二类别a与第二类别b的数量匹配率为2/3。需要说明的是,进行匹配的时候仅对不属于同一第一类别的第二类别进行匹配,因为属于同一第一类别的连通域因为连通域位置的原因,不可能为同一条电缆线。
该两个第二类别内数量匹配率越大,则能找到对应的另一部分电缆连通域的概率越大,也即对应的两个第二类别内的连通域为电缆连通域的概率越大。
步骤S400,获取各初始电缆连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度。
由于电缆线位于高空中,高空中经常风较大,为了避免风对电缆线造成较大的影响,通常会在电缆线上布设防震锤,但是电缆线仍然会被吹得弯曲变形,防震锤只是在一定程度上减小了电缆线的变形程度,因此高空中的电缆线通常是弯曲线。
由于需要对不同初始电缆连通域进行匹配,以找到属于同一电缆线的初始电缆连通域。本发明实施例通过计算不同初始电缆连通域的连通域中线链码的匹配程度,将匹配程度参与到KM匹配的边权值的计算过程中。具体的:
获取不同初始电缆连通域的连通域中线链码,属于同一条电缆线的两个初始电缆连通域对应的连通域中线链码的匹配程度一定大于不同电缆线的初始电缆连通域之间的匹配程度。根据初始电缆连通域的连通域中线链码的匹配程度可以计算得到中心点位置,中心点位置是指以中线为弧边的圆的中心点位置,中心点位置的获取方式为:通过计算连通域中线上每个像素点的切线方向的垂直方向的交点。链码是指相邻边缘点连线的方向值,在本发明实施例中连通域中线链码的半径设为5个像素点。
比较连通域中心点的纵坐标的大小,得到连通域是属于上半部分的初始电缆连通域还是下半部分的初始电缆连通域,进而确定链码的初始方向是顺时针还是逆时针。
当第二类别中所含初始电缆连通域的中心点的纵坐标的均值大于另一第二类别中所含初始电缆连通域的中心点的纵坐标的均值,则该第二类别内所含初始电缆连通域属于上半部分连通域,其对应的链码初始方向是顺时针方向;相反的,当第二类别中所含初始电缆连通域的中心点的纵坐标的均值小于另一第二类别中所含初始电缆连通域的中心点的纵坐标的均值,则该第二类别内所含初始电缆连通域属于下半部分连通域,其对应的链码初始方向是逆时针方向。
进一步的,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度。具体的:
选取任意初始电缆连通域作为目标连通域,计算目标连通域的连通域中线链码和多段预设标准方向链码的第一相似度。在本发明实施中多段预设标准方向链码即为标准圆对应的多段方向链码。
利用动态时间规整算法计算目标连通域的连通域中线链码和多段预设标准方向链码的规整距离,该规整距离的倒数作为目标连通域的连通域中线链码和预设标准方向链码的第一相似度,保留最大第一相似度对应的预设标准方向链码的后续方向链码作为虚拟链码。需要说明的是因为在本发明实施例中多段预设标准方向链码为标准圆对应的多段方向链码,故该后续方向链码也即标准圆对应的方向链码中的一部分。
如目标连通域的连通域中线链码有20位,则从标准圆对应的方向链码中取出相连的20位链码作为预设标准方向链码依次计算规整距离,选择规整距离最小,对应的第一相似度最大的预设标准方向链码的后续链码作为该目标连通域的连通域中线链码对应的虚拟链码。
获取与目标连通域属于同一第二类别,且不属于同一第一类别的初始电缆连通域作为待选连通域。
分别计算虚拟链码和待选连通域的连通域中线链码的匹配相似度,匹配相似度为目标连通域和待选连通域之间的匹配程度。
计算其他不同连通域对应的连通域中线链码与虚拟链码的匹配相似度,由于连通域中线链码长度必然小于虚拟链码长度,故只需计算不同中线链码在虚拟链码中出现的频率,连通域中线链码出现在虚拟链码中次数越多,则连通域中线链码与虚拟链码的匹配相似度越大。将连通域中线链码在虚拟链码中出现的次数作为连通域中线链码与虚拟链码的匹配相似度,也即得到了目标连通域和待选连通域之间的匹配程度。
步骤S500,匹配程度和数量匹配率的比值为各初始电缆连通域的边权值,基于边权值对初始电缆连通域进行匹配得到同一电缆连通域。
对各初始电缆连通域进行匹配,对于任意两个不属于同一第一类别的初始电缆连通域,计算这两个初始电缆连通域对应的匹配程度和数量匹配率,将匹配程度和数量匹配率的比值作为两个初始电缆连通域之间的边权值,即匹配程度和数量匹配率共同决定两个初始电缆连通域是否为同一电缆。
基于得到的任意两个不属于同一第一类别的初始电缆连通域,利用KM算法对多个初始电缆连通域进行匹配得到多对匹配连通域,也即通过KM匹配算法计算得到最佳匹配。
获取每对匹配连通域的主成分方向,沿着每对匹配连通域对应的主成分方向,连接匹配连通域,得到同一电缆连通域。在得到同一电缆连通域之后,对电缆连通域进行标注,进而以便于进行电缆线路巡检。
综上所述,本发明实施例利用图像处理技术,该方法首先获取电缆图像和对应的灰度级图像;获取灰度级图像中的多个连通域和每个连通域的连通域中线;计算连通域中线和长边方向线的偏移程度,根据偏移程度得到初始电缆连通域;根据连通域的分布情况和连通域的主成分方向分别对连通域进行两次分类得到第一类别和第二类别;根据多个第二类别之间连通域数量的比值得到数量匹配率;获取各连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度;匹配程度和数量匹配率的比值为各连通域的边权值,基于边权值对连通域进行匹配得到同一电缆连通域。本发明通过对采集到的电缆图像中的被分割开的电缆连通域进行匹配得到同一电缆连通域,该方法获取到的电缆连通域较为完整同时计算量相对较小,使得无人机在背景和电缆线相近的情况下仍能准确的根据计算得到电缆线路,提高光纤电缆线路巡检的可靠性和效率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于无人机航拍的光纤电缆线路巡检方法,其特征在于,该方法包括以下步骤:
采集电缆图像,获取对应的灰度级图像;
获取灰度级图像中的多个连通域和每个所述连通域的主成分方向,根据所述主成分方向和所述连通域中心确定连通域的长边方向线和短边方向线;连接所述长边方向线与连通域边界的交点、所述短边方向线和连通域边界的交线的中点得到连通域中线;计算所述连通域中线和所述长边方向线的偏移程度,根据所述偏移程度对连通域进行筛选,得到初始电缆连通域;
根据初始电缆连通域的分布情况对初始电缆连通域进行首次分类得到多个第一类别;根据各所述第一类别内的连通域的主成分方向对初始电缆连通域进行二次分类得到多个第二类别;根据多个第二类别之间连通域数量的比值得到数量匹配率;
获取各初始电缆连通域的连通域中线链码,计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度;
所述匹配程度和所述数量匹配率的比值为各初始电缆连通域的边权值,基于所述边权值对所述初始电缆连通域进行匹配得到同一电缆连通域。
2.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述根据所述主成分方向和所述连通域中心确定连通域的长边方向线和短边方向线,包括:
获取特征值最大的第一主成分方向,根据连通域中心和所述第一主成分方向确定连通域的长边方向线;
获取特征值最小的第二主成分方向,根据连通域中心和所述第二主成分方向确定连通域的短边方向线。
3.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述连接所述长边方向线与连通域边界的交点、所述短边方向线和连通域边界的交线的中点得到连通域中线,包括:
获取所述长边方向线和连通域边界的第一交点,所述第一交点作为连通域中线的中线端点;
沿着所述短边方向线的方向作多条第一直线;获取所述第一直线与连通域边界的第二交点;获取属于同一条第一直线的第二交点构成的线段的中线中点,连接多个所述中线中点和所述中线端点得到连通域中线。
4.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述计算所述连通域中线和所述长边方向线的偏移程度,包括:
沿所述短边方向线的方向,每隔固定长度获取所述连通域中线和所述长边方向线的偏差距离得到距离序列,所述距离序列的波动程度作为所述连通域中线和所述长边方向线的偏移程度。
5.根据权利要求4所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述根据所述偏移程度对连通域进行筛选,得到初始电缆连通域,包括:
获取所述距离序列中的最大距离值,根据最大距离值对所述连通域进行首次筛选;基于首次筛选后的多个连通域,按照偏移程度从小到大的顺序对首次筛选后的连通域进行二次筛选得到初始电缆连通域。
6.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述根据初始电缆连通域的分布情况对初始电缆连通域进行首次分类得到多个第一类别,包括:
以灰度级图像左下角的像素点为坐标原点建立直角坐标系,根据初始电缆连通域中边界点的纵坐标大小从多个初始电缆连通域中筛选出边界连通域;
根据所述边界连通域的分布情况对边界连通域进行首次分类,得到多个第一类别。
7.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述计算属于同一第二类别且不属于同一第一类别的连通域中线链码的匹配程度,包括:
选取任意初始电缆连通域作为目标连通域,计算所述目标连通域的连通域中线链码和多段预设标准方向链码的第一相似度,保留最大第一相似度对应的所述预设标准方向链码的后续方向链码作为虚拟链码;
获取与所述目标连通域属于同一第二类别,且不属于同一第一类别的初始电缆连通域作为待选连通域;
分别计算所述虚拟链码和所述待选连通域的连通域中线链码的匹配相似度,所述匹配相似度为所述目标连通域和所述待选连通域之间的匹配程度。
8.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述基于所述边权值对所述初始电缆连通域进行匹配得到同一电缆连通域,包括:
基于所述边权值,利用KM算法对多个初始电缆连通域进行匹配得到多对匹配连通域;
获取每对匹配连通域的主成分方向,沿着每对匹配连通域对应的主成分方向,连接匹配连通域,得到同一电缆连通域。
9.根据权利要求1所述的基于无人机航拍的光纤电缆线路巡检方法,其特征在于,所述采集电缆图像,获取对应的灰度级图像,包括:
将所述电缆图像进行多阈值分割为多个灰度级,得到灰度级图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213897.0A CN114299406B (zh) | 2022-03-07 | 2022-03-07 | 基于无人机航拍的光纤电缆线路巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213897.0A CN114299406B (zh) | 2022-03-07 | 2022-03-07 | 基于无人机航拍的光纤电缆线路巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114299406A true CN114299406A (zh) | 2022-04-08 |
CN114299406B CN114299406B (zh) | 2022-06-07 |
Family
ID=80978467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210213897.0A Active CN114299406B (zh) | 2022-03-07 | 2022-03-07 | 基于无人机航拍的光纤电缆线路巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299406B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433990A (zh) * | 2023-06-12 | 2023-07-14 | 恒超源洗净科技(深圳)有限公司 | 基于视觉检测的超声波清洗机反馈调节系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958458A (zh) * | 2016-10-17 | 2018-04-24 | 京东方科技集团股份有限公司 | 图像分割方法、图像分割系统及包括其的设备 |
WO2019041967A1 (zh) * | 2017-08-31 | 2019-03-07 | 京东方科技集团股份有限公司 | 手和图像检测方法和系统、手分割方法、存储介质和设备 |
CN111814686A (zh) * | 2020-07-09 | 2020-10-23 | 国网山西省电力公司吕梁供电公司 | 一种基于视觉的输电线路识别及异物入侵在线检测方法 |
CN112712045A (zh) * | 2021-01-05 | 2021-04-27 | 周婷婷 | 基于人工智能的无人机果冻效应严重程度检测方法及系统 |
CN113470017A (zh) * | 2021-08-31 | 2021-10-01 | 海门裕隆光电科技有限公司 | 基于人工智能的输电线安全预警检测方法、装置及设备 |
CN113920122A (zh) * | 2021-12-15 | 2022-01-11 | 山东鹰联光电科技股份有限公司 | 一种基于人工智能的电缆缺陷检测方法及系统 |
CN114049489A (zh) * | 2022-01-13 | 2022-02-15 | 山东鹰联光电科技股份有限公司 | 一种光纤电缆护套破裂预警方法 |
-
2022
- 2022-03-07 CN CN202210213897.0A patent/CN114299406B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958458A (zh) * | 2016-10-17 | 2018-04-24 | 京东方科技集团股份有限公司 | 图像分割方法、图像分割系统及包括其的设备 |
WO2019041967A1 (zh) * | 2017-08-31 | 2019-03-07 | 京东方科技集团股份有限公司 | 手和图像检测方法和系统、手分割方法、存储介质和设备 |
CN111814686A (zh) * | 2020-07-09 | 2020-10-23 | 国网山西省电力公司吕梁供电公司 | 一种基于视觉的输电线路识别及异物入侵在线检测方法 |
CN112712045A (zh) * | 2021-01-05 | 2021-04-27 | 周婷婷 | 基于人工智能的无人机果冻效应严重程度检测方法及系统 |
CN113470017A (zh) * | 2021-08-31 | 2021-10-01 | 海门裕隆光电科技有限公司 | 基于人工智能的输电线安全预警检测方法、装置及设备 |
CN113920122A (zh) * | 2021-12-15 | 2022-01-11 | 山东鹰联光电科技股份有限公司 | 一种基于人工智能的电缆缺陷检测方法及系统 |
CN114049489A (zh) * | 2022-01-13 | 2022-02-15 | 山东鹰联光电科技股份有限公司 | 一种光纤电缆护套破裂预警方法 |
Non-Patent Citations (4)
Title |
---|
JIAN LI等: "From edges to linear features: A PCA and graph based approach", 《2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING》 * |
LEI CHEN等: "Fault Detection Based on AP Clustering and PCA", 《INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTI¯CIAL INTELLIGENCE》 * |
刘雄: "基于无人机航拍图像的输电线识别方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
李鑫: "桥梁拉索护套表面缺陷视觉检测及智能识别研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433990A (zh) * | 2023-06-12 | 2023-07-14 | 恒超源洗净科技(深圳)有限公司 | 基于视觉检测的超声波清洗机反馈调节系统 |
CN116433990B (zh) * | 2023-06-12 | 2023-08-15 | 恒超源洗净科技(深圳)有限公司 | 基于视觉检测的超声波清洗机反馈调节系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114299406B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11631274B2 (en) | Fingerprint processing device, fingerprint processing method, program, and fingerprint processing circuit | |
CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
US8027527B2 (en) | Method for analyzing defect data and inspection apparatus and review system | |
CN114842017A (zh) | 一种hdmi线缆表面质量检测方法及系统 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN110910378A (zh) | 一种基于深度融合网络的双模态图像能见度检测方法 | |
CN114299406B (zh) | 基于无人机航拍的光纤电缆线路巡检方法 | |
CN115330760B (zh) | 一种二极管引脚缺陷识别方法 | |
CN114511770A (zh) | 道路标识标牌识别方法 | |
CN110348307B (zh) | 一种起重机金属结构攀爬机器人的路径边缘识别方法及系统 | |
CN114820625A (zh) | 一种汽车顶块缺陷检测方法 | |
CN115984255A (zh) | 一种在线取能可移动智慧防振锤的缺陷识别方法 | |
CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
CN114266893A (zh) | 烟火隐患识别方法和设备 | |
CN114693651A (zh) | 基于图像处理的橡胶圈流痕检测方法及装置 | |
CN116523922B (zh) | 一种轴承表面缺陷识别方法 | |
CN116110006B (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 | |
CN113421266A (zh) | 一种基于人工智能的输电线断股检测方法及系统 | |
CN113643245A (zh) | 一种屏幕缺陷的测量方法、装置及计算机可读存储介质 | |
JP2946095B2 (ja) | 線分抽出装置 | |
CN112009528A (zh) | 一种基于接触网及其附属器件的列车定位方法 | |
CA2939371A1 (en) | Arc detection system and method | |
CN112330636B (zh) | 基于图像处理的铁路货车车轮破损检测方法 | |
CN114937212B (zh) | 基于频域空间转换的航拍道路类型识别方法 |
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 |