CN114485549B - 一种树木和架空输电线的空间测距方法以及系统 - Google Patents
一种树木和架空输电线的空间测距方法以及系统 Download PDFInfo
- Publication number
- CN114485549B CN114485549B CN202210093387.4A CN202210093387A CN114485549B CN 114485549 B CN114485549 B CN 114485549B CN 202210093387 A CN202210093387 A CN 202210093387A CN 114485549 B CN114485549 B CN 114485549B
- Authority
- CN
- China
- Prior art keywords
- tree
- overhead line
- tower
- line pole
- overhead
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供了一种树木和架空输电线的空间测距方法以及系统。该树木和架空输电线的空间测距方法包括:通过摄像机获取树木和架线杆塔的图像;根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型;根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型,确定所述树木和所述架线杆塔的间距;所述树木和所述架线杆塔的间距异常,发出报警信号。本发明实施例提供的技术方案提高了树木和架空输电线的空间测距方法的准确性高、降低了空间测距方法的复杂程度,并提高了树木和架空输电线的空间测距方法的安全系数。
Description
技术领域
本发明实施例涉及距离检测技术领域,尤其涉及一种树木和架空输电线的空间测距方法以及系统。
背景技术
架空输电线附近的快速生长的树木可能会对电力设施的安全构成严重威胁,因为如果它们长得太靠近输电线,可能会在干燥的天气导致短路或火灾。保护输电线不受树木侵扰的一种方法就是持续监测树木的生长。
传统的架空输电线安全监控主要依靠空中和地面的人工现场检查观测。人工检查主要依靠步行巡查,而步行巡查是劳动密集型的,且需要有经验的人员。随着调查区域的扩大,检查成本也会大幅上升。此外,恶劣的天气条件可能会延误或者阻碍检查,进而导致无法及时发现快速生长的树木。
为了解决这些问题,通过遥感方法来监测输电线的方案进入了人们的视野。现有的以遥感方法对输电线进行检测监测的研究,按照主要数据源的不同,大致可以分为两类:基于2D图像的方法和基于3D点云的方法。
在基于2D图像的方法中,许多研究使用光学图像和计算机视觉系统来监测输电线路的状况,例如利用卫星图像或无人机图像。但是,卫星图像由于分辨率低,在提供关于地形和植被的基础信息方面受到限制;无人机图像很大程度上需要依赖于人工进行拍照获取。
在基于3D点云的方法中,激光探测及测距系统(LiDAR)和机载激光扫描(ALS)通过生成三维点云来描述被测物体的几何形状,目前已成为输电线检测的主要数据来源,其中最普遍的是无人机(UAV)机载激光扫描和移动地面扫描。然而,无人机的操作极大地依赖于工作人员的操作水平和经验,而且接近输电线飞行也是很危险的。此外,由于电池的限制,无人机在通电后只能飞行约半小时。而且由于通讯距离短,飞行区域的大小也会受到限制。此外,恶劣的天气条件也会对无人机的操作产生影响。在这些约束条件下,基于无人机的技术无法实现高检测频率,且成本高得令人望而却步,使得电力公司不可能广泛采用和实施。
目前已经有各种基于机器学习的数据处理方法应用于输电线点云分类以及随后的电力设施(包括输电线、杆塔等)建模,包括使用支持向量机(SVM)、使用随机森林(RandomForest)和卷积神经网络(CNN)。然而,尽管这类方法很有前景,但机器学习方法需要大量的训练样本;同时训练样本的选择对分类结果的精度有很大的影响;此外,利用机器学习方法对获取的数据进行处理既复杂又耗时。
因此,目前亟需一种准确性高、流程简单且安全系数高的树木和架空输电线的空间测距方法来测量树木和架线杆塔的空间距离,进而得到树木和架空输电线的空间距离。
发明内容
有鉴于此,本发明实施例提供了一种树木和架空输电线的空间测距方法以及系统,以提高树木和架空输电线的空间测距方法的准确性高、降低空间测距方法的复杂程度,并提高其安全系数。
本发明实施例提供了一种树木和架空输电线的空间测距方法,包括:通过摄像机获取树木和架线杆塔的图像;
根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型;
根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型,确定所述树木和所述架线杆塔的间距;
所述树木和所述架线杆塔的间距异常,发出报警信号。
可选的,根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型之前还包括:
在色相、饱和度和明度构成的颜色空间下对所述图像进行处理。
可选的,通过摄像机获取所述树木和所述架线杆塔的图像包括:
通过所述摄像机获取所述树木和第一架线杆塔的图像,其中,所述架线杆塔包括所述第一架线杆塔和第二架线杆塔,所述摄像机位于所述第二架线杆塔上,所述树木位于所述第一架线杆塔和所述第二架线杆塔连线的一侧,所述第一架线杆塔和所述第二架线杆塔间隔预设距离,且高度相同。
可选的,根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型,确定所述树木和所述第二架线杆塔的间距包括:
根据所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型确定第一投影模型,所述第一投影模型为所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第一投影模型,确定所述树木和所述第二架线杆塔在第一方向的间距,所述第一方向与所述树木的高度方向平行;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第二投影模型,所述第二投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第二投影模型,确定所述树木和所述第二架线杆塔在第二方向的间距,所述第二方向为所述第一架线杆塔和所述第二架线杆塔的连线方向;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第三投影模型,所述第三投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在水平面的投影模型;
根据所述第三投影模型确定所述树木和所述第二架线杆塔在第三方向的间距,所述第三方向垂直于所述第一架线杆塔和所述第二架线杆塔的连线。
可选的,根据所述第一投影模型,确定所述树木和所述第二架线杆塔在第一方向的间距包括:
所述树木和所述第二架线杆塔在第一方向的间距满足如下关系:
其中,Ty为所述树木和所述第二架线杆塔在第一方向的间距,H0为所述第一架线杆塔的高度,GH为所述树木的像素高度,Cy为所述摄像机的安装高度,GI为所述图像的中心像素点和所述树木最高点对应的像素点之间的垂直像素距离。
可选的,根据所述第二投影模型,确定所述树木和所述第二架线杆塔在第二方向的间距包括:
所述树木和所述第二架线杆塔在第二方向的间距满足如下关系:
其中,Tz为所述树木和所述第二架线杆塔在第二方向的间距,Pz为所述第二架线杆塔和所述第一架线杆塔之间的间距,CD为所述第一架线杆塔高度不同的第一点和第二点之间的像素高度,Py为垂直面内所述第一架线杆塔高度不同的第一点和第二点的高度差,GH为所述树木的像素高度,GI为所述图像的中心像素点和所述树木最高点对应的像素点之间的垂直像素距离。
可选的,
根据所述第三投影模型确定所述树木和所述第二架线杆塔在第三方向的间距包括:
所述树木和所述第二架线杆塔在第三方向的间距满足如下关系:
其中,Tx为所述树木和所述第二架线杆塔在第三方向的间距,PQ为在水平面上所述第一架线杆塔高度相同的第三点和第四点的距离,UV为在水平面上所述第一架线杆塔高度相同的第三点和第四点的像素距离,IG为所述图像的中心像素点和所述树木最高点对应的像素点之间的水平像素距离,Pz为所述第二架线杆塔和所述第一架线杆塔之间的间距,Tz为所述树木和所述第二架线杆塔在第二方向的间距。
可选的,在色调、饱和度和亮度构成的颜色空间下对所述图像进行处理包括:
所述色相的阈值范围为55-109;
所述饱和度的阈值范围为0-90;
所述明度的阈值范围为0-90。
本发明实施例还提供了一种树木和架空输电线的空间测距系统,包括:摄像机,所述摄像机用于获取树木和架线杆塔的图像
控制器,所述控制器与所述摄像机连接,所述控制器用于根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型;
所述控制器还用于根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型,确定所述树木和所述架线杆塔的间距;
所述控制器还用于所述树木和所述架线杆塔的间距异常,发出报警信号。
可选的,所述控制器还用于在色相、饱和度和明度构成的颜色空间下对所述图像进行处理。
本发明实施例提供的技术方案,通过树木、摄像机和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距,进而得到树木和架空输电线的空间距离,相比机器学习的数据处理方法,消除了机器学习方法需要的大量的训练样本以及训练样本的精度对于树木和架空输电线的空间测距方法准确性的影响,进而提高了树木和架空输电线的空间测距方法的准确度,降低了树木和架空输电线的空间测距方法的复杂度。且本发明实施例通过将摄像机可以放置在固定位置获取树木和架线杆塔的图像,图像的获取过程相比通过卫星和无人机获取图像的过程,消除了卫星图像对于地形和植被的基础信息的限制以及无人机图像对于人工拍照方式的依赖,其获取图像的过程准确度高,进一步提高了树木和架空输电线的空间测距方法的准确度。并且本发明实施例提供的技术方案通过摄像机获取图像的过程消除了使用无人机飞行获取图像的安全隐患。
附图说明
图1为本发明实施例提供的一种树木和架线杆塔的场景图;
图2为本发明实施例提供的一种光学成型模型的结构示意图;
图3为图2的简化图;
图4为本发明实施例提供的一种树木和架空输电线的空间测距方法的流程图;
图5为本发明实施例提供的另一种树木和架空输电线的空间测距方法的流程图;
图6为本发明实施例提供的又一种树木和架空输电线的空间测距方法的流程图;
图7为图6中步骤330包括的一种流程示意图;
图8为图6中步骤330包括的另一种流程示意图;
图9为图6中步骤330包括的又一种流程示意图;
图10为本发明实施例提供的一种树木、摄像机和第一架线杆塔构成的光学成像模型在垂直平面的投影模型;
图11为本发明实施例提供的另一种树木、摄像机和第一架线杆塔构成的光学成像模型在垂直平面的投影模型;
图12为本发明实施例提供的一种树木、摄像机和第一架线杆塔构成的光学成像模型在水平面的投影模型;
图13为本发明实施例提供的一种树木和架空输电线的空间测距系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是,架空输电线是架设在架线杆塔之间的。本发明实施例提供的树木和架空输电线的空间测距方法通过测量树木和架线杆塔的空间距离,进而得到树木和架空输电线的空间距离。
图1为本发明实施例提供的一种树木和架线杆塔的场景图。示例性的,图1示出了2个尺寸相同的架线杆塔,分别是架线杆塔001和架线杆塔002。树木003位于架线杆塔001和架线杆塔002之间的连线的一侧。在本发明实施例中,设定第一方向为树木003的高度方向,第二方向为架线杆塔002和架线杆塔001的连线方向,第三方向为水平面内垂直于架线杆塔001和架线杆塔002连线的方向。为了求得树木003距离架线杆塔001在第一方向的间距Ty、树木003距离架线杆塔001在第二方向的间距Tz、树木003和距离架线杆塔001在第三方向的间距Tx,本发明实施例在架线杆塔001上设置了摄像机004,摄像机004可以获取架线杆塔002和树木003的图像,将摄像机004、架线杆塔001和架线杆塔002抽象为光学成像模型,根据该光学成像模型,建立三角形的相似关系,便可以求出树木003距离架线杆塔001在第一方向的间距Ty、树木003距离架线杆塔001在第二方向的间距Tz以及树木003和距离架线杆塔001在第三方向的间距Tx。
该方法的有益效果如下:第一方面,该方法中通过摄像机获取图像的方法,相对通过卫星和无人机获取图像的过程,消除了卫星图像对于地形和植被的基础信息的限制以及无人机图像对于人工拍照方式的依赖,其获取图像的过程准确度高,且消除了使用无人机飞行获取图像的安全隐患。第二方面,该方法通过树木、摄像机和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距,相比机器学习的数据处理方法,消除了机器学习方法需要的大量的训练样本以及对训练样本的精度对于树木和架空输电线的空间测距方法准确性的影响,进而提高了树木和架空输电线的空间测距方法的准确度,降低了树木和架空输电线的空间测距方法的复杂度。因此,上述技术方案提供的树木和架空输电线的空间测距方法准确性高、流程简单且安全系数高。
图2为本发明实施例提供的一种光学成型模型的结构示意图。图3为图2的简化图。参见图2,摄像机004成像模型抽象为凸透镜005和成像光屏006的光学成像模型,架线杆塔002和树木003通过凸透镜005在成像光屏006成像。架线杆塔002上的点A在成像光屏006所成的像为像素点D,架线杆塔002上的点B在成像光屏006所成的像为像素点E。凸透镜005的焦点为f1,光心为f2。图3中存在如下三角形的相似关系:
根据公式(1)相似三角形的边的性质,我们可以得到公式(2)
其中,Oy为架线杆塔002中点A和点B的高度差,Poy表示架线杆塔002中点A和点B所成像的像素高度,CB表示物距,CE表示像距。
通过这种方式,可以将空间中的三维坐标点转换为摄像机坐标系下的二维坐标,并使用二维坐标进行后续的距离计算。
下面具体介绍本发明实施例提供的技术方案。
图4为本发明实施例提供的一种树木和架空输电线的空间测距方法的流程图。参见图4,该树木和架空输电线的空间测距方法包括如下步骤:
步骤110、通过摄像机获取树木和架线杆塔的图像。
示例性的,架线杆塔002和树木003位于架线杆塔001的一侧,参见图1,摄像机004设置在架线杆塔001上,摄像机004可以获取架线杆塔002和树木003的图像。
步骤120、根据图像确定树木、摄像机和架线杆塔构成的光学成像模型。
示例性的,根据图像确定树木例如是树木003、摄像机004和架线杆塔例如是架线杆塔001和架线杆塔002构成的光学成像模型。
步骤130、根据树木、摄像机和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距。
基于该光学成像模型可以建立三角形之间的相似关系,根据三角形之间的相似关系和一些已知数据可以确定出树木例如是树木003和架线杆塔例如是架线杆塔001的三维空间间距。已知数据包括:架线杆塔001和架线杆塔002的高度、架线杆塔001和架线杆塔002的间距、架线杆塔002和树木003的图像以及摄像机004的安装高度。
步骤140、树木和架线杆塔的间距异常,发出报警信号。
具体的,在本发明实施例中,树木和架线杆塔的间距异常指的是:树木例如是树木003距离架线杆塔例如是架线杆塔001第一方向的间距Ty大于预设值为间距异常;树木例如是树木003距离架线杆塔例如是架线杆塔001第二方向的间距Tz大于预设值为间距异常;树木例如是树木003和架线杆塔例如是距离架线杆塔001第三方向的间距Tx大于预设值为间距异常。树木003和架线杆塔001在第一方向、第二方向以及第三方向中任意一个方向的间距异常,树木003的生长可能会对架线杆塔上的线路造成影响,进而造成安全隐患。工作人员可以根据报警信号,及时对树木003进行修剪。
本发明实施例提供的技术方案,通过树木、摄像机和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距,进而得到树木和架空输电线的空间距离。相比机器学习的数据处理方法,消除了机器学习方法需要的大量的训练样本以及对训练样本的精度对于树木和架空输电线的空间测距方法准确性的影响,进而提高了树木和架空输电线的空间测距方法的准确度,降低了树木和架空输电线的空间测距方法的复杂度。且本发明实施例通过将摄像机可以放置在固定位置获取树木和架线杆塔的图像,图像的获取过程相比通过卫星和无人机获取图像的过程,消除了卫星图像对于地形和植被的基础信息的限制以及无人机图像对于人工拍照方式的依赖,其获取图像的过程准确度高,进一步提高了树木和架空输电线的空间测距方法的准确度。并且本发明实施例提供的技术方案通过摄像机获取图像的过程消除了使用无人机飞行获取图像的安全隐患。
图5为本发明实施例提供的另一种树木和架空输电线的空间测距方法的流程图。参见图5,该方法包括如下步骤:
步骤210、通过摄像机获取树木和架线杆塔的图像。
具体的,步骤210的实施方式可参照上述实施例的步骤110。
步骤220、在色相、饱和度和明度构成的颜色空间下对图像进行处理。
色相(Hue)、饱和度(Saturation)和明度(Value)构成的颜色空间可以简称为HSV颜色空间。HSV颜色空间更类似于人类感觉颜色的方式。直观上来说,色相就是颜色;饱和度就是色彩的纯度,饱和度越高色彩越纯,饱和度越低则逐渐变灰;明度表示颜色明亮的程度。
由于摄像机捕获的原始图像为RGB格式,所以我们需要将图片从RGB颜色空间转换为HSV颜色空间,具体的转换过程如下:
首先,根据公式(3),将RGB的范围从0-255归一化为0-1:
其中,R′,G′和B′是归一化后的RGB颜色区间。
然后根据公式(4)和公式(5)得到R′,G′和B′三者中的最大值Cmax和最小值Cmin:
Cmax=max{R′,G′,B′}(4)
Cmin=min{R′,G′,B′}(5)
根据公式(6)计算三者的最大差值Δ:
Δ=Cmax-Cmin(6)
最后,我们根据公式(7)-(9)来分别计算色相H,饱和度S和明度V的值:
V=Cmax×255 (9)
可选的,在色相、饱和度和明度构成的颜色空间下对图像进行处理包括:色相的阈值范围为55-109;饱和度的阈值范围为0-90;明度的阈值范围为0-90。在HSV颜色空间下,色相、饱和度和明度处在上述范围内可以将树木提取出来。
可选的,色相、饱和度和明度的阈值范围的确定过程如下:
通过摄像机004获取一张树木003的图像,在阈值范围内选取出可以提取出树木的阈值范围。在本发明实施例中,色相的阈值范围为55-109;饱和度的阈值范围为0-90;明度的阈值范围为0-90。
需要说明的是,在不同的环境下进行树木识别和提取时,在HSV颜色空间下,色相、饱和度和明度的阈值范围可以随之发生变化。
步骤230、根据图像确定树木、摄像机和架线杆塔构成的光学成像模型。
具体的,步骤230的实施方式可参照上述实施例的步骤120。
步骤240、根据树木、摄像机和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距。
具体的,步骤240的实施方式可参照上述实施例的步骤130。
步骤250、树木和架线杆塔的间距异常,发出报警信号。
具体的,步骤250的实施方式可参照上述实施例的步骤140。
在上述技术方案的基础上,本发明实施例中对摄像机获取的图像在色相、饱和度和明度构成的颜色空间下对图像进行处理之后,可以在图像上确定树木的位置,进而提高了根据图像确定树木、摄像机和架线杆塔构成的光学成像模型的准确性,从而提高了树木和架空输电线的空间测距方法的准确性。
在上述技术方案的基础上,本发明实施例提供了另一种树木和架空输电线的空间测距方法,对步骤110和步骤210进行了进一步限定,参见图6,该方法包括如下步骤:
步骤310、通过摄像机获取树木和第一架线杆塔的图像,其中,架线杆塔包括第一架线杆塔和第二架线杆塔,摄像机位于第二架线杆塔上,树木位于第一架线杆塔和第二架线杆塔连线的一侧,第一架线杆塔和第二架线杆塔间隔预设距离,且高度相同。
示例性的,参见图1,通过摄像机004获取树木例如是树木003和第一架线杆塔例如是架线杆塔002的图像。第一架线杆塔例如是架线杆塔002,第二架线杆塔例如是架线杆塔001。摄像机004位于架线杆塔001上,摄像机004位于架线杆塔001和架线杆塔002连线的一侧,架线杆塔001和架线杆塔002间隔预设距离,且高度相同。
步骤320、根据图像确定树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型。
示例性的,图10和图11示出了树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型在垂直平面的投影模型。图12示出了树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型在水平面的投影模型。
步骤330、根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型,确定树木和第二架线杆塔的间距。
具体的,根据图10、图11和图12示出的光学成像模型,可以建立三角形之间的相似关系,根据三角形之间的相似关系和一些已知数据可以确定出树木例如是树木003和第二架线杆塔例如是架线杆塔001的三维空间间距。示例性的,已知数据包括:架线杆塔001和架线杆塔002的高度、架线杆塔001和架线杆塔002的间距、架线杆塔002和树木003的图像以及摄像机004的安装高度。
步骤340、树木和第二架线杆塔的间距异常,发出报警信号。
具体的,步骤340的实施方式可参照上述实施例的步骤140。
在上述技术方案的基础上,本发明实施例中,架线杆塔包括第一架线杆塔和第二架线杆塔,通过位于第二架线杆塔的摄像机获取树木和第一架线杆塔的图像,根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型,确定树木和第二架线杆塔的间距,进而得到树木和架空输电线的空间距离。
在上述技术方案的基础上,本发明实施例对于图6中步骤330进行进一步限定。可选的,参见图7,步骤330根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型,确定树木和第二架线杆塔的间距包括:
步骤3301、根据树木、摄像机和第一架线杆塔构成的光学成像模型确定第一投影模型,第一投影模型为树木、摄像机和第一架线杆塔构成的光学成像模型在垂直平面的投影模型。
示例性的,图10示出的光学成像模型为第一投影模型。第一投影模型为树木例如是树木003、摄像机004和第一架线杆塔例如是架线杆塔002构成的光学成像模型在垂直平面的投影模型。
步骤3302、根据第一投影模型,确定树木和第二架线杆塔在第一方向的间距,第一方向与树木的高度方向平行。
参见图10,树木003的成像模型中存在如下两组相似三角形:
然后根据公式(10)中相似三角形的边的性质,我们可以得到公式(11)和(12):
其中,H1表示树木003的高度,Tz表示树木003到架线杆塔001在第二方向的间距,GH为从图像中可以得到的树木003的像素高度,GI为从图像中可以得到的图像的中心像素点和树冠对应的像素点之间的垂直像素距离,Cy为已知的摄像机004的安装高度,OI为像距。
根据公式(11)和(12),我们可以推导出公式(13)来计算树木003的高度H1:
由于架空杆塔的高度H0是已知的,所以架空杆塔001与树木003的高度差就是它们在第一方向的间距。
由于架线杆塔001为第二架线杆塔,架线杆塔002为第一架线杆塔,树木为树木003,根据第一投影模型,确定树木和第二架线杆塔在第一方向的间距包括:
树木和第二架线杆塔在第一方向的间距满足如下关系:
其中,Ty为树木和第二架线杆塔在第一方向的间距,H0为第一架线杆塔的高度,GH为树木的像素高度,Cy为摄像机的安装高度,GI为图像的中心像素点和树木最高点对应的像素点之间的垂直像素距离。
在上述技术方案的基础上,本发明实施例对于图6中步骤330进行进一步限定。可选的,参见图8,步骤330根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型,确定树木和第二架线杆塔的间距包括:
步骤3303、根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型确定第二投影模型,第二投影模型为树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型在垂直平面的投影模型。
示例性的,图11示出的光学成像模型为第二投影模型。第二投影模型为树木例如是树木003、摄像机004、第一架线杆塔例如是架线杆塔002和第二架线杆塔例如是架线杆塔001构成的光学成像模型在垂直平面的投影模型。
步骤3304、根据第二投影模型,确定树木和第二架线杆塔在第二方向的间距,第二方向为第一架线杆塔和第二架线杆塔的连线方向。
参见图11,从图中可以看出,在第二投影模型中存在如下两组相似三角形:
然后根据公式(15)中相似三角形的边的性质,我们可以得到公式(16)和(17):
其中,Py为已知的垂直面内架线杆塔002高度不同的A点和B点的高度差,Pz为已知架线杆塔001和架线杆塔002之间的间距,Cy为已知的摄像机004的安装高度,OI为像距,CD为从图像中可以得到的架线杆塔002高度不同的A点和B点之间的像素高度,Py为垂直面内架线杆塔002高度不同的A点和B点的高度差,CI为从图像中可以得到的架线杆塔002中A点对应的像素点和图像的中心像素点之间的像素距离。
根据公式(16)和(11),我们可以推导出公式(18)来计算树木003和架线杆塔001在第二方向的间距Tz:
由于,架线杆塔002为第一架线杆塔,架线杆塔001为第二架线杆塔,根据第二投影模型,确定树木和第二架线杆塔在第二方向的间距包括:
树木和第二架线杆塔在第二方向的间距满足如下关系:
其中,Tz为树木和第二架线杆塔在第二方向的间距,Pz为第二架线杆塔和第一架线杆塔之间的间距,CD为第一架线杆塔高度不同的第一点和第二点之间的像素高度,Py为垂直面内第一架线杆塔高度不同的第一点和第二点的高度差,GH为树木的像素高度,GI为图像的中心像素点和树木最高点对应的像素点之间的垂直像素距离。
在上述技术方案的基础上,本发明实施例对于图6中步骤330进行进一步限定,参见图9,步骤330根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型,确定树木和第二架线杆塔的间距包括:
步骤3305、根据树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型确定第三投影模型,第三投影模型为树木、摄像机、第一架线杆塔和第二架线杆塔构成的光学成像模型在水平面的投影模型。
示例性的,图12示出的光学成型模型为第三投影模型。第三投影模型为树木例如是树木003、摄像机004、第一架线杆塔例如是架线杆塔002和第二架线杆塔例如是架线杆塔001构成的光学成像模型在水平面的投影模型。
步骤3306、根据第三投影模型确定树木和第二架线杆塔在第三方向的间距,第三方向垂直于第一架线杆塔和第二架线杆塔的连线。
参见图12,从图中可以看出,俯视的树木003成像模型中存在如下两组相似三角形:
然后根据公式(15)中相似三角形的边的性质,我们可以得到公式(20)和(21):
其中,Tx为树木003和架线杆塔001在第三方向的间距,PQ为在水平面上架线杆塔002高度相同的P点和Q点的距离,UV为从图像中可以得到的在水平面上架线杆塔002高度相同的P点和Q点的像素距离,IG为从图像中可以得到的图像的中心像素点和树木003树冠对应的像素点之间的水平像素距离,Pz为已知架线杆塔001和架线杆塔002之间的间距,Tz为树木003和架线杆塔001在第二方向的间距。
根据公式(20)和(21),我们可以推导出公式(22)来计算树木003与架线杆塔001在第三方向的间距Tx:
由于树木003为树木,架线杆塔002为第一架线杆塔,架线杆塔001为第二架线杆塔,根据第三投影模型确定树木和第二架线杆塔在第三方向的间距包括:
树木和第二架线杆塔在第三方向的间距满足如下关系:
其中,Tx为树木和第二架线杆塔在第三方向的间距,PQ为在水平面上第一架线杆塔高度相同的第三点和第四点的距离,UV为在水平面上第一架线杆塔高度相同的第三点和第四点的像素距离,IG为图像的中心像素点和树木最高点对应的像素点之间的水平像素距离,Pz为第二架线杆塔和第一架线杆塔之间的间距,Tz为树木和第二架线杆塔在第二方向的间距。
示例性的,已知摄像机004的安装高度Cy为11米,架线杆塔002高度不同的B点的像素点坐标为(1774,996),A点的像素点坐标为(1774,1701)。垂直面内架线杆塔002高度不同的A点和B点的高度差Py为522米,架线杆塔001和架线杆塔002之间的间距Pz为522米,在水平面上架线杆塔002高度相同的P点的像素点U的坐标为(1812,1037),在水平面上架线杆塔002高度相同的Q点的像素点G的坐标为(1736,1037),在水平面上架线杆塔002高度相同的P点和Q点的距离PQ为14米,图像的中心像素点的坐标为(1774,1112),树木003的图像的像素点G的坐标为(2366,1157),树木003的图像的像素点H的坐标为(2366,1523)。
根据上述方法,得到的架空杆塔001与树木003的高度差就是它们在第一方向的间距Ty的测量值为12.5米,实际值为13.0米,误差为3.8%。得到的树木003和架线杆塔001在第二方向的间距Tz的测量值为105.6米,实际值为111.0米,误差为4.0%。得到的树木003与架线杆塔001在第三方向的间距Tx的测量值为22.0米,实际值为23.0米,误差为4.3%。
由此可见,本发明实施例提供的树木和架空输电线的空间测距方法的测量误差均小于10%,在可接受范围内。
本发明实施例还提供了一种树木和架空输电线的空间测距系统的结构示意图。图13为本发明实施例提供的一种树木和架空输电线的空间测距系统的结构示意图。参见图13,该树木和架空输电线的空间测距系统包括:摄像机004用于获取树木和架线杆塔的图像。控制器100,控制器100与摄像机004连接,控制器100用于根据图像确定树木、摄像机和架线杆塔构成的光学成像模型。控制器100还用于根据树木、摄像机004和架线杆塔构成的光学成像模型,确定树木和架线杆塔的间距。控制器100还用于树木和架线杆塔的间距异常,发出报警信号。
示例性的,控制器100可以选取树莓派的边缘服务器。摄像机004和控制器100之间通过SIM通信模块连接。可选的,还包括供电模块,供电模块可以采用太阳能电池进行供电。
可选的,控制器100还用于在色相、饱和度和明度构成的颜色空间下对图像进行处理。
具体的,在HSV颜色空间下,色相、饱和度和明度处在预设阈值范围内控制器100对所述图像进行处理可以将树木提取出来。
本发明实施例提供的树木和架空输电线的空间测距系统可以实施如上述技术方案中任意所述的树木和架空输电线的空间测距方法,因此具有上述树木和架空输电线的空间测距方法所具有的有益效果,在此不再赘述。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种树木和架空输电线的空间测距方法,其特征在于,包括:通过摄像机获取树木和架线杆塔的图像;
根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型;
根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型,确定所述树木和所述架线杆塔的间距;
所述树木和所述架线杆塔的间距异常,发出报警信号;
其中,通过摄像机获取所述树木和所述架线杆塔的图像包括:
通过所述摄像机获取所述树木和第一架线杆塔的图像,其中,所述架线杆塔包括所述第一架线杆塔和第二架线杆塔,所述摄像机位于所述第二架线杆塔上,所述树木位于所述第一架线杆塔和所述第二架线杆塔连线的一侧,所述第一架线杆塔和所述第二架线杆塔间隔预设距离,且高度相同;
其中,根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型,确定所述树木和所述第二架线杆塔的间距包括:
根据所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型确定第一投影模型,所述第一投影模型为所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第一投影模型,确定所述树木和所述第二架线杆塔在第一方向的间距,所述第一方向与所述树木的高度方向平行;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第二投影模型,所述第二投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第二投影模型,确定所述树木和所述第二架线杆塔在第二方向的间距,所述第二方向为所述第一架线杆塔和所述第二架线杆塔的连线方向;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第三投影模型,所述第三投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在水平面的投影模型;
根据所述第三投影模型确定所述树木和所述第二架线杆塔在第三方向的间距,所述第三方向垂直于所述第一架线杆塔和所述第二架线杆塔的连线。
2.根据权利要求1所述的树木和架空输电线的空间测距方法,其特征在于,根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型之前还包括:
在色相、饱和度和明度构成的颜色空间下对所述图像进行处理。
3.根据权利要求1所述的树木和架空输电线的空间测距方法,其特征在于,根据所述第一投影模型,确定所述树木和所述第二架线杆塔在第一方向的间距包括:
所述树木和所述第二架线杆塔在第一方向的间距满足如下关系:
其中,Ty为所述树木和所述第二架线杆塔在第一方向的间距,H0为所述第一架线杆塔的高度,GH为所述树木的像素高度,Cy为所述摄像机的安装高度,GI为所述图像的中心像素点和所述树木最高点对应的像素点之间的垂直像素距离。
4.根据权利要求1所述的树木和架空输电线的空间测距方法,其特征在于,根据所述第二投影模型,确定所述树木和所述第二架线杆塔在第二方向的间距包括:
所述树木和所述第二架线杆塔在第二方向的间距满足如下关系:
其中,Tz为所述树木和所述第二架线杆塔在第二方向的间距,Pz为所述第二架线杆塔和所述第一架线杆塔之间的间距,CD为所述第一架线杆塔高度不同的第一点和第二点之间的像素高度,Py为垂直面内所述第一架线杆塔高度不同的第一点和第二点的高度差,GH为所述树木的像素高度,GI为所述图像的中心像素点和所述树木最高点对应的像素点之间的垂直像素距离。
5.根据权利要求4所述的树木和架空输电线的空间测距方法,其特征在于,根据所述第三投影模型确定所述树木和所述第二架线杆塔在第三方向的间距包括:
所述树木和所述第二架线杆塔在第三方向的间距满足如下关系:
其中,Tx为所述树木和所述第二架线杆塔在第三方向的间距,PQ为在水平面上所述第一架线杆塔高度相同的第三点和第四点的距离,UV为在水平面上所述第一架线杆塔高度相同的第三点和第四点的像素距离,IG为所述图像的中心像素点和所述树木最高点对应的像素点之间的水平像素距离,Pz为所述第二架线杆塔和所述第一架线杆塔之间的间距,Tz为所述树木和所述第二架线杆塔在第二方向的间距。
6.根据权利要求2所述的树木和架空输电线的空间测距方法,其特征在于,在色调、饱和度和亮度构成的颜色空间下对所述图像进行处理包括:
所述色相的阈值范围为55-109;
所述饱和度的阈值范围为0-90;
所述明度的阈值范围为0-90。
7.一种树木和架空输电线的空间测距系统,其特征在于,包括:摄像机,所述摄像机用于获取树木和架线杆塔的图像;
控制器,所述控制器与所述摄像机连接,所述控制器用于根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型;
所述控制器还用于根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型,确定所述树木和所述架线杆塔的间距;
所述控制器还用于所述树木和所述架线杆塔的间距异常,发出报警信号;
所述摄像机还用于获取所述树木和第一架线杆塔的图像,其中,所述架线杆塔包括所述第一架线杆塔和第二架线杆塔,所述摄像机位于所述第二架线杆塔上,所述树木位于所述第一架线杆塔和所述第二架线杆塔连线的一侧,所述第一架线杆塔和所述第二架线杆塔间隔预设距离,且高度相同;
所述控制器还用于根据所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型确定第一投影模型,所述第一投影模型为所述树木、所述摄像机和所述第一架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第一投影模型,确定所述树木和所述第二架线杆塔在第一方向的间距,所述第一方向与所述树木的高度方向平行;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第二投影模型,所述第二投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在垂直平面的投影模型;
根据所述第二投影模型,确定所述树木和所述第二架线杆塔在第二方向的间距,所述第二方向为所述第一架线杆塔和所述第二架线杆塔的连线方向;
或者,
根据所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型确定第三投影模型,所述第三投影模型为所述树木、所述摄像机、所述第一架线杆塔和所述第二架线杆塔构成的光学成像模型在水平面的投影模型;
根据所述第三投影模型确定所述树木和所述第二架线杆塔在第三方向的间距,所述第三方向垂直于所述第一架线杆塔和所述第二架线杆塔的连线。
8.根据权利要求7所述的树木和架空输电线的空间测距系统,其特征在于,所述控制器还用于在色相、饱和度和明度构成的颜色空间下对所述图像进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093387.4A CN114485549B (zh) | 2022-01-26 | 2022-01-26 | 一种树木和架空输电线的空间测距方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093387.4A CN114485549B (zh) | 2022-01-26 | 2022-01-26 | 一种树木和架空输电线的空间测距方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485549A CN114485549A (zh) | 2022-05-13 |
CN114485549B true CN114485549B (zh) | 2023-10-17 |
Family
ID=81473618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093387.4A Active CN114485549B (zh) | 2022-01-26 | 2022-01-26 | 一种树木和架空输电线的空间测距方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485549B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002174510A (ja) * | 2000-09-04 | 2002-06-21 | Kanden Kogyo Inc | 送電線近接物の離隔距離計測システム |
CN110645940A (zh) * | 2019-08-30 | 2020-01-03 | 四川中机航飞无人机科技有限公司 | 一种导线与树木之间净空距离的动态预测系统及方法 |
CN110672020A (zh) * | 2019-06-14 | 2020-01-10 | 浙江农林大学 | 一种基于单目视觉的立木高度测量方法 |
CN113077455A (zh) * | 2021-04-20 | 2021-07-06 | 西交利物浦大学 | 保护架空输电线的树障检测方法、装置、电子设备及介质 |
CN113358033A (zh) * | 2021-05-25 | 2021-09-07 | 晋能控股煤业集团有限公司 | 基于视觉分析软测量的输电线下树木安全距离判断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
-
2022
- 2022-01-26 CN CN202210093387.4A patent/CN114485549B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002174510A (ja) * | 2000-09-04 | 2002-06-21 | Kanden Kogyo Inc | 送電線近接物の離隔距離計測システム |
CN110672020A (zh) * | 2019-06-14 | 2020-01-10 | 浙江农林大学 | 一种基于单目视觉的立木高度测量方法 |
CN110645940A (zh) * | 2019-08-30 | 2020-01-03 | 四川中机航飞无人机科技有限公司 | 一种导线与树木之间净空距离的动态预测系统及方法 |
CN113077455A (zh) * | 2021-04-20 | 2021-07-06 | 西交利物浦大学 | 保护架空输电线的树障检测方法、装置、电子设备及介质 |
CN113358033A (zh) * | 2021-05-25 | 2021-09-07 | 晋能控股煤业集团有限公司 | 基于视觉分析软测量的输电线下树木安全距离判断方法 |
Non-Patent Citations (4)
Title |
---|
基于兴趣区域匹配的输电线路双目监测系统研究;贾伯岩;孙翠英;李立学;刘杰;刘冰;毛学魁;;高电压技术;第46卷(第10期);全文 * |
大型无人机电力巡检LiDAR点云安全距离诊断方法;陈驰;彭向阳;宋爽;王柯;钱金菊;杨必胜;;电网技术;第41卷(第08期);全文 * |
无人机输电线路巡检中安全距离测量方法;李栋;林靖宇;高鹏宇;卢子广;;广西大学学报(自然科学版);第41卷(第02期);全文 * |
机载LiDAR输电线走廊点云数据自动分类和树障预警分析方法研究;张昌赛;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第第01期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114485549A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6496323B2 (ja) | 可動物体を検出し、追跡するシステム及び方法 | |
CN110132226B (zh) | 一种无人机巡线的距离及方位角测量系统和方法 | |
CN113657224A (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
CN102914294A (zh) | 一种基于图像的无人机电力巡线测量系统及方法 | |
CN111765974B (zh) | 一种基于微型制冷红外热像仪的野生动物观测系统及方法 | |
CN111709994B (zh) | 一种自主无人机视觉探测与引导系统及方法 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
CN113537049B (zh) | 地面点云数据处理方法、装置、终端设备及存储介质 | |
CN113298035A (zh) | 基于图像识别的无人机电力杆塔检测及自主巡航方法 | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
CN109828267A (zh) | 基于实例分割和深度摄像头的变电站巡检机器人障碍物检测和测距方法 | |
Rong et al. | Intelligent detection of vegetation encroachment of power lines with advanced stereovision | |
CN110706273B (zh) | 一种基于无人机的实时塌方区域面积的测量方法 | |
CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及系统 | |
CN109801336B (zh) | 基于可见光及红外光视觉的机载目标定位系统及方法 | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉系统及方法 | |
CN107221006A (zh) | 一种基于无人机成像平台的通信单管塔倾斜检测方法 | |
CN113411501A (zh) | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 | |
CN115240093A (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN109885091B (zh) | 一种无人机自主飞行控制方法及系统 | |
CN113655803A (zh) | 基于视觉的隧道环境下旋翼无人机航向校准系统及方法 | |
CN108182679B (zh) | 基于照片的雾霾检测方法和装置 | |
CN114485549B (zh) | 一种树木和架空输电线的空间测距方法以及系统 | |
CN111104861B (zh) | 用于确定电线位置的方法和设备以及存储介质 | |
CN108873931A (zh) | 一种基于主观与客观结合的无人机视觉防撞方法 |
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 |