CN114549692A - 一种输电线路通道超高清地图构建方法、系统 - Google Patents

一种输电线路通道超高清地图构建方法、系统 Download PDF

Info

Publication number
CN114549692A
CN114549692A CN202210186445.8A CN202210186445A CN114549692A CN 114549692 A CN114549692 A CN 114549692A CN 202210186445 A CN202210186445 A CN 202210186445A CN 114549692 A CN114549692 A CN 114549692A
Authority
CN
China
Prior art keywords
transmission line
power transmission
channel
image
steps
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.)
Pending
Application number
CN202210186445.8A
Other languages
English (en)
Inventor
李珊
赵龙
崔国柱
林�建
刘洋
魏亮
李中凯
齐艳
王廷平
孙京锋
姜楠
王久成
李旺
刘贵新
张贵涛
姜龙杰
陈星延
庞亚亚
王友明
周鲁天
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.)
Linyi Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Linyi Power Supply Co of State Grid Shandong Electric Power 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 Linyi Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Linyi Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202210186445.8A priority Critical patent/CN114549692A/zh
Publication of CN114549692A publication Critical patent/CN114549692A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
    • H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
    • H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
    • H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/16—Cables, cable trees or wire harnesses
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Instructional Devices (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种输电线路通道超高清地图构建方法、系统，属于电网巡视设备技术领域。其特征在于，包括：通过运用ArcGIS技术，将无人机正射影像经过切割、拼接后，以图层的方式叠加到ArcGIS平台中，实现输电线路通道正射影像的结构化建模以及超高清GIS地图的制作与查看，精度在5米以内；运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模。本发明可以作为大数据分析的基础，贴近现实，减轻了巡视人员的劳动强度，方便统计和管理通道隐患信息。

Description

一种输电线路通道超高清地图构建方法、系统
技术领域
一种输电线路通道超高清地图构建方法、系统，属于电网巡视设备技术领域。
背景技术
输电线路巡视工作是保障输电线路安全运行的重要基础，通过日常巡视发现输电通道隐患和本体的缺陷，及时安排检修人员进行消缺处理。最初，由于技术的限制，输电线路的日常巡视基本依靠人工手动作业，主要采用人工拍摄影像，与设备台账一一对比后叠加到卫星地图的方式，完成对输电线路的构建。人工巡视的方式工作量大、受限于地形地貌、效率低，普通卫星图像精度级别低，影像不清晰，效率低下且质量不高等问题。
中国专利CN202110845735.4公开了一种输电线路巡检机器人同步定位与地图构建方法及装置，属于输电线路巡检技术领域。本发明的方法包括：根据导航信号判断是否偏离了预设巡检路线；若偏离路线则向周围发射测量信号，根据测量信号的相关数据除去伪数据点，然后将余下的特征点建立局部栅格地图，然后再对局部栅格地图进行优化，得到全局一致性地图，然后再利用观测数据和扩展卡尔曼滤波器生成两种对位姿预估的特征向量，并利用马氏距离得到最优匹配的一组，最终根据最优匹配更新位姿。本发明的地图构建和同步定位方法可以使巡检机器人在导航信号较差的情况下仍然能够自主实现对于巡线目标的巡检。
中国专利CN202110034242.2公开了一种基于巡维数据的输电线路区域故障定位方法及装置，所述方法包括：获取输电线路区域的地图和监测数据，监测数据包括气象监测数据、输电变电监测数据和故障监测数据，对输电线路分路段、节点，预测各个路段或节点的故障发生概率；构建待巡维展示地图，包括预先存储的设备信息、输电线路中各个路段或节点的故障发生概率以及监测数据在输电线路区域地图对应位置上的标注信息；构建输电线路区域模型，根据模型确定故障发生位置，包括标注信息中故障标注信息对应的故障位置，以及故障发生概率高于预设安全阈值的输电线路路段或节点位置。本申请可以通过输电线路区域模型随时查看故障情况，确定故障位置以便及时维修。
如何提升卫星图像质量及精度，降低地形地貌的影响，形成通道高精度影像与输电线路台账的关联，成为了当前亟需解决的问题之一。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种输电线路通道超高清地图构建方法、系统。
本发明解决其技术问题所采用的技术方案是：该输电线路通道超高清地图构建方法，其特征在于，包括以下技术手段：通过运用ArcGIS技术，将无人机正射影像经过切割、拼接后，以图层的方式叠加到ArcGIS平台中，可实现输电线路通道正射影像的结构化建模以及超高清 GIS地图的制作与查看，精度可达到5米(市面上非涉密级地图精度为100米)。运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，可实现输电线路通道正射影像的结构化建模。
优选的，无人机正射影像建模技术是开展本项目研究的基础，通过无人机搭载可见光成像镜头，基于实时差分RTK技术，开展输电线路通道巡视，每段通道形成约60张分辨率为 (7000～9000)*(4500～5500)像素可见光图像，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示。
优选的，基于输电线路通道正射影像，构建超高清GIS地图，运用数据建模、图像识别、深度学习、关联性分析等技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据，代替过去人工巡视、手动标记的方式。
优选的，具体步骤：首先，通过无人机搭载可见光成像设备，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为(7000～9000)*(4500～5500) 像素，每段通道内产生的正射影像数量约为60张，将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图。
优选的，其次，将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示。
优选的，再次，借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备可用于训练的数据集，经过一定量的训练后，可实现对通道中的大棚、房屋、易漂浮物、树木、交叉跨越、堆积物等隐患信息的自动化识别。
优选的，从次，运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK差分位置的对比，自动计算通道隐患的GPS经纬度。
最后，将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，可实现输电线路通道隐患信息的结构化数据统计。
优选的，通过运用ArcGIS技术，将无人机正射影像经过切割、拼接后，以图层的方式叠加到ArcGIS平台中，可实现输电线路通道正射影像的结构化建模以及超高清GIS地图的制作与查看，精度可达到5米(市面上非涉密级地图精度为100米)。
优选的，运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，可实现输电线路通道正射影像的结构化建模。
一种上述的输电线路通道超高清地图构建方法的系统，其特征在于：包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
与现有技术相比，本发明的一种输电线路通道超高清地图构建方法、系统所具有的有益效果是：通过无人机通道自主巡视逐渐代替现有以人工巡视为主的现状，可以提高输电线路巡视的频次以及巡视质量，降低外包服务成本。同时，采集的数据质量相比于人工巡视采集的数据质量有质的提升，可以作为后期大数据分析的基础。
通对采集的正射影像进行结构化建模，可以形成精度达到5米的超高清GIS地图，形成输电线路通道全景，相比于网络中开源GIS平台或测绘院成品的GIS地图，具有地图瓦片数据自更新、精度高、成本低、数据新、最贴近现实的特点。
通过无人机搭载可见光成像设备，在通道上方进行正向拍摄，可以产生大量的、高质量的、无缝隙的通道影像。在空间、时间等维度，克服了人工巡视带来的不便，减轻了巡视人员的劳动强度，大大提高了巡视质量和工作效率。产生的通道正射影像建模到ArcGIS平台中，将海量的单一无关系的数据进行结构化串联，以可视化的方式进行展示，以结构化的方式进行管理和应用。将现有的设备台账叠加到形成的超高清GIS地图中，使正射影像与设备台账进行关联，可从设备空间和地理位置两个方面对数据进行精准的统计。将正射影像与设备台账关联后，以台账数据为基础，方便统计和管理通道隐患信息。
附图说明
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述，但是应当知道，这些附图仅是为解释目的而设计的，因此不作为本发明范围的限定。此外，除非特别指出，这些附图仅意在概念性地说明此处描述的结构构造，而不必要依比例进行绘制。
图1为一种输电线路通道超高清地图构建方法、系统的无人机。
图2为一种输电线路通道超高清地图构建方法、系统的通道超高清地图展示图一。
图3为一种输电线路通道超高清地图构建方法、系统的通道超高清地图展示图二。
图4为一种输电线路通道超高清地图构建方法、系统现有通道超高清地图展示图三。
具体实施方式
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明做进一步说明，其中实施例1为最佳实施。
实施例1
系统包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
无人机搭载可见光成像镜头，基于实时差分RTK技术，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为8000*5000像素，每段通道内产生的正射影像数量为60张，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示；
将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图；运用数据建模、图像识别、深度学习、关联性分析的技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据；
运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模；具体包括以下步骤：
1)将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示；
2)借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备训练数据集，实现对通道中的隐患信息的自动化识别；
3)运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK 差分位置的对比，自动计算通道隐患的GPS经纬度；
4)将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，实现输电线路通道隐患信息的结构化数据统计。
实施例2
系统包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
无人机搭载可见光成像镜头，基于实时差分RTK技术，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为8000*4500像素，每段通道内产生的正射影像数量为55张，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示；
将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图；运用数据建模、图像识别、深度学习、关联性分析的技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据；
运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模；具体包括以下步骤：
1)将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示；
2)借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备训练数据集，实现对通道中的隐患信息的自动化识别；
3)运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK 差分位置的对比，自动计算通道隐患的GPS经纬度；
4)将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，实现输电线路通道隐患信息的结构化数据统计。
实施例3
系统包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
无人机搭载可见光成像镜头，基于实时差分RTK技术，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为7000*4500素，每段通道内产生的正射影像数量为50张，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示；
将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图；运用数据建模、图像识别、深度学习、关联性分析的技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据；
运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模；具体包括以下步骤：
1)将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示；
2)借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备训练数据集，实现对通道中的隐患信息的自动化识别；
3)运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK 差分位置的对比，自动计算通道隐患的GPS经纬度；
4)将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，实现输电线路通道隐患信息的结构化数据统计。
实施例4
系统包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
无人机搭载可见光成像镜头，基于实时差分RTK技术，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为9000*5500像素，每段通道内产生的正射影像数量为70张，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示；
将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图；运用数据建模、图像识别、深度学习、关联性分析的技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据；
运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模；具体包括以下步骤：
1)将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示；
2)借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备训练数据集，实现对通道中的隐患信息的自动化识别；
3)运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK 差分位置的对比，自动计算通道隐患的GPS经纬度；
4)将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，实现输电线路通道隐患信息的结构化数据统计。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (9)

1.一种输电线路通道超高清地图构建方法，其特征在于：
通过运用ArcGIS技术，将无人机正射影像经过切割、拼接后，以图层的方式叠加到ArcGIS平台中，实现输电线路通道正射影像的结构化建模以及超高清GIS地图的制作与查看，精度在5米以内；
运用经纬度对比，将线路、杆塔台账数据与输电线路正射影像ArcGIS平台中瓦片经纬度叠加，自动匹配杆塔GPS经纬度，将杆塔链接后形成线路，实现输电线路通道正射影像的结构化建模。
2.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：所述的无人机搭载可见光成像镜头，基于实时差分RTK技术，开展输电线路通道巡视，每段通道形成为50～70张分辨率为(7000～9000)*(4500～5500)像素可见光图像，所产生的可见光图像均带有位置信息，且误差不超过0.01米，通过结构化建模，将所产生通道影像拼接、叠加到ArcGIS平台中，形成可视化的展示。
3.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：所述的正射影像为基于输电线路通道正射影像：构建超高清GIS地图，运用数据建模、图像识别、深度学习、关联性分析的技术手段，对输电通道中的隐患进行自动化识别，结合输电线路设备台账信息，得出全网内的输电通道隐患结构化数据。
4.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：具体包括以下步骤：通过无人机搭载可见光成像设备，在输电线路通道正上方进行自主巡视，得到通道正射影像，每张通道正射影像分辨率约为(7000～9000)*(4500～5500)像素，每段通道内产生的正射影像数量为50～70张，将每张通道正射影像按照RTK差分标准进行拼接、切割，得到适用于ArcGIS平台的瓦片数据，将瓦片数据通过结构化建模技术，叠加到ArcGIS平台中，形成分辨率为5米的超高清GIS地图。
5.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：具体包括以下步骤：将输电线路设备台账叠加到输电线路通道正射影像ArcGIS平台，实现通道影像与输电设备的逻辑性关联，形成可视化展示。
6.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：具体包括以下步骤：借助图像识别和深度学习等人工智能算法，构建通道隐患识别神经网络和训练模型，准备训练数据集，实现对通道中的隐患信息的自动化识别。
7.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：具体包括以下步骤：运用矩阵算法，通过隐患位置与输电线路通道正射影像ArcGIS平台中瓦片数据RTK差分位置的对比，自动计算通道隐患的GPS经纬度。
8.根据权利要求1所述的一种输电线路通道超高清地图构建方法，其特征在于：具体包括以下步骤：将通道隐患的GPS经纬度与输电线路设备台账进行关联性分析，实现输电线路通道隐患信息的结构化数据统计。
9.一种权利要求1～8任一项所述的输电线路通道超高清地图构建方法的系统，其特征在于：包括无人机、可见光成像镜头、ArcGIS平台；通过无人机搭载可见光成像镜头，无人机巡视得到通道正射影像，通道正射影像按照RTK差分标准进行拼接、切割得到瓦片数据，将瓦片数据通过结构化建模技术叠加到ArcGIS平台中。
CN202210186445.8A 2022-02-28 2022-02-28 一种输电线路通道超高清地图构建方法、系统 Pending CN114549692A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210186445.8A CN114549692A (zh) 2022-02-28 2022-02-28 一种输电线路通道超高清地图构建方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210186445.8A CN114549692A (zh) 2022-02-28 2022-02-28 一种输电线路通道超高清地图构建方法、系统

Publications (1)

Publication Number Publication Date
CN114549692A true CN114549692A (zh) 2022-05-27

Family

ID=81679706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210186445.8A Pending CN114549692A (zh) 2022-02-28 2022-02-28 一种输电线路通道超高清地图构建方法、系统

Country Status (1)

Country Link
CN (1) CN114549692A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219852A (zh) * 2022-09-19 2022-10-21 国网江西省电力有限公司电力科学研究院 一种无人机配电线路的故障智能研判方法
CN116341002A (zh) * 2023-03-17 2023-06-27 南通创越时空数据科技有限公司 一种地图数据脱敏方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219852A (zh) * 2022-09-19 2022-10-21 国网江西省电力有限公司电力科学研究院 一种无人机配电线路的故障智能研判方法
CN115219852B (zh) * 2022-09-19 2023-03-24 国网江西省电力有限公司电力科学研究院 一种无人机配电线路的故障智能研判方法
CN116341002A (zh) * 2023-03-17 2023-06-27 南通创越时空数据科技有限公司 一种地图数据脱敏方法和系统
CN116341002B (zh) * 2023-03-17 2023-12-12 南通创越时空数据科技有限公司 一种地图数据脱敏方法和系统

Similar Documents

Publication Publication Date Title
CN111597666B (zh) 一种将bim应用到变电站建设过程的方法
CN111337030B (zh) 一种基于背负式的激光雷达扫描系统、导航定位方法
CN108109437B (zh) 一种基于地图特征的无人机自主航线提取生成方法
CN114549692A (zh) 一种输电线路通道超高清地图构建方法、系统
CN108010360A (zh) 一种基于车路协同的自动驾驶环境感知系统
CN102645203B (zh) 基于机载激光雷达数据的电力线路交叉跨越测量方法
CN101335431A (zh) 基于机载激光雷达数据的架空送电线路优化选线方法
CN110689563A (zh) 一种用于提取遥感图像中违法建筑信息的数据处理方法
CN113075938B (zh) 一种输电线路远距离智能巡检系统及方法
CN110132239B (zh) 基于cors平台的无人机测绘方法
CN102662179A (zh) 基于机载激光雷达的三维优化选线方法
CN112013830B (zh) 一种输电线路无人机巡检影像检测缺陷的精确定位方法
CN114065339A (zh) 一种基于三维可视化模型的高塔建设选址方法
KR102255978B1 (ko) 3d 센서를 활용한 객체 인식 기반 고해상도 철도 터널 내부 정밀 지도 생성 장치 및 방법
CN109238242A (zh) 基于立体大场景的输电线路路径优化选线
CN104933223A (zh) 一种输电线路通道数字化测绘方法
CN109612445B (zh) 一种基于无人机的WebGIS平台下高精度地形建立方法
JP2020064555A (ja) 巡視用サーバ、及び巡視点検システム
CN116129066A (zh) 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法
JP2020065320A (ja) 巡視用サーバ、及び巡視点検システム
US20150153454A1 (en) System and method for polythene infrastructure monitoring
CN116863652A (zh) 一种基于互联网加技术的地质灾害预警方法
CN113744393B (zh) 一种多层级边坡滑坡变化监测方法
CN115705699A (zh) 一种基于数字孪生技术的高速公路智能巡检方法和装置
CN114153225A (zh) 一种基于rtk及rfid技术的无人机高精度降落控制系统及方法

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