CN114778560B - 基于线缆巡检机器人的架空线检测方法和系统 - Google Patents

基于线缆巡检机器人的架空线检测方法和系统 Download PDF

Info

Publication number
CN114778560B
CN114778560B CN202210695441.2A CN202210695441A CN114778560B CN 114778560 B CN114778560 B CN 114778560B CN 202210695441 A CN202210695441 A CN 202210695441A CN 114778560 B CN114778560 B CN 114778560B
Authority
CN
China
Prior art keywords
line
laser
jth
overhead
overhead 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
CN202210695441.2A
Other languages
English (en)
Other versions
CN114778560A (zh
Inventor
陆政
段家振
刘洪涛
史如新
张伟
树玉琴
阚志伟
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.)
State Grid Jiangsu Electric Power Co ltd Innovation And Innovation Center
State Grid Corp of China SGCC
Changzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co ltd Innovation And Innovation Center
State Grid Corp of China SGCC
Changzhou Power Supply Co of State Grid Jiangsu 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 State Grid Jiangsu Electric Power Co ltd Innovation And Innovation Center, State Grid Corp of China SGCC, Changzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co ltd Innovation And Innovation Center
Priority to CN202210695441.2A priority Critical patent/CN114778560B/zh
Publication of CN114778560A publication Critical patent/CN114778560A/zh
Application granted granted Critical
Publication of CN114778560B publication Critical patent/CN114778560B/zh
Priority to PCT/CN2022/134818 priority patent/WO2023245984A1/zh
Priority to US18/548,069 priority patent/US11909182B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G01N2021/9518—Objects of complex shape, e.g. examined with use of a surface follower device using a surface follower, e.g. robot

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种基于线缆巡检机器人的架空线检测方法和系统，线缆巡检机器人悬挂在架空线上，线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，摄像单元与架空线呈第一角度，激光发射单元与架空线呈第二角度，架空线检测方法包括以下步骤：控制激光发射单元向架空线发射N组平行激光束，以在架空线上形成N条平行激光线；控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像；对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径；将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常。由此，能够大大提高巡检的准确性和效率，降低了巡检风险。

Description

基于线缆巡检机器人的架空线检测方法和系统
技术领域
本发明涉及架空线检测技术领域，具体涉及一种基于线缆巡检机器人的架空线检测方法和一种基于线缆巡检机器人的架空线检测系统。
背景技术
架空输电线路是国家电网的基础设施，是远距离输电的主要载体，对国民日常生活保障与经济发展有着深远的意义。输电线缆由多股裸露的钢芯铝绞线绞制而成，铝金属表面暴露在野外环境中，在雨水，冰雪等环境因素及自身所受到的持续的机械张力的影响下容易出现散股，断股，锈蚀，破损等异常状态，进而引起电力传输故障，甚至造成严重的安全事故。因此，对架空输电线路进行巡检维修是电力部门的重要工作。
相关技术中，架空输电线路巡检主要采用人工巡检方式和无人机辅助巡检方式两种方式。采用人工巡检的方式，准确性和效率较低，风险较高，采用无人机辅助巡检方式，受环境因素影响较大（如光照明暗变化、线缆反光等因素），准确性较低。
发明内容
本发明为解决相关技术中架空输电线路巡检的准确性和效率较低，风险较高的技术问题，提供了一种基于线缆巡检机器人的架空线检测方法和系统，通过在架空线上形成激光线来判断架空线是否出现异常，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
本发明采用的技术方案如下：
一种基于线缆巡检机器人的架空线检测方法，所述线缆巡检机器人悬挂在所述架空线上，所述线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，所述摄像单元的光轴与所述架空线呈第一角度，所述激光发射单元的光轴与所述架空线呈第二角度，所述架空线检测方法包括以下步骤：控制所述激光发射单元向所述架空线发射N组平行激光束，以在所述架空线上形成N条平行激光线，其中，N为正整数；控制所述摄像单元对所述架空线以及所述N条平行激光线进行拍摄，以获取目标检测图像；对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径；将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常。
根据本发明的一个实施例，对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径，具体包括：采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，其中，1≤j≤N，j为正整数；获取所述第j条光条中心线在所述目标检测图像中的像素点集；对所述像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径。
根据本发明的一个实施例，将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常，具体包括：采用激光三角法计算所述第j条光条中心线的所有像素点与所述摄像单元之间的距离，并选取出所述第j条光条中心线的最低点与所述摄像单元之间的第一距离；获取拟合模型，并采用所述拟合模型根据所述第一距离获取所述第j条激光线径对应的理论线径；将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对；如果所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配，则判断所述架空线出现异常。
根据本发明的一个实施例，将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对，以判断所述第j条激光线径与所述第j条激光线径对应的理论线径是否匹配，具体包括：计算所述第j条激光线径与所述第j条激光线径对应的理论线径的相似度；如果所述相似度小于预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径匹配；如果所述相似度大于或等于所述预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配。
根据本发明的一个实施例，获取所述拟合模型，包括：控制所述激光发射单元向无异常架空线发射K组平行激光束，以在所述架空线上形成K条平行激光线，其中，K为正整数；控制所述摄像单元对所述架空线以及所述K条平行激光线进行拍摄，以获取样本图像；采用所述细化算法分别从所述K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；获取每条所述光条中心线在所述样本图像中的像素点集，并分别对每条所述光条中心线在所述样本图像中的像素点集进行最小二乘圆拟合以获取所述K条平行激光线对应的K条待训练激光线径；采用所述激光三角法计算每条所述光条中心线的所有像素点与所述摄像单元之间的距离，并选取出每条所述光条中心线的最低点与所述摄像单元之间的第二距离；根据每条平行激光线对应的所述待训练激光线径和所述第二距离对拟合算法进行训练以获取所述拟合模型。
一种基于线缆巡检机器人的架空线检测系统，所述线缆巡检机器人悬挂在所述架空线上，所述线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，所述摄像单元的光轴与所述架空线呈第一角度，所述激光发射单元的光轴与所述架空线呈第二角度，所述架空线检测系统包括：第一控制模块，所述第一控制模块用于控制所述激光发射单元向所述架空线发射N组平行激光束，以在所述架空线上形成N条平行激光线，其中，N为正整数；第二控制模块，所述第二控制模块用于控制所述摄像单元对所述架空线以及所述N条平行激光线进行拍摄，以获取目标检测图像；图像识别模块，所述图像识别模块用于对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径；异常检测模块，所述异常检测模块用于将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常。
根据本发明的一个实施例，所述图像识别模块具体用于：采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，其中，1≤j≤N，j为正整数；获取所述第j条光条中心线在所述目标检测图像中的像素点集；对所述像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径。
根据本发明的一个实施例，所述异常检测模块具体用于：采用激光三角法计算所述第j条光条中心线的所有像素点与所述摄像单元之间的距离，并选取出所述第j条光条中心线的最低点与所述摄像单元之间的第一距离；采用拟合模型根据所述第一距离获取所述第j条激光线径对应的理论线径；将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对；如果所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配，则判断所述架空线出现异常。
根据本发明的一个实施例，所述异常检测模块具体还用于：计算所述第j条激光线径与所述第j条激光线径对应的理论线径的相似度；如果所述相似度小于预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径匹配；如果所述相似度大于或等于所述预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配。
根据本发明的一个实施例，所述异常检测模块具体还用于：控制所述激光发射单元向无异常架空线发射K组平行激光束，以在所述架空线上形成K条平行激光线，其中，K为正整数；控制所述摄像单元对所述架空线以及所述K条平行激光线进行拍摄，以获取样本图像；采用所述细化算法分别从所述K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；获取每条所述光条中心线在所述样本图像中的像素点集，并分别对每条所述光条中心线在所述样本图像中的像素点集进行最小二乘圆拟合以获取所述K条平行激光线对应的K条待训练激光线径；采用所述激光三角法计算每条所述光条中心线的所有像素点与所述摄像单元之间的距离，并选取出每条所述光条中心线的最低点与所述摄像单元之间的第二距离；根据每条平行激光线对应的所述待训练激光线径和所述第二距离对拟合算法进行训练以获取所述拟合模型。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的基于线缆巡检机器人的架空线检测方法。
一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述的基于线缆巡检机器人的架空线检测方法。
本发明的有益效果：
本发明通过在架空线上形成激光线，并根据激光线获取相应的激光路径，以及将激光路径与相应位置上的理论线径进行比对，以判断架空线是否出现异常，由此，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
附图说明
图1为本发明一个实施例的线缆巡检机器人的结构示意图；
图2为本发明实施例的基于线缆巡检机器人的架空线检测方法的流程图；
图3为本发明一个具体地实施例的目标检测图像示意图；
图4为本发明一个实施例的判断架空线是否出现异常的方法的流程图；
图5为本发明实施例的基于线缆巡检机器人的架空线检测系统的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，本发明实施例的线缆巡检机器人悬挂在架空线上，线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，线缆巡检机器人前端为线缆巡检机器人行进方向上的一端，摄像单元可为摄像头，激光发射单元可为激光器。其中，摄像单元的光轴与架空线呈第一角度，激光发射单元的光轴与架空线呈第二角度，第一角度大于0且小于90°（例如，可为30°），第二角度大于0且小于90°（例如，可为60°），第一角度和第二角度的大小关系可根据实际情况进行标定，以确保摄像单元能够拍摄出激光发射单元在架空线上形成的所有平行激光线。
图2是根据本发明实施例的基于线缆巡检机器人的架空线检测方法的流程图。
如图2所示，本发明实施例的基于线缆巡检机器人的架空线检测方法可包括以下步骤：
S1，控制激光发射单元向架空线发射N组平行激光束，以在架空线上形成N条平行激光线。其中，N为正整数。
具体而言，通过激光发射单元向架空线发射N组平行激光束，例如，9组平行激光束照射在架空线上，通过设置激光发射单元与架空线之间的第二角度可保证平行激光束照射在线缆巡检机器人前方预设距离的位置，例如，线缆巡检机器人前方30~60厘米的位置，此时架空线上可形成N条平行激光线，例如9条平行激光线。由于激光发射单元发出的是激光线（例如，红色激光线），具有较强的穿透能力，能够在户外较强光照的情况下在线缆上留下线型光条。
S2，控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像。
具体地，通过设置摄像单元与架空线之间的第一角度，使得摄像单元能够拍摄到架空线上的N条平行激光线，以获取目标检测图像，也就是说，如图3所示，目标检测图像中可包括架空线以及架空线上的N条平行激光线。
S3，对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径。
具体地，可采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，然后获取第j条光条中心线在目标检测图像中的像素点集，最后对像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径。其中，1≤j≤N，且j为正整数。
为了准确测量激光线径，首先需要识别每条平行激光线的光条中心线。由于本发明无需考虑平行激光线之间的间隙，因此，本发明可采用细化算法从每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线，由此，不仅提取速度快，而且不易受到噪声影响。
进一步地，在提取出每条平行激光线的光条中心线，即提取出第j条平行激光线的光条中心线（第j条光条中心线）后，可获取第j条光条中心线在目标检测图像中的像素点集，记作点集Pj(xk，yk)(k=1，2，...，nj)，nj为第j条激光中心线的像素点个数。然后，对采集到的像素点集Pj(xk，yk)进行最小二乘圆拟合，以得到第j条平行激光线对应的第j条激光线径。
S4，将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常。
在本发明的一个实施例中，如图4所示，将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常，可包括以下步骤：
S401，采用激光三角法计算第j条光条中心线的所有像素点与摄像单元之间的距离，并选取出第j条光条中心线的最低点与摄像单元之间的第一距离。
具体而言，如图3所示，激光发射单元照射在架空线上的平行激光线可呈现圆弧形，因此，提取出的光条中心线也呈现圆弧形，在图像中呈现为中间低两边高的形状，对应的，第j条光条中心线的最低点可为Aj（图3中仅示出三条光条中心线），其中，第一条光条中心线的最低点可为A1，第二条光条中心线的最低点可为A2，第三条光条中心线的最低点可为A3。
在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，可分别选取出每条光条中心线的最低点与摄像单元之间的距离，即第一距离，例如，如图3所示，选取出第一条光条中心线的最低点A1与摄像单元之间的距离，选取出第二条光条中心线的最低点A2与摄像单元之间的距离，选取出第三条光条中心线的最低点A3与摄像单元之间的距离。也就是说，第一距离可为在判断架空线是否出现异常的过程中，在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，分别选取出的每条光条中心线的最低点与摄像单元之间的距离。
S402，获取拟合模型，并采用拟合模型根据第一距离获取第j条激光线径对应的理论线径。
具体而言，在选取出第j条平行激光线对应的第一距离后，可将第一距离输入拟合模型，此时拟合模型可输出相应的理论线径，即第j条激光线径对应的理论线径。
需要说明的是，在采用拟合模型根据第一距离获取第j条激光线径对应的理论线径之前，可先获取拟合模型。下面结合具体实施例来详细说明如何获取拟合模型。
根据本发明的一个实施例，在采用拟合模型对第j条平行激光线对应的第j条激光线径和第一距离进行最小二乘圆拟合之前，还包括：控制激光发射单元向无异常架空线发射K组平行激光束，以在架空线上形成K条平行激光线，其中，K为正整数；控制摄像单元对架空线以及K条平行激光线进行拍摄，以获取样本图像；采用细化算法分别从K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；获取每条光条中心线在样本图像中的像素点集，并分别对每条光条中心线在样本图像中的像素点集进行最小二乘圆拟合以获取K条平行激光线对应的K条待训练激光线径；采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离，并选取出每条光条中心线的最低点与摄像单元之间的第二距离；根据每条平行激光线对应的待训练激光线径和第二距离对拟合算法进行训练以获取拟合模型。
具体地，可先通过激光发射单元向无异常架空线发射K组平行激光束，以在架空线上形成K条平行激光线，并通过摄像单元对架空线以及K条平行激光线进行拍摄，以获取样本图像，其中，样本图像中可包括无异常架空线以及无异常架空线上的K条平行激光线。然后，采用细化算法分别从K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线，并获取每条光条中心线在样本图像中的像素点集，以及分别对每条光条中心线在样本图像中的像素点集进行最小二乘圆拟合以获取K条平行激光线对应的K条待训练激光线径，具体的方法可参照上述实施例，为避免冗余，在此不再详述。
进一步而言，采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离，并选取出每条光条中心线的最低点与摄像单元之间的距离，即第二距离。也就是说，第二距离可为在获取拟合模型过程中，在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，分别选取出的每条光条中心线的最低点与摄像单元之间的距离。由此，可将K条平行激光线对应的K条待训练激光线径以及第二距离作为输入，将K条待训练激光线径作为输出对拟合算法进行训练，以获取拟合模型。
S403，将第j条激光线径与第j条激光线径对应的理论线径进行比对，以判断第j条激光线径与第j条激光线径对应的理论线径是否匹配。
作为一种可能的实施方式，可计算第j条激光线径与第j条激光线径对应的理论线径的相似度，以根据相似度判断第j条激光线径与第j条激光线径对应的理论线径是否匹配，具体地，可采用Matlab中Frechet Distance（弗雷歇距离）计算第j条激光线径与第j条激光线径对应的理论线径的相似度。其中，如果相似度大于或等于预设相似度，则判断第j条激光线径与第j条激光线径对应的理论线径匹配，如果相似度小于预设相似度，则判断第j条激光线径与第j条激光线径对应的理论线径不匹配。其中，预设相似度可根据实际情况进行标定。
作为另一种可能的实施方式，还可通过图形比对的方式比对第j条激光线径与第j条激光线径对应的理论线径的重合度，如果重合度大于或等于预设重合度，则判断第j条激光线径与第j条激光线径对应的理论线径匹配，如果重合度小于预设重合度，则判断第j条激光线径与第j条激光线径对应的理论线径不匹配。其中，预设重合度可根据实际情况进行标定。
S404，如果第j条激光线径与第j条激光线径对应的理论线径不匹配，则判断架空线出现异常。
具体而言，可先将第一条激光线径与第一条激光线径对应的理论线径进行比对，如果第一条激光线径与第一条激光线径对应的理论线径不匹配，则判断架空线出现异常，例如，架空线出现散股或断股；如果第一条激光线径与第一条激光线径对应的理论线径匹配，则将第二条激光线径与第二条激光线径对应的理论线径进行比对，如果第二条激光线径与第二条激光线径对应的理论线径不匹配，则判断架空线出现异常，例如，架空线出现散股或断股，如果第二条激光线径与第二条激光线径对应的理论线径匹配，则再将第三条激光线径与第三条激光线径对应的理论线径进行比对，依次类推，直至第N条激光线径与第N条激光线径对应的理论线径进行比对完成。
综上所述，根据本发明实施例的基于线缆巡检机器人的架空线检测方法，首先，控制激光发射单元向架空线发射N组平行激光束，以在架空线上形成N条平行激光线，并控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像，然后，对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径，最后，将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常，由此，通过在架空线上形成激光线来判断架空线是否出现异常，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
对应上述实施例的基于线缆巡检机器人的架空线检测方法，本发明还提出一种基于线缆巡检机器人的架空线检测系统。
如图5所示，本发明实施例的基于线缆巡检机器人的架空线检测系统可包括：第一控制模块100、第二控制模块200、图像识别模块300和异常检测模块400。
其中，第一控制模块100用于控制激光发射单元向架空线发射N组平行激光束，以在架空线上形成N条平行激光线，其中，N为正整数；第二控制模块200用于控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像；图像识别模块300用于对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径；异常检测模块400用于将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常。
需要说明的是，如图1所示，本发明实施例的线缆巡检机器人悬挂在架空线上，线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，线缆巡检机器人前端为线缆巡检机器人行进方向上的一端，摄像单元可为摄像头，激光发射单元可为激光器。其中，摄像单元的光轴与架空线呈第一角度，激光发射单元的光轴与架空线呈第二角度，第一角度大于0且小于90°（例如，可为30°），第二角度大于0且小于90°（例如，可为60°），第一角度和第二角度的大小关系可根据实际情况进行标定，以确保摄像单元能够拍摄出激光发射单元在架空线上形成的所有平行激光线。
具体而言，基于图1所示的线缆巡检机器人，首先，本发明可通过第一控制模块100控制激光发射单元向架空线发射N组平行激光束，例如，9组平行激光束照射在架空线上，通过设置激光发射单元与架空线之间的第二角度可保证平行激光束照射在线缆巡检机器人前方预设距离的位置，例如，线缆巡检机器人前方30~60厘米的位置，此时架空线上可形成N条平行激光线，例如9条平行激光线。由于激光发射单元发出的是激光线（例如，红色激光线），具有较强的穿透能力，能够在户外较强光照的情况下在线缆上留下线型光条。并且，通过第二控制模块200控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像，其中，通过设置摄像单元与架空线之间的第一角度，使得摄像单元能够拍摄到架空线上的N条平行激光线，以获取目标检测图像，也就是说，如图3所示，目标检测图像中可包括架空线以及架空线上的N条平行激光线。
其次，可通过图像识别模块300对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径。
在根据本发明的一个实施例中，图像识别模块300具体用于：采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，然后获取第j条光条中心线在目标检测图像中的像素点集，最后对像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径。其中，1≤j≤N，且j为正整数。
为了准确测量激光线径，首先需要识别每条平行激光线的光条中心线。由于本发明无需考虑平行激光线之间的间隙，因此，本发明可采用细化算法从每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线，由此，不仅提取速度快，而且不易受到噪声影响。
进一步地，在提取出每条平行激光线的光条中心线，即提取出第j条平行激光线的光条中心线（第j条光条中心线）后，可获取第j条光条中心线在目标检测图像中的像素点集，记作点集Pj(xk，yk)(k=1，2，...，nj)，nj为第j条激光中心线的像素点个数。然后，对采集到的像素点集Pj(xk，yk)进行最小二乘圆拟合，以得到第j条平行激光线对应的第j条激光线径。
然后，通过异常检测模块400将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常。
在本发明的一个实施例中，异常检测模块400可先采用激光三角法计算第j条光条中心线的所有像素点与摄像单元之间的距离，并选取出第j条光条中心线的最低点与摄像单元之间的第一距离。其中，如图3所示，激光发射单元照射在架空线上的平行激光线可呈现圆弧形，因此，提取出的光条中心线也呈现圆弧形，在图像中呈现为中间低两边高的形状，对应的，第j条光条中心线的最低点可为Aj（图3中仅示出三条光条中心线），其中，第一条光条中心线的最低点可为A1，第二条光条中心线的最低点可为A2，第三条光条中心线的最低点可为A3。在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，可分别选取出每条光条中心线的最低点与摄像单元之间的距离，即第一距离，例如，如图3所示，选取出第一条光条中心线的最低点A1与摄像单元之间的距离，选取出第二条光条中心线的最低点A2与摄像单元之间的距离，选取出第三条光条中心线的最低点A3与摄像单元之间的距离。也就是说，第一距离可为在判断架空线是否出现异常的过程中，在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，分别选取出的每条光条中心线的最低点与摄像单元之间的距离。
其次，异常检测模块400可获取拟合模型，并采用拟合模型根据第一距离获取第j条激光线径对应的理论线径。其中，在选取出第j条平行激光线对应的第一距离后，可将第一距离输入拟合模型，此时拟合模型可输出相应的理论线径，即第j条激光线径对应的理论线径。
需要说明的是，在采用拟合模型根据第一距离获取第j条激光线径对应的理论线径之前，可先获取拟合模型。下面结合具体实施例来详细说明如何获取拟合模型。
根据本发明的一个实施例，异常检测模块400具体还用于：控制激光发射单元向无异常架空线发射K组平行激光束，以在架空线上形成K条平行激光线，其中，K为正整数；控制摄像单元对架空线以及K条平行激光线进行拍摄，以获取样本图像；采用细化算法分别从K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；获取每条光条中心线在样本图像中的像素点集，并分别对每条光条中心线在样本图像中的像素点集进行最小二乘圆拟合以获取K条平行激光线对应的K条待训练激光线径；采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离，并选取出每条光条中心线的最低点与摄像单元之间的第二距离；根据每条平行激光线对应的待训练激光线径和第二距离对拟合算法进行训练以获取拟合模型。
具体地，可先通过激光发射单元向无异常架空线发射K组平行激光束，以在架空线上形成K条平行激光线，并通过摄像单元对架空线以及K条平行激光线进行拍摄，以获取样本图像，其中，样本图像中可包括无异常架空线以及无异常架空线上的K条平行激光线。然后，采用细化算法分别从K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线，并获取每条光条中心线在样本图像中的像素点集，以及分别对每条光条中心线在样本图像中的像素点集进行最小二乘圆拟合以获取K条平行激光线对应的K条待训练激光线径，具体的方法可参照上述实施例，为避免冗余，在此不再详述。
进一步而言，采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离，并选取出每条光条中心线的最低点与摄像单元之间的第二距离，即第二距离。也就是说，第二距离可为在获取拟合模型过程中，在采用激光三角法计算每条光条中心线的所有像素点与摄像单元之间的距离后，分别选取出的每条光条中心线的最低点与摄像单元之间的距离。由此，可将K条平行激光线对应的K条待训练激光线径以及第二距离作为输入，将K条待训练激光线径作为输出对拟合算法进行训练，以获取拟合模型。
然后，异常检测模块400可将第j条激光线径与第j条激光线径对应的理论线径进行比对，以判断第j条激光线径与第j条激光线径对应的理论线径是否匹配。
作为一种可能的实施方式，可计算第j条激光线径与第j条激光线径对应的理论线径的相似度，以根据相似度判断第j条激光线径与第j条激光线径对应的理论线径是否匹配，具体地，可采用Matlab中FrechetDistance计算第j条激光线径与第j条激光线径对应的理论线径的相似度了。其中，如果相似度大于或等于预设相似度，则判断第j条激光线径与第j条激光线径对应的理论线径匹配，如果相似度小于预设相似度，则判断第j条激光线径与第j条激光线径对应的理论线径不匹配。其中，预设相似度可根据实际情况进行标定。
作为另一种可能的实施方式，还可通过图形比对的方式比对第j条激光线径与第j条激光线径对应的理论线径的重合度，如果重合度大于或等于预设重合度，则判断第j条激光线径与第j条激光线径对应的理论线径匹配，如果重合度小于预设重合度，则判断第j条激光线径与第j条激光线径对应的理论线径不匹配。其中，预设重合度可根据实际情况进行标定。
最后，异常检测模块400在第j条激光线径与第j条激光线径对应的理论线径不匹配时，判断架空线出现异常。
具体而言，可先将第一条激光线径与第一条激光线径对应的理论线径进行比对，如果第一条激光线径与第一条激光线径对应的理论线径不匹配，则判断架空线出现异常，例如，架空线出现散股或断股；如果第一条激光线径与第一条激光线径对应的理论线径匹配，则将第二条激光线径与第二条激光线径对应的理论线径进行比对，如果第二条激光线径与第二条激光线径对应的理论线径不匹配，则判断架空线出现异常，例如，架空线出现散股或断股，如果第二条激光线径与第二条激光线径对应的理论线径匹配，则再将第三条激光线径与第三条激光线径对应的理论线径进行比对，依次类推，直至第N条激光线径与第N条激光线径对应的理论线径进行比对完成。
由此，本发明根据架空线上形成的激光线判断架空线是否出现异常，并且无需人工巡检，从而大大提高了巡检的准确性和效率，降低了巡检风险。
根据本发明实施例的基于线缆巡检机器人的架空线检测系统，通过第一控制模块控制激光发射单元向架空线发射N组平行激光束，以在架空线上形成N条平行激光线，并通过第二控制模块控制摄像单元对架空线以及N条平行激光线进行拍摄，以获取目标检测图像，以及通过图像识别模块对目标检测图像进行图像识别，以获取架空线上N条平行激光线对应的N条激光线径，并通过异常检测模块将N条激光线径分别与相应位置的理论线径进行比对，以判断架空线是否出现异常，由此，通过在架空线上形成激光线来判断架空线是否出现异常，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
对应上述实施例，本发明还提出一种计算机设备。
本发明实施例的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的基于线缆巡检机器人的架空线检测方法。
根据本发明实施例的计算机设备，处理器执行存储在存储器上的计算机程序时，可通过在架空线上形成激光线来判断架空线是否出现异常，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述的基于线缆巡检机器人的架空线检测方法。
根据本发明实施例的非临时性计算机可读存储介质，处理器执行存储在其上的计算机程序时，可通过在架空线上形成激光线来判断架空线是否出现异常，无需人工巡检，能够大大提高巡检的准确性和效率，降低巡检风险。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于线缆巡检机器人的架空线检测方法，其特征在于，所述线缆巡检机器人悬挂在所述架空线上，所述线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，所述摄像单元的光轴与所述架空线呈第一角度，所述激光发射单元的光轴与所述架空线呈第二角度，所述架空线检测方法包括以下步骤：
控制所述激光发射单元向所述架空线发射N组平行激光束，以在所述架空线上形成N条平行激光线，其中，N为正整数；
控制所述摄像单元对所述架空线以及所述N条平行激光线进行拍摄，以获取目标检测图像；
对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径，其中，对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径，具体包括：
采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，其中，1≤j≤N，j为正整数；
获取所述第j条光条中心线在所述目标检测图像中的像素点集；
对所述像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径；
将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常，其中，将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常，具体包括：
采用激光三角法计算所述第j条光条中心线的所有像素点与所述摄像单元之间的距离，并选取出所述第j条光条中心线的最低点与所述摄像单元之间的第一距离；
获取拟合模型，并采用所述拟合模型根据所述第一距离获取所述第j条激光线径对应的理论线径；
将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对，以判断所述第j条激光线径与所述第j条激光线径对应的理论线径是否匹配；
如果所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配，则判断所述架空线出现异常。
2.根据权利要求1所述的基于线缆巡检机器人的架空线检测方法，其特征在于，将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对，以判断所述第j条激光线径与所述第j条激光线径对应的理论线径是否匹配，具体包括：
计算所述第j条激光线径与所述第j条激光线径对应的理论线径的相似度；
如果所述相似度大于或等于预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径匹配；
如果所述相似度小于所述预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配。
3.根据权利要求2所述的基于线缆巡检机器人的架空线检测方法，其特征在于，获取所述拟合模型，包括：
控制所述激光发射单元向无异常架空线发射K组平行激光束，以在所述架空线上形成K条平行激光线，其中，K为正整数；
控制所述摄像单元对所述架空线以及所述K条平行激光线进行拍摄，以获取样本图像；
采用所述细化算法分别从所述K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；
获取每条所述光条中心线在所述样本图像中的像素点集，并分别对每条所述光条中心线在所述样本图像中的像素点集进行最小二乘圆拟合以获取所述K条平行激光线对应的K条待训练激光线径；
采用所述激光三角法计算每条所述光条中心线的所有像素点与所述摄像单元之间的距离，并选取出每条所述光条中心线的最低点与所述摄像单元之间的第二距离；
根据每条平行激光线对应的所述待训练激光线径和所述第二距离对拟合算法进行训练以获取所述拟合模型。
4.一种基于线缆巡检机器人的架空线检测系统，其特征在于，所述线缆巡检机器人悬挂在所述架空线上，所述线缆巡检机器人前端设置有摄像单元和激光发射单元，其中，所述摄像单元的光轴与所述架空线呈第一角度，所述激光发射单元的光轴与所述架空线呈第二角度，所述架空线检测系统包括：
第一控制模块，所述第一控制模块用于控制所述激光发射单元向所述架空线发射N组平行激光束，以在所述架空线上形成N条平行激光线，其中，N为正整数；
第二控制模块，所述第二控制模块用于控制所述摄像单元对所述架空线以及所述N条平行激光线进行拍摄，以获取目标检测图像；
图像识别模块，所述图像识别模块用于对所述目标检测图像进行图像识别，以获取所述架空线上所述N条平行激光线对应的N条激光线径，其中，所述图像识别模块具体用于：
采用细化算法从第j条平行激光线中提取单像素宽度的光条，以获取第j条光条中心线，其中，1≤j≤N，j为正整数；
获取所述第j条光条中心线在所述目标检测图像中的像素点集；
对所述像素点集进行最小二乘圆拟合以获取第j条平行激光线对应的第j条激光线径；
异常检测模块，所述异常检测模块用于将所述N条激光线径分别与相应位置的理论线径进行比对，以判断所述架空线是否出现异常，其中，所述异常检测模块具体用于：
采用激光三角法计算所述第j条光条中心线的所有像素点与所述摄像单元之间的距离，并选取出所述第j条光条中心线的最低点与所述摄像单元之间的第一距离；
获取拟合模型，采用所述拟合模型根据所述第一距离获取所述第j条激光线径对应的理论线径；
将所述第j条激光线径与所述第j条激光线径对应的理论线径进行比对；
如果所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配，则判断所述架空线出现异常。
5.根据权利要求4所述的基于线缆巡检机器人的架空线检测系统，其特征在于，所述异常检测模块具体还用于：
计算所述第j条激光线径与所述第j条激光线径对应的理论线径的相似度；
如果所述相似度大于或等于预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径匹配；
如果所述相似度小于所述预设相似度，则判断所述第j条激光线径与所述第j条激光线径对应的理论线径不匹配。
6.根据权利要求5所述的基于线缆巡检机器人的架空线检测系统，其特征在于，所述异常检测模块具体还用于：
控制所述激光发射单元向无异常架空线发射K组平行激光束，以在所述架空线上形成K条平行激光线，其中，K为正整数；
控制所述摄像单元对所述架空线以及所述K条平行激光线进行拍摄，以获取样本图像；
采用所述细化算法分别从所述K条平行激光线中的每条平行激光线中提取单像素宽度的光条，以获取相应的光条中心线；
获取每条所述光条中心线在所述样本图像中的像素点集，并分别对每条所述光条中心线在所述样本图像中的像素点集进行最小二乘圆拟合以获取所述K条平行激光线对应的K条待训练激光线径；
采用所述激光三角法计算每条所述光条中心线的所有像素点与所述摄像单元之间的距离，并选取出每条所述光条中心线的最低点与所述摄像单元之间的第二距离；
根据每条平行激光线对应的所述待训练激光线径和所述第二距离对拟合算法进行训练以获取所述拟合模型。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现根据权利要求1-3中任一项所述的基于线缆巡检机器人的架空线检测方法。
8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-3中任一项所述的基于线缆巡检机器人的架空线检测方法。
CN202210695441.2A 2022-06-20 2022-06-20 基于线缆巡检机器人的架空线检测方法和系统 Active CN114778560B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210695441.2A CN114778560B (zh) 2022-06-20 2022-06-20 基于线缆巡检机器人的架空线检测方法和系统
PCT/CN2022/134818 WO2023245984A1 (zh) 2022-06-20 2022-11-28 基于线缆巡检机器人的架空线检测方法和系统
US18/548,069 US11909182B1 (en) 2022-06-20 2022-11-28 Overhead line detection method and system based on cable inspection robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210695441.2A CN114778560B (zh) 2022-06-20 2022-06-20 基于线缆巡检机器人的架空线检测方法和系统

Publications (2)

Publication Number Publication Date
CN114778560A CN114778560A (zh) 2022-07-22
CN114778560B true CN114778560B (zh) 2022-09-27

Family

ID=82420485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210695441.2A Active CN114778560B (zh) 2022-06-20 2022-06-20 基于线缆巡检机器人的架空线检测方法和系统

Country Status (3)

Country Link
US (1) US11909182B1 (zh)
CN (1) CN114778560B (zh)
WO (1) WO2023245984A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114778560B (zh) 2022-06-20 2022-09-27 国网江苏省电力有限公司常州供电分公司 基于线缆巡检机器人的架空线检测方法和系统

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3419636B2 (ja) * 1996-10-09 2003-06-23 三菱電機株式会社 架空線の自動点検装置
CN103322948B (zh) * 2013-07-04 2015-12-23 上海宝锋工程技术有限公司 板坯表面凹凸点检测方法、检测装置与处理方法
DE102017215334A1 (de) * 2016-09-21 2018-03-22 Carl Zeiss Industrielle Messtechnik Gmbh Verfahren, Computerprogrammprodukt und Messsystem zum Betrieb mindestens eines Triangulations-Laserscanners zur Identifizierung von Oberflächeneigenschaften eines zu vermessenden Werkstücks
CN106546263B (zh) * 2016-10-12 2019-08-20 上海大学 一种基于机器视觉的激光水平仪出射激光线检测方法
CN107907048A (zh) 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
JP2019015508A (ja) * 2017-07-03 2019-01-31 東日本電気エンジニアリング株式会社 架線測定装置および架線測定方法
CN108564621B (zh) * 2018-04-28 2021-09-24 中国科学院电子学研究所 用于车辙检测的结构光光条中心提取方法及装置
CN108919838B (zh) * 2018-08-27 2021-03-26 河海大学常州校区 一种基于双目视觉的无人机输电线路自动跟踪方法
CN109737951B (zh) * 2019-01-31 2020-08-25 中科院合肥技术创新工程院 一种电缆沟巡检机器人的导航系统的导航方法
CN110031830B (zh) * 2019-04-29 2020-11-03 清华大学深圳研究生院 一种基于激光线扫描成像的测距方法
CN113191394A (zh) * 2021-04-07 2021-07-30 国电汉川发电有限公司 一种基于机器视觉的传送带跑偏诊断方法和系统
CN113628170B (zh) * 2021-07-16 2023-08-25 武汉大学 一种基于深度学习的激光线提取方法及系统
CN113960069B (zh) * 2021-10-22 2024-03-19 中铁二十二局集团第五工程有限公司 一种通过激光线扫描建立缆索表面形态的方法
CN114111651A (zh) * 2021-11-25 2022-03-01 江苏科技大学 一种基于多线结构光的车载路面凹陷检测方法
CN114241257A (zh) * 2021-12-07 2022-03-25 国网湖北省电力有限公司恩施供电公司 一种基于图像识别的电力输电线巡检方法及系统
CN114252075B (zh) * 2021-12-09 2024-05-28 国网安徽省电力有限公司电力科学研究院 一种电缆沟巡检机器人的路径跟踪方法及系统
CN114227717B (zh) * 2021-12-31 2024-09-13 深圳市优必选科技股份有限公司 基于巡检机器人的智能巡检方法、装置、设备及存储介质
CN114778560B (zh) * 2022-06-20 2022-09-27 国网江苏省电力有限公司常州供电分公司 基于线缆巡检机器人的架空线检测方法和系统

Also Published As

Publication number Publication date
US11909182B1 (en) 2024-02-20
WO2023245984A1 (zh) 2023-12-28
US20240088631A1 (en) 2024-03-14
CN114778560A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN105652154B (zh) 接触网运行状态安全监测分析系统
CN102508110B (zh) 基于纹理的绝缘子缺陷诊断方法
CN109813722B (zh) 接触网吊弦缺陷检测方法
CN114778560B (zh) 基于线缆巡检机器人的架空线检测方法和系统
CN113658136B (zh) 一种基于深度学习的传送带缺陷检测方法
CN110136444B (zh) 一种交叉口绿灯空放时间计算方法和装置
CN110472477B (zh) 一种利用rtk版无人机搭载红外相机监测覆冰方法
CN104122560B (zh) 一种输电线路广域冰情监测方法
EP2244056A1 (en) Crossover measuring device
CN107179479B (zh) 基于可见光图像的输电导线散股缺陷检测方法
CN109489584A (zh) 一种基于3d技术的隧道限界检测系统及隧道限界识别方法
CN112884771A (zh) 一种基于激光lidar点云的电力线异物搭挂自动检测方法
CN109523543A (zh) 一种基于边缘距离的导线断股检测方法
CN206479334U (zh) 高精度列车全方位检测系统
CN105354827A (zh) 一种在接触网图像中智能识别线夹螺母脱落的方法及系统
CN111077904B (zh) 基于单线激光雷达多旋翼无人机精细化自主巡检方法及装置
CN115642877A (zh) 一种基于深度学习的光伏组件异常遮挡检测方法及系统
CN110554409B (zh) 一种凹障碍物检测方法及系统
CN114724042A (zh) 一种输电线路中零值绝缘子自动检测方法
CN115512252A (zh) 基于无人机的电网巡检自动化方法及系统
CN117092631B (zh) 一种输电通道施工机械目标定位与测距方法及系统
JP3612565B2 (ja) 路面状況判定方法
CN116481430A (zh) 一种接触线几何参数的实时检测方法
CN113640624A (zh) 一种输电线路绝缘缺陷预放电风险预警系统及方法
CN113701628A (zh) 接触线磨耗动态测量方法及装置

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