CN115220060A - 输电线路激光点云ai图像融合测距系统 - Google Patents
输电线路激光点云ai图像融合测距系统 Download PDFInfo
- Publication number
- CN115220060A CN115220060A CN202210817372.8A CN202210817372A CN115220060A CN 115220060 A CN115220060 A CN 115220060A CN 202210817372 A CN202210817372 A CN 202210817372A CN 115220060 A CN115220060 A CN 115220060A
- Authority
- CN
- China
- Prior art keywords
- fusion
- data
- point cloud
- image
- transmission 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.)
- Pending
Links
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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开的输电线路激光点云AI图像融合测距系统,属于电网工程领域,包括云数据平台,所述云数据平台主要由:融合计算、电网工程应用、前端应用、云数据中心以及应用与推广途径等组成,所述融合计算主要由激光点云采集、前端图像采集、图像特征匹配、点云与图像融合等组成,所述电网工程应用主要由设备运行状态、车辆高度、施工设备距离等组成,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险。
Description
技术领域
本发明涉及电网工程领域,特别涉及输电线路激光点云AI图像融合测距系统。
背景技术
伴随着电网建设高潮来临,输电线路、杆塔等设施的布设密度也将愈发提高,电网工程尤其是输电工程,均是线性工程,且采用架空线路,不可避免的需要跨越、交叉已有输电线路、公路铁路、河流等网外设施。新建输电线路、网外设施建设维修过程中,若起重、吊装等设备操作不当,极易破坏已有架空线路、杆塔等电网设施,对电网的正常运行造成不利影响,甚至引发停电、人身伤害等事故,因此,有必要研发一套可以对架空线路、杆塔周边施工车辆、吊车距离、高度进行融合分析的智慧系统,用于实时监测网外设备的运行状态,提前感知,及早报警,避免其威胁电网安全运行。
发明内容
本发明的主要目的在于提供输电线路激光点云AI图像融合测距系统,可以有效解决背景技术中问题。
为实现上述目的,本发明采取的技术方案为:
输电线路激光点云AI图像融合测距系统,包括云数据平台,所述云数据平台主要由:融合计算、电网工程应用、前端应用、云数据中心以及应用与推广途径等组成,所述融合计算主要由激光点云采集、前端图像采集、图像特征匹配、点云与图像融合等组成,所述电网工程应用主要由设备运行状态、车辆高度、施工设备距离等组成,所述前端应用主要由警报通知、巡检辅助、数据上传与校正等组成,所述云安全中心主要由权限验证模块组成,所述应用与推广途径主要由重点工程试用、网内网外合作组成。
优选的,所述激光点云采集主要包括无人机与激光雷达,无人机可选用多旋翼无人机,电动或油动均可,多旋翼无人机具有可折叠、垂直起降、可悬停、对场地要求低等优点,搭载适应的激光雷达即可进行点云精度飞行扫描,激光雷达技术已经较为成熟,按应用分类,可以分为激光测距仪、激光三维成像雷达、激光测速雷达、激光大气探测雷达等,可选用激光测距仪以节约成本,激光测距仪可用于测量距离,对地面扫描获得地面反射点的三维坐标,每个地面反射点按三维坐标以点的形式分布在三维空间中,称为扫描点,通过扫描获得海量的扫描点,则构成了点云,使用激光雷达获得点云,具有分辨率高、抗干扰能力强、低空探测性能好等优点。
优选的,所述前端图像采集主要包括固定摄像机与云台摄像机,固定摄像机包含枪机、筒机、护罩一体机、半球、海螺等多种形态,灵活适用于室内室外等各种复杂环境。采用星光、黑光等多种超低照度成像技术,提供全天候高清画面,实现全方位态势感知,通过AI赋能,实现对人像、车辆、非机动车等全要素提取,云台摄像机适用于对大范围进行扫描监视,它可以扩大摄像机的监视范围,利用固定摄像机与云台摄像机配合可获取电网工程沿路的图像数据。
优选的,所述点云与图像融合主要包括数据层融合、特征层融合以及决策层融合,数据层融合也称像素级融合,首先将激光雷达的观测数据与图像融合,然后从融合的数据中提取特征向量,并进行判断识别。数据层融合需要传感器是同质的(传感器观测的是同一场景),特征层融合属于中间层次,先从激光雷达、图像提供的观测数据中提取的有代表性的特征,这些特征融合成单一的特征向量,然后运用深度学习的方法进行处理,决策层融合属于高层次、目标级的融合。数据层融合和特征层融合属于前融合,决策层融合属于后融合。决策层融合主要用于反馈最为关键的距离、高度、物体特征等关键信息,所述图形特征匹配从指两幅图像中提取显著并且具有可区分性和可匹配性的点结构,常见的点结构一般为图像内容中的角点、交叉点、闭合区域中心点等具有一定物理结构的点,并从特征线或轮廓中进行稀疏采样。
优选的,所述电网工程应用主要包括设备运行状态、车辆高度以及施工设备距离,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险,可对施工过程中的设备状态、车辆高度以及线缆和施工设备之间的距离进行监测,同时可根据距离、状态等监测状况及时发出警报,警报可有巡检的无人机或监控设备发出,当在线警报得不到回应或危险依然存在时,可及时通知巡检人员,实现人工赶赴监督,避免出现安全事故。
优选的,所述前端应用主要包括警报通知、巡检辅助以及数据上传与校正,警报通知可通过前端设备发出,如手机、便携式笔记本等设备,在出现安全危险时通过APP、语音警报或线路图高亮的方式提醒作业人员,进而及时赶赴现场并进行监督与制止。
优选的,所述巡检辅助是指巡检人员配合测距系统的数据对电网线路进行巡查检视,并通过实现检测数据与系统内数据的对比来确定安全性,一旦出现数据差距过大,即可及时的进行检修处理,所述数据上传与校正是指巡检人员也可通过无人机或影像采集设备上传新的线路数据,或在线路变化时对原有系统数据进行更新。
优选的,所述应用与推广途径主要包括重点工程试用和网内网外合作,在网外设施情况复杂,如公路施工现场、船舶来往密集的航道等重点区域,可现行试用输电线路激光点云AI图像融合测距技术,在试用过程中,原有的安全保障措施、人员等正常到场作为兜底,融合测距技术则作为更高端、更智能的新技术先行试用,积累经验,不断改进,可以使系统算法进行迭代学习,持续优化提升测距能力,一段时间后,原有措施、人员分批撤出现场,最终交由融合测距技术全面掌控。
优选的,输电线路激光点云AI图像融合测距技术的应用推广,可以采用网内网外合作应用模式,即与本系统兼容配套的相关设备由网外单位采购,所采集的数据由电网公司进行计算分析,实时监测获得的数据信息由双方共享,从而实现本项目网内网外合作应用。
优选的,所述权限验证模块主要包括指纹认证模块、人脸识别模块以及密码登录模块,在访问云数据中心时,需要经过上述三种验证模式中的一种,方可进入数据中心,并进行数据查阅或下载,保障数据安全。
与现有技术相比,本发明具有如下有益效果:
通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险。
附图说明
图1为本发明输电线路激光点云AI图像融合测距系统的系统详解图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1所示,输电线路激光点云AI图像融合测距系统,包括云数据平台,云数据平台主要由:融合计算、电网工程应用、前端应用、云数据中心以及应用与推广途径等组成,融合计算主要由激光点云采集、前端图像采集、图像特征匹配、点云与图像融合等组成,电网工程应用主要由设备运行状态、车辆高度、施工设备距离等组成,前端应用主要由警报通知、巡检辅助、数据上传与校正等组成,云安全中心主要由权限验证模块组成,应用与推广途径主要由重点工程试用、网内网外合作组成;
激光点云采集主要包括无人机与激光雷达,无人机可选用多旋翼无人机,电动或油动均可,多旋翼无人机具有可折叠、垂直起降、可悬停、对场地要求低等优点,搭载适应的激光雷达即可进行点云精度飞行扫描,激光雷达技术已经较为成熟,按应用分类,可以分为激光测距仪、激光三维成像雷达、激光测速雷达、激光大气探测雷达等,可选用激光测距仪以节约成本,激光测距仪可用于测量距离,对地面扫描获得地面反射点的三维坐标,每个地面反射点按三维坐标以点的形式分布在三维空间中,称为扫描点,通过扫描获得海量的扫描点,则构成了点云,使用激光雷达获得点云,具有分辨率高、抗干扰能力强、低空探测性能好等优点;前端图像采集主要包括固定摄像机与云台摄像机,固定摄像机包含枪机、筒机、护罩一体机、半球、海螺等多种形态,灵活适用于室内室外等各种复杂环境。采用星光、黑光等多种超低照度成像技术,提供全天候高清画面,实现全方位态势感知,通过AI赋能,实现对人像、车辆、非机动车等全要素提取,云台摄像机适用于对大范围进行扫描监视,它可以扩大摄像机的监视范围,利用固定摄像机与云台摄像机配合可获取电网工程沿路的图像数据;点云与图像融合主要包括数据层融合、特征层融合以及决策层融合,数据层融合也称像素级融合,首先将激光雷达的观测数据与图像融合,然后从融合的数据中提取特征向量,并进行判断识别。数据层融合需要传感器是同质的(传感器观测的是同一场景),特征层融合属于中间层次,先从激光雷达、图像提供的观测数据中提取的有代表性的特征,这些特征融合成单一的特征向量,然后运用深度学习的方法进行处理,决策层融合属于高层次、目标级的融合。数据层融合和特征层融合属于前融合,决策层融合属于后融合。决策层融合主要用于反馈最为关键的距离、高度、物体特征等关键信息,图形特征匹配从指两幅图像中提取显著并且具有可区分性和可匹配性的点结构,常见的点结构一般为图像内容中的角点、交叉点、闭合区域中心点等具有一定物理结构的点,并从特征线或轮廓中进行稀疏采样;电网工程应用主要包括设备运行状态、车辆高度以及施工设备距离,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险,可对施工过程中的设备状态、车辆高度以及线缆和施工设备之间的距离进行监测,同时可根据距离、状态等监测状况及时发出警报,警报可有巡检的无人机或监控设备发出,当在线警报得不到回应或危险依然存在时,可及时通知巡检人员,实现人工赶赴监督,避免出现安全事故;前端应用主要包括警报通知、巡检辅助以及数据上传与校正,警报通知可通过前端设备发出,如手机、便携式笔记本等设备,在出现安全危险时通过APP、语音警报或线路图高亮的方式提醒作业人员,进而及时赶赴现场并进行监督与制止;巡检辅助是指巡检人员配合测距系统的数据对电网线路进行巡查检视,并通过实现检测数据与系统内数据的对比来确定安全性,一旦出现数据差距过大,即可及时的进行检修处理,数据上传与校正是指巡检人员也可通过无人机或影像采集设备上传新的线路数据,或在线路变化时对原有系统数据进行更新;应用与推广途径主要包括重点工程试用和网内网外合作,在网外设施情况复杂,如公路施工现场、船舶来往密集的航道等重点区域,可现行试用输电线路激光点云AI图像融合测距技术,在试用过程中,原有的安全保障措施、人员等正常到场作为兜底,融合测距技术则作为更高端、更智能的新技术先行试用,积累经验,不断改进,可以使系统算法进行迭代学习,持续优化提升测距能力,一段时间后,原有措施、人员分批撤出现场,最终交由融合测距技术全面掌控;输电线路激光点云AI图像融合测距技术的应用推广,可以采用网内网外合作应用模式,即与本系统兼容配套的相关设备由网外单位采购,所采集的数据由电网公司进行计算分析,实时监测获得的数据信息由双方共享,从而实现本项目网内网外合作应用;权限验证模块主要包括指纹认证模块、人脸识别模块以及密码登录模块,在访问云数据中心时,需要经过上述三种验证模式中的一种,方可进入数据中心,并进行数据查阅或下载,保障数据安全。
需要说明的是,本发明为输电线路激光点云AI图像融合测距系统,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,无人机可选用多旋翼无人机,电动或油动均可,多旋翼无人机具有可折叠、垂直起降、可悬停、对场地要求低等优点,搭载适应的激光雷达即可进行点云精度飞行扫描,可选用激光测距仪以节约成本,激光测距仪可用于测量距离,对地面扫描获得地面反射点的三维坐标,每个地面反射点按三维坐标以点的形式分布在三维空间中,称为扫描点,通过扫描获得海量的扫描点,则构成了点云,使用激光雷达获得点云,具有分辨率高、抗干扰能力强、低空探测性能好等优点,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险,利用固定摄像机与云台摄像机配合可获取电网工程沿路的图像数据,电网工程应用主要包括设备运行状态、车辆高度以及施工设备距离,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险,可对施工过程中的设备状态、车辆高度以及线缆和施工设备之间的距离进行监测,同时可根据距离、状态等监测状况及时发出警报,警报可有巡检的无人机或监控设备发出,当在线警报得不到回应或危险依然存在时,可及时通知巡检人员,实现人工赶赴监督,避免出现安全事故,前端应用主要包括警报通知、巡检辅助以及数据上传与校正,警报通知可通过前端设备发出,如手机、便携式笔记本等设备,在出现安全危险时通过APP、语音警报或线路图高亮的方式提醒作业人员,进而及时赶赴现场并进行监督与制止,巡检辅助是指巡检人员配合测距系统的数据对电网线路进行巡查检视,并通过实现检测数据与系统内数据的对比来确定安全性,一旦出现数据差距过大,即可及时的进行检修处理,数据上传与校正是指巡检人员也可通过无人机或影像采集设备上传新的线路数据,或在线路变化时对原有系统数据进行更新,应用与推广途径主要包括重点工程试用和网内网外合作,在网外设施情况复杂,如公路施工现场、船舶来往密集的航道等重点区域,可现行试用输电线路激光点云AI图像融合测距技术,在试用过程中,原有的安全保障措施、人员等正常到场作为兜底,融合测距技术则作为更高端、更智能的新技术先行试用,积累经验,不断改进,可以使系统算法进行迭代学习,持续优化提升测距能力,一段时间后,原有措施、人员分批撤出现场,最终交由融合测距技术全面掌控,输电线路激光点云AI图像融合测距技术的应用推广,可以采用网内网外合作应用模式,即与本系统兼容配套的相关设备由网外单位采购,所采集的数据由电网公司进行计算分析,实时监测获得的数据信息由双方共享,从而实现本项目网内网外合作应用。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.输电线路激光点云AI图像融合测距系统,包括云数据平台,所述云数据平台主要由:融合计算、电网工程应用、前端应用、云数据中心以及应用与推广途径等组成,其特征在于:所述融合计算主要由激光点云采集、前端图像采集、图像特征匹配、点云与图像融合等组成,所述电网工程应用主要由设备运行状态、车辆高度、施工设备距离等组成,所述前端应用主要由警报通知、巡检辅助、数据上传与校正等组成,所述云安全中心主要由权限验证模块组成,所述应用与推广途径主要由重点工程试用、网内网外合作组成。
2.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述激光点云采集主要包括无人机与激光雷达,无人机可选用多旋翼无人机,电动或油动均可,多旋翼无人机具有可折叠、垂直起降、可悬停、对场地要求低等优点,搭载适应的激光雷达即可进行点云精度飞行扫描,激光雷达技术已经较为成熟,按应用分类,可以分为激光测距仪、激光三维成像雷达、激光测速雷达、激光大气探测雷达等,可选用激光测距仪以节约成本,激光测距仪可用于测量距离,对地面扫描获得地面反射点的三维坐标,每个地面反射点按三维坐标以点的形式分布在三维空间中,称为扫描点,通过扫描获得海量的扫描点,则构成了点云,使用激光雷达获得点云,具有分辨率高、抗干扰能力强、低空探测性能好等优点。
3.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述前端图像采集主要包括固定摄像机与云台摄像机,固定摄像机包含枪机、筒机、护罩一体机、半球、海螺等多种形态,灵活适用于室内室外等各种复杂环境。采用星光、黑光等多种超低照度成像技术,提供全天候高清画面,实现全方位态势感知,通过AI赋能,实现对人像、车辆、非机动车等全要素提取,云台摄像机适用于对大范围进行扫描监视,它可以扩大摄像机的监视范围,利用固定摄像机与云台摄像机配合可获取电网工程沿路的图像数据。
4.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述点云与图像融合主要包括数据层融合、特征层融合以及决策层融合,数据层融合也称像素级融合,首先将激光雷达的观测数据与图像融合,然后从融合的数据中提取特征向量,并进行判断识别。数据层融合需要传感器是同质的(传感器观测的是同一场景),特征层融合属于中间层次,先从激光雷达、图像提供的观测数据中提取的有代表性的特征,这些特征融合成单一的特征向量,然后运用深度学习的方法进行处理,决策层融合属于高层次、目标级的融合。数据层融合和特征层融合属于前融合,决策层融合属于后融合。决策层融合主要用于反馈最为关键的距离、高度、物体特征等关键信息,所述图形特征匹配从指两幅图像中提取显著并且具有可区分性和可匹配性的点结构,常见的点结构一般为图像内容中的角点、交叉点、闭合区域中心点等具有一定物理结构的点,并从特征线或轮廓中进行稀疏采样。
5.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述电网工程应用主要包括设备运行状态、车辆高度以及施工设备距离,通过使用无人机对输电线路进行点云精度飞行扫描,取得高压线距地面距离,获取周边等比例数值,在此基础上,对杆塔上的视频装置获得的实时图像信息进行计算分析,可以动态获得现场施工车辆、吊车等距离架空线路、杆塔的距离、高度等信息,提前发现潜在风险,可对施工过程中的设备状态、车辆高度以及线缆和施工设备之间的距离进行监测,同时可根据距离、状态等监测状况及时发出警报,警报可有巡检的无人机或监控设备发出,当在线警报得不到回应或危险依然存在时,可及时通知巡检人员,实现人工赶赴监督,避免出现安全事故。
6.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述前端应用主要包括警报通知、巡检辅助以及数据上传与校正,警报通知可通过前端设备发出,如手机、便携式笔记本等设备,在出现安全危险时通过APP、语音警报或线路图高亮的方式提醒作业人员,进而及时赶赴现场并进行监督与制止。
7.根据权利要求6所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述巡检辅助是指巡检人员配合测距系统的数据对电网线路进行巡查检视,并通过实现检测数据与系统内数据的对比来确定安全性,一旦出现数据差距过大,即可及时的进行检修处理,所述数据上传与校正是指巡检人员也可通过无人机或影像采集设备上传新的线路数据,或在线路变化时对原有系统数据进行更新。
8.根据权利要求1所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述应用与推广途径主要包括重点工程试用和网内网外合作,在网外设施情况复杂,如公路施工现场、船舶来往密集的航道等重点区域,可现行试用输电线路激光点云AI图像融合测距技术,在试用过程中,原有的安全保障措施、人员等正常到场作为兜底,融合测距技术则作为更高端、更智能的新技术先行试用,积累经验,不断改进,可以使系统算法进行迭代学习,持续优化提升测距能力,一段时间后,原有措施、人员分批撤出现场,最终交由融合测距技术全面掌控。
9.根据权利要求8所述的输电线路激光点云AI图像融合测距系统,其特征在于:输电线路激光点云AI图像融合测距技术的应用推广,可以采用网内网外合作应用模式,即与本系统兼容配套的相关设备由网外单位采购,所采集的数据由电网公司进行计算分析,实时监测获得的数据信息由双方共享,从而实现本项目网内网外合作应用。
10.根据权利要求9所述的输电线路激光点云AI图像融合测距系统,其特征在于:所述权限验证模块主要包括指纹认证模块、人脸识别模块以及密码登录模块,在访问云数据中心时,需要经过上述三种验证模式中的一种,方可进入数据中心,并进行数据查阅或下载,保障数据安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817372.8A CN115220060A (zh) | 2022-07-12 | 2022-07-12 | 输电线路激光点云ai图像融合测距系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817372.8A CN115220060A (zh) | 2022-07-12 | 2022-07-12 | 输电线路激光点云ai图像融合测距系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220060A true CN115220060A (zh) | 2022-10-21 |
Family
ID=83611682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210817372.8A Pending CN115220060A (zh) | 2022-07-12 | 2022-07-12 | 输电线路激光点云ai图像融合测距系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220060A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830676A (zh) * | 2024-03-06 | 2024-04-05 | 国网湖北省电力有限公司 | 基于无人机的输电线路施工风险识别方法及系统 |
-
2022
- 2022-07-12 CN CN202210817372.8A patent/CN115220060A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830676A (zh) * | 2024-03-06 | 2024-04-05 | 国网湖北省电力有限公司 | 基于无人机的输电线路施工风险识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Improved YOLOv5 network model and application in safety helmet detection | |
Larrauri et al. | Automatic system for overhead power line inspection using an Unmanned Aerial Vehicle—RELIFO project | |
CN106504362A (zh) | 基于无人机的输变电系统巡检方法 | |
Zormpas et al. | Power transmission lines inspection using properly equipped unmanned aerial vehicle (UAV) | |
CN106657882A (zh) | 基于无人机的输变电系统实时监控方法 | |
CN108957240A (zh) | 电网故障远程定位方法及系统 | |
CN206212165U (zh) | 一种超视距雷达广域联防系统 | |
CN113345019A (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
CN109255286A (zh) | 一种基于yolo深度学习网络框架的无人机光学快速检测识别方法 | |
CN109443304A (zh) | 基于无人机输电线路走廊及激光点云的空间距离量测方法 | |
CN113050696A (zh) | 输电线路的巡检路线确定方法、装置、设备及存储介质 | |
CN111258331A (zh) | 无人机电力线路运维检修系统及方法 | |
CN115220060A (zh) | 输电线路激光点云ai图像融合测距系统 | |
CN115909092A (zh) | 轻量化输电通道隐患测距方法及隐患预警装置 | |
Li et al. | Unmanned aerial vehicle intelligent patrol-inspection system applied to transmission grid | |
CN110501720A (zh) | 一种基于航空遥感的输电走廊树障监测系统 | |
CN111580531B (zh) | 用于输电线路的无人机验电方法及装置 | |
CN113111714A (zh) | 一种应用于输电现场作业的风险防控系统 | |
Reddy et al. | An on-line geographical information system–based condition monitoring system for 11-kv distribution line insulator | |
CN112926415A (zh) | 一种行人避让系统和行人监测方法 | |
Wang et al. | Application of Intelligent Robot Inspection System in Power Transmission Project | |
Huang et al. | Research and design of space-sky-ground integrated transmission line inspection platform based on artificial intelligence | |
Cao et al. | Multi-Sensor fusion and data analysis for operating conditions of low power transmission lines | |
CN116243725A (zh) | 基于视觉导航的变电站无人机巡检方法及系统 | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set |
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 |