CN115311346A - 一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 - Google Patents
一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115311346A CN115311346A CN202210883289.0A CN202210883289A CN115311346A CN 115311346 A CN115311346 A CN 115311346A CN 202210883289 A CN202210883289 A CN 202210883289A CN 115311346 A CN115311346 A CN 115311346A
- Authority
- CN
- China
- Prior art keywords
- target
- picture
- area
- information
- inspection
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 109
- 238000010276 construction Methods 0.000 title claims description 30
- 230000003068 static effect Effects 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000007499 fusion processing Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 60
- 230000007547 defect Effects 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种电力巡检机器人定位图像构建方法、装置及设备和存储介质,获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数,获取目标图片的同时,获取拍摄对象主体所在位置信息与巡检机器人定位信息,接收不同时间范围的不同目标区域的同一目标图片,在云端形成历史数据库,通过采用本发明的方法,可以明显改善巡检机器人工作过程中电网系统巡检的安全性和精度及效率问题,降低了巡检成本及风险问题,解决了需要人工进行故障判断和标记等问题,提高相关巡检机器人的图像构建技术和故障定位准确性。
Description
技术领域
本发明涉及电力巡检技术领域,特别是电力巡检机器人定位图像构建方法、装置、电子设备及存储介质。
背景技术
电力及电网系统巡检一直依靠人工,由于电网设备建设的地域复杂性,以及设备和电力电网系统本身的高危型,造成巡检成本高,风险大等问题,例如山区、人烟稀少等地巡检难度大,电力电网设备本身的高压、高电流潜在危险以及设备巡检的人工成本,人身安全问题,现有技术已经采用了包括巡逻机器人、无人机等设备进行巡检,但是现有技术中对于巡检,依旧存在巡检效果不好,需要人工进行故障判断和标记等问题,因此如何提高相关巡检机器人的图像构建技术和故障定位准确性,提高巡检的计算精度和效率等就成了亟待解决的问题。
发明内容
为克服背景技术的缺陷,本发明提供了一种电力巡检机器人定位图像构建方法、装置及系统,其方案如下:
一种电力巡检机器人定位图像构建方法,周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
进一步,巡检发现异常时,则调用最近时刻tm的目标图片Gm与巡检异常图片Bm进行对比,在对比前根据巡检机器人的定位信息拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im。遍历云端形成历史数据库序列Lm=(L1,L2,......,Ln);Im=(I1,I2,......,In),找到对应的Lm与Im值通过数据库函数Qm调取相应的目标图片Fm,通过对目标图片Gm与巡检异常图片Bm的对比,获取目标异常位置精确图像,并在云端形成目标损耗重点区域图像历史数据库。
进一步,根据目标损耗重点区域图像历史数据库,划分目标易损耗区域:设目标图片整个区域面积为Sm,易损耗区域面积为Sn,通过记录目标异常位置坐标点C(x,y),划定距离最远的两个目标异常位置(X1,Y1)和(X2,Y2)为Sn区域的直径从而得到Sn=π*(R/2)2,同时得到易损耗区域中心位置K(X0,Y0),其中
进一步,通过记录目标异常位置坐标点C(x,y),采用样本聚类方式,通过计算样本目标异常位置坐标点的样本集,得到易损耗区域面积为Sn,易损耗区域中心位置K的函数f(x)还可用计算方式:
,其中C为输入目标异常位置坐标点,C={C1,C2,...Ck},D为输出目标异常位置坐标点,D={D1,D2,...Dk}。
进一步,巡检机器人拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人,并要求前往目标区域进行拍摄协助。
进一步,将目标图片历史状态下每个异常位置进行标识,对图片中拍摄对象主体,根据不同部件进行缺陷部位聚类标识,聚类标识信息,至少包括目标图片拍摄的时间、位置信息以及该缺陷部位的缺陷类型信息。
一种电力巡检机器人定位图像构建装置,视频获取模块,周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
照片获取模块,周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
云端处理模块,获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
一种电子设备,包括:处理器;以及存储程序的存储器,所述程序包括指令,所述指令在由所述处理器执行使所述处理器执行上述电力巡检机器人定位图像构建方法。
一种存储程序的计算机可读存储介质,所述程序包括指令,所述指令在由电子设备的处理器执行时,致使所述电子设备执行上述电力巡检机器人定位图像构建方法。
通过采用本发明的方法、装置及设备和存储介质,可以明显改善巡检机器人工作过程中电网系统巡检的安全性和精度及效率问题,降低了巡检成本及风险问题,解决了需要人工进行故障判断和标记等问题,因此提高相关巡检机器人的图像构建技术和故障定位准确性,同时提高了电网巡检的计算精度和效率。
附图说明
图1是根据本发明一个实施例的方法流程示意图;
图2是根据本发明一个实施例的易损耗区域范围的推演示意图,其中图2a-2b中,是本发明易损耗区域范围的计算公式推演过程图;
图3是根据本发明一个实施例的巡检机器人工作状态示意图;
图4是根据本发明一个实施例的目标图片异常位置标识方法示意图;
图5是根据本发明一个实施例的电力巡检机器人定位图像构建装置示意图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式,这些实施方式的描述是足够详细的,以使得本领域技术人员能够实践本发明,在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此,不应当从限制性意义上来理解以下的详细描述。
第一实施方式中
一种电力巡检机器人定位图像构建方法,周期性获取目标区域的巡检动态视频信息;目标区域可以是包括电力设备周围的环境区域,也可以是电力设备区域,根据巡检动态视频信息对目标区域场景进行划分,例如可以拍摄晴天、阴天等不同光线下,俯视、侧视等不同拍摄角度下,白天、夜晚等不同时刻的目标区域视频,并从视频中选取拍摄对象主体特性图片,例如拍摄对象主体特性图片反应某一电力设备主要结构或电力设备本身的重点区域,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,例如可以在拍摄视频的同时还进行照片拍摄,最终的主体静态照片是由多个照片融合处理后得到,目的是获得高清晰度的静态图片,
获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,通过动态视频和静态照片两个方面的多维度处理,最终得到可以存储在云端数据库的高质量、高清晰度和高还原度的目标图片信息,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,获取拍摄对象主体所在位置(例如电力设备等)例如,可由电力设备本身加装GPS(全球定位系统GlobalPositioning System)或根据相关电子地图定位信息获得,巡检机器人一般配置有GPS装置,其在巡检过程中回传自己所在地理位置的定位信息,通过在数据库建立Lm及Im相关位置信息,可以形成完善的定位信息库,通过设备本身固定的定位信息以及巡检机器人的动态定位信息进行位置信息修正,提高了数据库中位置信息的准确性,进而可以通过数据库函数Qm调取相关电力设备的准确历史位置信息,同时根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,由于不同时间范围巡检机器人所处的位置可能不同,通过接收多个时间段的位置信息可以形成位置信息的实时修正,在云端形成历史数据库,即得到了目标图片与精确位置对应的数据库信息,得到了高精度定位的效果,且由于周期性进行图像和视频的接收处理,可以保证历史数据库的时效性和准确性。
进一步,巡检发现异常时,则调用最近时刻tm的目标图片Gm与巡检异常图片Bm进行对比,在对比前根据巡检机器人的定位信息拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im。遍历云端形成历史数据库序列Lm=(L1,L2,......,Ln);Im=(I1,I2,......,In),找到对应的Lm与Im值通过数据库函数Qm调取相应的目标图片Fm,通过对目标图片Gm与巡检异常图片Bm的对比,获取目标异常位置精确图像,此处获取的可以是,例如电力设备出现异常和损坏的位置,并在云端形成目标损耗重点区域图像历史数据库,通过形成易于损坏或者异常的地方的数据库,在以后的巡检过程中,可以更加聚焦于此类相关重点区域位置。
进一步,根据目标损耗重点区域图像历史数据库,划分目标易损耗区域:设目标图片整个区域面积为Sm,易损耗区域面积为Sn,通过记录目标异常位置坐标点C(x,y),划定距离最远的两个目标异常位置(X1,Y1)和(X2,Y2)为Sn区域的直径从而得到Sn=π*(R/2)2,同时得到易损耗区域中心位置K(X0,Y0),其中
进一步,通过记录目标异常位置坐标点C(x,y),采用样本聚类方式,通过计算样本目标异常位置坐标点的样本集,得到易损耗区域面积为Sn,易损耗区域中心位置K的函数f(x)还可用计算方式:
,其中C为输入目标异常位置坐标点,C={C1,C2,...Ck},D为输出目标异常位置坐标点,D={D1,D2,...Dk},上述计算方式是通过计算机模型,随机设置中心位置K,统计采集的输入目标异常位置坐标点C集合,坐标点C集合的每个点分配到D集合中,通过计算C与中心位置K的关联度强弱,输出到不同D中,再更新整个D集合实际中心位置,从而得到易损耗区域中心位置K的函数f(x)的上述计算方式。
进一步,巡检机器人拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人,并要求其他巡检机器人前往目标区域进行拍摄协助,其他巡检机器人拍摄的同时还可以上传定位信息,从而提供更多的定位参考数据,修正数据库的定位信息,提供更为精确的定位信息。
进一步,将目标图片历史状态下每个异常位置进行标识,对图片中拍摄对象主体,根据不同部件进行缺陷部位聚类标识,聚类标识信息,至少包括目标图片拍摄的时间、位置信息以及该缺陷部位的缺陷类型信息。
一种电力巡检机器人定位图像构建装置,视频获取模块,周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
照片获取模块,周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
云端处理模块,获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
第二实施方式中
一种电力巡检机器人定位图像构建方法,周期性获取目标区域的巡检动态视频信息;目标区域可以是包括电力设备周围的环境区域,也可以是电力设备区域,根据巡检动态视频信息对目标区域场景进行划分,例如可以拍摄晴天、阴天等不同光线下,俯视、侧视等不同拍摄角度下,白天、夜晚等不同时刻的目标区域视频,并从视频中选取拍摄对象主体特性图片,例如拍摄对象主体特性图片反应某一电力设备主要结构或电力设备本身的重点区域,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,通过动态视频和静态照片两个方面的多维度处理,最终得到可以存储在云端数据库的高质量、高清晰度和高还原度的目标图片信息,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,获取拍摄对象主体所在位置(例如电力设备等)例如,可由电力设备本身加装GPS(全球定位系统Global Positioning System)或根据相关电子地图定位信息获得,巡检机器人一般配置有GPS装置,其在巡检过程中回传自己所在地理位置的定位信息,通过在数据库建立Lm及Im相关位置信息,可以形成完善的定位信息库,通过设备本身固定的定位信息以及巡检机器人的动态定位信息进行位置信息修正,提高了数据库中位置信息的准确性,进而可以通过数据库函数Qm调取相关电力设备的准确历史位置信息,使用本申请记载的电力巡检定位及图像构建方法及系统在电力巡检发现异常时,则调用最近时刻tm的目标图片Gm与巡检异常图片Bm进行对比,在对比前根据巡检机器人的定位信息拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im。遍历云端形成历史数据库序列Lm=(L1,L2,......,Ln);Im=(I1,I2,......,In),找到对应的Lm与Im值通过数据库函数Qm调取相应的目标图片Fm,通过对目标图片Gm与巡检异常图片Bm的对比,获取目标异常位置精确图像,此处获取的可以是例如电力设备出现异常和损坏的位置,并在云端形成目标损耗重点区域图像历史数据库,通过形成易于损坏或者异常的地方的数据库,在以后的巡检过程中,可以更加聚焦于此类相关重点区域位置。
进一步,根据目标损耗重点区域图像历史数据库,划分目标易损耗区域,在以后的巡检过程中拍摄相关区域的重点图像时,可以重点巡检相关易损耗区域,并提取易损耗区域图像数据进行比对,从而在一些情况下可以不用对比整个图片,也能通过对对重点区域进行对比高效掌握相关损耗信息,同时由于易损耗区域区域范围的划定,在机器人实际巡检过程,可以直接根据图像的易损耗区域范围设置好摄像头的焦距和拍摄角度,减少了一些情况中的人工远程操作调焦和角度调整(为了看清相关区域或者人工操作进一步查看):本申请还可以通过公式计算来得到易损耗区域范围,设目标图片整个区域面积为Sm,易损耗区域面积为Sn,通过记录目标异常位置坐标点C(x,y),划定距离最远的两个目标异常位置(X1,Y1)和(X2,Y2)为Sn区域的直径
进一步,通过记录目标异常位置坐标点C(x,y),采用样本聚类方式,通过计算样本目标异常位置坐标点的样本集,得到易损耗区域面积为Sn,易损耗区域中心位置K的函数f(x)还可用计算方式:
,其中C为模型中输入目标异常位置坐标点,C={C1,C2,...Ck},D为模型中输出目标异常位置坐标点,D={D1,D2,...Dk}。
如图2所示,如图2a-2b中,通过记录目标损坏点分布来总结得到易损耗区域范围的计算公式,(电力设备等,以图像的形式体现),记录目标异常坐标点C1,C2,C3,C4……,随着记录坐标点的增加,最终损坏点分布会呈现出一定的规律,如图2c中,记录的损坏点增加到一定程度,其主要异常位置区域呈现从点到面的面积规律分布,此时,在损坏点集中的位置区域中,将其定义为Sn,划定距离最远的两个目标异常位置CA(XA,YA)和CB(XB,YB),此时的Sn区域呈现为一个圆形,则CA(XA,YA)和CB(XB,YB)两个距离最远的目标异常位置的连线可以看做是Sn区域的直径,其中的中心点即为易损耗区域中心位置K(X0,Y0),进一步参考图2d,可以直观的得到目标图片整个区域面积为Sm和易损耗区域面积为Sn的对应关系,从而可以利用例如圆面积计算公式, 得到Sn=π*(R/2)2,同时得到易损耗区域中心位置K(X0,Y0),其中得到易损耗区域的计算公式后,可以代入计算机系统模型,利用样本聚类方式,通过计算样本目标异常位置坐标点的样本集,得到易损耗区域面积为Sn,易损耗区域中心位置K的函数f(x)还可用计算方式:
,其中C为模型中输入目标异常位置坐标点,C={C1,C2,...Ck},D为模型中输出目标异常位置坐标点,D={D1,D2,...Dk}。从而在系统中,形成目标损耗重点区域图像历史数据库,通过形成易于损坏或者异常的地方的数据库,在以后的巡检过程中,可以拍摄相关区域的重点图像时,根据记录的易损耗区域Sn直接拍摄易损耗区域Sn的放大图片,方便巡检的时候进行重点对比,提升了工作效率,如最近时刻tm的目标图片Gm与巡检异常图片Bm进行对比时,可以重点巡检相关易损耗区域区域Sn的区域对比图,在一些情况下,做到不用对比整个图片,也能便于对重点区域进行对比,同时由于易损耗区域区域范围的划定,在机器人实际巡检过程,可以直接根据图像的易损耗区域范围设置好摄像头的焦距和拍摄角度,避免为了看清相关区域或者需要人工操作进一步查看具体区域时需要反复调整摄像头的焦距和拍摄角度,减少了一些巡检情况中的人工远程控制操作调焦和角度调整。
第三实施方式中
参考图5,一种电力巡检机器人定位图像构建装置,视频获取模块,周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
照片获取模块,周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
云端处理模块,获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
进一步,巡检机器人拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人,并要求前往目标区域进行拍摄协助,例如图3所示的情景中,巡检机器人100拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人110及巡检机器人120从而针对目标区域拍摄对象主体从多个角度和多个采集主体拍摄相关动态视频和静态照片,提供了多维度的信息验证,提高了数据库中图片信息的精确性。
进一步,如果发现了异常情况,将采集到的目标图片异常位置200进行标识,并将其信息作为异常位置历史状态标识上传,在下次的巡检过程中,重点对目标图片异常位置200进行拍摄,同时巡检机器人100拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人110及巡检机器人120从而针对目标区域拍摄对象主体异常位置200作为拍摄对象,从多个角度和多个采集主体拍摄相关动态视频和静态照片,通过此方式,可以根据不同部件进行缺陷部位聚类标识,聚类标识信息中至少包括目标图片拍摄的时间、位置信息以及该缺陷部位的缺陷类型信息。
第四实施方式中
一种电力巡检机器人定位图像构建方法,周期性获取目标区域的巡检动态视频信息;目标区域可以是包括电力设备周围的环境区域,也可以是电力设备区域,根据巡检动态视频信息对目标区域场景进行划分,例如可以拍摄晴天、阴天等不同光线下,俯视、侧视等不同拍摄角度下,白天、夜晚等不同时刻的目标区域视频,并从视频中选取拍摄对象主体特性图片,例如拍摄对象主体特性图片反应某一电力设备主要结构或电力设备本身的重点区域,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,例如可以在拍摄视频的同时还进行照片拍摄,最终的主体静态照片是由多个照片融合处理后得到,目的是获得高清晰度的静态图片,
参考图4,进一步,如果发现了异常情况,将采集到的目标图片异常位置进行标识,并将其信息作为异常位置历史状态标识上传,形成电力设备不同部件标识信息库,从而进行缺陷部位聚类标识,聚类标识信息中至少包括目标图片拍摄的时间、位置信息以及该缺陷部位的缺陷类型信息,如图4所示,通过在多次巡检过程中,发现图示电力设备主要易损耗部件包括部件200、部件300及部件400,则在以后的巡检过程中,重点对电力设备目标易损耗部件200、部件300及部件400进行巡检动态视频信息和目标区域拍摄对象主体的静态照片,并记录不同时刻易损耗部件200、部件300及部件400缺陷信息,包括进一步细分的部件缺陷位置,从而在下次的拍摄过程中重点拍摄目标图片中易损耗部件200、部件300及部件400的图像信息,并形成易损耗部件200、部件300及部件400等部件中易损耗区域面积为Sn,进一步的可以形成不同类型电力电网设备的易损坏部件信息数据库,例如可以通过上述方法得出大型电力变压器最容易损坏的部件是:瓷套管,防爆膜等位置,相应的,还可以利用已有的电力电网设备的易损坏部件信息数据库信息同步给电力巡检机器人,使得其在巡检拍摄的过程中,重点拍摄根据数据库信息反馈的相关易损坏部件。
本领域普通技术人员可以意识到,结合本文中所公开的实施例中描述的各方法步骤和单元,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各实施例的步骤及组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或步骤可以用硬件、处理器执行的软件程序,或者二者的结合来实施。软件程序可以置于随机存储器(Random Access Memory,RAM)、内存、只读存储器(Read-Only Memory,ROM)、电可编程只读存储器(ElectricallyProgrammable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,EEPROM)、寄存器、硬盘、可移动磁盘的存储介质中。
此外,根据公开的本发明的说明书,本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性,本发明的实际范围和精神由所附权利要求书表示。
Claims (9)
1.一种电力巡检机器人定位图像构建方法,其特征在于,
周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
2.根据权利要求1所述的图像构建方法,其特征在于,巡检发现异常时,则调用最近时刻tm的目标图片Gm与巡检异常图片Bm进行对比,在对比前根据巡检机器人的定位信息拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,遍历云端形成历史数据库序列Lm=(L1,L2,......,Ln);Im=(I1,I2,......,In),找到对应的Lm与Im值通过数据库函数Qm调取相应的目标图片Fm,通过对目标图片Gm与巡检异常图片Bm的对比,获取目标异常位置精确图像,并在云端形成目标损耗重点区域图像历史数据库。
5.根据权利要求1-4任一项所述的图像构建方法,其特征在于,巡检机器人拍摄目标区域的巡检动态视频信息和目标区域拍摄对象主体的静态照片时,可将定位信息发送给附近的其他巡检机器人,并要求前往目标区域进行拍摄协助。
6.根据权利要求1-4任一项所述的图像构建方法,其特征在于,将目标图片历史状态下每个异常位置进行标识,对图片中拍摄对象主体,根据不同部件进行缺陷部位聚类标识,聚类标识信息,至少包括目标图片拍摄的时间、位置信息以及该缺陷部位的缺陷类型信息。
7.一种电力巡检机器人定位图像构建装置,其特征在于,
视频获取模块,周期性获取目标区域的巡检动态视频信息;根据巡检动态视频信息对目标区域场景进行划分,并从视频中选取拍摄对象主体特性图片,目标区域场景划分至少包括视频拍摄对象主体的不同光线条件、不同摄像角度、不同时刻中的两个维度的场景视频;
照片获取模块,周期性获取目标区域拍摄对象主体的静态照片;所述静态照片由多个曝光参数下的多次拍摄照片进行细节锐化增强合成处理得到,
云端处理模块,获取所述视频中选取拍摄对象主体特性图片与拍摄对象主体的静态照片,进行融合处理得到目标图片,不同目标区域的目标图片对应不同数据库函数Qm,获取目标图片的同时,获取拍摄对象主体所在位置信息Lm与巡检机器人定位信息Im,数据库函数Qm与位置信息Lm及Im存在一一对应关系,根据接收不同时间范围[t1,t2]的不同目标区域的同一目标图片,在云端形成历史数据库。
8.一种电子设备,其特征在于,包括:
处理器;以及存储程序的存储器,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述电力巡检机器人定位图像构建方法。
9.一种存储程序的计算机可读存储介质,其特征在于,所述程序包括指令,所述指令在由电子设备的处理器执行时,致使所述电子设备执行根据权利要求根据权利要求1-6中任一项所述电力巡检机器人定位图像构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883289.0A CN115311346A (zh) | 2022-07-26 | 2022-07-26 | 一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883289.0A CN115311346A (zh) | 2022-07-26 | 2022-07-26 | 一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115311346A true CN115311346A (zh) | 2022-11-08 |
Family
ID=83859755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883289.0A Pending CN115311346A (zh) | 2022-07-26 | 2022-07-26 | 一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311346A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029323A (zh) * | 2023-03-24 | 2023-04-28 | 亿云智慧(北京)信息技术发展有限公司 | 一种基于标识码扫描的设备巡检管理方法及系统 |
CN116147504A (zh) * | 2023-04-18 | 2023-05-23 | 领视科技成都有限公司 | 一种车载非接触式接触线磨耗测量方法及系统 |
CN116258466A (zh) * | 2023-05-15 | 2023-06-13 | 国网山东省电力公司菏泽供电公司 | 多模态电力场景作业规范检测方法、系统、设备及介质 |
CN116342093A (zh) * | 2022-12-20 | 2023-06-27 | 国网浙江省电力有限公司金华供电公司 | 基于故障可靠性分析的电力巡检方法 |
CN117290719B (zh) * | 2023-11-27 | 2024-02-02 | 北京朝阳环境集团有限公司 | 基于数据分析的巡检管理方法、装置及存储介质 |
-
2022
- 2022-07-26 CN CN202210883289.0A patent/CN115311346A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342093A (zh) * | 2022-12-20 | 2023-06-27 | 国网浙江省电力有限公司金华供电公司 | 基于故障可靠性分析的电力巡检方法 |
CN116342093B (zh) * | 2022-12-20 | 2023-12-01 | 国网浙江省电力有限公司金华供电公司 | 基于故障可靠性分析的电力巡检方法 |
CN116029323A (zh) * | 2023-03-24 | 2023-04-28 | 亿云智慧(北京)信息技术发展有限公司 | 一种基于标识码扫描的设备巡检管理方法及系统 |
CN116147504A (zh) * | 2023-04-18 | 2023-05-23 | 领视科技成都有限公司 | 一种车载非接触式接触线磨耗测量方法及系统 |
CN116258466A (zh) * | 2023-05-15 | 2023-06-13 | 国网山东省电力公司菏泽供电公司 | 多模态电力场景作业规范检测方法、系统、设备及介质 |
CN116258466B (zh) * | 2023-05-15 | 2023-10-27 | 国网山东省电力公司菏泽供电公司 | 多模态电力场景作业规范检测方法、系统、设备及介质 |
CN117290719B (zh) * | 2023-11-27 | 2024-02-02 | 北京朝阳环境集团有限公司 | 基于数据分析的巡检管理方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311346A (zh) | 一种电力巡检机器人定位图像构建方法、装置、电子设备及存储介质 | |
WO2021189456A1 (zh) | 无人机巡检方法、装置及无人机 | |
CN107329490B (zh) | 无人机避障方法及无人机 | |
CN112164015B (zh) | 单目视觉自主巡检图像采集方法、装置及电力巡检无人机 | |
TWI434567B (zh) | An image processing apparatus, an image processing method, an image processing program, and a recording medium | |
CN110910459B (zh) | 一种对摄像装置的标定方法、装置及标定设备 | |
WO2019037038A1 (zh) | 图像处理方法、装置及服务器 | |
WO2021037286A1 (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN103581562A (zh) | 全景拍摄的方法和装置 | |
CN114428510B (zh) | 环绕航线修正方法及系统 | |
CN102589529A (zh) | 扫描近景摄影测量方法 | |
CN115810041A (zh) | 一种基于多摄像头视觉的线缆尺寸检测方法及系统 | |
CN114020039A (zh) | 无人机巡检杆塔自动对焦系统及方法 | |
CN109034214B (zh) | 用于生成标记的方法和装置 | |
CN110602376B (zh) | 抓拍方法及装置、摄像机 | |
WO2021168707A1 (zh) | 对焦方法、装置及设备 | |
WO2021237574A1 (zh) | 相机参数确定方法、装置和可读存储介质 | |
CN104700409A (zh) | 一种根据监控目标自动调整摄像机预置位的方法 | |
CN112860946B (zh) | 一种视频图像信息转换为地理信息的方法及系统 | |
CN112378385B (zh) | 一种关注信息的位置确定方法、装置、介质及电子设备 | |
US9721371B2 (en) | Systems and methods for stitching metallographic and stereoscopic images | |
KR102127135B1 (ko) | 시설물 정밀점검 시스템 및 방법 | |
US20160086339A1 (en) | Method of providing cartograic information of an eletrical component in a power network | |
CN111476304A (zh) | 一种影像数据处理方法及装置 | |
KR101714174B1 (ko) | 구조물 영상 관리 방법, 영상처리장치, 및 영상조회장치 |
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 |