CN115620239B - 一种点云和视频结合的输电线路在线监测方法和系统 - Google Patents
一种点云和视频结合的输电线路在线监测方法和系统 Download PDFInfo
- Publication number
- CN115620239B CN115620239B CN202211392750.9A CN202211392750A CN115620239B CN 115620239 B CN115620239 B CN 115620239B CN 202211392750 A CN202211392750 A CN 202211392750A CN 115620239 B CN115620239 B CN 115620239B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- transmission line
- image
- power transmission
- video
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000009545 invasion Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 208000034699 Vitreous floaters Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明属于电力线路在线监测领域，尤其涉及一种点云和视频结合的输电线路在线监测方法和系统，本发明针对现有技术的输电线路监测方法对运动的危险源监测效果不好的现状，在对影响输电线路安全的危险源识别时，通过对视频帧图像以及点云图像打上时间戳，对视频帧数据通过图像识别模型识别出危险源，然后选择同一时刻的点云图像与视频帧图像进行坐标系匹配，并计算危险源和输电线路的距离，提高了运动的危险源的识别精度；在计算出危险源和输电线路的距离后，将所述距离在视频帧图像上标识，然后将所述视频帧图像发送给运维人员，提高运维人员的二次判断的准确度。
Description
技术领域
本发明属于电力线路在线监测领域，尤其涉及一种点云和视频结合的输电线路在线监测方法和系统。
背景技术
近年来，因线路保护区内违章施工、漂浮物，数木等导致输电线路的安全距离内存在隐患物体从而引发短路故障，造成线路跳闸、电力设备的严重损坏，甚至人员伤亡事故。异物入侵指的是存在危险源进入了输电线路的安全距离内的区域，包括线路通道不规范施工等人为原因造成了输电线路异物入侵，以及线路通道树木随风力摇摆等自然原因造成的异物入侵；因此，输电线路的异物入侵事故必须得以有效防范和遏制，以保障电力安全、稳定、可靠地输送。
现有技术中一般通过摄像头或者激光雷达对输电线路的安全距离通道进行监测，比如中国发明专利(CN113313005A)公开了一种基于目标识别与重建的输电导线在线监测方法，如图1所示，获取杆塔上方空间的图像信息，基于图像信息识别导线的危险区域，生成预警预告信息；基于预警预告信息确定激光点云数据的采样范围和采样周期；利用激光点云数据获取危险距离；当危险距离满足安全条件，结束工作；当危险距离不满足安全条件则根据危险系数发出安全预警。利用监控影像的实时性提高对危险物的识别速度，满足输电线路监测实时性要求；利用激光雷达扫描的点云数据，提高危险距离计算的准确程度，综合最小垂直距离、最小净空距离、最小水平距离及危险距离、危险目标大小、危险目标高度、输电线安全等级等参数实现对输电导线的在线监测安全预警。
上述方法虽然提高了输电线路监测的精度，但是存在以下问题：
(1)上述方法对静止的危险源有效果，当危险源为运动状态时，且没有时间戳限定，因此，再将点云数据对标到图像数据上时会出现误差，因此，上述方法对运动状态的危险源的识别精度并不理想；
(2)现有的输电线路在线监测系统在判断出危险源后将照片抓拍后发送给运维人员进行确认，然而，运维人员在确认过程中，由于不同拍摄图片的景深不同，因此，运维人员不能很好的根据图片判断出危险物距离输电线路安全通道的距离，从而不能及时确定危险等级，同时，点云数据虽然能确认距离，但是其包含的色彩信息较少，会增加危险源类型确认的风险。
发明内容
本发明要解决的技术问题是针对上述技术方案的不足，提供一种点云和视频结合的输电线路在线监测方法和系统，提高对运动危险源的识别准确度，同时，结合点云数据和视频图像的优点，给运维人员反馈的信息中既包含类型信息又包含距离信息，提高运维人员二次判断的准确度。
为了实现上述目的，根据本发明的一个方面，一种点云和视频结合的输电线路在线监测方法，其特征在于，包括以下步骤：
步骤1：通过摄像机采集输电线路的视频监测数据；
具体地，所述摄像机为一台高像素监控抓拍一体机，为了使摄像机等装置在输电线路户外独立环境能够正常工作，本实施例选用太阳能电池板发电，考虑到太阳能电池板在夜晚无法发电以及阴雨天气产生电力较少的情况，还必须为其配备合适容量的锂电池作为备用电池。
步骤2：将所述视频监测数据转换成视频帧图像，并对每帧图像打上时间戳；
步骤3：通过激光雷达采集输电线路的信息，并生成点云图像；并对所述点云图像打上时间戳；
具体地，所述激光雷达采用思岚RPLIDAR S1，该款激光雷达小巧轻便,重量仅105g,采样频率10Hz,最大测量距离可达40m,典型角度分辨率为0.391°,可以有效避免环境光与强日光的干扰,实现室外场景的稳定成像和距离测量；其中，点云图像通过集成的微型计算机进行处理生成。
步骤4：将所述视频帧图像和所述点云图像进行同坐标系匹配；
对运动的物体而言，点云数据和视频数据往往存在时间上不好匹配的问题，本实施例通过相似度计算获得同一时刻所述点云图像和所述视频帧图像间的变换参数，然后根据所述变换参数将所述点云图像和所述视频图像变换到同一坐标系下，从而在像素层上得到最佳一一对应的过程，从而更好的对运动的物体进行各个参数的表征。
步骤5：通过图像识别模型，识别所述视频帧图像是否具有危险源；若存在危险源，则识别出所述危险源轮廓特征；
具体地，所述图像识别模型为SSD模型，SSD模型作为轻量型模型的代表在网络结构中避免了许多冗余计算和参数量，所以模型的内存占用较小。为了实现输电线路危险源的识别，检测模型应具有识别准确率高、计算速度快、内存占比小等特点，而所述SSD模型恰好满足了实际需求，因此被广泛用于图像识别中。
SSD模型的危险源检测过程如图3所示，模型前半部分使用VGG网络进行特征提取，输入图像像素值为300*300，将VGG基础网络的第6层和第7层的全连接用卷积层代替，检测网络中增加了3个额外的卷积层与1个平均池化层，输入图像经过VGG前5层卷积层后，得到38*38*512大小的特征图，送到检测网络中进行分类，38*38*512特征图又作为输入进行下一层的VGG全连接层操作，得到19*19*1024的特征图，送到分类器与下一层卷积层中，再经过相同的三次卷积操作，逐层递减，分10*10*512,5*5*256,3*3*256的三种尺度特征图，最后全局平均池化得到1*1*256的图像特征。
在目标检测中，针对提取出不同层次的特征图，首先需要构建k个先验框，检测网络需要对所述k个先验框进行边界预测，得到边界框的坐标偏移量和框中目标分类的置信度，最后结合非极大值抑制从中选取效果最好的结果作为模型的输出，从而识别所述视频帧图像是否具有危险源。
更进一步地，所述危险源的轮廓特征包括形状以及面积；
步骤6：根据识别出危险源的视频帧图像的时刻，选出该时刻点云数据；根据所述步骤5的危险源轮廓特征，通过相似度计算，识别出所述点云图像中的危险源；
步骤7：通过点云数据计算所述危险源距离输电线路的距离；
更进一步地，所述步骤7包括：
步骤7.1：将所述点云数据进行滤波处理；
具体地，采用统计滤波算法对所述点云数据进行滤波，统计滤波算法经过时间的检验，被验证是一种良好的离散空间点云滤波算法，该算法的计算规则是:选择空间中的一点，计算该点和所描述的空间内所有点的空间距离，统计所有距离分布并计算平均距离，其距离分布为近似的正态分布曲线。将任一点与该点的距离和平均距离做比较，在一定范围内的点给予保留，在范围外的点被视为离散点云给予去除。
步骤7.2：电力线点云的提取；
具体地，基于断面分析法获取的断面点云数据，利用基于法向约束的点云融合算法确定电力线的数目和起点，并基于高度的最小值确定电力线的下导线，然后利用区域生长算法进行导线追踪，实现电力线点云的提取；
步骤7.3：计算所述危险源与所述电力线的距离；
具体地，所述距离包括：最小垂直距离、最小净空距离、最小水平距离。
步骤8：将步骤7的所述距离在所述视频帧数据中标注，并反馈给运维人员进行二次确认。
根据本申请的另一实施例，本申请还包括一种点云和视频结合的输电线路在线监测系统，其特征在于：包括
摄像机，固定在塔杆上，用于采集监测现场的视频信息；
激光雷达，用于采集监测现场的点云数据；
时间戳赋予模块，用于对所述视频信息和所述点云数据赋予时间戳；
服务器，用于运行上述的点云和视频结合的输电线路在线监测方法的步骤，得到具有距离标识的视频帧图像，并上传给运维人员进行二次确认。
基于上述技术方案，本申请提供的一种电力系统输电线路在线监测方法和系统，具有如下技术效果：
1、本发明对影响输电线路安全的危险源识别时，通过对视频帧图像以及点云图像打上时间戳，对视频帧数据通过图像识别模型识别出危险源，然后选择同一时刻的点云图像与视频帧图像进行坐标系匹配，并计算危险源和输电线路的距离，提高了运动的危险源的识别精度；
2、在计算出危险源和输电线路的距离后，将所述距离在视频帧图像上标识，然后将所述视频帧图像发送给运维人员，提高运维人员的二次判断的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术中输电线路危险源的判断方案流程图；
图2为本申请实施例提供的一种点云和视频结合的输电线路在线监测方法的流程图；
图3为本申请实施例提供的SSD模型图像检测过程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
下面首先结合附图对本申请所涉及的概念进行说明。在此需要指出的是，以下对各个概念的说明，仅为了使本申请的内容更加容易理解，并不表示对本申请保护范围的限定。
本发明要解决的技术问题是针对上述技术方案的不足，提供一种点云和视频结合的输电线路在线监测方法和系统，用于提高运动的危险源的监测预警准确度；如图2所示，一种点云和视频结合的输电线路在线监测方法，其特征在于，包括以下步骤：
步骤1：通过摄像机采集输电线路的视频监测数据；
具体地，所述摄像机为一台高像素监控抓拍一体机，为了使摄像机等装置在输电线路户外独立环境能够正常工作，本实施例选用太阳能电池板发电，考虑到太阳能电池板在夜晚无法发电以及阴雨天气产生电力较少的情况，还必须为其配备合适容量的锂电池作为备用电池。
步骤2：将所述视频监测数据转换成视频帧图像，并对每帧图像打上时间戳；
步骤3：通过激光雷达采集输电线路的信息，并生成点云图像；并对所述点云图像打上时间戳；
具体地，所述激光雷达采用思岚RPLIDAR S1，该款激光雷达小巧轻便,重量仅105g,采样频率10Hz,最大测量距离可达40m,典型角度分辨率为0.391°,可以有效避免环境光与强日光的干扰,实现室外场景的稳定成像和距离测量；其中，点云图像通过集成的微型计算机进行处理生成。
步骤4：将所述视频帧图像和所述点云图像进行同坐标系匹配；
由于所述摄像机和所述激光雷达作为不同成像原理的传感器，具有不同的性能，为了综合应用这两种传感器数据以弥补单一传感器数据的不足，需要对视频帧图像和点云图像进行融合匹配，从而校正视频帧图像和点云图像在坐标比例方面的差异，从而使计算得到的信息更加精确。
对运动的物体而言，点云数据和视频数据往往存在时间上不好匹配的问题，本实施例通过相似度计算获得同一时刻所述点云图像和所述视频帧图像间的变换参数，然后根据所述变换参数将所述点云图像和所述视频图像变换到同一坐标系下，从而在像素层上得到最佳一一对应的过程，从而更好的对运动的物体进行各个参数的表征。
步骤5：通过图像识别模型，识别所述视频帧图像是否具有危险源；若存在危险源，则识别出所述危险源轮廓特征；
具体地，所述图像识别模型为SSD模型，SSD模型作为轻量型模型的代表在网络结构中避免了许多冗余计算和参数量，所以模型的内存占用较小。为了实现输电线路危险源的识别，检测模型应具有识别准确率高、计算速度快、内存占比小等特点，而所述SSD模型恰好满足了实际需求，因此被广泛用于图像识别中。
SSD模型的危险源检测过程如图3所示，模型前半部分使用VGG网络进行特征提取，输入图像像素值为300*300，将VGG基础网络的第6层和第7层的全连接用卷积层代替，检测网络中增加了3个额外的卷积层与1个平均池化层，输入图像经过VGG前5层卷积层后，得到38*38*512大小的特征图，送到检测网络中进行分类，38*38*512特征图又作为输入进行下一层的VGG全连接层操作，得到19*19*1024的特征图，送到分类器与下一层卷积层中，再经过相同的三次卷积操作，逐层递减，分10*10*512,5*5*256,3*3*256的三种尺度特征图，最后全局平均池化得到1*1*256的图像特征。
在目标检测中，针对提取出不同层次的特征图，首先需要构建k个先验框，检测网络需要对所述k个先验框进行边界预测，得到边界框的坐标偏移量和框中目标分类的置信度，最后结合非极大值抑制从中选取效果最好的结果作为模型的输出，从而识别所述视频帧图像是否具有危险源。
更进一步地，所述危险源的轮廓特征包括形状以及面积；
步骤6：根据识别出危险源的视频帧图像的时刻，选出该时刻点云数据；根据所述步骤5的危险源轮廓特征，通过相似度计算，识别出所述点云图像中的危险源；
步骤7：通过点云数据计算所述危险源距离输电线路的距离；
更进一步地，所述步骤7包括：
步骤7.1：将所述点云数据进行滤波处理；
具体地，采用统计滤波算法对所述点云数据进行滤波，统计滤波算法经过时间的检验，被验证是一种良好的离散空间点云滤波算法，该算法的计算规则是:选择空间中的一点，计算该点和所描述的空间内所有点的空间距离，统计所有距离分布并计算平均距离，其距离分布为近似的正态分布曲线。将任一点与该点的距离和平均距离做比较，在一定范围内的点给予保留，在范围外的点被视为离散点云给予去除。
步骤7.2：电力线点云的提取；
具体地，基于断面分析法获取的断面点云数据，利用基于法向约束的点云融合算法确定电力线的数目和起点，并基于高度的最小值确定电力线的下导线，然后利用区域生长算法进行导线追踪，实现电力线点云的提取；
步骤7.3：计算所述危险源与所述电力线的距离；
具体地，所述距离包括：最小垂直距离、最小净空距离、最小水平距离。
步骤8：将步骤7的所述距离在所述视频帧数据中标注，并反馈给运维人员进行二次确认。
根据本申请的另一实施例，本申请还包括一种点云和视频结合的输电线路在线监测系统，其特征在于：包括
摄像机，固定在塔杆上，用于采集监测现场的视频信息；
激光雷达，用于采集监测现场的点云数据；
时间戳赋予模块，用于对所述视频信息和所述点云数据赋予时间戳；
服务器，用于运行上述的点云和视频结合的输电线路在线监测方法的步骤，得到具有距离标识的视频帧图像，并上传给运维人员进行二次确认。
本发明对影响输电线路安全的危险源识别时，通过对视频帧图像以及点云图像打上时间戳，对视频帧数据通过图像识别模型识别出危险源，然后选择同一时刻的点云图像与视频帧图像进行坐标系匹配，并计算危险源和输电线路的距离，提高了运动的危险源的识别精度；在计算出危险源和输电线路的距离后，将所述距离在视频帧图像上标识，然后将所述视频帧图像发送给运维人员，提高运维人员的二次判断的准确度。
以上所述的实施例及/或实施方式，仅是用以说明实现本发明技术的较佳实施例及/或实施方式，并非对本发明技术的实施方式作任何形式上的限制，任何本领域技术人员，在不脱离本发明内容所公开的技术手段的范围，当可作些许的更动或修改为其它等效的实施例，但仍应视为与本发明实质相同的技术或实施例。
Claims (6)
1.一种点云和视频结合的输电线路在线监测方法，包括以下步骤：
步骤1：通过摄像机采集输电线路的视频监测数据；
步骤2：将所述视频监测数据转换成视频帧图像，并对每帧图像打上时间戳；
步骤3：通过激光雷达采集输电线路的信息，并生成点云图像；并对所述点云图像打上时间戳；
步骤4：将所述视频帧图像和所述点云图像进行同坐标系匹配；
步骤5：通过图像识别模型，识别所述视频帧图像是否具有危险源；若存在危险源，则识别出所述危险源轮廓特征；
步骤6：根据识别出危险源的视频帧图像的时刻，选出该时刻点云数据；根据所述步骤5的危险源轮廓特征，通过相似度计算，识别出所述点云图像中的危险源；
步骤7：通过点云数据计算所述危险源距离输电线路的距离；所述步骤7具体包括：
步骤7.1：将所述点云数据进行滤波处理；
步骤7.2：电力线点云的提取；
步骤7.3：计算所述危险源与所述电力线的距离；
步骤8：将步骤7的所述距离在所述视频帧图像中标注，并反馈给运维人员进行二次确认；
所述步骤4中，将所述点云图像和所述视频帧图像进行匹配，将所述点云图像和所述视频帧图像进行匹配具体为：通过相似度计算获得同一时刻所述点云图像和所述视频帧图像间的变换参数，然后根据所述变换参数将所述点云图像和所述视频帧图像变换到同一坐标系下，所述步骤5中，所述图像识别模型为SSD模型。
2.根据权利要求1所述的点云和视频结合的输电线路在线监测方法，其特征在于，所述摄像机为一台高像素监控抓拍一体机，选用太阳能电池板发电，还配备有锂电池作为备用电池。
3.根据权利要求1所述的点云和视频结合的输电线路在线监测方法，其特征在于，所述步骤5中，所述危险源的轮廓特征包括形状以及面积。
4.根据权利要求1所述的点云和视频结合的输电线路在线监测方法，其特征在于，所述步骤7.1中，采用统计滤波算法对所述点云数据进行滤波。
5.根据权利要求1所述的点云和视频结合的输电线路在线监测方法，其特征在于，所述步骤7中，所述距离包括：最小垂直距离、最小净空距离、最小水平距离。
6.一种点云和视频结合的输电线路在线监测系统，其特征在于：包括
摄像机，固定在塔杆上，用于采集监测现场的视频信息；
激光雷达，用于采集监测现场的点云数据；
时间戳赋予模块，用于对所述视频信息和所述点云数据赋予时间戳；
服务器，用于运行权利要求1-5任一项的点云和视频结合的输电线路在线监测方法的步骤，得到具有距离标识的视频帧图像，并上传给运维人员进行二次确认。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211392750.9A CN115620239B (zh) | 2022-11-08 | 2022-11-08 | 一种点云和视频结合的输电线路在线监测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211392750.9A CN115620239B (zh) | 2022-11-08 | 2022-11-08 | 一种点云和视频结合的输电线路在线监测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115620239A CN115620239A (zh) | 2023-01-17 |
| CN115620239B true CN115620239B (zh) | 2024-01-30 |
Family
ID=84878729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211392750.9A Active CN115620239B (zh) | 2022-11-08 | 2022-11-08 | 一种点云和视频结合的输电线路在线监测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115620239B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117671603B (zh) * | 2024-02-01 | 2024-04-16 | 江苏濠汉信息技术有限公司 | 用于三维立体测距装置的输电线路多维环境监测方法 |
| CN117809297B (zh) * | 2024-02-28 | 2024-05-10 | 江苏濠汉信息技术有限公司 | 基于三维重建的输电线路危险源智能识别方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465401A (zh) * | 2020-12-17 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 基于多维信息融合的电力作业安全管控系统及其管控方法 |
| WO2021134296A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
| CN113313005A (zh) * | 2021-05-25 | 2021-08-27 | 国网山东省电力公司济宁供电公司 | 基于目标识别与重建的输电导线在线监测方法及系统 |
| CN113850137A (zh) * | 2021-08-24 | 2021-12-28 | 山东信通电子股份有限公司 | 一种输电线路图像在线监测方法、系统及设备 |
| CN114419825A (zh) * | 2022-03-29 | 2022-04-29 | 中国铁路设计集团有限公司 | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 |
| CN114594490A (zh) * | 2022-01-26 | 2022-06-07 | 国网江苏省电力有限公司南京供电分公司 | 一种电力线路激光防外破方法和装置 |
| CN114863357A (zh) * | 2022-04-12 | 2022-08-05 | 广东电网有限责任公司广州供电局 | 一种输电线路外力破坏的识别告警方法及系统 |
| CN114898061A (zh) * | 2022-05-26 | 2022-08-12 | 石河子大学 | 一种基于飞走双模视觉信息的输电走廊快速重建方法 |
| CN115187955A (zh) * | 2022-06-14 | 2022-10-14 | 电子科技大学 | 一种基于视觉图像与稀疏点云后融合的目标定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180136332A1 (en) * | 2016-11-15 | 2018-05-17 | Wheego Electric Cars, Inc. | Method and system to annotate objects and determine distances to objects in an image |
-
2022
- 2022-11-08 CN CN202211392750.9A patent/CN115620239B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021134296A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
| CN112465401A (zh) * | 2020-12-17 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 基于多维信息融合的电力作业安全管控系统及其管控方法 |
| CN113313005A (zh) * | 2021-05-25 | 2021-08-27 | 国网山东省电力公司济宁供电公司 | 基于目标识别与重建的输电导线在线监测方法及系统 |
| CN113850137A (zh) * | 2021-08-24 | 2021-12-28 | 山东信通电子股份有限公司 | 一种输电线路图像在线监测方法、系统及设备 |
| CN114594490A (zh) * | 2022-01-26 | 2022-06-07 | 国网江苏省电力有限公司南京供电分公司 | 一种电力线路激光防外破方法和装置 |
| CN114419825A (zh) * | 2022-03-29 | 2022-04-29 | 中国铁路设计集团有限公司 | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 |
| CN114863357A (zh) * | 2022-04-12 | 2022-08-05 | 广东电网有限责任公司广州供电局 | 一种输电线路外力破坏的识别告警方法及系统 |
| CN114898061A (zh) * | 2022-05-26 | 2022-08-12 | 石河子大学 | 一种基于飞走双模视觉信息的输电走廊快速重建方法 |
| CN115187955A (zh) * | 2022-06-14 | 2022-10-14 | 电子科技大学 | 一种基于视觉图像与稀疏点云后融合的目标定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115620239A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和系统 | |
| CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
| CN106595551B (zh) | 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法 | |
| CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
| CN113345019A (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN113469947B (zh) | 一种适合多种地形的测量隐患与输电导线净空距离的方法 | |
| CN112326039B (zh) | 一种光伏电站巡检辅助系统 | |
| CN104410839A (zh) | 一种移动式输电线杆塔区域山火与山体滑坡灾害在线监测系统与监测方法 | |
| CN113589837A (zh) | 一种基于边缘云的电力实时巡检方法 | |
| CN116545122B (zh) | 一种输电线路防外破监测装置和防外破监测方法 | |
| CN112801184A (zh) | 一种云跟踪方法、系统及装置 | |
| CN113051423A (zh) | 一种基于大数据分析的智能电网输电线路状态在线智能监测方法 | |
| 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 | |
| CN114049296A (zh) | 一种基于多源数据融合的输电线路覆冰监测装置及方法 | |
| CN117809297B (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
| CN115546716A (zh) | 一种基于双目视觉的输电线路周边火灾源头定位方法 | |
| CN114998245A (zh) | 基于双目测距和图像分割对输电线舞动的检测方法 | |
| CN113033446B (zh) | 一种基于高分辨率遥感影像输电杆塔识别与定位方法 | |
| CN112734732B (zh) | 基于改进ssd算法的铁路隧道漏缆卡具检测方法 | |
| CN118038153A (zh) | 配电架空线路的防外破识别方法、装置、设备和介质 | |
| CN112489018A (zh) | 一种电力线智能巡线方法及巡线 | |
| CN116539001A (zh) | 一种基于无人机的海上风电塔筒垂直度检测方法及系统 | |
| CN115984768A (zh) | 一种基于固定型单目摄像头的多目标行人实时检测定位方法 | |
| CN114612855A (zh) | 融合残差和多尺度网络的电力线路危险源检测系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |