CN115731303B - 基于双向双目视觉的大跨度输电导线弧垂三维重建方法 - Google Patents
基于双向双目视觉的大跨度输电导线弧垂三维重建方法 Download PDFInfo
- Publication number
- CN115731303B CN115731303B CN202211476200.5A CN202211476200A CN115731303B CN 115731303 B CN115731303 B CN 115731303B CN 202211476200 A CN202211476200 A CN 202211476200A CN 115731303 B CN115731303 B CN 115731303B
- Authority
- CN
- China
- Prior art keywords
- point
- sag
- image
- dimensional
- parameters
- 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 65
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000004020 conductor Substances 0.000 title claims abstract description 36
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 12
- 230000003287 optical effect Effects 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 18
- 238000013519 translation Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007665 sagging Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出了基于双向双目视觉的大跨度输电导线弧垂三维重建方法。分别在相邻的两个输电铁塔上安装双目摄像机;其中,两个双目摄像头采用相同的参数,安装在同一个高度,并水平安装且光轴平行;分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建。
Description
技术领域
本发明提出了基于双向双目视觉的大跨度输电导线弧垂三维重建方法,属于三维重建技术领域。
背景技术
目前电力系统中输电导线弧垂的三维重建利用单侧的双目视觉来实现,即基于安装在一侧输电铁塔上的两个视觉传感器,通过图像采集、标定、立体匹配等获得丰富的三维场景信息,给出场景中不同物体的距离。然而,由于摄像头视野范围有限,现有的方法不能重建大跨度(比如1500米间距)铁塔间的输电导线弧垂。另外,由于视觉盲区的原因,安装在一侧输电铁塔上的视觉传感器不能重建本侧铁塔附近的那段输电导线弧垂,导致相邻输电铁塔间的输电导线弧垂重建不完整。
发明内容
本发明提供了基于双向双目视觉的大跨度输电导线弧垂三维重建方法,用以解决现有的方法不能重建相邻铁塔之间的完整输电导线弧垂,尤其无法重建大跨度铁塔间之间弧垂的问题:
基于双向双目视觉的大跨度输电导线弧垂三维重建方法,所述三维重建方法包括:
分别在相邻的两个输电铁塔上安装双目摄像机;其中,两个双目摄像头采用相同的参数,安装在同一个高度,并水平安装且光轴平行;
分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建。
进一步地,分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建,包括:
步骤1、使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正;
步骤2、使用预先标定好参数的两个双目摄像机分别采集图像,获得第一图像和第二图像;
步骤3、针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形;
步骤4、对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云;
步骤5、利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标;
步骤6、通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像;其中,所述三维重建图像中包括两个输电铁塔之间连接的左、右两段导线弧垂;
步骤7、利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂。
进一步地,步骤1所述使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正,包括:
步骤101、标定双目摄像头的内部、外部和畸变等参数;
步骤102、以所述内部、外部和畸变等参数为参考进行极线矫正;
步骤103、设置并确定摄像头的焦距f,左右两个摄像头中心之间的距离b;
其中,内部参数是双目摄像头的内部结构参数;外部参数是双目摄像头的旋转矩阵和平移矩阵;畸变参数是径向畸变和切向畸变。
进一步地,步骤3所述针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形,包括:
步骤301、建立基于YOLOv2模型的深度神经网络架构Darknet19;
步骤302、利用YOLOv2模型检测所述第一图像,并获取所述第一图像中的输电导线弧垂的外接矩形。
进一步地,所述深度神经网络架构Darknet19包括19个卷积层和5个最大池化层,每个卷积层采用3*3的核,每个最大池化层采用2*2的核。
其中,具体的,Darknet19预先在公开数据集VOC2012上训练,然后在弧垂的数据集上进一步训练。训练好的Darknet19用来检测实际所采集图像中的导线弧垂。检测结果用一个包含弧垂的最小外接矩形表示。
进一步地,步骤4所述的对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云,包括:
步骤401、对所述第一图像对应的外接矩形中的每个点提取SIFT特征;
步骤402、利用海明距离找点方式获取所述第二图像中与所述第一图像的外接矩形中的每个点对应的对应点;
步骤403、将所述第一图像的外接矩形中的每个点与所述第二图像中的对应点进行立体匹配。
进一步地,步骤5所述的利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标,包括:
步骤501、提取所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系;
步骤502、利用所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标。
进一步地,所述三维坐标形式如下:
X=(xL*b)/(xL–xR)
Y=(y*b)/(xL–xR)
Z=(f*b)/(xL–xR)
其中,X、Y、Z表示世界坐标系中某个弧垂点的坐标,(xL,y)和(xR,y)分别表示这个点在左右摄像头中的坐标,f是摄像头的焦距,b是左右两个摄像头中心之间的距离。
进一步地,步骤6所述的通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像,包括:
步骤601、随机选择n个三维重建的点rnd_points;
步骤602、利用所述n个三维重建的点rnd_points拟合二次方程,形成拟合模型M1;并计算每个不在rnd_points的数据点在所述拟合模型M1上的误差;如果小于误差阈值t,则将这个重建点加到rnd_points里;
步骤603、如果rnd_points的点的个数大于个数阈值d,使用rnd_points中的点再次拟合二次方程M,获得拟合模型M2,并计算rnd_points中的所有点在所述拟合模型M2中的误差,如果小于当前的最优的误差,就保存这个误差和对应的的二次方程M;
步骤604、如果当前迭代次数没有达到最大的迭代次数,转到步骤601,否则结束;
步骤605、输出最好的拟合模型M’。
进一步地,步骤7所述的利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂,包括:
步骤701、左、右两段导线弧垂分别标记为S1和S2;
步骤702、计算S2中的每一个点在S1点集中的对应近点;
步骤703、求得使所述对应点所对应的平均距离最小的刚体变换,并利用所述刚体变换求得平移参数和旋转参数;
步骤703、利用平移参数和旋转参数将S2进行转换,获得与S2对应的变换点集;
步骤704、判断所述变换点集与参考点集之间的两点集的平均距离是否小于预设的距离阈值;如果所述变换点集与参考点集的两点集的平均距离小于预设的距离阈值,则停止迭代计算,否则将所述变换点集作为新的S2继续迭代,直到达到目标函数的要求。
本发明有益效果:
本发明基于双向双目视觉的大跨度输电导线弧垂三维重建方法,可以完整、准确的重建出实际的三维弧垂,重建的误差X方向0.3米,Y方向1.4米,Z方向0.5米,重建的弧垂完整,且精度高,能有效检测危险源对输电导线的危害程度,确保用电传输的安全。
附图说明
图1为本发明所述方法的流程图一;
图2为本发明所述方法的流程图二;
图3为本发明所述方法的原理图一;
图4为本发明所述方法的原理图二。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提出了基于双向双目视觉的大跨度输电导线弧垂三维重建方法,如图1所示,所述三维重建方法包括:
S1、分别在相邻的两个输电铁塔上安装双目摄像机;其中,两个双目摄像头采用相同的参数,安装在同一个高度,并水平安装且光轴平行;
S2、分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建。
上述技术方案的工作原理为:首先,分别在相邻的两个输电铁塔上安装双目摄像机;其中,两个双目摄像头采用相同的参数,安装在同一个高度,并水平安装且光轴平行;然后,分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建。
上述技术方案的效果为:本实施例提出的基于双向双目视觉的大跨度输电导线弧垂三维重建方法,可以完整、准确的重建出实际的三维弧垂,重建的误差X方向0.3米,Y方向1.4米,Z方向0.5米,重建的弧垂完整,且精度高,能有效检测危险源对输电导线的危害程度,确保用电传输的安全。
本发明的一个实施例,如图2至图4所示,分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建,包括:
步骤1、使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正;
步骤2、使用预先标定好参数的两个双目摄像机分别采集图像,获得第一图像和第二图像;
步骤3、针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形;
步骤4、对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云;
步骤5、利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标;
步骤6、通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像;其中,所述三维重建图像中包括两个输电铁塔之间连接的左、右两段导线弧垂;
步骤7、利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂。
上述技术方案的工作原理为:首先,使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正;然后,使用预先标定好参数的两个双目摄像机分别采集图像,获得第一图像和第二图像;之后,针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形;然后,对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云;随后,利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标;之后,通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像;其中,所述三维重建图像中包括两个输电铁塔之间连接的左、右两段导线弧垂;最后,利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂。
上述技术方案的效果为:本实施例提出的基于双向双目视觉的大跨度输电导线弧垂三维重建方法,可以完整、准确的重建出实际的三维弧垂,重建的误差X方向0.3米,Y方向1.4米,Z方向0.5米,重建的弧垂完整,且精度高,能有效检测危险源对输电导线的危害程度,确保用电传输的安全。
本发明的一个实施例,具体的,步骤1所述使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正,包括:
步骤101、标定双目摄像头的内部、外部和畸变等参数;
步骤102、以所述内部、外部和畸变等参数为参考进行极线矫正;
步骤103、设置并确定摄像头的焦距f,左右两个摄像头中心之间的距离b;
其中,内部参数是双目摄像头的内部结构参数;外部参数是双目摄像头的旋转矩阵和平移矩阵;畸变参数是径向畸变和切向畸变。
其中,所述双目摄像机的畸变参数的设置关系如下:
(a)径向畸变
其中,径向畸变用泰勒级数展开式的前几项来表示。(x0,y0)是径向畸变点在成像仪上的原始位置,(x,y)是产生径向畸变后新的位置。k1、k2、k3是三个参数,r是距离光心的距离。
(b)切向畸变
其中,(x0,y0)是切向畸变点在成像仪上的原始位置,(x,y)是产生切向畸变后的位置。p1、p2是两个参数。
通过上述畸变系数的关系设置能够有效提高摄像机参数与三维重建的匹配性,进而有效提高三维重建的精确性和准确性。
步骤3所述针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形,包括:
步骤301、建立基于YOLOv2模型的深度神经网络架构Darknet19;
步骤302、利用YOLOv2模型检测所述第一图像,并获取所述第一图像中的输电导线弧垂的外接矩形。
具体的,所述深度神经网络架构Darknet19包括19个卷积层和5个最大池化层,每个卷积层采用3*3的核,每个最大池化层采用2*2的核。
Darknet19预先在公开数据集VOC2012上训练,然后在弧垂的数据集上进一步训练。训练好的Darknet19用来检测实际所采集图像中的导线弧垂。检测结果用一个包含弧垂的最小外接矩形表示。
步骤4所述的对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云,包括:
步骤401、对所述第一图像对应的外接矩形中的每个点提取SIFT特征;
步骤402、利用海明距离找点方式获取所述第二图像中与所述第一图像的外接矩形中的每个点对应的对应点;
步骤403、将所述第一图像的外接矩形中的每个点与所述第二图像中的对应点进行立体匹配。
步骤5所述的利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标,包括:
步骤501、提取所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系;
步骤502、利用所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标。
所述三维坐标形式如下:
X=(xL*b)/(xL–xR)
Y=(y*b)/(xL–xR)
Z=(f*b)/(xL–xR)
其中,X、Y、Z表示世界坐标系中某个弧垂点的坐标,(xL,y)和(xR,y)分别表示这个点在左右摄像头中的坐标,f是摄像头的焦距,b是左右两个摄像头中心之间的距离。
步骤6所述的通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像,包括:
步骤601、随机选择n个三维重建的点rnd_points;
步骤602、利用所述n个三维重建的点rnd_points拟合二次方程,形成拟合模型M1;并计算每个不在rnd_points的数据点在所述拟合模型M1上的误差;如果小于误差阈值t,则将这个重建点加到rnd_points里;
步骤603、如果rnd_points的点的个数大于个数阈值d,使用rnd_points中的点再次拟合二次方程M,获得拟合模型M2,并计算rnd_points中的所有点在所述拟合模型M2中的误差,如果小于当前的最优的误差,就保存这个误差和对应的的二次方程M;
步骤604、如果当前迭代次数没有达到最大的迭代次数,转到步骤601,否则结束;
步骤605、输出最好的拟合模型M’。
步骤7所述的利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂,包括:
步骤701、左、右两段导线弧垂分别标记为S1和S2;
步骤702、计算S2中的每一个点在S1点集中的对应近点;
步骤703、求得使所述对应点所对应的平均距离最小的刚体变换,并利用所述刚体变换求得平移参数和旋转参数;
步骤703、利用平移参数和旋转参数将S2进行转换,获得与S2对应的变换点集;
步骤704、判断所述变换点集与参考点集之间的两点集的平均距离是否小于预设的距离阈值;如果所述变换点集与参考点集的两点集的平均距离小于预设的距离阈值,则停止迭代计算,否则将所述变换点集作为新的S2继续迭代,直到达到目标函数的要求。
上述技术方案的工作原理为:分别在相邻的输电铁塔上安装双目摄像机,对于每一侧的双目摄像机,进行以下操作:标定双目摄像机;使用标定好参数的双目摄像机获取图像,基于所述的图像使用YOLOv2模型检测输电导线弧垂的外接矩形,对外接矩形中的每个点提取特征进行立体匹配,得到导线弧垂的三维点云,基于三维点云和空间关系,得到导线弧垂每个点的三维坐标,并拟合出导线弧垂,实现三维重建。这里,每一侧输电铁塔上的双目摄像机重建一部分导线弧垂。基于左右两部分重建的导线弧垂,结合大跨度铁塔之间的标志性物体(比如桥梁、高铁等),实现两侧导线弧垂的配准和融合,进得到完整的导线弧垂
上述技术方案的效果为:本实施例提出的基于双向双目视觉的大跨度输电导线弧垂三维重建方法,可以完整、准确的重建出实际的三维弧垂,重建的误差X方向0.3米,Y方向1.4米,Z方向0.5米,重建的弧垂完整,且精度高,能有效检测危险源对输电导线的危害程度,确保用电传输的安全。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于双向双目视觉的大跨度输电导线弧垂三维重建方法,其特征在于,所述三维重建方法包括:
分别在相邻的两个输电铁塔上安装双目摄像机;其中,两个双目摄像头采用相同的参数,安装在同一个高度,并水平安装且光轴平行;
分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建;
其中,分别对两个所述双目摄像机进行标定,并利用标定好的双目摄像机采集的图像实现输电导线弧垂三维重建,包括:
步骤1、使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正;
步骤2、使用预先标定好参数的两个双目摄像机分别采集图像,获得第一图像和第二图像;
步骤3、针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形;
步骤4、对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云;
步骤5、利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标;
步骤6、通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像;其中,所述三维重建图像中包括两个输电铁塔之间连接的左、右两段导线弧垂;
步骤7、利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂。
2.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤1所述使用张氏标定法对双目摄像机的参数进行标定,并进行极线矫正,包括:
步骤101、标定双目摄像头的内部、外部和畸变参数;
步骤102、以所述内部、外部和畸变参数为参考进行极线矫正;
步骤103、设置并确定摄像头的焦距f,左右两个摄像头中心之间的距离b;
其中,内部参数是双目摄像头的内部结构参数;外部参数是双目摄像头的旋转矩阵和平移矩阵;畸变参数是径向畸变和切向畸变。
3.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤3所述针对所述第一图像,采用YOLOv2模型检测输电导线弧垂的外接矩形,包括:
步骤301、建立基于YOLOv2模型的深度神经网络架构Darknet19;
步骤302、利用YOLOv2模型检测所述第一图像,并获取所述第一图像中的输电导线弧垂的外接矩形。
4.根据权利要求3所述的大跨度输电导线弧垂三维重建方法,其特征在于,所述深度神经网络架构Darknet19包括19个卷积层和5个最大池化层,每个卷积层采用3*3的核,每个最大池化层采用2*2的核。
5.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤4所述的对所述外接矩形中的每个点提取特征,并在所述第二图像中获取与所述每个点对应的对应点,并进行立体匹配,以此获得导线弧垂的三维点云,包括:
步骤401、对所述第一图像对应的外接矩形中的每个点提取SIFT特征;
步骤402、利用海明距离找点方式获取所述第二图像中与所述第一图像的外接矩形中的每个点对应的对应点;
步骤403、将所述第一图像的外接矩形中的每个点与所述第二图像中的对应点进行立体匹配。
6.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤5所述的利用所述三维点云和空间关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标,包括:
步骤501、提取所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系;
步骤502、利用所述三维点云和所述双目摄像机所标定的参数及其相应的几何关系计算获取所述第一图像和第二图像对应的外接矩形中的每个点的三维坐标。
7.根据权利要求6所述的大跨度输电导线弧垂三维重建方法,其特征在于,其中,所述三维坐标形式如下:
X=(xL*b)/(xL–xR)
Y=(y*b)/(xL–xR)
Z=(f*b)/(xL–xR)
其中,X、Y、Z表示世界坐标系中某个弧垂点的坐标,(xL,y)和(xR,y)分别表示这个点在左右摄像头中的坐标,f是摄像头的焦距,b是左右两个摄像头中心之间的距离。
8.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤6所述的通过随机采样一致性方法拟合出导线弧垂,获得所述第一图像和第二图像对应的三维重建图像,包括:
步骤601、随机选择n个三维重建的点rnd_points;
步骤602、利用所述n个三维重建的点rnd_points拟合二次方程,形成拟合模型M1;并计算每个不在rnd_points的数据点在所述拟合模型M1上的误差;如果小于误差阈值t,则将这个重建点加到rnd_points里;
步骤603、如果rnd_points的点的个数大于个数阈值d,使用rnd_points中的点再次拟合二次方程M,获得拟合模型M2,并计算rnd_points中的所有点在所述拟合模型M2中的误差,如果小于当前的最优的误差,就保存这个误差和对应的的二次方程M;
步骤604、如果当前迭代次数没有达到最大的迭代次数,转到步骤601,否则结束;
步骤605、输出最好的拟合模型M’。
9.根据权利要求1所述的大跨度输电导线弧垂三维重建方法,其特征在于,步骤7所述的利用所述左、右两段导线弧垂结合中间重叠部分的标志物使用刚性配准算法,实现标志物的配准,通过重合标志物完成两段导线弧垂的拼接,得到完整的导线弧垂,包括:
步骤701、左、右两段导线弧垂分别标记为S1和S2;
步骤702、计算S2中的每一个点在S1点集中的对应近点;
步骤703、求得使所述对应点所对应的平均距离最小的刚体变换,并利用所述刚体变换求得平移参数和旋转参数;
步骤703、利用平移参数和旋转参数将S2进行转换,获得与S2对应的变换点集;
步骤704、判断所述变换点集与参考点集之间的两点集的平均距离是否小于预设的距离阈值;如果所述变换点集与参考点集的两点集的平均距离小于预设的距离阈值,则停止迭代计算,否则将所述变换点集作为新的S2继续迭代,直到达到目标函数的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211476200.5A CN115731303B (zh) | 2022-11-23 | 2022-11-23 | 基于双向双目视觉的大跨度输电导线弧垂三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211476200.5A CN115731303B (zh) | 2022-11-23 | 2022-11-23 | 基于双向双目视觉的大跨度输电导线弧垂三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115731303A CN115731303A (zh) | 2023-03-03 |
CN115731303B true CN115731303B (zh) | 2023-10-27 |
Family
ID=85297714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211476200.5A Active CN115731303B (zh) | 2022-11-23 | 2022-11-23 | 基于双向双目视觉的大跨度输电导线弧垂三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731303B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007107962A (ja) * | 2005-10-12 | 2007-04-26 | Yamamoto Denko Kk | 測定対象物計測システム、及び送電線下離隔計測システム |
CN106932084A (zh) * | 2017-04-27 | 2017-07-07 | 武汉大学 | 基于机器双目视觉系统的输电导线风致振动模态测量方法 |
CN108613628A (zh) * | 2018-05-16 | 2018-10-02 | 国网湖北省电力有限公司电力科学研究院 | 一种基于双目视觉的架空输电线路弧垂测量方法 |
CN110458947A (zh) * | 2019-08-09 | 2019-11-15 | 江苏濠汉信息技术有限公司 | 一种输电导线弧垂的三维重建方法及系统 |
CN110992463A (zh) * | 2019-11-11 | 2020-04-10 | 国网通用航空有限公司 | 一种基于三目视觉的输电导线弧垂的三维重建方法及系统 |
CN111062131A (zh) * | 2019-12-17 | 2020-04-24 | 广东电网有限责任公司 | 一种输电线路弧垂计算方法和相关装置 |
CN111127560A (zh) * | 2019-11-11 | 2020-05-08 | 江苏濠汉信息技术有限公司 | 一种用于三维重建的三目视觉系统的标定方法及系统 |
CN112964185A (zh) * | 2021-01-20 | 2021-06-15 | 广西电网有限责任公司电力科学研究院 | 基于双目立体视觉的输电线路交叉跨越点在线监测系统 |
CN114255286A (zh) * | 2022-02-28 | 2022-03-29 | 常州罗博斯特机器人有限公司 | 一种多视角双目视觉感知的目标尺寸测量方法 |
CN114552601A (zh) * | 2022-02-25 | 2022-05-27 | 张艳琴 | 双目视觉输电线震荡监测及三维重建方法 |
CN115205466A (zh) * | 2022-07-25 | 2022-10-18 | 江苏濠汉信息技术有限公司 | 一种基于结构光的输电通道三维重建方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062873B (zh) * | 2019-12-17 | 2021-09-24 | 大连理工大学 | 一种基于多对双目相机的视差图像拼接与可视化方法 |
-
2022
- 2022-11-23 CN CN202211476200.5A patent/CN115731303B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007107962A (ja) * | 2005-10-12 | 2007-04-26 | Yamamoto Denko Kk | 測定対象物計測システム、及び送電線下離隔計測システム |
CN106932084A (zh) * | 2017-04-27 | 2017-07-07 | 武汉大学 | 基于机器双目视觉系统的输电导线风致振动模态测量方法 |
CN108613628A (zh) * | 2018-05-16 | 2018-10-02 | 国网湖北省电力有限公司电力科学研究院 | 一种基于双目视觉的架空输电线路弧垂测量方法 |
CN110458947A (zh) * | 2019-08-09 | 2019-11-15 | 江苏濠汉信息技术有限公司 | 一种输电导线弧垂的三维重建方法及系统 |
CN110992463A (zh) * | 2019-11-11 | 2020-04-10 | 国网通用航空有限公司 | 一种基于三目视觉的输电导线弧垂的三维重建方法及系统 |
CN111127560A (zh) * | 2019-11-11 | 2020-05-08 | 江苏濠汉信息技术有限公司 | 一种用于三维重建的三目视觉系统的标定方法及系统 |
CN111062131A (zh) * | 2019-12-17 | 2020-04-24 | 广东电网有限责任公司 | 一种输电线路弧垂计算方法和相关装置 |
CN112964185A (zh) * | 2021-01-20 | 2021-06-15 | 广西电网有限责任公司电力科学研究院 | 基于双目立体视觉的输电线路交叉跨越点在线监测系统 |
CN114552601A (zh) * | 2022-02-25 | 2022-05-27 | 张艳琴 | 双目视觉输电线震荡监测及三维重建方法 |
CN114255286A (zh) * | 2022-02-28 | 2022-03-29 | 常州罗博斯特机器人有限公司 | 一种多视角双目视觉感知的目标尺寸测量方法 |
CN115205466A (zh) * | 2022-07-25 | 2022-10-18 | 江苏濠汉信息技术有限公司 | 一种基于结构光的输电通道三维重建方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于双目视觉稀疏点云重建的输电线路弧垂测量方法;王礼田;邵凤莹;萧宝瑾;;太原理工大学学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115731303A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN109509230B (zh) | 一种应用于多镜头组合式全景相机的slam方法 | |
CN101887589B (zh) | 一种基于立体视觉的实拍低纹理图像重建方法 | |
CN107154014B (zh) | 一种实时彩色及深度全景图像拼接方法 | |
CN106705849B (zh) | 线结构光传感器标定方法 | |
CN112686938B (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN112785655A (zh) | 一种基于车道线检测的环视相机外参自动标定方法、装置、设备及计算机存储介质 | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
KR20050058085A (ko) | 변이지도 및 깊이지도의 융합을 통한 3차원 장면 모델생성 장치 및 그 방법 | |
CN104537707A (zh) | 像方型立体视觉在线移动实时测量系统 | |
CN111784778A (zh) | 基于线性求解非线性优化的双目相机外参标定方法和系统 | |
CN110298330B (zh) | 一种输电线路巡检机器人单目检测与定位方法 | |
CN110992463B (zh) | 一种基于三目视觉的输电导线弧垂的三维重建方法及系统 | |
CN106183995A (zh) | 一种基于立体视觉的可视倒车方法 | |
CN106500625A (zh) | 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法 | |
CN110706329A (zh) | 一种三维场景重构方法和装置 | |
CN115797408A (zh) | 融合多视角图像和三维点云的目标跟踪方法及装置 | |
CN115731303B (zh) | 基于双向双目视觉的大跨度输电导线弧垂三维重建方法 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 | |
CN112348941A (zh) | 一种基于点云与图像数据的实时融合方法及装置 | |
CN116958092A (zh) | 一种基于改进立体匹配算法的输电线路弧垂快速测量方法 | |
CN113190564A (zh) | 地图更新系统、方法及设备 | |
CN114998532B (zh) | 一种基于数字图像重建的三维影像视觉传达优化方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231228 Address after: Jianghai dream Valley, no.998, Century Avenue, high tech Zone, Nantong City, Jiangsu Province, 226000 Patentee after: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd. Patentee after: Nantong Power Supply Company of State Grid Jiangsu Electric Power Company Address before: Jianghai dream Valley, no.998, Century Avenue, high tech Zone, Nantong City, Jiangsu Province, 226000 Patentee before: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd. |