CN117152421B - 输电线路异物检测方法、装置、计算机设备和存储介质 - Google Patents
输电线路异物检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117152421B CN117152421B CN202311423252.0A CN202311423252A CN117152421B CN 117152421 B CN117152421 B CN 117152421B CN 202311423252 A CN202311423252 A CN 202311423252A CN 117152421 B CN117152421 B CN 117152421B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- looking
- target
- overlooking
- 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 207
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000000605 extraction Methods 0.000 claims abstract description 53
- 238000013507 mapping Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001788 irregular Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000003708 edge detection Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 101100001670 Emericella variicolor andE gene Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种输电线路异物检测方法、装置、计算机设备和存储介质。方法包括：获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。采用本方法对输电线路进行异物检测，检测效率高且检测准确率高，可实现对输电线路的实时监控检测，降低输电线路的运维成本，保障输电线路的安全。
Description
技术领域
本申请涉及输电线路智能检测技术领域，特别是涉及一种输电线路异物检测方法、装置、计算机设备和存储介质。
背景技术
随着电网建设的高速发展，输电线路也逐渐增多。输电线路在运行时面临的外界威胁越来越多，如建筑工地的防尘网、蔬菜大棚的大棚薄膜、风筝等带状或具有缠绕性质的物体被风卷起后会挂在架空的输电线路上，对输电线路的安全可靠运行带来严重的威胁。
目前对于输电线路上的异物主要是通过人工巡视的方式进行检测，再基于人工检测的结果进行异物处理。然而，上述方式存在检测效率和准确率低的问题，且无法实现对输电线路的实时监控和检测。
发明内容
基于此，有必要针对上述技术问题，提供一种能够快速实时且可靠性高的输电线路异物检测方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种输电线路异物检测方法，该方法包括：
获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；
结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
在其中一个实施例中，对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像，包括：
分别对初始俯视图像和初始仰视图像进行边缘提取，得到俯视边缘映射图和仰视边缘映射图；
提取俯视边缘映射图中的直线，得到俯视边缘线路图像，并提取仰视边缘映射图中的直线，得到仰视边缘线路图像。
在其中一个实施例中，提取俯视边缘映射图中的直线，得到俯视边缘线路图像，并提取仰视边缘映射图中的直线，得到仰视边缘线路图像，包括：
根据俯视边缘映射图确定目标输电线路的俯视宽度区间，采集俯视边缘映射图的俯视边缘点，根据俯视边缘点得到俯视边缘点对集合，根据俯视边缘点对集合得到俯视边缘线路图像，其中，俯视边缘点对集合对应边缘点之间的宽度与俯视宽度区间相关；
根据仰视边缘映射图确定目标输电线路的仰视宽度区间，采集仰视边缘映射图的仰视边缘点，根据仰视边缘点得到仰视边缘点对集合，根据仰视边缘点对集合得到仰视边缘线路图像，其中，仰视边缘点对集合对应边缘点之间的宽度与仰视宽度区间相关。
在其中一个实施例中，该方法还包括：
根据俯视边缘点对集合确定目标输电线路的第一斜率参数和第一截距参数，根据第一斜率参数、第一截距参数和俯视边缘点对集合进行直线拟合，更新俯视边缘线路图像，得到更新后的俯视边缘线路图像；
根据仰视边缘点对集合确定目标输电线路的第二斜率参数和第二截距参数，根据第二斜率参数、第二截距参数和仰视边缘点对集合进行直线拟合，更新仰视边缘线路图像，得到更新后的仰视边缘线路图像；
结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，包括：
结合更新后的俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像；结合更新后的仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像。
在其中一个实施例中，对目标俯视图像和目标仰视图像进行物体识别，确定目标异物，包括：
在目标俯视图像中标记目标输电线路上的物体，得到俯视异物图像，并在目标仰视图像中标记目标输电线路上的物体，得到仰视异物图像；
比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物。
在其中一个实施例中，该方法包括：
重复在不同角度获取初始俯视图像和初始仰视图像，获取各初始俯视图像对应的俯视异物图像，和各初始仰视图像对应的仰视异物图像；
比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物，包括：
根据各俯视异物图像得到俯视异物集合图像，根据各仰视异物图像得到仰视异物集合图像，将在俯视异物集合图像和仰视异物集合图像中共同存在的物体确定为目标异物。
在其中一个实施例中，在目标俯视图像中标记目标输电线路上的物体，得到俯视异物图像，并在目标仰视图像中标记目标输电线路上的物体，得到仰视异物图像，包括：
将目标俯视图像中呈现不规则状的物体标记为异物，得到俯视异物图像；
将目标仰视图像中呈现不规则状的物体标记为异物，得到仰视异物图像。
第二方面，本申请还提供了一种输电线路异物检测装置，该装置包括：
图像采集模块，用于获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
边缘提取模块，用于对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；
异物检测模块，用于结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；
结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；
结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
上述输电线路异物检测方法、装置、计算机设备和存储介质，获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。本申请通过同时获取目标输电线路的俯视角度的初始仰视图像和仰视角度的初始俯视图像，并对两个初始图像进行边缘检测处理，分别提取初始俯视图像和初始仰视图像中的输电线路，得到包括目标输电电路的目标俯视图像和目标仰视图像，并基于俯视和仰视两个角度的图像进行异物检测，确定目标异物。本申请结合俯视和仰视两个角度进行异物识别，可以避免背景与线路重合而产生的结果误判，对输电线路的检测效率高，检测准确率高，可以实现对目标输电线路的实时监控检测，降低输电线路的运维成本，保障输电线路的安全。
附图说明
图1为一个实施例中输电线路异物检测方法的应用环境图；
图2为一个实施例中输电线路异物检测方法的流程图；
图3为一个实施例中获取俯视边缘线路图像的流程图；
图4为另一个实施例中输电线路异物检测方法的流程图；
图5为一个实施例中输电线路异物检测装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的输电线路异物检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种输电线路异物检测方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤202，获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像。
其中，目标输电线路是需要进行异物检测的输电线路，对目标输电线路先进行图像采集，分别从目标输电线路的上方获取该目标输电线路的初始俯视图像，以及从目标输电线路的下方获取该目标输电线路的初始仰视图像。图像采集可以通过在目标输电线路上设置的照相机、摄像机等图像采集设备进行。在同一垂直线上分别采集初始俯视图像和初始仰视图像，可以在后续进行异物检测识别时，综合俯视和仰视两个角度的图像数据进行分析，提高异物检测的准确性。
进一步的，本实施例的异物检测装置可以直接设置在目标输电线路上。相较于传统在杆塔等其他固定物上设置的异物检测装置，本申请直接在输电线路上设置装置采集图像，对于长距离的输电线路也可以实时的获取到输电线路的图像数据，避免由于输电线路过长导致的图像遮挡，影响图像获取的准确性。本实施例获取的待检测分析的初始俯视图像和初始仰视图像清晰度高，异物识别检测的准确性更高，效果更好。此外，由于本申请的异物检测装置体积小，直接设置在输电线路上，便于出现故障时的维修和更换，可靠性更高。
步骤204，对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像。
其中，边缘提取是对获取的初始图像进行检测和分析，得到目标输电线路的线路图像的过程。常见的边缘提取方法有基于梯度的方法、基于模板匹配的方法、基于边缘增强的方法、基于机器学习的方法等，其中，基于梯度的方法是使用图像亮度变化的梯度来检测边缘，常用的有Sobel算子和Canny边缘检测算法，Sobel算子是通过计算图像在水平和垂直方向上的亮度梯度来检测边缘，Canny算法是通过多步骤的过滤和阈值处理来提取图像中的最强边缘。在实际应用中，可以根据获取图像的参数信息和应用场景来确定边缘提取的方法，不同的方法对于图像噪声、边缘连续性、计算复杂度等方面有不同的处理效果和性能。
本实施例通过对初始俯视图像和初始仰视图像进行边缘提取，分别确定初始俯视图像和初始仰视图像中的目标输电线路信息，得到在初始俯视图像中的目标输电线路，以及在初始仰视图像中的目标输电线路，用于后续针对目标输电线路的异物检测。
步骤206，结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
示例性的，将俯视边缘线路图像和初始俯视图像重叠在一起，用于在初始俯视图像中确定目标输电线路，得到目标输电线路的目标俯视图像。同理，将仰视边缘线路图像和初始仰视图像重叠在一起，用于在初始仰视图像中确定目标输电线路，得到目标输电线路的目标仰视图像。在已知目标俯视图像和目标仰视图像的基础上，进行物体识别。由于目标俯视图像和目标仰视图像中目标输电线路已经明确，可以快速的获取到目标输电线路上的物体，再根据目标输电线路上识别出的物体确定目标异物。
上述输电线路异物检测方法中，获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。本申请通过同时获取目标输电线路的俯视角度的初始仰视图像和仰视角度的初始俯视图像，并对两个初始图像进行边缘检测处理，分别提取初始俯视图像和初始仰视图像中的输电线路，得到包括目标输电电路的目标俯视图像和目标仰视图像，并基于俯视和仰视两个角度的图像进行异物检测，确定目标异物。本申请结合俯视和仰视两个角度进行异物识别，可以避免背景与线路重合而产生的结果误判，对输电线路的检测效率高，检测准确率高，可以实现对目标输电线路的实时监控检测，降低输电线路的运维成本，保障输电线路的安全。
在一个实施例中，对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像，包括：分别对初始俯视图像和初始仰视图像进行边缘提取，得到俯视边缘映射图和仰视边缘映射图；提取俯视边缘映射图中的直线，得到俯视边缘线路图像，并提取仰视边缘映射图中的直线，得到仰视边缘线路图像。
其中，边缘映射图是一种用于表示图像边缘信息的图像，将图像中的边缘位置映射到一个新的图像中，使得边缘在新的图像中更加明显和突出。常见的边缘映射算法包括Roberts算子、Sobel算子、Prewitt算子和Canny边缘检测。边缘映射图中通常表示为二值化图像，在二值化图像中，边缘位置用明亮的像素表示，非边远位置用暗像素表示。本实施例通过边缘映射图可以提取到目标输电线路的线路分布情况，得到目标输电线路的边缘线路图，用于后续的异物检测。
示例性的，在基于Roberts算子获取边缘映射图时，可以通过两个nxn的模板来计算图像中每个像素点的边缘强度，Roberts算子对图像的细节边缘响应较好。在基于Sobel算子或Prewitt算子获取边缘映射图时，可以通过对图像进行卷积运算，计算每个像素点的梯度值，从而得到边缘映射图，其中，Sobel算子和Prewitt算子的计算方式类似，差别在于两者使用的卷积核不同。在基于Canny边缘检测获取边缘映射图时，包括高斯滤波、梯度计算、非极大值抑制和双阈值处理等步骤，最终得到边缘映射图。在对初始俯视图像和初始仰视图像进行边缘提取后，得到俯视边缘映射图和仰视边缘映射图。由于目标输电线路主要是直线，提取俯视边缘映射图和仰视边缘映射图中的直线，得到表示目标输电线路的俯视边缘线路图像和仰视边缘线路图像。
在一个实施例中，提取俯视边缘映射图中的直线，得到俯视边缘线路图像，并提取仰视边缘映射图中的直线，得到仰视边缘线路图像，包括：根据俯视边缘映射图确定目标输电线路的俯视宽度区间，采集俯视边缘映射图的俯视边缘点，根据俯视边缘点得到俯视边缘点对集合，根据俯视边缘点对集合得到俯视边缘线路图像，其中，俯视边缘点对集合对应边缘点之间的宽度与俯视宽度区间相关；根据仰视边缘映射图确定目标输电线路的仰视宽度区间，采集仰视边缘映射图的仰视边缘点，根据仰视边缘点得到仰视边缘点对集合，根据仰视边缘点对集合得到仰视边缘线路图像，其中，仰视边缘点对集合对应边缘点之间的宽度与仰视宽度区间相关。
其中，俯视宽度区间表示在俯视角度采集的初始俯视图像中目标输电线路之间的宽度区间。仰视宽度区间表示在仰视角度采集的初始仰视图像中目标输电线路之间的宽度区间。本实施例通过确定俯视宽度区间和仰视宽度区间进一步确定目标输电线路的线路边缘。
示例性的，可以根据俯视边缘映射图和仰视边缘映射图得到目标输电线之间的宽度，根据该宽度确定目标输电线路的俯视宽度和仰视宽度。在俯视宽度和仰视宽度的基础上设置裕度，得到目标输电线路对应的俯视宽度区间和仰视宽度区间时，通过俯视宽度区间和仰视宽度区间获取图像的边缘点对，可以提高目标输电线路的识别准确率。其中，目标输电线之间的宽度可以通过正交投影宽度谱得到。
在确定俯视宽度区间和仰视宽度区间后，采集俯视边缘映射图的俯视边缘点，并对采集的俯视边缘点进行判断，若采集的一对俯视边缘点之间的距离满足前文所述的俯视宽度区间，则将该俯视边缘点对加入俯视边缘点对集合，通过对俯视边缘点的判断，可以实现更有效的提取出目标输电线路的边缘线路图像。对得到的俯视边缘点对集合进行空间邻域判断，若俯视边缘点对集合中的边缘点满足邻域关系，如俯视边缘点的行列差值小于等于预设值，则保留该俯视边缘点，将不满足邻域关系的边缘置入新的边缘点集合中。
同理的，对仰视边缘映射图也进行相应的处理，得到符合仰视宽度区间的仰视边缘点对集合。本实施例通过对边缘映射图的进一步分析处理，提高对目标输电线路检测的准确性和检测效率。
在一个实施例中，该方法还包括：根据俯视边缘点对集合确定目标输电线路的第一斜率参数和第一截距参数，根据第一斜率参数、第一截距参数和俯视边缘点对集合进行直线拟合，更新俯视边缘线路图像，得到更新后的俯视边缘线路图像；根据仰视边缘点对集合确定目标输电线路的第二斜率参数和第二截距参数，根据第二斜率参数、第二截距参数和仰视边缘点对集合进行直线拟合，更新仰视边缘线路图像，得到更新后的仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，包括：结合更新后的俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像；结合更新后的仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像。
其中，直线拟合是指用直线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系，进一步的，在高维空间中的也适用于通过直线拟合将离散点拟合为直线。直线拟合的目标是使拟合的直线与离散的数据点之间的误差最小。通过直线拟合以及计算直线参数能够使得提取出的目标边缘更加贴近实物。本实施例在根据俯视边缘点对集合得到俯视边缘线路图像，或根据仰视边缘点对集合得到仰视边缘线路图像时，还通过俯视边缘点对集合或仰视边缘点对集合中的边缘点进行直线拟合，以获取更准确的目标输电线路边缘。
示例性地，在俯视边缘点对集合中任意选取不同的边缘点，通过对边缘点之间进行数学运算，得到目标输电线路中各线路的第一斜率参数和第一截距参数，通过第一斜率参数、第一截距参数和俯视边缘点对集合进行直线拟合，更新俯视边缘线路图像，得到更新后的俯视边缘线路图像。同理，在仰视边缘点对集合中任意选取不同的边缘点，通过对边缘点之间进行数学运算，得到目标输电线路中各线路的第二斜率参数和第二截距参数，通过第二斜率参数、第二截距参数和仰视边缘点对集合进行直线拟合，更新仰视边缘线路图像，得到更新后的仰视边缘线路图像。
在对俯视边缘线路图像和仰视边缘线路图像进行更新后，通过更新后的俯视边缘线路图像和初始俯视图像进行叠加，得到目标输电线路的目标俯视图像；并通过更新后的仰视边缘线路图像和初始仰视图像进行叠加，得到目标输电线路的目标仰视图像。
在一个实施例中，如图3所示，以对初始俯视图像进行处理，得到俯视边缘线路图像包括以下步骤：
步骤302，对初始俯视图像进行边缘提取，得到俯视边缘映射图。
其中，边缘提取可以使用Canny边缘检测方法得到。
步骤304，根据俯视边缘映射图确定俯视宽度区间。
其中，可以通过计算俯视边缘映射图的正交投影宽度谱，得到目标输电线路各线路之间的俯视宽度，表示为Wcot。对该俯视宽度设置偏差裕度，得到俯视宽度区间，本实施例该偏差裕度可以表示为。
步骤306，采集俯视边缘映射图中的俯视边缘点，并对采集的俯视边缘点进行判断，将满足俯视宽度区间条件的边缘点对加入俯视边缘点对集合。
依次对俯视边缘映射图中的俯视边缘点进行遍历，例如可以根据由上至下，由左至右的顺序检测俯视边缘点。若俯视边缘点满足俯视宽度区间条件，则将，边缘点对加入俯视边缘点对集合；将不满足该俯视宽度区间条件的边缘点置入新的新的边缘点集合中。俯视宽度区间条件可以表示为：
其中，T(E ij ，W cot )表示正交投影宽度谱的投影变换，E(i，j)和E(i，j+W)表示宽度区间为俯视宽度区间的一对边缘点对，该俯视宽度区间条件对边缘点对中的边缘点的宽度进行判断，若该边缘点对的宽度在俯视宽度区间之间，则该投影变换为1，将该边缘点对加入俯视边缘点对集合；若该边缘点对的宽度不在俯视宽度区间之间，则该投影变换为0，将边缘点置入新的边缘点集合中。
例如，假设俯视边缘点对集合的个数表示为num，俯视边缘点对集合中的俯视边缘点个数表示为i，令i=0，num=0，初始化边缘点集Φi num。将满足俯视宽度区间条件的俯视边缘点对Ea置入两个俯视边缘点集Φi num(i=i+1，num=num+1)中。
若num不等于0，i=1，利用空间邻域关系与Φi num中的点进行比较，若满足邻域关系，令i=i+1，Φi+1 num=Φi num∪Ea，其中，邻域关系表示为边缘点的行列差值小于等于预设值，在本实施例中，该预设值为2；若不满足邻域关系，则置入新的边缘点集合Φi num(i=i+1，num=num+1)。
若num不等于0，i＞1，若设定点距离小于距离阈值，即((x，y)，Φn)<TH，令i=i+1，Φi+1 num=Φi num∪Ea，其中，/>表示设定点(x，y)到边缘点集合Φn的距离，TH表示距离阈值在本实施例中设置为1至3；若设定点距离不小于距离阈值，则置入新的边缘点集合Φi num(i=i+1，num=num+1)。
进一步的，在对俯视边缘映射图中的俯视边缘点进行遍历前，可以对俯视边缘点进行多特征约束，以剔除表现异常的俯视边缘点。例如，通过导线本体特征进行约束，根据目标输电线路的轮廓、输电系统杆塔上绝缘子的轮廓等进行约束。
步骤308，根据各俯视边缘点对集合中的离散点进行直线拟合，得到俯视边缘线路图像。
设置俯视边缘点对集合中的离散点进行直线拟合的斜率参数为k0，截距参数为b0，在俯视边缘点对集合中的边缘点对不断更新时更新斜率参数ki+1和截距参数为bi+1。根据更新斜率参数和截距参数进行直线拟合，得到俯视边缘线路图像。
需要说明的是，仰视边缘线路图像获取方式与俯视边缘线路图像的获取方式相似，不同之处在于获取的初始图像为从目标输电线路下方采集的初始仰视图像，本实施例对于仰视边缘线路图像获取方法可参考上述的俯视边缘线路图像获取方法，此处不再赘述。
在一个实施例中，对目标俯视图像和目标仰视图像进行物体识别，确定目标异物，包括：在目标俯视图像中标记目标输电线路上的物体，得到俯视异物图像，并在目标仰视图像中标记目标输电线路上的物体，得到仰视异物图像；比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物。
示例性的，在进行物体识别确定目标异物时，先基于目标俯视图像，标记在目标俯视图像中目标输电线路上的物体，得到俯视异物图像，再基于目标仰视图像，标记在目标仰视图像中目标输电线路上的物体，得到仰视异物图像。对获取的俯视异物图像和仰视异物图像进行分析，只有当物体同时存在于俯视异物图像和仰视异物图像时，确定该物体为目标异物。本实施例为了防止在物体识别时的误判，分别通过对目标俯视图像和目标仰视图像进行异物识别，只将在目标俯视图像和目标仰视图像中同时存在的物体确定为目标异物，提高异物识别的准确性。
在一个实施例中，该方法包括：重复在不同角度获取初始俯视图像和初始仰视图像，获取各初始俯视图像对应的俯视异物图像，和各初始仰视图像对应的仰视异物图像；比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物，包括：根据各俯视异物图像得到俯视异物集合图像，根据各仰视异物图像得到仰视异物集合图像，将在俯视异物集合图像和仰视异物集合图像中共同存在的物体确定为目标异物。
在获取初始俯视图像或初始仰视图像时，可能会因为目标输电线路的遮挡造成异物识别的误差。本实施例为了保证异物识别的准确性，重复获取不同视角的初始俯视图像和初始仰视图像，并分别对每个视角的初始俯视图像和初始仰视图像进行分析处理，确定目标异物。
示例性的，分别对不同视角获取的初始俯视图像进行识别分析，得到每个视角对应的俯视异物图像，提取各俯视异物图像中的异物，得到包括所有俯视异物图像的俯视异物集合图像。同理的，分别对不同视角获取的初始仰视图像进行识别分析，得到每个视角对应的仰视异物图像，进而得到包括所有仰视异物图像的仰视异物集合图像。只有当物体同时存在于俯视异物集合图像和仰视异物集合图像时，确定该物体为目标异物。
本实施例基于不同视角识别出俯视图和仰视图上的物体并包括共有的物体，避免背景与线路重合而产生的异物误判，有利于实现对目标输电线路的实时监控，降低人员负担，保证目标输电线路的安全。
在一个实施例中，在目标俯视图像中标记目标输电线路上的物体，得到俯视异物图像，并在目标仰视图像中标记目标输电线路上的物体，得到仰视异物图像，包括：将目标俯视图像中呈现不规则状的物体标记为异物，得到俯视异物图像；将目标仰视图像中呈现不规则状的物体标记为异物，得到仰视异物图像。
其中，呈规则状的物体为具备一定规则的物体，如目标输电线路上的绝缘子、输电线路等。不规则状的物体的形状则不具备一定的物体，可以是缠绕在目标输电线路上的塑料薄膜、塑料布、防尘网等。在对目标俯视图像进行物体标记时，根据标记后呈现不规则状的物体的图像得到俯视异物图像，对目标仰视图像进行物体标记时，根据标记后呈现不规则状物体的图像得到仰视异物图像。
进一步的，呈现不规则状的物体除了本身呈现不规则状的异物之外，还包括与目标输电线路结合后，呈现不规则状的物体。由于目标输电线路本身在架设时即具备规律性，当有异物缠绕在目标输电线路上时，会破坏目标输电线路的规律性，使获取的目标输电线路呈不规则状，对于该类情况也标记为异物。
在一个实施例中，如图4所示，提供了一种输电线路异物检测方法，包括以下步骤：
步骤402，获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像。
在目标输电线路上架设图像采集设备，对目标输电线路进行实时图像采集。图像采集设备采集的图像可以通过无线传输发送至服务器的数据库进行保存。
对于获取的初始图像数据进行预处理，预处理包括通过中值滤波滤除初始俯视图像和初始仰视图像这种的脉冲噪声，对初始俯视图像和初始仰视图像中的边缘进行保护。
步骤404，对初始俯视图像进行边缘提取，得到俯视边缘映射图；对初始仰视图像进行边缘提取，得到仰视边缘映射图。
对预处理后的初始俯视图像通过Canny算子获取俯视边缘映射图，对预处理后的初始仰视图像通过Canny算子获取仰视边缘映射图。
也可以根据应用需求采用其他的边缘提取方式进行边缘提取。
步骤406，根据俯视边缘映射图得到俯视边缘线路图像，根据仰视边缘映射图得到仰视边缘线路图像。
基于提取的俯视边缘映射图计算正交投影宽度谱，提取俯视宽度，确定俯视宽度区间，对满足俯视宽度区间条件的俯视边缘点对进行收集，得到俯视边缘点对集合，根据俯视边缘点对得到目标输电线路的俯视边缘线路图像。
同理，基于提取的仰视边缘映射图计算正交投影宽度谱，提取仰视宽度，确定仰视宽度区间，对满足仰视宽度区间条件的仰视边缘点对进行收集，得到仰视边缘点对集合，根据仰视边缘点对得到目标输电线路的仰视边缘线路图像。
步骤408，结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像。
将俯视边缘线路图像和初始俯视图像重叠，得到清晰显示目标输电线路的目标俯视图像，将仰视边缘线路图像和初始仰视图像重叠，得到清晰显示目标输电线路的目标仰视图像。
步骤410，对目标俯视图像和目标仰视图像进行物体识别，将目标俯视图像和目标仰视图像中共同存在的物体确定为目标异物。
对目标俯视图像和目标仰视图像进行物体识别，为了防止目标输电线路与背景重叠导致的误判，针对不同视角下的目标俯视图像和目标仰视图像配合识别。
若识别出目标异物，则立即通过运维人员及时处理目标异物，若没有识别出目标异物，则继续包括对目标输电线路进行异物检测。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的输电线路异物检测方法的输电线路异物检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电线路异物检测装置实施例中的具体限定可以参见上文中对于输电线路异物检测方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种输电线路异物检测装置，包括：图像采集模块502、边缘提取模块504和异物检测模块506，其中：
图像采集模块502，用于获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
边缘提取模块504，用于对初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对初始仰视图像进行边缘提取，得到仰视边缘线路图像；
异物检测模块506，用于结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，并对目标俯视图像和目标仰视图像进行物体识别，确定目标异物。
在一个实施例中，边缘提取模块504还用于：分别对初始俯视图像和初始仰视图像进行边缘提取，得到俯视边缘映射图和仰视边缘映射图；提取俯视边缘映射图中的直线，得到俯视边缘线路图像，并提取仰视边缘映射图中的直线，得到仰视边缘线路图像。
在一个实施例中，边缘提取模块504还用于：根据俯视边缘映射图确定目标输电线路的俯视宽度区间，采集俯视边缘映射图的俯视边缘点，根据俯视边缘点得到俯视边缘点对集合，根据俯视边缘点对集合得到俯视边缘线路图像，其中，俯视边缘点对集合对应边缘点之间的宽度与俯视宽度区间相关；根据仰视边缘映射图确定目标输电线路的仰视宽度区间，采集仰视边缘映射图的仰视边缘点，根据仰视边缘点得到仰视边缘点对集合，根据仰视边缘点对集合得到仰视边缘线路图像，其中，仰视边缘点对集合对应边缘点之间的宽度与仰视宽度区间相关。
在一个实施例中，边缘提取模块504还用于：根据俯视边缘点对集合确定目标输电线路的第一斜率参数和第一截距参数，根据第一斜率参数、第一截距参数和俯视边缘点对集合进行直线拟合，更新俯视边缘线路图像，得到更新后的俯视边缘线路图像；根据仰视边缘点对集合确定目标输电线路的第二斜率参数和第二截距参数，根据第二斜率参数、第二截距参数和仰视边缘点对集合进行直线拟合，更新仰视边缘线路图像，得到更新后的仰视边缘线路图像；结合俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像，结合仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像，包括：结合更新后的俯视边缘线路图像和初始俯视图像，得到目标输电线路的目标俯视图像；结合更新后的仰视边缘线路图像和初始仰视图像，得到目标输电线路的目标仰视图像。
在一个实施例中，异物检测模块还用于：在目标俯视图像中标记目标输电线路上的物体，得到俯视异物图像，并在目标仰视图像中标记目标输电线路上的物体，得到仰视异物图像；比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物。
在一个实施例中，异物检测模块还用于：重复在不同角度获取初始俯视图像和初始仰视图像，获取各初始俯视图像对应的俯视异物图像，和各初始仰视图像对应的仰视异物图像；比较俯视异物图像和仰视异物图像，将在俯视异物图像和仰视异物图像中共同存在的物体确定为目标异物，包括：根据各俯视异物图像得到俯视异物集合图像，根据各仰视异物图像得到仰视异物集合图像，将在俯视异物集合图像和仰视异物集合图像中共同存在的物体确定为目标异物。
在一个实施例中，异物检测模块还用于：将目标俯视图像中呈现不规则状的物体标记为异物，得到俯视异物图像；将目标仰视图像中呈现不规则状的物体标记为异物，得到仰视异物图像。
上述输电线路异物检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储输电线路图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输电线路异物检测方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的信息（包括但不限于设备信息、设备图像信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种输电线路异物检测方法，其特征在于，所述方法包括：
获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
对所述初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对所述初始仰视图像进行边缘提取，得到仰视边缘线路图像；
结合所述俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像，结合所述仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像，并对所述目标俯视图像和所述目标仰视图像进行物体识别，确定目标异物；所述对所述初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对所述初始仰视图像进行边缘提取，得到仰视边缘线路图像，包括：
分别对所述初始俯视图像和所述初始仰视图像进行边缘提取，得到俯视边缘映射图和仰视边缘映射图；
提取所述俯视边缘映射图中的直线，得到所述俯视边缘线路图像，并提取所述仰视边缘映射图中的直线，得到所述仰视边缘线路图像；
所述提取所述俯视边缘映射图中的直线，得到所述俯视边缘线路图像，并提取所述仰视边缘映射图中的直线，得到所述仰视边缘线路图像，包括：
根据所述俯视边缘映射图确定所述目标输电线路的俯视宽度区间，采集所述俯视边缘映射图的俯视边缘点，根据所述俯视边缘点得到俯视边缘点对集合，根据所述俯视边缘点对集合得到所述俯视边缘线路图像，其中，所述俯视边缘点对集合对应边缘点之间的宽度与所述俯视宽度区间相关；
根据所述仰视边缘映射图确定所述目标输电线路的仰视宽度区间，采集所述仰视边缘映射图的仰视边缘点，根据所述仰视边缘点得到仰视边缘点对集合，根据所述仰视边缘点对集合得到所述仰视边缘线路图像，其中，所述仰视边缘点对集合对应边缘点之间的宽度与所述仰视宽度区间相关；
所述方法还包括：
根据所述俯视边缘点对集合确定所述目标输电线路的第一斜率参数和第一截距参数，根据所述第一斜率参数、所述第一截距参数和所述俯视边缘点对集合进行直线拟合，更新所述俯视边缘线路图像，得到更新后的俯视边缘线路图像；
根据所述仰视边缘点对集合确定所述目标输电线路的第二斜率参数和第二截距参数，根据所述第二斜率参数、所述第二截距参数和所述仰视边缘点对集合进行直线拟合，更新所述仰视边缘线路图像，得到更新后的仰视边缘线路图像；
所述结合所述俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像，结合所述仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像，包括：
结合所述更新后的俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像；结合所述更新后的仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述目标俯视图像和所述目标仰视图像进行物体识别，确定目标异物，包括：
在所述目标俯视图像中标记所述目标输电线路上的物体，得到俯视异物图像，并在所述目标仰视图像中标记所述目标输电线路上的物体，得到仰视异物图像；
比较所述俯视异物图像和所述仰视异物图像，将在所述俯视异物图像和所述仰视异物图像中共同存在的物体确定为所述目标异物。
3.根据权利要求2所述的方法，其特征在于，所述方法包括：
重复在不同角度获取所述初始俯视图像和所述初始仰视图像，获取各所述初始俯视图像对应的所述俯视异物图像，和各所述初始仰视图像对应的所述仰视异物图像；
所述比较所述俯视异物图像和所述仰视异物图像，将在所述俯视异物图像和所述仰视异物图像中共同存在的物体确定为所述目标异物，包括：
根据各所述俯视异物图像得到俯视异物集合图像，根据各所述仰视异物图像得到仰视异物集合图像，将在所述俯视异物集合图像和所述仰视异物集合图像中共同存在的物体确定为所述目标异物。
4.根据权利要求2所述的方法，其特征在于，所述在所述目标俯视图像中标记所述目标输电线路上的物体，得到俯视异物图像，并在所述目标仰视图像中标记所述目标输电线路上的物体，得到仰视异物图像，包括：
将所述目标俯视图像中呈现不规则状的物体标记为异物，得到所述俯视异物图像；
将所述目标仰视图像中呈现不规则状的物体标记为异物，得到所述仰视异物图像。
5.一种输电线路异物检测装置，其特征在于，所述装置包括：
图像采集模块，用于获取目标输电线路在同一垂直线上的初始俯视图像和初始仰视图像；
边缘提取模块，用于对所述初始俯视图像进行边缘提取，得到俯视边缘线路图像，并对所述初始仰视图像进行边缘提取，得到仰视边缘线路图像；
异物检测模块，用于结合所述俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像，结合所述仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像，并对所述目标俯视图像和所述目标仰视图像进行物体识别，确定目标异物；
所述边缘提取模块还用于分别对所述初始俯视图像和所述初始仰视图像进行边缘提取，得到俯视边缘映射图和仰视边缘映射图；提取所述俯视边缘映射图中的直线，得到所述俯视边缘线路图像，并提取所述仰视边缘映射图中的直线，得到所述仰视边缘线路图像；
所述边缘提取模块还用于根据所述俯视边缘映射图确定所述目标输电线路的俯视宽度区间，采集所述俯视边缘映射图的俯视边缘点，根据所述俯视边缘点得到俯视边缘点对集合，根据所述俯视边缘点对集合得到所述俯视边缘线路图像，其中，所述俯视边缘点对集合对应边缘点之间的宽度与所述俯视宽度区间相关；根据所述仰视边缘映射图确定所述目标输电线路的仰视宽度区间，采集所述仰视边缘映射图的仰视边缘点，根据所述仰视边缘点得到仰视边缘点对集合，根据所述仰视边缘点对集合得到所述仰视边缘线路图像，其中，所述仰视边缘点对集合对应边缘点之间的宽度与所述仰视宽度区间相关；
所述边缘提取模块还用于根据所述俯视边缘点对集合确定所述目标输电线路的第一斜率参数和第一截距参数，根据所述第一斜率参数、所述第一截距参数和所述俯视边缘点对集合进行直线拟合，更新所述俯视边缘线路图像，得到更新后的俯视边缘线路图像；根据所述仰视边缘点对集合确定所述目标输电线路的第二斜率参数和第二截距参数，根据所述第二斜率参数、所述第二截距参数和所述仰视边缘点对集合进行直线拟合，更新所述仰视边缘线路图像，得到更新后的仰视边缘线路图像；所述结合所述俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像，结合所述仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像，包括：结合所述更新后的俯视边缘线路图像和所述初始俯视图像，得到所述目标输电线路的目标俯视图像；结合所述更新后的仰视边缘线路图像和所述初始仰视图像，得到所述目标输电线路的目标仰视图像。
6.根据权利要求5所述的装置，其特征在于，所述异物检测模块还用于在所述目标俯视图像中标记所述目标输电线路上的物体，得到俯视异物图像，并在所述目标仰视图像中标记所述目标输电线路上的物体，得到仰视异物图像；比较所述俯视异物图像和所述仰视异物图像，将在所述俯视异物图像和所述仰视异物图像中共同存在的物体确定为所述目标异物。
7.根据权利要求6所述的装置，其特征在于，所述异物检测模块还用于重复在不同角度获取所述初始俯视图像和所述初始仰视图像，获取各所述初始俯视图像对应的所述俯视异物图像，和各所述初始仰视图像对应的所述仰视异物图像；所述比较所述俯视异物图像和所述仰视异物图像，将在所述俯视异物图像和所述仰视异物图像中共同存在的物体确定为所述目标异物，包括：根据各所述俯视异物图像得到俯视异物集合图像，根据各所述仰视异物图像得到仰视异物集合图像，将在所述俯视异物集合图像和所述仰视异物集合图像中共同存在的物体确定为所述目标异物。
8.根据权利要求6所述的装置，其特征在于，所述异物检测模块还用于将所述目标俯视图像中呈现不规则状的物体标记为异物，得到所述俯视异物图像；将所述目标仰视图像中呈现不规则状的物体标记为异物，得到所述仰视异物图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311423252.0A CN117152421B (zh) | 2023-10-31 | 2023-10-31 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311423252.0A CN117152421B (zh) | 2023-10-31 | 2023-10-31 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117152421A CN117152421A (zh) | 2023-12-01 |
| CN117152421B true CN117152421B (zh) | 2024-03-22 |
Family
ID=88903087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311423252.0A Active CN117152421B (zh) | 2023-10-31 | 2023-10-31 | 输电线路异物检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117152421B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106960438A (zh) * | 2017-03-25 | 2017-07-18 | 安徽继远软件有限公司 | 基于霍夫直线变换对输电线路的异物识别方法 |
| CN108734689A (zh) * | 2018-02-07 | 2018-11-02 | 西安工程大学 | 一种基于区域生长的导线散股检测方法 |
| WO2020062088A1 (zh) * | 2018-09-28 | 2020-04-02 | 安徽继远软件有限公司 | 图像识别方法和设备、存储介质和处理器 |
| WO2020228187A1 (zh) * | 2019-05-16 | 2020-11-19 | 杭州睿琪软件有限公司 | 边缘检测方法、装置、电子设备和计算机可读存储介质 |
| CN113096075A (zh) * | 2021-03-25 | 2021-07-09 | 南京理工大学 | 输电线路缠绕异物清除器的入侵物检测方法及系统 |
| CN116883866A (zh) * | 2023-04-04 | 2023-10-13 | 国网河北省电力有限公司深州市供电分公司 | 输电线路异物检测方法、电子设备及计算机可读存储介质 |
-
2023
- 2023-10-31 CN CN202311423252.0A patent/CN117152421B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106960438A (zh) * | 2017-03-25 | 2017-07-18 | 安徽继远软件有限公司 | 基于霍夫直线变换对输电线路的异物识别方法 |
| CN108734689A (zh) * | 2018-02-07 | 2018-11-02 | 西安工程大学 | 一种基于区域生长的导线散股检测方法 |
| WO2020062088A1 (zh) * | 2018-09-28 | 2020-04-02 | 安徽继远软件有限公司 | 图像识别方法和设备、存储介质和处理器 |
| WO2020228187A1 (zh) * | 2019-05-16 | 2020-11-19 | 杭州睿琪软件有限公司 | 边缘检测方法、装置、电子设备和计算机可读存储介质 |
| CN113096075A (zh) * | 2021-03-25 | 2021-07-09 | 南京理工大学 | 输电线路缠绕异物清除器的入侵物检测方法及系统 |
| CN116883866A (zh) * | 2023-04-04 | 2023-10-13 | 国网河北省电力有限公司深州市供电分公司 | 输电线路异物检测方法、电子设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于改进YOLOv4算法的高压输电线路异物检测;张秋雁等;《应用科技》;第50卷(第04期);第59-65页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117152421A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443212B (zh) | 用于目标检测的正样本获取方法、装置、设备及存储介质 | |
| CN106570863A (zh) | 一种输电线路的检测方法及装置 | |
| WO2021114896A1 (zh) | 一种基于计算机视觉的异常检测方法、装置及电子设备 | |
| WO2023138163A1 (zh) | 一种基于深度图像修复的室内移动机器人玻璃检测与地图更新方法 | |
| CN111008961A (zh) | 一种输电线路设备缺陷检测方法及其系统、设备、介质 | |
| CN108318773B (zh) | 一种输电导线断股检测方法及系统 | |
| US11270152B2 (en) | Method and apparatus for image detection, patterning control method | |
| CN116168351B (zh) | 电力设备巡检方法及装置 | |
| CN111950345B (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
| CN114037087B (zh) | 模型训练方法及装置、深度预测方法及装置、设备和介质 | |
| CN111553927A (zh) | 棋盘格角点检测方法、检测系统、计算机装置及存储介质 | |
| CN113177941B (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
| CN113435801A (zh) | 基于人工智能的输电线安全隐患评估的方法、装置及设备 | |
| CN116824166B (zh) | 输电线路烟雾识别方法、装置、计算机设备和存储介质 | |
| CN112101134B (zh) | 物体的检测方法及装置、电子设备和存储介质 | |
| CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
| CN117152421B (zh) | 输电线路异物检测方法、装置、计算机设备和存储介质 | |
| CN116645568A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| US20230051823A1 (en) | Systems, methods, and computer program products for image analysis | |
| CN114943954A (zh) | 一种车位检测方法、装置和系统 | |
| CN114943720A (zh) | 一种电力图像处理方法及装置 | |
| CN114549584A (zh) | 信息处理的方法、装置、电子设备及存储介质 | |
| CN114241354A (zh) | 仓库人员行为识别方法、装置、计算机设备、存储介质 | |
| CN113971838B (zh) | 一种基于识别人员安全行为画像的检测方法及装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant after: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Address before: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |