CN117392571B - 一种基于无人机图像的架空输配电线路验收方法及系统 - Google Patents
一种基于无人机图像的架空输配电线路验收方法及系统 Download PDFInfo
- Publication number
- CN117392571B CN117392571B CN202311675763.1A CN202311675763A CN117392571B CN 117392571 B CN117392571 B CN 117392571B CN 202311675763 A CN202311675763 A CN 202311675763A CN 117392571 B CN117392571 B CN 117392571B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- visible light
- power transmission
- aerial vehicle
- unmanned aerial
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 149
- 230000005540 biological transmission Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 104
- 239000000463 material Substances 0.000 claims abstract description 241
- 238000007689 inspection Methods 0.000 claims abstract description 47
- 230000007547 defect Effects 0.000 claims description 68
- 239000011159 matrix material Substances 0.000 claims description 56
- 238000010276 construction Methods 0.000 claims description 52
- 238000004422 calculation algorithm Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 43
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 230000009466 transformation Effects 0.000 claims description 20
- 238000003708 edge detection Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 8
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 56
- 230000009194 climbing Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 23
- 239000012212 insulator Substances 0.000 description 20
- 238000003384 imaging method Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 239000004568 cement Substances 0.000 description 9
- 244000080575 Oxalis tetraphylla Species 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000007812 deficiency Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009413 insulation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010292 electrical insulation Methods 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000008207 working material 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
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于无人机图像的架空输配电线路验收方法及系统,其中方法包括:基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;通过无人机对所述目标作业物料的任意一点发射激光测距,获取激光测距值;基于所述可见光图像以及所述激光测距值,对架空输配电线路的目标作业物料进行验收。本发明提出的一种基于无人机可见光图像识别及测量的架空输配电线路验收方法及系统,依靠无人机载体平台灵活便捷的优势,避免了人工爬塔安全风险的同时提高了作业效率。
Description
技术领域
本发明涉及架空输配电线路工程验收技术领域,更具体地,涉及一种基于无人机图像的架空输配电线路验收方法及系统。
背景技术
随着国民经济的快速增长,电网建设规模不断扩大,架空输配电线路长度每年以数十万公里的数量增长,传统人工验收方式难以适应新型电力系统建设需要。一是在测量精度方面,目前工程档距验收主要借助于手持测距仪进行桩位复勘验收,设备受限于本体测量精度和天气因素等影响,存在一定的测量误差,特别是在日照强烈环境下使用时,测距误差甚至可达米级,且对杆塔顶部分施工工艺质量问题无法进行全面诊断,影响线路投运后的稳定性和可靠性;二是在测量效率方面,采用人工登塔方式进行测量,测量验收效率较低,且存在高空跌落的安全风险。此外,验收数据后处理难度较大,易出现输配电杆塔物料等信息统计遗漏而无其他佐证修正的问题,亟需研究新的验收方式提升架空输配电线路工程施工整体作业管理水平。
现有技术1,基于无人机倾斜摄影测量技术的竣工验收技术为在飞行平台上搭载多目传感器,同时从垂直、倾斜等多角度采集地面影像数据,经过数据处理,获取地物准确、完整的位置信息和纹理数据。通过将获得的地理影像数据中的杆塔空间几何信息与设计图纸或3D模型进行比对,判断工程施工是否与设计保持一致。
然而,现有技术1中无人机倾斜摄影测量技术测量工作量较大,需无人机在线路上空长时间悬停判断扫描,由于采集的数据量较大,数据处理时间较长,且采集了大量的冗余环境信息,虽然展示效果较好,但对于竣工验收施工质量核查而言工作量较大。对于输电竣工验收,对于一些团状(大曲率)、大体积的物体,建模效果较好,但对于一些尖锐角度的,如杆塔的横担,杆塔的边缘等,则测量建模误差较大;对于配电杆塔而言,由于杆塔高度较低,测量误差较大,且配网竣工验收更关注杆塔呼高、坐标位置、物料使用量及施工工艺是否满足要求等,且配电杆塔设计中并未设计可用于比对的3D模型。
现有技术2,提供一种基于单目可见光视觉测量,其基于深度学习算法,采用数据增强手段,智能识别图像中的杆顶目标物,并分割配电杆顶的像素尺寸,结合配电杆顶像素尺寸,计算无人机距离杆顶的高度,利用可见光图像、高精度坐标信息与姿态测量系统(position and orientation system, POS)高程信息,计算得出杆塔呼高,自动计算获取线路真实斜档距。依据配电网架空线路典型设计方案分析,以杆塔为单位进行横担、绝缘子、金具、线夹识别,并统计杆塔设备的物料,完成四川配网工程的物料识别统计。
然而,现有技术2由于其根据杆顶像素尺寸,将杆塔直径作为标尺,计算无人机距离杆顶的高度,10kV配电线路杆塔直径根据杆塔高度包括预应力水泥杆(直径15cm和19cm)及非预应力水泥杆(直径15cm、19cm、23cm、27cm以及30cm和40cm)等多尺寸水泥杆,杆塔直径的变化将导致像素大小产生显著变化,进而影响无人机计算的杆塔呼高准确性。采用这种测量计算方法,仅可粗略计算杆塔呼高,不能测量未测量横担间距、变压器距杆塔间距等《配电网工程工艺质量典型问题及解析》关注的施工要求。这种方法仅可用于配电杆塔的粗略的竣工验收测量,对于输电线路无典型的圆型塔头无法开展识别,适用范围有一定局限性。除此以外,若仅以配电杆头为单位开展物料识别,而配网较多设备如变压器、隔离开关、跌落式熔断器,电压互感器等为台区部署,仅依靠杆头进行物料识别仅为线路工程量清点,不能满足台区物料台账建设需求。
随着无人机在电力行业的规模化应用的,无人机搭载可见光成像设备开展架空输配电线路日常巡视巡检,取得了较好的效果。随着坚强电网的建设,新建输配电线路的长度逐年增加,改扩新建线路的验收和投运是电网建设中的重要组成部分,有必要采用无人机开展架空输配电线路竣工验收,切实提高输配电网工程竣工验收工作质效。
发明内容
本发明技术方案提供一种基于无人机图像的架空输配电线路验收方法及系统,以解决如何基于无人机可见光图像对架空输配电线路进行验收的问题。
为了解决上述问题,本发明提供了一种基于无人机图像的架空输配电线路验收方法,所述方法包括:
基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
通过无人机对所述目标作业物料的任意一点发射激光测距,获取激光测距值;
基于所述可见光图像以及所述激光测距值,对架空输配电线路的目标作业物料进行验收。
优选地,所述目标作业物料包括杆塔,所述巡检验收任务包括通过获取杆塔的空间定位坐标数据,测量输配电线路的走势:
所述无人机按照所述杆塔预设编号顺序依次飞行至所述杆塔正上方,并以-90°方向俯视杆塔的塔头;
获取所述无人机在每个所述杆塔正上方的空间定位坐标数据,并基于所述杆塔预设编号顺序存储空间定位坐标数据;
基于所述空间定位坐标数据,生成输配电线路走势图。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行识别:
对所述可见光图像中的重点物料进行标注,建立重点物料图像样本库;
基于所述重点物料图像样本库,通过YOLO算法对重点物料目标识别模块进行算法训练;
通过训练后的所述重点物料目标识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料。
优选地,还包括对识别出的所述输配电线路的重点物料进行去重:
基于预设的识别原则,将可见光图像中识别出的重点物料的布局与标准的重点物料布局进行对比,并基于对比结果对可见光图像中的重点物料进行标定;
对于对比出的已标定过的重点物料,将不再进行标定。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的施工工艺缺陷进行识别:
基于预先建立的重点物料缺陷和施工工艺质量缺陷样本库,通过算法对重点物料缺陷和施工工艺质量缺陷识别模块进行算法训练;
通过训练后的所述重点物料缺陷和施工工艺质量缺陷识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料缺陷和施工工艺质量缺陷。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的边缘进行检测:
基于强化学习及SAM的边缘检测算法,对所述可见光图像中的重点物料的边缘进行检测,确定所述重点物料的像素范围。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行空间测距:
通过棋盘格法对所述可见光图像进行校准,并通过径向畸变系数对经过校准处理的所述可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、所述激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离。
优选地,包括确定所述像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
优选地,所述无人机包括激光测距模块、荷载模块以及高精度定位模块。
基于本发明的一个方面,本发明提供一种基于无人机图像的架空输配电线路验收系统,所述系统包括:
第一获取单元,用于基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
第二获取单元,用于通过无人机对所述目标作业物料的任意一点发射激光测距,获取激光测距值;
结果单元,用于基于所述可见光图像以及所述激光测距值,对架空输配电线路的目标作业物料进行验收。
优选地,所述目标作业物料包括杆塔,所述巡检验收任务包括通过获取杆塔的空间定位坐标数据,测量输配电线路的走势:
所述无人机按照所述杆塔预设编号顺序依次飞行至所述杆塔正上方,并以-90°方向俯视杆塔的塔头;
获取所述无人机在每个所述杆塔正上方的空间定位坐标数据,并基于所述杆塔预设编号顺序存储空间定位坐标数据;
基于所述空间定位坐标数据,生成输配电线路走势图。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行识别:
对所述可见光图像中的重点物料进行标注,建立重点物料图像样本库;
基于所述重点物料图像样本库,通过YOLO算法对重点物料目标识别模块进行算法训练;
通过训练后的所述重点物料目标识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料。
优选地,还包括对识别出的所述输配电线路的重点物料进行去重:
基于预设的识别原则,将可见光图像中识别出的重点物料的布局与标准的重点物料布局进行对比,并基于对比结果对可见光图像中的重点物料进行标定;
对于对比出的已标定过的重点物料,将不再进行标定。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的施工工艺缺陷进行识别:
基于预先建立的重点物料缺陷和施工工艺质量缺陷样本库,通过算法对重点物料缺陷和施工工艺质量缺陷识别模块进行算法训练;
通过训练后的所述重点物料缺陷和施工工艺质量缺陷识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料缺陷和施工工艺质量缺陷。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的边缘进行检测:
基于强化学习及SAM的边缘检测算法,对所述可见光图像中的重点物料的边缘进行检测,确定所述重点物料的像素范围。
优选地,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行空间测距:
通过棋盘格法对所述可见光图像进行校准,并通过径向畸变系数对经过校准处理的所述可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、所述激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离。
优选地,包括确定所述像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
优选地,所述无人机包括激光测距模块、荷载模块以及高精度定位模块。
基于本发明的又一方面,本发明提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行一种基于无人机图像的架空输配电线路验收方法。
基于本发明的又一方面,本发明提供一种电子设备,其特征在于,所述电子设备包括:处理器和存储器;其中,
所述存储器,用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现一种基于无人机图像的架空输配电线路验收方法。
本发明技术方案提供一种基于无人机图像的架空输配电线路验收方法及系统,其中方法包括:基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;通过无人机对目标作业物料的任意一点发射激光测距,获取激光测距值;基于可见光图像以及激光测距值,对架空输配电线路的目标作业物料进行验收。本发明提出的一种基于无人机可见光图像识别及测量的架空输配电线路验收方法及系统,依靠无人机载体平台灵活便捷的优势,避免了人工爬塔安全风险的同时提高了作业效率。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的一种基于无人机图像的架空输配电线路验收方法流程图;
图2为根据本发明优选实施方式的基于激光辅助测距的单目可见光图像识别及测量技术原理示意图;
图3为根据本发明优选实施方式的真实世界坐标系与相机坐标系转换原理示意图;
图4为根据本发明优选实施方式的相机坐标系与图像坐标系转换原理示意图;
图5为根据本发明优选实施方式的图像坐标系与像素坐标系转换原理示意图;
图6为根据本发明优选实施方式的硬件系统结构组成示意图;
图7为根据本发明优选实施方式的技术路线图;
图8为根据本发明优选实施方式的架空输配电线路无人机验收流程示意图;
图9为根据本发明优选实施方式的输电线路竖直方向空间测量作业方法示意图;
图10为根据本发明优选实施方式的配电线路竖直方向空间测量及物料清点作业方法示意图;
图11为根据本发明优选实施方式的输电线路导线绝缘距离校核作业示意图;
图12为根据本发明优选实施方式的水平方向空间测量及物料清点作业方法示意图;
图13为根据本发明优选实施方式的巡检移动应用程序流程图;
图14为根据本发明优选实施方式的一种基于无人机图像的架空输配电线路验收系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明融合智能识别、空间测量、边缘检测技术,提出一种基于无人机可见光图像识别及测量的架空输配电线路验收方法。
图1为根据本发明优选实施方式的一种基于无人机图像的架空输配电线路验收方法流程图。
本发明基于无人机可见光图像识别及测量的架空输配电线路验收系统由硬件系统和软件系统构成。硬件系统主要承担数据采集功能,由具备高精度定位功能的无人机,搭载具有激光测距功能的可见光荷载完成,其结构组成如图6所示。其中,激光测距模块测量最小测量距离应不少于3m,测量精度应优于0.2m+D(成像距离)×0.15%;荷载应可实时获取如姿态、焦距、分辨率等参数信息;高精度定位模块误差应优于3cm。
如图1所示,本发明提供一种基于无人机图像的架空输配电线路验收方法,方法包括:
步骤101:基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
步骤102:通过无人机对目标作业物料的任意一点发射激光测距,获取激光测距值;
步骤103:基于可见光图像以及激光测距值,对架空输配电线路的目标作业物料进行验收。
优选地,无人机包括激光测距模块、荷载模块以及高精度定位模块。
优选地,包括确定像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
本发明提出基于激光辅助测距的单目可见光图像识别及测量技术,测量原理示意图如图2所示,其具体实现为,通过辅助激光测量得到真实世界物体距离镜头平面的成像距离D,建立真实空间坐标系和图像像素坐标系之间的转换矩阵T,测量物理成像平面中目标物体的像素大小,结合转换矩阵和成像距离D即可推算出真实空间下物体的尺寸。
根据光学成像原理,需建立从真实世界坐标系到相机坐标系,到图像坐标系,再到像素坐标系的转换矩阵,其坐标变化矩阵推导如下:
真实世界坐标系到相机坐标系。真实世界坐标系(world coordinate),也称为测量坐标系,是一个三维直角坐标系,以其为基准可以描述相机和待测物体的空间位置。真实世界实际坐标系的位置可以根据实际情况自由确定。相机坐标系(camera coordinate),也是一个三维直角坐标系,原点位于镜头光心处,x、y轴分别与相面的两边平行,z轴为镜头光轴,与像平面垂直。由于均为真实世界坐标系和相机坐标系均为三维直角坐标系,从世界坐标系到相机坐标系为刚体变换,仅改变物体的空间位置(平移)和朝向(旋转)不改变物体的形状,通过旋转矩阵R和平移向量T进行表示,如图3所示,其中、/>、/>表示相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置。
其矩阵转换关系如下式(1)所示
(1)
相机坐标系到图像物理坐标系。图像坐标系属于平面坐标系,其坐标原点为相机光轴与成像平面的交点,即为图中的光心,通常情况下是成像平面的中点。从相机坐标系到图像坐标系为投影透视关系,从3D转换到2D,满足三角形相似定理,如图4所示。
其矩阵转换关系如下式(2)所示:
(2)
其中为透视投影矩阵
像素坐标系为最终成像的坐标系,与图像坐标系性比仅坐标原点和单位发生变化,像素坐标系原点为左上角,如图5所示。
其对应关系采用矩阵表示如式(3):
(3)
因此,从真实坐标系和像素坐标系之间满足以下对应关系,根据像素坐标系下目标物所占像素大小,通过矩阵变换即可得到真实世界下待测物体尺寸。
其中为相机内参,/>为相机外参。
优选地,目标作业物料包括杆塔,巡检验收任务包括通过获取杆塔的空间定位坐标数据,测量输配电线路的走势:
无人机按照杆塔预设编号顺序依次飞行至杆塔正上方,并以-90°方向俯视杆塔的塔头;
获取无人机在每个杆塔正上方的空间定位坐标数据,并基于杆塔预设编号顺序存储空间定位坐标数据;
基于空间定位坐标数据,生成输配电线路走势图。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料进行识别:
对可见光图像中的重点物料进行标注,建立重点物料图像样本库;
基于重点物料图像样本库,通过YOLO算法对重点物料目标识别模块进行算法训练;
通过训练后的重点物料目标识别模块对可见光图像进行识别,识别出可见光图像中的重点物料。
优选地,还包括对识别出的输配电线路的重点物料进行去重:
基于预设的识别原则,将可见光图像中识别出的重点物料的布局与标准的重点物料布局进行对比,并基于对比结果对可见光图像中的重点物料进行标定;
对于对比出的已标定过的重点物料,将不再进行标定。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料的施工工艺缺陷进行识别:
基于预先建立的重点物料缺陷和施工工艺质量缺陷样本库,通过算法对重点物料缺陷和施工工艺质量缺陷识别模块进行算法训练;
通过训练后的重点物料缺陷和施工工艺质量缺陷识别模块对可见光图像进行识别,识别出可见光图像中的重点物料缺陷和施工工艺质量缺陷。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料的边缘进行检测:
基于强化学习及SAM的边缘检测算法,对可见光图像中的重点物料的边缘进行检测,确定重点物料的像素范围。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料进行空间测距:
通过棋盘格法对可见光图像进行校准,并通过径向畸变系数对经过校准处理的可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离。
本发明采用软硬件系统结合的方式开展架空输配电线路竣工验收,通过荷载云台状态信息、激光测距信息、可见光荷载参数信息及所拍摄的可见光图像对典型物料进行识别并清点物料数量,通过反演推算杆塔坐标位置,对杆塔及典型物料的关键距离进行测量,整个系统共由杆塔坐标定位校验模块、典型物料目标识别模、施工工艺缺陷识别模块、边缘检测算法和空间测距模块构成,技术路线图如图7所示。
杆塔坐标及线路走势是架空输配电线路竣工验收的最基本信息,本发明提出杆塔坐标定位校验模块对该信息进行测量。通过将无人机飞到杆塔正上方,调整云台角度使得云台以-90°方向俯视杆塔塔头全貌及横担。无人机机载前端实时识别杆塔塔头,并辅助提示无人机操作人员操控无人机使得无人机飞到杆塔正上方。当塔头到达无人机操控端视野正中央时,验收软件系统自动获取无人机高精度空间定位坐标数据,并根据顺序依次存储。当完成最后一个杆塔坐标完成读取后,验收软件系统生成线路走势图。
架空输配电线路竣工验收中主要完成对工程量的清点,本发明提出典型物料识别模块对线路典型物料进行识别、去重及统计。实现过程中,首先通过无人机拍摄大量输配电线路绝缘子、横担、配电变压器、隔离开关、一二次融合开关、避雷器,电流互感器、电压互感器等重点设备类型可见光图像并进行标注,构建典型物料图像样本库,并基于YOLO算法开展典型物料目标识别模块的算法训练,可实现典型物料的准确识别。
对于输电杆塔,因其设备相对分散,且设备尺寸较大,主要为绝缘子串、导线、各类金具等,故对输电线路的识别策略为对整串绝缘子进行拍摄,对金具等设备逐个进行拍摄并自主标定去重。
对于配电线路由于设备分布由低到高均有,且设备较为集中,根据物料杆塔分布特征,制定典型物料识别清点去重策略。单根水泥杆塔自最上方开始依次为导线、绝缘子和铁横担,对于双水泥杆塔构成的台区,自上而下依次为导线,绝缘子,铁横担,避雷器、隔离开关或一二次融合开关、电流互感器、电压互感器及变压器,其中避雷器等台区设备通过铁横担及连接线与杆塔顶部导线等相连。据此特征设定先上后下总体原则,对绝缘子导线和设备等进行分区拍摄及识别,对于单根水泥杆塔图像拍摄一张包含全部绝缘子、导线和铁横担,并开展物料识别;对于双水泥杆塔构成的台区则拍摄两张图片,第一张仅为对杆塔上方进行拍摄,包括台区的两根水泥杆顶部的缘子、导线和铁横担,并对相应物料进行标定,第二张对包括避雷器、隔离开关或一二次融合开关、电流互感器、电压互感器及变压器进行拍摄,若设备图中拍摄到绝缘子串等第一张图中标定过的重复物料,则在统计数量时不再进行重复统计。
在输配电线路验收中,还需对所安装设备的缺陷及施工工艺进行核查,避免线路“带病”投运,本发明提出的缺陷工艺缺陷识别模块可部署于无人机前端对采集的图像实时识别,也可部署于后端服务器对拍摄的图像进行集中统一识别。可对施工工艺缺陷及设备缺陷进行识别,根据《输电线路缺陷分类标准》、《配电网设备缺陷分类标准》及《配电网工程工艺质量典型问题及解析》对设备本体缺陷及设备安装工艺缺陷进行核查。建立设备缺陷和施工工艺质量缺陷可见光样本库,针对性开展算法训练,构建杆塔塔材缺失、塔身形变、螺栓缺螺母、螺栓缺销子、杆塔本体纵向、横向裂纹,法兰杆法兰锈蚀,塔顶损坏,绝缘线绝缘层破损,绝缘子固定不牢靠(倾斜),跌落式熔断器绝缘罩缺失及安装工艺不规范等类型缺陷算法识别模型进行识别。
本发明为实现对各物料设备的关键距离的全自主测量,需在图像上实现对典型物料的标识,本发明针对性研发基于强化学习及SAM(Segment Anything Model)的典型物料及设备边缘算法,可实现对杆塔顶部、横担、绝缘子、导线、变压器等重点测量设备的边缘检测分割,明确待测物料及杆塔的像素范围。对于输电线路。
以配电杆塔为例,算法对铁横担进行标识检测。
本发明提出了基于无人机可见光图像识别及测量的架空输配电线路验收空间测距模块,目前可见光相机拍摄的图像因镜头曲面的影响等均存在不同程度的畸变,通过棋盘格法对图像进行校准比对,并根据径向畸变系数对所拍摄图像进行修正。
修正好的图像通过边缘检测算法对典型物料的像素范围进行标定。通过像素距离,结合激光测距模块得到的成像距离D,通过转换矩阵T可得到如输电绝缘子串长度、各相导线间距;配电杆塔呼高、横担间距、横担对地距离、绝缘子距离间距,各相导线间距,台区变压器对地距离,变压器边缘据杆塔距离,跌落式熔断器间距等关键距离值。
特别的,不同目标距离有所差异,对于输电线路绝缘子串,作为整体单个标识区内的距离测量即可完成空间测距;对于各相导线间距、台区变压器对地距离等涉及多个目标之间距离测量,则对两目标标识区域的最小距离进行读取测量。
本发明通过对充足的杆塔实际测量和人工测量数据进行比对校验,对转换矩阵不断迭代修正优化,目前系统测量精度满足分米级要求。
根据本发明提出的各系统模块,提出了基于无人机可见光图像识别及测量的架空输配电线路验收方法,可满足算法特征和现场应用需求,具体验收作业流程示意图如图8所示。
(1)测量线路走势
本发明首先通过将无人机飞到杆塔正上方,调整云台角度使得云台以-90°方向俯视杆塔塔头及横担。无人机机载前端将自主实时识别杆塔塔头,并辅助提示无人机操作人员操控无人机使得无人机飞到杆塔正上方。当塔头到达无人机操控端视野正中央时,验收软件系统将自动抓取无人机高精度空间定位坐标数据,并根据顺序依次存储。当完成最后一个杆塔坐标完成读取后,验收软件系统生成线路走势图。
(2)竖直方向空间测量及物料清点
对于输电线路,完成杆塔坐标位置测量后,操控无人机飞至塔正上方,调整云台角度和无人机飞行高度,确保可俯视(-90°)拍摄输电杆塔整体架构,通过激光测距模块向杆塔顶部任意部位发射激光并完成测距,得到成像距离D,再对输电导线全貌拍摄可见光图像,其作业示意图如图10所示。
对于配电线路,完成线路走势坐标位置测量后,操控无人机飞到杆塔正上方,调整云台角度及无人机飞行高度,确保可俯视拍摄杆塔(台区)全貌,通过激光测距模块向杆塔顶部任意部位发射激光并完成测距,得到成像距离D,再对杆塔塔头全貌拍摄可见光图像,操作示意图如图11所示。
将测量及拍摄的数据流转进入典型物料目标识别模块、施工工艺缺陷识别模块及空间测距模块进行流转转换,得到输电避雷线间距或输电导线相间距等距离;对于配电则为杆塔顶部的导线间距、铁横担长度、绝缘子串间距、绝缘子,铁横担上其他物料使用量,并对设备缺陷及施工工艺完成核查识别。
(3)水平方向空间测量及物料清点
对于输电线路,无人机飞到杆塔侧上方,确保可以看到塔顶部至底部全貌,通过激光测距模块向杆塔水平侧面任意部位发射激光并完成测距,得到成像距离D,再对杆塔水平侧方全貌拍摄可见光图像,操作示意如图11所示。完成杆塔呼高、各横担及绝缘子串对地距离等测量后分别对各绝缘子串、金具等进行单独拍摄进行物料识别和施工工艺检查。
对于配电线路,完成竖直方向空间测量及物料清点外,无人机飞到杆塔侧上方,确保可以看到杆塔顶部(特别是杆塔标识牌)至底部全貌,通过激光测距模块向杆塔水平侧面任意部位发射激光并完成测距,得到成像距离D,再对杆塔水平侧方全貌拍摄可见光图像,操作示意图如图12所示。对于输配电线路,后续流程与竖直方向空间测量及物料清点流程一致。
(4)生成报告
当完成全部线路杆塔数据采集工作后,经典型物料目标识别模块、施工工艺缺陷识别模块及空间测距模块进行流转转换,生成包含整条线路杆塔走势、物料工程用量、设备缺陷及施工工艺等内容的无人机竣工验收报告。
本发明巡检移动应用程序流程为,根据经典型物料目标识别模块、施工工艺缺陷识别模块及空间测距模块和现场应用习惯,设计巡检移动应用程序数据结构和数据流交互规范,开发对应无人机手持端飞巡APP,其程序流程如图13所示,助力现场应用便捷高效开展。
本发明基于无人机可见光图像识别及测量的架空输配电线路验收软件系统(以下简称验收软件系统)主要承担数据处理功能,由无人机操控端及配套软件组成,通过将可见光图像及激光测距数据及其采集过程中的实时荷载状态信息进行融合处理,结合系统内置算法完成线路走势及杆塔典型物料的识别和测量,并将相关结果输出形成巡检业务报告。
(1)本发明提出的一种基于无人机可见光图像识别及测量的架空输配电线路验收系统及方法,依靠无人机载体平台灵活便捷的优势,避免了人工爬塔安全风险的同时提高了作业效率。
(2)基于可见光的无人机输配电架空线路设备空间距离测量技术的应用,提升验收测量的精准度。
(3)架空输配电线路典型物料识别技术和多区域标记去重清点策略,实现了物料及施工量的准确清点结算。
(4)架空输配电线路典型设备及施工工艺缺陷无人机识别技术,消除人工验收视野盲区,准确识别施工阶段缺陷,避免了线路带“病”投运,可有效加强电网全寿命管理的入口环节,提升电网工程竣工验收工作质效。
(5)本发明所提出的技术在应用于新建线路工程验收的同时,也可用于在运线路台账智能校验和数据维护,对线路杆塔及设备本体缺陷情况进行检查,对线路电气绝缘距离进行校核,提升线路精益化管理水平。本发明测量结果方面以配电杆塔为例,通过空间测距模块测量结果如表1所示。
表1 台区测量结果对比
测量点 | 无人机可见光测量值(米) | 人工登塔测量值(米) | 误差绝对值(米) |
杆塔总高 | 11.449 | 11.7 | 0.251 |
横担2号离地高度 | 11.264 | 11.59 | 0.326 |
横担3号离地高度 | 10.083 | 10.4 | 0.317 |
横担4号离地高度 | 8.924 | 9.24 | 0.316 |
横担5号离地高度 | 7.581 | 7.93 | 0.349 |
横担6号离地高度 | 6.047 | 6.44 | 0.393 |
横担7号离地高度 | 4.139 | 4.42 | 0.281 |
导线间距 | 0.909 | 1 | 0.091 |
杆塔间距 | 2.087 | 1.7 | 0.387 |
单根水泥杆塔通过空间测距模块测量结果如表2所示。
表2 杆塔测量结果对比
测量点 | 无人机可见光测量值(米) | 人工登塔测量值(米) | 误差绝对值(米) |
杆塔总高 | 11.697 | 12.02 | 0.323 |
导线间距 | 1.383 | 1.03 | 0.353 |
(1)本发明提出的激光测距辅助的架空输配电线路可见光图像单目测量方法,通过激光测距模块与图像校准、目标检测与边缘分割算法相融合,实现了对包括但不限于输配电线路的杆塔呼高、横担对地距离、绝缘子距离间距,各相导线间距,配电线路台区变压器对地距离,变压器边缘据杆塔距离,跌落式熔断器间距等架空输配电线路竣工验收关键距离的测量。
(2)本发明提出的基于无人机可见光图像识别及测量的架空输配电线路验收系统,通过基于机器学习的目标检测算法训练及基于杆塔台区设备分布特征的设备去重方法,实现对绝缘子、横担、各类金具、变压器、隔离开关、一二次融合开关、避雷器,电流互感器、电压互感器等重点设备类型的识别及工程量清点。
(3)本发明提出的施工工艺缺陷识别模块,利用无人机灵活便捷优势,通过消除人工验收视野盲区,通过可见光图像识别算法,可准确识别施工阶段缺陷,避免了线路带“病”投运,可有效加强电网全寿命管理的入口环节,提升电网工程竣工验收工作质效,也可以用于输配电线路日常巡检中的缺陷识别,助力提升线路运维管理水平。
(4)本发明所提出的基于无人机可见光图像识别及测量的架空输配电线路验收方法,可免登塔测量,具有较高的测量精度和便捷的操作方法,在应用于新建线路工程验收的同时,也可用于在运线路台账智能校验和数据维护,可对已有线路的设备资产情况进行建档或修正,对线路杆塔及设备本体缺陷情况进行检查,线路电气绝缘距离测量及校核,交跨线路相对距离测量及校验等,提升架空输配电线路精益化管理水平。
图14为根据本发明优选实施方式的一种基于无人机图像的架空输配电线路验收系统结构图。
如图14所示,本发明提供一种基于无人机图像的架空输配电线路验收系统,系统包括:
第一获取单元201,用于基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
第二获取单元202,用于通过无人机对目标作业物料的任意一点发射激光测距,获取激光测距值;
结果单元203,用于基于可见光图像以及激光测距值,对架空输配电线路的目标作业物料进行验收。
优选地,目标作业物料包括杆塔,巡检验收任务包括通过获取杆塔的空间定位坐标数据,测量输配电线路的走势:
无人机按照杆塔预设编号顺序依次飞行至杆塔正上方,并以-90°方向俯视杆塔的塔头;
获取无人机在每个杆塔正上方的空间定位坐标数据,并基于杆塔预设编号顺序存储空间定位坐标数据;
基于空间定位坐标数据,生成输配电线路走势图。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料进行识别:
对可见光图像中的重点物料进行标注,建立重点物料图像样本库;
基于重点物料图像样本库,通过YOLO算法对重点物料目标识别模块进行算法训练;
通过训练后的重点物料目标识别模块对可见光图像进行识别,识别出可见光图像中的重点物料。
优选地,还包括对识别出的输配电线路的重点物料进行去重:
基于预设的识别原则,将可见光图像中识别出的重点物料的布局与标准的重点物料布局进行对比,并基于对比结果对可见光图像中的重点物料进行标定;
对于对比出的已标定过的重点物料,将不再进行标定。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料的施工工艺缺陷进行识别:
基于预先建立的重点物料缺陷和施工工艺质量缺陷样本库,通过算法对重点物料缺陷和施工工艺质量缺陷识别模块进行算法训练;
通过训练后的重点物料缺陷和施工工艺质量缺陷识别模块对可见光图像进行识别,识别出可见光图像中的重点物料缺陷和施工工艺质量缺陷。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料的边缘进行检测:
基于强化学习及SAM的边缘检测算法,对可见光图像中的重点物料的边缘进行检测,确定重点物料的像素范围。
优选地,目标作业物料包括输配电线路的重点物料,巡检验收任务包括对输配电线路的重点物料进行空间测距:
通过棋盘格法对可见光图像进行校准,并通过径向畸变系数对经过校准处理的可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离。
优选地,包括确定像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
优选地,无人机包括激光测距模块、荷载模块以及高精度定位模块。
本发明优选实施方式的一种基于无人机图像的架空输配电线路验收系统与本发明优选实施方式的一种基于无人机图像的架空输配电线路验收方法相对应,在此不再进行赘述。
基于本发明的又一方面,本发明提供一种计算机可读存储介质,其特征在于,计算机可读存储介质存储有计算机程序,计算机程序用于执行一种基于无人机图像的架空输配电线路验收方法。
基于本发明的又一方面,本发明提供一种电子设备,其特征在于,电子设备包括:处理器和存储器;其中,
存储器,用于存储处理器可执行指令的存储器;
处理器,用于从存储器中读取可执行指令,并执行指令以实现一种基于无人机图像的架空输配电线路验收方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (10)
1.一种基于无人机图像的架空输配电线路验收方法,所述方法包括:
基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
通过无人机对所述目标作业物料的任意一点发射激光测距,获取激光测距值;
基于所述可见光图像以及所述激光测距值,对架空输配电线路的所述目标作业物料进行验收,包括:
所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行空间测距:
通过棋盘格法对所述可见光图像进行校准,并通过径向畸变系数对经过校准处理的所述可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、所述激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离,包括确定所述像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
2.根据权利要求1所述的方法,所述目标作业物料包括杆塔,所述巡检验收任务包括通过获取杆塔的空间定位坐标数据,测量输配电线路的走势:
所述无人机按照所述杆塔预设编号顺序依次飞行至所述杆塔正上方,并以-90°方向俯视杆塔的塔头;
获取所述无人机在每个所述杆塔正上方的空间定位坐标数据,并基于所述杆塔预设编号顺序存储空间定位坐标数据;
基于所述空间定位坐标数据,生成输配电线路走势图。
3.根据权利要求1所述的方法,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行识别:
对所述可见光图像中的重点物料进行标注,建立重点物料图像样本库;
基于所述重点物料图像样本库,通过YOLO算法对重点物料目标识别模块进行算法训练;
通过训练后的所述重点物料目标识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料。
4.根据权利要求3所述的方法,还包括对识别出的所述输配电线路的重点物料进行去重:
基于预设的识别原则,将可见光图像中识别出的重点物料的布局与标准的重点物料布局进行对比,并基于对比结果对可见光图像中的重点物料进行标定;
对于对比出的已标定过的重点物料,将不再进行标定。
5.根据权利要求1所述的方法,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的施工工艺缺陷进行识别:
基于预先建立的重点物料缺陷和施工工艺质量缺陷样本库,通过算法对重点物料缺陷和施工工艺质量缺陷识别模块进行算法训练;
通过训练后的所述重点物料缺陷和施工工艺质量缺陷识别模块对所述可见光图像进行识别,识别出所述可见光图像中的重点物料缺陷和施工工艺质量缺陷。
6.根据权利要求1所述的方法,所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料的边缘进行检测:
基于强化学习及SAM的边缘检测算法,对所述可见光图像中的重点物料的边缘进行检测,确定所述重点物料的像素范围。
7.根据权利要求1所述的方法,所述无人机包括激光测距模块、荷载模块以及高精度定位模块。
8.一种基于无人机图像的架空输配电线路验收系统,所述系统包括:
第一获取单元,用于基于巡检验收任务要求通过无人机获取目标作业物料的一张或多张可见光图像;
第二获取单元,用于通过无人机对所述目标作业物料的任意一点发射激光测距,获取激光测距值;
结果单元,用于基于所述可见光图像以及所述激光测距值,对架空输配电线路的所述目标作业物料进行验收,包括:
所述目标作业物料包括输配电线路的重点物料,所述巡检验收任务包括对所述输配电线路的重点物料进行空间测距:
通过棋盘格法对所述可见光图像进行校准,并通过径向畸变系数对经过校准处理的所述可见光图像进行修正;
基于边缘检测算法对经过修正的可见光图像中的重点物料的像素距离进行标定,确定不同重点物料之间的像素距离;
基于不同重点物料之间的像素距离、所述激光测距值,通过像素坐标系与真实世界坐标系的转换矩阵T,确定不同重点物料之间的实际空间距离,包括确定所述像素坐标系与真实世界坐标系的转换矩阵T:
确定真实世界坐标系与无人机相机坐标系转换矩阵:
其中,、/>、/>表示无人机相机坐标系下的空间位置,/>、/>、/>表示真实世界坐标系下的空间位置;R为旋转矩阵;t为平移向量;
确定无人机相机坐标系与可见光图像坐标系转换矩阵:
其中,为透视投影矩阵,f为相机焦距;x、y为可见光坐标系下的空间位置;
确定可见光图像坐标系与像素坐标系转换矩阵:
其中,u、v为像素坐标系下的空间位置;
确定像素坐标系与真实世界坐标系的转换矩阵T:
其中,为无人机相机的相机内参,/>为无人机相机的相机外参。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行权利要求1-7中任一项所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:处理器和存储器;其中,
所述存储器,用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675763.1A CN117392571B (zh) | 2023-12-08 | 2023-12-08 | 一种基于无人机图像的架空输配电线路验收方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675763.1A CN117392571B (zh) | 2023-12-08 | 2023-12-08 | 一种基于无人机图像的架空输配电线路验收方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392571A CN117392571A (zh) | 2024-01-12 |
CN117392571B true CN117392571B (zh) | 2024-02-13 |
Family
ID=89466915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311675763.1A Active CN117392571B (zh) | 2023-12-08 | 2023-12-08 | 一种基于无人机图像的架空输配电线路验收方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392571B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN109765931A (zh) * | 2019-01-31 | 2019-05-17 | 交通运输部天津水运工程科学研究所 | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 |
CN114373138A (zh) * | 2021-12-28 | 2022-04-19 | 北京交通大学 | 一种高速铁路全自动无人机巡检方法及系统 |
CN114820800A (zh) * | 2022-06-29 | 2022-07-29 | 山东信通电子股份有限公司 | 一种用于输电线路的实时巡检方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728717B (zh) * | 2019-09-27 | 2022-07-15 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
-
2023
- 2023-12-08 CN CN202311675763.1A patent/CN117392571B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN109765931A (zh) * | 2019-01-31 | 2019-05-17 | 交通运输部天津水运工程科学研究所 | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 |
CN114373138A (zh) * | 2021-12-28 | 2022-04-19 | 北京交通大学 | 一种高速铁路全自动无人机巡检方法及系统 |
CN114820800A (zh) * | 2022-06-29 | 2022-07-29 | 山东信通电子股份有限公司 | 一种用于输电线路的实时巡检方法及设备 |
Non-Patent Citations (2)
Title |
---|
无人机输电线路巡检中安全距离测量方法;李栋;林靖宇;高鹏宇;卢子广;;广西大学学报(自然科学版)(第02期);全文 * |
架空输电线路无人机巡检技术研究进展;邵瑰玮;刘壮;付晶;谈家英;陈怡;周立玮;;高电压技术(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117392571A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107402001B (zh) | 基于3d扫描的超高层建筑施工偏差数字化检验系统及方法 | |
CN107314762B (zh) | 基于无人机单目序列影像的电力线下方地物距离检测方法 | |
CN108181635B (zh) | 一种用于输电线路交叉跨越分析的激光点云分类方法 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN112836352B (zh) | 一种融合三维设计和激光点云的输电线路模型生成方法 | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
CN112489130B (zh) | 一种输电线路与目标物的距离测量方法、装置及电子设备 | |
US20200410710A1 (en) | Method for measuring antenna downtilt based on linear regression fitting | |
CN109829908B (zh) | 基于双目影像的电力线下方地物安全距离检测方法及设备 | |
CN113286129B (zh) | 一种光伏电站的巡检方法及系统 | |
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 | |
CN111158358B (zh) | 一种基于三维模型对变电/换流站自优巡检的方法及系统 | |
CN112013830B (zh) | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 | |
CN113345019A (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
CN113340277B (zh) | 一种基于无人机倾斜摄影的高精度定位方法 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN112270320A (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN117392571B (zh) | 一种基于无人机图像的架空输配电线路验收方法及系统 | |
CN113865570A (zh) | 一种钢结构圆形立柱垂直度测量方法 | |
CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
CN116483118A (zh) | 一种适用于导地线弧垂变化的无人机自主巡检航线自动生成方法 | |
CN115615400A (zh) | 一种基于无人机的地理数据测绘采集方法 | |
CN114509777A (zh) | 一种基于Cesium平台的输电工程实体验收方法 | |
CN114812983A (zh) | 一种基于激光阵列的桥梁裂缝测量方法、装置及设备 |
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 |