CN117809440A - 应用三维立体测距的树障山火监测预警方法及系统 - Google Patents
应用三维立体测距的树障山火监测预警方法及系统 Download PDFInfo
- Publication number
- CN117809440A CN117809440A CN202410231459.6A CN202410231459A CN117809440A CN 117809440 A CN117809440 A CN 117809440A CN 202410231459 A CN202410231459 A CN 202410231459A CN 117809440 A CN117809440 A CN 117809440A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data set
- clustering
- monitoring
- mountain fire
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000004297 night vision Effects 0.000 claims description 7
- 230000007480 spreading Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 206010063385 Intellectualisation Diseases 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了应用三维立体测距的树障山火监测预警方法及系统,应用于报警装置技术领域,通过获取输电线路的线路布设数据,依据线路布设数据布设摄像机。获取摄像机的布设坐标,建立点云数据集合。对点云数据集合进行滤波降噪,并进行像素点寻优聚类,生成寻优聚类结果,建立轮廓特征,并执行特征识别,进行线路主体和树障环境的标识。依据坐标转换结果建立测距数据集,通过测距数据集生成第一预警特征。执行输电线路的输电数据监测,生成监测数据集,以监测数据集生成第二预警特征。基于第一预警特征和第二预警特征执行树障山火监测预警。解决了现有技术中电网树障隐患的预警方案智能化较低且存在预警的效率低,实时预警难度大的技术问题。
Description
技术领域
本发明涉及报警装置领域,尤其涉及应用三维立体测距的树障山火监测预警方法及系统。
背景技术
电网树障隐患是由于输电线路附近树木枝条生长靠近高压导线,电网树障隐患会增加导线的绝缘故障和短路风险,从而引燃树木,导致火灾发生的风险进一步增加。然而,在现有技术中电网树障隐患的预警方案包括基于视频监控技术的AI监测预警、无人机巡检激光雷达扫描预警等方式,而基于视频监控技术的AI监测预警由于缺少空间距离信息导致大量无效且重复的报警产生,预警准确率较低。无人机巡检激光雷达扫描预警则由于设备原因难以实现实时预警,存在预警效率较低的问题。
因此,在现有技术中电网树障隐患的预警方案智能化较低且存在预警的效率低,实时预警难度大的技术问题。
发明内容
本申请通过提供应用三维立体测距的树障山火监测预警方法及系统,解决了在现有技术中电网树障隐患的预警方案智能化较低且存在预警的效率低,实时预警难度大的技术问题。
本申请提供应用三维立体测距的树障山火监测预警方法,所述方法包括:获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;通过所述测距数据集生成树障的第一预警特征;执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
本申请还提供了应用三维立体测距的树障山火监测预警系统,所述系统包括:数据获取模块,用于获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;数据集合获取模块,用于获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;聚类结果获取模块,用于对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;标识模块,用于以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;测距数据获取模块,用于依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;第一预警模块,用于通过所述测距数据集生成树障的第一预警特征;第二预警模块,用于执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;预警模块,用于基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
本申请还提供了一种电子设备,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的应用三维立体测距的树障山火监测预警方法。
本申请提供一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的应用三维立体测距的树障山火监测预警方法。
拟通过本申请提出的应用三维立体测距的树障山火监测预警方法及系统,通过获取输电线路的线路布设数据,依据线路布设数据布设摄像机。获取摄像机的布设坐标,建立点云数据集合。对点云数据集合进行滤波降噪,并进行像素点寻优聚类,生成寻优聚类结果,建立轮廓特征,并执行特征识别,进行线路主体和树障环境的标识。依据坐标转换结果建立测距数据集,通过测距数据集生成第一预警特征。执行输电线路的输电数据监测,生成监测数据集,以监测数据集生成第二预警特征。基于第一预警特征和第二预警特征执行树障山火监测预警。实现了基于三维立体测距对树障隐患进行快速准确测量,提高了电网树障隐患的预警效率,完成了对电网树障隐患的智能实时预警。解决了现有技术中电网树障隐患的预警方案智能化较低且存在预警的效率低,实时预警难度大的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请实施例提供的应用三维立体测距的树障山火监测预警方法的流程示意图;
图2为本申请实施例提供的应用三维立体测距的树障山火监测预警方法根据迭代结果完成寻优聚类的流程示意图;
图3为本申请实施例提供的应用三维立体测距的树障山火监测预警方法完成滤波降噪的流程示意图;
图4为本申请实施例提供的应用三维立体测距的树障山火监测预警方法的系统的结构示意图;
图5为本发明实施例提供的应用三维立体测距的树障山火监测预警方法的系统电子设备的结构示意图。
附图标记说明:数据获取模块11,数据集合获取模块12,聚类结果获取模块13,标识模块14,测距数据获取模块15,第一预警模块16,第二预警模块17,预警模块18,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在用户终端和/或服务器上,所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
如图1所示,本申请实施例提供了应用三维立体测距的树障山火监测预警方法,所述方法包括:
获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;
获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;
对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;
以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;
获取输电线路的线路布设数据,所述输电线路的线路布设数据中包括线路的布设位置、布设高度数据,依据所述线路布设数据布设摄像机,即在输电线路中布设三维全景智能测量摄像机,在布设摄像机时按照布设位置间隔预设距离进行布设,其中,所述摄像机包括建模摄像机和夜视摄像机。随后,获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,即利用建模摄像机对周围环境进行点云数据采集,建立点云数据集合,在点云数据集合中包含图像像素的位置点云坐标以及数值图像数据。对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果,从而便于后续对寻优聚类结果进行特征识别。以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,在进行特征识别时基于现有技术中的线路主体和树障环境识别方案进行识别,获取各轮廓特征的具体标识类别,以进行线路主体和树障环境的标识。
如图2所示,本申请实施例提供的方法还包括:
对所述点云数据集合进行特征模糊识别,基于特征模糊识别结果确定成像特征,其中,所述成像特征包括线路主体特征、树障环境特征和空间特征;
基于所述成像特征配置初始聚类中心点,根据配置完成的初始聚类中心点进行中心聚类搜索;
在每次搜索完成后,执行聚类中心点的梯度移动,以更新聚类中心点的位置;
对搜索和聚类中心点的位置更新过程迭代,根据迭代结果完成寻优聚类。
对所述点云数据集合进行特征模糊识别,识别其中的数字图像数据,基于特征模糊识别结果确定成像特征,在进行特征模糊识别时由于图像为户外采集在图像中可能包含天空、树木以及线路特征的一种或多种,因此设置对应的识别特征,如识别天空特征由于天空图像采集后为蓝色基于蓝色的色彩分布范围设置对应的数字图像数据像素筛选范围,树障则可以基于绿色色彩分布范围设置对应的数字图像数据像素筛选范围,线路特征为黑色且特征为直线特征,因此可以基于数字图像数据中直线分布的黑色像素范围进行筛选,基于识别特征对点云数据集合进行特征模糊识别。其中,所述成像特征包括线路主体特征、树障环境特征和空间特征,所述线路主体特征为输电线路的特征、树障环境特征为树木特征,空间特征为天空环境特征。随后,基于所述成像特征配置初始聚类中心点,即在识别的成像特征的像素区域中随机设置位于像素区域中的初始聚类中心点,根据配置完成的初始聚类中心点进行中心聚类搜索。在每次搜索完成后,执行聚类中心点的梯度移动,以更新聚类中心点的位置,每次更新聚类中心点的位置完成一次过程迭代。对搜索和聚类中心点的位置更新过程迭代,根据迭代结果完成寻优聚类。对搜索和聚类中心点的位置更新过程迭代,根据迭代结果完成寻优聚类。
本申请实施例提供的方法还包括:
设置聚类中心的分布判定条件,基于所述分布判定条件进行初始聚类中心点的分布判定;
若分布判定通过,则通过预设步长执行步长范围内的聚类搜索,生成第一聚类搜索结果;
对所述第一聚类搜索结果进行方向区域内像素密集度计算,确定中心移动方向;
对所述第一聚类搜索结果进行中心移动方向的方向像素梯度计算;
根据方向像素梯度计算结果设定梯度移动步长,通过所述梯度移动步长、中心移动方向执行初始聚类中心点的分裂移动,以更新聚类中心点位置。
设置聚类中心的分布判定条件,所述聚类中心的分布判定条件为各成像特征对应区域的聚类中心分布间隔需要满足大于等于预设的像素距离,基于所述分布判定条件进行初始聚类中心点的分布判定。判断各初始聚类中心点是否满足聚类中心的分布判定条件,当不满足时则聚类中心分布间隔小于等于预设的像素距离,则需要进行对应聚类中心的位置更新,使其满足聚类中心的分布判定条件。当满足时分布判定通过,则通过预设步长执行步长范围内的聚类搜索,获取与各初始聚类中心点成像特征相同的像素,生成第一聚类搜索结果。对所述第一聚类搜索结果进行方向区域内像素密集度计算,即获取聚类中心在预设步长内构成的圆形范围,将圆形范围区域内以聚类中心为原点构建四个坐标象限分别获取的各坐标象限的像素数量,获取各坐标象限的像素数量与各坐标象限面积的比值得到像素密度,将像素密度最大的方向作为中心的移动方向,确定中心移动方向。对所述第一聚类搜索结果进行中心移动方向的方向像素梯度计算。根据方向像素梯度计算结果设定梯度移动步长,通过所述梯度移动步长、中心移动方向执行初始聚类中心点的分裂移动,以更新聚类中心点位置。
本申请实施例提供的方法还包括:
当迭代执行至预设次数时,此时生成判定指令;
依据所述判定指令进行未聚类区域执行新增聚类中心的分布判定;
若判定通过,则通过新增聚类中心执行新增聚类,通过新增聚类结果完成寻优聚类。
迭代执行至预设次数时,此时生成判定指令。在生成判定指令后,根据聚类中心的分布判定条件对未聚类区域执行新增聚类中心的分布判定。若判定通过,则通过新增聚类中心执行新增聚类,通过新增聚类结果完成寻优聚类。
如图3所示,本申请实施例提供的方法还包括:
设置平滑窗口,其中,所述平滑窗口为进行中心像素点平滑处理的窗口;
当获得所述点云数据集合后,通过所述平滑窗口进行点云数据遍历;
设定平滑窗口的最小关联约束,若在遍历过程中,中心像素点与平滑窗口内的窗口像素均不能满足所述最小关联约束,则执行像素平滑替换;
根据像素平滑替换完成滤波降噪。
在对点云数据集合进行滤波降噪时,通过设置平滑窗口,所述平滑窗口为进行中心像素点平滑处理的窗口,示例性的,如均值滤波等处理窗口。当获得所述点云数据集合后,通过所述平滑窗口进行点云数据遍历。随后,设定平滑窗口的最小关联约束,所述最小关联约束为预先设置的中心像素点的像素值与平滑窗口内其像素值均值的最小差异值,若在遍历过程中,中心像素点与平滑窗口内的窗口像素值差异不能满足所述最小关联约束即大于最小关联约束,则执行像素平滑替换。最后,根据像素平滑替换完成滤波降噪。
本申请实施例提供的方法还包括:
若中心像素点与平滑窗口内的窗口像素存在满足所述最小关联约束的像素点,则获取满足像素点的像素均值;
根据所述像素均值对所述中心像素点进行像素平滑变换,以完成滤波降噪。
具体的,若中心像素点与平滑窗口内的窗口像素存在满足所述最小关联约束的像素点,即中心像素点与平滑窗口内的窗口像素差值小于等于所述最小关联约束,则获取满足像素点的平滑窗口内的窗口像素均值。根据所述像素均值对所述中心像素点进行像素平滑变换,以完成滤波降噪。
依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;
通过所述测距数据集生成树障的第一预警特征;
执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;
基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集,即根据布设坐标对点云数据集合内的标识特征进行坐标转换,将标识特征的像素点与位置点云坐标进行对应从而完成转换,并依据坐标转换结果建立测距数据集,测距数据集为不同标识特征之间的距离数据,在测距数据集中包含标识特征之间的距离数据。通过所述测距数据集生成树障的第一预警特征。执行输电线路的输电数据监测,获取输电参数,生成监测数据集,以所述监测数据集生成第二预警特征。最后,基于所述第一预警特征和所述第二预警特征执行树障山火监测预警,其中,预警机制为当第一预警特征小于等于预设距离阈值时,则对应的线路主体和树障环境距离较近,则触发预警和/或第二预警特征超出输电线路最大负荷时触发预警。实现了基于三维立体测距对树障隐患进行快速准确测量,提高了电网树障隐患的预警效率,完成了对电网树障隐患的智能实时预警。
本申请实施例提供的方法还包括:
建立山火特征集,当任意时序节点采集的图像与所述山火特征集匹配时,则根据图像内的山火位置和山火火情生成第一预警信息;
获取天气数据,依据所述天气数据、所述第一预警信息进行蔓延预测预警,生成第二预警信息;
通过所述第一预警信息和所述第二预警信息进行山火预警管理。
基于大数据建立山火特征集,且不同特征集对应不同的山火火情等级,实时获取采集图像,当任意时序节点采集的图像与所述山火特征集匹配时,则根据图像内的山火位置和山火火情生成第一预警信息。随后,获取天气数据,依据所述天气数据、所述第一预警信息进行蔓延预测预警,生成第二预警信息。在进行蔓延预测预警前构建蔓延预测预警模型,基于大数据获取火情记录数据,所述火情记录数据中包含火情等级以及天气数据和对应的火情蔓延数据,通过火情记录数据对神经网络模型进行监督训练,直至模型的输出结果满足预设准确率时完成对模型的训练,获取蔓延预测预警模型。将天气数据、所述第一预警信息输入蔓延预测预警模型中,获取模型输出的火情蔓延预测数据,生成第二预警信息。最后,通过所述第一预警信息和所述第二预警信息进行山火预警管理。
本发明实施例所提供的技术方案,通过获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机。获取摄像机的布设坐标,建立点云数据集合。对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果。以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识。依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集。通过所述测距数据集生成树障的第一预警特征。执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征。基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。实现了基于三维立体测距对树障隐患进行快速准确测量,提高了电网树障隐患的预警效率,完成了对电网树障隐患的智能实时预警。解决了现有技术中电网树障隐患的预警方案智能化较低且存在预警的效率低,实时预警难度大的技术问题。
实施例二
基于与前述实施例中应用三维立体测距的树障山火监测预警方法同样发明构思,本发明还提供了应用三维立体测距的树障山火监测预警方法的系统,系统可以由硬件和/或软件的方式来实现,一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图4所示,所述系统包括:
数据获取模块11,用于获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;
数据集合获取模块12,用于获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;
聚类结果获取模块13,用于对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;
标识模块14,用于以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;
测距数据获取模块15,用于依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;
第一预警模块16,用于通过所述测距数据集生成树障的第一预警特征;
第二预警模块17,用于执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;
预警模块18,用于基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
进一步地,所述标识模块14还用于:
对所述点云数据集合进行特征模糊识别,基于特征模糊识别结果确定成像特征,其中,所述成像特征包括线路主体特征、树障环境特征和空间特征;
基于所述成像特征配置初始聚类中心点,根据配置完成的初始聚类中心点进行中心聚类搜索;
在每次搜索完成后,执行聚类中心点的梯度移动,以更新聚类中心点的位置;
对搜索和聚类中心点的位置更新过程迭代,根据迭代结果完成寻优聚类。
进一步地,所述标识模块14还用于:
设置聚类中心的分布判定条件,基于所述分布判定条件进行初始聚类中心点的分布判定;
若分布判定通过,则通过预设步长执行步长范围内的聚类搜索,生成第一聚类搜索结果;
对所述第一聚类搜索结果进行方向区域内像素密集度计算,确定中心移动方向;
对所述第一聚类搜索结果进行中心移动方向的方向像素梯度计算;
根据方向像素梯度计算结果设定梯度移动步长,通过所述梯度移动步长、中心移动方向执行初始聚类中心点的分裂移动,以更新聚类中心点位置。
进一步地,所述标识模块14还用于:
当迭代执行至预设次数时,此时生成判定指令;
依据所述判定指令进行未聚类区域执行新增聚类中心的分布判定;
若判定通过,则通过新增聚类中心执行新增聚类,通过新增聚类结果完成寻优聚类。
进一步地,所述聚类结果获取模块13还用于:
设置平滑窗口,其中,所述平滑窗口为进行中心像素点平滑处理的窗口;
当获得所述点云数据集合后,通过所述平滑窗口进行点云数据遍历;
设定平滑窗口的最小关联约束,若在遍历过程中,中心像素点与平滑窗口内的窗口像素均不能满足所述最小关联约束,则执行像素平滑替换;
根据像素平滑替换完成滤波降噪。
进一步地,所述聚类结果获取模块13还用于:
若中心像素点与平滑窗口内的窗口像素存在满足所述最小关联约束的像素点,则获取满足像素点的像素均值;
根据所述像素均值对所述中心像素点进行像素平滑变换,以完成滤波降噪。
进一步地,所述预警模块18还用于:
建立山火特征集,当任意时序节点采集的图像与所述山火特征集匹配时,则根据图像内的山火位置和山火火情生成第一预警信息;
获取天气数据,依据所述天气数据、所述第一预警信息进行蔓延预测预警,生成第二预警信息;
通过所述第一预警信息和所述第二预警信息进行山火预警管理。
所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图5为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图5所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图5中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的应用三维立体测距的树障山火监测预警方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述应用三维立体测距的树障山火监测预警方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.应用三维立体测距的树障山火监测预警方法,其特征在于,所述方法包括:
获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;
获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;
对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;
以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;
依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;
通过所述测距数据集生成树障的第一预警特征;
执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;
基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述点云数据集合进行特征模糊识别,基于特征模糊识别结果确定成像特征,其中,所述成像特征包括线路主体特征、树障环境特征和空间特征;
基于所述成像特征配置初始聚类中心点,根据配置完成的初始聚类中心点进行中心聚类搜索;
在每次搜索完成后,执行聚类中心点的梯度移动,以更新聚类中心点的位置;
对搜索和聚类中心点的位置更新过程迭代,根据迭代结果完成寻优聚类。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
设置聚类中心的分布判定条件,基于所述分布判定条件进行初始聚类中心点的分布判定;
若分布判定通过,则通过预设步长执行步长范围内的聚类搜索,生成第一聚类搜索结果;
对所述第一聚类搜索结果进行方向区域内像素密集度计算,确定中心移动方向;
对所述第一聚类搜索结果进行中心移动方向的方向像素梯度计算;
根据方向像素梯度计算结果设定梯度移动步长,通过所述梯度移动步长、中心移动方向执行初始聚类中心点的分裂移动,以更新聚类中心点位置。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
当迭代执行至预设次数时,此时生成判定指令;
依据所述判定指令进行未聚类区域执行新增聚类中心的分布判定;
若判定通过,则通过新增聚类中心执行新增聚类,通过新增聚类结果完成寻优聚类。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置平滑窗口,其中,所述平滑窗口为进行中心像素点平滑处理的窗口;
当获得所述点云数据集合后,通过所述平滑窗口进行点云数据遍历;
设定平滑窗口的最小关联约束,若在遍历过程中,中心像素点与平滑窗口内的窗口像素均不能满足所述最小关联约束,则执行像素平滑替换;
根据像素平滑替换完成滤波降噪。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
若中心像素点与平滑窗口内的窗口像素存在满足所述最小关联约束的像素点,则获取满足像素点的像素均值;
根据所述像素均值对所述中心像素点进行像素平滑变换,以完成滤波降噪。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
建立山火特征集,当任意时序节点采集的图像与所述山火特征集匹配时,则根据图像内的山火位置和山火火情生成第一预警信息;
获取天气数据,依据所述天气数据、所述第一预警信息进行蔓延预测预警,生成第二预警信息;
通过所述第一预警信息和所述第二预警信息进行山火预警管理。
8.应用三维立体测距的树障山火监测预警系统,其特征在于,所述系统包括:
数据获取模块,用于获取输电线路的线路布设数据,依据所述线路布设数据布设摄像机,其中,所述摄像机包括建模摄像机和夜视摄像机;
数据集合获取模块,用于获取摄像机的布设坐标,并通过摄像机执行监测目标的点云数据采集,建立点云数据集合;
聚类结果获取模块,用于对所述点云数据集合进行滤波降噪,并对滤波降噪结果进行像素点寻优聚类,生成寻优聚类结果;
标识模块,用于以所述寻优聚类结果建立轮廓特征,并对所述轮廓特征执行特征识别,以进行线路主体和树障环境的标识;
测距数据获取模块,用于依据布设坐标执行点云数据集合内的标识特征坐标转换,并依据坐标转换结果建立测距数据集;
第一预警模块,用于通过所述测距数据集生成树障的第一预警特征;
第二预警模块,用于执行输电线路的输电数据监测,生成监测数据集,以所述监测数据集生成第二预警特征;
预警模块,用于基于所述第一预警特征和所述第二预警特征执行树障山火监测预警。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至7任一项所述的应用三维立体测距的树障山火监测预警方法。
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,该程序被处理器执行时实现如权利要求1-7中任一所述的应用三维立体测距的树障山火监测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231459.6A CN117809440B (zh) | 2024-03-01 | 2024-03-01 | 应用三维立体测距的树障山火监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231459.6A CN117809440B (zh) | 2024-03-01 | 2024-03-01 | 应用三维立体测距的树障山火监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117809440A true CN117809440A (zh) | 2024-04-02 |
CN117809440B CN117809440B (zh) | 2024-05-10 |
Family
ID=90428498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410231459.6A Active CN117809440B (zh) | 2024-03-01 | 2024-03-01 | 应用三维立体测距的树障山火监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117809440B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716103A (zh) * | 2019-09-27 | 2020-01-21 | 国网山西省电力公司太原供电公司 | 一种配网故障的预警方法 |
CN114118252A (zh) * | 2021-11-23 | 2022-03-01 | 合肥工业大学 | 一种基于传感器多元信息融合的车辆检测方法及检测装置 |
CN115205796A (zh) * | 2022-07-07 | 2022-10-18 | 北京交通大学 | 轨道线路异物侵限监测与风险预警方法及系统 |
CN115841487A (zh) * | 2023-02-20 | 2023-03-24 | 深圳金三立视频科技股份有限公司 | 一种沿输电线路的隐患定位方法及终端 |
CN116363585A (zh) * | 2023-03-20 | 2023-06-30 | 上海倍肯智能科技有限公司 | 一种输电线路在线监测方法及系统 |
US20230344538A1 (en) * | 2022-04-20 | 2023-10-26 | SenseNet Inc. | Systems, methods, and devices for early wildfire detection and network protocol configuration |
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
CN117173593A (zh) * | 2023-09-26 | 2023-12-05 | 云南电网有限责任公司电力科学研究院 | 基于遥感地物分布感知的火势蔓延推演方法、介质及设备 |
CN117409336A (zh) * | 2023-09-15 | 2024-01-16 | 三峡大学 | 基于点云的城郊输电线网络树障定位及切除方法 |
-
2024
- 2024-03-01 CN CN202410231459.6A patent/CN117809440B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716103A (zh) * | 2019-09-27 | 2020-01-21 | 国网山西省电力公司太原供电公司 | 一种配网故障的预警方法 |
CN114118252A (zh) * | 2021-11-23 | 2022-03-01 | 合肥工业大学 | 一种基于传感器多元信息融合的车辆检测方法及检测装置 |
US20230344538A1 (en) * | 2022-04-20 | 2023-10-26 | SenseNet Inc. | Systems, methods, and devices for early wildfire detection and network protocol configuration |
CN115205796A (zh) * | 2022-07-07 | 2022-10-18 | 北京交通大学 | 轨道线路异物侵限监测与风险预警方法及系统 |
CN115841487A (zh) * | 2023-02-20 | 2023-03-24 | 深圳金三立视频科技股份有限公司 | 一种沿输电线路的隐患定位方法及终端 |
CN116363585A (zh) * | 2023-03-20 | 2023-06-30 | 上海倍肯智能科技有限公司 | 一种输电线路在线监测方法及系统 |
CN117409336A (zh) * | 2023-09-15 | 2024-01-16 | 三峡大学 | 基于点云的城郊输电线网络树障定位及切除方法 |
CN117173593A (zh) * | 2023-09-26 | 2023-12-05 | 云南电网有限责任公司电力科学研究院 | 基于遥感地物分布感知的火势蔓延推演方法、介质及设备 |
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117809440B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990211B (zh) | 一种神经网络的训练方法、图像处理方法以及装置 | |
CN111797983A (zh) | 一种神经网络构建方法以及装置 | |
CN114638954B (zh) | 点云分割模型的训练方法、点云数据分割方法及相关装置 | |
CN112446379B (zh) | 一种动态大场景自适应智能处理方法 | |
CN115861619A (zh) | 一种递归残差双注意力核点卷积网络的机载LiDAR城市点云语义分割方法与系统 | |
CN112967388A (zh) | 三维时序图像神经网络模型的训练方法和装置 | |
CN113420827A (zh) | 语义分割网络训练和图像语义分割方法、装置及设备 | |
JP2023131117A (ja) | 結合感知モデルのトレーニング、結合感知方法、装置、機器および媒体 | |
CN111354016A (zh) | 基于深度学习和差异值哈希的无人机舰船跟踪方法及系统 | |
CN109636897B (zh) | 一种基于改进RGB-D SLAM的Octomap优化方法 | |
CN117809440B (zh) | 应用三维立体测距的树障山火监测预警方法及系统 | |
CN113848560A (zh) | 一种大坝表面图像无人机快速安全采集方法及系统 | |
CN117475253A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN116912774A (zh) | 一种基于边缘计算的输变电设备红外图像目标识别方法、电子装置及存储介质 | |
CN111291785A (zh) | 目标检测的方法、装置、设备及存储介质 | |
CN112733584A (zh) | 通信光缆的智能告警方法和装置 | |
Dai et al. | Cascade centernet: Robust object detection for power line surveillance | |
CN116188587A (zh) | 定位方法、装置及车辆 | |
CN113223155A (zh) | 一种距离预测方法、装置、设备及介质 | |
CN112116561B (zh) | 基于图像处理融合网络权值的电网传输线检测方法及装置 | |
CN112967286A (zh) | 一种新增建设用地检测方法及装置 | |
CN114640785A (zh) | 站点模型更新方法及系统 | |
CN113093798B (zh) | 基于电场分布的无人机巡检避险方法、装置及存储介质 | |
CN115620278B (zh) | 一种识别和测量物料的方法 |
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 |