KR102235113B1 - Diagnostic apparatus for environmental infringement of power line - Google Patents
Diagnostic apparatus for environmental infringement of power line Download PDFInfo
- Publication number
- KR102235113B1 KR102235113B1 KR1020190114773A KR20190114773A KR102235113B1 KR 102235113 B1 KR102235113 B1 KR 102235113B1 KR 1020190114773 A KR1020190114773 A KR 1020190114773A KR 20190114773 A KR20190114773 A KR 20190114773A KR 102235113 B1 KR102235113 B1 KR 102235113B1
- Authority
- KR
- South Korea
- Prior art keywords
- transmission line
- point cloud
- environmental
- unit
- cloud data
- Prior art date
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 171
- 230000005540 biological transmission Effects 0.000 claims abstract description 538
- 210000000613 ear canal Anatomy 0.000 claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000001931 thermography Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 65
- 238000001514 detection method Methods 0.000 claims description 38
- 238000013135 deep learning Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000009545 invasion Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 23
- 238000000926 separation method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000006866 deterioration Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
-
- 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
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- B64C2201/12—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
본 발명은 송전선로의 환경침해 진단장치가 개시된다. 본 발명의 송전선로의 환경침해 진단장치는 라이다 점군 데이터에서 지면정보를 제거하고, 무인항공기 위치를 추정하기 위해 노이즈를 제거하는 전처리부; 상기 전처리부에서 처리된 데이터를 기반으로 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부; 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 상기 다운 샘플링부에서 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부; 이도 추정부에서 추정된 주변환경이 포함된 3차원 환경 점군 데이터를 좌표 변환하여 송전철탑과 송전선로를 제거하고, 검출된 송전선로의 이도와 열화상 카메라 정보를 이용하여 추정한 극한 환경 시 이도를 이용하여 환경평가를 수행하는 환경침해 진단부; 및 상기 환경침해 진단부에서 추정한 송전선로의 환경침해 결과와 광학 카메라 정보를 이용하여 주변 환경을 인식하여 운영기준에 따라 알람을 발생시키는 침해알람 발생부;를 포함하는 것을 특징으로 한다. The present invention discloses an apparatus for diagnosing environmental violations of a transmission line. The apparatus for diagnosing environmental violation of a transmission line of the present invention includes: a preprocessor for removing ground information from the LIDAR point cloud data and removing noise to estimate the position of the unmanned aerial vehicle; A 3D point cloud data conversion unit for converting the Lada point cloud data measured in relative coordinates with respect to the position of the unmanned aerial vehicle based on the data processed by the preprocessor into 3D point cloud data in an absolute coordinate axis; A down-sampling unit generating a 3D point cloud map by down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit; An ear degree estimating unit for detecting a transmission line using the 3D point cloud data down-sampled by the down sampling unit and estimating an ear degree of the detected transmission line; The three-dimensional environment point cloud data including the surrounding environment estimated by the ear canal estimation unit is converted to coordinates to remove the transmission tower and the transmission line, and the ear canal in the extreme environment estimated by using the ear map and thermal imaging camera information of the detected transmission line. An environmental violation diagnosis unit that performs an environmental evaluation by using; And an infringement alarm generator for generating an alarm according to an operation standard by recognizing the surrounding environment by using the environmental infringement result of the transmission line estimated by the environmental infringement diagnosis unit and optical camera information.
Description
본 발명은 송전선로의 환경침해 진단장치에 관한 것으로서, 보다 상세하게는 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 송전선로 근접 데이터를 측정하고 이를 기반으로 송전선로와 근접한 주변 환경간의 거리를 측정하여 환경침해를 진단하여 송전선로의 건전성 평가할 수 있도록 하는 송전선로의 환경침해 진단장치에 관한 것이다. The present invention relates to an apparatus for diagnosing environmental infringement of a transmission line, and more particularly, measuring proximity data of a transmission line using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor, and The present invention relates to a device for diagnosing environmental infringement of a transmission line that measures the distance between the road and the adjacent surrounding environment to diagnose environmental infringement and to evaluate the integrity of the transmission line.
일반적으로, 발전소에서 생산된 전력을 안정적으로 송전하기 위하여 송전선로의 지속적 건전성 평가 및 유지 보수 작업을 수행하는 것은 매우 중요하다. 송전선은 추계학적 풍하중, 온도변화와 같은 다양한 주변 환경에 지속적으로 노출되기 때문에 열화가 진행되며 선로 연결부위 등과 같은 취약 부분은 피로손상이 발생하기 쉽다. 이러한 문제점 때문에 송전선로의 주기적 점검 및 건전성평가를 위한 다양한 연구가 지속적으로 진행되었다. In general, it is very important to perform continuous health evaluation and maintenance work of a transmission line in order to stably transmit power produced by a power plant. Transmission lines are deteriorated because they are continuously exposed to various surrounding environments such as stochastic wind loads and temperature changes, and fatigue damage is likely to occur in weak areas such as line connections. Because of this problem, various studies have been continuously conducted for periodic inspection and soundness evaluation of transmission lines.
열화가 진행되면 송전선로 강성저하에 기인한 이도 처짐이 진행되기 때문에, 이도는 송전선의 건전성 및 열화 상태를 나타내는 중요한 척도이다. As deterioration progresses, the ear canal sag due to the decrease in the rigidity of the transmission line progresses, so the ear canal is an important measure of the soundness and deterioration of the transmission line.
현재 송전선로 이도를 측정하는 방법으로는 전선에 접선을 투시하여 측정하는 직접법과 전선의 물리적 성질을 이용한 측정치로부터 계산하는 간접법이 개발되었다. 직접법에는 등장법, 이장법, 수평이도법, 각도법 등이 주로 사용되며 간접법에는 장력계법, 단진동주기 측정법, 기계적 충격파법 등이 있으나, 간접법은 직접법과 비교하여 상대적으로 정확도가 낮다. 따라서 현장에선 신뢰도있는 이도 측정을 위해 직접법을 주로 이용한다. 하지만 직접법은 주로 송전선에 승탑하여 이도를 측정하기 때문에 송전선에 승탑할 수 있는 전문 인력이 필요하며, 이러한 전문가가 위험에 노출되는 단점이 존재한다. 직접법의 단점을 보완하기 위하여 지상에서 이도 측정이 가능한 측량기가 개발되었지만 지면에서 송전선의 이도를 측정하기 때문에, 송전선로에 접근이 어려운 산간지역에서는 이도 측정에 한계가 존재한다. Currently, as a method of measuring the ear canal of a transmission line, a direct method, which is measured by seeing a tangent to an electric wire, and an indirect method, which is calculated from the measured value using the physical properties of the electric wire, have been developed. The direct method includes the isotonic method, the head length method, the horizontal ear canal method, and the angle method, and the indirect method includes the tensiometer method, the short vibration period measurement method, and the mechanical shock wave method, but the indirect method has relatively low accuracy compared to the direct method. Therefore, in the field, the direct method is mainly used for reliable ear canal measurement. However, since the direct method mainly measures the ear canal by boarding a transmission line, a professional manpower capable of boarding a transmission line is required, and there is a disadvantage that such experts are exposed to danger. In order to compensate for the shortcomings of the direct method, a measuring instrument capable of measuring the ear canal from the ground was developed, but since it measures the ear canal of the transmission line from the ground, there is a limit to measuring the ear canal in mountainous areas where access to the transmission line is difficult.
본 발명의 배경기술은 대한민국 공개특허공보 10-2018-0032804호(2018.04.02)의 '송전선의 이도 측정 장치 및 방법'에 개시되어 있다.The background technology of the present invention is disclosed in Korean Patent Publication No. 10-2018-0032804 (2018.04.02) of'an apparatus and method for measuring ear canal of a transmission line'.
이와 같이 송전선로에 접근이 어려운 산간지역 등 이도 측정에 한계가 존재하는 환경에서도 이도를 측정할 수 있도록, 본 출원인은 "송전선로 이도 추정 장치"(특허출원 10-2018-0139849호, 2018.11.14. 출원)를 출원하였다. In order to be able to measure the ear canal even in an environment where there is a limit to measuring the ear canal, such as in mountainous areas where access to the transmission line is difficult, the applicant of the present invention referred to the “transmission line ear canal estimation device” (Patent Application 10-2018-0139849, 2018.11.14 . Application) was filed.
이전 출원한 송전선로 이도 추정 장치에서는 라이다 센서가 장착된 무인항공기를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑하여 자동으로 송전선의 이도를 추정할 수 있다. In the previously applied transmission line direction estimation device, 3D point cloud data is detected using an unmanned aerial vehicle equipped with a lidar sensor, and the detected 3D point group data is mapped in real time with a signal processing technique to automatically estimate the ear canal of the transmission line. I can.
또한, 이를 기반으로 원거리에서 무인항공기를 통해 송전선로의 이도를 측정할 수 있어 송전선로의 이도를 측정하는 관리자가 위험에 노출되는 것을 방지할 뿐만 아니라 극한 환경에서도 송전선로의 이도를 산출할 수 있으며, 송전선의 안전성을 진단하거나 주기적인 측정을 통해 주변 수목의 성장속도 및 송전선로의 이도 변이를 추정하므로 송전선로 예방진단의 방법 등으로도 활용되도록 하였다. In addition, based on this, it is possible to measure the ear degree of the transmission line through an unmanned aerial vehicle from a long distance, thereby preventing the administrator who measures the ear degree of the transmission line from being exposed to danger, and also calculating the ear degree of the transmission line even in an extreme environment. In addition, since the safety of the transmission line is diagnosed or the growth rate of the surrounding trees and the variation of the islands of the transmission line are estimated through periodic measurement, it is also used as a method of transmission line prevention diagnosis.
이러한 송전선로는 지속적인 건전성 평가 및 유지 보수 작업이 수행되어야 한다. 즉, 송전선로는 추계학적 풍하중, 온도변화와 같은 다양한 환경 조건에 지속적으로 노출되기 때문에 시간이 경과함에 따라 열화가 진행된다. 열화의 대표적인 인자로 송전선로 강성저하가 존재하며, 강성저하에 기인한 과도한 이도 처짐은 주변 환경이 송전선로를 침해하는 사고를 발생 시킬 수 있다. Such transmission lines must be continuously evaluated for soundness and maintained. That is, since the transmission line is continuously exposed to various environmental conditions such as stochastic wind load and temperature change, deterioration proceeds as time passes. As a representative factor of deterioration, there is a decrease in the stiffness of the transmission line, and excessive ear canal deflection due to the decrease in stiffness can cause an accident in which the surrounding environment infringes on the transmission line.
한편, 환경침해는 송전선의 파손 또는 단락을 유발하여, 정전과 같은 다양한 사고를 일으킬 수 있다. 현재 송전선로 환경침해를 진단하는 방법으로는 (1) 길이가 일정하고 절연이 되어있는 절연 봉을 이용하여 하단의 송전선로와 가장 인접한 주변 환경간의 거리를 측정하고 측정 거리를 기반으로 환경침해를 진단하는 방법, (2) 레이저 거리 측정기를 이용하여 측정 지점으로부터 하단의 송전선로까지의 거리와 각도 및 측정 지점으로부터 가장 인접한 주변 환경까지의 거리와 각도를 측정하고 삼각함수를 이용하여 송전선로와 주변 환경간의 거리를 계산하여 환경침해를 진단하는 방법이 존재한다. On the other hand, environmental infringement may cause damage or short circuit of power transmission lines, which can lead to various accidents such as power outages. The current method of diagnosing environmental violations of transmission lines is: (1) Using an insulating rod of constant length and insulated, the distance between the transmission line at the bottom and the nearest surrounding environment is measured, and the environmental violation is diagnosed based on the measured distance. Method, (2) Using a laser distance meter, measure the distance and angle from the measurement point to the transmission line at the bottom, and the distance and angle from the measurement point to the nearest surrounding environment, and use a trigonometric function to measure the transmission line and the surrounding environment. There is a method for diagnosing environmental infringement by calculating the distance between them.
하지만 절연봉을 이용한 환경침해 진단방법은 작업자가 송전선로에 직접 승탑하기 때문에 낙상, 감전 등 다양한 사고위험에 노출되는 단점이 존재하며, 레이저 거리 측정기를 이용하는 방법은 송전선로 1000 m 이내로 접근해야 측정가능하며, 레이저 거리측정기와 송전선로 사이에 장애물이 존재하는 경우 측정이 불가능한 단점이 존재한다. However, the method of diagnosing environmental violations using insulating rods has disadvantages of being exposed to various accident risks such as falls and electric shocks because the worker boards directly on the transmission line, and the method of using a laser range finder requires approaching within 1000 m of the transmission line to be measured. And, if there is an obstacle between the laser range finder and the transmission line, there is a disadvantage that it is impossible to measure.
또한 두 방법 모두 숙련된 작업자가 필요하며, 작업자의 경험에 의한 오차가 크기 때문에 모든 송전선로에 적용하기에는 한계가 존재하는 문제점이 있다. In addition, both methods require a skilled worker, and there is a problem in that it is limited to apply to all transmission lines because the error due to the experience of the worker is large.
본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 일 측면에 따른 본 발명의 목적은 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑(Mapping)하여 자동으로 송전선로의 이도를 추정한 결과로부터 송전선로와 근접한 환경정보를 인식하여 환경침해를 진단하는 송전선로의 환경침해 진단장치를 제공하는 것이다. The present invention has been conceived to improve the above problems, and an object of the present invention according to an aspect is to obtain 3D point cloud data using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor. Environmental violation of a transmission line that detects and diagnoses environmental violation by recognizing environmental information close to the transmission line from the result of automatically estimating the degree of difficulty of the transmission line by mapping the detected 3D point cloud data in real time with a signal processing technique. It is to provide a diagnostic device.
본 발명의 일 측면에 따른 송전선로의 환경침해 진단장치는, 라이다 점군 데이터에서 지면정보를 제거하고, 무인항공기 위치를 추정하기 위해 노이즈를 제거하는 전처리부; 상기 전처리부에서 처리된 데이터를 기반으로 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부; 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 상기 다운 샘플링부에서 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부; 이도 추정부에서 추정된 주변환경이 포함된 3차원 환경 점군 데이터를 좌표 변환하여 송전철탑과 송전선로를 제거하고, 검출된 송전선로의 이도와 열화상 카메라 정보를 이용하여 추정한 극한 환경 시 이도를 이용하여 환경평가를 수행하는 환경침해 진단부; 및 상기 환경침해 진단부에서 추정한 송전선로의 환경침해 결과와 광학 카메라 정보를 이용하여 주변 환경을 인식하여 운영기준에 따라 알람을 발생시키는 침해알람 발생부;를 포함하는 것을 특징으로 한다. An apparatus for diagnosing environmental violations of a transmission line according to an aspect of the present invention includes: a preprocessor for removing ground information from LIDAR point cloud data and removing noise to estimate a position of an unmanned aerial vehicle; A 3D point cloud data conversion unit for converting the Lada point cloud data measured in relative coordinates with respect to the position of the unmanned aerial vehicle based on the data processed by the preprocessor into 3D point cloud data in an absolute coordinate axis; A down-sampling unit generating a 3D point cloud map by down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit; An ear degree estimating unit for detecting a transmission line using the 3D point cloud data down-sampled by the down sampling unit and estimating an ear degree of the detected transmission line; The three-dimensional environment point cloud data including the surrounding environment estimated by the ear canal estimation unit is converted to coordinates to remove the transmission tower and the transmission line, and the ear canal in the extreme environment estimated by using the ear map and thermal imaging camera information of the detected transmission line. An environmental violation diagnosis unit that performs an environmental evaluation by using; And an infringement alarm generator for generating an alarm according to an operation standard by recognizing the surrounding environment by using the environmental infringement result of the transmission line estimated by the environmental infringement diagnosis unit and optical camera information.
본 발명에서 상기 전처리부는, 라이다 점군 데이터에서 송전선로 점군 데이터를 제외한 지면 정보를 제거하는 지면 제거부; 및 GPS 센서 중 고도 데이터의 노이즈를 감쇠하여 정확한 고도를 추정하기 위한 칼만필터부;를 포함하는 것을 특징으로 한다. In the present invention, the pre-processing unit includes: a ground removal unit for removing ground information except for the point group data of the transmission line from the LIDAR point group data; And a Kalman filter unit for attenuating noise of altitude data among GPS sensors and estimating accurate altitude.
본 발명에서 상기 지면 제거부는, 라이다 좌표축에서 3차원 점군 데이터를 입력받아 평면을 결정하는 평면 벡터를 기준으로 일정 각도만큼 평면의 자유도를 결정하는 임계값과, 검출된 평면과 수직한 거리를 결정한 후, 3차원 점군 데이터에서 임의의 점을 선택하여 평면을 만들고, 평면과 수직한 거리로 만들어진 공간에 포함된 점군 데이터의 개수를 계산하여 공간에 존재하는 점군 데이터의 개수가 가장 큰 평면을 지면 정보로 추정한 후 3차원 점군 데이터에서 제거하는 것을 특징으로 한다. In the present invention, the ground removal unit receives three-dimensional point cloud data from the LIDAR coordinate axis and determines a threshold value for determining a degree of freedom of a plane by a predetermined angle based on a plane vector for determining a plane, and a distance perpendicular to the detected plane. After that, select a random point from the 3D point cloud data to create a plane, calculate the number of point cloud data contained in the space created at a distance perpendicular to the plane, and determine the plane with the largest number of point cloud data in the space. It is characterized in that it is estimated and removed from the 3D point cloud data.
본 발명에서 상기 칼만필터부는, 무인항공기의 고도 데이터와 오차공분산을 예측하고, 예측한 정보와 입력된 고도 데이터를 이용하여 칼만필터 게인, 무인항공기의 고도와 오차공분산을 업데이트하는 과정을 반복하는 것을 특징으로 한다. In the present invention, the Kalman filter unit predicts the altitude data and error covariance of the unmanned aerial vehicle, and repeats the process of updating the Kalman filter gain and the altitude and error covariance of the unmanned aerial vehicle using the predicted information and input altitude data. It is characterized.
본 발명에서 상기 3차원 점군 데이터 변환부는, 라이다 점군 데이터에 무인항공기의 절대위치 및 자세정보를 적용하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 한다. In the present invention, the 3D point cloud data conversion unit is characterized in that converting the LIDAR point cloud data into 3D point cloud data by applying the absolute position and attitude information of the unmanned aerial vehicle to the LIDAR point cloud data.
본 발명에서 상기 다운 샘플링부는, 상기 3차원 점군 데이터 변환부에 의해 변환된 절대좌표축에서의 3차원 점군 데이터를 확률론적 다운-샘플링 기법으로 다운-샘플링하여 3차원 점군 맵을 생성하는 것을 특징으로 한다. In the present invention, the down-sampling unit generates a 3D point cloud map by down-sampling the 3D point cloud data on the absolute coordinate axis converted by the 3D point cloud data conversion unit by a probabilistic down-sampling technique. .
본 발명에서 상기 이도 추정부는, 상기 다운 샘플링부에 의해 다운 샘플링된 3차원 점군 데이터에서 주변환경 데이터를 제거하는 주변환경 제거부; 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 이용하여 송전선로가 존재하는 위치를 인지하는 송전선로 인지부; 상기 송전선로 인지부에 의해 인지된 송전선로 이외의 데이터를 제거하여 송전선로 점군 데이터를 검출하는 송전선로 점군 데이터 검출부; 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 개별 송전선로 또는 현수선의 처짐 정도를 검출하는 개별 송전선로 검출부; 및 상기 개별 송전선로 검출부에 의해 검출된 개별 송전선로의 이도를 검출하는 이도 검출부를 포함하는 것을 특징으로 한다. In the present invention, the ear canal estimating unit includes: an ambient environment removing unit for removing ambient environment data from the 3D point cloud data down-sampled by the down-sampling unit; A transmission line recognition unit for recognizing a location of a transmission line by using 3D point cloud data on the transmission line detected by the surrounding environment removal unit; A transmission line point group data detection unit for detecting transmission line point group data by removing data other than the transmission line recognized by the transmission line recognition unit; An individual transmission line detection unit for detecting a degree of deflection of an individual transmission line or catenary line from the transmission line point group data detected by the transmission line point group data detection unit; And an ear canal detection unit for detecting an ear canal of the individual power transmission line detected by the individual transmission line detection unit.
본 발명에서 상기 주변환경 제거부는, 상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터에서 송전선로 및 송전철탑으로부터 설정거리 이내의 점군 데이터들을 군집으로 분류하여 송전선로와 송전철탑으로부터 주변 환경 데이터를 분리하는 것을 특징으로 한다. In the present invention, the surrounding environment removal unit classifies point group data within a set distance from a transmission line and a transmission tower from the down-sampled 3D point cloud data by the down-sampling unit into clusters, and the surrounding environment data from the transmission line and the transmission tower. It is characterized in that to separate.
본 발명에서 상기 송전선로 인지부는, 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 지표면과 수평평면으로 정사영하여 송전선로가 존재하는 위치를 인지하는 것을 특징으로 한다. In the present invention, the transmission line recognition unit is characterized in that it recognizes the location of the transmission line by orthogonally projecting the three-dimensional point cloud data of the transmission line detected by the surrounding environment removal unit to the ground surface and the horizontal plane.
본 발명에서 상기 송전선로 점군 데이터 검출부는, 상기 송전선로 인지부에 의해 검출된 3차원 점군 데이터를 이용하여 송전선로-고도평면에서 선정된 경간을 제외한 점군 데이터를 제거하여 송전선로 점군 데이터를 추출하는 것을 특징으로 한다. In the present invention, the transmission line point group data detection unit extracts the transmission line point group data by removing point group data excluding a span selected from the transmission line-elevation plane using the three-dimensional point group data detected by the transmission line recognition unit. It is characterized by that.
본 발명에서 상기 개별 송전선로 검출부는, 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터를 이용하여 송전선로-고도평면에서 개별 송전선로를 검출하고 현수선의 처짐 정도를 추정하는 것을 특징으로 한다. In the present invention, the individual transmission line detection unit is characterized in that, using the transmission line point group data detected by the transmission line point group data detection unit, the individual transmission line is detected on the transmission line-elevation plane, and the degree of deflection of the catenary line is estimated. .
본 발명에서 상기 개별 송전선로 검출부는, 검출된 개별 송전선로의 교점들의 평균점을 이용하여 송전철탑의 위치를 재추정하는 것을 특징으로 한다. In the present invention, the individual transmission line detection unit is characterized in that the position of the transmission tower is reestimated by using the average point of the detected intersections of the individual transmission lines.
본 발명에서 상기 이도 검출부는, 상기 개별 송전선로 검출부에서 검출한 개별 송전선로와 재 검출한 송전철탑 간의 거리인 경간거리를 기반으로 측정 시 개별 송전선로의 이도와, 송전선로의 온도를 이용하여 극한 환경 시 송전선로의 이도를 검출하는 것을 특징으로 한다. In the present invention, when measuring based on a span distance, which is a distance between an individual transmission line detected by the individual transmission line detection unit and a re-detected transmission tower, an extreme limit using the angle of the individual transmission line and the temperature of the transmission line. It is characterized by detecting the ear canal of the transmission line in the environment.
본 발명에서 환경침해 진단부는, 상기 다운 샘플링부에서 생성한 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터를 이도 추정부에서 검출한 지표면과 수평평면에서의 송전선로 정보를 포함한 직선의 방정식을 이용하여 송전선로-고도 평면으로 좌표 변환하는 점군 데이터 좌표 변환부; 상기 이도 추정부에서 재 검출된 송전철탑 정보를 이용하여 3차원 점군 데이터의 송전철탑을 제거하는 송전철탑 제거부; 상기 이도 추정부에서 검출된 송전선로 정보를 이용하여 점군 데이터 좌표 변환부에서 변환된 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로를 제거하는 송전선로 제거부; 및 상기 이도 추정부에서 추정한 송전선로의 이도와 송전선로 정보가 제거된 주변 환경정보의 3차원 점군 데이터를 기반으로 송전선로의 환경침해를 평가하는 환경평가부;를 포함하는 것을 특징으로 한다. In the present invention, the environmental violation diagnosis unit uses an equation of a straight line including information on a transmission line in a horizontal plane and a ground surface detected by an island estimating unit for three-dimensional point cloud data including information on a transmission line and surrounding environment generated by the down-sampling unit. A point group data coordinate conversion unit for converting coordinates into a transmission line-altitude plane; A transmission tower removal unit that removes the transmission tower of 3D point cloud data using the transmission tower information re-detected by the island road estimation unit; A transmission line removal unit for removing a transmission line of three-dimensional point cloud data including the transmission line and surrounding environment information converted by the point cloud data coordinate conversion unit by using the transmission line information detected by the island estimating unit; And an environmental evaluation unit for evaluating the environmental invasion of the transmission line based on the three-dimensional point group data of the direction of the transmission line and the surrounding environment information from which the transmission line information has been removed, as estimated by the island estimating unit.
본 발명에서 상기 점군 데이터 좌표 변환부는, 직선 방정식의 기울기 및 편향 정보를 이용하여 송전선로-고도 평면으로 좌표를 변환하는 것을 특징으로 한다. In the present invention, the point group data coordinate conversion unit is characterized in that the coordinates are converted into a transmission line-altitude plane using slope and deflection information of a linear equation.
본 발명에서 상기 송전철탑 제거부는, 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터가 포함된 집합의 하나의 부분집합과 상기 이도 추정부에서 검출한 송전철탑 위치의 집합을 입력받아 송전철탑의 위치를 중심으로 철탑의 높이 및 반지름을 선정하여 원기둥을 만든 후 원기둥 내에 있는 점군 데이터를 제거하면서 송전철탑의 위치를 송전철탑 위치의 집합에서 제거하는 것을 특징으로 한다. In the present invention, the transmission tower removal unit receives a subset of a set including three-dimensional point cloud data including transmission line and surrounding environment information and a set of transmission tower locations detected by the island road estimation unit to determine the location of the transmission tower. It is characterized in that a cylinder is created by selecting the height and radius of the pylon as the center, and then the location of the transmission tower is removed from the set of the location of the transmission tower while removing point cloud data in the cylinder.
본 발명에서 상기 송전선로 제거부는, 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터와 상기 이도 추정부에서 검출한 2차 방정식 송전선로의 집합을 입력받아, 송전선로의 집합의 부분집합과 송전선로와 수직한 거리를 결정한 후 3차원 점군 데이터를 부분집합의 2차 방정식에 대입하여 산출한 수직위치와 3차원 점군 데이터의 수직위치의 차이 절대값이 결정한 송전선로와 수직한 거리보다 작은 점들을 제거하는 것을 특징으로 한다. In the present invention, the transmission line removal unit receives three-dimensional point cloud data including transmission line and surrounding environment information and a set of quadratic equation transmission lines detected by the island road estimation unit, and a subset of the set of transmission lines and a transmission line After determining the vertical distance, the difference between the vertical position calculated by substituting the 3D point cloud data into the quadratic equation of the subset and the vertical position of the 3D point cloud data is removed. It is characterized by that.
본 발명에서 상기 환경평가부는, 주변 환경정보를 포함한 3차원 점군 데이터와 상기 이도 추정부에서 검출한 2차 방정식 송전선로의 집합과 송전선로의 사용전압을 입력받아 사용전압에 따른 오프셋(offset)을 결정하고, 송전선로의 집합의 부분집합 qn 중 하단 송전선로를 선정하고 송전선로-고도 평면에서 송전선로의 양 끝점을 지나는 직선의 방정식의 기울기와 편향을 이용하여 3차원 점군 데이터의 모든 데이터를 송전선로 환경침해 평가 평면으로 좌표 변환한 후, 송전선로의 양 끝점의 xI좌표를 N개로 나누고, 높이가 
본 발명에서 상기 침해알람 발생부는, 상기 환경침해 진단부에서 검출한 환경침해 점군 데이터, GPS 데이터 및 광학 카메라 데이터를 입력받아 환경침해 점군데이터와 가장 근접한 GPS의 좌표를 찾고, GPS 좌표에서 촬영한 광학 카메라 데이터를 객체인식 심층학습 기법을 사용하여 송전선로 주변 환경을 지장수목과 건조물로 분류하여 환경침해 점군 데이터에 따라 알람을 발생시키는 것을 특징으로 한다. In the present invention, the infringement alarm generator receives the environmental infringement point group data, GPS data, and optical camera data detected by the environmental infringement diagnostic unit, finds the coordinates of the GPS closest to the environmental infringement point group data, and takes an optical image taken from the GPS coordinates. It is characterized by generating an alarm according to the point cloud data of environmental infringement by classifying the environment around the transmission line into obstructed trees and buildings by using the object recognition deep learning technique for camera data.
본 발명에서 상기 침해알람 발생부는, 송전선로 주변 환경이 지장수목이고 환경침해 점군 데이터가 지장수목 환경침해 조건에서 검출된 환경침해 점군 데이터인 경우 알람을 발생시키고, 환경침해 점군 데이터가 지장수목 환경침해 조건이 아닌 경우 환경침해 점군 데이터를 삭제하는 것을 특징으로 한다. In the present invention, the infringement alarm generator generates an alarm when the environment around the transmission line is a disturbing tree and the environmental infringement point cloud data is environmental infringement point cloud data detected in the environmental infringement condition of the environmental infringement tree, and the environmental infringement point cloud data is environmental infringement in the affected tree. It is characterized in that the point cloud data of environmental infringement is deleted if the condition is not.
본 발명에서 상기 침해알람 발생부는, 송전선로 주변 환경이 건조물이고 환경침해 점군 데이터가 건조물 환경침해 조건에서 검출된 환경침해 점군 데이터인 경우 알람을 발생시키고, 환경침해 점군 데이터가 건조물 환경침해 조건이 아닌 경우 환경침해 점군 데이터를 삭제하는 것을 특징으로 한다. In the present invention, the infringement alarm generator generates an alarm when the environment around the transmission line is a building and the environmental infringement point group data is the environmental infringement point group data detected in the environmental intrusion condition of the building, and the environmental infringement point group data is not a building environmental infringement condition. In case of infringement of the environment, point cloud data is deleted.
본 발명의 일 측면에 따른 송전선로의 환경침해 진단장치 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑(Mapping)하여 자동으로 송전선로의 이도를 추정한 결과로부터 송전선로와 근접한 환경정보를 인식하여 환경침해를 진단할 수 있어, 환경침해가 의심되는 송전선로에 접근하지 않고 가공송전운영업무기준에 명시되어있는 극한 환경 시의 이도와 송전선로와 주변 환경간의 이격거리를 정확하게 측정할 수 있고 진단할 수 있다. Detecting 3D point cloud data using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor, a diagnostic device for environmental violation of a transmission line according to an aspect of the present invention, and using the detected 3D point cloud data It is possible to diagnose environmental infringement by recognizing the environmental information close to the transmission line from the result of automatically estimating the direction of the transmission line by mapping in real time with a signal processing technique, and processing without accessing the transmission line that is suspected of environmental infringement. It is possible to accurately measure and diagnose the distance between the island and the transmission line and the surrounding environment in extreme environments specified in the transmission operation business standards.
도 1은 본 발명의 일 실시예에 따른 송전선로의 환경침해 진단장치를 나타낸 블록구성도이다.
도 2는 본 발명의 일 실시예에 따른 지면제거 알고리즘을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 지면제거 알고리즘의 적용예를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 1차 선형 칼만필터를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 1차 선형 칼만필터가 적용된 데이터이다.
도 6은 본 발명의 일 실시예에 따른 지표면과 수평평면에서 송전선로 점군 데이터로부터 송전선로의 추출 예이다.
도 7은 본 발명의 일 실시예에 따른 송전선로와 고도평면에서 송전선로 점군 데이터로부터 송전선로와 송전철탑의 추출 예이다.
도 8은 본 발명의 일 실시예에 따른 송전선로와 고도평면에서 송전선로 점군 데이터로부터 송전철탑의 추출 예이다.
도 9는 본 발명의 일 실시예에 따른 송전선로와 고도평면에서 송전철탑의 오차를 나타낸 도면이다.
도10은 본 발명의 일 실시예에 따른 송전철탑 재 추정 알고리즘을 나타낸 도면이다.
도11은 본 발명의 일 실시예에 따른 송전철탑 재 추정 알고리즘의 적용 예를 나타낸 도면이다.
도 12는 본 발명의 일 실시예에 따라 재 검출한 송전철탑의 위치를 이용한 이도 추정결과를 나타낸 데이터이다.
도 13은 본 발명의 일 실시예에 따라 재 검출한 송전철탑의 위치를 이용한 이도 오차를 나타낸 데이터이다.
도 14는 본 발명의 일 실시예에서 적용하기 위한 가공송전운영업무기준에 의한 특고압 가공전선과 식물의 이격거리를 나타낸 테이블이다.
도 15는 본 발명의 일 실시예에서 적용하기 위한 가공송전운영업무기준에 의한 전선종류에 따른 극한 환경 시 송전선로의 온도를 나타낸 테이블이다.
도 16은 본 발명의 일 실시예에서 적용하기 위한 가공송전운영업무기준에 의한 사용전압에 따른 지장수목 및 건조물의 이격거리를 나타낸 테이블이다.
도 17은 본 발명의 일 실시예에서 적용하기 위한 가공송전운영업무기준에 의한 지장수목 및 건조물에 따른 극한 환경 시 적용온도를 나타낸 테이블이다.
도 18은 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 점군 데이터를 나타낸 도면이다.
도 19는 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 추출결과를 나타낸 도면이다.
도 20은 본 발명의 일 실시예에 따른 송전선로-고도평면에서의 송전선로 및 송전철탑의 점군 데이터를 나타낸 도면이다.
도 21은 본 발명의 일 실시예에 따른 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 좌표 변환 알고리즘을 나타낸 도면이다.
도 22는 본 발명의 일 실시예에 따른 지표면과 수평평면에서 도 21의 좌표변환 알고리즘의 적용결과를 나타낸 도면이다.
도 23은 본 발명의 일 실시예에 따른 송전선로와 고도평면에서 도 21의 좌표변환 알고리즘의 적용결과를 나타낸 도면이다.
도 24는 본 발명의 일 실시예에 따른 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전철탑 제거 알고리즘을 나타낸 도면이다.
도 25는 본 발명의 일 실시예에 따른 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전철탑 제거 알고리즘의 적용결과를 나타낸 도면이다.
도 26은 본 발명의 일 실시예에 따른 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로 제거 알고리즘을 나타낸 도면이다.
도 27은 본 발명의 일 실시예에 따른 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로 제거 알고리즘의 적용결과를 나타낸 도면이다.
도 28은 본 발명의 일 실시예에 따른 송전선로 환경침해 추정 알고리즘을 나타낸 도면이다.
도 29는 본 발명의 일 실시예에 따른 측정 시 송전선로 환경침해 추정 알고리즘의 적용결과를 나타낸 도면이다.
도 30은 본 발명의 일 실시예에 따른 극한환경 시 송전선로 환경침해 추정 알고리즘의 적용결과를 나타낸 도면이다.
도 31은 본 발명의 일 실시예에 따른 측정시 송전선로 환경침해 알람 발생 알고리즘을 나타낸 도면이다.
도 32는 본 발명의 일 실시예에 따른 측정시 송전선로 환경침해 알람 밸생 알고리즘의 적용결과를 나타낸 도면이다.
도 33은 본 발명의 일 실시예에 따른 극한환경 시 송전선로 환경침해 추정 알고리즘을 나타낸 도면이다.
도 34는 본 발명의 일 실시예에 따른 극한환경 시 송전선로 환경침해 추정 알고리즘의 적용결과를 나타낸 도면이다. 1 is a block diagram showing an apparatus for diagnosing environmental violations of a transmission line according to an embodiment of the present invention.
2 is a diagram showing a ground removal algorithm according to an embodiment of the present invention.
3 is a diagram showing an application example of a ground removal algorithm according to an embodiment of the present invention.
4 is a diagram showing a first-order linear Kalman filter according to an embodiment of the present invention.
5 is data to which a first-order linear Kalman filter is applied according to an embodiment of the present invention.
6 is an example of extraction of a transmission line from point group data of a transmission line in a ground surface and a horizontal plane according to an embodiment of the present invention.
7 is an example of extraction of a transmission line and a transmission tower from point group data of a transmission line in an elevation plane and a transmission line according to an embodiment of the present invention.
8 is an example of extraction of a transmission tower from point group data of a transmission line and a transmission line in an elevation plane according to an embodiment of the present invention.
9 is a view showing an error of a transmission line and a transmission tower in an elevation plane according to an embodiment of the present invention.
10 is a diagram showing an algorithm for estimating a transmission tower according to an embodiment of the present invention.
11 is a diagram showing an example of application of an algorithm for estimating a transmission line according to an embodiment of the present invention.
12 is data showing a result of estimating the ear canal using the position of the transmission tower re-detected according to an embodiment of the present invention.
13 is data showing an ear canal error using a position of a transmission tower re-detected according to an embodiment of the present invention.
14 is a table showing the separation distance between the extra-high voltage overhead wire and the plant according to the overhead transmission operation standard for application in an embodiment of the present invention.
15 is a table showing the temperature of a transmission line in an extreme environment according to the type of wire according to the overhead transmission operation standard for application in an embodiment of the present invention.
16 is a table showing the separation distance of obstacle trees and buildings according to the voltage used according to the overhead transmission operation standard for application in an embodiment of the present invention.
17 is a table showing the applied temperature in an extreme environment according to the obstacle trees and buildings according to the overhead transmission operation standard for application in an embodiment of the present invention.
18 is a diagram showing point group data of a transmission line on a ground surface and a horizontal plane according to an embodiment of the present invention.
19 is a view showing a result of extracting a transmission line in a ground surface and a horizontal plane according to an embodiment of the present invention.
20 is a view showing point group data of a transmission line and a transmission tower in a transmission line-elevation plane according to an embodiment of the present invention.
21 is a diagram illustrating a coordinate conversion algorithm of 3D point cloud data including information on a transmission line and surrounding environment according to an embodiment of the present invention.
22 is a diagram showing the result of application of the coordinate transformation algorithm of FIG. 21 on a ground surface and a horizontal plane according to an embodiment of the present invention.
FIG. 23 is a diagram showing a result of applying the coordinate transformation algorithm of FIG. 21 on a transmission line and an elevation plane according to an embodiment of the present invention.
24 is a diagram illustrating an algorithm for removing a transmission tower of 3D point cloud data including information on a transmission line and surrounding environment according to an embodiment of the present invention.
FIG. 25 is a diagram showing a result of applying a transmission tower removal algorithm for 3D point cloud data including information on a transmission line and surrounding environment according to an embodiment of the present invention.
26 is a diagram illustrating a transmission line removal algorithm of 3D point cloud data including information on a transmission line and surrounding environment according to an embodiment of the present invention.
FIG. 27 is a diagram illustrating a result of applying a transmission line removal algorithm for 3D point cloud data including information on a transmission line and surrounding environment according to an embodiment of the present invention.
28 is a diagram showing an algorithm for estimating environmental intrusion of a transmission line according to an embodiment of the present invention.
29 is a view showing the application result of an algorithm for estimating environmental infringement of a transmission line during measurement according to an embodiment of the present invention.
30 is a view showing the application result of an algorithm for estimating environmental infringement of a transmission line in an extreme environment according to an embodiment of the present invention.
31 is a diagram showing an algorithm for generating an environmental violation alarm in a transmission line during measurement according to an embodiment of the present invention.
FIG. 32 is a diagram showing a result of application of an alarm balance algorithm for environmental infringement of a transmission line during measurement according to an embodiment of the present invention.
33 is a diagram showing an algorithm for estimating environmental intrusion of a transmission line in an extreme environment according to an embodiment of the present invention.
34 is a view showing the application result of an algorithm for estimating environmental infringement of a transmission line in an extreme environment according to an embodiment of the present invention.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 송전선로의 환경침해 진단장치를 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.Hereinafter, an apparatus for diagnosing environmental violations of a transmission line according to the present invention will be described with reference to the accompanying drawings. In this process, the thickness of the lines or the size of components shown in the drawings may be exaggerated for clarity and convenience of description. In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of users or operators. Therefore, definitions of these terms should be made based on the contents throughout the present specification.
도 1은 본 발명의 일 실시예에 따른 송전선로의 환경침해 진단장치를 나타낸 블록 구성도이다. 1 is a block diagram showing an apparatus for diagnosing environmental violations of a transmission line according to an embodiment of the present invention.
도 1에 도시된 바와 같이 본 발명의 일 실시예에 따른 송전선로의 환경침해 진단장치는, 센싱부(10), 전처리부(20), 3차원 점군 데이터 변환부(30), 다운 샘플링부(40), 이도 추정부(50), 환경침해 진단부(60) 및 침해알람 발생부(70)를 포함할 수 있다. As shown in FIG. 1, the apparatus for diagnosing environmental violation of a transmission line according to an embodiment of the present invention includes a
본 실시예에서는 본 출원인이 이전 출원한 "송전선로 이도 추정 장치"(특허출원 10-2018-0139849호, 2018.11.14. 출원)와 동일한 구성에 대해서는 간략하게 설명하고 자세한 설명은 생략하였다. In this embodiment, the same configuration as the "transmission line path estimation apparatus" previously filed by the present applicant (patent application 10-2018-0139849, applied on November 14, 2018) will be briefly described, and detailed descriptions will be omitted.
센싱부(10)는 라이다 센서(11), GPS(Ground Positioning System) 센서(12) IMU(Inertia Measurement Unit) 센서(13), 광학 카메라(14) 및 열화상 카메라(15)를 포함한다. The
라이다 센서(11)는 무인항공기에 설치되어 무인항공기의 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 측정한다.The
GPS 센서(12)는 무인항공기의 절대 위치를 측정한다.The
IMU 센서(13)는 무인항공기의 자세를 측정한다. The
광학 카메라(14)는 무인항공기의 주변환경을 측정한 측정영상을 기반으로 심층학습 기법을 이용하여 주변환경을 분류할 수 있도록 한다. The
열화상 카메라(15)는 송전선로의 온도를 측정하여 극한 환경에서의 송전선로 이도를 추정하도록 할 수 있다. The
전처리부(20)는 라이다 점군 데이터에서 지면정보를 제거하고, 무인항공기 정확한 위치를 추정하기 위해 노이즈를 제거하여 정확한 고도를 추정할 수 있도록 한다. The preprocessing
여기서 전처리부(20)는 지면제거부(21) 및 칼만필터부(22)를 포함할 수 있다. Here, the
지면제거부(21)는 라이다 측정 데이터에서 송전선로 정보를 제외한 주변 환경 3차원 점군 데이터를 제거할 수 있다. The
무인항공기-라이다 플랫폼을 이용하여 송전선로 주변을 비행하면 크게 송전철탑, 송전선, 주변 환경 3차원 점군 데이터가 측정된다. 측정된 모든 3차원 점군 데이터를 이용하여 확률론적 다운 샘플링(down-sampling) 기법을 적용하면 연산처리 및 저장장치의 부하가 증가하기 때문에, 연산장치의 부하를 낮추기 위해 화소(Voxel)의 크기가 커지게 된다. When flying around the transmission line using the UAV-LIDAR platform, three-dimensional point cloud data of the transmission tower, the transmission line, and the surrounding environment are largely measured. If the probabilistic down-sampling technique is applied using all the measured 3D point cloud data, the load on the processing and storage device increases, so the size of the pixel (Voxel) is large to reduce the load on the computing device. You lose.
즉, 무인항공기는 무게와 운전시간이 반비례하기 때문에, 고성능 연산장치 사용 시 무게가 증가하는 단점이 존재하며, 연산장치 성능을 고정시키는 경우 한 번에 처리 가능한 데이터양과 화소 크기는 반비례 한다. In other words, since the weight of the unmanned aerial vehicle is inversely proportional to the operating time, there is a disadvantage in that the weight increases when using a high-performance computing device. When the computing device performance is fixed, the amount of data that can be processed at a time and the pixel size are inversely proportional.
따라서, 선제적으로 송전선로 주변 환경정보를 제거하면 다운 샘플링의 입력 데이터의 개수가 감소하여 연산처리 및 저장장치의 부하를 감소시키면서 해상도를 향상시킬 수 있다. 화소의 크기가 커지면 실제 송전선의 지름보다 더 크게 나타날 수 있고 실제 송전선과 다른 형태의 3차원 점군 데이터는 정확한 이도를 추정하기 어렵다. 따라서 화소의 크기는 이도 추정의 정확도를 결정하는 중요한 요소가 된다. Accordingly, if environmental information around the transmission line is removed preemptively, the number of down-sampling input data is reduced, thereby reducing the load on the operation processing and storage device, and improving the resolution. When the size of the pixel increases, it may appear larger than the diameter of the actual transmission line, and it is difficult to estimate an accurate ear degree for 3D point cloud data in a form different from that of the actual transmission line. Therefore, the size of the pixel becomes an important factor in determining the accuracy of ear canal estimation.
도 2는 본 발명의 일 실시예에 따른 지면제거 알고리즘을 나타낸 도면이고, 도 3은 본 발명의 일 실시예에 따른 지면제거 알고리즘의 적용예를 나타낸 도면이다. 2 is a diagram showing a ground removal algorithm according to an embodiment of the present invention, and FIG. 3 is a diagram showing an application example of the ground removal algorithm according to an embodiment of the present invention.
도 2에 도시된 바와 같이 지면제거 알고리즘은 라이다 좌표축에서 3차원 점군 데이터를 입력으로 받고 평면을 결정하는 평면 벡터 
이후, 라이다 좌표축에서의 3차원 점군 데이터에서 임의의 세 점을 선택하여 평면을 만들고, 평면과 수직한 거리 T로 만들어진 공간에 포함된 점군 데이터의 개수 Cm을 계산한다. 이 작업을 N번 반복하여 공간에 존재하는 점군 데이터의 개수 Cm의 값이 가장 큰 평면을 지면 정보로 추정하고 기존 점군 데이터에서 제거한다. Thereafter, a plane is created by selecting arbitrary three points from the 3D point cloud data on the LIDAR coordinate axis, and the number of point cloud data C m included in the space created by the distance T perpendicular to the plane is calculated. By repeating this operation N times, the plane with the largest value C m of point cloud data in the space is estimated as ground information and removed from the existing point cloud data.
본 실시예의 지면제거 알고리즘에서는 변수 
즉, 도 3의 (a)에 도시된 라이다 좌표축에서 송전철탑 및 주변 환경정보를 포함한 3차원 점군 데이터에서 지면제거 알고리즘을 적용할 경우 도 3의 (b)에 도시된 바와 같이 주변 환경정보가 제거된 송전철탑 3차원 점군 데이터를 얻을 수 있다. That is, when the ground removal algorithm is applied from the three-dimensional point cloud data including the transmission tower and the surrounding environment information in the LIDAR coordinate axis shown in FIG. 3(a), the surrounding environment information is displayed as shown in FIG. 3(b). Removed
또한, 칼만필터부(22)는 GPS 센서(12)로부터 입력된 무인항공기의 GPS 정보 중 하나인 고도 데이터의 노이즈를 감쇠하여 정확한 고도를 추정하도록 할 수 있다. In addition, the
즉, 무인항공기-라이다 플랫폼은 A3 비행 컨트롤러를 사용하며 A3 비행 컨트롤러의 매뉴얼에 따르면 고도 오차가 ±1.5m 이다. 3차원 점군 데이터를 절대 좌표축으로 변환하는 과정에서 고도 데이터의 오차가 크면 송전선로 3차원 점군 데이터의 오차도 커지므로 무인항공기의 고도 데이터에 1차 선형 칼만필터를 적용하여 측정 오차를 감쇠할 수 있다. In other words, the UAV-LIDAR platform uses the A3 flight controller, and according to the manual of the A3 flight controller, the altitude error is ±1.5m. In the process of converting the 3D point cloud data to the absolute coordinate axis, if the error of the altitude data is large, the error of the 3D point cloud data of the transmission line also increases.Therefore, a first-order linear Kalman filter can be applied to the altitude data of the unmanned aerial vehicle to attenuate the measurement error. .
도 4는 본 발명의 일 실시예에 따른 1차 선형 칼만필터를 나타낸 도면이고, 도 5는 본 발명의 일 실시예에 따른 1차 선형 칼만필터가 적용된 데이터이다. 4 is a diagram showing a first-order linear Kalman filter according to an embodiment of the present invention, and FIG. 5 is data to which a first-order linear Kalman filter is applied according to an embodiment of the present invention.
도 4에 도시된 바와 같이 칼만필터부(22)는 먼저 GPS의 고도 데이터를 입력으로 받으며 초기 무인항공기의 고도인 
도 5는 본 실시에에 따른 1차 선형 칼만필터를 적용한 데이터이며, 3가지 오차공분산을 사용하는 경우를 비교 분석하였다. 여기서 3가지 경우는 '경우 1: Q=0.01, R=1000, 경우 2: Q=0.1, R=100, 경우 3: Q=0.1, R=1000'이다. 5 is data to which a first-order linear Kalman filter according to the present embodiment is applied, and a case of using three error covariances is compared and analyzed. Here, three cases are'case 1: Q=0.01, R=1000, case 2: Q=0.1, R=100, case 3: Q=0.1, R=1000'.
먼저, 도5의 (a)는 실제 점검시 무인항공기의 고도 데이터 및 3가지 경우의 칼만필터가 적용된 데이터이고, (b)는 이륙 시 무인항공기의 고도 변화를 나타낸 데이터로써, '경우 1'은 실제 무인항공기의 실제 고도 데이터보다 과도한 지연이 발생하는 반면, '경우 2'는 (c)에서 관찰 가능한 바와 같이 수평으로 송전선로 점검 시 노이즈 제거가 잘 이루어지지 않는 것을 관찰할 수 있다. First, (a) of FIG. 5 is the altitude data of the unmanned aerial vehicle during the actual inspection and the data to which the Kalman filter is applied in three cases, and (b) is data showing the altitude change of the unmanned aerial vehicle during take-off, and'case 1'is While there is an excessive delay than the actual altitude data of an actual unmanned aerial vehicle, it can be observed that noise removal is not well performed when checking the transmission line horizontally in'Case 2'as observed in (c).
따라서 급격한 고도 변화 시 지연과 송전선로 점검을 위한 수평비행 시 노이즈 제거가 동시에 가능한 '경우 3'을 무인항공기-라이다 플랫폼에서 사용할 수 있다. Therefore,'Case 3', which allows delays in case of rapid altitude changes and noise removal during horizontal flight for inspection of transmission lines, can be used on the unmanned aerial vehicle-LIDAR platform.
여기서 칼만필터는 1차 선형이므로 A=1, H=1, 시스템의 오차공분산은 '경우 3'인 Q=0.1, R=1000으로 설정하였으며, 송전선로 점검 시 고도 변화가 크게 존재하지 않는 특성을 고려할 때 칼만필터 적용 및 적절한 오차공분산 Q값 및 R값을 선정할 경우 측정고도 오차를 감쇠시킬 수 있다. Here, since the Kalman filter is linear, A = 1, H = 1, and the error covariance of the system is set to Q = 0.1, R = 1000, which is'Case 3'. In consideration, the measurement altitude error can be attenuated by applying the Kalman filter and selecting the appropriate error covariance Q and R values.
3차원 점군 데이터 변환부(30)는 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 무인항공기에 장착된 GPS 센서(12) 및 IMU 센서(13)에서 각각 측정되는 무인항공기 절대 위치 및 자세 정보를 혼합하여 절대 좌표축에서의 3차원 점군 데이터로 변환할 수 있다. The three-dimensional point cloud
라이다 센서(11)에서 측정되는 3차원 점군 데이터는 라이다 센서(11)를 기준으로 측정되기 때문에, 라이다에 대하여 상대 좌표인 3차원 점군 데이터를 GPS 센서(12) 및 IMU 센서(13) 데이터와 혼합하여 절대좌표계에서의 3차원 점군 데이터로 변환한다. Since the 3D point cloud data measured by the
다운 샘플링부(40)는 3차원 점군 데이터 변환부(30)에서 산출된 절대좌표축에서의 3차원 라이다 점군 데이터를 확률론적 다운-샘플링(down-sampling) 기법을 적용하여 실시간으로 3차원 점군 맵을 제작하고, 송전선로가 포함된 설정 거리 이하 데이터를 실시간으로 추출하여 이도 추정을 위한 3차원 점군 데이터를 생성한다. The down-
라이다 센서(11)에서 측정되는 데이터는 초당 수 MB로 방대하기 때문에 다운 샘플링부(40)는 확률론적 다운 샘플링 기법을 이용하여 정확도는 유지하며 연산 데이터를 감소시켜 연산장치 및 저장장치의 부하를 낮춘다. Since the data measured by the
또한, 다운 샘플링부(40)는 송전철탑, 송전선로 및 환경데이터를 포함한 모든 데이터를 확률론적 다운 샘플링 기법을 이용하여 3차원 점군 맵을 제작하는 반면, 지면에서 일정 거리 내에 존재하는 환경데이터는 제거한 후 3차원 점군 맵을 생성할 수 있다. In addition, the down-
이도 추정부(50)는 다운 샘플링부(40)에 의해 획득된 3차원 점군 데이터를 이용하여 개별 송전선로의 이도를 추정한다. The ear
여기서, 이도 추정부(50)는 주변환경 제거부(51), 송전선로 인지부(52), 송전선로 점군 데이터 검출부(53), 개별 송전선로 검출부(54) 및 이도 검출부(55)를 포함할 수 있다. Here, the
먼저, 주변환경 제거부(51)는 송전선로 및 송전철탑을 제외한 주변 환경을 제거할 수 있다. 전처리부(20)에서 지면제거 알고리즘을 적용하면 송전철탑, 송전선로 및 지면에서 일정거리 이격된 환경정보가 존재한다. 따라서, 주변 환경 데이터와 송전선로 및 송전철탑을 분류하기 위해 일정거리 내에 있는 점군 데이터들을 군집으로 분류하여 송전선로와 주변 환경을 분리 및 군집화 할 수 있다. First, the surrounding
송전선로 인지부(52)는 주변환경 제거부(51)에 의해 주변환경이 제거된 송전선로의 3차원 점군 데이터를 지표면과 수평 평면(도 6의 x0y0 평면)에서 송전선로를 인지할 수 있다. The transmission line recognition unit 52 recognizes the transmission line on the ground and horizontal planes (x 0 y 0 planes in Fig. 6) with 3D point cloud data of the transmission line from which the surrounding environment has been removed by the surrounding
송전선로는 중력에 의해 지표면으로 처지기 때문에 지표면과 수평 평면으로 정사영하게 되면 직선으로 나타나게 되고, 지표면과 수평 평면에서 직선을 검출하고 송전선로-고도 평면(도 6의 xTLz0 평면)으로 좌표를 변환할 수 있다. Since the transmission line sags to the ground surface by gravity, it appears as a straight line when projected orthogonally to the ground and horizontal planes, detects a straight line on the ground and horizontal planes, and coordinates the transmission line-altitude plane (x TL z 0 plane in Fig. 6). Can be converted.
송전선로 점군 데이터 검출부(53)는 송전선로 인지부(52)에 의해 검출된 송전선로 및 송전철탑 데이터를 기반으로 송전선로-고도 평면(도 6의 xTLz0 평면)에서 선정된 송전철탑을 제외한 점군 데이터를 제거한다. The transmission line point group
송전철탑은 기본적으로 직립하기 때문에 송전선로 점군 데이터에서 고도에 대하여 수평으로 존재하는 직선을 검출하고 검출된 송전철탑 사이의 경간들을 제외한 점군 데이터는 제거할 수 있다. Since the transmission tower is basically upright, it is possible to detect a straight line that exists horizontally with respect to the altitude from the point cloud data of a transmission line, and remove the point cloud data excluding the spans between the detected transmission towers.
개별 송전선로 검출부(54)는 송전선로 점군 데이터 검출부(53)에서 추출된 송전선로 점군 데이터를 이용하여 개별 송전선로를 검출할 수 있다. The individual transmission
도 7에 도시된 바와 같이 점군 데이터로부터 송전선로와 송전철탑을 추출한 후 도 8에 도시된 바와 같이 송전철탑을 제거하여 개별 송전선로를 추출할 수 있다. As shown in FIG. 7, after extracting the transmission line and the transmission tower from the point group data, as shown in FIG. 8, the individual transmission line may be extracted by removing the transmission tower.
송전선로 검출부(54)는 송전선로-고도 평면에서 개별 송전선로들을 검출하고 현수선의 변수를 추정할 수 있다. The transmission
즉, 송전선로 점군 데이터 검출부(53)에서 추출된 송전선로 점군데이터를 이용하여 개별 송전선로를 검출하고, 송전선로의 처짐은 일반적으로 현수선 방정식을 추종하고 현수선 방정식을 테일러급수를 이용하여 2차 항까지 근사하면 2차 방정식으로 표현이 가능하다. 따라서 송전선로-고도 평면에서 현수선 방정식 혹은 2차 방정식으로 개별 송전선을 검출하고 현수선의 변수를 추정할 수 있다. That is, the individual transmission line is detected using the transmission line point group data extracted from the transmission line point group
또한, 개별 송전선로 검출부(54)에서 검출된 개별 송전선로의 교점들의 평균점을 이용하여 송전철탑의 위치를 재추정할 수 있다. In addition, the position of the transmission tower may be reestimated by using the average point of intersections of individual transmission lines detected by the individual transmission
여기서 송전철탑의 재 추정 알고리즘은 송전철탑의 양팔이 선로와 수직하지 않는 경우 이도 추정 정확도를 향상시키기 위하여 개발하였다. Here, the re-estimation algorithm of the transmission tower was developed to improve the accuracy of estimating the ear canal when both arms of the transmission tower are not perpendicular to the track.
도 7에 도시된 바와 같이 송전선로 Pheonix사의 ALS(Aerial Lidar Scanner) 데이터는 송전선로-고도 평면에서 여러 개의 경간을 포함하고 있으며, 기존 송전철탑의 양팔은 좌우선 선로와 수직하게 설치하도록 되어있지만, 도 9와 같이 송전철탑의 양팔과 좌우선 선로가 수직하지 않고 지표면과 수평평면에서 송전철탑의 중심으로부터 조금 틀어진 형상을 가지고 있다. 즉, 도 9의 검은색 수직 직선은 송전선로 점군 데이터 검출부(53)에서 검출된 송전철탑의 위치이고 주황색 수직 파선은 실제 철탑의 위치이며 실제 송전철탑과 검출된 송전철탑의 거리차이가 있음을 확인할 수 있다. As shown in Figure 7, the transmission line Pheonix's ALS (Aerial Lidar Scanner) data includes several spans in the transmission line-altitude plane, and both arms of the existing transmission tower are to be installed perpendicular to the left and right lines, As shown in FIG. 9, both arms and left and right lines of the transmission tower are not vertical, but have a shape slightly distorted from the center of the transmission tower on the ground and horizontal planes. That is, the black vertical straight line in FIG. 9 is the position of the transmission tower detected by the point group
따라서 정확한 이도를 추정하기 위해서는 정확한 철탑의 위치를 찾아야하므로 도 10에 도시된 바와 같은 알고리즘을 통해 송전철탑 재추정할 수 있다. Therefore, in order to estimate an accurate island, it is necessary to find the exact location of the pylon, so that the transmission pylon can be re-estimated through the algorithm shown in FIG. 10.
먼저 i=1, j=1로 선정한다. 이후 개별 송전선로가 저장되어있는 Qc(i,j)와 Qc(i+1,j)의 두 선로를 선정한다. 이후, 두 개별 송전선로 사이에서 만나는 하나의 교점을 Tj로 두고 이를 n-1번 반복하고 Tj들의 평균 점 
이와 같은 송전선로-고도 평면에서 송전철탑을 재 추정하는 알고리즘을 적용할 경우 도 11과 같은 적용결과를 얻을 수 있다. When the algorithm for reestimating the transmission tower in the transmission line-altitude plane is applied, an application result as shown in FIG. 11 can be obtained.
또한, 도 12와 도 13은 이전 출원한 특허에서 1차 검출한 송전철탑과 본 실시예에서 재 검출한 송전철탑의 위치를 이용하여 이도를 추정한 결과에 대한 검증 데이터이다. In addition, FIGS. 12 and 13 are verification data for a result of estimating the island by using the location of the transmission tower that was first detected in the previously applied patent and the transmission tower that was re-detected in this embodiment.
도 12는 실제 철탑 위치, 1차 검출한 송전철탑의 위치를 이용시 및 재 검출한 송전철탑의 위치를 이용 시 산출되는 이도를 도시하였으며, 도 13은 실제 이도와의 오차를 비교한 값을 도시하였다. 여기서, 1차 검출한 송전철탑의 위치로 이도를 측정했을 때 오차는 평균 8.45 %이었으며 본 실시예에서 재 검출한 송전철탑의 위치로 이도를 측정했을 때 오차는 평균 4.50 %로 오차가 감소하여 이도 추정의 정확도를 향상시킨 것을 관찰 가능하다. FIG. 12 shows the actual location of the pylon, the ear map calculated when the location of the first detected power transmission tower is used, and when the location of the re-detected power transmission tower is used, and FIG. 13 shows a value comparing the error with the actual ear view. . Here, when the ear canal was measured with the location of the transmission tower that was detected first, the error was on average 8.45%, and when the ear canal was measured with the location of the transmission tower that was re-detected in this example, the error was reduced to an average of 4.50%. It can be observed that the accuracy of the estimation has been improved.
이도 검출부(55)는 송전선로 검출부(54)에서 추출한 개별 송전선로와 재 검출한 송전철탑 간의 거리인 경간거리를 기반으로 개별 송전선로의 이도와 송전선로의 온도를 이용하여 극한 환경에서의 송전선로의 이도를 추정할 수 있다. Based on the span distance, which is the distance between the individual transmission line extracted by the transmission
본 실시예에서는 무인항공기-라이다 플랫폼에 열화상 카메라(15)를 탑재하여 측정 시 송전선로의 온도를 측정하고 이를 이용하여 극한 환경 시 송전선로의 이도를 추정할 수 있다. In this embodiment, the
먼저, 극한 환경 시 송전선로의 이도는 수학식 1을 이용하여 산출할 수 있다.First, in an extreme environment, the degree of the transmission line can be calculated using
여기서, Ds는 극한환경 시 송전선로의 이도, Wc는 송전선의 자중, S는 경간거리, Ts는 극한환경 시 송전선로의 장력이며 Ts는 수학식 2를 이용하여 산출 가능하다.Here, D s is the angle of the transmission line in extreme environments, W c is the self-weight of the transmission line, S is the span distance, T s is the tension of the transmission line in extreme environments, and T s can be calculated using
여기서, A는 송전선로의 단면적, fs는 단위길이 당 송전선로의 장력이며 수학식 3을 이용하여 계산 가능하다.Here, A is the cross-sectional area of the transmission line, f s is the tension of the transmission line per unit length, and can be calculated using
여기서, E는 송전선로의 탄성계수(Young's Modulus), q는 측정 시 송전선로에 작용하는 부하계수, qs는 극한 환경 시 송전선로에 작용하는 부하계수, Dm은 측정 시 송전선로의 이도, α는 송전선로의 열팽창 계수, ts는 극한 환경 시 송전선로의 온도, tm은 측정 시 송전선로의 온도이다. 측정 시 부하계수 및 극한 환경 시 부하계수 q*는 수학식 4와 같다.Here, E is the Young's Modulus of the transmission line, q is the load factor acting on the transmission line during measurement, q s is the load factor acting on the transmission line in extreme environments, and D m is the ear degree of the transmission line during measurement, α is the coefficient of thermal expansion of the transmission line, t s is the temperature of the transmission line in extreme environments, and t m is the temperature of the transmission line during measurement. The load factor during measurement and the load factor q* in extreme environments are shown in
여기서, Wi는 피빙하중으로 겨울철 송전선로에 쌓인 눈이나 공기 중의 물방울이 냉각하여 송전선로에 착빙하면서 생기는 자중이며, Ww는 풍압하중으로 바람에 의한 자중이다. Wi, Ww는 각각 수학식 5와 수학식 6과 같다. Here, W i is the dead weight generated by ice on the transmission line by cooling the snow accumulated on the transmission line in winter or water droplets in the air as the pipe ice load, and W w is the self weight caused by wind as the wind pressure load. W i and W w are the same as
수학식 5에서 K는 송전선로에 착빙한 얼음의 두께, d는 송전선로의 지름이며 수학식 6에서 P는 송전선로에 작용하는 풍압이다. In
수학식 4, 5, 6을 수학식 3에 대입하여 산출한 3차 방정식 fs의 3개의 근을 구하고 가장 작은 실수 값을 fs로 한다. 수학식 3에서 산출한 3차 방정식이 세 개의 실근을 가질 경우 세 개의 실근 중 가장 작은 실근을 제외한 나머지 근을 fs로 사용하면 극한 환경 시 송전선로의 이도 값이 열화나 온도 변화만으로 나타날 수 없는 수치가 나오므로 가장 작은 실근을 fs로 사용한다. The three roots of the cubic equation f s calculated by substituting
또한 수학식 3에서 산출한 3차 방정식이 하나의 실근과 두 개의 허근을 가질 경우 송전선로의 이도는 실수의 값을 가지기 때문에 허근은 사용이 불가능하므로 하나의 실근을 fs로 사용한다. 따라서 산출 한 fs를 수학식 1과 2수학식 2에 대입하여 극한 환경 시 송전선로의 이도 Ds를 산출할 수 있다. In addition, if the cubic equation calculated in
또한, 송전선로의 자중 Wc, 단면적 A, 탄성계수 E, 열팽창계수 α, 지름 d는 설치된 송전선로의 사양으로 확인가능하며 측정 시 송전선로의 이도 Dm, 경간거리 S, 송전선로의 온도 tm는 무인항공기-라이다 플랫폼을 이용하여 산출할 수 있다.In addition, the self-weight W c of the transmission line, the cross-sectional area A, the elastic modulus E, the thermal expansion coefficient α, and the diameter d can be checked by the specifications of the installed transmission line.When measuring , the angle of the transmission line D m , the span distance S, the temperature of the transmission line t m can be calculated using the UAV-LIDAR platform.
무인항공기를 비행 할 경우 주변 풍속이 빠르면 무인항공기를 제어하는데 어려움이 있고 송전선로 주변을 비행하는 무인항공기-라이다 플랫폼은 빠른 풍속으로 인해 송전선로에 접촉될 수 있으므로 송전선로 주변 풍속이 빠를 시 점검을 지양한다. In the case of flying an unmanned aerial vehicle, if the surrounding wind speed is high, it is difficult to control the unmanned aerial vehicle, and the unmanned aerial vehicle-LIDAR platform flying around the transmission line may come into contact with the transmission line due to the high wind speed, so check when the wind speed around the transmission line is high. Avoid.
따라서 무인항공기-라이다 플랫폼은 송전선로 주변 풍속이 느릴 때 비행하므로 측정 시 풍압 P는 무시 가능하다. 그리고 겨울철에는 무인항공기의 배터리 성능이 현저히 떨어지게 되므로 눈이 내리거나 공기 중의 물이 냉각하는 기온에는 무인항공기 비행을 지양하기 때문에 송전선에 착빙한 얼음의 두께 K는 무시할 수 있다. Therefore, since the UAV-LIDAR platform flies when the wind speed around the transmission line is slow, the wind pressure P is negligible when measuring. In winter, the battery performance of the unmanned aerial vehicle is significantly degraded. Therefore, the thickness K of the ice icing on the transmission line can be neglected because the flight of the unmanned aerial vehicle is avoided at temperatures where snow falls or the water in the air cools.
따라서 상술한 바와 같은 측정조건을 고려할 때, 측정 시 부하계수 q는 1로 선정할 수 있다. 극한 환경 시 부하계수 qs는 가공송전운영업무 기준에 따른다.Therefore, when considering the measurement conditions as described above, the load factor q can be selected as 1 during measurement. In extreme environments, the load factor q s is in accordance with the overhead transmission operation standard.
마지막으로 극한 환경 시 송전선로의 온도 ts는 가공송전업무기준에서 송전선로 주변 환경에 따라 구분되어 있다. 한국전력공사의 가공송전운영업무기준에서 지장수목벌채는 '전력선과 수목간의 이격거리는 전선허용 최고 온도시의 이도 및 고온계 시를 기준으로 한 전선의 횡진거리를 감안하여 전기설비기술기준 및 판단기준 제133조 (특고압 가공전선과 식물의 이격거리)에서 규정한 이격거리를 확보하여야한다.'라고 명시되어있으며 전기설비기술기준 및 판단기준 제133조 특고압 가공전선과 식물의 이격거리는 도14와 같다. Finally, the temperature t s of the transmission line in extreme environments is classified according to the environment around the transmission line in the overhead transmission service standard. In the KEPCO's overhead transmission operation standards, the deforestation of trees is defined as'the separation distance between the power line and the tree is based on the distance between the power line and the maximum temperature allowed for the electric wire and the transverse distance of the electric wire based on the pyrometer. The separation distance stipulated in Article 133 (Separation distance between extra-high voltage overhead cables and plants) shall be secured.' same.
여기서, 이격거리는 송전선과 주변 환경간의 거리이며 이후 송전선로 환경침해 추정 시 조건이 되는 수치이다. 또한 건조물 설치 시 이격거리 (제126호 1항 3호)에 의하면 '사용전압이 35,000 V를 초과하는 경우 10,000 V 또는 그 단수마다 15 cm를 더한 값 이상일 것'이라고 명시되어있으며, 건조물과 이격거리 계산방법(ACSR의 경우)에 의하면 '전선온도 45℃ 무풍 무설 시 이도와 전선온도 75℃시 최대 이도로 궤적 작성'이라고 명시되어있다.Here, the separation distance is the distance between the transmission line and the surrounding environment, and is a value that becomes a condition when estimating the environmental invasion of the transmission line. In addition, according to the separation distance when installing a building (No. 126,
극한 환경 시 송전선로의 온도 ts는 한국전력공사의 가공송전운영업무기준에 의거하여 선정하며 도 15와 같다. In extreme environments, the temperature t s of the transmission line is selected based on the overhead transmission operation standard of the Korea Electric Power Corporation, and is shown in FIG. 15.
따라서 154 kV, 345 kV, 765 kV 송전선로에 따른 지장수목과 건조물 이격거리는 도 16과 같고 지장수목과 건조물에 따른 극한 환경 시 온도는 도 17과 같다. Therefore, the distance between the obstacle trees and the building according to the 154 kV, 345 kV, and 765 kV transmission lines is as shown in FIG. 16, and the temperature in the extreme environment according to the obstacle tree and the structure is as shown in FIG. 17.
이때 수학식 1을 이용하여 산출한 극한환경 시 이도 Ds와 송전선로 검출부(54)에서 검출한 개별 송전선로의 2차 방정식 Pp를 이용하여 극한 환경 시 개별 송전선의 2차 방정식을 수학식 7과 같이 계산하여 저장한다. At this time, the quadratic equation of individual transmission lines in extreme environments is calculated using
여기서,
환경침해 진단부(60)는 주변환경이 포함된 3차원 환경 점군 데이터를 좌표 변환하여 송전철탑과 송전선로를 제거하고, 검출된 송전선로의 이도와 광학 카메라를 이용하여 추정한 극한 환경 시 이도를 이용하여 환경평가를 수행할 수 있다. The environmental
여기서, 환경침해 진단부(60)는 점군 데이터 좌표 변환부(61), 송전철탑 제거부(62), 개별 송전선로 제거부(63) 및 환경평가부(64)를 포함할 수 있다. Here, the environmental
점군 데이터 좌표 변환부(61)는 다운 샘플링부(40)에서 생성한 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터를 이도 추정부(50)에서 검출한 지표면과 수평평면에서의 송전선로 정보를 포함한 직선의 방정식을 이용하여 송전선로-고도 평면으로 좌표 변환할 수 있다. The point cloud data coordinate
도 18에 도시된 바와 같이 지표면과 수평평면에서의 송전선로 점군 데이터에 대해 지표면과 수평평면으로 정사영하여 도 19와 같이 송전선로를 검출할 수 있으며, 이를 도 20과 같이 송전선로 및 송전철탑의 점군 데이터를 송전선로- 고도 평면으로 좌표 변환하여 옮길 수 있다. As shown in FIG. 18, transmission line point group data on the ground and horizontal planes are projected orthogonally to the ground and horizontal planes to detect the transmission line as shown in FIG. 19, and this is the point group of transmission lines and transmission towers as shown in FIG. Data can be transferred by converting the coordinates to the transmission line-altitude plane.
도 21에 도시된 바와 같이 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 좌표 축 변환의 알고리즘에서는, 먼저 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터와 이도 추정부(50)에서 송전선로를 인지하기 위해 검출한 직선의 방정식 집합을 입력으로 받고 n=1로 선정한다. 입력으로 받은 직선의 방정식의 기울기 및 편향 정보를 이용하여 3차원 점군 데이터를 송전선로-고도 평면으로 좌표를 변환한다. As shown in FIG. 21, in the algorithm of the coordinate axis transformation of the 3D point cloud data including the transmission line and the surrounding environment information, first, the 3D point cloud data including the transmission line and the surrounding environment information, and the transmission line in the ear
여기서 사용된 직선의 방정식은 제거하고 변환된 3차원 점군 데이터는 E의 부분집합 en으로 옮긴다. 하나의 송전선로 3차원 점군 데이터에는 여러 경간의 송전선로가 포함될 수 있으므로 이도 추정부(50)에서 검출한 모든 경간에 대해 송전선로 환경침해를 진단해야한다. The equation of the straight line used here is removed and the transformed 3D point cloud data is transferred to the subset e n of E. Since the three-dimensional point cloud data of a single transmission line may include transmission lines of multiple spans, it is necessary to diagnose the environmental violation of the transmission line for all spans detected by the
따라서 송전선로 직선의 방정식 집합이 공집합이 아니라면 n에 1을 더해주며 상기의 과정을 반복하고 송전선로 직선의 방정식 집합이 공집합이라면 알고리즘을 종료한다. Therefore, if the equation set of the transmission line straight line is not the empty set, 1 is added to n, and the above process is repeated, and if the equation set of the transmission line straight line is the empty set, the algorithm is terminated.
본 실시예에서 사용된 3차원 점군 데이터는 도 19와 같이 하나의 경간에 대한 송전선로만 존재하므로 도 21의 좌표변환 알고리즘을 한 번만 진행할 수 있다. Since the 3D point cloud data used in this embodiment exists only a transmission line for one span as shown in FIG. 19, the coordinate transformation algorithm of FIG. 21 can be performed only once.
이와 같이 좌표 변환 알고리즘을 통해 도 22에 도시된 바와 같이 지표면과 수평 평면의 3차원 점군 데이터를 송전선로-고도 평면으로 좌표 변환할 경우 도 23과 같이 송전선로-고도 평면에서의 송전선로 및 주변환경이 포함된 3차원 점군 데이터를 얻을 수 있다. As shown in Fig. 22, when the coordinate conversion of the three-dimensional point cloud data of the ground surface and the horizontal plane into a transmission line-elevation plane through the coordinate conversion algorithm, as shown in Fig. 23, the transmission line in the elevation plane and the surrounding
송전철탑 제거부(62)는 이도 추정부(50)에서 재 검출된 송전철탑 정보를 이용하여 점군 데이터 좌표 변환부(61)에서 변환된 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전철탑을 제거할 수 있다. The transmission
송전선로의 환경침해를 진단할 때 송전선로 정보와 주변 환경정보가 공존하면 송전선로를 환경정보로 인지하여 침해로 오인 할 수 있으므로, 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터에서 송전철탑 등 송전선로 정보를 제거해야 정확한 환경침해 진단이 가능하다. When diagnosing the environmental infringement of a transmission line, if the transmission line information and the surrounding environment information coexist, the transmission line can be recognized as environmental information and mistaken for infringement.Thus, the 3D point cloud data including the transmission line and surrounding environment information can be used for transmission towers, etc. It is possible to accurately diagnose environmental violations only by removing the transmission line information.
도 24에 도시된 바와 같이 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전철탑 제거 알고리즘은 먼저, 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터가 포함된 집합 E의 하나의 부분집합과 이도 추정부(50)에서 재검출한 송전철탑 위치의 집합 QT를 입력으로 받고 n=1로 선정한다. As shown in Fig. 24, the transmission tower removal algorithm of the 3D point cloud data including the transmission line and surrounding environment information is first, one subset of the set E including the 3D point cloud data including the transmission line and the surrounding environment information, and a second diagram. The set Q T of the positions of the transmission towers re-detected by the estimating
하나의 송전철탑의 위치 QT(n)에 대해 철탑의 높이 h 및 반지름 r을 선정하고 중심이 QT(n), 높이가 h, 반지름이 r인 원기둥을 만든다. 이후 만들어진 원기둥 내에 있는 점군 데이터를 제거하고 앞서 결정된 하나의 송전철탑의 위치 QT(n)을 송전철탑 위치의 집합에서 제거한다. For the location Q T (n) of one transmission tower, the height h and radius r of the tower are selected, and a cylinder with a center of Q T (n), a height of h, and a radius of r is made. After that, the point cloud data in the created cylinder is removed, and the previously determined position Q T (n) of one transmission tower is removed from the set of transmission tower positions.
송전철탑 위치의 집합이 공집합이 아니라면 n에 1을 더해주며 상기의 과정을 반복하고 송전철탑 위치의 집합이 공집합이라면 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터를 ET에 저장하고 알고리즘을 종료한다. If the set of transmission tower locations is not empty, 1 is added to n and the above process is repeated. If the set of transmission tower locations is empty, 3D point cloud data including transmission line and surrounding environment information is stored in E T and the algorithm is terminated. do.
도 25에 도시된 바와 같이 r은 2m, h는 30m로 선정하여 위와 같은 송전철탑 제거 알고리즘을 적용할 경우, (a), (b)와 같이 철탑 제거 알고리즘의 루프 횟수를 증가시켜 (c)와 같이 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전철탑 제거결과를 얻을 수 있다. As shown in Fig. 25, when r is 2m and h is 30m and the above transmission tower removal algorithm is applied, the number of loops of the pylon removal algorithm is increased as shown in (a) and (b), and (c) and Likewise, it is possible to obtain the result of removing the transmission tower of the 3D point cloud data including the transmission line and surrounding environment information.
송전선로 제거부(63)는 이도 추정부(50)에서 검출된 송전선로 정보를 이용하여 점군 데이터 좌표 변환부(61)에서 변환된 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로를 제거할 수 있다. The transmission
위에서 기술한 바와 같이 송전선로의 환경침해를 진단할 때, 송전선로 정보를 제거해야 정확한 환경침해를 진단할 수 있다. As described above, when diagnosing the environmental violation of a transmission line, the information on the transmission line must be removed to accurately diagnose the environmental violation.
도 26에 도시된 바와 같이 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로 제거 알고리즘은 먼저, 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터 ET와 이도 추정부(50)에서 검출한 2차 방정식 송전선로의 집합 Pp를 입력으로 받고 n=1로 선정한다. 송전선로의 집합 Pp의 부분집합 qn과 송전선로와 수직한 거리 T를 결정한다. ET의 모든 x좌표인 xTL,1:N 을 결정 된 2차 방정식에 qn에 대입하여 
이후 산출한 
도 27에 도시된 바와 같이 송전선로 제거 알고리즘을 적용할 경우, (a), (b), (c), (d)와 같이 송전선로 제거 알고리즘의 루프 횟수를 증가시켜 가면서 송전선로를 제거하여 (e)와 같이 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터에서 송전선로가 제거된 결과를 얻을 수 있다. When the transmission line removal algorithm is applied as shown in Fig. 27, the transmission line is removed while increasing the number of loops of the transmission line removal algorithm as shown in (a), (b), (c), and (d). As shown in e), the result of removing the transmission line can be obtained from the 3D point cloud data including the transmission line and surrounding environment information.
환경평가부(64)는 이도 추정부(50)에서 추정한 송전선로의 이도와 송전선로 정보가 제거된 주변 환경정보의 3차원 점군 데이터를 기반으로 송전선로의 환경침해를 평가할 수 있다. The
한국전력공사에서는 도 16과 도 17과 같이 송전선로 환경침해를 두 가지 경우로 판단할 수 있으며, 첫 번째는 지장수목침해, 두 번째는 건조물침해이다. In the KEPCO, as shown in FIGS. 16 and 17, environmental infringement of transmission lines can be determined in two cases, the first being the infringement of jijang trees, and the second being the infringement of buildings.
송전선으로부터 지장수목 이격거리와 송전선으로부터 건조물 이격거리는 각각 기준이 다르므로 송전선로 주변 환경에 맞는 이격거리를 산정해야한다.The separation distance from the transmission line and the distance from the transmission line to the structure is different, so it is necessary to calculate the separation distance suitable for the environment around the transmission line.
환경평가부(64)는 이도 추정부(50)에서 추정한 송전선로의 이도와 송전선로 제거부(63)에서 산출한 주변 환경정보만 남은 3차원 점군 데이터를 이용하여 측정 시 송전선로 환경침해를 추정할 수 있다. The
가공송전운영업무기준에 따르면 극한환경 시의 이도와 지장수목 및 건조물의 이격거리를 기준으로 지장수목 및 건조물의 환경침해를 진단하지만 측정 시의 이도를 기준으로 지장수목 및 건조물의 이격거리에 적용하였을 때 기준 이격거리보다 거리가 가까운 환경이 존재한다면 극한환경 시의 환경침해보다 더 위험한 상황으로 분류할 수 있다. According to the processing and transmission operation standards, environmental violations of the obstacle trees and buildings are diagnosed based on the distance between the island and the obstacle tree and the building in the extreme environment, but the distance between the obstacle tree and the building was applied based on the island island during the measurement. If there is an environment with a distance closer than the standard separation distance, it can be classified as a more dangerous situation than the environmental violation in the case of an extreme environment.
도 28은 환경평가부(64)에서 송전선로 환경침해를 추정하는 알고리즘이다.28 is an algorithm for estimating environmental infringement of a transmission line in the
도 28에 도시된 바와 같이 송전선로 환경침해 추정 알고리즘은 먼저, 주변 환경정보를 포함한 3차원 점군 데이터 Ec와 이도 추정부(50)에서 검출한 측정 시 2차 방정식 송전선의 집합 Pp 혹은 극한환경 시 2차 방정식 송전선의 집합 Ps, 측정 송전선의 사용전압을 입력으로 받고 i=1로 선정한다. 측정 시 혹은 극한환경 시 송전선로 환경침해 추정 방법은 동일하므로 측정 시 송전선로 환경침해를 추정할 때는 측정 시 2차 방정식 송전선의 집합 Pp를 입력으로 받고, 극한환경 시 송전선로 환경침해를 추정할 때는 극한환경 시 2차 방정식 송전선의 집합 Ps를 입력으로 받는다. As shown in Fig. 28, the transmission line environmental intrusion estimation algorithm is first, the three-dimensional point cloud data E c including the surrounding environment information and the quadratic equation set Pp of the transmission line when the measurement detected by the ear
다음 단계로 가공송전운영업무기준에 따라 도16과 같이 사용전압에 따른 오프셋(offset)을 결정한다. 측정 시 송전선의 집합 Pp 혹은 극한환경 시 송전선의 집합 Ps의 부분집합 qn 중 하단 송전선을 선정하고 송전선로-고도 평면에서 송전선의 양 끝점을 지나는 직선의 방정식의 기울기와 편향을 이용하여 Ec의 모든 데이터를 송전선로 환경침해 평가 평면(xIzI 평면)으로 좌표 변환한다. The next step is to determine an offset according to the used voltage as shown in Fig. 16 according to the overhead transmission operation standard. E using the slope and deflection of the equation of the straight line passing through the end points of the transmission line in the transmission line-elevation plane among the set of transmission lines P p or the subset q n of the set of transmission lines P s in extreme environments. All the data in c are transformed into a transmission line environmental damage evaluation plane (x I z I plane).
이후 송전선의 양 끝점의 xI좌표를 N개로 나누고, 높이가 
이와 같은 송전선로 환경침해 추정 알고리즘을 적용한 결과, 도 29와 같이 측정 시 조건에서 지장수목 환경침해 조건에는 점군 데이터가 검출되지 않았으며, 건조물 환경침해 조건에는 7개의 점군 데이터가 검출되었다. 즉 도 29의 (b)에서 파란색 원은 건조물 환경침해 조건에서 검출된 점군 데이터이다. As a result of applying such a transmission line environmental intrusion estimation algorithm, point group data was not detected in the environmental intrusion condition of Jijang trees in the measurement condition as shown in FIG. 29, and 7 point group data were detected in the environmental intrusion condition of the building. That is, in (b) of FIG. 29, the blue circles are point group data detected under conditions of environmental invasion of a building.
또한 도 30과 같이 극한환경 시 송전선로 환경침해 추정 알고리즘을 적용한 결과, 측정 시 송전선의 온도가 20℃인 점을 고려하였을 때 지장수목 환경침해 조건에는 17개의 점군 데이터가 검출되었으며, 건조물 환경침해 조건에는 58개의 점군 데이터가 검출되었다. 도 30의 파란색 원은 건조물 환경침해 조건에서 검출된 점군 데이터이며 붉은색 다이아몬드는 지장수목 환경침해 조건에서 검출된 점군 데이터이다.In addition, as a result of applying the algorithm for estimating the environmental intrusion of the transmission line in the extreme environment as shown in Fig. 30, when the temperature of the transmission line is 20°C when measuring, 17 point group data were detected in the environmental intrusion condition of the Jijang tree, and the environmental intrusion condition of the building. 58 point group data were detected. The blue circles in FIG. 30 are point cloud data detected under environmental intrusion conditions of a building, and red diamonds are point cloud data detected under environmental intrusion conditions of Jijang trees.
이와 같이 도 29와 도 30에 도시된 바와 같이 두 가지 경우에 따라 송전선로 환경침해를 추정할 수 있지만, 송전선로 하단의 환경이 수목인지 건조물인지를 구분해야 가공송전운영기준에 맞는 정확한 송전선로 환경침해를 진단 가능하다. As shown in Figs. 29 and 30, the environmental violation of the transmission line can be estimated in two cases, but it is necessary to distinguish whether the environment at the bottom of the transmission line is a tree or a building. Infringement can be diagnosed.
따라서 본 발명에서 송전선로 하단의 환경을 구분하기 위해 무인항공기-라이다 플랫폼 하단에 광학 카메라(14)를 탑재하여 송전선로 주변 환경의 이미지 데이터를 측정하고 이를 객체인식 심층학습(Deep Learning) 기법을 이용하여 송전선로 주변 환경을 구분할 수 있다. Therefore, in the present invention, in order to distinguish the environment under the transmission line, an
여기서, 객체인식 딥러닝 기법으로는 RCNN (Region Convolution Neural Network), M2DET: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network), YOLO (You Only Look Once)등이 사용 가능하다. Here, as object recognition deep learning techniques, RCNN (Region Convolution Neural Network), M2DET: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network), and You Only Look Once (YOLO) can be used.
침해알람 발생부(70)는 환경침해 진단부에서 추정한 송전선로 환경침해 결과와 운영기준에 따라 송전선로 환경침해를 진단하여 알람을 발생시킬 수 있다. The
침해알람 발생부(70)는 광학 카메라(14) 정보를 객체인식 딥러닝 기법에 적용하여 구분된 송전선로 주변 환경에 따라 환경침해 진단부(60)에서 측정 시 조건에서 환경침해로 추정되는 3차원 점군 데이터가 지장수목인지 건조물인지를 판단하고, 알람을 발생한다. 또한, 환경침해 진단부(60)에서 검출한 극한환경 시 환경침해 점군 데이터 Iex는 측정 시 환경침해 점군 데이터 Im을 포함하며 측정 시 환경침해 점군 데이터 Im은 송전선과 매우 근접한 점군 데이터이므로 긴급알람으로 설정할 수 있다. The
도 31은 측정 시 송전선로 환경침해 알람 발생 알고리즘은 환경침해 진단부(60)에서 검출한 측정 시 환경침해 점군 데이터 Im와 센싱부(10)로부터 GPS 데이터, 광학 카메라 데이터를 입력으로 받는다. FIG. 31 illustrates an algorithm for generating an environmental intrusion alarm on a power transmission line during measurement receives as inputs the environmental infringement point group data I m detected by the environmental
먼저 Im과 가장 근접한 GPS의 좌표를 찾고 해당 GPS 좌표에서 촬영한 광학 카메라 데이터를 객체인식 심층학습 기법을 사용하여 송전선로 주변 환경을 분류한다. 분류된 환경이 수목이고 환경침해 점군 데이터 Im이 수목이라면 지장수목침해 긴급 알람(Em-t)을 발생하고, 환경침해 점군 데이터 Im이 수목이 아니라면 해당 점군 데이터를 제거 한다. First, the coordinates of the GPS closest to I m are found, and the environment around the transmission line is classified using the object recognition deep learning technique using the optical camera data captured from the GPS coordinates. If the classified environment is a tree and the environmental infringement point cloud data I m is a tree, an emergency alarm (E mt ) is generated, and if the environmental infringement point cloud data I m is not a tree, the corresponding point cloud data is removed.
또한, 분류된 환경이 수목이 아니고 환경침해 점군 데이터 Im이 건조물이라면 건조물침해 긴급 알람(Em-a)을 발생하고 환경침해 점군 데이터 Im이 건조물이 아니라면 해당 점군 데이터를 제거 한다. In addition, if the classified environment is not a tree and the environmental infringement point cloud data I m is a building, a building intrusion emergency alarm (E ma ) is generated, and if the environmental infringement point cloud data I m is not a building, the corresponding point cloud data is removed.
앞서 기술한 바와 같이 측정 시 환경침해 점군 데이터 Im은 극한환경 시 환경침해 점군 데이터 Iex보다 근접하므로 긴급 알람을 발생한다. As described above, the environmental intrusion point group data I m during measurement is closer than the environmental intrusion point group data I ex in extreme environments, so an emergency alarm is generated.
도 32는 송전선로 환경침해 알람 알고리즘을 적용한 예로서, 환경침해로 추정된 지역과 같은 위치의 카메라 사진 데이터에 객체인식 딥러닝 기법을 적용할 경우 송전선로 주변 환경을 모두 수목으로 판단하였으며, 도 29의 측정 시 조건에서는 지장수목 환경침해가 검출되지 않았으므로 도 32와 같이 알람이 발생하지 않는다. FIG. 32 is an example of applying an environmental violation alarm algorithm of a transmission line. When the object recognition deep learning technique is applied to camera photo data at the same location as an area estimated to be environmental violation, all environments around the transmission line were determined as trees, and FIG. 29 In the condition of the measurement of, since environmental violation of the disturbed tree was not detected, an alarm as shown in FIG. 32 does not occur.
또한, 침해알람 발생부(70)는 센싱부(10)의 광학 카메라 정보를 객체인식 심층학습 기법에 적용하여 구분된 송전선로 주변 환경에 따라 환경침해 진단부(60)에서 극한환경 시 환경침해로 추정되는 3차원 점군 데이터가 지장수목인지 건조물인지를 판단하고 알람을 발생할 수 있다. In addition, the infringement
즉, 환경침해 진단부(60)에서 검출한 극한환경 시 환경침해 점군 데이터 Iex는 측정 시 환경침해 점군 데이터 Im을 포함하며, 극한환경 시 환경침해 점군 데이터 Iex의 알람단계를 위험 (Warning)으로 설정할 수 있다. That is, the environmental infringement point group data I ex in extreme environments detected by the environmental
도 33은 극한환경 시 송전선로 환경침해 알람 발생 알고리즘으로, 환경침해 진단부(60)에서 검출한 극한환경 시 환경침해 점군 데이터 Iex와, 센싱부(10)로부터 GPS 데이터, 광학 카메라 데이터를 입력으로 받는다. 33 is an algorithm for generating an environmental intrusion alarm on a transmission line in an extreme environment, and inputting point group data I ex of environmental infringement in an extreme environment detected by the environmental
먼저, Iex와 가장 근접한 GPS 데이터의 좌표를 찾고 해당 GPS 좌표에서 촬영한 광학 카메라 데이터를 객체인식 심층학습 기법을 사용하여 송전선로 주변 환경을 분류한다. 분류된 환경이 수목이고 환경침해 점군 데이터 Iex가 수목이라면 지장수목침해 위험 알람(Wex-t)을 발생하고, 환경침해 점군 데이터 Iex가 수목이 아니라면 해당 점군 데이터를 제거 한다. First, the coordinates of the GPS data closest to I ex are searched, and the environment around the transmission line is classified using the object recognition deep learning technique using the optical camera data captured at the corresponding GPS coordinates. If the classified environment is a tree and the environmental infringement point group data I ex is a tree, a jijang tree infringement risk alarm (W ex-t ) is generated, and if the environmental infringement point group data I ex is not a tree, the corresponding point group data is removed.
분류된 환경이 수목이 아니고 환경침해 점군 데이터 Iex가 건조물이라면 건조물침해 위험 알람(Wex-a)을 발생하고, 환경침해 점군 데이터 Iex가 건조물이 아니라면 해당 점군 데이터를 제거 한다. If the classified environment is not a tree and the environmental infringement point group data I ex is a building, a building intrusion risk alarm (W ex-a ) is generated, and if the environmental intrusion point group data I ex is not a building, the corresponding point group data is removed.
도 34는 극한 환경 시 송전선로 환경침해 알람 발생 알고리즘의 적용 결과로써, 도 30에서 환경침해로 추정된 지역과 같은 위치의 카메라 사진 데이터에 객체인식 딥러닝 기법을 적용할 경우, 송전선로 주변 환경을 모두 수목으로 판단하였으며 도 30의 극한환경 시 조건에서는 지장수목 환경침해가 검출되어 총 17개의 점군 데이터의 지장수목침해 위험 알람(Wex-t)이 발생하였다.FIG. 34 is a result of application of an algorithm for generating an environmental intrusion alarm on a transmission line in an extreme environment. When the object recognition deep learning technique is applied to camera photo data at the same location as the area estimated as environmental intrusion in FIG. 30, the environment around the transmission line is All were judged as trees, and in the extreme environment of FIG. 30, environmental infringement was detected in Jijang trees, resulting in a disturbance tree infringement risk alarm (W ex-t ) of a total of 17 point group data.
상술한 바와 같이, 본 발명의 실시예에 의한 송전선로의 환경침해 진단장치에 따르면, 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑(Mapping)하여 자동으로 송전선로의 이도를 추정한 결과로부터 송전선로와 근접한 환경정보를 인식하여 환경침해를 진단할 수 있어, 환경침해가 의심되는 송전선로에 접근하지 않고 가공송전운영업무기준에 명시되어있는 극한 환경 시의 이도와 송전선로와 주변 환경간의 이격거리를 정확하게 측정할 수 있고 진단할 수 있다. As described above, according to the apparatus for diagnosing environmental violation of a transmission line according to an embodiment of the present invention, 3D point cloud data is detected using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor, and , It is possible to diagnose environmental violation by recognizing environmental information close to the transmission line from the result of real-time mapping of the detected 3D point cloud data with a signal processing technique and automatically estimating the degree of difficulty of the transmission line. It is possible to accurately measure and diagnose the distance between the island and the transmission line and the surrounding environment in extreme environments specified in the overhead transmission operation business standard without accessing the transmission line.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.The implementations described herein may be implemented in, for example, a method or process, an apparatus, a software program, a data stream or a signal. Although discussed only in the context of a single form of implementation (eg, only as a method), the implementation of the discussed features may also be implemented in other forms (eg, an apparatus or program). The device may be implemented with appropriate hardware, software and firmware. The method may be implemented in an apparatus such as a processor, which generally refers to a processing device including, for example, a computer, a microprocessor, an integrated circuit or a programmable logic device, or the like. Processors also include communication devices such as computers, cell phones, personal digital assistants (“PDAs”) and other devices that facilitate communication of information between end-users.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. The present invention has been described with reference to the embodiments shown in the drawings, but these are only exemplary, and those of ordinary skill in the field to which the technology pertains, various modifications and other equivalent embodiments are possible. I will understand.
따라서 본 발명의 진정한 기술적 보호범위는 아래의 청구범위에 의해서 정하여져야 할 것이다.Therefore, the true technical protection scope of the present invention should be determined by the following claims.
10 : 센싱부 11 : 라이다 센서
12 : GPS 센서 13 : IMU 센서
14 : 광학 카메라 15 : 열화상 카메라
20 : 전처리부 21 : 지면 제거부
22 : 칼만필터부 30 : 3차원 점군 데이터 변환부
40 : 다운 샘플링부 50 : 이도 추정부
51 : 주변환경 제거부 52 : 송전선로 인지부
53 : 송전선로 점군 데이터 검출부
54 : 개별 송전선로 검출부 55 : 이도검출부
60 : 환경침해 진단부 61 : 점군 데이터 좌표 변환부
62 : 송전철탑 제거부 63 : 송전선로 제거부
64 : 환경평가부 70 : 침해알람 발생부10: sensing unit 11: lidar sensor
12: GPS sensor 13: IMU sensor
14: optical camera 15: thermal imaging camera
20: pretreatment unit 21: ground removal unit
22: Kalman filter unit 30: 3D point cloud data conversion unit
40: down sampling unit 50: ear canal estimation unit
51: surrounding environment removal unit 52: transmission line recognition unit
53: Transmission line point group data detection unit
54: individual transmission line detection unit 55: ear canal detection unit
60: environmental violation diagnosis unit 61: point cloud data coordinate conversion unit
62: transmission tower removal unit 63: transmission line removal unit
64: Environmental evaluation department 70: Infringement alarm generation department
Claims (21)
상기 전처리부에서 처리된 데이터를 기반으로 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부;
상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부;
상기 다운 샘플링부에서 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부;
상기 이도 추정부에서 추정된 주변환경이 포함된 3차원 환경 점군 데이터를 좌표 변환하여 송전철탑과 송전선로를 제거하고, 검출된 송전선로의 이도와 열화상 카메라 정보를 이용하여 추정한 극한 환경 시 이도를 이용하여 환경평가를 수행하는 환경침해 진단부; 및
상기 환경침해 진단부에서 추정한 송전선로의 환경침해 결과와 광학 카메라 정보를 이용하여 주변 환경을 인식하여 운영기준에 따라 알람을 발생시키는 침해알람 발생부;를 포함하되,
상기 이도 추정부는,
상기 다운 샘플링부에 의해 다운 샘플링된 3차원 점군 데이터에서 주변환경 데이터를 제거하는 주변환경 제거부; 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 이용하여 송전선로가 존재하는 위치를 인지하는 송전선로 인지부; 상기 송전선로 인지부에 의해 인지된 송전선로 이외의 데이터를 제거하여 송전선로 점군 데이터를 검출하는 송전선로 점군 데이터 검출부; 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 개별 송전선로 또는 현수선의 처짐 정도를 검출하는 개별 송전선로 검출부; 및 상기 개별 송전선로 검출부에 의해 검출된 개별 송전선로의 이도를 검출하는 이도 검출부를 포함하고,
상기 환경침해 진단부는,
상기 다운 샘플링부에서 생성한 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터를 상기 이도 추정부에서 검출한 지표면과 수평평면에서의 송전선로 정보를 포함한 직선의 방정식을 이용하여 송전선로-고도 평면으로 좌표 변환하는 점군 데이터 좌표 변환부; 상기 이도 추정부에서 재 검출된 송전철탑 정보를 이용하여 3차원 점군 데이터의 송전철탑을 제거하는 송전철탑 제거부; 상기 이도 추정부에서 검출된 송전선로 정보를 이용하여 점군 데이터 좌표 변환부에서 변환된 송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터의 송전선로를 제거하는 송전선로 제거부; 및 상기 이도 추정부에서 추정한 송전선로의 이도와 송전선로 정보가 제거된 주변 환경정보의 3차원 점군 데이터를 기반으로 송전선로의 환경침해를 평가하는 환경평가부;를 포함하며,
상기 전처리부는, 라이다 점군 데이터에서 송전선로 점군 데이터를 제외한 지면 정보를 제거하는 지면 제거부; 및 GPS 센서 중 고도 데이터의 노이즈를 감쇠하여 정확한 고도를 추정하기 위한 칼만필터부;를 포함하고,
상기 지면 제거부는,
라이다 좌표축에서 3차원 점군 데이터를 입력받아 평면을 결정하는 평면 벡터를 기준으로 일정 각도만큼 평면의 자유도를 결정하는 임계값과, 검출된 평면과 수직한 거리를 결정한 후, 3차원 점군 데이터에서 임의의 점을 선택하여 평면을 만들고, 평면과 수직한 거리로 만들어진 공간에 포함된 점군 데이터의 개수를 계산하여 공간에 존재하는 점군 데이터의 개수가 가장 큰 큰 평면을 지면 정보로 추정한 후 3차원 점군 데이터에서 제거하며,
상기 칼만필터부는,
무인항공기의 고도 데이터와 오차공분산을 예측하고, 예측한 정보와 입력된 고도 데이터를 이용하여 칼만필터 게인, 무인항공기의 고도와 오차공분산을 업데이트하는 과정을 반복하고,
상기 이도 검출부는,
상기 개별 송전선로 검출부에서 검출한 개별 송전선로와 재 검출한 송전철탑 간의 거리인 경간거리를 기반으로 측정 시 개별 송전선로의 이도와, 송전선로의 온도를 이용하여 극한 환경 시 송전선로의 이도를 검출하며,
상기 환경평가부는,
주변 환경정보를 포함한 3차원 점군 데이터와 상기 이도 추정부에서 검출한 2차 방정식 송전선로의 집합과 송전선로의 사용전압을 입력받아 사용전압에 따른 오프셋(offset)을 결정하고, 송전선로의 집합의 부분집합 qn 중 하단 송전선로를 선정하고 송전선로-고도 평면에서 송전선로의 양 끝점을 지나는 직선의 방정식의 기울기와 편향을 이용하여 3차원 점군 데이터의 모든 데이터를 송전선로 환경침해 평가 평면으로 좌표 변환한 후, 송전선로의 양 끝점의 xI좌표를 N개로 나누고, 높이가
상기 침해알람 발생부는, 상기 환경침해 진단부에서 검출한 환경침해 점군 데이터, GPS 데이터 및 광학 카메라 데이터를 입력받아 환경침해 점군데이터와 가장 근접한 GPS의 좌표를 찾고, GPS 좌표에서 촬영한 광학 카메라 데이터를 객체인식 심층학습 기법을 사용하여 송전선로 주변 환경을 지장수목과 건조물로 분류하여 환경침해 점군 데이터에 따라 알람을 발생시키되,
송전선로 주변 환경이 지장수목이고 환경침해 점군 데이터가 지장수목 환경침해 조건에서 검출된 환경침해 점군 데이터인 경우 알람을 발생시키고, 환경침해 점군 데이터가 지장수목 환경침해 조건이 아닌 경우 환경침해 점군 데이터를 삭제하고,
송전선로 주변 환경이 건조물이고 환경침해 점군 데이터가 건조물 환경침해 조건에서 검출된 환경침해 점군 데이터인 경우 알람을 발생시키고, 환경침해 점군 데이터가 건조물 환경침해 조건이 아닌 경우 환경침해 점군 데이터를 삭제하는 것을 특징으로 하는 송전선로의 환경침해 진단장치.
A preprocessor for removing ground information from the LIDAR point cloud data and removing noise to estimate the position of the UAV;
A 3D point cloud data conversion unit for converting the Lada point cloud data measured in relative coordinates with respect to the position of the unmanned aerial vehicle based on the data processed by the preprocessor into 3D point cloud data in an absolute coordinate axis;
A down-sampling unit generating a 3D point cloud map by down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit;
An ear degree estimating unit for detecting a transmission line using the 3D point cloud data down-sampled by the down sampling unit and estimating an ear degree of the detected transmission line;
The three-dimensional environment point cloud data including the surrounding environment estimated by the ear canal estimator is converted to coordinates to remove the transmission tower and the transmission line, and the ear canal in the extreme environment estimated using the ear map and thermal imaging camera information of the detected transmission line. Environmental infringement diagnosis unit performing environmental evaluation using the; And
Including; an infringement alarm generator for generating an alarm according to an operating standard by recognizing the surrounding environment by using the environmental invasion result of the transmission line estimated by the environmental infringement diagnosis unit and optical camera information;
The ear canal estimation unit,
An ambient environment removal unit removing ambient environment data from the 3D point cloud data down-sampled by the down sampling unit; A transmission line recognition unit for recognizing a location of a transmission line by using 3D point cloud data on the transmission line detected by the surrounding environment removal unit; A transmission line point group data detection unit for detecting transmission line point group data by removing data other than the transmission line recognized by the transmission line recognition unit; An individual transmission line detection unit for detecting a degree of deflection of an individual transmission line or catenary line from the transmission line point group data detected by the transmission line point group data detection unit; And an ear degree detection unit for detecting an ear degree of the individual transmission line detected by the individual transmission line detection unit,
The environmental violation diagnosis unit,
The three-dimensional point cloud data including the transmission line and surrounding environment information generated by the down-sampling unit is converted to the transmission line-elevation plane by using the equation of the straight line including the transmission line information on the ground surface and the horizontal plane detected by the ear canal estimation unit. A point group data coordinate conversion unit that converts coordinates; A transmission tower removal unit that removes the transmission tower of 3D point cloud data using the transmission tower information re-detected by the island road estimation unit; A transmission line removal unit for removing a transmission line of three-dimensional point cloud data including the transmission line and surrounding environment information converted by the point cloud data coordinate conversion unit by using the transmission line information detected by the island estimating unit; And an environmental evaluation unit for evaluating the environmental invasion of the transmission line based on the three-dimensional point group data of the island and the surrounding environment information from which the transmission line information has been removed estimated by the island estimating unit, and
The pre-processing unit may include a ground removal unit for removing ground information except for the transmission line point group data from the LIDAR point group data; And a Kalman filter unit for attenuating noise of altitude data among GPS sensors and estimating accurate altitude; and
The ground removal unit,
The threshold value for determining the degree of freedom of the plane by a certain angle based on the plane vector that determines the plane by receiving 3D point cloud data from the LIDAR coordinate axis, and after determining the distance perpendicular to the detected plane, randomly from the 3D point cloud data. Select points of, create a plane, calculate the number of point cloud data contained in the space created at a distance perpendicular to the plane, estimate the plane with the largest number of point group data in the space as ground information, and then 3D point cloud Remove it from the data,
The Kalman filter unit,
It repeats the process of predicting the altitude data and error covariance of the unmanned aerial vehicle, and updating the Kalman filter gain, the altitude and error covariance of the unmanned aerial vehicle using the predicted information and input altitude data,
The ear canal detection unit,
When measuring based on the span distance, which is the distance between the individual transmission line detected by the individual transmission line detection unit and the re-detected transmission tower, the angle of the transmission line is detected by using the angle of the individual transmission line and the temperature of the transmission line in extreme environments. And
The environmental evaluation unit,
3D point cloud data including surrounding environment information and the set of quadratic equation transmission lines detected by the ear canal estimation unit and the used voltage of the transmission line are input to determine an offset according to the used voltage, and a part of the set of transmission lines Select the lower transmission line from the set q n and convert all data of the 3D point cloud data into the transmission line environmental invasion evaluation plane by using the slope and deflection of the equation of the straight line passing through both ends of the transmission line in the transmission line-elevation plane. After that, divide the x I coordinates of both ends of the transmission line by N, and the height is
The infringement alarm generator receives the environmental infringement point group data, GPS data, and optical camera data detected by the environmental infringement diagnostic unit, finds the coordinates of the GPS closest to the environmental infringement point group data, and stores the optical camera data taken from the GPS coordinates. By using the object recognition deep learning technique, the environment around the transmission line is classified into obstructed trees and buildings, and an alarm is generated according to the point cloud data of environmental infringement.
If the environment around the transmission line is a disturbing tree and the environmental infringement point cloud data is the environmental infringement point cloud data detected in the environmental infringement condition of the environmental infringement tree, an alarm is generated. Delete it,
If the surrounding environment of the transmission line is a building and the environmental infringement point group data is the environmental infringement point group data detected under the environmental infringement condition of the building, an alarm is generated. A device for diagnosing environmental violations of a transmission line, characterized by.
The environment of claim 1, wherein the 3D point cloud data conversion unit converts the LIDA point cloud data into 3D point cloud data by applying absolute position and attitude information of the unmanned aerial vehicle to the LIDA point cloud data. Infringement diagnosis device.
The method of claim 1, wherein the down-sampling unit generates a 3D point cloud map by down-sampling the 3D point cloud data on the absolute coordinate axis converted by the 3D point cloud data conversion unit using a probabilistic down-sampling technique. A device for diagnosing environmental violations of a transmission line, characterized by.
The method of claim 1, wherein the surrounding environment removal unit classifies point group data within a set distance from a transmission line and a transmission tower from the down-sampled 3D point cloud data by the down sampling unit into clusters, An apparatus for diagnosing environmental infringement of a transmission line, characterized in that separating surrounding environmental data
The method of claim 1, wherein the transmission line recognition unit recognizes the location of the transmission line by orthogonally projecting the three-dimensional point group data on the transmission line detected by the surrounding environment removal unit on a ground surface and a horizontal plane. A device for diagnosing environmental violations in transmission lines.
The transmission line point group data according to claim 1, wherein the transmission line point group data detection unit removes point group data excluding a span selected from the transmission line-elevation plane using the three-dimensional point group data detected by the transmission line recognition unit. An apparatus for diagnosing environmental violations of a transmission line, characterized in that extracting the.
The method of claim 1, wherein the individual transmission line detection unit detects individual transmission lines in a transmission line-altitude plane using the transmission line point group data detected by the transmission line point group data detection unit and estimates the degree of deflection of the catenary line. A device for diagnosing environmental violations of a transmission line, characterized by.
The apparatus of claim 1, wherein the individual transmission line detection unit reestimates the location of the transmission tower by using an average point of the detected intersections of the individual transmission lines.
The apparatus of claim 1, wherein the point group data coordinate conversion unit converts the coordinates into a transmission line-altitude plane using slope and deflection information of a linear equation.
송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터가 포함된 집합의 하나의 부분집합과 상기 이도 추정부에서 검출한 송전철탑 위치의 집합을 입력받아 송전철탑의 위치를 중심으로 철탑의 높이 및 반지름을 선정하여 원기둥을 만든 후 원기둥 내에 있는 점군 데이터를 제거하면서 송전철탑의 위치를 송전철탑 위치의 집합에서 제거하는 것을 특징으로 하는 송전선로의 환경침해 진단장치.
The method of claim 1, wherein the transmission tower removal unit,
Select the height and radius of the tower based on the location of the transmission tower by receiving a subset of the set including 3D point cloud data including the transmission line and surrounding environment information and the set of the location of the transmission towers detected by the island estimator. An apparatus for diagnosing environmental infringement of a transmission line, characterized in that the location of the transmission tower is removed from the set of the location of the transmission tower while removing the point cloud data in the cylinder after the cylinder is created.
송전선로 및 주변 환경정보를 포함한 3차원 점군 데이터와 상기 이도 추정부에서 검출한 2차 방정식 송전선로의 집합을 입력받아, 송전선로의 집합의 부분집합과 송전선로와 수직한 거리를 결정한 후 3차원 점군 데이터를 부분집합의 2차 방정식에 대입하여 산출한 수직위치와 3차원 점군 데이터의 수직위치의 차이 절대값이 결정한 송전선로와 수직한 거리보다 작은 점들을 제거하는 것을 특징으로 하는 송전선로의 환경침해 진단장치.
The method of claim 1, wherein the transmission line removal unit,
After receiving 3D point cloud data including transmission line and surrounding environment information and a set of quadratic equation transmission lines detected by the island estimator, determining a subset of the set of transmission lines and a distance perpendicular to the transmission line, and then 3D point group Environmental violation of a transmission line characterized by removing points smaller than the vertical distance determined by the absolute value of the difference between the vertical position calculated by substituting the data into the quadratic equation of the subset and the vertical position of the 3D point group data. Diagnostic device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190114773A KR102235113B1 (en) | 2019-09-18 | 2019-09-18 | Diagnostic apparatus for environmental infringement of power line |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190114773A KR102235113B1 (en) | 2019-09-18 | 2019-09-18 | Diagnostic apparatus for environmental infringement of power line |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210033262A KR20210033262A (en) | 2021-03-26 |
| KR102235113B1 true KR102235113B1 (en) | 2021-04-05 |
Family
ID=75259441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190114773A KR102235113B1 (en) | 2019-09-18 | 2019-09-18 | Diagnostic apparatus for environmental infringement of power line |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102235113B1 (en) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269202B (en) * | 2021-04-26 | 2023-11-03 | 南方电网数字电网研究院有限公司 | Method for extracting point cloud of gate-type electric tower |
| CN113806949A (en) * | 2021-09-23 | 2021-12-17 | 王旭 | Power transmission line model determining method and device, computer equipment and storage medium |
| CN114034287B (en) * | 2021-11-17 | 2023-07-07 | 国网山西省电力公司超高压输电分公司 | Transmission line detection method based on monocular vision positioning |
| CN114802354A (en) * | 2022-05-30 | 2022-07-29 | 中铁电气化局集团第三工程有限公司 | Intrusion detection system and method for track construction interval and early warning system |
| CN116000945B (en) * | 2022-12-05 | 2024-04-12 | 湖北工业大学 | Intelligent control method of cable deicing robot |
| CN117132915B (en) * | 2023-10-27 | 2024-03-12 | 国网江西省电力有限公司电力科学研究院 | Power transmission line tree obstacle hidden danger analysis method based on automatic classification of point cloud |
| CN117517864B (en) * | 2023-11-08 | 2024-04-26 | 南京航空航天大学 | Laser radar-based power transmission line near electricity early warning method and device |
| CN117554942B (en) * | 2024-01-11 | 2024-03-22 | 江苏翰林正川工程技术有限公司 | Method and device for monitoring tree line distance of transmission line based on millimeter wave radar |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4818990A (en) * | 1987-09-11 | 1989-04-04 | Fernandes Roosevelt A | Monitoring system for power lines and right-of-way using remotely piloted drone |
-
2019
- 2019-09-18 KR KR1020190114773A patent/KR102235113B1/en active IP Right Grant
Non-Patent Citations (3)
| Title |
|---|
| Fábio Azevedo 외 7인. LiDAR-Based Real-Time Detection and Modeling of Power Lines for Unmanned Aerial Vehicles. Sensors 2019, 2019년 4월 16일 1부.* |
| Guangjian Yan 외 4인. Automatic Extraction of Power Lines From Aerial Images. IEEE GEOSCIENCE AND REMOTE SENSING LETTERS, VOL. 4, NO. 3, 2007년 7월 1부.* |
| Jun-ichiro Watanabe 외 3인. Power line-tree conflict detection and 3D mapping using aerial images taken from UAV. PROCEEDINGS OF SPIE, 2018년 5월 3일 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210033262A (en) | 2021-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102235113B1 (en) | Diagnostic apparatus for environmental infringement of power line | |
| KR102172543B1 (en) | Apparatus estimating sag for power transmission line | |
| McLaughlin | Extracting transmission lines from airborne LIDAR data | |
| Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
| CN113313005B (en) | Power transmission conductor on-line monitoring method and system based on target identification and reconstruction | |
| CN107392247B (en) | Real-time detection method for ground object safety distance below power line | |
| CN105244805A (en) | Laser radar-based intelligent early-warning evaluation method and system for power transmission line | |
| CN110794413B (en) | Method and system for detecting power line of point cloud data of laser radar segmented by linear voxels | |
| CN110009037B (en) | Short-term engineering wind speed prediction method and system based on physical information coupling | |
| CN110472477B (en) | Method for monitoring icing by carrying infrared camera by RTK unmanned aerial vehicle | |
| CN104122560B (en) | Electric transmission line wide area ice condition monitoring method | |
| US20220198749A1 (en) | System and method for monitoring forest gap using lidar survey data | |
| Pu et al. | Real-time powerline corridor inspection by edge computing of UAV Lidar data | |
| Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
| CN108961094A (en) | Wind leaning fault method for early warning based on transmission line of electricity minimum air void online measuring | |
| CN116428992A (en) | Method and system for detecting icing thickness and melting ice for power transmission line based on laser point cloud | |
| CN117313537B (en) | Data-driven icing prediction method and system | |
| CN114018219A (en) | Transmission tower vibration monitoring method, device, equipment and storage medium | |
| CN116363537B (en) | Method and system for identifying hidden danger of hanging objects outside transformer substation | |
| CN108614579B (en) | Early warning method for collision avoidance overhead alternating current power line of unmanned aerial vehicle | |
| KR102310900B1 (en) | Diagnostic apparatus for facilities of power transmission using unmaned aerial vehicle and method thereof | |
| CN113036912A (en) | Intelligent power grid transmission and distribution line construction safety real-time online monitoring cloud platform based on industrial artificial intelligence | |
| CN117807558B (en) | Comprehensive fault detection method, system and storage medium for power transmission line | |
| CN110231152A (en) | Derrick detection method and apparatus based on unmanned plane | |
| Vale et al. | Detection and Classification of Clearance Anomalies on Over-Head Power Lines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |