KR20200056028A - 송전선로 이도 추정 장치 - Google Patents

송전선로 이도 추정 장치 Download PDF

Info

Publication number
KR20200056028A
KR20200056028A KR1020180139849A KR20180139849A KR20200056028A KR 20200056028 A KR20200056028 A KR 20200056028A KR 1020180139849 A KR1020180139849 A KR 1020180139849A KR 20180139849 A KR20180139849 A KR 20180139849A KR 20200056028 A KR20200056028 A KR 20200056028A
Authority
KR
South Korea
Prior art keywords
transmission line
data
point cloud
ear canal
cloud data
Prior art date
Application number
KR1020180139849A
Other languages
English (en)
Other versions
KR102172543B1 (ko
Inventor
박준영
오기용
정시헌
김석태
이재경
김태균
Original Assignee
한국전력공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020180139849A priority Critical patent/KR102172543B1/ko
Publication of KR20200056028A publication Critical patent/KR20200056028A/ko
Application granted granted Critical
Publication of KR102172543B1 publication Critical patent/KR102172543B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
    • H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
    • H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
    • H02G1/04—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables for mounting or stretching
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

송전선로 이도 추정 장치가 개시된다. 본 발명의 송전선로 이도 추정 장치는 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부; 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 및 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하는 것을 특징으로 한다.

Description

송전선로 이도 추정 장치{APPARATUS ESTIMATING SAG FOR POWER TRANSMISSION LINE}
본 발명은 송전선로 이도 추정 장치에 관한 것으로서, 더욱 상세하게는 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 송전선의 이도를 추정하는 송전선로 이도 추정 장치에 관한 것이다.
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.
열화가 진행되면 송전선로 강성저하에 기인한 이도 처짐이 진행되기 때문에, 이도는 송전선의 건전성 및 열화 상태를 나타내는 중요한 척도이다.
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.
본 발명의 배경기술은 대한민국 공개특허공보 10-2018-0032804호(2018.04.02)의 '송전선의 이도 측정 장치 및 방법'에 개시되어 있다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 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 송전선의 이도를 추정하는 송전선로 이도 추정 장치를 제공하는 데 목적이 있다.
본 발명의 일 측면에 따른 송전선로 이도 추정 장치는 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; 및 상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하는 것을 특징으로 한다.
본 발명의 상기 3차원 점군 데이터 변환부는 라이다 점군 데이터에 무인항공기의 절대위치 및 자세정보를 적용하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 한다.
본 발명의 상기 3차원 점군 데이터 변환부는 GPS 센서에서 측정되는 무인항공기 절대좌표축에 대한 절대위치 좌표에 무인항공기 자세를 나타내는 회전행렬과 무인항공기 좌표축의 곱을 합산하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 한다.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터 변환부에 의해 변환된 절대좌표축에서의 3차원 점군 데이터를 확률론적 다운-샘플링 기법으로 다운-샘플링하여 3차원 점군 맵을 생성하는 것을 특징으로 한다.
본 발명의 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 3차원 점군 맵을 생성하는 것을 특징으로 한다.
본 발명의 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 거리 필터를 사용하여 필터링하고 다운-샘플링하는 것을 특징으로 한다.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터를 추출하여 3차원 점군 데이터를 필터링하는 것을 특징으로 한다.
본 발명의 상기 임계값은 무인항공기로부터 가장 원거리 송전선로까지 거리보다 크거나 송전철탑과 지면이 맞닿는 부분보다 작은 값인 것을 특징으로 한다.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 상기 3차원 점군 맵을 생성하는 것을 특징으로 한다.
본 발명의 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 송전선로 이도 검출부를 포함하는 것을 특징으로 한다.
본 발명의 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.
본 발명의 상기 송전선로 인지부는 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 지표면과 수평평면으로 정사영하여 송전선로가 존재하는 위치를 인지하는 것을 특징으로 한다.
본 발명의 상기 송전선로 인지부는 지표면과 수평한 수평면에서의 점군 데이터에서 임의의 두 점을 선택하여 직선을 만들고, 만들어진 직선과 수직한 거리에 포함된 점군 데이터의 개수를 계산하는 과정을 반복하여 상기 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 한다.
본 발명의 상기 송전선로 인지부는 지표면과 수평한 수평면의 모드 데이터를
Figure pat00001
domain으로 변환하고, 변환된
Figure pat00002
domain에서 생기는 선들이 가장 많이 겹치는 점을 선택하며, 선택된 점을 cartesian domain으로 변환하여 직선을 검출한 후, 검출된 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 한다.
본 발명의 상기 송전선로 점군 데이터 검출부는 상기 송전선로 인지부에 의해 검출된 3차원 점군 데이터를 이용하여 송전선로-고도평면에서
Figure pat00003
축과 평행한 철탑을 검출하고 두 개의 송전철탑(경간) 양측 측정 데이터를 제거하여 송전선로 점군 데이터를 추출하는 것을 특징으로 한다.
본 발명의 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.
본 발명의 상기 개별 송전선로 검출부는 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 임의의 세점을 선택하여 2차 다항식 곡선을 만들고, 생성된 곡선으로부터
Figure pat00004
축으로의 거리에 포함된 점들의 개수를 카운트하는 과정을 반복하여
Figure pat00005
축으로의 거리에 포함된 점들의 값이 가장 큰 곡선을 송전선이 포함된 곡선으로 추정하는 것을 특징으로 한다.
본 발명의 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 2차 다항식이 저장된 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의
Figure pat00006
축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 한다.
본 발명의 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 현수선 방정식 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의
Figure pat00007
축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 송전선로 이도 추정 장치는 라이다 센서가 장착된 무인항공기를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑하여 자동으로 송전선의 이도를 추정한다.
본 발명의 다른 측면에 따른 송전선로 이도 추정 장치는 송전선의 열화가 진행되어 극한 환경에서 송전선로 지지부에서 송전선이 과도한 장력을 버티지 못하고 끊어지는 현상을 방지할 수 있도록 한다.
본 발명의 또 다른 측면에 따른 송전선로 이도 추정 장치는 원거리에서 무인항공기를 통해 송전선로의 이도를 측정하기 때문에 송전선로의 이도를 측정하는 관리자가 위험에 노출되는 것을 방지한다.
본 발명의 또 다른 측면에 따른 송전선로 이도 추정 장치는 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 활용될 수 있다.
도 1 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치의 블록 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 무인항공기-라이다 플랫폼 및 좌표축을 나타낸 도면이다.
도 3 은 본 발명의 일 실시예에 따른 절대 좌표축으로 변환된 라이다 삼차원 점군 데이터를 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 맵 생성 알고리즘을 나타낸 도면이다.
도 5 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 점군 맵 제작 알고리즘의 실시예를 나타낸 도면이다.
도 6 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘을 나타낸 도면이다.
도 7 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘의 실시예를 나타낸 도면이다.
도 8 은 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘을 나타낸 도면이다.
도 9 는 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘의 실시예를 나타낸 도면이다.
도 10 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 점군 데이터를 나타낸 도면이다.
도 11 은 본 발명의 일 실시예에 따른 지표면과 수평면에서 송전선로 인지 알고리즘의 일 예를 나타낸 도면이다.
도 12 는 본 발명의 일 실시예에 따른 도 11 의 지표면과 수평평면에서 송전선로 인지 알고리즘의 적용 결과를 나타낸 도면이다.
도 13 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서 송전선로 인지 알고리즘의 다른 예를 나타낸 도면이다.
도 14 는 본 발명의 일 실시예에 따른 도 12 의 지표면과 수평평면에서 송전선로 알고리즘의 적용 결과를 나타낸 도면이다.
도 15 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서의 송전선 및 철탑 점군 데이터를 나타낸 도면이다.
도 16 은 본 발명의 일 실시예에 따른 철탑 검출 및 경간 양측 데이터 제거 알고리즘을 나타낸 도면이다.
도 17 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 도 16 에서 제시한 알고리즘을 이용하여 선정된 경간을 제외한 다른 군집정보 제거 결과를 나타낸 도면이다.
도 18 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선로 검출 알고리즘을 나타낸 도면이다.
도 19 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선 검출 알고리즘을 적용하여 개별 송전선로 추출 적용 예를 나타낸 도면이다.
도 20 은 본 발명의 일 실시예에 따른 송전선로의 이도를 나타낸 도면이다.
도 21 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 일 예를 나타낸 도면이다.
도 22 는 본 발명의 일 실시예에 따른 도 21 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.
도 23 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 다른 예를 나타낸 도면이다.
도 24 는 본 발명의 일 실시예에 따른 도 23 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.
도 25 내지 도 27 은 본 발명의 일 실시예에 따른 두 개의 송전선로에 대한 송전선로 검출 및 이도 추정 결과를 나타낸 도면이다.
이하에서는 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치를 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 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 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야할 것이다.
도 1 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치의 블록 구성도이다.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 센싱부(10), 3차원 점군 데이터 변환부(20), 다운 샘플링부(30) 및 이도 추정부(40)를 포함한다.
센싱부(10)는 라이다 센서(11), GPS(Ground Positioning System) 센서(12) 및 IMU(Inertia Measurement Unit) 센서(13)를 포함한다.
라이다 센서(11)는 무인항공기에 설치되어 무인항공기의 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 측정한다.
GPS 센서(12)는 무인항공기의 절대 위치를 측정한다.
IMU 센서(13)는 무인항공기의 자세를 측정한다.
3차원 점군 데이터 변환부(20)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 변환한다.
도 2 는 본 발명의 일 실시예에 따른 무인항공기-라이다 플랫폼 및 좌표축을 나타낸 도면이고, 도 3 은 본 발명의 일 실시예에 따른 절대 좌표축으로 변환된 라이다 삼차원 점군 데이터를 나타낸 도면이다.
도 2를 참조하면, 라이다 센서(11)에서 측정되는 라이다 상대좌표축 (
Figure pat00008
)에 대한 상대변위 좌표
Figure pat00009
, GPS 센서(12)에서 측정되는 무인항공기 절대좌표축 (
Figure pat00010
)에 대한 절대위치 좌표를
Figure pat00011
로 각각 정의하면 라이다 센서(11)에서 측정되는 상대변위 점군데이터는 아래의 수학식 1을 이용하여 절대좌표축 (
Figure pat00012
)에 대한 절대위치 좌표로 변환 가능하다.
Figure pat00013
수학식 1에서
Figure pat00014
는 라이다 센서(11)에서 측정되는 데이터의 절대좌표축 (
Figure pat00015
)에 대한 좌표이다.
Figure pat00016
은 무인항공기 자세를 나타내는 회전행렬로 IMU 센서(13)의 사원수 데이터
Figure pat00017
,
Figure pat00018
,
Figure pat00019
,
Figure pat00020
를 이용하여 하기와 같이 계산한다.
Figure pat00021
Figure pat00022
은 무인항공기 좌표축(
Figure pat00023
)에 대한 라이다의 위치정보이다. 라이다 센서(11)는 무인항공기 y축을 기준으로
Figure pat00024
°회전되어 있으므로, 아래의 수학식 3을 이용하여 라이다 좌표축에 대하여 계산되는 상대좌표
Figure pat00025
을 무인항공기 좌표축에 대한 상대좌표로 변환 가능하다.
Figure pat00026
여기서
Figure pat00027
은 3차원 회전 행렬로 아래의 수학식 4를 이용하여 계산한다.
Figure pat00028
본 발명의 일 실시예에서, 라이다 센서(11)는 무인항공기
Figure pat00029
축을 기준으로 90°회전되어 있으므로 3차원 회전 행렬
Figure pat00030
은
Figure pat00031
이다.
따라서 무인항공기 절대위치, 자세 및 무인항공기에 대한 라이다 설치위치를 고려하면 라이다 점군 데이터는 아래의 수학식 5를 이용하여 절대좌표축 (
Figure pat00032
)에 대한 위치좌표로 변환 가능하다.
Figure pat00033
수학식 5를 이용하여 라이다에서 측정되는 상대좌표축 (
Figure pat00034
)에 대해 측정된 3차원 점군 데이터를 절대 좌표축 (
Figure pat00035
)으로 변환한 데이터는 도 3 과 같다.
다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축 (
Figure pat00036
)에서의 3차원 라이다 점군 데이터를 확률론적 다운-샘플링(down-sampling) 기법을 적용하여 3차원 점군 맵을 제작하고, 송전선로가 포함된 설정 거리 이하 데이터를 실시간으로 추출하여 다운-샘플링한다.
도 4 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 맵 생성 알고리즘을 나타낸 도면이고, 도 5 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 점군 맵 제작 알고리즘의 실시예를 나타낸 도면이며, 도 6 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘을 나타낸 도면이며, 도 7 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘의 실시예를 나타낸 도면이다.
먼저, 다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축 (
Figure pat00037
)에서의 3차원 라이다 점군 데이터를 확률론적 다운-샘플링 기법을 적용하여 3차원 점군 맵을 제작한다. 라이다 센서(11)에서 측정되는 데이터는 초당 수 MB로 방대하기 때문에 연산장치 및 저장장치에 상당한 부하를 발생시킨다. 따라서 확률론적 다운-샘플링 기법을 이용하여 정확도는 유지하며 연산 데이터를 감소시키면 본 실시예의 송전선로 이도 추정 장치는 무인항공기에 장착 가능한 경량 연산장치가 될 수 있다.
3차원 점군 맵을 제작하는 과정은 3차원 공간을 설정 간격(
Figure pat00038
)으로 화소화(Voxelization)하고 각 화소를 아래의 수학식 6과 같은 확률론적 표현으로 차지(Occupy)되어 있는지 혹은 비어(Free)있는지를 나타낸다.
Figure pat00039
여기서,
Figure pat00040
은 하나의 화소가 차지되어 있을 확률이고
Figure pat00041
은 하나의 화소에 1초부터 t초까지 센서 데이터가 측정될 확률이다. 수학식 6에 log를 이용하여 정리하면 수학식 7과 같다.
Figure pat00042
수학식 7은 1초부터 t초까지의 센서 데이터에 따라 하나의 화소가 차지되어있을 확률에 log를 이용하여 간략화될 수 있으며,
Figure pat00043
은 하나의 화소에서 시간 t초 때 라이다 데이터가 있으면 +
Figure pat00044
, 무인항공기와 라이다 데이터 사이에 있는 라이다 센서(11)의 레이저가 지나간 화소들은 -
Figure pat00045
으로
Figure pat00046
를 업데이트하고 3차원 점군 데이터 맵을 생성할 수 있다.
적용예시로 제시된 도 3의 3차원 라이다 점군 데이터는 약 9GB의 용량이지만, 다운-샘플링을 수행하면 341KB(99.99% 감소)로 용량이 감소하여 저장 및 연산처리 장치의 부하를 확연히 감소시킨다. 많은 연산을 수행하기 위해서는 고성능 연산장치가 요구되며 전력소비 또한 증가한다. 따라서 이러한 다운-샘플링 기법을 적용하여 입력 데이터를 감소시키면 초경량, 저성능 연산장치 이용이 가능하다. 무인항공기의 경우 설치 장비의 무게 및 소비전력이 비행시간에 큰 영향을 미치는 점을 고려할 때, 이러한 확률론적 다운-샘플링 기법의 적용을 통한 데이터 감소는 반드시 필요하다.
또한, 확률론적 다운-샘플링 기법은 하나의 화소에 대한 확률론적 갱신을 통해 측정되는 노이즈 정보를 제거해주는 역할도 동시에 수행하기 때문에 송전선 검출 및 이도 추정시 정확도를 향상시킬 수 있다.
도 4 는 본 발명의 일 실시예에서 제시된, 다운-샘플링 알고리즘을 나타내며, 적용결과는 도 5 에 도시하였다. 도 5 에 나타난 바와 같이 다운-샘플링 알고리즘을 사용하면 도 3 의 3차원 점군 데이터에서 노이즈가 제거되고 화소화된 주변 환경 데이터가 남게 된다. 상술한 바와 같이 사용 데이터양이 매우 적음에도 불구하고 모든 데이터를 사용하는 도 3 과 큰 차이가 없는 것이 관찰 가능하다. 본 실시예에서
Figure pat00047
는 1.0 m,
Figure pat00048
는 0.85,
Figure pat00049
는 -0.4를 사용하였다.
또한, 다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축(
Figure pat00050
)에서의 3차원 라이다 점군 데이터를 거리 필터 사용하여 필터링하고 다운 샘플링한다.
이 경우, 다운 샘플링부(30)는 3차원 공간을 일정한 간격(
Figure pat00051
)으로 화소화(Voxelization)하고 송전선과 주변 환경을 분할하기 위해, 도 6 에 도시된 바와 같이 주변 환경에서 측정된 라이다 데이터와 무인 비행체의 상대거리
Figure pat00052
(
Figure pat00053
)에 대해
Figure pat00054
를 충족시키는 데이터를 우선 추출한다.
여기서
Figure pat00055
,
Figure pat00056
, 및
Figure pat00057
는 무인항공기 상대좌표축(
Figure pat00058
) 또는 라이다 상대좌표축(
Figure pat00059
)을 기준으로 측정한 무인항공기에 대한 주변 환경의 상대거리(Relative Displacement, RD)이다. 후술한 이도 추정부(40)에서 수행되는 송전선로 주변 환경정보 제거 알고리즘이 점과 점사이의 거리에 따라 3차원 점군 데이터를 분류하여 군집을 생성하기 때문에 송전선로 주변 환경을 완벽하게 제거하기 위해, 다운 샘플링부(30)가 데이터를 추출할 때 임계값
Figure pat00060
를 적절하게 선정하는 점은 매우 중요하다.
임계값
Figure pat00061
는 무인항공기로부터 가장 원거리 송전선까지 거리보다는 큰 값이 선정되어야 송전선이 모두 추출된다. 반면, 송전철탑과 지면이 맞닿는 부분보다 작은 값이 선정되어야 송전선로와 연결된 지면이 제거될 수 있으므로, 이도 추정부(40)의 송전선로와 주변 환경 분류를 통한 군집화 과정에서 송전철탑과 연결된 지면이 완벽하게 분리될 수 있다.
송전선로가 송전전압에 따라 송전선로 높이가 다른 것을 고려할 때, 임계값
Figure pat00062
는 점검하는 송전선로의 종류에 의존적이다. 본 실시예에서는 거리 필터 알고리즘을 적용하여 추출된 데이터에 대하여 확률론적 다운-샘플링 기법으로 각 화소가 차지(Occupy)되어 있는지 혹은 비어(free)있는지를 수학식 7과 같은 확률론적 표현을 통해 업데이트하여 연산처리 및 저장장치들의 부하를 감소시켰다.
도 6 은 본 실시예에서 제안하는 거리 필터 및 다운-샘플링 알고리즘을 나타내며, 적용결과는 도 7 에 도시하였다. 도 7 과 같이 거리 필터 및 다운-샘플링 알고리즘을 사용하면 도 3 의 3차원 점군 데이터에서 대부분의 주변 환경을 제거하고 송전선로와 약간의 주변 환경 데이터만 남게 된다. 본 실시예에서
Figure pat00063
값은 0.5,
Figure pat00064
값은 50,
Figure pat00065
값은 0.85,
Figure pat00066
값은 -0.4를 사용하였다.
이도 추정부(40)는 다운 샘플링부(30)에 의해 획득된 3차원 점군 데이터를 이용하여 개별 송전선로의 이도를 추정한다. 이도 추정부(40)는 주변환경 제거부(41), 송전선로 인지부(42), 점군 데이터 제거부(43), 송전선로 검출부(44) 및 이도 검출부(45)를 포함한다.
도 8 은 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘을 나타낸 도면이고, 도 9 는 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘의 실시예를 나타낸 도면이다.
먼저, 주변환경 제거부(41)는 송전선로 및 송전철탑을 제외한 주변 환경을 제거한다. 상술한 바와 같이 다운 샘플링부(30)에 의해 거리 필터 및 다운-샘플링이 적용된 데이터는 도 7 에 도시된 바와 같이 송전선로 및 송전철탑이 분리되었지만 일정거리 내에 존재하는 주변 환경 데이터가 존재한다. 따라서 일정거리 내에 있는 3차원 점군 데이터들을 군집으로 분류하면 송전선로와 주변 환경의 분리 및 군집화가 가능하다.
주변환경 제거부(41)는 다운 샘플링된 3차원 점군 데이터
Figure pat00067
, 분류 검사를 위한 집합
Figure pat00068
, 분류된 데이터를 저장하는 집합
Figure pat00069
, 그리고
Figure pat00070
로 선정한다,
Figure pat00071
에서 임의의 한 점을 골라
Figure pat00072
으로 이도한다.
Figure pat00073
에 있는 임의의 한 점을 중심으로 반지름
Figure pat00074
인 구를 선정 후,
Figure pat00075
에 속한 데이터들 중 구 안에 포함된 데이터들을
Figure pat00076
으로 이도한다. 다시
Figure pat00077
에 속한 임의의 한 점을 골라 상기의 방법을 반복하고, 더 이상 만족하는 점군 데이터가 없을 시
Figure pat00078
의 데이터를
Figure pat00079
의 부분집합
Figure pat00080
으로 이도하고
Figure pat00081
에 1을 더해준다. 이후 다시
Figure pat00082
에서 임의의 한 점을 골라
Figure pat00083
으로 이도하는 작업을 반복한다.
Figure pat00084
에 점군 데이터가 남아있지 않을 경우, 밀도(
Figure pat00085
)가 가장 낮은
Figure pat00086
(
Figure pat00087
)를 송전선로로 선택한다.
본 알고리즘은 송전선로의 형상학적 특성이 고려된 것이다. 송전선로는 전체 공간에서 바라볼 때 가늘고 길기 때문에 환경정보를 표시하는 다른 3차원 점군 데이터들에 비하여 상대적으로 작은 밀도를 갖는다. 반면, 송전선로 이외의 주변 환경 점군 데이터는 높은 밀도로 군집되어 있다.
도 8 에는 상술한 송전선로 주변 지형 제거 알고리즘을 도시하였으며, 적용결과는 도 9 에 도시하였다. 도 9 를 통하여 도 7 에 남아있는 송전선로 및 철탑 주변 지형 정보들이 제거되고 송전선로 및 선로와 연결된 철탑 정보만이 남아 있는 것이 관찰 가능하다. 도 8 의 실제 적용예에서
Figure pat00088
값을 5 m로 선정하였다.
송전선로 인지부(42)는 주변환경 제거부(41)에 의해 주변환경이 제거된 송전선로의 3차원 점군 데이터를 도 10 과 같이 지표면과 수평 평면(도 2의
Figure pat00089
평면)으로 정사영하여 송전선로가 존재하는 위치를 인지한다.
도 10 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 점군 데이터를 나타낸 도면이고, 도 11 은 본 발명의 일 실시예에 따른 지표면과 수평면에서 송전선로 인지 알고리즘의 일 예를 나타낸 도면이며, 도 12 는 본 발명의 일 실시예에 따른 도 11 의 지표면과 수평평면에서 송전선로 인지 알고리즘의 적용 결과를 나타낸 도면이며, 도 13 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서 송전선로 인지 알고리즘의 다른 예를 나타낸 도면이며, 도 14 는 본 발명의 일 실시예에 따른 도 12 의 지표면과 수평평면에서 송전선로 알고리즘의 적용 결과를 나타낸 도면이다.
송전선은 중력에 의해 지표면으로 처지기 때문에 지표면과 수평 평면(도 2 의
Figure pat00090
평면)으로 정사영하게 되면 도 10 과 같이 직선으로 도시된다. 지표면과 수평 평면(도 2 의
Figure pat00091
평면)에서 송전선로가 꺾이는 위치는 단지 송전철탑에 의해서만 존재한다. 따라서 3차원 평면 데이터를 지표면과 수평 평면(도 2 의
Figure pat00092
평면)으로 투영하면 송전선로 인지가 용이하다. 본 실시예에서는 지표면과 수평 평면(도 2 의
Figure pat00093
평면)에서 송전선로 위치를 인지하는 방법을 도 11 및 도 13을 참조하여 두 가지로 제시한다.
도 11을 참조하면, 송전선로 위치를 인지하는 첫 번째 방법은 먼저
Figure pat00094
로 선정한다. 이후, 지표면과 수평한 면(
Figure pat00095
평면)에서의 점군 데이터에서 임의의 두 점을 선택하여 직선을 만들고, 만들어진 직선과 수직한 거리
Figure pat00096
에 포함된 점군 데이터의 개수
Figure pat00097
을 계산한다. 이 작업을
Figure pat00098
번 반복하여 거리 내에 존재하는 점군 데이터의 개수
Figure pat00099
의 값이 가장 큰 직선을 송전선로로 추정한다. 측정된 3차원 점군 데이터는 여러 개의 송전선로를 포함할 수 있기 때문에
Figure pat00100
의 개수가 임계값
Figure pat00101
이상일 경우 검출된 직선과 수직한 거리
Figure pat00102
에 포함된 점들을
Figure pat00103
의 부분집합
Figure pat00104
으로 옮긴 후
Figure pat00105
에 1을 더해주고 알고리즘을 반복하며,
Figure pat00106
의 개수가 임계값
Figure pat00107
이하인 경우
Figure pat00108
을 저장한 후 알고리즘을 종료한다.
도 11 에서 제시하는 알고리즘을 사용하여 송전선로를 추출하는 알고리즘의 결과 값을 도 12 에 도시하였다. 도 12 의 적용결과는 도 11 의 알고리즘에서 변수
Figure pat00109
값은 3,
Figure pat00110
값은 1000, 임계값
Figure pat00111
는 50으로 설정하여 송전선로를 추출하였다. 4개의 송전선로가 순차적으로 완벽하게 추출되는 것이 도 12 를 통하여 확인 가능하다.
지표면과 수평 평면(그림 1의
Figure pat00112
평면)에서 송전선로 위치를 인지하는 방법은 도 11 에 도시된 알고리즘을 이용해서도 추출이 가능하다. 먼저
Figure pat00113
로 선정하고, 지표면과 수평면(그림 1의
Figure pat00114
평면)의 모든 데이터를 아래의 수학식 8을 이용하여
Figure pat00115
domain으로 변환한다.
Figure pat00116
이어
Figure pat00117
domain에서 생기는 선들이 가장 많이 겹치는 점을 선택하고, 그 점을 다시 cartesian domain으로 변환하여 직선을 검출한다. 이후, 도 11 과 마찬가지로 직선과 수직한 거리
Figure pat00118
에 포함된 데이터의 개수(
Figure pat00119
)를 카운트한 후
Figure pat00120
의 개수가 임계값
Figure pat00121
이상일 경우 검출된 직선과 수직한 거리
Figure pat00122
에 포함된 점들을
Figure pat00123
의 부분집합
Figure pat00124
으로 옮긴 후
Figure pat00125
에 1을 더해주고 알고리즘을 반복하며,
Figure pat00126
의 개수가 임계값
Figure pat00127
이하인 경우
Figure pat00128
을 저장한 후 알고리즘을 종료한다. 도 13의 적용결과는 도 14 에 도시되었으며, 도 12 의 결과와 육안으로 판단하기 어려울 만큼 유사한 것이 관찰 가능하다. 도 14 의 적용예에서는
Figure pat00129
,
Figure pat00130
값은 1000, 1000,
Figure pat00131
값은 3, 임계값
Figure pat00132
는 50으로 선정하였다. 따라서 본 발명의 일 실시예에서 제안하는 두 가지 방법들은 모두 지표면과 수평한 면에서 송전선로를 검출하는 것이 가능하다.
도 15 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서의 송전선 및 철탑 점군 데이터를 나타낸 도면이고, 도 16 은 본 발명의 일 실시예에 따른 철탑 검출 및 경간 양측 데이터 제거 알고리즘을 나타낸 도면이며, 도 17 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 도 16 에서 제시한 알고리즘을 이용하여 선정된 경간을 제외한 다른 군집정보 제거 결과를 나타낸 도면이다.
송전선로 인지부(42)에 의해서 추출된 송전선로 데이터를 송전선로-고도 평면(도 12 의
Figure pat00133
평면)에서 관찰하면, 송전선로를 지지하는 송전철탑 데이터가 포함되는 것을 관찰 가능하다. 이도는 철탑 사이의 송전선로의 처짐으로 정의되기 때문에 송전철탑의 위치 정보가 필요하여 이도 추정시 정확도를 향상시키기 위해서는 송전철탑 데이터를 제거해야 한다.
또한 도 15 와 같이 검출하고자하는 두 개의 송전철탑 경간 양축에 이도 추정을 위한 송전선로 이외의 추출된 데이터를 제거해야 송전선로 추출시 오차가 감소한다.
따라서 점군 데이터 제거부(43)는 송전선로 인지부(42)에 의해 검출된 송전선로 및 송전철탑 데이터를 송전선로-고도 평면(도 12 의
Figure pat00134
평면)에서 도 16 에 도시된 알고리즘을 적용하여 선정된 송전철탑 이외의 모든 점군 데이터를 제거한다. 제안 알고리즘의 기본적인 전제는 송전철탑은 직립하기 때문에, 송전선로 점군 데이터는 고도에 대하여 수평으로 존재한다는 것이다. 도 15 에는 송전선로 인지부(42)에서 검출한 직선 중 첫 번째 루프를 통해 추출된 송전선로 데이터(도 12 (a))를 이용하여 송전선로-고도 평면(도 12 의
Figure pat00135
평면)에서
Figure pat00136
축과 평행한 철탑을 검출하고 두 개의 송전철탑(경간) 양측 측정 데이터를 제거하는 단계를 도시하였다.
상술한 바와 같이 송전선로-고도 평면(도 12 의
Figure pat00137
평면)에서 철탑은 직립하여 있으므로 도 16에서는
Figure pat00138
모델로 사용한다. 도 16에 도시된 본 발명의 실시예에서 제안하는 알고리즘에서는 임의로 한 점을 선택하여
Figure pat00139
축과 평행한 직선을 만들고, 생성된 직선과 수직한 거리
Figure pat00140
에 포함된 점들의 개수(
Figure pat00141
)를 계산한다. 앞선 작업을
Figure pat00142
번 반복하여
Figure pat00143
의 값이 가장 큰 직선이 철탑이 포함된 직선으로 추정하고, 이 직선과 수직한 거리
Figure pat00144
에 포함된 점들을
Figure pat00145
로 옮긴다. 일회 운행 시 한 개의 경간을 측정하는 반면, 송전선로 점군 데이터에는 2개의 철탑이 존재한다. 따라서 두 철탑 사이 정보를 제외한 모든 정보를 제거하고
Figure pat00146
을 저장 후 및 알고리즘을 종료한다. 도 17 의 적용예에서
Figure pat00147
값은 3,
Figure pat00148
값은 점군 데이터의 개수로 선정하였다.
송전선로는 여러 개의 송전선으로 구성되어 있다. 본 실시예를 위하여 측정한 154 kV 송전선로의 경우 6개의 송전선이 좌·우측에 각각 3개씩, 2개의 가공지선이 좌·우측에 각각 1개씩 존재하며, 345 kV 및 765 kV 송전선로에는 최소 6개, 최대 12개의 송전선 및 2개의 가공지선이 존재한다. 따라서 개별 송전선들을 모두 추출해서 각 송전선의 이도를 추정해야 정확한 건전성 평가가 가능하다.
송전선로 검출부(44)는 점군 데이터 제거부(43)에서 추출된 송전선로 점군 데이터를 이용하여 개별 송전선을 검출한다.
도 18 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선로 검출 알고리즘을 나타낸 도면이고, 도 19 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선 검출 알고리즘을 적용하여 개별 송전선로 추출 적용 예를 나타낸 도면이다.
송전선의 처짐은 일반적인 현수선 방정식을 추종하며 현수선 방정식은 수학식 9와 같다.
Figure pat00149
수학식 9의 변수
Figure pat00150
는 송전선의 처진 정도를 나타내는 계수이며
Figure pat00151
와
Figure pat00152
는 송전선 중심의 위치를 나타낸다. 수학식 9를 테일러급수를 이용하여 2차 항까지 근사하면 수학식 10과 같다.
Figure pat00153
따라서 송전선을
Figure pat00154
와 같은 2차 다항식으로 커브 피팅(curve fitting)을 하여 변수
Figure pat00155
,
Figure pat00156
,
Figure pat00157
를 추출하면, 수학식 10과 같이 현수선 방정식과 테일러급수로 표현된 근사식 사이의 관계는
Figure pat00158
,
Figure pat00159
,
Figure pat00160
와 같다. 따라서 현수선의 처짐 정도는 현수선 방정식 및 2차 방정식으로 표현이 가능하다는 것을 유추할 수 있다.
도 18 은 도 16 에 도시된 알고리즘을 이용하여 추출한 도 17 의 (c)에 제시된 송전선로에서 개별 송전선 검출을 위해 본 발명의 실시예에서 제안하는 알고리즘이다.
송전선로-고도 평면(도 12 의
Figure pat00161
평면)에서 송전선의 점군 데이터는 앞서 기술한 바와 같이
Figure pat00162
2차 다항식 모델로 도 18 에 제시되는 알고리즘을 사용하여 추출할 수 있다. 먼저
Figure pat00163
로 선정한다. 이후, 임의로 세 점을 선택하여 2차 다항식 곡선을 만들며 생성된 곡선으로부터
Figure pat00164
축으로의 거리
Figure pat00165
에 포함된 점들의 개수(
Figure pat00166
)를 센다. 앞선 작업을
Figure pat00167
번 반복하여
Figure pat00168
의 값이 가장 큰 곡선을 송전선이 포함된 곡선으로 추정한다. 하나의 송전선 점군 데이터에는 여러 개의 송전선을 포함할 수 있으므로
Figure pat00169
가 임계값
Figure pat00170
보다 크면 곡선으로부터
Figure pat00171
축으로의 거리
Figure pat00172
에 포함된 점들을 제거하고, 현수선 방정식의 변수
Figure pat00173
,
Figure pat00174
,
Figure pat00175
는
Figure pat00176
의 부분집합
Figure pat00177
, 2차 다항식의 변수
Figure pat00178
,
Figure pat00179
,
Figure pat00180
는
Figure pat00181
의 부분집합
Figure pat00182
에 저장하며
Figure pat00183
에 1을 더한다.
Figure pat00184
가 임계값
Figure pat00185
보다 작으면 더 이상 송전선이 없다고 판명하여 각각의 현수선 방정식의 변수가 저장된
Figure pat00186
및 2차 다항식의 변수가 저장된
Figure pat00187
를 저장하고 알고리즘을 종료한다. 도 19 의 적용예에서
Figure pat00188
값은 2,
Figure pat00189
값은 1000,
Figure pat00190
값은 300으로 선정하였다.
이도 검출부(45)는 송전선로 검출부(44)에서 추출한 개별 송전선들의 이도를 검출한다.
도 20 은 본 발명의 일 실시예에 따른 송전선로의 이도를 나타낸 도면이고, 도 21 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 일 예를 나타낸 도면이며, 도 22 는 본 발명의 일 실시예에 따른 도 21 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이며, 도 23 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 다른 예를 나타낸 도면이며, 도 24 는 본 발명의 일 실시예에 따른 도 23 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.
송전선의 이도는 도 20 과 같이 정의된다. 본 발명의 실시예에서 개별 송전선 이도 계산을 위하여 도 21 및 도 23 에 도시된 송전선의 이도 추정 알고리즘을 제안한다. 도 21 은 도 18 의 알고리즘에서 산출한 2차 다항식 곡선
Figure pat00191
을 이용하여 이도를 산출하는 알고리즘이고, 도 21 은 현수선 방정식
Figure pat00192
을 이용하여 이도를 산출하는 알고리즘이다. 상술한 바와 같이 현수선 방정식은 테일러급수를 이용하여 2차 다항식 곡선으로 근사가 가능하므로 두 개의 방법 모두 적용이 가능하다.
이도 검출부(45)는 송전선로 검출부(44)에서 검출된 2차 다항식이 저장된 집합
Figure pat00193
의 부분집합의 개수 N을 계산하고, 곡선으로 나타낸 송전선의 양 끝점을 이용하여 N개의 직선을 만든다. 이후, 이도 검출부(45)는 직선의 중심으로부터 송전선의
Figure pat00194
축과 평행한 거리를 측정하여 N개의 이도를 저장한다. 도 22 는 이도 검출부(45)가 첫 번째 루프에서 추출한 송전선(도 19 의 (a))을 이용하여 송전선의 이도를 도 21 에 제시된 알고리즘을 이용하여 산출한 결과이다.
도 23 의 알고리즘은 앞서 기술한 도 21 의 알고리즘과 같이 진행하지만, 도 18 에서 구한 현수선 방정식 집합
Figure pat00195
를 이용하여 이도를 측정한다. 도 24 는 이도 검출부(45)가 첫 번째 루프에서 추출한 송전선(도 19 의 (a))을 이용하여 송전선의 이도를 도 23 의 알고리즘을 이용하여 산출한 결과이다.
도 25 내지 도 27 은 본 발명의 일 실시예에 따른 두 개의 송전선로에 대한 송전선로 검출 및 이도 추정 결과를 나타낸 도면이다.
도 25 과 도 26 및 아래의 표 1과 2는 도 3 의 절대좌표축(
Figure pat00196
)에서의 라이다 점군 데이터를 입력 데이터로 본 발명의 일 실시예를 적용하였을 때 두 개의 송전선로에 대한 송전선 검출 및 이도 추정 결과를 보여준다. 두 가지 송전선로는 도 12 의 (a), (b) 두 가지 송전선로이며 성공적으로 송전선을 검출하고 송전선의 이도를 추정함을 관찰 가능하다.
송전선의 이도 추정 결과(상단 송전선부터 송전선 번호 1번)
송전선 번호 이도(m)
1 6.2270
2 8.2327
3 7.9032
4 8.2228
송전선의 이도 추정 결과(상단 송전선부터 송전선 번호 1번)
송전선 번호 이도(m)
1 4.3390
2 6.8121
3 6.1605
4 6.6797
도 27 및 표 3 은 앞선 실시예와 다른 송전선로의 3차원 점군 데이터를 입력한 예로, 본 발명의 일 실시예에 따른 알고리즘의 적용 결과로 앞선 실시예와 마찬가지로 성공적으로 송전선을 검출하고 송전선의 이도를 추정함을 볼 수 있다.
송전선의 이도 추정 결과(상단 송전선부터 송전선 번호 1번)
송전선 번호 이도(m)
1 17.9485
2 20.0757
3 21.2538
4 19.7515
이와 같이, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 라이다 센서(11)가 장착된 무인항공기를 이용하여 3차원 점군 데이터를 검출하고, 검출된 데이터를 신호처리 기법으로 실시간 매핑하여 자동으로 송전선의 이도를 추정한다.
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 송전선의 열화가 진행되어 극한 환경에서 송전선로 지지부에서 송전선이 과도한 장력을 버티지 못하고 끊어지는 현상을 방지할 수 있도록 한다.
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 원거리에서 무인항공기를 통해 송전선로의 이도를 측정하기 때문에 송전선로의 이도를 측정하는 관리자가 위험에 노출되는 것을 방지한다.
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 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 활용될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
10: 센싱부4 11: 라이다 센서
12: GPS 센서 13: IMU 센서
20: 3차원 점군 데이터 변환부
30: 다운 샘플링부 40: 이도 추정부
41: 주변환경 제거부 42: 송전선로 인지부
43: 점군 데이터 제거부 44: 송전선로 검출부
45: 이도 검출부

Claims (19)

  1. 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; 및
    상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하는 송전선로 이도 추정 장치.
  2. 제 1 항에 있어서, 상기 3차원 점군 데이터 변환부는 라이다 점군 데이터에 무인항공기의 절대위치 및 자세정보를 적용하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  3. 제 1 항에 있어서, 상기 3차원 점군 데이터 변환부는 GPS 센서에서 측정되는 무인항공기 절대좌표축에 대한 절대위치 좌표에 무인항공기 자세를 나타내는 회전행렬과 무인항공기 좌표축의 곱을 합산하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  4. 제 1 항에 있어서, 상기 다운 샘플링부는 3차원 점군 데이터 변환부에 의해 변환된 절대좌표축에서의 3차원 점군 데이터를 확률론적 다운-샘플링 기법으로 다운-샘플링하여 3차원 점군 맵을 생성하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  5. 제 4 항에 있어서, 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 3차원 점군 맵을 생성하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  6. 제 1 항에 있어서, 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 거리 필터를 사용하여 필터링하고 다운-샘플링하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  7. 제 6 항에 있어서, 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터를 추출하여 3차원 점군 데이터를 필터링하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  8. 제 7 항에 있어서, 상기 임계값은 무인항공기로부터 가장 원거리 송전선로까지 거리보다 크거나 송전철탑과 지면이 맞닿는 부분보다 작은 값인 것을 특징으로 하는 송전선로 이도 추정 장치.
  9. 제 7 항에 있어서, 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 상기 3차원 점군 맵을 생성하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  10. 제 1 항에 있어서, 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 송전선로 이도 검출부를 포함하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  11. 제 10 항에 있어서, 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 하는 송전선로 이도 추정 장치.
  12. 제 10 항에 있어서, 상기 송전선로 인지부는 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 지표면과 수평평면으로 정사영하여 송전선로가 존재하는 위치를 인지하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  13. 제 12 항에 있어서, 상기 송전선로 인지부는 지표면과 수평한 수평면에서의 점군 데이터에서 임의의 두 점을 선택하여 직선을 만들고, 만들어진 직선과 수직한 거리에 포함된 점군 데이터의 개수를 계산하는 과정을 반복하여 상기 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  14. 제 12 항에 있어서, 상기 송전선로 인지부는 지표면과 수평한 수평면의 모드 데이터를
    Figure pat00197
    domain으로 변환하고, 변환된
    Figure pat00198
    domain에서 생기는 선들이 가장 많이 겹치는 점을 선택하며, 선택된 점을 cartesian domain으로 변환하여 직선을 검출한 후, 검출된 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  15. 제 10 항에 있어서, 상기 송전선로 점군 데이터 검출부는 상기 송전선로 인지부에 의해 검출된 3차원 점군 데이터를 이용하여 송전선로-고도평면에서
    Figure pat00199
    축과 평행한 철탑을 검출하고 두 개의 송전철탑(경간) 양측 측정 데이터를 제거하여 송전선로 점군 데이터를 추출하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  16. 제 10 항에 있어서, 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 하는 송전선로 이도 추정 장치.
  17. 제 16 항에 있어서, 상기 개별 송전선로 검출부는 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 임의의 세점을 선택하여 2차 다항식 곡선을 만들고, 생성된 곡선으로부터
    Figure pat00200
    축으로의 거리에 포함된 점들의 개수를 카운트하는 과정을 반복하여
    Figure pat00201
    축으로의 거리에 포함된 점들의 값이 가장 큰 곡선을 송전선이 포함된 곡선으로 추정하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  18. 제 10 항에 있어서, 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 2차 다항식이 저장된 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의
    Figure pat00202
    축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 하는 송전선로 이도 추정 장치.
  19. 제 10 항에 있어서, 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 현수선 방정식 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의
    Figure pat00203
    축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 하는 송전선로 이도 추정 장치.
KR1020180139849A 2018-11-14 2018-11-14 송전선로 이도 추정 장치 KR102172543B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180139849A KR102172543B1 (ko) 2018-11-14 2018-11-14 송전선로 이도 추정 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180139849A KR102172543B1 (ko) 2018-11-14 2018-11-14 송전선로 이도 추정 장치

Publications (2)

Publication Number Publication Date
KR20200056028A true KR20200056028A (ko) 2020-05-22
KR102172543B1 KR102172543B1 (ko) 2020-11-03

Family

ID=70914004

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180139849A KR102172543B1 (ko) 2018-11-14 2018-11-14 송전선로 이도 추정 장치

Country Status (1)

Country Link
KR (1) KR102172543B1 (ko)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985496A (zh) * 2020-07-13 2020-11-24 南方电网数字电网研究院有限公司 一种基于植被三维凸包的树障隐患快速检测方法和终端
CN112448319A (zh) * 2020-11-12 2021-03-05 福建省宏闽电力工程监理有限公司 一种输电线路施工紧线预警方法
CN112504208A (zh) * 2020-10-26 2021-03-16 国网河南省电力公司济源供电公司 输电线路空气间隙分析方法
CN112558091A (zh) * 2020-11-27 2021-03-26 广东电网有限责任公司肇庆供电局 一种输电线对树空间距离的实时检测方法、装置及终端设备
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN113175882A (zh) * 2021-04-12 2021-07-27 南通通明集团有限公司 一种基于无人机的架空输电线路弧垂故障检测方法
CN113806949A (zh) * 2021-09-23 2021-12-17 王旭 一种输电线模型确定方法、装置、计算机设备及存储介质
KR20220021158A (ko) * 2020-08-13 2022-02-22 한국전력공사 무인항공기의 비행경로 생성장치 및 그 방법
KR20220107451A (ko) 2021-01-25 2022-08-02 주식회사 엑사이트 가속도 및 각속도 또는 아이엠유센서를 이용한 가공 송전선로 이도 추정 방법
KR20220107456A (ko) 2021-01-25 2022-08-02 주식회사 엑사이트 실시간 측위 시스템 기술을 이용한 가공 송전선로 이도 측정 방법
CN117392270A (zh) * 2023-12-12 2024-01-12 长沙能川信息科技有限公司 基于激光点云的导线拟合的方法、系统和计算机设备
CN117517864A (zh) * 2023-11-08 2024-02-06 南京航空航天大学 一种基于激光雷达的输电线路近电预警方法与装置
CN117589069A (zh) * 2024-01-19 2024-02-23 智洋创新科技股份有限公司 基于数据分析及激光雷达的输电线路运检方法
CN117989985A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 无人机激光测量弧垂方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130021018A (ko) * 2011-08-22 2013-03-05 삼성전자주식회사 3차원 점군의 물체 분리 방법
KR101552589B1 (ko) * 2015-06-12 2015-09-14 (주)선운 이앤지 지상라이다를 이용한 가공철탑전선의 이도, 실장 관측 및 산출방법
KR20180050157A (ko) * 2016-11-04 2018-05-14 한국전력공사 송전선로 가선 이도 측정 시스템 및 이를 이용한 가선 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130021018A (ko) * 2011-08-22 2013-03-05 삼성전자주식회사 3차원 점군의 물체 분리 방법
KR101552589B1 (ko) * 2015-06-12 2015-09-14 (주)선운 이앤지 지상라이다를 이용한 가공철탑전선의 이도, 실장 관측 및 산출방법
KR20180050157A (ko) * 2016-11-04 2018-05-14 한국전력공사 송전선로 가선 이도 측정 시스템 및 이를 이용한 가선 방법

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985496B (zh) * 2020-07-13 2024-01-05 南方电网数字电网研究院有限公司 一种基于植被三维凸包的树障隐患快速检测方法和终端
CN111985496A (zh) * 2020-07-13 2020-11-24 南方电网数字电网研究院有限公司 一种基于植被三维凸包的树障隐患快速检测方法和终端
KR20220122942A (ko) * 2020-08-13 2022-09-05 한국전력공사 무인항공기의 비행경로 생성장치
KR20220021158A (ko) * 2020-08-13 2022-02-22 한국전력공사 무인항공기의 비행경로 생성장치 및 그 방법
KR20220123188A (ko) * 2020-08-13 2022-09-06 한국전력공사 무인항공기의 비행경로 생성장치
KR20220123189A (ko) * 2020-08-13 2022-09-06 한국전력공사 무인항공기의 비행경로 생성장치
KR20220122943A (ko) * 2020-08-13 2022-09-05 한국전력공사 무인항공기의 비행경로 생성장치
CN112504208A (zh) * 2020-10-26 2021-03-16 国网河南省电力公司济源供电公司 输电线路空气间隙分析方法
CN112448319A (zh) * 2020-11-12 2021-03-05 福建省宏闽电力工程监理有限公司 一种输电线路施工紧线预警方法
CN112558091A (zh) * 2020-11-27 2021-03-26 广东电网有限责任公司肇庆供电局 一种输电线对树空间距离的实时检测方法、装置及终端设备
CN112558091B (zh) * 2020-11-27 2023-08-01 广东电网有限责任公司肇庆供电局 一种输电线对树空间距离的实时检测方法、装置及终端设备
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN112630792B (zh) * 2020-11-30 2024-05-28 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
KR20220107456A (ko) 2021-01-25 2022-08-02 주식회사 엑사이트 실시간 측위 시스템 기술을 이용한 가공 송전선로 이도 측정 방법
KR20220107451A (ko) 2021-01-25 2022-08-02 주식회사 엑사이트 가속도 및 각속도 또는 아이엠유센서를 이용한 가공 송전선로 이도 추정 방법
CN113175882A (zh) * 2021-04-12 2021-07-27 南通通明集团有限公司 一种基于无人机的架空输电线路弧垂故障检测方法
CN113806949A (zh) * 2021-09-23 2021-12-17 王旭 一种输电线模型确定方法、装置、计算机设备及存储介质
CN117517864A (zh) * 2023-11-08 2024-02-06 南京航空航天大学 一种基于激光雷达的输电线路近电预警方法与装置
CN117517864B (zh) * 2023-11-08 2024-04-26 南京航空航天大学 一种基于激光雷达的输电线路近电预警方法与装置
CN117392270B (zh) * 2023-12-12 2024-03-15 长沙能川信息科技有限公司 基于激光点云的导线拟合的方法、系统和计算机设备
CN117392270A (zh) * 2023-12-12 2024-01-12 长沙能川信息科技有限公司 基于激光点云的导线拟合的方法、系统和计算机设备
CN117589069A (zh) * 2024-01-19 2024-02-23 智洋创新科技股份有限公司 基于数据分析及激光雷达的输电线路运检方法
CN117589069B (zh) * 2024-01-19 2024-05-10 智洋创新科技股份有限公司 基于数据分析及激光雷达的输电线路运检方法
CN117989985A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 无人机激光测量弧垂方法及系统

Also Published As

Publication number Publication date
KR102172543B1 (ko) 2020-11-03

Similar Documents

Publication Publication Date Title
KR20200056028A (ko) 송전선로 이도 추정 장치
KR102235113B1 (ko) 송전선로의 환경침해 진단장치
CN107392247B (zh) 一种电力线下方地物安全距离实时检测方法
CN106356757B (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
CN110009037B (zh) 一种基于物理信息耦合的工程风速短时预测方法及系统
Melzer et al. Extraction and modeling of power lines from ALS point clouds
CN106949936B (zh) 利用双目视觉位移监测系统分析输电塔结构模态的方法
KR101924278B1 (ko) 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법
US8649553B2 (en) Method for predicting a trend of a meteorological phenomenon on the basis of data originating from a meteorological radar
KR101711964B1 (ko) 자유 공간 지도 생성 방법, 자유 공간 지도 생성 시스템, 자유 공간 지도를 이용한 전경/배경 추출 방법 및 전경/배경 추출 시스템
CN109829908B (zh) 基于双目影像的电力线下方地物安全距离检测方法及设备
JP6858415B2 (ja) 海面計測システム、海面計測方法および海面計測プログラム
CN105954747A (zh) 基于电网不良地质体三维形变监测的塔基稳定性分析方法
CN102788572B (zh) 一种工程机械吊钩姿态的测量方法、装置及系统
Geng et al. UAV-LiDAR-based measuring framework for height and stagger of high-speed railway contact wire
CN111339826B (zh) 一种滑坡无人机线性传感器网络框架检测系统
CN106773709A (zh) 一种沉浸式无人机驾驶飞行系统
CN113449688B (zh) 一种基于影像和激光点云数据融合的输电树障识别系统
CN114463932A (zh) 非接触式施工安全距离主动动态识别预警系统及方法
CN114092651A (zh) 用于应急管理的智能建模系统及方法
CN116843738A (zh) 基于tof深度相机的树木倾倒风险评估系统及方法
CN115376067A (zh) 基于加速度计的地铁公共交通拥挤监测与风险评估系统
CN111354028B (zh) 基于双目视觉的输电通道隐患物识别追踪方法
CN114076952A (zh) 一种跳线弧垂距离测量方法及系统
CN114552601A (zh) 双目视觉输电线震荡监测及三维重建方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant