【技术实现步骤摘要】
基于双目视觉的无人机和电力杆塔距离测量方法
[0001]本专利技术属于电力巡检系统与计算机视觉领域，具体涉及一种基于双目视觉的无人机和电力杆塔距离测量方法。
技术介绍
[0002]随着电力系统的高速发展，国家对于电力线路的安全运行和供电可靠性的要求也水涨船高。由于电力传输线路以及电力杆塔在电网中起到十分重要的作用，其运行状态的安全稳定对于保证电网结构的完整性起着决定性作用。因此，为保障电站的正常工作，电力杆塔的日常巡检也就成了重中之重。
[0003]传统电力巡检采用人工巡检方式，但会耗费大量的人力与时间，而无人机巡检技术凭借其操作简单、视角独特、图片清晰的航拍功能，正在逐渐取代传统人工巡检，但由于无人机在电力杆塔周围会受到电磁干扰，出现机体远程可控性降低的现象，从而影响无人机控制的精确性。再加上目前市面上的无人机巡检方法大多不能精准反馈无人机与电力杆塔的准确距离。
技术实现思路
[0004]有鉴于此，本专利技术的目的在于提供一种基于双目视觉的无人机和电力杆塔距离测量方法，以解决上述问题。
[0...
【技术保护点】
【技术特征摘要】
1.一种基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，包括以下步骤：步骤S1:采用双目视觉摄像机，获取电力杆塔的图片；步骤S2:基于YOLACT算法对双目视觉摄像机拍摄到的电力杆塔图像进行实例分割，获得分割后的电力杆塔图像；步骤S3:通过SURF特征匹配方法对左右双目分割出的同一电力杆塔图像进行特征匹配，获得精确的特征点对；步骤S4:根据三角测距以及双目视觉中视差与深度的关系推出精确的深度图，进一步测算出无人机与电力杆塔之间的距离。2.根据权利要求1所述的基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，所述步骤S2具体为：步骤S21:对图片进行预处理，使其符合backbone的尺寸大小，并将其输入backbone进行特征提取；步骤S22:通过YOLACT将实例分割分为两个子任务并行处理；步骤S23:通过prediction head与NMS网络预测每一个实例的mask系数。3.根据权利要求2所述的基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，所述backbone结构采用ResNet101+FPN网络，具体如下：a.ResNet101共含有五个卷积模块，这五个模块的输出分别对YOLACT网络结构的C1到C5；b.在ResNet101后增加一个FPN网络，FPN网络由ResNet101的C5经过一个卷积层得到P5，再对P5进行一次双线性插值放大，与经过卷积的C4相加得到P4，并同样的方法得到P3；此外，对P5进行卷积得到P6，对P6进行卷积得到P7；从而完成特征提取，并生成对应大小的anchor。4.根据权利要求3所述的基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，所述步骤S22具体为：P3通过Protonet生成一组针对全图的原型mask，每张图片有k个原型mask；将backbone中的P3层特征抽取出来经过3个3
×
3卷积，然后再经过Upsampling+3
×
3卷积变为原图的四分之一大小，最后1
×
1卷积降低通道数至k，并生成k个138
×
138的原型mask。5.根据权利要求4所述的基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，所述所述步骤S23具体为：在基于Anchor的检测模型基础上额外增加一个输出mask函数，也就是对于每一个边框输出c个类别的置信分数，4个回归量，k个mask系数；且mask系数有正有负，并基于tanh激活函数值域为(
‑
1，1)的特性，在mask系数预测时使用tanh函数进行非线性激活；prediction head在基于RetinaNet的基础上改进，通过共享一个3
×
3的卷积网络，然后各自经过3
×
3的卷积；其中a是每个P中的anchor数；将每一层的anchor数经过NMS后拼接起来得到所有的mask系数；最后根据公式M＝σ(PC
T
)其中，P为h
×
w
×
k的原型mask的集合，C为n
×
k的mask系数集合，代表有n个通过NMS和
阈值过滤的实例，σ为sigmoid函数，最终得到的M的尺寸为h
×
w
×
n，即预测出n个mask。6.根据权利要求1所述的基于双目视觉的无人机和电力杆塔距离测量方法，其特征在于，所述backbone的Loss函数由类别置信度损失L
cls
、框回归损失L
box
和mask损失L
loss
三部分组成，其中类别...
【专利技术属性】
技术研发人员：吴志成，林秀贵，许家浩，杨昌加，王门鸿，叶学知，陈子良，李博宁，蔡志坚，林旭鸣，张志祥，陈健伟，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。