一种全景地图拉花检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种全景地图拉花检测方法、装置、设备及存储介质。该方法包括：获取光伏电站的全景地图，以及与全景地图对应的数字地表模型；根据数字地表模型，由全景地图中分割确定至少一个待处理组件区域图像；对各待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像；将初始拉花区域图像输入至预先构建的组件分割神经网络模型中，根据输出的目标分割图像确定初始拉花区域图像中的目标拉花区域。本发明专利技术实施例的技术方案，解决了现有全景电子地图拼接过程中难以对存在拉花现象的区域进行精准定位的问题，提升了全景地图中拉花区域定位的精度和准确性，使得运维人员可及时对拉花区域进行图像重采集和镶嵌修复。复。复。

【技术实现步骤摘要】
一种全景地图拉花检测方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种全景地图拉花检测方法、装置、设备及存储介质。

技术介绍

[0002]随着国家对清洁、可再生能源的开发、研究投入越来越大，基于太阳能的光伏产业迅猛发展。光伏电站的规模持续扩大，使得电站运维成为电站运营中必不可少的部分。
[0003]目前常利用无人机实现对光伏电站的运维。例如，可通过无人机携带的摄像装置对光伏电站中的光伏组件进行图像采集，并基于图像分析的检测方法实现组件故障检测与定位。而通过无人机巡检完整个电站以进行组件故障检测之前，一般需要先将采集到的图片进行拼接，以生成光伏电站的全景电子地图，从而便于后续将检测到的故障组件定位至全景电子地图中，以便于运维人员找到相应的故障组件进行维护。
[0004]在全景电子地图的拼接过程中，通常由图像配准算法直接实现相邻图像的配准工作，然而由于光伏组件图像中组件相似度过高，为图像配准工作带来了较大的困难，也会导致拼接而成的全景电子地图中某些组件区域出现拉花现象，进而影响全景电子地图的拼接质量，导致组件故障检测定位准确性降低。
[0005]因此，如何准确地检测出全景电子地图中存在拉花现象的区域以便于运维人员可及时对拉花区域进行图像重采集和镶嵌修复，从而提高全景电子地图的拼接质量，保证组件故障检测定位准确性是本领域亟待解决的问题。

技术实现思路

[0006]本专利技术提供了一种全景地图拉花检测方法、装置、设备及存储介质，将图像特征提取与神经网络模型相结合，对全景地图中存在拉花现象的区域进行精确检测定位，提升了全景地图中拉花区域定位的精度和准确性，进而使得运维人员可及时对拉花区域进行图像重采集和镶嵌修复。
[0007]第一方面，本专利技术实施例提供了一种全景地图拉花检测方法，包括：
[0008]获取光伏电站的全景地图，以及与全景地图对应的数字地表模型；
[0009]根据数字地表模型，由全景地图中分割确定至少一个待处理组件区域图像；
[0010]对各待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像；
[0011]将初始拉花区域图像输入至预先构建的组件分割神经网络模型中，根据输出的目标分割图像确定初始拉花区域图像中的目标拉花区域。
[0012]第二方面，本专利技术实施例还提供了一种全景地图拉花检测装置，包括：
[0013]地图模型获取模块，用于获取光伏电站的全景地图，以及与全景地图对应的数字地表模型；
[0014]待处理图像确定模块，用于根据数字地表模型，由全景地图中分割确定至少一个
待处理组件区域图像；
[0015]初始图像确定模块，用于对各待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像；
[0016]拉花区域确定模块，用于将初始拉花区域图像输入至预先构建的组件分割神经网络模型中，根据输出的目标分割图像确定初始拉花区域图像中的目标拉花区域。
[0017]第三方面，本专利技术实施例还提供了一种全景地图拉花检测设备，该全景地图拉花检测设备包括：
[0018]至少一个处理器；以及
[0019]与至少一个处理器通信连接的存储器；其中，
[0020]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，使得至少一个处理器能够实现本专利技术任一实施例的全景地图拉花检测方法。
[0021]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的全景地图拉花检测方法。
[0022]本专利技术实施例提供的一种全景地图拉花检测方法、装置、设备及存储介质，通过获取光伏电站的全景地图，以及与全景地图对应的数字地表模型；根据数字地表模型，由全景地图中分割确定至少一个待处理组件区域图像；对各待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像；将初始拉花区域图像输入至预先构建的组件分割神经网络模型中，根据输出的目标分割图像确定初始拉花区域图像中的目标拉花区域。通过采用上述技术方案，在获取到全景地图以及与全景地图对应的数字地表模型后，首先依据数字地表模型对全景地图进行信息提取与分割，将其中包含光伏组件的待处理组件区域提取出来，进而通过对各待处理组件区域进行图像特征提取，明确其中可能存在拉花现象的初始拉花区域图像，结合预先训练好的组件分割神经网络模型对初始拉花区域图像进行组件分割，使得初始拉花区域图像可被更加细化的分割，进而依据分割所得的目标分割图像精确确定具有拉花现象的目标拉花区域，解决了现有全景电子地图拼接过程中难以对存在拉花现象的区域进行精准定位的问题，提升了全景地图中拉花区域定位的精度和准确性，使得运维人员可及时对拉花区域进行图像重采集和镶嵌修复，进而提升了依据全景地图进行组件故障检测的准确性。
[0023]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0024]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本专利技术实施例一中的一种全景地图拉花检测方法的流程图；
[0026]图2是本专利技术实施例二中的一种全景地图拉花检测方法的流程图；
[0027]图3是本专利技术实施例二中的一种第一区域集合的示例图；
[0028]图4是本专利技术实施例二中的一种待处理组件区域的示例图；
[0029]图5是本专利技术实施例二中的一种长直线子集的示例图；
[0030]图6是本专利技术实施例二中的一种短直线子集的示例图；
[0031]图7是本专利技术实施例二中的一种组件分割神经网络模型的训练方法的流程示例图；
[0032]图8是本专利技术实施例二中的一种组件分割神经网络模型的网络结构示例图
[0033]图9是本专利技术实施例二中的一种目标分割图像的示例图；
[0034]图10是本专利技术实施例二中的一种目标拉花区域定位框的示例图；
[0035]图11是本专利技术实施例三中的一种全景地图拉花检测装置的结构示意图；
[0036]图12是本专利技术实施例四中的一种全景地图拉花检测设备的结构示意图。
具体实施方式
[0037]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0038]需要说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全景地图拉花检测方法，其特征在于，包括：获取光伏电站的全景地图，以及与所述全景地图对应的数字地表模型；根据所述数字地表模型，由所述全景地图中分割确定至少一个待处理组件区域图像；对各所述待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像；将所述初始拉花区域图像输入至预先构建的组件分割神经网络模型中，根据输出的目标分割图像确定所述初始拉花区域图像中的目标拉花区域。2.根据权利要求1所述的方法，其特征在于，所述根据所述数字地表模型，由所述全景地图中分割确定至少一个待处理组件区域图像，包括：根据所述数字地表模型中的高程信息与预设高程阈值，确定第一区域集合；根据第一区域集合中各第一区域的边界特征，将所述边界特征符合预设边界条件的第一区域确定为待处理组件区域；根据各所述待处理组件区域对应的坐标信息，由所述全景地图中提取与各所述待处理组件区域对应的待处理组件区域图像。3.根据权利要求1所述的方法，其特征在于，所述对各所述待处理组件区域图像进行特征提取，依据提取的特征确定初始拉花区域图像，包括：对各所述待处理组件区域图像进行灰度化和边缘化处理，确定待处理组件区域边缘图像；提取各所述待处理组件区域边缘图像中的直线集合；将满足第一预设拉花判定条件的直线集合对应的待处理组件区域图像确定为初始拉花区域图像。4.根据权利要求3所述的方法，其特征在于，所述将满足第一预设拉花判定条件的直线集合对应的待处理组件区域图像确定为初始拉花区域图像，包括：针对每个直线集合，根据预设长度阈值将所述直线集合划分为长直线子集和短直线子集；若所述长直线子集对应的第一长度均值、所述短直线子集对应的第二长度均值、所述长直线子集对应的第一元素个数和所述短直线子集对应的第二元素个数均满足第一预设拉花判定条件，则将所述直线集合对应的待处理组件区域图像确定为初始拉花区域图像。5.根据权利要求4所述的方法，其特征在于，所述第一预设拉花判定条件为所述第一长度均值大于第一预设倍数的所述第二长度均值、所述第一元素个数大于第一数量阈值且所述第二元素个数大于第二数量阈值。6.根据权利要求1所述的方法，其特征在于，所述将所述初始拉花区域图像输入至预先构建的组件分割神经网络模型中，包括：将所述初始拉花区域图像输入至所述预先构建的组件分割神经网络模型的下采样模块中，确定至少两个不同尺度的特征图像；将各所述特征图像输入至所述组件分割神经网络模型的上采样模块中，确定输出特征图像；将所述输出特征图像经损失层输出的结果确定为目标分割图像。7.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：唐红强，
申请(专利权)人：阳光电源股份有限公司，
类型：发明
国别省市：