一种直线双回塔的无人机巡检照片自动命名方法技术

本发明专利技术公开了一种直线双回塔的无人机巡检照片自动命名方法。方法包括：通过无人机采集杆塔的巡检照片，再利用软件获取巡检照片的属性数据；结合属性数据以及杆塔的实际经度和实际纬度计算各个巡检照片与对应杆塔之间的相对经度、相对纬度和相对高度，根据前后相邻两个杆塔的实际经度和实际纬度计算杆塔的前进方向β，然后确定该巡检照片的部位名称；对巡检照片的属性数据及巡检照片的部位名称进行训练标签的标注，并组成训练集；将训练集输入神经网络进行训练；将待命名巡检照片的属性数据输入训练好的神经网络进行自动命名。本发明专利技术细化了命名结果，增加了巡检照片重命名的完整性，有利于后续对大量巡检照片进行归档管理。理。理。

【技术实现步骤摘要】
一种直线双回塔的无人机巡检照片自动命名方法


[0001]本专利技术涉及了图像自动命名
的一种无人机巡检照片自动命名方法，尤其涉及一种直线双回塔的无人机巡检照片自动命名方法。

技术介绍

[0002]在输电线路的运维时，为了保证输电线路的正常运行，需要对输电线路的情况进行检查和维护。传统的工作方式是运维检修人员用无人机去现场拍摄巡检照片，然后把巡检照片拷贝到电脑里，接着再根据巡检照片中的杆塔部位的名称对巡检照片进行重命名，用于后期的分类处理。传统的工作方式需要人工把巡检照片进行重命名，效率低下，耗时耗力，尤其当巡检照片较多是，人力难以胜任。因此，需要一种自动命名的方法，可以自动对无人机摄像系统所拍摄的巡检照片进行重命名，进而节省时间和人力，方便对巡检照片进行后续管理。

技术实现思路

[0003]针对现有技术中存在的问题，本专利技术提供了一种基于无人机巡线巡检照片属性数据的命名方法。克服了所述传统方法的缺点，进行更完整的自动命名，可以区分出杆塔的左右侧，进行更加完整细分的命名。
[0004]本专利技术采用的技术方案是：
[0005]本方法包括以下步骤：
[0006]S1.通过无人机采集杆塔的巡检照片，再利用软件获取巡检照片的属性数据，所述属性数据包括拍摄点的经度、纬度、高度以及云台偏航角和云台俯仰角；
[0007]S2.从数据库中调取各个杆塔的实际经度和实际纬度，结合属性数据中拍摄点的经度、纬度以及杆塔的实际经度和实际纬度计算各个巡检照片与对应杆塔之间的相对经度、相对纬度和相对高度，根据前后相邻两个杆塔的实际经度和实际纬度计算杆塔的前进方向β；
[0008]S3.根据巡检照片与对应杆塔之间的相对经度、相对纬度、相对高度及杆塔的前进方向β确定该巡检照片的部位名称；
[0009]S4.对巡检照片的属性数据及巡检照片的部位名称进行训练标签的标注，标注过标签的巡检照片的属性数据及巡检照片的部位名称组成训练集；
[0010]S5.将训练集输入神经网络进行训练，获得训练好的神经网络模型；
[0011]S6.将待命名巡检照片的属性数据输入训练好的神经网络，完成待命名巡检照片的部位分类以及自动命名。
[0012]步骤S2具体包括以下过程：
[0013]S2.1.根据各杆塔的实际经度和拍摄点的经度计算各个巡检照片与对应杆塔之间的相对经度XdJd，具体根据以下公式确定：
[0014]XdJd
*
＝tj
‑
dj
[0015][0016]式中，XdJd
*
表示经度差值，tj表示杆塔的实际经度，dj表示巡检照片拍摄点的经度，jmin表示巡检照片拍摄点的经度的最小值，jmax表示巡检照片拍摄点的经度的最大值；
[0017]S2.2.根据各杆塔的实际纬度和拍摄点的纬度计算各个巡检照片与对应杆塔之间的相对纬度Xdwd，具体根据以下公式确定：
[0018]XdWd
*
＝tw
‑
dw
[0019][0020]式中，XdWd
*
表示纬度差值，tw表示杆塔的实际纬度，dw表示巡检照片拍摄点的纬度，wmin表示巡检照片拍摄点的纬度的最小值，wmax表示巡检照片拍摄点的纬度的最大值；
[0021]S2.3.根据拍摄点的高度计算各个巡检照片的拍摄点的位置和各个巡检照片对应杆塔的相对高度XdGd，具体根据以下公式确定：
[0022][0023]式中，XdGd
*
表示高度差值，Gmin表示巡检照片拍摄点的高度的最小值，Gmax表示巡检照片拍摄点的高度的最大值；
[0024]S2.4.根据前后相邻两个杆塔的实际经度和实际纬度计算杆塔的前进方向β，具体根据以下公式确定：
[0025]α＞O且Tj
i+1
‑
Tj
i
＜0
[0026]α＜0且Tj
i+1
‑
Tj
i
＞0
[0027]其中，
[0028]式中，α表示杆塔的前进方向β的中间值，π为圆周率，Tj
i+1
表示第i+1个杆塔的经度，Tj
i
表示第i个杆塔的经度，Tw
i+1
表示第i+1个杆塔的纬度，Tw
i
表示第i个杆塔的纬度。
[0029]步骤S3具体为：根据杆塔的前进方向β，判断巡检照片的拍摄点位于杆塔的左侧或右侧；再根据巡检照片与对应杆塔之间的相对经度、相对纬度和相对高度确定拍摄点与杆塔的相对位置，然后确定巡检照片对应的拍摄部位，进而确定巡检照片的名称为该拍摄部位。
[0030]所述神经网络为多层感知器MLP。
[0031]所述巡检照片的部位名称包括全景、塔头、塔基、塔牌、大号侧通道、小号侧通道、左侧地线1、左侧地线2和左上相横担端挂点。
[0032]本专利技术的有益效果是：
[0033]本专利技术通过杆塔的前进方向β，结合云台偏航角、云台俯仰角以及巡检照片拍摄点与杆塔的相对位置，确定无人机拍摄时相对于杆塔前进方向的方位，为杆塔左右侧的命名打下基础，同时解决了以往命名方法中只能归类到杆塔本身，而不能区分杆塔的具体部位
以及杆塔左右不同方位的问题，大大的细化了命名，增加了巡检照片重命名的完整性。
[0034]本专利技术通过经纬度和偏航角匹配的方式，可以自动对无人机摄像系统所拍摄的巡检照片进行重命名，以利于后续对大量巡检照片进行归档管理。
附图说明
[0035]图1为本专利技术的流程图；
[0036]图2为本专利技术的数据读取存储库。
具体实施方式
[0037]下面结合附图及具体实施例对本专利技术作进一步详细说明。
[0038]如图1所示，本方法包括以下步骤：
[0039]S1.通过无人机采集杆塔的巡检照片，再利用软件获取巡检照片的属性数据，属性数据包括拍摄点的经度、纬度、高度以及云台偏航角和云台俯仰角，如图2所示；
[0040]S2.从数据库中调取各个杆塔的实际经度和实际纬度，结合属性数据中拍摄点的经度、纬度以及杆塔的实际经度和实际纬度计算各个巡检照片与对应杆塔之间的相对经度、相对纬度和相对高度，根据前后相邻两个杆塔的实际经度和实际纬度计算杆塔的前进方向β；
[0041]S3.根据巡检照片与对应杆塔之间的相对经度、相对纬度、相对高度及杆塔的前进方向β确定该巡检照片的部位名称；
[0042]S4.对巡检照片的属性数据及巡检照片的部位名称进行训练标签的标注，标注过标签的巡检照片的属性数据及巡检照片的部位名称组成训练集；
[0043]S5.将训练集输入神经网络进行训练，获得训练好的神经网络模型；
[0044]S6.将待命名巡检照片的属性数据输入训练好的神经网络，完成待命名巡检照片的部位分类以及自动命名。
[0045]步骤S2具体包括以下过程：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直线双回塔的无人机巡检照片自动命名方法，其特征在于：方法包括以下步骤：S1.通过无人机采集杆塔的巡检照片，再利用软件获取巡检照片的属性数据，所述属性数据包括拍摄点的经度、纬度、高度以及云台偏航角和云台俯仰角；S2.从数据库中调取各个杆塔的实际经度和实际纬度，结合属性数据中拍摄点的经度、纬度以及杆塔的实际经度和实际纬度计算各个巡检照片与对应杆塔之间的相对经度、相对纬度和相对高度，根据前后相邻两个杆塔的实际经度和实际纬度计算杆塔的前进方向β；S3.根据巡检照片与对应杆塔之间的相对经度、相对纬度、相对高度及杆塔的前进方向β确定该巡检照片的部位名称；S4.对巡检照片的属性数据及巡检照片的部位名称进行训练标签的标注，标注过标签的巡检照片的属性数据及巡检照片的部位名称组成训练集；S5.将训练集输入神经网络进行训练，获得训练好的神经网络模型；S6.将待命名巡检照片的属性数据输入训练好的神经网络，完成待命名巡检照片的部位分类以及自动命名。2.根据权利要求1所述的一种直线双回塔的无人机巡检照片自动命名方法，其特征在于：步骤S2具体包括以下过程：S2.1.根据各杆塔的实际经度和拍摄点的经度计算各个巡检照片与对应杆塔之间的相对经度XdJd，具体根据以下公式确定：XdJd
*
＝tj
‑
dj式中，XdJd
*
表示经度差值，tj表示杆塔的实际经度，dj表示巡检照片拍摄点的经度，jmin表示巡检照片拍摄点的经度的最小值，jmax表示巡检照片拍摄点的经度的最大值；S2.2.根据各杆塔的实际纬度和拍摄点的纬度计算各个巡检照片与对应杆塔之间的相对纬度Xdwd，具体根据以下公式确定：XdWd
*
＝tw
‑
dw式中，XdWd
*
表示纬度差值，tw表示杆塔的实际纬度，...

【专利技术属性】
技术研发人员：钱肖，汤春俊，叶宏，梁加凯，金德军，贺燕，朱凯，童晓文，林舒敏，林峰，曹蕴瀚，谢敏，
申请(专利权)人：金华八达集团有限公司有限公司，
类型：发明
国别省市：