一种输电机械外破隐患测距方法技术

本发明专利技术提供了一种输电机械外破隐患测距方法，属于输电线路智能运检领域，包括：建立模型；基于输电线路可视化监拍设备拍摄的输电通道可见光图片以及可视化监拍设备的相机内参矩阵等数据，通过输电导线分割模型获取到的导线区域和单目深度估计模型获取到的深度图对输电线路可视化监拍设备拍摄的输电通道可见光图片中的输电导线进行三维重建，使用输电线路机械外破隐患目标检测模型与深度图结合相机成像原理获取输电线路机械外破隐患目标的空间信息，计算输电导线与机械外破隐患之间的最小距离实现输电机械外破隐患测距，本发明专利技术能够比较实时准确的获取输电线路中树障与导线的最小距离。的最小距离。的最小距离。

【技术实现步骤摘要】
一种输电机械外破隐患测距方法


[0001]本专利技术涉及输电线路智能运检领域，尤其是涉及一种输电机械外破隐患测距方法。

技术介绍

[0002]随着国民经济的快速发展，电力系统的稳定运行已经关系到千家万户的日常生活。与此同时，由于我国地域辽阔，输电线路四通八达，这也造成了输电通道外部环境多种多样，并且通道内输电线路遭外力破坏事件逐年增加，机械外破逐渐成为电网企业保障电力供给面临的的一个严重问题。机械不当施工，尤其是超高机械的不当施工导致的电力故障问题，不仅仅对电力的稳定运送造成了影响，而且还会造成非常巨大的经济损失，因此机械外破隐患已经成为我国电力系统亟需解决的隐患问题。
[0003]随着现代科学技术发展，基于使用远程监控设备和基于深度学习算法相结合的输电外破隐患检测已经广泛应用在输电线路巡检中，但是由于远程监控设备一般拍摄图片范围较大，而隐患识别有无法有效区别有效隐患和无效隐患，这就造成了非常多的无效预警，这是目前输电线路巡检中的一个非常严重的问题。而隐患测距由于能够获取到输电隐患与导线的距离，从而能够有效解决这一问题。中国专利技术专利名称：一种输电线路通道隐患目标测距方法、设备及介质，专利号：CN113345019A，公开了一种输电线路通道隐患目标测距的方法，方法包括：获取输电线路通道的二维图像数据与三维点云数据，根据目标分割网络模型得到隐患目标的二维位置信息；若隐患目标的二维位置信息在预设的通道立体防护区域内，则通过预先设置的地面数据映射模型将隐患目标的二维位置信息映射三维点云数据中得到隐患目标的三维坐标位置信息；根据隐患目标的三维坐标位置信息与预设的导线数据映射模型获得隐患目标与导线的距离信息。本方法综合利用了二维图像数据的稠密信息优势和三维点云数据的精度优势，为输电线路通道安全提供更加有效的预警信息。
[0004]但是目前测距方法基本都是基于点云及其相关数据的，具有数据无法实时获取，数据采集困难，处理难度大，计算精度低等弊端。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术基于输电线路可视化监拍设备拍摄的输电通道可见光图片以及可视化监拍设备的相机内参矩阵等数据，通过基于深度学习的输电导线分割模型获取到的导线区域和单目深度估计模型获取到的输电通道可见光图片的深度图对输电线路可视化监拍设备拍摄的输电通道可见光图片中的输电导线进行三维重建，使用输电线路机械外破隐患目标检测模型与输电通道可见光图片的深度图结合相机成像原理获取输电线路机械外破隐患目标的空间信息从而计算输电导线与机械外破隐患之间的最小距离从而实现输电机械外破隐患测距。
[0006]本专利技术采用的技术方案如下：本专利技术提供了一种输电机械外破隐患测距方法，包括如下步骤：
建立单目深度估计模型、输电导线分割模型、输电线路机械外破隐患目标检测模型；采用单目深度估计模型对输电通道可见光图片进行场景景物的单目深度估计，获取输电通道可见光图片的深度图；采用输电导线分割模型对输电通道可见光图片中的导线进行图像分割，获取导线分割像素位置；导线分割像素位置结合输电通道可见光图片的深度图，获取导线深度信息；通过相机内参矩阵将导线深度信息转化为导线点云；采用输电线路机械外破隐患目标检测模型获取输电通道可见光图片中的机械外破隐患框；所述机械外破隐患框与所述输电通道可见光图片的深度图结合，获取机械外破隐患目标代表点集的平面位置信息；利用平面位置信息通过相机成像原理获取机械外破隐患目标代表点集的空间位置信息；通过所述空间位置信息与导线点云计算欧氏距离，所述欧氏距离中的最小值为机械外破隐患与输电导线最小距离。
[0007]本专利技术的有益效果为：本专利技术使用基于深度学习的输电导线分割模型可以很好的提取导线像素位置，结合输电通道可见光图片的深度图和相机内参矩阵能够实现基于单张图片的导线三维重建，有效的提升了对输电导线重建的实时性，在提升测距精度的同时极大的降低了输电场景景物点云重建的成本和时间；本专利技术利用单目深度估计技术将单张图片结合相机内参生成带有三维空间信息的输电外破隐患空间坐标以及导线坐标，并测量二者距离，由于数据获取简单方便，具有较强的适应性，极大的减少了对机械隐患的重建速度以及避免了对多种多样的机械隐患重建不完整的问题，从而有效保证了测距精度；本专利技术通过对单张图片中的隐患进行有选择性的获取空间坐标，避免了大量点云数据测距困难的问题，具有较强的实时性，能够比较实时准确的获取输电线路中树障与导线的最小距离。
附图说明
[0008]图1为本专利技术提供了一种输电机械外破隐患测距方法流程图。
具体实施方式
[0009]下面结合附图与实施例对本专利技术做进一步说明：为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本专利技术进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本专利技术的不同结构。为了简化本专利技术的公开，下文中对特定例子的部件和设置进行描述。此外，本专利技术可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本专利技术省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本专利技术。
[0010]如图1所示，本专利技术提供了一种输电机械外破隐患测距方法，包括如下步骤：建立单目深度估计模型、输电导线分割模型、输电线路机械外破隐患目标检测模型；采用单目深度估计模型对输电通道可见光图片进行场景景物的单目深度估计，获
取输电通道可见光图片的深度图；采用输电导线分割模型对输电通道可见光图片中的导线进行图像分割，获取导线分割像素位置；导线分割像素位置结合输电通道可见光图片的深度图，获取导线深度信息；通过相机内参矩阵将导线深度信息转化为导线点云；采用输电线路机械外破隐患目标检测模型获取输电通道可见光图片中的机械外破隐患框；本专利技术采用的输电线路机械外破隐患目标检测模型如RCNN，YOLO等目标检测方法，但不限于上述方法，本专利技术所采用的目标检测方法具有识别检测机械外破隐患的能力；所述机械外破隐患框与所述输电通道可见光图片的深度图结合，获取机械外破隐患目标代表点集的平面位置信息；利用平面位置信息通过相机成像原理获取机械外破隐患目标代表点集的空间位置信息；通过所述空间位置信息与导线点云计算欧氏距离，所述欧氏距离中的最小值为机械外破隐患与输电导线最小距离。
[0011]本专利技术所述的输电通道可见光图片，是指W*H*3的数组，W和H分别为图片的大小，图片为输电线路可视化监拍设备拍摄，可见光图片内容应该包含需要监控的输电导线，杆塔及线下区域。
[0012]所述的单目深度估计模型是指深度神经网络模型，有预测输电通道可见光图片中景物像素深度的能力，其输出为输电通道可见光图片的深度图。
[0013]所述的输电通道可见光图片的深度图是指由输电通道可见光图片中每个像素所展示的三维空间中的景物到拍摄输电通道可见光图片的相机的像平面的水平距离组成的2维数组，该数组大小与输电通道可见光图片长宽相同。
[0014本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电机械外破隐患测距方法，其特征在于，包括如下步骤：建立单目深度估计模型、输电导线分割模型、输电线路机械外破隐患目标检测模型；采用单目深度估计模型对输电通道可见光图片进行场景景物的单目深度估计，获取输电通道可见光图片的深度图；采用输电导线分割模型对输电通道可见光图片中的导线进行图像分割，获取导线分割像素位置；导线分割像素位置结合输电通道可见光图片的深度图，获取导线深度信息；通过相机内参矩阵将导线深度信息转化为导线点云；采用输电线路机械外破隐患目标检测模型获取输电通道可见光图片中的机械外破隐患框；所述机械外破隐患框与所述深度图结合，获取机械外破隐患目标代表点集的平面位置信息；利用平面位置信息通过相机成像原理获取机械外破隐患目标代表点集的空间位置信息；通过所述空间位置信息与导线点云计算欧氏距离，所述欧氏距离中的最小值为机械外破隐患与输电导线最小距离。2.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，单目深度估计模型为深度神经网络模型，用于预测输电通道可见光图片中景物像素深度，输出输电通道可见光图片的深度图；输电导线分割模型用于分割输电通道可见光图片中可视化监拍设备朝向的输电导线，输出导线在输电通道可见光图片中的像素位置；输电线路机械外破隐患目标检测模型用于识别输电线路可见光图片中的机械外破隐患。3.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，导线分割像素位置是一个二维数组，第一维数据为导线像素在输电通道可见光图片中的横向位置，第二维数据为导线像素在输电通道可见光图片中的纵向位置，横向位置与纵向位置用于描述导线在输电通道可见光图片中的位置信息。4.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，相机内参矩阵是一个3*3的矩阵，用于表示输电通道可见光图片的成像过程，并实现点云与深度图的相互转换，具体计算方法如下：其中，M为相机内参矩阵，fx为相机水平焦距，fy为相机垂直焦距，cx为图像坐标系水平方向中心点，cy为图像坐标系垂直方向中心点。5.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，导线点云由3*N的二维数组组成，第一列用于描述导线点云在笛卡尔坐标系中x轴的位置，第二列用于描述导线点云在笛卡尔坐标系中y轴的位置，第三列用于描述导线点云在笛卡尔坐标系中z轴的位置，具体计算方法如下：
其中，PC
L
为导线点云，是一个行数为3的二维矩阵，M为相机内参矩阵，D
L
为导线深度信息。6.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，机械外破隐患目标代表点集由机械外破隐患框中的像素点位置组成，是一个行数为2的二维数组，第一行数据代表机械外破隐患目标代表点在输电通道可见光图片的横向位置，第二行代表机械外破隐患目标代表点在输电通道可见光图片的纵向位置，具体计算方法如下：其中，Re
（i）（j）
为一个机械外破隐患目标代表点，机械外破隐患目标代表点集R为机械外破隐患目标代表点Re
（i）（j）
组成的行数为2的二维数组，xl为机械外破隐患框左上角的横坐标，yu为机械外破隐患框左上角的纵坐标，xr为机械外破隐患框右下角的横坐标，yd为机械外破隐患框右下角的纵坐标，w为机械外破隐患框的宽度，h为机械外破隐患框的高度，i的取值范围为0到w/5取整加一，j的取值为0到h/5取整加一，xl、yu、w、h构成输电通道可见光图片的机械外破隐患框。7.如权利要求1所述的输电机械外破隐患测距方法，其特征在于，机械外破隐患目标代表点集的平面位置信息表示：机械外破隐患目标点集的空间位置信息除去高度信息的位置信息，计算方式如下：在输电通道可见光图片的深度图中选取以机械外破隐患目标代表点Re
（i）（j）
为中心的相邻位置像素的深度、像素位置组成机械外破隐患目标代表点Re
（i）（j）
的区域深度信息Dr
（i）（j）
，
其中，Lo
（i）（j）
为机械外破隐患目标代表点Re

【专利技术属性】
技术研发人员：聂树刚，李来国，吴晗，王飞，张磊，李小龙，
申请(专利权)人：智洋创新科技股份有限公司，
类型：发明
国别省市：