一种雾天低能见度供配电台区目标检测方法技术

本发明专利技术公开了一种雾天低能见度供配电台区目标检测方法，为了解决现有技术雾天低能见度目标检测方法中目标图像经过去雾增强后存在失去视觉深度影响目标数据提取的问题。获取去雾增强后的清晰图像采用Yolo

【技术实现步骤摘要】
一种雾天低能见度供配电台区目标检测方法


[0001]本专利技术涉及图像数据处理领域，尤其涉及一种雾天低能见度供配电台区目标检测方法。

技术介绍

[0002]随着电网巡检工作的效率要求和精度要求的不断提高，电网巡检信息化成为电网巡检的发展趋势，机器巡检逐渐代替了传统的人工巡检；现有的机器巡检通常通过双目摄像头来获取物体的三维信息，通过摄像头的参数结合算法实现对目标关键信息的测量。
[0003]机器巡检受环境因素影响较大，在恶劣天气或者光照条件差的情况下，导致摄像头采集的画面数据能见度非常低，现有技术的雾天低能见度目标检测方法，目标图像经过去雾增强后往往会存在失去视觉深度，造成数据提取精度不高的问题；重构视觉深度后的造成视差误差，图像鲁棒性差，图像不连贯的问题，从而影响配电台区目标检测的精度。

技术实现思路

[0004]本专利技术是为了解决现有技术雾天低能见度目标检测方法中目标图像经过去雾增强后存在失去视觉深度影响目标数据提取的问题，提供一种雾天低能见度供配电台区目标检测方法，采用SGBM算法和BM算法对去雾增强图像进行立体匹配获得视觉深度图像，进而提取目标数据。
[0005]为实现上述目的，本专利技术采用以下技术方案：一种雾天低能见度供配电台区目标检测方法，包括：获取去雾增强后的清晰图像采用Yolo
‑
v4算法对所述台区清晰图像进行目标检测，采用SGBM算法和BM算法立体匹配后获得视觉深度图像，并获取标准台区的检测数据。通过立体视觉匹配算法提取标准台区的深度信息，获取标准台区的检测点的空间三维坐标，进而计算标准台区的检测数据，恢复视觉深度，提高数据提取精度。
[0006]作为优选，所述SGBM算法包括：对左目图像采用水平Sobel算子提取图像中的边缘，获取图像的梯度信息，之后进行BT代价计算，对右目图像直接进行BT代价计算；对计算得到的左目图像代价和右目图像代价进行代价融合和快匹配；采用聚合公式优化更新像素点代价；对优化后的图像进行视差计算和视差处理。对图像进行视差计算和视差处理，弥补前步骤可能造成的视差误差、提高图像鲁棒性，保证图像连贯性。
[0007]作为优选，所述BM算法包括用于匹配原灰度图像文本串的灰度模板即模式串的移动方向为从左到右，模式串与文本进行比较时的方向为从右到左；当匹配过程中存在不匹配的情况时，采用坏字符算法和好后缀算法进行处理，直到完成匹配。通过坏字符算法和好后缀算法结合提高计算效率。
[0008]作为优选，所述聚合公式满足：
其中，E(D)为构建的能量函数；p、q为图中的像素点；n
p
为像素点p周围8个相邻像素点的集合；上式中第一项表示像素点p的视差为D
p
时得匹配代价；第二项表示视差差值为1个像素时，将增加一个惩罚系数P1；D
q
为视差，D
p
‑
D
q
表示视差差值；第3项表示视差差值大于1个像素时，将增加1个惩罚系数P2。通常P_2＞P_1；P_1是为了适应倾斜或者弯曲的表面，而P_2是为了保留不连续性。使当前像素点受到周围多个方向路径的约束。
[0009]作为优选，所述对优化后的图像进行视差计算和视差处理包括：通过动态规划公式处理整张图片的像素，动态规划公式满足：L
r
(p，d)＝C(p，d)+min[L
r
(p
‑
r，d)，L
r
(p
‑
r，d
‑
1)+p1，L
r
(p
‑
r，d+1)+p1，min
i
L
r
(p
‑
r，i)+p2]‑
min
k
L
r
(p
‑
r，k)其中，C(p，d)表示当前代价；第2项中4个式子分别表示像素p在某方向上的像素在视差值为d时的代价、视差值为d
‑
1时的代价加上p1、视差值为d+1时的代价加上p1、视差值在非d
‑
1和d+1时的代价最小值加上p2。最后一项可起到防止聚合结果过大的作用。
[0010]作为优选，所述Sobel算子满足公式如下：sobel(x，y)＝2[P(x+4,y)
‑
P(x
‑
1，y)]+P(x+1，y
‑
1)
‑
P(x
‑
1,y
‑
1)+P(x+1，y+1)
‑
P(x
‑
1，y+1)。采用水平Sobel算子提取图像中的边缘，获取图像的梯度信息。
[0011]作为优选，所述获取去雾增强后的清晰图像包括：通过图像去雾增强网络对供配电台区观测图像进行去雾增强，所述图像去雾增强网路包括编码器f
θ
(
·
)与解码器编码器f
θ
(
·
)将带雾台区观测图像X
i
投影到隐空间Ψ，并以降维的方式对输入图像降噪得到去雾后的隐变量Z
i
＝f
θ
(X
i
)，解码器将隐空间中的隐变量Z
i
进行重建，形成能见度高的台区清晰图像通过去雾增强网络来重建真实清晰、能见度高台区图像，实现既能提升台区验收效率，又增强目标检测方法对的环境能见度的鲁棒性的效果，降低了对于供配电台区严苛的能见度要求。
[0012]作为优选，所述解码器将隐空间中的隐变量Z
i
进行重建，包括通过跳跃连接将浅层表征图引入解码器，并将浅层表征图进行跨尺度融合。以跳跃连接的方式将编码器得到的浅层特征图引入解码器，能够缓解解码器重建去雾增强图像的压力，提升去雾增强的鲁棒性与准确性。通过跨尺度特征融合进一步增强编码器f
θ
(
·
)和解码器本身的压缩与重构能力，提升去雾增强网络的鲁棒性与准确性。
[0013]综上所述，本专利技术具有如下有益效果：(1)采用SGBM算法和BM算法立体匹配后获得视觉深度图像，提取标准台区的深度信息，获取标准台区的检测点的空间三维坐标，进而计算标准台区的检测数据，恢复视觉深度，提高数据提取精度。
[0014](2)对图像进行视差计算和视差处理，弥补前步骤可能造成的视差误差、提高图像鲁棒性，保证图像连贯性。
[0015](3)构建去雾增强网络来重建真实清晰、能见度高台区图像，实现既能提升台区验收效率，又增强目标检测方法对的环境能见度的鲁棒性的效果，降低了对于供配电台区严苛的能见度要求。
附图说明
[0016]图1是本专利技术一实施例的一种雾天低能见度供配电台区目标检测方法流程图。
[0017]图2是本专利技术一实施例的一种雾天低能见度供配电台区目标检测方法视差测距原理图。
[0018]图3是本专利技术一实施例的一种雾天低能见度供配电台区目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雾天低能见度供配电台区目标检测方法，其特征是，包括：获取去雾增强后的清晰图像采用Yolo
‑
v4算法对所述台区清晰图像进行目标检测，采用SGBM算法和BM算法立体匹配后获得视觉深度图像，并获取标准台区的检测数据。2.根据权利要求1所述的一种雾天低能见度供配电台区目标检测方法，其特征是，所述SGBM算法包括：对左目图像采用水平Sobel算子提取图像中的边缘，获取图像的梯度信息，之后进行BT代价计算，对右目图像直接进行BT代价计算；对计算得到的左目图像代价和右目图像代价进行代价融合和快匹配；采用聚合公式优化更新像素点代价；对优化后的图像进行视差计算和视差处理。3.根据权利要求2所述的一种雾天低能见度供配电台区目标检测方法，其特征是，所述BM算法包括用于匹配原灰度图像文本串的灰度模板即模式串的移动方向为从左到右，模式串与文本进行比较时的方向为从右到左；当匹配过程中存在不匹配的情况时，采用坏字符算法和好后缀算法进行处理，直到完成匹配。4.根据权利要求3所述的一种雾天低能见度供配电台区目标检测方法，其特征是，所述聚合公式满足：其中，E(D)为构建的能量函数；p、q为图中的像素点；n
p
为像素点p周围8个相邻像素点的集合；上式中第一项表示像素点p的视差为D
p
时得匹配代价；第二项表示视差差值为1个像素时，将增加一个惩罚系数P1；D
q
为视差，D
p
‑
D
q
表示视差差值；第3项表示视差差值大于1个像素时，将增加1个惩罚系数P2。5.根据权利要求2或3或4所述的一种雾天低能见度供配电台区目标检测方法，其特征是，所述对优化后的图像进行视差计算和视差处理包括：通过动态规划公式处理整张图片的像素，动态规划公式满足：其中，C(p，d)表示当...

【专利技术属性】
技术研发人员：范明，李红日，白景涛，邹会权，王磊，彭坤，雷强，李冲，郑铭洲，揭业炜，王腾达，彭斌，徐涛，唐栋，陆卫红，吴铭超，张建平，龙鹏，周文超，吴新瑞，曹睿，白俊，路凯，闫志鹏，陈登波，沈剑平，刘苏，臧治，王则文，张海让，
申请(专利权)人：嘉兴市恒光电力建设有限责任公司滨海分公司嘉兴市众业供电服务有限公司滨海分公司，
类型：发明
国别省市：