System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于架空输电线路中对机巡设备的位置纠偏技术,尤其是涉及一种基于视觉深度学习的位置纠偏方法。
技术介绍
1、目前我国的电网巡检工作主要采用机巡+人巡的方式。其中人力巡检方式效率较低,且具有一定的危险性,机巡模式的出现可以解决人力巡检存在的问题,但是由于线路上每个设备、部件、零件的位置、尺寸、外观信息,可能受到天气或设备本身的干扰,致使采集点云出现误差,使后期的自动驾驶航线规划产生位置误差,如果航线存在风险点和不安全距离,容易导致触发飞行器避障功能,使巡检作业中断,或发生撞线等事故,导致无人机损毁。
技术实现思路
1、为了克服现有技术的不足,本专利技术提供一种基于视觉深度学习的位置纠偏方法,对线路上每个设备、部件、零件的位置、尺寸、外观信息,进行准确的坐标系对照与纠偏,从而为后期的自动驾驶航线规划提供可靠数据支撑。
2、本专利技术解决其技术问题所采用的技术方案是:包括如下步骤:
3、步骤1、通过运用激光雷达仪器扫描或倾斜摄影技术拍摄输电线路获取线路的点云数据;
4、步骤2、利用所述获取的线路点云数据建立位置检测模型;
5、步骤3、在无人机采集线路的视频流中获取若干帧图片,通过图像缩放算法将所述图片转换成小尺寸的图像,并对其进行像素值归一化处理;
6、步骤4、将步骤3处理后的图像输入位置检测模型进行检测;
7、步骤5、计算当前画面中心位置,并与位置检测模型输出目标区域的中心位置,进行比较,获得位置偏移量;<
...【技术保护点】
1.一种基于视觉深度学习的位置纠偏方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的位置纠偏方法,其特征在于:所述点云数据为经过位姿解算、特征点识别与提取形成的三维实体模型,所述点云数据中的每一个点包含空间三维坐标及可见光信息数据。
3.根据权利要求1所述的位置纠偏方法,其特征在于:所述步骤3中的图像缩放算法为双线性插值算法,具体为:
4.根据权利要求1所述的位置纠偏方法,其特征在于:所述步骤5中的位置偏移量计算获取过程具体为:
5.根据权利要求1所述的位置纠偏方法,其特征在于:还包括步骤6:通过对当前画面进行图像扫描,获取线路的倾斜角度,调用快速旋转算法将图像旋转倾斜,即可实现对图像的倾斜校正。
6.根据权利要求5所述的位置纠偏方法,其特征在于:所述获取线路的倾斜角度的方法具体为:
【技术特征摘要】
1.一种基于视觉深度学习的位置纠偏方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的位置纠偏方法,其特征在于:所述点云数据为经过位姿解算、特征点识别与提取形成的三维实体模型,所述点云数据中的每一个点包含空间三维坐标及可见光信息数据。
3.根据权利要求1所述的位置纠偏方法,其特征在于:所述步骤3中的图像缩放算法为双线性插值算法,具体为:
【专利技术属性】
技术研发人员:杨迁,红彬峰,黄相良,赵勇,高志坚,汪大海,
申请(专利权)人:浙江图盛输变电工程有限公司温州科技分公司,
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。