【技术实现步骤摘要】
本专利技术涉及电力作业测距，特别是一种面向电力作业测距任务的样本扩充方法及系统。
技术介绍
1、电网作为国家能源枢纽系统，其运行稳定性直接影响到电网调度的可靠性和安全性。然而，电网作业涉及高压电力设备、带电设备以及复杂的作业场景，人员面临着电击、触电、高温等危险，存在着严重的人身安全风险。虽然已经采取了一些防控措施，如安全培训、人员监控等，但仍然存在许多问题。传统的人身风险感知方式受限于人工干预，存在感知能力不足、时效性差等问题。人工操作也容易受到主观判断和疲劳等因素的影响，导致风险漏判或误判。此外，目前的防控技术主要集中在单一维度上，依赖于人工监视，效率低、成本高，缺乏智能化、立体化、全方位的综合防控手段。
2、对于电力作业人员而言，深度测距技术可以当作业人员过于靠近高压设备时提供预警，防止触电事故的发生，对电力生产的安全性至关重要。但是在双目深度估计任务中，端到端的深度学习方法在提供足够的训练数据的情况下，在基准测试上提供出色的结果。这是它成功的关键因素，同时也是它最大的限制之一。本专利技术提出了一种面向电力作业测距任务的样本扩充技术，为深度测距模型的有效研发提供数据支撑。
3、nerf(neural radiance fields)是一种用于三维场景重建和渲染的技术，它结合了深度学习和计算机图形学的方法。nerf的核心思想是使用一个神经网络来学习场景的连续体积表示，这使得它能够以高度真实的方式渲染复杂场景。
4、本专利技术充分利用了nerf的模型特点，提出了一种面向电力作业测距任务的样本
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题是：如何进行电力作业测距任务的样本扩充的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种面向电力作业测距任务的样本扩充方法，包括，采集电力作业静态图片；为每个静态图片拟合一个独立的nerf模型，对nerf模型进行训练；nerf模型训练结束之后，为每个nerf模型定义多个虚拟外参；重复获得样本，添加到数据集中，进行样本扩充。
4、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述静态图片包括，从相机中采集m张静态图片，使用colmap方法估计内参矩阵k和相机姿态ei,i∈[1,m]。
5、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述拟合一个独立的nerf模型包括，通过从收集的电力作业图像中渲染一批光线的颜色对于图像中每一个像素点r∈r，针对收集的帧中的像素颜色优化l2损失表示为：
6、
7、其中，lrend为像素颜色优化l2损失，为从收集的电力作业图像中渲染一批光线的颜色，r为图像中每一个像素点，r为图像中像素点的总数，c(r)为渲染的光线的颜色。
8、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述l2损失包括，设置损失函数低阈值ll和损失函数高阈值lh，若lrend低于损失函数低阈值ll，则模型性能不佳，无法满足最低质量标准，通过数据增强和添加更多训练数据提高模型的泛化能力，重新计算l2损失；若lrend高于损失函数低阈值ll低于损失函数高阈值lh，则模型性能有改进空间，针对模型表现不佳的特定方面进行优化，使用交叉验证来评估模型在不同数据子集上的表现，识别和改进弱点；若lrend高于损失函数高阈值lh，则模型性能合适，图像质量高，直接进行后续模型训练。
9、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述对nerf模型进行训练包括，神经辐射场模型的输入是5维，包括场景三维坐标(x,y,z)和视角方向(θ,φ)，通过神经网络捕获一个颜色密度输出(c,σ)，建模表示为：
10、fψ(x,θ,φ)→(c,σ)
11、其中，为神经辐射场模型建模，(c,σ)为神经网络捕获一个颜色密度输出。
12、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述对nerf模型进行训练还包括，颜色c(r)从照相机射线r(t)＝o+td中进行渲染，表示为：
13、
14、
15、其中，r(t)为射线，o为照相机射线的起点，t为在射线方向上移动t的值，d为射线的方向，c(r)为射线r在tn和tf时间的积分，tn和tf分别为近平面和远平面，积分通过求积计算，将射线划分为预定义的n个均匀间隔的区间，表示为：
16、
17、
18、其中，δi为ti和ti+1的时间间隔，δj是tj和tj+1的时间间隔，σi为ti时刻的颜色密度，σj为tj时刻的颜色密度。
19、作为本专利技术所述一种面向电力作业测距任务的样本扩充方法的一种优选方案，其中：所述虚拟外参包括，nerf模型训练完成后，为每个nerf模型定义多个虚拟外参表示为：
20、s＝i|b
21、其中，s为虚拟外参，i为3*3的旋转矩阵，b为平移向量的视角偏置；生成两个新的视角的图像，其中之一是随机视角，另外是对应虚拟摄像机视角，表示为：
22、ek＝rk|tk
23、
24、其中，rk为k时刻对应的选转矩阵，tk为k时刻对应的平移向量，为随机视角对应的虚拟摄像机视角；重复获得足够多的样本，添加到数据集中，进行样本扩充。
25、本专利技术的另外一个目的是提供一种面向电力作业测距任务的样本扩充方法的系统，其能通过构建样本扩充系统，解决了一种面向电力作业测距任务的样本扩充的问题。
26、为解决上述技术问题，本专利技术提供如下技术方案：一种面向电力作业测距任务的样本扩充系统，包括，数据采集模块、nerf模型拟合模块、nerf模型训练模块、虚拟外参定义模块及样本扩充模块；所述数据采集模块负责采集电力作业的静态图片，为整个样本扩充系统提供原始数据，是后续模块操作的基础；所述nerf模型拟合模块对采集到的静态图片进行处理，为每张图片拟合一个独立的nerf模型，从静态图片中提取三维结构和外观特征，为模型训练做准备；所述nerf模型训练模块对拟合出的nerf模型进行训练，更准确地渲染和重建场景；所述虚拟外参定义模块在nerf模型训练完成后，为每个模型定义虚拟外参；所述样本扩充模块利用定义好的虚拟外参从nerf模型中生成新的图像样本，新生成的样本被添加到数据集中，实现样本的扩充。
27、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述一种面向电力作业测距任务的样本扩充方法的步骤。
28、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时本文档来自技高网...
【技术保护点】
1.一种面向电力作业测距任务的样本扩充方法，其特征在于：包括，
2.如权利要求1所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述静态图片包括，从相机中采集M张静态图片，使用COLMAP方法估计内参矩阵K和相机姿态Ei,i∈[1,M]。
3.如权利要求2所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述拟合一个独立的NeRF模型包括，通过从收集的电力作业图像中渲染一批光线的颜色对于图像中每一个像素点r∈R，针对收集的帧中的像素颜色优化L2损失表示为，
4.如权利要求3所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述L2损失包括，设置损失函数低阈值LL和损失函数高阈值LH，若Lrend低于损失函数低阈值LL，则模型性能不佳，无法满足最低质量标准，通过数据增强和添加更多训练数据提高模型的泛化能力，重新计算L2损失；
5.如权利要求4所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述对NeRF模型进行训练包括，神经辐射场模型的输入是5维，包括场景三维坐标(x,y,z)和视角方向(θ,φ)，
6.如权利要求5所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述对NeRF模型进行训练还包括，颜色C(r)从照相机射线r(t)＝o+td中进行渲染，表示为，
7.如权利要求6所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述虚拟外参包括，NeRF模型训练完成后，为每个NeRF模型定义多个虚拟外参表示为，
8.一种采用如权利要求1～7任一所述的一种面向电力作业测距任务的样本扩充方法的系统，其特征在于：包括，数据采集模块、NeRF模型拟合模块、NeRF模型训练模块、虚拟外参定义模块及样本扩充模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种面向电力作业测距任务的样本扩充方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种面向电力作业测距任务的样本扩充方法的步骤。
...【技术特征摘要】
1.一种面向电力作业测距任务的样本扩充方法，其特征在于：包括，
2.如权利要求1所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述静态图片包括，从相机中采集m张静态图片，使用colmap方法估计内参矩阵k和相机姿态ei,i∈[1,m]。
3.如权利要求2所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述拟合一个独立的nerf模型包括，通过从收集的电力作业图像中渲染一批光线的颜色对于图像中每一个像素点r∈r，针对收集的帧中的像素颜色优化l2损失表示为，
4.如权利要求3所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述l2损失包括，设置损失函数低阈值ll和损失函数高阈值lh，若lrend低于损失函数低阈值ll，则模型性能不佳，无法满足最低质量标准，通过数据增强和添加更多训练数据提高模型的泛化能力，重新计算l2损失；
5.如权利要求4所述的一种面向电力作业测距任务的样本扩充方法，其特征在于：所述对nerf模型进行训练包括，神经辐射场模型的输入是5维，包括场景三维坐标(x,y,z)和视角方向(θ,φ)，通过神...
【专利技术属性】
技术研发人员：付磊，班国邦，杜昊，张迅，钟晶亮，杨凤生，李翱鹏，席光辉，何雨旻，孟令雯，郭思琪，杨昆桦，马金通，吴昊，黎安俊，罗莎莎，邹福，杨平安，张晓春，
申请(专利权)人：贵州电网有限责任公司，
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。