【技术实现步骤摘要】
本专利技术涉及电力作业监控，具体为基于激光雷达与机器学习的电力作业行为识别方法及系统。
技术介绍
1、为维持全国用户的用电稳定性，降低作业事故发生率，确保电力作业系统安全，电网的安全监督系统尤为重要。现如今，常见的电网安全监督系统有可穿戴式传感器或采用对相机图像进行图像处理的方法，可穿戴设备可能会增高作业人员的作业复杂度，相机可能会侵犯个人隐私。
2、针对电力作业事故发生率高的问题，国家建立规则制度约束作业人员不规范操作，结合人工监督防治电力作业事故的发生。但电力作业现场环境复杂、范围广、设备密，仅依靠人工监督无法保证信息的同步性和准确性，易受监督员主观因素影响，无法实时监测到安全隐患或违规行为，及时报警阻止事故发生。因此，结合人工智能的电力作业安全监督系统是有必要的。
3、基于人工智能方法的电网安全监督系统通常需要完成人体行为采集和人体行为识别两步。目前，主要采用的人体行为采集设备有可接触式和非接触式。可解除式采集设备需要作业人员穿戴，再通过云服务平台将行为信息反馈至客户端，考虑到电力作业的复杂度，智能穿戴设备...
【技术保护点】
1.基于激光雷达与机器学习的电力作业行为识别方法，其特征在于，包括：
2.如权利要求1所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述建立电力作业时人类行为的点云信息包括，向电力人员作业区域发射激光信号，并收集激光信号接触至待测目标后反射回来的信号，记录激光从发出到反射回接受装置的时间，结合光速计算得到作业人员的位置距离星系，再结合IMU、里程计、GNSS信息计算得到点云信息。
3.如权利要求2所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述预处理包括，使用形态学方法，选择长方形结构元，去除空洞；
...【技术特征摘要】
1.基于激光雷达与机器学习的电力作业行为识别方法，其特征在于，包括：
2.如权利要求1所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述建立电力作业时人类行为的点云信息包括，向电力人员作业区域发射激光信号，并收集激光信号接触至待测目标后反射回来的信号，记录激光从发出到反射回接受装置的时间，结合光速计算得到作业人员的位置距离星系，再结合imu、里程计、gnss信息计算得到点云信息。
3.如权利要求2所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述预处理包括，使用形态学方法，选择长方形结构元，去除空洞；
4.如权利要求5所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述yolov3网络包括，结合rt-mdnet算法，将yolov3网络进行改进，提出giou的概念，其定义公式如下：
5.如权利要求4所述的基于激光雷达与机器学习的电力作业行为识别方法，其特征在于：所述得到有效数据...
【专利技术属性】
技术研发人员：付磊，张迅，班国邦，邓松，欧阳广泽，钟晶亮，杨凤生，李翱鹏，杜昊，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。