CN110956614A - 基于迭代搜索与投影法的导地线异物检测方法及装置 - Google Patents
基于迭代搜索与投影法的导地线异物检测方法及装置 Download PDFInfo
- Publication number
- CN110956614A CN110956614A CN201911092303.XA CN201911092303A CN110956614A CN 110956614 A CN110956614 A CN 110956614A CN 201911092303 A CN201911092303 A CN 201911092303A CN 110956614 A CN110956614 A CN 110956614A
- Authority
- CN
- China
- Prior art keywords
- power transmission
- ground wire
- points
- search
- transmission line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 121
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 4
- 239000004020 conductor Substances 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于迭代搜索与投影法的输电线路导地线异物检测方法,针对输电线路通道可视化监拍装置采集的通道图像,首先对输电高压线建立数学模型,找到输电线路两个搜索方向,分别向两个方向迭代搜索直到找到完整的输电线,在定位到高压输电导地线之后通过对高压输电导地线垂直方向投影找到悬挂异物。本发明还提出一种基于迭代搜索与投影法的输电线路导地线异物嵌入式检测装置。本发明克服了以往传统图像算法带来的弊端,有较强的鲁棒性,解决了现代算法对检测装置的算力要求高的问题;同时相比于基于深度学习的目标检测算法,减少了对海量悬挂异物的图像依赖,更适合做为嵌入式装置用于输电线路可视化装置。
Description
技术领域
本发明属于输电线路可视化监拍图像处理技术领域,更具体地,涉及一种基于迭代搜索与投影法的输电线路可视化监拍图像导地线异物检测方法。
背景技术
近年来,输电线路可视化建设快速发展,可视化监拍装置采集的大量图像采用人眼判图的方式难以完成,针对输电线路通道的典型隐患——导地线异物,其特征为图像背景复杂,在图像中的占比较小,采用的检测方法一般有基于传统方法的霍夫直线变换、模板匹配算法、两帧差分法算法等,以及基于深度学习的目标检测算法。
其中两帧差分法和霍夫直线变换相结合的算法是最常用的方法之一,基于前后帧图像的差分确定疑似悬挂物的目标识别方法,然后通过霍夫直线变换算法查找高压线,进行线与疑似悬挂物的位置确认;其难点在于如何建立场景适应性强的目标识别模型;基于模板匹配的方法,首先通过图像预处理和前后两帧图像差分,获得疑似悬挂物区域,再经过预先定不同高压线悬挂物目标模板,然后使用模板和待测区域图像进行匹配。
但是上述方法因外界环境造成的背景晃动、天气变化、噪声影响以及目标自身特征的多样性等原因造成如下缺点;
1、对于输电线路通道的近距离场景,高压线近似为直线,采用霍夫变换的直线检测识别率较高,但是对于输电线路通道的远距离场景,高压线几乎都是曲线,应用霍夫变换的直线检测识别率较低,从而难以对高压线进行定位;
2、基于模板匹配的目标识别方法特征效果受天气和光照影响较大,误报率非常高;
3、两帧差分法的帧间差分结果可能会出现两帧图像中目标重叠部分不容易被检测出来的情况,运动目标中心容易出现空洞现象。
基于深度学习的目标检测算法可以较好的避免传统算法的弊端,但是需要收集海量的输电线路通道悬挂异物图片进行算法的训练,由于悬挂异物事件较少,很难收集到满足数量要求的图片,因此在得不到有效数据的情况下,很难训练出对悬挂异物识别率较高的算法,这就导致实际应用中产生较高的误报。
发明内容
为了克服现有技术中的上述缺点,本发明提出了一种基于迭代搜索与投影法的输电线路可视化监拍图像导地线异物检测方法,基于输电线路可视化监拍装置采集的通道图像,对高压输电导地线建立数学模型,先定位输电导地线,然后找到导地线两个搜索方向,分别向两个方向迭代搜索直到找到完整的高压输电导地线,最后在定位到高压输电导地线之后通过对高压输电导地线垂直方向投影找到悬挂异物。
具体地,本发明提出一种基于迭代搜索与投影法的导地线异物检测方法,其特征在于,针对输电线路通道可视化监拍装置采集的通道图像,在定位找到完整高压输电线路导地线后,通过对所述导地线投影来找到异物。
优选地,所述方法包括以下步骤:
步骤S1:对高压输电导地线建立数学模型,将高压输电导地线上两个相对接近的点表示为(xi,yi)、(xi+1,yi+1),并由泰勒定理建立起高压输电导地线的数学描述;
步骤S2:根据步骤S1建立的高压输电导地线模型,假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),设定一定的搜索半径r,根据上述两点所形成的直线线段落在所述输电导地线上像素的个数求得p1,从而定位所述高压输电导地线,并进一步通过对称方法找到高压输电导地线路两个搜索方向;
步骤S3:按照设定的最大偏离角度±α,分别向步骤S2中定位的两个搜索方向的延长线及其周围区域迭代搜索,求解所要搜索的下一个点,进而找到完整的高压输电导地线;
步骤S4:通过对步骤S3找到的完整的高压输电导地线在垂直方向投影,根据投影区域波峰波谷变化的不同,找到所述高压输电导地线上的悬挂异物。
优选地,所述步骤S2中通过对称方法找到高压输电导地线路两个搜索方向包括:
假设种子点为p0,查找的下一个点为p1,p1-p0所表示的矢量是输电线的延伸方向之一,p1相对于p0所对称的方向也存在一个延伸方向p1',由此找到输电线的两个搜索方向。
优选地,步骤S2中定位所述高压输电导地线,具体包括:
假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),在以下公式中求解m、n即可求得p1:
argmax{c[p0(x0,y0),p1(x0+m,y0+n)]}
其中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数;
且p0、p1满足如下约束:
||p1-p0||2=r→m2+n2=r2
其中r表示搜索半径。
优选地,所述步骤S2中,p1的求解方法为,将所有满足上述约束条件的点组成点集,再用投票的方法求解,其中满足约束条件的点集采用Bresenham算法求解。
优选地,所述步骤S3中,确定了两个搜索方向后,先沿其中一个延伸方向迭代搜索到达终止条件后,再沿着另一个延伸方向以相同的方式进行搜索,最后找到完整的高压输电导地线。
优选地,所述步骤S3中的迭代搜索方法包括:
设定最大偏离角度为±α(α<90°),查找的下一个点为p2(x0+m1,y0+n1),则m1,n1的取值范围是:
其中所有满足条件的点所组成的点集表示为p2,j,
根据p2=argmax[c(p1,p2,j)],j∈{1,2,...k},求得p2;
式中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数,r为搜索半径,k表示满足条件的点的数量。
优选地,步骤S3进一步包括,求得p2后依次迭代求解p3,p4…pi,直到到达终止条件。
优选地,所述终止条件为:
本发明还提出一种基于迭代搜索与投影法的输电线路导地线异物嵌入式检测装置,其特征在于,所述装置包括:
模型建立模块,对高压输电导地线建立数学模型,将高压输电导地线上两个相对接近的点表示为(xi,yi)、(xi+1,yi+1),并由泰勒定理建立起高压输电导地线的数学描述;
定位模块,与模型建立模型相连,用于定位高压输电导地线,找到高压输电导地线路两个搜索方向;其中假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),设定一定的搜索半径r,根据上述两点所形成的直线线段落在所述输电导地线上像素的个数求得p1,从而定位所述高压输电导地线,并进一步通过对称方法找到高压输电导地线路两个搜索方向;
输电线搜索模块,与定位模块相连,按照设定的最大偏离角度±α,分别向定位模块中定位的两个搜索方向的延长线及其周围区域迭代搜索,求解所要搜索的下一个点,进而找到完整的高压输电导地线;
异物查找模块,与输电线搜索模块相连,通过对所述完整的高压输电导地线在垂直方向投影,根据投影区域波峰波谷变化的不同,找到所述高压输电导地线上的悬挂异物。
优选地,所述定位模块的定位方法包括:
假设种子点为p0,查找的下一个点为p1,p1-p0所表示的矢量是输电线的延伸方向之一,p1相对于p0所对称的方向也存在一个延伸方向p1',由此找到输电线的两个搜索方向。
优选地,所述定位模块中,
假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),在以下公式中求解m、n即可求得p1:
argmax{c[p0(x0,y0),p1(x0+m,y0+n)]}
其中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数;
且p0、p1满足如下约束:
||p1-p0||2=r→m2+n2=r2
其中r表示搜索半径。
优选地,所述p1的求解方法为,将所有满足上述约束条件的点组成点集,再用投票的方法求解,其中满足约束条件的点集采用Bresenham算法求解。
优选地,
所述输电线搜索模块中,确定了两个搜索方向后,先沿其中一个延伸方向迭代搜索到达终止条件后,再沿着另一个延伸方向以相同的方式进行搜索,最后找到一条完整的输电线。
优选地,所述输电线搜索模块中,设定最大偏离角度为±α(α<90°),查找的下一个点为p2(x0+m1,y0+n1),则m1,n1的取值范围是:
其中所有满足条件的点所组成的点集表示为p2,j,
根据p2=argmax[c(p1,p2,j)],j∈{1,2,...k},求得p2;
式中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数,r为搜索半径,k表示满足条件的点的数量。
优选地,所述输电线搜索模块中,求得p2后依次迭代求解p3,p4…pi,直到到达终止条件。
优选地,所述终止条件为:
与现有技术相比,本发明有以下有益效果:本发明通过对高压输电导地线建立数学模型,根据各点所形成的直线线段落在所述输电导地线上像素的个数,采用迭代搜索来寻找到完整的输电线后,再利用垂直投影法寻找异物,很好地克服了以往传统图像算法带来的弊端,有较强的鲁棒性;同时相比于基于深度学习的目标检测算法,减少了对海量悬挂异物的图像的采集,降低了成本。
附图说明
图1为本发明所述方法的流程图;
图2为圆Bresenham算法流程示意图;
图3为直线Bresenham算法流程示意图;
图4为高压输电导地线离散图;
图5为输电线两个延伸方向示意图;
图6为搜索区域示意图;
图7为正常区域与异常区域的投影曲线图;
图8是本发明所述装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参照说明书附图1所示,本发明提供一种基于迭代搜索与投影法的输电线路可视化监拍图像导地线异物检测方法,其中,所述方法包括以下步骤:
步骤S1:对高压输电导地线建立数学模型;
步骤S2:定位高压输电导地线,找到输电线路两个搜索方向;
步骤S3:分别向两个方向迭代搜索,找到完整的输电线;
步骤S4:通过对高压线垂直方向投影找到悬挂异物;
进一步地,步骤S1中,我们假定在图像中,输电线大部分带有轻微弧度,图像为连续的坐标系,输电线表达式为f(x),f(x)连续且可导,将f(x)在x0点泰勒展开:
令x→x0,因输电线存在弧度很小,即
进一步地,步骤S2中,假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),求p1可以转化为求解(1-3)
argmax{c[p0(x0,y0),p1(x0+m,y0+n)]} (1-3)
即求解m、n的问题,其中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数。
若求解m和n,需要令搜索半径为r,则p0、p1满足如下约束:
||p1-p0||2=r→m2+n2=r2 (1-4)
所以根据输电线上的一个点p0寻找下一个点p1的问题转化成了根据约束条件(1-4)求得公式(1-3)中m和n的问题。
在离散图中满足约束条件的情况是有限的,故可以将所有满足约束条件的点组成点集O0,再用投票的方式求解,其中满足约束条件的点集用Bresenham算法生成。
Bresenham算法是计算机图形学领域使用最广泛的直线扫描转换方法。该算法分为圆Bresenham算法,和直线Bresenham算法,分别对应在离散图像中生成圆和直线。其中圆Bresenham算法流程图如图2所示,直线Bresenham算法流程如图3所示,图3只考虑了斜率在0~1之间的直线,其它角度的直线可以通过简单的坐标变换来实现。
假设所有满足的点所组成的点集O0表示为p1,j(x1,j,y1,j),j∈{0,1,2…k},其中x1,j-x0=mj,y1,j-y0=nj,所以点集O0在图像中是以p0为中心,r为半径的圆形点集,如图4所示,p0为种子点,周围的圆形点阵即为所有满足要求的点集O0,其中O0使用圆Bresenham算法生成。所以下一个点p1可以为:
p1=argmax[c(p0,p1,j)],j∈{1,2,...k} (1-5)
线段p0,p1,j用直线Bresenham算法生成。确定了p1,即求得了m和n。p1-p0所表示的矢量是输电线的延伸方向之一,输电线一般是双向延伸,所以在p1相对于p0所对称的方向也存在一个延伸方向p'1,如图5所示,由此,找到了输电线的两个搜索方向。
进一步地,步骤S3中,确定了两个搜索方向后,需要分别向两个方向迭代搜索直到找到完整的输电线。向其中一个方向搜索时,需要求解的下一个点与种子点距离较远,因输电线有一定的弧度,即当不满足x→x0时,f”(x)≠0,o(x2)≠0,所以应在p0,p1的在搜索方向的延长线及其周围区域搜索。设定最大偏离角度为±α(α<90°)如图6所示,则m1,n1的取值范围是:
所以p2=argmax[c(p1,p2,j)],j∈{1,2,...k}(1-6),求得p2后依次迭代求解p3,p4…pi,直到到达终止条件。迭代的终止条件设置为:
到达终止条件后,再沿着另一个延伸方向以相同的方式进行搜索,最后找到一条完整的输电线。
步骤S4中,在定位到高压输电导地线后通过对高压输电导地线垂直方向的投影找到异物。
图像投影具体方法包括:将输电线路图像做二值化处理,得到黑白图像,在黑白图像的竖直或者水平方向取一条直线,统计垂直于该直线的图像上像素的黑点数量,并对黑点数量累加求和,从而作为直线位置的值。
如图7可以看到,正常区域有明显的波峰波谷变化,而异常区域没有这种变化。通过这种明显的差异,可以实现对异常区域的检测。
本发明还提出一种基于迭代搜索与投影法的输电线路可视化监拍图像导地线异物嵌入式检测装置,用于实现本发明所述的方法。
如图8所示,所述装置包括:
模型建立模块,对高压输电导地线建立数学模型,将高压输电导地线上两个相对接近的点表示为(xi,yi)、(xi+1,yi+1),并由泰勒定理建立起高压输电导地线的数学描述;
定位模块,与模型建立模型相连,用于定位高压输电导地线,找到高压输电导地线路两个搜索方向;其中假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),设定一定的搜索半径r,根据上述两点所形成的直线线段落在所述输电导地线上像素的个数求得p1,从而定位所述高压输电导地线,并进一步通过对称方法找到高压输电导地线路两个搜索方向;
输电线搜索模块,与定位模块相连,按照设定的最大偏离角度±α,分别向定位模块中定位的两个搜索方向的延长线及其周围区域迭代搜索,求解所要搜索的下一个点,进而找到完整的高压输电导地线;
异物查找模块,与输电线搜索模块相连,通过对所述完整的高压输电导地线在垂直方向投影,根据投影区域波峰波谷变化的不同,找到所述高压输电导地线上的悬挂异物。
申请人结合说明书附图对本发明的实施例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (19)
1.一种基于迭代搜索与投影法的导地线异物检测方法,其特征在于,针对输电线路通道可视化监拍装置采集的通道图像,在定位找到完整高压输电线路导地线后,通过对所述导地线投影来找到异物。
2.根据权利要求1所述的方法,其特征在于,所述方法包括以下步骤:
步骤S1:对高压输电导地线建立数学模型,将高压输电导地线上两个相对接近的点表示为(xi,yi)、(xi+1,yi+1),并由泰勒定理建立起高压输电导地线的数学描述;其中xi,xi+1指所述两个相对接近的点在水平方向的坐标,yi,yi+1指所述两个相对接近的点在垂直方向的坐标;
步骤S2:根据步骤S1建立的高压输电导地线模型,假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),设定一定的搜索半径r,根据上述两点所形成的直线线段落在所述输电导地线上像素的个数求得p1,从而定位所述高压输电导地线,并进一步通过对称方法找到高压输电导地线路两个搜索方向;其中x0,x0+m指所述种子点和查找的下一个点在水平方向的坐标,y0,y0+n指所述种子点和查找的下一个点在垂直方向的坐标;
步骤S3:按照设定的最大偏离角度±α,分别向步骤S2中定位的两个搜索方向的延长线及其周围区域迭代搜索,求解所要搜索的下一个点,进而找到完整的高压输电导地线;
步骤S4:通过对步骤S3找到的完整的高压输电导地线在垂直方向投影,根据投影区域波峰波谷变化的不同,找到所述高压输电导地线上的悬挂异物。
4.根据权利要求2所述的方法,其特征在于,所述步骤S2中通过对称方法找到高压输电导地线路两个搜索方向包括:
假设种子点为p0,查找的下一个点为p1,p1-p0所表示的矢量是输电线的延伸方向之一,p1相对于p0所对称的方向也存在一个延伸方向p1',由此找到输电线的两个搜索方向。
5.根据权利要求2或4所述的方法,其特征在于,步骤S2中定位所述高压输电导地线,具体包括:
假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),在以下公式中求解m、n即可求得p1:
arg max{c[p0(x0,y0),p1(x0+m,y0+n)]}
其中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数;
且p0、p1满足如下约束:
||p1-p0||2=r→m2+n2=r2
其中r表示搜索半径。
6.根据权利要求5所述的方法,其特征在于,所述步骤S2中,p1的求解方法为,将所有满足上述约束条件的点组成点集,再用投票的方法求解,其中满足约束条件的点集采用Bresenham算法求解。
7.根据权利要求2-6之一所述的方法,其特征在于,所述步骤S3中,确定了两个搜索方向后,先沿其中一个延伸方向迭代搜索到达终止条件后,再沿着另一个延伸方向以相同的方式进行搜索,最后找到完整的高压输电导地线。
9.根据权利要求8所述的方法,其特征在于,步骤S3进一步包括,求得p2后依次迭代求解p3,p4…pi,直到到达终止条件。
11.一种基于迭代搜索与投影法的输电线路导地线异物嵌入式检测装置,其特征在于,所述装置包括:
模型建立模块,对高压输电导地线建立数学模型,将高压输电导地线上两个相对接近的点表示为(xi,yi)、(xi+1,yi+1),并由泰勒定理建立起高压输电导地线的数学描述;
定位模块,与模型建立模型相连,用于定位高压输电导地线,找到高压输电导地线路两个搜索方向;其中假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),设定一定的搜索半径r,根据上述两点所形成的直线线段落在所述输电导地线上像素的个数求得p1,从而定位所述高压输电导地线,并进一步通过对称方法找到高压输电导地线路两个搜索方向;
输电线搜索模块,与定位模块相连,按照设定的最大偏离角度±α,分别向定位模块中定位的两个搜索方向的延长线及其周围区域迭代搜索,求解所要搜索的下一个点,进而找到完整的高压输电导地线;
异物查找模块,与输电线搜索模块相连,通过对所述完整的高压输电导地线在垂直方向投影,根据投影区域波峰波谷变化的不同,找到所述高压输电导地线上的悬挂异物。
13.根据权利要求12所述的装置,其特征在于,所述定位模块的定位方法包括:
假设种子点为p0,查找的下一个点为p1,p1-p0所表示的矢量是输电线的延伸方向之一,p1相对于p0所对称的方向也存在一个延伸方向p1',由此找到输电线的两个搜索方向。
14.根据权利要求13所述的装置,其特征在于,
所述定位模块中,
假设种子点为p0(x0,y0),查找的下一个点为p1(x0+m,y0+n),在以下公式中求解m、n即可求得p1:
arg max{c[p0(x0,y0),p1(x0+m,y0+n)]}
其中c(*)表示为在图像上,两点所形成的直线线段落在输电线上像素的个数;
且p0、p1满足如下约束:
||p1-p0||2=r→m2+n2=r2
其中r表示搜索半径。
15.根据权利要求14所述的装置,其特征在于,
所述p1的求解方法为,将所有满足上述约束条件的点组成点集,再用投票的方法求解,其中满足约束条件的点集采用Bresenham算法求解。
16.根据权利要求15所述的装置,其特征在于,
所述输电线搜索模块中,确定了两个搜索方向后,先沿其中一个延伸方向迭代搜索到达终止条件后,再沿着另一个延伸方向以相同的方式进行搜索,最后找到一条完整的输电线。
18.根据权利要求17所述的装置,其特征在于,
所述输电线搜索模块中,求得p2后依次迭代求解p3,p4…pi,直到到达终止条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092303.XA CN110956614B (zh) | 2019-11-11 | 2019-11-11 | 基于迭代搜索与投影法的导地线异物检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092303.XA CN110956614B (zh) | 2019-11-11 | 2019-11-11 | 基于迭代搜索与投影法的导地线异物检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956614A true CN110956614A (zh) | 2020-04-03 |
CN110956614B CN110956614B (zh) | 2023-04-07 |
Family
ID=69977086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911092303.XA Active CN110956614B (zh) | 2019-11-11 | 2019-11-11 | 基于迭代搜索与投影法的导地线异物检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956614B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884771A (zh) * | 2021-02-02 | 2021-06-01 | 贵州电网有限责任公司 | 一种基于激光lidar点云的电力线异物搭挂自动检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61172445A (ja) * | 1985-01-25 | 1986-08-04 | Tsubakimoto Chain Co | 信号伝送路の監視方法 |
CN101408987A (zh) * | 2007-10-12 | 2009-04-15 | 中兴通讯股份有限公司 | 一种两点-对称的直线生成方法 |
CN102404555A (zh) * | 2011-11-28 | 2012-04-04 | 西安雷迪维护***设备有限公司 | 一种关于高压输电线路异物侵界的视频监测*** |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN104463904A (zh) * | 2014-09-22 | 2015-03-25 | 国家电网公司 | 一种高压线异物入侵目标检测方法 |
CN106960438A (zh) * | 2017-03-25 | 2017-07-18 | 安徽继远软件有限公司 | 基于霍夫直线变换对输电线路的异物识别方法 |
CN107680095A (zh) * | 2017-10-25 | 2018-02-09 | 哈尔滨理工大学 | 基于模板匹配与光流法的无人机图像的输电线路异物检测 |
CN107944412A (zh) * | 2017-12-04 | 2018-04-20 | 国网山东省电力公司电力科学研究院 | 基于多层卷积神经网络的输电线路自动识别***及方法 |
CN108985170A (zh) * | 2018-06-15 | 2018-12-11 | 山东信通电子股份有限公司 | 基于三帧差分法及深度学习的输电线路悬挂物识别方法 |
CN109212377A (zh) * | 2018-09-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种高压线路障碍物识别方法、装置、巡检机器人 |
CN109712116A (zh) * | 2018-12-04 | 2019-05-03 | 华南理工大学 | 输电线路及其附件的故障识别方法 |
-
2019
- 2019-11-11 CN CN201911092303.XA patent/CN110956614B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61172445A (ja) * | 1985-01-25 | 1986-08-04 | Tsubakimoto Chain Co | 信号伝送路の監視方法 |
CN101408987A (zh) * | 2007-10-12 | 2009-04-15 | 中兴通讯股份有限公司 | 一种两点-对称的直线生成方法 |
CN102404555A (zh) * | 2011-11-28 | 2012-04-04 | 西安雷迪维护***设备有限公司 | 一种关于高压输电线路异物侵界的视频监测*** |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN104463904A (zh) * | 2014-09-22 | 2015-03-25 | 国家电网公司 | 一种高压线异物入侵目标检测方法 |
CN106960438A (zh) * | 2017-03-25 | 2017-07-18 | 安徽继远软件有限公司 | 基于霍夫直线变换对输电线路的异物识别方法 |
CN107680095A (zh) * | 2017-10-25 | 2018-02-09 | 哈尔滨理工大学 | 基于模板匹配与光流法的无人机图像的输电线路异物检测 |
CN107944412A (zh) * | 2017-12-04 | 2018-04-20 | 国网山东省电力公司电力科学研究院 | 基于多层卷积神经网络的输电线路自动识别***及方法 |
CN108985170A (zh) * | 2018-06-15 | 2018-12-11 | 山东信通电子股份有限公司 | 基于三帧差分法及深度学习的输电线路悬挂物识别方法 |
CN109212377A (zh) * | 2018-09-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种高压线路障碍物识别方法、装置、巡检机器人 |
CN109712116A (zh) * | 2018-12-04 | 2019-05-03 | 华南理工大学 | 输电线路及其附件的故障识别方法 |
Non-Patent Citations (5)
Title |
---|
ABDULLAH ZAIN 等: "Transmission Lines Monitoring from Satellite Images", 《J.MECH.CONT.& MATH》 * |
WENJIE ZHENG 等: "Identification of hidden dangers in transmission line corridors based on hybrid algorithms", 《JOURNAL OF PHYSICS: CONFERENCE SERIES》 * |
吕明 等: "无人飞行器巡检输电线路的杆塔和导线跟踪算法", 《电力***自动化》 * |
金立军 等: "基于航拍图像的输电线路异物识别", 《同济大学学报(自然科学版)》 * |
颜敏: "基于无人机的输电线故障检测***的设计与实现", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884771A (zh) * | 2021-02-02 | 2021-06-01 | 贵州电网有限责任公司 | 一种基于激光lidar点云的电力线异物搭挂自动检测方法 |
CN112884771B (zh) * | 2021-02-02 | 2023-10-27 | 贵州电网有限责任公司 | 一种基于激光lidar点云的电力线异物搭挂自动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110956614B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Robust infrared small target detection using local steering kernel reconstruction | |
CN107154040B (zh) | 一种隧道衬砌表面图像裂缝检测方法 | |
WO2016106950A1 (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
Xu et al. | Pavement crack detection based on saliency and statistical features | |
CN104992434B (zh) | 根据历史卫星图像在当前卫星图像上进行台风定位的方法 | |
CN101556142B (zh) | 架空线路覆冰厚度的视觉检测方法 | |
CN109448326B (zh) | 一种基于快速图像识别的地质灾害智能群防监测*** | |
CN103955710B (zh) | 类地重力场环境下单目视觉空间识别方法 | |
CN112782664B (zh) | 一种基于毫米波雷达的卫生间跌倒检测方法 | |
CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN105976368A (zh) | 一种绝缘子定位方法 | |
CN113989716B (zh) | 煤矿井下输送带异物目标检测方法、***、设备及终端 | |
CN102938147A (zh) | 一种基于快速鲁棒特征的低空无人机视觉定位方法 | |
CN110956614B (zh) | 基于迭代搜索与投影法的导地线异物检测方法及装置 | |
Liu et al. | Lane detection based on straight line model and k-means clustering | |
CN111914695A (zh) | 一种基于机器视觉的涌潮监测方法 | |
CN105678720A (zh) | 一种全景拼接判断图像匹配方法及装置 | |
Weng et al. | Newly designed identifying method for ice thickness on high‐voltage transmission lines via machine vision | |
CN105450950B (zh) | 无人机航拍视频去抖方法 | |
Ying et al. | Anchor points based accurate fault locating in large-scale photovoltaic plants via aerial infrared videos | |
CN110969601B (zh) | 基于视觉特征跟踪算法的结构转动响应非接触式识别方法 | |
CN114757979B (zh) | 一种神经网络与红外图像匹配的厨房吸烟检测方法及*** | |
Kumar | Solar potential analysis of rooftops using satellite imagery | |
Fang et al. | A fast insulator-contour-detection-algorithm on power transmission lines images | |
CN112950662B (zh) | 一种交通场景空间结构提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |