CN111798402B - 基于三维点云模型的电力设备测温数据可视化方法及*** - Google Patents
基于三维点云模型的电力设备测温数据可视化方法及*** Download PDFInfo
- Publication number
- CN111798402B CN111798402B CN202010517980.8A CN202010517980A CN111798402B CN 111798402 B CN111798402 B CN 111798402B CN 202010517980 A CN202010517980 A CN 202010517980A CN 111798402 B CN111798402 B CN 111798402B
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- information
- temperature measurement
- dimensional point
- 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.)
- Active
Links
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013079 data visualisation Methods 0.000 title claims description 9
- 230000004927 fusion Effects 0.000 claims abstract description 56
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 33
- 230000009466 transformation Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种基于三维点云模型的电力设备测温数据可视化方法及***，包括如下步骤：S1、获取红外热像测温图像和电力设备的整体彩色纹理图像；S2、采用特征权重融合法将两幅图像进行融合得到整体融合图像；S3、获取电力设备的三维点云模型；S4、采用二三维特征标定法将整体融合图像与三维点云模型进行图像‑点云配准，得到点云‑像素索引；S5、根据点云‑像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示。与现有技术相比，本发明方法可准确反应设备温度场信息，着重突出展示电力设备整体红外热像测温数据分布及其具体量化数值，整体表面特征更为明显，有效适用于设备整体可视化展示情景。
Description
技术领域
本发明涉及一种电力设备测温数据可视化方法，尤其是涉及一种基于三维点云模型的电力设备测温数据可视化方法及***。
背景技术
红外热像技术作为一种非接触式、图像化测温技术已广泛应用于电力设备测温。随着运维工作的智能化、数字化不断深化，先进、友好的红外热像测温数据的提取、可视化、诊断技术逐渐得到了关注与重视。
当前电力设备红外热像测温数据大都采用二维可视化方式进行展示，其表现力不足，友好性差，不利于故障分析与诊断。
当前，红外热像测温数据三维可视化技术引起了关注，但总体尚处于起步阶段。代表性的研究成果有：罗智斌等研究了地面LIDAR点云与红外视频信息的室内温度反演展示技术，实现了点云、热红外图像的高精度配准，构建了带温度属性的三维可视化模型；姜千辉借助VTK可视化工具包，开展了人体头部脸表面以及骨骼数据红外热像测温数据的三维可视化；吴景壮研究了基于双目立体视觉与红外热像融合的温度三维展示技术，并以杯子、台灯等外形规则的小物件进行了有效性验证。变电站设备红外热像测温数据三维可视化技术研究还未见文献报道。随着自动化、智能化水平的不断提高,虚拟现实技术在电力***中已经具有了一些典型应用，并发挥了较好的作用。作为高精度的三维实景重构模型，点云模型已经深入运用到变电站运维中。变电站三维点云作为变电站电力设备表面点的集合，可以较好地反应设备的三维表面特征，有着可精准还原实际数据的特点，有助于突破三维模型重构精度低的技术瓶颈，为红外热像测温数据配准精度的提高提供良好的基础条件。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于三维点云模型的电力设备测温数据可视化方法及***。
本发明的目的可以通过以下技术方案来实现：
一种基于三维点云模型的电力设备测温数据可视化方法，该方法包括如下步骤：
S1：获取红外热像测温图像和电力设备的整体彩色纹理图像；
S2：采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
S3：获取电力设备的三维点云模型；
S4：采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
S5：根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示。
优选地，步骤S2具体为：
S21：分别对红外热像测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到如下分解信息：红外热像测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV；
S22：确定红外热像测温图像和整体彩色纹理图像的各分解信息的权重；
S23：针对各分解信息进行加权求和得到整体融合图像。
优选地，步骤S21中纹理信息通过高斯滤波器提取。
优选地，步骤S21中边缘信息通过引导滤波器提取。
优选地，步骤S4具体为：
S41：对整体融合图像进行校正生成正射影像B；
S42：对变电站设备三维点云进行正射投影生成高程正射投影图像A；
S43：求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
一种基于三维点云模型的电力设备测温数据可视化***，该***包括：
图像获取模块：该模块获取红外热像测温图像和电力设备的整体彩色纹理图像；
图像融合模块：该模块采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
三维点云模型获取模块：该模块获取电力设备的三维点云模型；
标定配准模块：该模块采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
可视化展示模块：该模块根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示。
优选地，所述的图像融合模块包括：
图像分解子模块：该子模块分别对红外热像测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到分解信息，包括红外热像测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV；
权重确定子模块：该子模块确定红外热像测温图像和整体彩色纹理图像的各分解信息的权重；
融合子模块：该子模块针对各分解信息进行加权求和得到整体融合图像。
优选地，所述的图像分解子模块通过高斯滤波器提取纹理信息。
优选地，所述的图像分解子模块通过引导滤波器提取边缘信息。
优选地，所述的标定配准模块包括：
融合图像校正子模块：该子模块对整体融合图像进行校正生成正射影像B；
三维点云模型校正子模块：该子模块对变电站设备三维点云进行正射投影生成高程正射投影图像A；
标定子模块：该子模块求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
与现有技术相比，本发明具有如下优点：
(1)本发明基于三维点云模型的可视化方法可准确反应设备温度场信息，着重突出展示电力设备整体红外热像测温数据分布及其具体量化数值，其整体表面特征更为明显，有效适用于设备整体可视化展示情景。
(2)本发明基于特征的二三维彩色点云配准法提高了点云配准准确性，从而使得红外特征三维点云准确度提高。
附图说明
图1为本发明基于三维点云模型的电力设备测温数据可视化方法的流程框图；
图2为本发明基于三维点云模型的电力设备测温数据可视化***的结构框图。
图中，1为图像获取模块，2为图像融合模块，3为三维点云模型获取模块，4为标定配准模块，5为可视化展示模块，21为图像分解子模块，22为权重确定子模块，23为融合子模块，41为融合图像校正子模块，42为三维点云模型校正子模块，43为标定子模块。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
如图1所示，一种基于三维点云模型的电力设备测温数据可视化方法，该方法包括如下步骤：
S1：获取红外热像测温图像和电力设备的整体彩色纹理图像；
S2：采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
S3：获取电力设备的三维点云模型；
S4：采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
S5：根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示。
步骤S2首先进行红外测温图像和彩色纹理图的纹理及边缘信息提取，然后进行图像混合信息分解并确定特征，再确定权重值，最后完成红外图像与整体彩色纹理图像融合。具体为：
首先，分别对红外测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到如下分解信息：红外测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV，其中，纹理信息通过高斯滤波器提取，边缘信息通过引导滤波器提取。
然后，确定红外测温图像和整体彩色纹理图像的各分解信息的权重，选取的权重参数需要使目标位置的像素点(i,j)位置的值的大小能够明显增大该点处的融合权重，甚至其数值趋近于1，同时需要尽可能减小非目标像素点值对结果的影响，使融合权重近似为0。我们利用红外目标区域的特点构造任意像素点的系数R(i,j)：
其次，进行归一化操作，得到最终的归一化系数，即：
然后进行对其加上非线性变换处理，选择合适变换函数，使其约束在[0,1]范围内，产生更为平滑的结果：
进行纹理细节和边缘信息融合时，计算各分解子信息的融合权重，为了保证融合图像中红外目标与彩色纹理信息之间融合平滑，对上述权重进行高斯滤波噪声消除和局部平滑处理,可以得到最终的融合权重：
进行纹理细节和边缘信息融合时，计算各分解子信息的融合权重，为了保证融合图像中红外目标与彩色纹理信息之间融合平滑，对上述权重进行高斯滤波噪声消除和局部平滑处理,可以得到最终的融合权重：
Wt(i,j)＝We(i,j)＝GσC(i,j)
其中Gσ(σ＝1.5)是高斯函数。
利用权重Cn(i,j)融合图像的模糊底层信息Wb(i,j)，而不作为融合权重图层，取高斯滤波参数的值σc＝4，则：
最后，针对各分解信息进行加权求和得到局部融合图像，局部融合图像的表达式为：
IF(i,j)＝ItF(i,j)+IeF(i,j)+IbF(i,j)
ItF(i,j)＝Wt(i,j)*ItR(i,j)
+(1-Wt(i,j))*ItV(i,j)
IeF(i,j)＝We(i,j)*IeR(i,j)
+(1-We(i,j))*IeV(i,j)
IbF(i,j)＝Wb(i,j)*IbR(i,j)
+(1-Wb(i,j))*IbV(i,j)
其中，(i,j)为像素点位置，IF为局部融合图像，ItF为局部融合图像的纹理信息，IeF为边缘信息，IbF粗略尺度信息，Wt为红外测温图像的纹理信息权重，We为红外测温图像的边缘信息权重，Wb为红外测温图像的粗略尺度信息权重。
在实际操作的过程中，因为图像带有像素点坐标信息，我们的完整变电站电气设备点云带有三维坐标点信息，把每一个点位置的像素值赋给坐标点，相当于增加一个维度的信息，即可以得到彩色点云，把二维图像的颜色分布状态用三维的方式展示出来，因此二-三维配准实际上是多坐标系之间的转换问题，这里采用的是基于多坐标系转换的3D-2D二三维彩色点云配准法，基础原理是根据变电站实际工作场景下电气设备中有较大数量的直线和平面的特点，对原图像以及三维点云里有的直线进行提取，同时求得点云中同名直线端点到该平面的投影距离，以距离最小化为原则求出转换矩阵，同时对三维激光点云进行坐标投影，提取图像平面特征和三维点云中的点，并将其作为配准基元，然后求出融合图像和三维点云之间的变换关系，求解数学表达式系数，从而将3D-2D匹配问题转换为2D-2D匹配问题，实现三维点云与红外可见光融合图像的自动配准，生成带有设备运行信息的彩色三维点云。四个坐标系分别为世界坐标系，摄像机坐标系，图像坐标系和像素坐标系：
1：世界坐标系(Xw，Yw，Zw)
常规意义上讲的由用户定义的空间三维坐标系，用来描述三维空间中的物体和相机之间的坐标位置，满足右手法则。
2：摄像机坐标系(Xc，Yc，Zc)
以相机的光心作为原点，Zc轴与光轴重合，并垂直于成像平面，且取摄影方向为正方向，Xc、Yc轴与图像物理坐标系的x,y轴平行，且OcO为摄像机的焦距f，这里实际是彩色纹理图像获取时的场景坐标系。
3：图像坐标系
是以图像的左上方为原点，的图像坐标系(u，v)(此坐标以像素为单位)，这里我们建立了图像物理坐标系(x，y)为xoy坐标系(此坐标系以毫米为单位)。
4：像素坐标系
像素坐标系和图像坐标系都在成像平面上，只是各自的原点和度量单位不一样，图像坐标系的原点为相机光轴与成像平面的交点，通常情况下是成像平面的中点或者叫principal point。图像坐标系的单位为mm，属于物理单位，而像素坐标系的单位是pixel，我们平常描述一个像素点都是几行几列。
建立了上述各种坐标系之后，我们就要进行各个坐标系之间的转换，它的目的就是最终建立世界坐标系的物体的三维坐标点到二维图像像素坐标系中像素点的空间对应关系，具体步骤是首先对二维红外热像测温图像进行校正，生成正射影像作为参考图像，其次对变电站设备三维点云进行正射投影，将三维激光点云按照选定的方式投影到一个平面上生成二维数据形式，每一个点云使用国际通用坐标系下的坐标表示，投影生成与之相对应的像素点，在能够得到正射投影图像的同时解出点云-像素索引，在保持正确邻接关系同时将3D-2D配准问题转换为2D-2D配准问题。
因此，步骤S4具体为：
S41：对整体融合图像进行校正生成正射影像B；
S42：对变电站设备三维点云进行正射投影生成高程正射投影图像A；
S43：求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
如图2所示，一种基于三维点云模型的电力设备测温数据可视化***，该***包括：
图像获取模块1：该模块获取红外热像测温图像和电力设备的整体彩色纹理图像；
图像融合模块2：该模块采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
三维点云模型获取模块3：该模块获取电力设备的三维点云模型；
标定配准模块4：该模块采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
可视化展示模块5：该模块根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示。
所述的图像融合模块2包括：
图像分解子模块21：该子模块分别对红外热像测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到分解信息，包括红外热像测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV；
权重确定子模块22：该子模块确定红外热像测温图像和整体彩色纹理图像的各分解信息的权重；
融合子模块23：该子模块针对各分解信息进行加权求和得到整体融合图像。
其中，图像分解子模块21通过高斯滤波器提取纹理信息，通过引导滤波器提取边缘信息。
标定配准模块4包括：
融合图像校正子模块41：该子模块对整体融合图像进行校正生成正射影像B；
三维点云模型校正子模块42：该子模块对变电站设备三维点云进行正射投影生成高程正射投影图像A；
标定子模块43：该子模块求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
本实施例以某500kV变电站的#1主变压器A相三维点云为对象进行实际案例分析。首先对红外特征图像与模型整体彩色纹理图进行图像融合，并将其作为三维点云模型可视模式中的原图像，融合图像在保留纹理的基础上，还较好地保存了红外温度特征，然后根据主变压器点云分布特征，在matlab中编写代码，完成点云与融合图配准过程，最终得到红外特征三维点云。结果显示，变电站热力温度场信息展示直观清晰立体，温度场分布趋势与融合图像较为一致，可是化显示结果中设有显示栏，显示栏为具体温度值，可量化设备温度信息，即点云根据设备的实际温度显示不同的颜色。实际运维过程的设备整体可视化情景下，即当运维人员需要知悉设备以及区域整体红外热像数据情况的时候，该模式可视化效果较为良好直观，为分析变电站电气设备热源分布趋势、热力温度异常状态以及具体的热像量化数值提供一种有效的技术手段，可有效解决当前三维可视化载体缺失的问题，同时三维点云模型坐标点信息的明确与精准性使配准的准确性得到了良好的保证，从而拓宽信息尺度，对红外热像测温数据进行有效的应用以及立体的展示。
三维点云模型可视化模式着重突出展示了设备整体红外温度的分布以及具体量化数值，可视化效果更加具体直观，同时三维点云模型具有数据密度较大的特征，其最终结果受匹配算法精度影响较小，适用于变电站/设备全局可视化情景。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (6)
1.一种基于三维点云模型的电力设备测温数据可视化方法，其特征在于，该方法包括如下步骤：
S1：获取红外热像测温图像和电力设备的整体彩色纹理图像；
S2：采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
S3：获取电力设备的三维点云模型；
S4：采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
S5：根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示；
步骤S2具体为：
S21：分别对红外热像测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到如下分解信息：红外热像测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV；
S22：确定红外热像测温图像和整体彩色纹理图像的各分解信息的权重；
S23：针对各分解信息进行加权求和得到整体融合图像；
步骤S4具体为：
S41：对整体融合图像进行校正生成正射影像B；
S42：对变电站设备三维点云进行正射投影生成高程正射投影图像A；
S43：求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
2.根据权利要求1所述的一种基于三维点云模型的电力设备测温数据可视化方法，其特征在于，步骤S21中纹理信息通过高斯滤波器提取。
3.根据权利要求1所述的一种基于三维点云模型的电力设备测温数据可视化方法，其特征在于，步骤S21中边缘信息通过引导滤波器提取。
4.一种基于三维点云模型的电力设备测温数据可视化***，其特征在于，该***包括：
图像获取模块(1)：该模块获取红外热像测温图像和电力设备的整体彩色纹理图像；
图像融合模块(2)：该模块采用特征权重融合法将红外热像测温图像和整体彩色纹理图像进行融合得到整体融合图像；
三维点云模型获取模块(3)：该模块获取电力设备的三维点云模型；
标定配准模块(4)：该模块采用二三维特征标定法将整体融合图像与三维点云模型进行图像-点云配准，得到点云-像素索引；
可视化展示模块(5)：该模块根据点云-像素索引将像素点值赋给其对应位置的三维点云，得到红外特征三维点云，进行可视化展示；
所述的图像融合模块(2)包括：
图像分解子模块(21)：该子模块分别对红外热像测温图像和整体彩色纹理图像进行纹理信息及边缘信息提取得到分解信息，包括红外热像测温图像的纹理信息ItR、边缘信息IeR、粗略尺度信息IbR以及整体彩色纹理图像的纹理信息ItV、边缘信息IeV、粗略尺度信息IbV；
权重确定子模块(22)：该子模块确定红外热像测温图像和整体彩色纹理图像的各分解信息的权重；
融合子模块(23)：该子模块针对各分解信息进行加权求和得到整体融合图像；
所述的标定配准模块(4)包括：
融合图像校正子模块(41)：该子模块对整体融合图像进行校正生成正射影像B；
三维点云模型校正子模块(42)：该子模块对变电站设备三维点云进行正射投影生成高程正射投影图像A；
标定子模块(43)：该子模块求解正射影像B和高程正射投影图像A中像素点位置变换矩阵，所述的变换矩阵即为点云-像素索引。
5.根据权利要求4所述的一种基于三维点云模型的电力设备测温数据可视化***，所述的图像分解子模块(21)通过高斯滤波器提取纹理信息。
6.根据权利要求4所述的一种基于三维点云模型的电力设备测温数据可视化***，所述的图像分解子模块(21)通过引导滤波器提取边缘信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010517980.8A CN111798402B (zh) | 2020-06-09 | 2020-06-09 | 基于三维点云模型的电力设备测温数据可视化方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010517980.8A CN111798402B (zh) | 2020-06-09 | 2020-06-09 | 基于三维点云模型的电力设备测温数据可视化方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798402A CN111798402A (zh) | 2020-10-20 |
| CN111798402B true CN111798402B (zh) | 2024-02-27 |
Family
ID=72804684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010517980.8A Active CN111798402B (zh) | 2020-06-09 | 2020-06-09 | 基于三维点云模型的电力设备测温数据可视化方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798402B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465987A (zh) * | 2020-12-17 | 2021-03-09 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种视觉融合信息三维重建的导航地图构建方法 |
| CN113139730B (zh) * | 2021-04-27 | 2022-03-11 | 浙江悦芯科技有限公司 | 一种基于数字孪生模型的电力设备状态评估方法及*** |
| CN113432734A (zh) * | 2021-06-16 | 2021-09-24 | 南京江行联加智能科技有限公司 | 智能开关柜温度监测方法、装置、设备及存储介质 |
| CN113596335A (zh) * | 2021-07-31 | 2021-11-02 | 重庆交通大学 | 基于图像融合的公路隧道火灾监测***及方法 |
| CN115690332B (zh) * | 2022-12-30 | 2023-03-31 | 华东交通大学 | 点云数据处理方法、装置、可读存储介质及电子设备 |
| CN116485634B (zh) * | 2023-04-10 | 2024-04-02 | 北京城市网邻信息技术有限公司 | 点云展示图生成方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015219679A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社リコー | 画像処理システム、情報処理装置、プログラム |
| CN107316325A (zh) * | 2017-06-07 | 2017-11-03 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8290305B2 (en) * | 2009-02-13 | 2012-10-16 | Harris Corporation | Registration of 3D point cloud data to 2D electro-optical image data |
-
2020
- 2020-06-09 CN CN202010517980.8A patent/CN111798402B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015219679A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社リコー | 画像処理システム、情報処理装置、プログラム |
| CN107316325A (zh) * | 2017-06-07 | 2017-11-03 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于多视角三维扫描数据的图像配准;刘博文;童立靖;;软件(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798402A (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798402B (zh) | 基于三维点云模型的电力设备测温数据可视化方法及*** | |
| CN101996407B (zh) | 一种多相机颜色标定方法 | |
| CN103345736A (zh) | 一种虚拟视点绘制方法 | |
| CN104376552A (zh) | 一种3d模型与二维图像的虚实配准算法 | |
| CN101610425B (zh) | 一种评测立体图像质量的方法和装置 | |
| CN110532865B (zh) | 基于可见光与激光融合的航天器结构识别方法 | |
| CN102222348A (zh) | 一种三维目标运动矢量计算方法 | |
| Mutahira et al. | Focus measurement in color space for shape from focus systems | |
| CN106068646A (zh) | 深度图生成方法、装置和非短暂性计算机可读介质 | |
| CN114219855A (zh) | 点云法向量的估计方法、装置、计算机设备和存储介质 | |
| Yamaguchi et al. | Superimposing thermal-infrared data on 3D structure reconstructed by RGB visual odometry | |
| CN107958489B (zh) | 一种曲面重建方法及装置 | |
| Zhai et al. | Image real-time augmented reality technology based on spatial color and depth consistency | |
| CN103646397A (zh) | 基于多源数据融合的实时合成孔径透视成像方法 | |
| CN112329723A (zh) | 一种基于双目相机的多人人体3d骨骼关键点定位方法 | |
| CN117372647A (zh) | 一种建筑用三维模型的快速构建方法及*** | |
| CN117218192A (zh) | 一种基于深度学习与合成数据的弱纹理物***姿估计方法 | |
| CN112686865A (zh) | 一种3d视图辅助检测方法、***、装置及存储介质 | |
| Zhou et al. | Single-view view synthesis with self-rectified pseudo-stereo | |
| Kuo et al. | 2D-to-3D conversion for single-view image based on camera projection model and dark channel model | |
| CN109089100B (zh) | 一种双目立体视频的合成方法 | |
| CN105809697B (zh) | 一种仅有两个标志点的一维摄像机定标装置及其定标方法 | |
| Appia et al. | Fully automatic 2D to 3D conversion with aid of high-level image features | |
| Li et al. | Overall well-focused catadioptric image acquisition with multifocal images: a model-based method | |
| CN111010558B (zh) | 一种基于短视频图像的立木深度图生成方法 |
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 |