CN112561968A - 一种基于单目视觉的输电导线舞动监测方法及装置 - Google Patents
一种基于单目视觉的输电导线舞动监测方法及装置 Download PDFInfo
- Publication number
- CN112561968A CN112561968A CN202011531510.3A CN202011531510A CN112561968A CN 112561968 A CN112561968 A CN 112561968A CN 202011531510 A CN202011531510 A CN 202011531510A CN 112561968 A CN112561968 A CN 112561968A
- Authority
- CN
- China
- Prior art keywords
- image
- power transmission
- spacer
- galloping
- frame
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/40—Display of information, e.g. of data or controls
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Electric Cable Installation (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请提出一种基于单目视觉的输电导线舞动监测方法及装置。方法包括:基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。本方案能够以简单的测量过程准确监测导线舞动情况,并减少产生的数据量。
Description
技术领域
本申请涉及电力技术领域,尤其涉及一种基于单目视觉的输电线舞动监测方法及装置。
背景技术
当输电导线受到横向速度的风力干扰,如风速大于5m/s,风向与导线走向夹角大于45°时,就会产生一个向上向下加速的运动,从而使导线受到空气动力矩的作用产生扭转。当扭转运动的频率与垂直运动的频率同步时,就会发生导线舞动。导线舞动是一种低频、大振幅自激震动,频率一般在0.1Hz到3Hz之间,浮动是导线直径的5-300倍。
导线舞动的影响范围很大,持续时间很长,容易导致大面积停电事故。导线舞动不仅能够导致短路跳闸,长时间的舞动还可能会导致杆塔螺丝松动、强度降低,金具、绝缘子、跳线等损坏,导线断股、断线,塔材、塔基受损甚至倒塔。而导线舞动造成的杆塔螺丝松动、金具、绝缘子性能损伤等硬件缺陷,在短时间内往往难以发现,对输电导线的安全运行造成很大隐患。
架空输电导线舞动的防治是一个复杂的***工程,为了防止导线舞动,一般采取安装相间间隔棒、线夹回转式间隔棒、双摆防舞器、失谐摆、偏心重锤等防舞装置,然而这些防舞装置的作用停留在一定程度上削弱导线舞动的程度,其稳定性能和防舞强度较差,因此对导线舞动情况的实时跟踪和检查尤为迫切和必要。
现有的导线舞动监测方法一种是采用加速度传感器方式,数据采集设备必须和输电导线固定在一起,惯性信息采集设备必须不间断工作,这样数据采集设备的供电***必须保证一定的电量,而这些传感器的安装对于已经架设好的线路十分不便,同时过重的设备固定在输电线上,必然加重导线的弧垂,给输电导线带来一定的负面影响。另外一种是采用摄像头传感器,这种安装方式不需要与导线直接接触,只需要安装在杆塔上某个合适的固定位置即可,同时这样的设备应用在输电导线可视化***中比较成熟,可用太阳能供电保证设备长时间运行。
现有主要的导线舞动识别技术有,基于位移与加速度传感器输电线舞动监测技术和基于视频/图像采集技术实现输电线舞动监测技术。第一种监测技术需要在输电导线中安装传感器,因此传感器在输电导线中安装数量、方式以及选择合适拟合算法成为难题。监测***传感器安装越多,其监测和曲线拟合精度越高,但这又会带来软件的计算量大幅增加及成本增加的问题,更重要的是传感器的安装会对输电导线舞动的数学模型造成较大影响,严重的甚至会造成模型失真。而第二种现有的输电线检测技术——基于视频/图像技术的导线舞动监测技术,一是需要通过识别间隔棒的扭转方向角判断导线自身扭转舞动,但无法识别导线水平和垂直舞动。二是需要通过激光测距仪测量被测点到摄像机的距离,需要每次专门架设地面观测摄像头来进行导线测量,远距离情况下导线上测量点不容易确认,因此测量点到相机的距离获取困难,测量过程复杂。三是需要通过在杆塔上安装特制的红外摄像头对输电导线进行实时监测,将一段时间内获取的现场数据进行标注,使用卷积神经网络对标注的现场数据进行分类训练,该方案可以实现舞动的定性分析,但无法实现定量的估计,且产生的数据量大,增加了装置的数据处理压力。
发明内容
针对上述现有技术中存在的问题,本申请实施例提出一种基于单目视觉的输电线舞动监测方法及装置,解决了现有导线舞动监测技术无法识别导线水平和垂直舞动、测量过程复杂、产生的监测数据量大的问题。
一方面,本申请实施例提供了一种基于单目视觉的输电线舞动监测方法,方法包括:基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素位置信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。本申请实施例提供的方案通过基于风力的监测或者时间间隔,来触发监拍设备进行视频录制,并对录制的视频进行逐帧处理,通过确定视频图像中每组导线上间隔棒的位置,确定间隔棒的舞动幅度和舞动频率,从而得到输电导线的舞动幅度和舞动频率,可以实现对导线舞动频率和幅度的量化计算,计算过程更加简单,且产生的数据量很少。
在一个实施方式中,在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组之前,所述方法还包括:识别所述输电导线场景视频图像中的第一帧图像,得到天空区域与地面区域之间的天际线;通过Hough变换直线拟合算法,将所述天际线拟合为直线;通过θ=arctan(abs(k1))得出天际线的倾斜角度,其中k1为天际线拟合直线的斜率;所述天际线的倾斜角度θ为所述安装在输电铁塔上的监拍设备的安装倾斜角度,θ的取值范围为[0,45]。
由于某些监拍设备,如摄像头受安装位置的限制,必须倾斜安装,因此需要计算其倾斜角度,以便后续矫正舞动幅度。通过识别地面和天空的交界线,并计算交界线与水平线的夹角,可以方便地计算出监拍设备的安装角度。
在一个实施方式中,所述根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪结果位置随时间的变化情况,确定所述输电导线的舞动幅度,具体包括:根据Scalen=An/an得到所述场景视频中每个间隔棒上像素点的像素尺寸与像素点对应的实际物理尺寸的比例尺关系;其中,A表示间隔棒的物理尺寸,a表示间隔棒的像素尺寸,n表示输电导线上第n个间隔棒;根据AptitudePixeln=Scalen*abs(Y1-Y2)得到所述输电导线上每个间隔棒的实际舞动幅度;其中,Y1为第n个间隔棒在每一帧图像中的跟踪像素位置信息中的最大值,Y2为所述第n个间隔棒在每一帧图像中的跟踪像素位置信息中的最小值;将输电导线上若干间隔棒的实际舞动幅度中的最大值Apt=max(Aptituden)作为当前场景视频中输电导线的实际舞动幅度;根据所述天际线的倾斜角度θ,纠正所述当前场景视频中输电导线的舞动幅度为Apt_opt=Apt/cosθ。
在一个实施方式中,所述根据所述场景视频的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动频率,具体包括:根据FPSwd=FPS/average(Fn)得到所述输电导线的舞动频率;其中,FPS为所述场景视频的帧率,由所述监拍设备的已知参数获得;Fn为所述间隔棒两次舞动到最高的跟踪像素位置信息处时对应的两帧图像之间相差的帧数。
在一个实施方式中,所述在所述输电导线场景视频图像的第一帧图像中,提取输电导线的位置信息并进行聚类分组,具体包括:对所述输电导线场景视频中的第一帧图像进行边缘检测得到边缘图像,通过Hough变换检测所述边缘图像中的直线位置,从而检测到场景视频图像的第一帧图像中的输电导线位置信息;根据两条输电导线的斜率和截距确定两条输电导线之间的距离,从而得到每两条输电导线之间的初始距离矩阵D(0);选取所述初始距离矩阵D(0)中的非对角线元素中的最小值,记为dpq,将所述非对角线元素中的最小值dpq对应的两条输电导线Gp和Gq合成一个新的导线类Gr={Gp,Gq};确定导线类Gr与除导线Gp和Gq之外的其他k根输电导线的距离,从而得到第一距离矩阵D(1);将所述第一距离矩阵D(1)中的最小元素对应的输电导线加入所述导线类Gr中,循环计算所述导线类Gr与其他输电导线的距离矩阵,得到第z距离矩阵D(z),直到矩阵D(z)中的最小元素大于预设阈值时停止循环;将所述停止循环后得到的导线类Gr中的输电导线分为一组,并将已分类的导线去除之后,再对其他导线重新进行聚类,直到所有导线都分完组为止。
在一个实施方式中,所述确定所述第一帧图像中每组输电导线上各间隔棒的位置信息,具体包括:提取包含两条及以上输电导线的组,抠取由每组导线所占像素向外扩展m个像素后,所占的图像区域,并将该图像区域转换为灰度图;基于所述输电导线场景的若干固定模板图像,构建c个检测模板图像组,并将所述检测模板图像组分为e个尺度;根据对每个尺度的检测模板图像进行匹配,其中,NCC为所述图像区域与所述检测模板图像的匹配度,f(x,y)表示所述图像区域中像素点(x,y)的灰度值,t(x,y)表示所述检测模板图像中像素点(x,y)的灰度值,μ表示所述图像区域所有像素值的平均值,σ为标准方差,u表示所述检测模板图像的像素总数;选取与所述图像区域匹配度最高的检测模板图像,所述检测模板图像中的若干间隔棒的像素位置作为所述第一帧图像中每组输电导线上若干间隔棒的像素位置。
在一个实施方式中,所述根据所述各间隔棒的像素信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息,具体包括:将每个间隔棒的初始像素尺寸扩大后,得到TrackSize=Size*b,其中,Size为间隔棒的初始像素尺寸,b为尺寸扩大的倍数;将TrackSize作为KCF算法的跟踪参数,对于所述场景视频图像中除第一帧图像之外的每一帧图像,通过KCF算法获取输电导线上若干间隔棒的跟踪像素位置信息并保存;以图像帧为横坐标,以每个间隔棒在图像竖直方向上的跟踪像素位置信息为纵坐标,得到每个间隔棒的位置变化图。
在一个实施方式中,在所述确定所述输电导线的舞动幅度以及舞动频率之后,所述方法还包括:将所述输电导线的舞动幅度以及舞动频率与输电导线的不同舞动类型对应的幅度和频率进行匹配,确定所述输电导线的舞动类型;其中所述舞动类型包括微风振动、导线舞动以及次档距振荡;将所述输电导线的舞动类型以及对应的场景视频图像发送到监控平台。
在一个实施方式中,所述基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像,具体包括:通过在所述监拍设备上安装风力传感器或微气象传感器,在所述风力传感器监测到风速高于第二预设阈值时,触发所述监拍设备录制输电导线场景视频;或者在所述微气象传感器监测到风速高于第二预设阈值时,触发所述监拍设备录制输电导线场景视频;或者根据预设时间间隔,拍摄所述输电导线场景视频。
本申请实施例通过在监拍设备上安装风力传感器或微气象传感器来监测风速,可以在风速达到导线舞动的条线时再进行视频录制,节省视频存储空间,减少数据的产生。
另一方面,本申请实施例提供了一种基于单目视觉的输电导线舞动监测装置,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。
本申请一方面是通过对导线上的间隔棒的像素位置进行跟踪,并根据间隔棒舞动的幅度和频率来代表导线舞动的幅度和频率,来对导线的舞动情况做监测,在导线舞动超过一定幅度或频率时,将对应的视频发送到监控平台以便工作人员及时检修,大大提高了导线的维护效率,降低了导线损坏而造成的损失。另一方面是并没有时时刻刻都在拍摄视频,而是风速达到一定条件之后才进行视频拍摄,可以避免产生不必要的冗余数据,节省存储空间。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于单目视觉的输电导线舞动监测装置示意图;
图2为本申请实施例提供的一种基于单目视觉的输电导线舞动监测方法流程图;
图3为某个间隔棒的舞动位置结果图;
图4为本申请实施例提供的一种基于单目视觉的输电导线舞动监测实体装置图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种基于单目视觉的输电导线舞动监测方法及装置,下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于单目视觉的输电导线舞动监测装置示意图,如图1所示,基于单目视觉的输电导线舞动监测装置100包括监拍设备110、前端检测设备120以及监控平台130。
具体地,监拍设备110用于在风速超过预设阈值时,录制输电导线场景视频;或者基于预设时间间隔,定时录制输电导线场景视频。前端检测设备120用于对监拍设备110录制的视频进行识别,在视频图像中识别出输电导线的位置信息,并确定每组输电导线上用于固定导线的间隔棒的位置信息;还用于通过匹配算法和跟踪算法得到监拍设备110录制的视频的每一帧图像中,各个间隔棒的像素位置信息,得到间隔棒的舞动幅度和舞动频率,从而确定导线的舞动幅度和舞动频率以及舞动类型。监控平台130用于接收前端检测设备120发送的存在舞动现象的导线视频以及视频中导线的舞动类型,便于检修人员判断是否对该段导线进行检修。
在一个实施例中,舞动类型包括微风振动、导线舞动以及次档距振荡。其中,微风振动是一种高频低幅、呈驻波型式的振动,振动频率约在3Hz~150Hz之间,振幅约在0.1d~3d之间,其中d为导线的直径。导线舞动是指由水平方向的风对非对称截面线条所产生的升力而引起的一种低频大振幅的自激振动,振动频率约在0.1Hz~3Hz之间,振幅约在5d~300d之间。次档距振荡一般发生在水平面上,呈椭圆形轨迹,振动频率约在0.5Hz~10Hz之间,振幅约在3d~5d之间。
在一个例子中,若前端检测设备120检测到的导线的舞动频率为100Hz,舞动幅度为5cm,导线的直径为2cm,那么导线的舞动幅度为2.5d,由此可知导线的舞动类型为微风振动。
图2为本申请实施例提供的一种基于单目视觉的输电导线舞动监测方法流程图。
S201、监拍设备110基于传感器或定时触发输电线路场景的短视频拍摄。
具体地,通过在监拍设备110上安装风力传感器或微气象传感器,在风力传感器监测到风速高于第二预设阈值时,触发监拍设备110录制输电导线场景视频;或者在微气象传感器监测到风速高于第二预设阈值时,触发监拍设备110录制输电导线场景视频;或者根据预设时间间隔,控制监拍设备110拍摄输电导线场景视频。
在一个例子中,第二预设阈值的设置可以是致使导线开始舞动的风速大小,比如风速大于5m/s时,触发监拍设备110的视频录制功能。
S202、前端检测设备120解码输电导线场景视频中的每一帧图像。
具体地,前端检测设备120将监拍设备110录制的输电导线场景视频解码为一帧一帧的图像,便于后续对每一帧图像进行图像处理。
S203、前端检测设备120判断该段短视频中是否已提取间隔棒的位置。
具体地,若前端检测设备120还未对接收到的输电导线场景视频中的间隔棒位置进行提取,则需要先进行间隔棒位置的提取,执行S204;若已提取间隔棒位置,则执行S207。
S204、前端检测设备120提取天空边界线并确定监拍设备110的安装倾斜角度。
具体地,将输电导线场景视频图像中的第一帧图像转换为灰度图像,使用Sobel算子提取该灰度图像的梯度信息,从梯度信息中提取天空的边界线信息。然后扫描图像的每一列像素,通过每一列像素与真实天空的马氏距离来判断该像素是否属于天空像素,改善边界线提取结果。将检测到的天空边界线提取最外轮廓,即可得到天空区域,此区域包含杆塔以及导线。天空区域与地面区域之间的交界线即为天际线;通过Hough变换直线拟合算法,将天际线拟合为直线。
通过θ=arctan(abs(k1))得出天际线的倾斜角度,其中k1为天际线拟合直线的斜率;天际线的倾斜角度θ即为安装在输电铁塔上的监拍设备110的安装倾斜角度,由于监拍设备110的安装倾斜角度不能超过45度,因此θ的取值范围为[0,45]。
S205、前端检测设备120检测视频图像中导线的位置信息并进行聚类分组。
具体地,对输电导线场景视频中的第一帧图像进行灰度化,并使用高斯模糊函数对灰度图像进行模糊处理,得到模糊图像。然后对模糊图像进行边缘检测得到边缘图像。通过Hough变换检测边缘图像中的直线位置信息,从而检测到场景视频图像的第一帧图像中的输电导线位置信息;
将检测到的导线按照距离进行分组,距离相近的导线分为一组,分组方法采用层次聚类方法,通过距离度量来确定簇内相似性与差异性。
根据Gi={ki,bi}定义一条输电导线,其中,i表示场景视频图像中的第一帧图像中的第i条输电导线,ki为第i条输电导线的斜率,bi为第i条输电导线的截距。
根据距离公式dij=sqrt((ki-kj)2+(bi-bj)2)确定两条输电导线之间的距离,从而得到每两条输电导线之间的初始距离矩阵D(0);此时每条导线自成一类,且Dij=dij。选取初始距离矩阵D(0)中的非对角线元素中的最小值,记为dpq,将dpq对应的两条输电导线Gp和Gq合成一个新的导线类Gr={Gp,Gq};
由于D(1)中的最小元素代表导线类Gr与其余导线之间的最小距离,因此将D(1)中的最小元素对应的导线更新到导线类Gr中,然后循环计算导线类Gr与其余导线之间的距离,得到第z距离矩阵D(z),直到矩阵D(z)中的最小元素大于预设阈值时停止循环。
例如预设阈值为10,若矩阵D(5)中的最小元素大于10,也就是最新的导线类Gr与其他导线的最小距离大于10之后,停止循环。那么当前Gr中的导线即为距离最近的一组导线。
将最终的导线类Gr中的若干条输电导线聚类为一组。然后将已分类的导线去掉之后,再对其他导线按照以上方法重新进行聚类,直到所有导线都分完组为止。
S206、前端检测设备120提取视频中导线上各间隔棒的位置信息。
具体地,对于每组有两条及以上导线的导线组,将组中最边缘导线向外扩展m个像素,抠取扩展后的导线组所占的图像区域,并将该图像区域转换为灰度图;
由于导线上的间隔棒是固定安装的,因此可以在某条线路的若干固定模板图像中,找出与输电导线场景视频中的第一帧图像匹配度最高的一张固定模板图像,将其中的间隔棒位置作为本段输电导线场景视频中第一帧图像中间隔棒的位置。
在一个实施例中,对于某条线路的若干固定模板图像,构建3个检测模板图像组,并将检测模板图像组分为5个尺度;沿着导线的方向对每个尺度的检测模板图像使用NCC算法:进行匹配,其中,NCC为扩展后的导线组所占的图像区域与每个尺度的检测模板图像的匹配度,f(x,y)表示图像区域中像素点(x,y)的灰度值,t(x,y)表示检测模板图像中像素点(x,y)的灰度值,μ表示图像区域所有像素值的平均值,σ为标准方差,u表示检测模板图像的像素总数。
选取与图像区域匹配度最高的检测模板图像,将该检测模板图像中的若干间隔棒的像素位置信息作为所述第一帧图像中每组输电导线上若干间隔棒的像素位置信息,其中像素位置信息即间隔棒在视频图像中的像素坐标。
S207、前端检测设备120通过间隔棒跟踪算法得到每帧图像中间隔棒的跟踪像素位置信息,并保存。
需要说明的是,间隔棒的跟踪像素位置信息用于指示通过跟踪算法得出的间隔棒的跟踪位置在输电导线场景视频中除第一帧图像之外的每一帧图像中的像素坐标。例如,间隔棒L1的在第二帧视频图像中的跟踪像素位置信息为(x2,y2)。
具体地,对于每个间隔棒,将间隔棒的初始像素尺寸进行扩大,得到TrackSize=Size*b,其中,Size为间隔棒的初始像素尺寸,b为尺寸扩大的倍数。
将TrackSize作为KCF算法的跟踪参数,对于所述场景视频图像中除第一帧图像之外的每一帧图像,通过KCF算法获取输电导线上各间隔棒的跟踪像素位置信息并保存。
需要说明的是,本申请实施例并不限于使用KCF算法对间隔棒进行目标跟踪,也可以用其他单目标或多目标跟踪算法。使用目标跟踪算法识别间隔棒的位置可以减少计算量,提高识别精度。若每一帧间隔棒的位置都用NCC匹配算法来得到,会增加前端检测设备120的计算压力,且准确度低。
在一个实施例中,图3为某个间隔棒的舞动位置结果图。如图3所示,以图像帧为横坐标,以每一帧图像中某一个间隔棒在图像的y轴上的位置为纵坐标,得到某个间隔棒在视频中的舞动位置变化图。
S208、前端检测设备120判断是否计算完视频中的所有帧图像,若是,则执行S209,若否,则执行S202。
S209、前端检测设备120根据保存的间隔棒的位置,判断导线的舞动幅度和频率。
具体地,已知间隔棒的物理尺寸大小A以及间隔棒在场景视频图像中的像素尺寸a,计算间隔棒所在位置的像素点的比例尺关系Scalen=An/an,其中,n表示输电导线上第n个间隔棒。
根据图3中所记录的间隔棒的舞动位置,确定最高舞动像素位置Y1与最低舞动像素位置Y2,通过公式AptitudePixeln=Scalen*abs(Y1-Y2)得到输电导线上某个间隔棒的实际舞动幅度。
将输电导线上各间隔棒的实际舞动幅度中的最大值Apt=max(Aptituden)作为当前场景视频中输电导线的实际舞动幅度。根据监拍设备110的安装倾斜角度θ,纠正当前场景视频中输电导线的舞动幅度为Apt_opt=Apt/cosθ。
根据FPSwd=FPS/average(Fn)得到输电导线的舞动频率;其中,FPS为场景视频的帧率,由监拍设备110的已知参数获得;Fn为间隔棒两次舞动到最高的跟踪像素位置信息处时对应的两帧图像之间相差的帧数,体现在图3中即为两个峰值对应的x坐标之间相差的帧数。
S210、前端检测设备120根据导线的舞动幅度和频率判断导线的舞动类型。
具体地,舞动类型包括微风振动、导线舞动以及次档距振荡。其中,微风振动的振动频率约在3Hz~150Hz之间,振幅约在0.1d~3d之间,其中d为导线的直径。导线舞动的振动频率约在0.1Hz~3Hz之间,振幅约在5d~300d之间。次档距振荡的振动频率约在0.5Hz~10Hz之间,振幅约在3d~5d之间。
根据导线的直径,将S209中计算出的导线的舞动幅度与舞动频率与三个舞动类型的幅度和频率范围进行匹配,确定导线的舞动类型。
S211、前端检测设备120将监测结果发往监控平台130。
在一个实施例中,若在某段视频中检测出的导线舞动幅度和频率符合上述三个舞动类型的条件,则将该段视频片段以及舞动类型都发送到监控平台130。
图4为本申请实施例提供的一种基于单目视觉的输电导线舞动监测实体装置图。如图4所示,基于单目视觉的输电导线舞动监测实体装置包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;
在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;
根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。
本申请实施例提供的基于单目视觉的输电导线舞动监测方法和装置,可以自动监测间隔棒的位置并根据间隔棒的位置变化量化导线舞动的幅度和频率,无需安装新的装置,无需硬件升级,也无需频繁将数据传回监控中心,从而更有针对性地将导线舞动频率和幅度异常的视频段推送给运维人员,以便运维人员及时作出措施,对输电线路的安全运行有重要的积极意义。
以上所述仅是本申请的优选实施方式,并不用于限制本申请。应当指出,对于本领域的普通技术人员来说,本申请可以有各种更改和变化。凡在不脱离本申请原理的前提下所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述方法包括:
基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;
在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素位置信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;
根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。
2.根据权利要求1所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组之前,所述方法还包括:
识别所述输电导线场景视频图像中的第一帧图像,得到天空区域与地面区域之间的天际线;通过Hough变换直线拟合算法,将所述天际线拟合为直线;
通过θ=arctan(abs(k1))得出天际线的倾斜角度,其中k1为天际线拟合直线的斜率;所述天际线的倾斜角度θ为所述安装在输电铁塔上的监拍设备的安装倾斜角度,θ的取值范围为[0,45]。
3.根据权利要求2所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪结果位置随时间的变化情况,确定所述输电导线的舞动幅度,具体包括:
根据Scalen=An/an得到所述场景视频中每个间隔棒上像素点的像素尺寸与像素点对应的实际物理尺寸的比例尺关系;其中,An表示间隔棒的物理尺寸,an表示间隔棒的像素尺寸,n表示输电导线上第n个间隔棒;
根据AptitudePixeln=Scalen*abs(Y1-Y2)得到所述输电导线上每个间隔棒的实际舞动幅度;其中,Y1为第n个间隔棒在每一帧图像中的跟踪像素位置信息中的最大值,Y2为所述第n个间隔棒在每一帧图像中的跟踪像素位置信息中的最小值;
将输电导线上若干间隔棒的实际舞动幅度中的最大值Apt=max(Aptituden)作为当前场景视频中输电导线的实际舞动幅度;
根据所述天际线的倾斜角度θ,纠正所述当前场景视频中输电导线的舞动幅度为Apt_opt=Apt/cosθ。
4.根据权利要求3所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述根据所述场景视频的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动频率,具体包括:
根据FPSwd=FPS/average(Fn)得到所述输电导线的舞动频率;其中,FPS为所述场景视频的帧率,由所述监拍设备的已知参数获得;Fn为所述间隔棒两次舞动到最高的跟踪像素位置信息处时对应的两帧图像之间相差的帧数。
5.根据权利要求1所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述在所述输电导线场景视频图像的第一帧图像中,提取输电导线的位置信息并进行聚类分组,具体包括:
对所述输电导线场景视频中的第一帧图像进行边缘检测得到边缘图像,通过Hough变换检测所述边缘图像中的直线位置,从而检测到场景视频图像的第一帧图像中的输电导线位置信息;
根据两条输电导线的斜率和截距确定两条输电导线之间的距离,从而得到每两条输电导线之间的初始距离矩阵D(0);选取所述初始距离矩阵D(0)中的非对角线元素中的最小值,记为dpq,将所述非对角线元素中的最小值dpq对应的两条输电导线Gp和Gq合成一个新的导线类Gr={Gp,Gq};
确定导线类Gr与除导线Gp和Gq之外的其他k根输电导线的距离,从而得到第一距离矩阵D(1);将所述第一距离矩阵D(1)中的最小元素对应的输电导线加入所述导线类Gr中,循环计算所述导线类Gr与其他输电导线的距离矩阵,得到第z距离矩阵D(z),直到矩阵D(z)中的最小元素大于预设阈值时停止循环;
将所述停止循环后得到的导线类Gr中的输电导线分为一组,并将已分类的导线去除之后,再对其他导线重新进行聚类,直到所有导线都分完组为止。
6.根据权利要求5所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述确定所述第一帧图像中每组输电导线上各间隔棒的位置信息,具体包括:
提取包含两条及以上输电导线的组,抠取由每组导线所占像素向外扩展m个像素后,所占的图像区域,并将该图像区域转换为灰度图;
基于所述输电导线场景的若干固定模板图像,构建c个检测模板图像组,并将所述检测模板图像组分为e个尺度;根据对每个尺度的检测模板图像进行匹配,其中,NCC为所述图像区域与所述检测模板图像的匹配度,f(x,y)表示所述图像区域中像素点(x,y)的灰度值,t(x,y)表示所述检测模板图像中像素点(x,y)的灰度值,μ表示所述图像区域所有像素值的平均值,σ为标准方差,u表示所述检测模板图像的像素总数;
选取与所述图像区域匹配度最高的检测模板图像,所述检测模板图像中的若干间隔棒的像素位置作为所述第一帧图像中每组输电导线上若干间隔棒的像素位置。
7.根据权利要求6所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述根据所述各间隔棒的像素位置信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息,具体包括:
将每个间隔棒的初始像素尺寸扩大后,得到TrackSize=Size*b,其中,Size为间隔棒的初始像素尺寸,b为尺寸扩大的倍数;
将TrackSize作为KCF算法的跟踪参数,对于所述场景视频图像中除第一帧图像之外的每一帧图像,通过KCF算法获取输电导线上各间隔棒的跟踪像素位置信息并保存;
以图像帧为横坐标,以每个间隔棒在图像竖直方向上的跟踪像素位置信息为纵坐标,得到每个间隔棒的位置变化图。
8.根据权利要求1所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,在所述确定所述输电导线的舞动幅度以及舞动频率之后,所述方法还包括:
将所述输电导线的舞动幅度以及舞动频率与输电导线的不同舞动类型对应的幅度和频率进行匹配,确定所述输电导线的舞动类型;其中所述舞动类型包括微风振动、导线舞动以及次档距振荡;
将所述输电导线的舞动类型以及对应的场景视频图像发送到监控平台。
9.根据权利要求1所述的一种基于单目视觉的输电导线舞动监测方法,其特征在于,所述基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像,具体包括:
通过在所述监拍设备上安装风力传感器或微气象传感器,在所述风力传感器监测到风速高于第二预设阈值时,触发所述监拍设备录制输电导线场景视频;或者
在所述微气象传感器监测到风速高于第二预设阈值时,触发所述监拍设备录制输电导线场景视频;或者
根据预设时间间隔,拍摄所述输电导线场景视频。
10.一种基于单目视觉的输电导线舞动监测装置,其特征在于,包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
基于风速超过预设阈值或基于预设时间间隔,控制安装在输电铁塔上的监拍设备录制输电导线场景视频图像;
在所述输电导线场景视频图像中的第一帧图像中,提取输电导线的位置信息并进行聚类分组,确定所述第一帧图像中每组输电导线上各间隔棒的位置信息;根据所述各间隔棒的像素信息,获取所述场景视频图像中除第一帧图像之外的每一帧图像中各间隔棒的跟踪像素位置信息;
根据所述场景视频图像的每一帧图像中,每个间隔棒的跟踪像素位置信息随时间的变化情况,确定所述输电导线的舞动幅度以及舞动频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531510.3A CN112561968B (zh) | 2020-12-22 | 2020-12-22 | 一种基于单目视觉的输电导线舞动监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531510.3A CN112561968B (zh) | 2020-12-22 | 2020-12-22 | 一种基于单目视觉的输电导线舞动监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561968A true CN112561968A (zh) | 2021-03-26 |
CN112561968B CN112561968B (zh) | 2022-09-02 |
Family
ID=75032160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011531510.3A Active CN112561968B (zh) | 2020-12-22 | 2020-12-22 | 一种基于单目视觉的输电导线舞动监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561968B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113629574A (zh) * | 2021-08-18 | 2021-11-09 | 国网湖北省电力有限公司襄阳供电公司 | 基于视频监测技术的强风沙地区输电导线舞动预警*** |
CN113917935A (zh) * | 2021-09-09 | 2022-01-11 | 山东信通电子股份有限公司 | 一种无人机机巢控制方法及无人机机巢 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574390A (zh) * | 2014-12-29 | 2015-04-29 | 华北电力大学(保定) | 基于视频监测技术的输电导线舞动幅值及频率的计算方法 |
CN104933403A (zh) * | 2015-05-18 | 2015-09-23 | 西安工程大学 | 一种基于间隔棒识别的导线舞动的监测方法 |
CN107044884A (zh) * | 2017-04-18 | 2017-08-15 | 沈阳工业大学 | 一种架空输电线路舞动的监测方法 |
CN107796434A (zh) * | 2016-08-30 | 2018-03-13 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
CN207218379U (zh) * | 2017-09-15 | 2018-04-10 | 北京国网富达科技发展有限责任公司 | 输电线路的监测装置 |
CN108898598A (zh) * | 2018-06-29 | 2018-11-27 | 山东鲁能智能技术有限公司 | 输电导线监测方法及装置 |
CN110276787A (zh) * | 2019-06-27 | 2019-09-24 | 安徽勘派斯导航信息科技有限公司 | 基于标志物图像检测的导线舞动监测方法 |
-
2020
- 2020-12-22 CN CN202011531510.3A patent/CN112561968B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574390A (zh) * | 2014-12-29 | 2015-04-29 | 华北电力大学(保定) | 基于视频监测技术的输电导线舞动幅值及频率的计算方法 |
CN104933403A (zh) * | 2015-05-18 | 2015-09-23 | 西安工程大学 | 一种基于间隔棒识别的导线舞动的监测方法 |
CN107796434A (zh) * | 2016-08-30 | 2018-03-13 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
CN107044884A (zh) * | 2017-04-18 | 2017-08-15 | 沈阳工业大学 | 一种架空输电线路舞动的监测方法 |
CN207218379U (zh) * | 2017-09-15 | 2018-04-10 | 北京国网富达科技发展有限责任公司 | 输电线路的监测装置 |
CN108898598A (zh) * | 2018-06-29 | 2018-11-27 | 山东鲁能智能技术有限公司 | 输电导线监测方法及装置 |
CN110276787A (zh) * | 2019-06-27 | 2019-09-24 | 安徽勘派斯导航信息科技有限公司 | 基于标志物图像检测的导线舞动监测方法 |
Non-Patent Citations (1)
Title |
---|
黄新波 等: "基于图像匹配的输电导线舞动监测方法", 《高电压技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113629574A (zh) * | 2021-08-18 | 2021-11-09 | 国网湖北省电力有限公司襄阳供电公司 | 基于视频监测技术的强风沙地区输电导线舞动预警*** |
CN113917935A (zh) * | 2021-09-09 | 2022-01-11 | 山东信通电子股份有限公司 | 一种无人机机巢控制方法及无人机机巢 |
CN113917935B (zh) * | 2021-09-09 | 2023-10-20 | 山东信通电子股份有限公司 | 一种无人机机巢控制方法及无人机机巢 |
Also Published As
Publication number | Publication date |
---|---|
CN112561968B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105652154B (zh) | 接触网运行状态安全监测分析*** | |
CN112561968B (zh) | 一种基于单目视觉的输电导线舞动监测方法及装置 | |
CN113313005B (zh) | 基于目标识别与重建的输电导线在线监测方法及*** | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN105976368B (zh) | 一种绝缘子定位方法 | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN107194360B (zh) | 逆向通行对象识别方法、装置及*** | |
CN111911364B (zh) | 叶尖塔筒净空监测方法 | |
CN116259005B (zh) | 基于屋顶光伏消防的智能监控*** | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN112991432A (zh) | 基于图像处理的覆冰冰形识别方法 | |
CN115218801A (zh) | 基于机器视觉的风力发电机净空距离测量方法及装置 | |
CN115311585A (zh) | 用于电网架空线路异物的识别检测*** | |
CN116939532A (zh) | 一种基于5g的通信塔远程监测*** | |
CN112669302B (zh) | 吊弦缺陷检测方法、装置、电子设备及存储介质 | |
KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 | |
CN103198326B (zh) | 一种输电线路直升机巡检的图像分类方法 | |
CN114396921B (zh) | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 | |
CN114325878A (zh) | 一种基于***活动特征的预警分析*** | |
CN113096063A (zh) | 一种基于短视频的输电导线舞动检测方法 | |
CN114370898A (zh) | 一种覆冰舞动综合监测*** | |
CN111105395B (zh) | 一种用于输电运行监测的ai智能云台 | |
CN113958463A (zh) | 风机叶片在线监测方法、***及装置 | |
CN113408805A (zh) | 一种雷电地闪识别方法、装置、设备及可读存储介质 | |
CN113496136A (zh) | 无人机及其影像识别方法 |
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 |