CN113469947B - 一种适合多种地形的测量隐患与输电导线净空距离的方法 - Google Patents
一种适合多种地形的测量隐患与输电导线净空距离的方法 Download PDFInfo
- Publication number
- CN113469947B CN113469947B CN202110637021.4A CN202110637021A CN113469947B CN 113469947 B CN113469947 B CN 113469947B CN 202110637021 A CN202110637021 A CN 202110637021A CN 113469947 B CN113469947 B CN 113469947B
- Authority
- CN
- China
- Prior art keywords
- hidden danger
- point cloud
- cloud data
- power transmission
- coordinate
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种适合多种地形的测量隐患与输电导线净空距离的方法,包括选取监拍图像和点云中对应的关键点求解位姿,根据位姿获取深度图并制作测距模型,根据测距模型和图像中隐患的位置计算隐患到导线净空距离。本方法利用三维点云数据,可以为山区、平原、城市等多地形的输电通道测量隐患到导线的净空距离,具有良好的通用性;使用本方法测距无需存储整个点云,仅需导线点云和深度图即可测距,节省存储空间;若隐患所在位置有深度值,可以精确计算出隐患在点云中的位置;若隐患所在位置无深度值,通过辅助映射矩阵也可以计算出隐患在点云中的位置,具有更高的适应性。
Description
技术领域
本发明公开一种适合多种地形的测量隐患与输电导线净空距离的方法,属于高压输电线路智能运检的技术领域。
背景技术
随着高压输电网络架设密度的增加以及城乡建筑范围的扩增,铁架塔和高压输电线路越来越靠近人类活动区域,由于人类违规建筑施工和野外生火导致的危害高压输电线路的情况正频繁发生。这些活动不仅威胁到导线或铁架塔的安全工作,而且可能造成跳闸或损坏线路,带来严重经济损失,甚至导致人员伤亡事件的发生。目前可以采取在输电塔上安装监拍设备定时抓拍图片,通过人工智能技术识别图片中的隐患的方式及时发现隐患信息,巡检人员根据隐患在图像中的位置估测隐患的真实风险。由于隐患预警数量较多,但危害性较大的隐患较少,众多的低危害隐患使得巡检人员效率较低。
为了确定隐患与输电通道中输电线路之间的实际距离,本技术领域公开了以下专利文献:
中国专利文献CN201710935178.9公开了一种变电站带电作业安全距离计算方法,利用激光雷达点云进行数据采集,点云数据分类处理,数据分类将点云数据分为带电导线和地面设备设施和带电作业安全距离的智能分析计算或人工量算。
中国专利文献CN201910358292.9公开了一种基于点云数据的输电线路对地表净空距离轮廓线提取方法,通过点云获取、点云分类、导线拟合、档距分区、净空距离计算和距离最小点提取、净空距离最小点投影转换、轮廓线生成等步骤,提取出特高压直流输电线路导线对下方线路走廊地表净空距离的轮廓线,轮廓线的高低即标识导线对地净空距离的大小,可直观展示静止或风偏不同工况情况下导线与下方地物的距离情况,同时可基于轮廓线实现线路走廊地表多期数据的对比,发现导线下方地物或树木发生变化的区域,为线路走廊管控提供参考。
综上可知,上述都是直接针对点云数据对净空距离及轮廓线进行测定,但针对现有技术中最为常用的实时输电导向图像中识别出的隐患框,怎样结合所述点云数据快速准确输出隐患与输电导线之间的净空距离,在现有技术中并未提及。
发明内容
针对现有的问题,本发明提供一种适合多种地形的测量隐患与输电导线净空距离的方法,通过采集的监拍图像识别常见隐患,并根据输电通道的点云计算出隐患与导线的实际距离。
本发明详细的技术方案如下:
一种适合多种地形的测量隐患与输电导线净空距离的方法,其特征在于,包括:
a:在被监测输电线路铁架塔上安装图像监拍装置,用于采集输电通道图像;
b:根据输电通道内的点云数据生成深度图,并确定点云数据与深度图中的坐标关系,包括:
b1:在输电通道图像中选择至少四个关键点及其二维坐标;
b2:在点云数据中找到与步骤b1所述关键点对应的三维坐标;
b3:构造相机的内参矩阵M,并求解相机位姿,包括旋转矩阵R和平移向量t:
其中:
在公式(I)中,fx为相机在x方向的焦距,fy为相机在y方向的焦距,cx,cy为相机的光心坐标;
b4:根据内参矩阵M和位姿旋转矩阵R、平移向量t,将点云数据投影为一张与输电通道图像尺寸一致的深度图,对于点云数据中的一个点(x,y,z),其在深度图中的坐标为(u,v),深度值为d,则:
公式(II)中,所述s为尺度因子;
d:识别所述输电通道图像内的隐患,返回隐患的边界框信息;所述识别算法可根据实际需要识别出输电通道内不同种类的安全隐患,但是所述识别算法并不是本发明所要保护的技术内容;
e:根据边界框信息计算隐患到导线的净空距离,其中所述边界框是隐患确定的边界框,包含:
e1:取边界框底部中心坐标作为隐患在深度图中地面的二维坐标,记为p(u,v),同时计算像素高度h,即深度图中隐患边界框的高度;
e2:根据深度图、相机内参和外参将p(u,v)映射为三维坐标q(x,y,z),记(u,v)点对应的深度值为d,则
z'=d/s
x'=(u-cx)·z/fx
y'=(v-cy)·z/fy (III)
所述x’y’z’为公式(IV)变换前的中间量;
e4:根据相似三角形原理计算隐患实际高度H,得到隐患顶部坐标Q(x,y,z+H);
e5:根据导线的点云数据计算隐患边界框顶边到导线的最短欧氏距离,即隐患到导线的净空距离。
根据本发明优选的,所述步骤b3中求解相机位姿采用的是PnP方法。
根据本发明优选的,所述方法在步骤b与步骤d之间还包括步骤c:
c:制作辅助映射矩阵T和地面的Z坐标均值并记为z,用于对点云数据范围以外的隐患进行测距,包括:
c1:在点云数据中从地面随机选取四个点,要求这四个点在监拍设备成像范围内,且尽量分散分布;
c2:根据相机内参M和外参R、t计算所述四个点在输电线路中图像中的对应位置,假设将四个点其中一个记为P,则图像中对应的点为p,计算方式如下;
p=M·(P-t)·R
c3:计算辅助映射矩阵T,用于将图像中的点映射到点云数据中;
所述步骤e还包括步骤e3:
e3:若p(u,v)所在位置无深度值,则使用辅助映射矩阵T和地面的Z坐标均值并记为z计算隐患的三维坐标,如下式所示:
e4:根据相似三角形原理计算隐患高度H,得到隐患顶部坐标Q(x,y,z+H);
e5:根据导线的点云数据计算隐患边界框顶边到导线的最短欧氏距离,即隐患到导线的净空距离。
根据本发明优选的,所述计算辅助映射矩阵T是使用最佳主轴元素的高斯消元法求得的。
与现有技术相比,本发明具有以下有益效果:
1.本方法利用三维点云数据,可以为山区、平原、城市等多地形的输电通道测量隐患到导线的净空距离,具有良好的通用性;
2.使用本方法测距无需存储整个点云,仅需导线点云和深度图即可测距,节省存储空间;
3.若隐患所在位置有深度值,可以精确计算出隐患在点云中的位置;
4.若隐患所在位置无深度值,通过辅助映射矩阵也可以计算出隐患在点云中的位置,具有更高的适应性。
附图说明
图1是利用本发明所述方法求得的输电通道图像,并在其中将隐患与导线之间的净空距离求取出来并标记;
图2是本发明中深度矩阵可视化后的示意图。
具体实施方式
下面结合实施例和附图对本发明做进一步说明,但不限于此。
实施例1、
一种适合多种地形的测量隐患与输电导线净空距离的方法,包括:
a:在被监测输电线路铁架塔上安装图像监拍装置,用于采集输电通道图像;
b:根据输电通道内的点云数据生成深度图,并确定点云数据与深度图中的坐标关系,包括:
b1:在输电通道图像中选择至少四个关键点及其二维坐标;
b2:在点云数据中找到与步骤b1所述关键点对应的三维坐标;
b3:构造相机的内参矩阵M,并求解相机位姿,包括旋转矩阵R和平移向量t:
其中:
在公式(I)中,fx为相机在x方向的焦距,fy为相机在y方向的焦距,cx,cy为相机的光心坐标;
b4:根据内参矩阵M和位姿旋转矩阵R、平移向量t,将点云数据投影为一张与输电通道图像尺寸一致的深度图,对于点云数据中的一个点(x,y,z),其在深度图中的坐标为(u,v),深度值为d,则:
公式(II)中,所述s为尺度因子;
d:识别所述输电通道图像内的隐患,返回隐患的边界框信息;所述识别算法可根据实际需要识别出输电通道内不同种类的安全隐患,但是所述识别算法并不是本发明所要保护的技术内容;
e:根据边界框信息计算隐患到导线的净空距离,其中所述边界框是隐患确定的边界框,包含:
e1:取边界框底部中心坐标作为隐患在深度图中地面的二维坐标,记为p(u,v),同时计算像素高度h,即深度图中隐患边界框的高度;
e2:根据深度图、相机内参和外参将p(u,v)映射为三维坐标q(x,y,z),记(u,v)点对应的深度值为d,则
z'=d/s
x'=(u-cx)·z/fx
y'=(v-cy)·z/fy (III)
所述x’y’z’为公式(IV)变换前的中间量;
e4:根据相似三角形原理计算隐患实际高度H,得到隐患顶部坐标Q(x,y,z+H);
e5:根据导线的点云数据计算隐患边界框顶边到导线的最短欧氏距离,即隐患到导线的净空距离。
所述步骤b3中求解相机位姿采用的是PnP方法。
实施例2、
如实施例1所述的方法,所述方法在步骤b与步骤d之间还包括步骤c:
c:制作辅助映射矩阵T和地面的Z坐标均值并记为z,用于对点云数据范围以外的隐患进行测距,包括:
c1:在点云数据中从地面随机选取四个点,要求这四个点在监拍设备成像范围内,且尽量分散分布;
c2:根据相机内参M和外参R、t计算所述四个点在输电线路中图像中的对应位置,假设将四个点其中一个记为P,则图像中对应的点为p,计算方式如下;
p=M·(P-t)·R
c3:计算辅助映射矩阵T,用于将图像中的点映射到点云数据中;
所述步骤e还包括步骤e3:
e3:若p(u,v)所在位置无深度值,则使用辅助映射矩阵T和地面的Z坐标均值并记为z计算隐患的三维坐标,如下式所示:
e4:根据相似三角形原理计算隐患高度H,得到隐患顶部坐标Q(x,y,z+H);
e5:根据导线的点云数据计算隐患边界框顶边到导线的最短欧氏距离,即隐患到导线的净空距离。
所述计算辅助映射矩阵T是使用最佳主轴元素的高斯消元法求得的。
应用例、
利用实施例1、2所述方法对某地监拍设备拍摄的输电线路通道照片进行处理,如图1所示,基于该照片测量照片中左侧推土机和右侧吊车与导线的净空距离。
a:采集输电通道图像,在图片中选择至少四个关键点,记录下它们的二维坐标;
b:在点云数据中找到与图片对应的关键点,记录下它们的三维坐标;
c:利用标定得到的相机内参矩阵M,使用PnP方法求解相机位姿,得到旋转矩阵R和平移向量t,其中
t=(2.3 0.9 23.1)
d:根据内参矩阵M和位姿R、t,将点云投影为一张与输电通道图像尺寸一致的深度矩阵,深度矩阵可视化后如附图2所示;
e:在点云中从地面随机选取四个点a(-44.3,335.2,0),b(44.1,320.2,0),c(-43.3,183.6,-0.2),d(43.7,177.5,0);
f:根据相机内参和外参计算这四个点在图像中的对应位置a’(421,317),b’(768,321),c’(283,390),d’(898,394);
g:使用最佳主轴元素的高斯消元法计算辅助映射矩阵T;
h:识别所述输电通道图像内的隐患,分别记为A、B,返回隐患的边界框信息;
i:取边界框底部中心坐标作为隐患在地面的二维坐标,A(500,607),B(1009,625),同时计算像素高度hA=20,hB=24;
j:根据深度矩阵、相机内参和外参将A映射为三维坐标P(-34.7,194,0);
k:由于B所在位置超出点云边界,无深度值,则使用辅助映射矩阵T和地面点Z坐标均值z计算隐患的三维坐标Q(76.2,189,0):
l:根据相机成像原理,利用相机内参、P和Q与原点的距离等数据计算隐患高度HA=3.16米,HB=3.81米,得到隐患顶部坐标Ptop(-34.7,194,3.16),Qtop(76.2,189,3.81);
m:根据导线的点云数据计算隐患到导线的最短欧氏距离,即隐患到导线的净空距离lA=19.07米,lB=18.3米。
Claims (3)
1.一种适合多种地形的测量隐患与输电导线净空距离的方法,其特征在于,包括:
a:采集输电通道图像;
b:根据输电通道内的点云数据生成深度图,并确定点云数据与深度图中的坐标关系,包括:
b1:在输电通道图像中选择至少四个关键点及其二维坐标;
b2:在点云数据中找到与步骤b1所述关键点对应的三维坐标;
b3:构造相机的内参矩阵M,并求解相机位姿,包括旋转矩阵R和平移向量t:
其中:
在公式(I)中,fx为相机在x方向的焦距,f为相机在y方向的焦距,cx,cy为相机的光心坐标;
b4:根据内参矩阵M和位姿旋转矩阵R、平移向量t,将点云数据投影为一张与输电通道图像尺寸一致的深度图,对于点云数据中的一个点(x,y,z),其在深度图中的坐标为(u,v),深度值为d,则:
公式(II)中,所述s为尺度因子;
d:识别所述输电通道图像内的隐患,返回隐患的边界框信息;
e:根据边界框信息计算隐患到导线的净空距离,其中所述边界框是隐患确定的边界框,包含:
e1:取边界框底部中心坐标作为隐患在深度图中地面的二维坐标,记为p(u,v),同时计算像素高度h,即深度图中隐患边界框的高度;
e2:根据深度图、相机内参和外参将p(u,v)映射为三维坐标q(x,y,z),记(u,v)点对应的深度值为d,则
z′=d/s
x′=(u-cx)·z/fx
y′=(v-cy)·z/fy (III)
所述x’y’z’为公式(IV)变换前的中间量;
e4:根据相似三角形原理计算隐患实际高度H,得到隐患顶部坐标Q(x,y,z+H);
e5:根据导线的点云数据计算隐患边界框顶边到导线的最短欧氏距离,即隐患到导线的净空距离;
所述方法在步骤b与步骤d之间还包括步骤c:
c:制作辅助映射矩阵T和地面的Z坐标均值并记为z,用于对点云数据范围以外的隐患进行测距,包括:
c1:在点云数据中从地面随机选取四个点,要求这四个点在监拍设备成像范围内:
c2:根据相机内参M和外参R、t计算所述四个点在输电线路中图像中的对应位置,假设将四个点其中一个记为P,则图像中对应的点为p,计算方式如下;
p=M·(P-t)·R
c3:计算辅助映射矩阵T,用于将图像中的点映射到点云数据中;
所述步骤e还包括步骤e3:
e3:若p(u,v)所在位置无深度值,则使用辅助映射矩阵T和地面的Z坐标均值并记为z计算隐患的三维坐标,如下式所示:
2.根据权利要求1所述的一种适合多种地形的测量隐患与输电导线净空距离的方法,其特征在于,所述步骤b3中求解相机位姿采用的是PnP方法。
3.根据权利要求1所述的一种适合多种地形的测量隐患与输电导线净空距离的方法,其特征在于,所述计算辅助映射矩阵T是使用最佳主轴元素的高斯消元法求得的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637021.4A CN113469947B (zh) | 2021-06-08 | 2021-06-08 | 一种适合多种地形的测量隐患与输电导线净空距离的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637021.4A CN113469947B (zh) | 2021-06-08 | 2021-06-08 | 一种适合多种地形的测量隐患与输电导线净空距离的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469947A CN113469947A (zh) | 2021-10-01 |
CN113469947B true CN113469947B (zh) | 2022-08-05 |
Family
ID=77869217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110637021.4A Active CN113469947B (zh) | 2021-06-08 | 2021-06-08 | 一种适合多种地形的测量隐患与输电导线净空距离的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469947B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063442B (zh) * | 2022-06-30 | 2024-05-31 | 山东信通电子股份有限公司 | 一种输电线路隐患目标跟踪方法、设备及介质 |
CN115841487B (zh) * | 2023-02-20 | 2023-06-09 | 深圳金三立视频科技股份有限公司 | 一种沿输电线路的隐患定位方法及终端 |
CN116091493B (zh) * | 2023-04-07 | 2023-07-18 | 智洋创新科技股份有限公司 | 一种用于输电线树障隐患的测距方法 |
CN116929232B (zh) * | 2023-09-19 | 2024-01-09 | 安徽送变电工程有限公司 | 输电线路净空距离检测方法及线路施工模型 |
CN118261916A (zh) * | 2024-05-31 | 2024-06-28 | 成都纵横通达信息工程有限公司 | 一种滚装船的船舱净空检测方法、装置及计算机装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798507A (zh) * | 2020-06-03 | 2020-10-20 | 广东电网有限责任公司 | 一种输电线安全距离测量方法、计算机设备和存储介质 |
CN112446919A (zh) * | 2020-12-01 | 2021-03-05 | 平安科技(深圳)有限公司 | 物***姿估计方法、装置、电子设备及计算机存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2007100726A4 (en) * | 2006-08-01 | 2007-08-30 | Peter Anthony Wilson | Power Line Detection |
CN102135417B (zh) * | 2010-12-26 | 2013-05-22 | 北京航空航天大学 | 一种全自动三维特征提取方法 |
CN104156972B (zh) * | 2014-08-25 | 2017-01-25 | 西北工业大学 | 基于激光扫描测距仪与多相机融合的透视成像方法 |
CN108761271A (zh) * | 2018-03-30 | 2018-11-06 | 广州中科云图智能科技有限公司 | 一种电网树障检测方法及*** |
CN109461142B (zh) * | 2018-10-11 | 2021-03-19 | 广东电网有限责任公司 | 线路隐患分析方法、装置及电子终端 |
CN109390873A (zh) * | 2018-11-30 | 2019-02-26 | 贵州电网有限责任公司 | 一种利用输电线路通道内点云数据来预测树障威胁的方法 |
CN111476091A (zh) * | 2020-03-05 | 2020-07-31 | 中国电力科学研究院有限公司 | 一种输电线路通道树障信息的处理方法及*** |
CN112539704B (zh) * | 2020-12-24 | 2022-03-01 | 国网山东省电力公司检修公司 | 一种输电线路通道内隐患与导线距离的测量方法 |
CN112489130B (zh) * | 2021-01-11 | 2024-03-08 | 国网江苏省电力有限公司泰州供电分公司 | 一种输电线路与目标物的距离测量方法、装置及电子设备 |
-
2021
- 2021-06-08 CN CN202110637021.4A patent/CN113469947B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798507A (zh) * | 2020-06-03 | 2020-10-20 | 广东电网有限责任公司 | 一种输电线安全距离测量方法、计算机设备和存储介质 |
CN112446919A (zh) * | 2020-12-01 | 2021-03-05 | 平安科技(深圳)有限公司 | 物***姿估计方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113469947A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113469947B (zh) | 一种适合多种地形的测量隐患与输电导线净空距离的方法 | |
CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN101625723B (zh) | 电力线轮廓的快速图像识别方法 | |
Jwa et al. | A piecewise catenary curve model growing for 3D power line reconstruction | |
Meng et al. | Morphology-based building detection from airborne LIDAR data | |
CN112539704B (zh) | 一种输电线路通道内隐患与导线距离的测量方法 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和*** | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN113313005A (zh) | 基于目标识别与重建的输电导线在线监测方法及*** | |
CN112686938A (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和*** | |
Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
CN114255405A (zh) | 一种隐患目标识别方法与装置 | |
US20210104059A1 (en) | Method for size estimation by image recognition of specific target using given scale | |
Guo et al. | Detecting and positioning of wind turbine blade tips for uav-based automatic inspection | |
CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及*** | |
CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
CN116111726B (zh) | 一种园区配电箱漏电监测预警*** | |
CN116862712A (zh) | 基于雷视融合的电力施工潜在安全风险检测方法与*** | |
CN114355364A (zh) | 无人机电力巡检激光点云实时安全距离诊断方法 | |
Rong et al. | A joint faster RCNN and stereovision algorithm for vegetation encroachment detection in power line corridors | |
CN113469949B (zh) | 一种基于地理信息的输电通道内隐患测距的方法 | |
CN110658844B (zh) | 一种特高压直流线路通道无人机监控方法及其*** | |
Chen et al. | Power line extraction and analysis based on LiDAR |
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 |