CN113984077B - 一种电力巡检导航路径的获取方法和*** - Google Patents

一种电力巡检导航路径的获取方法和*** Download PDF

Info

Publication number
CN113984077B
CN113984077B CN202111248916.5A CN202111248916A CN113984077B CN 113984077 B CN113984077 B CN 113984077B CN 202111248916 A CN202111248916 A CN 202111248916A CN 113984077 B CN113984077 B CN 113984077B
Authority
CN
China
Prior art keywords
track
point
path
points
similarity
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
Application number
CN202111248916.5A
Other languages
English (en)
Other versions
CN113984077A (zh
Inventor
向隆刚
张彩丽
杨鸿珍
邵炜平
王志强
吕舟
沈潇军
张文正
蔡晴
方子璐
周旭祥
亓国涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Wuhan University WHU
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU, State Grid Zhejiang Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd filed Critical Wuhan University WHU
Priority to CN202111248916.5A priority Critical patent/CN113984077B/zh
Publication of CN113984077A publication Critical patent/CN113984077A/zh
Application granted granted Critical
Publication of CN113984077B publication Critical patent/CN113984077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • 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
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种电力巡检导航路径的获取方法和***，方法包括：获取目标电力线路的第一数量个历史巡检轨迹，基于全点匹配相似度距离度量方法，计算历史巡检轨迹与聚类中心轨迹的相似度，并判断相似度是否大于第一预设阈值，确定大于第一预设阈值的相似度对应的历史巡检轨迹为合格轨迹，将不少于一个的合格轨迹转化为对应的轨迹灰度图，并在轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对轨迹灰度图上的控制点进行局部能量最小化处理，获得多个局部能量最小位置点，获得一条目标电力线路的路径折线，利用预设路径简化算法对路径折线进行简化，获得对目标电力线路进行巡检的导航路径。本发明为电力线路巡检提供了准确的导航路径。

Description

一种电力巡检导航路径的获取方法和***
技术领域
本发明涉及导航路径获取领域，特别是涉及一种电力巡检导航路径的获取方法和***。
背景技术
对电力设备和输电线路进行巡逻检查，是保障电力设施正常运行的一项重要措施。目前，对于电力设施进行巡检，主要是通过巡检人员按照对巡检路径的记忆，对电力设施进行人工巡检。
出于安全和运维成本的考虑，目前电力设施通常设置在人烟稀少，且地形复杂的野外。由于野外环境中的地貌和植被变化较为剧烈，即使巡检人员熟悉当地环境，在地貌和植被发生剧烈变化时仍旧难以保证巡检路线的准确性。且由于野外环境路网覆盖率较低，现有导航***难以为巡检人员提供准确的巡检路径导航信息。这都降低了对电力设施的巡检效率，且增大了巡检人员在巡检过程中由于路径错误导致出现危险的几率。因此，如何针对巡检路径提供准确可靠的导航路径，已成为现阶段亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种电力巡检导航路径的获取方法和***，以实现对电力线路巡检提供准确的导航路径。具体技术方案如下：
一种电力巡检导航路径的获取方法，所述方法包括：
获取目标电力线路的第一数量个历史巡检轨迹，其中，所述历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，所述历史巡检轨迹为对所述目标电力线路进行巡检的轨迹。
基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，并判断所述相似度是否大于第一预设阈值，若是，则确定大于所述第一预设阈值的所述相似度对应的所述历史巡检轨迹为合格轨迹。
将不少于一个的所述合格轨迹转化为对应的轨迹灰度图，并在所述轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线。
利用预设路径简化算法对所述路径折线进行简化，获得对所述目标电力线路进行巡检的导航路径。
可选的，所述基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，并判断所述相似度是否大于第一预设阈值，若是，则确定大于所述第一预设阈值的所述相似度对应的所述历史巡检轨迹为合格轨迹，包括：
基于所述全点匹配相似度距离度量方法，对第二数量个所述历史巡检轨迹进行两两相似度计算，并根据获得的第三数量个所述两两相似度生成巡检轨迹相似度矩阵。
基于预设密度峰值聚类算法，对所述巡检轨迹相似度矩阵进行特征提取，获得聚类中心轨迹。
利用所述全点匹配相似度距离度量方法，计算所述相似度，并将所述相似度与第一预设阈值进行比较，在所述相似度大于所述第一预设阈值时，确定大于所述第一预设阈值的所述相似度对应的所述清洗后的巡检轨迹确定为所述合格轨迹。
可选的，所述将不少于一个的所述合格轨迹转化为对应的轨迹灰度图，并在所述轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线，包括：
利用预设灰度图转化算法，将不少于一个的所述合格轨迹转化为对应的所述轨迹灰度图。
将所述轨迹灰度图中，连接所述路径起点和所述路径终点的直线确定为初始轮廓，并在所述初始轮廓中均匀***多个所述控制点。
利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线，其中，所述迭代局部能量最小化处理是在所述控制点所处的局部邻域内，通过迭代将所述控制点拉到所述局部领域中的能量最小位置点。
可选的，所述利用预设路径简化算法对所述路径折线进行简化，获得所述目标电力线路的导航路径，包括：
利用所述预设路径简化算法，对所述路径折线上除所述路径起点和所述路径终点的每个所述局部能量最小位置点，进行简化校验，判断所述局部能量最小位置点与所述路径折线间的垂直距离是否大于第二预设阈值，若是，则将大于所述第二预设阈值的所述垂直距离对应的所述局部能量最小位置点去除。
将经过所述简化的所述路径折线，确定为所述目标电力线路的导航路径。
可选的，所述方法还包括：
对所述第一数量个历史巡检轨迹进行清洗处理，获得第二数量个所述清洗后的巡检轨迹，其中，所述清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹。
基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，包括：
基于全点匹配相似度距离度量方法，计算每个清洗后的所述历史巡检轨迹与聚类中心轨迹的相似度。
可选的，所述清除所述轨迹点的重复信息，具体包括：
对所述历史巡检轨迹中的所述轨迹点，按照由所述路径起点至所述路径终点方向进行重复轨迹点去除，判断相邻两个所述轨迹点间的距离是否小于第三预设阈值，若是，删除两个所述轨迹点中距离所述路径终点更近的所述轨迹点。
对所述历史巡检轨迹中的所述轨迹点，按照由所述路径起点至所述路径终点方向进行重复时间戳去除，判断相邻两个所述轨迹点的时间戳是否一致，若是，则删除两个所述轨迹点中距离所述路径终点更近的所述轨迹点。
可选的，所述停留点是定位装置在所述轨迹点停留时间超过预设时长的轨迹点，所述校验停留点，包括：
对经过所述清除轨迹点的重复信息的所述历史巡检轨迹，利用预设核密度估计算法，按照预设搜索半径，以所述停留点为圆心进行累计邻域点时空贡献计算，获得所述停留点的停留指数。
将所述停留指数大于第四预设阈值的停留点确定为潜在停留点，将两个相邻的所述潜在停留点确定为潜在停留段，判断所述潜在停留段的时间间隔是否小于第五预设阈值，若是，则将所述潜在停留段删除。
在所述潜在停留段的时间间隔不小于第五预设阈值时，判断所述潜在停留段的时间间隔是否小于第六预设阈值，若是，则将所述潜在停留段的两个所述停留点坐标进行平均，生成新的所述轨迹点。
可选的，所述处理异常轨迹，包括：
对所述历史巡检轨迹进行轨迹点速度超速校验，当所述轨迹点速度大于第七预设阈值时，确定所述轨迹点为异常轨迹点，对该异常轨迹点执行打断操作。
和/或，对所述历史巡检轨迹进行两轨迹点距离校验，当所述两轨迹点距离大于第八预设阈值时，确定该所述两轨迹点为异常轨迹点，对所述两轨迹点执行所述打断操作。
和/或，对所述历史巡检轨迹进行两轨迹点时间间隔校验，当所述两轨迹点时间间隔大于第九预设阈值或为负数时，确定该所述两轨迹点为异常轨迹点，对所述两轨迹点执行所述打断操作。
其中，所述打断操作是将所述历史巡检轨迹在所述异常轨迹点处打断为多条轨迹，并保留所述轨迹中轨迹点个数大于第十预设阈值的轨迹。
一种电力巡检导航路径的获取***，所述***包括：
轨迹获取模块201，用于获取目标电力线路的第一数量个历史巡检轨迹，其中，历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，历史巡检轨迹为对目标电力线路进行巡检的轨迹。
相似度比对模块202，基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度，并判断相似度是否大于第一预设阈值，若是，则确定大于第一预设阈值的相似度对应的历史巡检轨迹为合格轨迹。
路径折线生成模块203，用于将不少于一个的合格轨迹转化为对应的轨迹灰度图，并在轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对轨迹灰度图上的控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线。
导航路径生成模块204，用于利用预设路径简化算法对路径折线进行简化，获得对目标电力线路进行巡检的导航路径。
可选的，相似度比对模块202被配置为：
基于全点匹配相似度距离度量方法，对第二数量个历史巡检轨迹进行两两相似度计算，并根据获得的第三数量个两两相似度生成巡检轨迹相似度矩阵。
基于预设密度峰值聚类算法提取算法，对巡检轨迹相似度矩阵进行特征提取，获得聚类中心轨迹。
利用全点匹配相似度距离度量方法，计算相似度，并将相似度与第一预设阈值进行比较，在相似度大于第一预设阈值时，确定大于第一预设阈值的相似度对应的清洗后的巡检轨迹确定为合格轨迹。
可选的，路径折线生成模块203被配置为：
利用预设灰度图转化算法，将不少于一个的合格轨迹转化为对应的轨迹灰度图；
将轨迹灰度图中，连接路径起点和路径终点的直线确定为初始轮廓，并在初始轮廓中均匀***多个控制点；
利用预设轮廓生成模型对轨迹灰度图上的控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线，其中，迭代局部能量最小化处理是在控制点所处的局部邻域内，通过迭代将控制点拉到局部领域中的能量最小位置点。
可选的，导航路径生成模块204被配置为：
利用预设路径简化算法，对路径折线上除路径起点和路径终点的每个局部能量最小位置点，进行简化校验，判断局部能量最小位置点与路径折线间的垂直距离是否大于第二预设阈值，若是，则将大于第二预设阈值的垂直距离对应的局部能量最小位置点去除。
将经过简化的路径折线，确定为目标电力线路的导航路径。
可选的，***还包括：
清洗处理模块，用于对第一数量个历史巡检轨迹进行清洗处理，获得第二数量个清洗后的历史巡检轨迹，其中，清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹。
相似度比对模块被配置为：
基于全点匹配相似度距离度量方法，计算每个清洗后的历史巡检轨迹与聚类中心轨迹的相似度。
可选的，清洗处理模块包括：第一清洗子模块，用于对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复轨迹点去除，判断相邻两个轨迹点间的距离是否小于第三预设阈值，若是，删除两个轨迹点中距离路径终点更近的轨迹点。
对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复时间戳去除，判断相邻两个轨迹点的时间戳是否一致，若是，则删除两个轨迹点中距离路径终点更近的轨迹点。
可选的，清洗处理模块还包括：
第二清洗子模块，用于对经过清除轨迹点的重复信息的历史巡检轨迹，利用预设核密度估计算法，按照预设搜索半径，以停留点为圆心进行累计邻域点时空贡献计算，获得停留点的停留指数。
将停留指数大于第四预设阈值的停留点确定为潜在停留点，将两个相邻的潜在停留点确定为潜在停留段，判断潜在停留段的时间间隔是否小于第五预设阈值，若是，则将潜在停留段删除。
在潜在停留段的时间间隔不小于第五预设阈值时，判断潜在停留段的时间间隔是否小于第六预设阈值，若是，则将潜在停留段的两个停留点坐标进行平均，生成新的轨迹点。
可选的，清洗处理模块还包括：
第三清洗子模块，用于对历史巡检轨迹进行轨迹点速度超速校验，当轨迹点速度大于第七预设阈值时，确定轨迹点为异常轨迹点，对该异常轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点距离校验，当两轨迹点距离大于第八预设阈值时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点时间间隔校验，当两轨迹点时间间隔大于第九预设阈值或为负数时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
其中，打断操作是将历史巡检轨迹在异常轨迹点处打断为多条轨迹，并保留轨迹中轨迹点个数大于第十预设阈值的轨迹。
本发明实施例提供的一种电力巡检导航路径的获取方法和***，通过引入预设轮廓生成模型和预设路径简化算法对经过筛选后的轨迹，进行局部能量最小处理，并对包括起点、局部能量最小位置点和终点在内的路径折线简化，获得最终路径，使得本发明在保证路径准确性的前提下，获得的最终路径为最短路径，提高了巡检效率。同时本发明利用全点匹配相似度距离度量方法，对历史巡检轨迹进行准确性校验，从而保证用于路径生成的历史巡检轨迹的准确度，保证生成的最终路径的准确性。最后，本发明还对用于路径生成的历史巡检轨迹进行了清洗，将重复异常的控制点进行清除，在提高路径生成效率的同时，保证了生成的最终路径的准确性。可见，本发明实现了对电力线路巡检提供准确的导航路径的发明目的。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电力巡检导航路径的获取方法的流程图
图2为本发明实施例提供的一种电力巡检导航路径的获取***的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例提供了一种电力巡检导航路径的获取方法，如图1所示，方法包括：
S101、获取目标电力线路的第一数量个历史巡检轨迹，其中，历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，历史巡检轨迹为对目标电力线路进行巡检的轨迹。
可选的，在本发明的一个可选实施例中，上述历史巡检轨迹是由运维人员携带的定位设备采集的。运维人员在对电力线路进行巡逻检查时，随身携带的定位设备会记录运维人员的巡检轨迹，并对运维人员停留时间较长或作出记录的位置进行标记，并根据该标记位置的相关信息生成一个轨迹点。其中，上述定位设备包括但不限于：GPS定位设备和具有定位功能的通讯设备。
可选的，在本发明的另一个可选实施例中，上述获取目标电力线路的第一数量个历史巡检轨迹的方式，可以是获取目标电力线路的起点坐标和终点坐标，遍历历史巡检轨迹的路径起点和路径终点，将上述路径起点和路径终点与目标电力线路的起点坐标和终点坐标相同或相近的历史巡检轨迹，确定为目标电力线路的历史巡检轨迹。
S102、基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度，并判断相似度是否大于第一预设阈值，若是，则确定大于第一预设阈值的相似度对应的历史巡检轨迹为合格轨迹。
可选的，上述全点匹配相似度距离度量方法(Symmetric Segment PathDistance，SSPD)，通过比对两个历史巡检轨迹的相似度，可以获得多组相似度，并根据多组相似度构建巡检轨迹相似度矩阵。该巡检轨迹相似度矩阵可以用于提取聚类中心轨迹。上述聚类中心轨迹是指巡检人员在巡检过程中，通过密度最高的轨迹点构成的模拟轨迹，通过将历史巡检轨迹与该聚类中心轨迹进行相似度比对，可以获取准确度较高的历史巡检轨迹，从而保证最终获得导航路径的准确性。
可选的，在本发明的一个可选实施例中，在基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度之前，可以对步骤S101中获取目标电力线路的第一数量个历史巡检轨迹，进行清洗处理，去除历史巡检轨迹中对导航路径产生干扰的数据，从而保证最终生成的导航路径的准确性。
S103、将不少于一个的合格轨迹转化为对应的轨迹灰度图，并在轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对轨迹灰度图上的控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线。
可选的，在本发明的一个可选实施例中，上述将合格轨迹转化为对应的轨迹灰度图的方式包括但不限于：栅格化和二值化，本发明对于选择何种方式进行轨迹灰度图转化不做过多限制，以实现本发明目的为准。
可选的，在本发明的另一个可选实施例中，上述多个控制点的个数可以通过将轨迹灰度图中，路径起点与路径终点的直线距离除以单位长度获得，例如，选取单位长度为15米，路径起点与路径终点的直线距离为9000米，则上述控制点的个数为600个。本发明对上述单位长度的具体数值不做过多限制。
可选的，在本发明的一个可选实施例中，上述预设轮廓生成模型可以为动态轮廓模型(Active Contour Model)中的Snake模型。本发明通过对现有Snake模型的能量计算公式进行优化，分别计算控制点在其所处的局部邻域内的能量，并通过迭代逐渐将上述控制点拉倒其所述的局部邻域中能量最小的位置，并将该位置确定为局部能量最小位置点。将上述路径起点、不少于一个局部能量最小位置点和路径终点依次连接，完成路径折线的生成。其中，上述对现有Snake模型的能量计算公式进行优化后的公式为：
其中，LW为上述路径起点、路径终点间的实际距离，与上述路径起点、路径终点间的直线距离的比值。w1(1/LW)表示上述控制点拉至一个位置后，初始轮廓的弯曲度，表示控制点的弹性能量，/>表示控制点的弯曲能量，表示控制点外部能量，/> 为梯度算子，I(v)为控制点的外部能量。上述w1、w2、w3和w4为上述各项的权重，且w1+w2+w3+w4＝1。Etotal为控制点的局部能量最小位置的能量。
S104、利用预设路径简化算法对路径折线进行简化，获得对目标电力线路进行巡检的导航路径。
可选的，在本发明的一个可选实施例中，上述预设路径简化算法可以为道格拉斯算法。本发明利用道格拉斯算法将上述路径折线中距离折线较远的轨迹点进行去除，减少了最终获取的导航路径中的干扰轨迹点，使得导航路径中的轨迹直观准确，利于巡检人员的实际使用。
本发明通过引入预设轮廓生成模型和预设路径简化算法对经过筛选后的轨迹，进行局部能量最小化处理，并对包括起点、局部能量最小位置点和终点在内的路径折线简化，获得最终路径，使得本发明在保证路径准确性的前提下，获得的最终路径为最短路径，提高了巡检效率。同时本发明利用全点匹配相似度距离度量方法，对历史巡检轨迹进行准确性校验，从而保证用于路径生成的历史巡检轨迹的准确度，保证生成的最终路径的准确性。最后，本发明还对用于路径生成的历史巡检轨迹进行了清洗，将重复异常的控制点进行清除，在提高路径生成效率的同时，保证了生成的最终路径的准确性。可见，本发明实现了对电力线路巡检提供准确的导航路径的发明目的。
可选的，基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度，并判断相似度是否大于第一预设阈值，若是，则确定大于第一预设阈值的相似度对应的历史巡检轨迹为合格轨迹，包括：
基于全点匹配相似度距离度量方法，对第二数量个历史巡检轨迹进行两两相似度计算，并根据获得的第三数量个两两相似度生成巡检轨迹相似度矩阵。
基于预设密度峰值聚类算法，对巡检轨迹相似度矩阵进行特征提取，获得聚类中心轨迹。
利用全点匹配相似度距离度量方法，计算相似度，并将相似度与第一预设阈值进行比较，在相似度大于第一预设阈值时，确定大于第一预设阈值的相似度对应的清洗后的巡检轨迹确定为合格轨迹。
其中，上述第一数量和上述第二数量可以相同或不同。
可选的，将不少于一个的合格轨迹转化为对应的轨迹灰度图，并在轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对轨迹灰度图上的控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线，包括：
利用预设灰度图转化算法，将不少于一个的合格轨迹转化为对应的轨迹灰度图。
将轨迹灰度图中，连接路径起点和路径终点的直线确定为初始轮廓，并在初始轮廓中均匀***多个控制点。
利用预设轮廓生成模型对轨迹灰度图上的控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线，其中，迭代局部能量最小化处理是在控制点所处的局部邻域内，通过迭代将控制点拉到局部领域中的能量最小位置点。
可选的，在本发明的一个可选实施例中，获取上述每一个轨迹灰度图的多个局部能量最小位置点后，将路径起点、所有轨迹灰度图的局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线。
可选的，利用预设路径简化算法对路径折线进行简化，获得目标电力线路的导航路径，包括：
利用预设路径简化算法，对路径折线上除路径起点和路径终点的每个局部能量最小位置点，进行简化校验，判断局部能量最小位置点与路径折线间的垂直距离是否大于第二预设阈值，若是，则将大于第二预设阈值的垂直距离对应的局部能量最小位置点去除。
将经过简化的路径折线，确定为目标电力线路的导航路径。
可选的，方法还包括：
对第一数量个历史巡检轨迹进行清洗处理，获得第二数量个清洗后的巡检轨迹，其中，清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹。
基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度，包括：
基于全点匹配相似度距离度量方法，计算每个清洗后的历史巡检轨迹与聚类中心轨迹的相似度。
可选的，清除轨迹点的重复信息，具体包括：
对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复轨迹点去除，判断相邻两个轨迹点间的距离是否小于第三预设阈值，若是，删除两个轨迹点中距离路径终点更近的轨迹点。
对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复时间戳去除，判断相邻两个轨迹点的时间戳是否一致，若是，则删除两个轨迹点中距离路径终点更近的轨迹点。
可选的，在本发明的一个可选实施例中，由于上述定位设备在实际使用过程中收到外部环境干扰等情况，会导致存储的历史巡检轨迹中的轨迹点和时间戳存在重复现象。重复的轨迹点和重复的时间戳会影响最终生成的导航路径的准确性，通过清除轨迹点的重复信息可以消除对导航路径的准确性的影响。
可选的，停留点是定位装置在轨迹点停留时间超过预设时长的轨迹点，校验停留点，包括：
对经过清除轨迹点的重复信息的历史巡检轨迹，利用预设核密度估计算法，按照预设搜索半径，以停留点为圆心进行累计邻域点时空贡献计算，获得停留点的停留指数。
将停留指数大于第四预设阈值的停留点确定为潜在停留点，将两个相邻的潜在停留点确定为潜在停留段，判断潜在停留段的时间间隔是否小于第五预设阈值，若是，则将潜在停留段删除。
在潜在停留段的时间间隔不小于第五预设阈值时，判断潜在停留段的时间间隔是否小于第六预设阈值，若是，则将潜在停留段的两个停留点坐标进行平均，生成新的轨迹点。
可选的，在本发明的一个可选实施例中，上述定位设备受外部环境影响会产生信号偏移现象，使得历史巡检轨迹中的轨迹点偏离实际轨迹点的位置，且巡检人员在某一轨迹点长时间停留，会导致该轨迹点存在大量停留信息。这都会影响上述步骤S102中的相似度计算。本发明通过对停留点信息进行校验，从根本上保证了用于生成导航路径的信息的准确性。
可选的，处理异常轨迹，包括：
对历史巡检轨迹进行轨迹点速度超速校验，当轨迹点速度大于第七预设阈值时，确定轨迹点为异常轨迹点，对该异常轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点距离校验，当两轨迹点距离大于第八预设阈值时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点时间间隔校验，当两轨迹点时间间隔大于第九预设阈值或为负数时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
其中，打断操作是将历史巡检轨迹在异常轨迹点处打断为多条轨迹，并保留轨迹中轨迹点个数大于第十预设阈值的轨迹。
本发明通过引入预设轮廓生成模型和预设路径简化算法对经过筛选后的轨迹，进行局部能量最小位置化处理，并对包括起点、局部能量最小位置点和终点在内的路径折线简化，获得最终路径，使得本发明在保证路径准确性的前提下，获得的最终路径为最短路径，提高了巡检效率。同时本发明利用全点匹配相似度距离度量方法，对历史巡检轨迹进行准确性校验，从而保证用于路径生成的历史巡检轨迹的准确度，保证生成的最终路径的准确性。最后，本发明还对用于路径生成的历史巡检轨迹进行了清洗，将重复异常的控制点进行清除，在提高路径生成效率的同时，保证了生成的最终路径的准确性。可见，本发明实现了对电力线路巡检提供准确的导航路径的发明目的。
与上述电力巡检导航路径的获取方法实施例相对应，本发明还提供了一种电力巡检导航路径的获取***，如图2所示，电力巡检导航路径的获取***包括：
轨迹获取模块201，用于获取目标电力线路的第一数量个历史巡检轨迹，其中，历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，历史巡检轨迹为对目标电力线路进行巡检的轨迹。
相似度比对模块202，基于全点匹配相似度距离度量方法，计算每个历史巡检轨迹与聚类中心轨迹的相似度，并判断相似度是否大于第一预设阈值，若是，则确定大于第一预设阈值的相似度对应的历史巡检轨迹为合格轨迹。
路径折线生成模块203，用于将不少于一个的合格轨迹转化为对应的轨迹灰度图，并在轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对轨迹灰度图上的控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线。
导航路径生成模块204，用于利用预设路径简化算法对路径折线进行简化，获得对目标电力线路进行巡检的导航路径。
可选的，相似度比对模块202被配置为：
基于全点匹配相似度距离度量方法，对第二数量个历史巡检轨迹进行两两相似度计算，并根据获得的第三数量个两两相似度生成巡检轨迹相似度矩阵。
基于预设密度峰值聚类算法提取算法，对巡检轨迹相似度矩阵进行特征提取，获得聚类中心轨迹。
利用全点匹配相似度距离度量方法，计算相似度，并将相似度与第一预设阈值进行比较，在相似度大于第一预设阈值时，确定大于第一预设阈值的相似度对应的清洗后的巡检轨迹确定为合格轨迹。
可选的，路径折线生成模块203被配置为：
利用预设灰度图转化算法，将不少于一个的合格轨迹转化为对应的轨迹灰度图；
将轨迹灰度图中，连接路径起点和路径终点的直线确定为初始轮廓，并在初始轮廓中均匀***多个控制点；
利用预设轮廓生成模型对轨迹灰度图上的控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将路径起点、局部能量最小位置点和路径终点依次连接，获得一条目标电力线路的路径折线，其中，迭代局部能量最小化处理是在控制点所处的局部邻域内，通过迭代将控制点拉到局部领域中的能量最小位置点。
可选的，导航路径生成模块204被配置为：
利用预设路径简化算法，对路径折线上除路径起点和路径终点的每个局部能量最小位置点，进行简化校验，判断局部能量最小位置点与路径折线间的垂直距离是否大于第二预设阈值，若是，则将大于第二预设阈值的垂直距离对应的局部能量最小位置点去除。
将经过简化的路径折线，确定为目标电力线路的导航路径。
可选的，***还包括：
清洗处理模块，用于对第一数量个历史巡检轨迹进行清洗处理，获得第二数量个清洗后的历史巡检轨迹，其中，清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹。
相似度比对模块被配置为：
基于全点匹配相似度距离度量方法，计算每个清洗后的历史巡检轨迹与聚类中心轨迹的相似度。
可选的，清洗处理模块包括：第一清洗子模块，用于对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复轨迹点去除，判断相邻两个轨迹点间的距离是否小于第三预设阈值，若是，删除两个轨迹点中距离路径终点更近的轨迹点。
对历史巡检轨迹中的轨迹点，按照由路径起点至路径终点方向进行重复时间戳去除，判断相邻两个轨迹点的时间戳是否一致，若是，则删除两个轨迹点中距离路径终点更近的轨迹点。
可选的，清洗处理模块还包括：
第二清洗子模块，用于对经过清除轨迹点的重复信息的历史巡检轨迹，利用预设核密度估计算法，按照预设搜索半径，以停留点为圆心进行累计邻域点时空贡献计算，获得停留点的停留指数。
将停留指数大于第四预设阈值的停留点确定为潜在停留点，将两个相邻的潜在停留点确定为潜在停留段，判断潜在停留段的时间间隔是否小于第五预设阈值，若是，则将潜在停留段删除。
在潜在停留段的时间间隔不小于第五预设阈值时，判断潜在停留段的时间间隔是否小于第六预设阈值，若是，则将潜在停留段的两个停留点坐标进行平均，生成新的轨迹点。
可选的，清洗处理模块还包括：
第三清洗子模块，用于对历史巡检轨迹进行轨迹点速度超速校验，当轨迹点速度大于第七预设阈值时，确定轨迹点为异常轨迹点，对该异常轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点距离校验，当两轨迹点距离大于第八预设阈值时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
和/或，对历史巡检轨迹进行两轨迹点时间间隔校验，当两轨迹点时间间隔大于第九预设阈值或为负数时，确定该两轨迹点为异常轨迹点，对两轨迹点执行打断操作。
其中，打断操作是将历史巡检轨迹在异常轨迹点处打断为多条轨迹，并保留轨迹中轨迹点个数大于第十预设阈值的轨迹。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、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 (7)

1.一种电力巡检导航路径的获取方法，其特征在于，所述方法包括：
获取目标电力线路的第一数量个历史巡检轨迹，其中，所述历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，所述历史巡检轨迹为对所述目标电力线路进行巡检的轨迹；
基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，并判断所述相似度是否大于第一预设阈值，若是，则确定大于所述第一预设阈值的所述相似度对应的所述历史巡检轨迹为合格轨迹；
将不少于一个的所述合格轨迹转化为对应的轨迹灰度图，并在所述轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线；
其中，所述预设轮廓生成模型为动态轮廓模型；所述动态轮廓模型的能量计算公式为其中，LW为所述路径起点和所述路径终点之间的实际距离，与所述路径起点和所述路径终点之间的直线距离的比值；w1(1/LW)表示所述控制点拉至一个位置后，初始轮廓的弯曲度，表示所述控制点的弹性能量，/>表示所述控制点的弯曲能量，表示所述控制点外部能量，/> 为梯度算子，I(v)为所述控制点的外部能量；所述w1、w2、w3和w4为权重，且w1+w2+w3+w4＝1；Etotal为所述控制点的局部能量最小位置的能量；
利用预设路径简化算法对所述路径折线进行简化，获得对所述目标电力线路进行巡检的导航路径；
其中，所述将不少于一个的所述合格轨迹转化为对应的轨迹灰度图，并在所述轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线，包括：
利用预设灰度图转化算法，将不少于一个的所述合格轨迹转化为对应的所述轨迹灰度图；
将所述轨迹灰度图中，连接所述路径起点和所述路径终点的直线确定为初始轮廓，并在所述初始轮廓中均匀***多个所述控制点；
利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线，其中，所述迭代局部能量最小化处理是在所述控制点所处的局部邻域内，通过迭代将所述控制点拉到所述局部邻域中的能量最小位置点；
其中，所述方法还包括：
对所述第一数量个历史巡检轨迹进行清洗处理，获得第二数量个所述清洗后的巡检轨迹，其中，所述清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹；
基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，包括：
基于全点匹配相似度距离度量方法，计算每个清洗后的所述历史巡检轨迹与聚类中心轨迹的相似度。
2.根据权利要求1所述的方法，其特征在于，所述基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，并判断所述相似度是否大于第一预设阈值，若是，则确定大于所述第一预设阈值的所述相似度对应的所述历史巡检轨迹为合格轨迹，包括：
基于所述全点匹配相似度距离度量方法，对第二数量个所述历史巡检轨迹进行两两相似度计算，并根据获得的第三数量个所述两两相似度生成巡检轨迹相似度矩阵；
基于预设密度峰值聚类算法，对所述巡检轨迹相似度矩阵进行特征提取，获得聚类中心轨迹；
利用所述全点匹配相似度距离度量方法，计算所述相似度，并将所述相似度与第一预设阈值进行比较，在所述相似度大于所述第一预设阈值时，确定大于所述第一预设阈值的所述相似度对应的所述清洗后的巡检轨迹确定为所述合格轨迹。
3.根据权利要求1所述的方法，其特征在于，所述利用预设路径简化算法对所述路径折线进行简化，获得所述目标电力线路的导航路径，包括：
利用所述预设路径简化算法，对所述路径折线上除所述路径起点和所述路径终点的每个所述局部能量最小位置点，进行简化校验，判断所述局部能量最小位置点与所述路径折线间的垂直距离是否大于第二预设阈值，若是，则将大于所述第二预设阈值的所述垂直距离对应的所述局部能量最小位置点去除；
将经过所述简化的所述路径折线，确定为所述目标电力线路的导航路径。
4.根据权利要求1所述的方法，其特征在于，所述清除所述轨迹点的重复信息，具体包括：
对所述历史巡检轨迹中的所述轨迹点，按照由所述路径起点至所述路径终点方向进行重复轨迹点去除，判断相邻两个所述轨迹点间的距离是否小于第三预设阈值，若是，删除两个所述轨迹点中距离所述路径终点更近的所述轨迹点；
对所述历史巡检轨迹中的所述轨迹点，按照由所述路径起点至所述路径终点方向进行重复时间戳去除，判断相邻两个所述轨迹点的时间戳是否一致，若是，则删除两个所述轨迹点中距离所述路径终点更近的所述轨迹点。
5.根据权利要求1所述的方法，其特征在于，所述停留点是定位装置在所述轨迹点停留时间超过预设时长的轨迹点，所述校验停留点，包括：
对经过所述清除轨迹点的重复信息的所述历史巡检轨迹，利用预设核密度估计算法，按照预设搜索半径，以所述停留点为圆心进行累计邻域点时空贡献计算，获得所述停留点的停留指数；
将所述停留指数大于第四预设阈值的停留点确定为潜在停留点，将两个相邻的所述潜在停留点确定为潜在停留段，判断所述潜在停留段的时间间隔是否小于第五预设阈值，若是，则将所述潜在停留段删除；
在所述潜在停留段的时间间隔不小于第五预设阈值时，判断所述潜在停留段的时间间隔是否小于第六预设阈值，若是，则将所述潜在停留段的两个所述停留点坐标进行平均，生成新的所述轨迹点。
6.根据权利要求1所述的方法，其特征在于，所述处理异常轨迹，包括：
对所述历史巡检轨迹进行轨迹点速度超速校验，当所述轨迹点速度大于第七预设阈值时，确定所述轨迹点为异常轨迹点，对该异常轨迹点执行打断操作；
和/或，对所述历史巡检轨迹进行两轨迹点距离校验，当所述两轨迹点距离大于第八预设阈值时，确定该所述两轨迹点为异常轨迹点，对所述两轨迹点执行所述打断操作；
和/或，对所述历史巡检轨迹进行两轨迹点时间间隔校验，当所述两轨迹点时间间隔大于第九预设阈值或为负数时，确定该所述两轨迹点为异常轨迹点，对所述两轨迹点执行所述打断操作；
其中，所述打断操作是将所述历史巡检轨迹在所述异常轨迹点处打断为多条轨迹，并保留所述轨迹中轨迹点个数大于第十预设阈值的轨迹。
7.一种电力巡检导航路径的获取***，其特征在于，所述***包括：
轨迹获取模块，用于获取目标电力线路的第一数量个历史巡检轨迹，其中，所述历史巡检轨迹至少包括一个路径起点、多个轨迹点和一个路径终点，所述历史巡检轨迹为对所述目标电力线路进行巡检的轨迹；
相似度比对模块，基于全点匹配相似度距离度量方法，计算每个所述历史巡检轨迹与聚类中心轨迹的相似度，并判断所述相似度是否大于第一预设阈值，若是，则确定大于所述第一预设阈值的所述相似度对应的所述历史巡检轨迹为合格轨迹；
路径折线生成模块，用于将不少于一个的所述合格轨迹转化为对应的轨迹灰度图，并在所述轨迹灰度图中均匀***多个控制点，利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线；
其中，所述预设轮廓生成模型为动态轮廓模型；所述动态轮廓模型的能量计算公式为其中，LW为所述路径起点和所述路径终点之间的实际距离，与所述路径起点和所述路径终点之间的直线距离的比值；w1(1/LW)表示所述控制点拉至一个位置后，初始轮廓的弯曲度，表示所述控制点的弹性能量，/>表示所述控制点的弯曲能量，表示所述控制点外部能量，/> 为梯度算子，I(v)为所述控制点的外部能量；所述w1、w2、w3和w4为权重，且w1+w2+w3+w4＝1；Etotal为所述控制点的局部能量最小位置的能量；
导航路径生成模块，用于利用预设路径简化算法对所述路径折线进行简化，获得对所述目标电力线路进行巡检的导航路径；
其中，所述路径折线生成模块，具体用于：
利用预设灰度图转化算法，将不少于一个的所述合格轨迹转化为对应的所述轨迹灰度图；
将所述轨迹灰度图中，连接所述路径起点和所述路径终点的直线确定为初始轮廓，并在所述初始轮廓中均匀***多个所述控制点；
利用预设轮廓生成模型对所述轨迹灰度图上的所述控制点进行迭代局部能量最小化处理，获得多个局部能量最小位置点，并将所述路径起点、所述局部能量最小位置点和所述路径终点依次连接，获得一条所述目标电力线路的路径折线，其中，所述迭代局部能量最小化处理是在所述控制点所处的局部邻域内，通过迭代将所述控制点拉到所述局部邻域中的能量最小位置点；
其中，所述***还包括：
清洗处理模块，用于对所述第一数量个历史巡检轨迹进行清洗处理，获得第二数量个清洗后的所述历史巡检轨迹，其中，所述清洗处理包括：清除轨迹点的重复信息、校验停留点和处理异常轨迹；
所述相似度比对模块被配置为：
基于全点匹配相似度距离度量方法，计算每个清洗后的所述历史巡检轨迹与聚类中心轨迹的相似度。
CN202111248916.5A 2021-10-26 2021-10-26 一种电力巡检导航路径的获取方法和*** Active CN113984077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111248916.5A CN113984077B (zh) 2021-10-26 2021-10-26 一种电力巡检导航路径的获取方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111248916.5A CN113984077B (zh) 2021-10-26 2021-10-26 一种电力巡检导航路径的获取方法和***

Publications (2)

Publication Number Publication Date
CN113984077A CN113984077A (zh) 2022-01-28
CN113984077B true CN113984077B (zh) 2024-06-21

Family

ID=79741710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111248916.5A Active CN113984077B (zh) 2021-10-26 2021-10-26 一种电力巡检导航路径的获取方法和***

Country Status (1)

Country Link
CN (1) CN113984077B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197770B (zh) * 2023-11-06 2024-02-23 深圳市金固祥科技有限公司 一种基于物联网的巡检全流程数据监管***及方法
CN117648502B (zh) * 2024-01-29 2024-04-02 深圳市名通科技股份有限公司 基于时空大数据的出行路径选取方法
CN117891892B (zh) * 2024-03-14 2024-05-31 南京师范大学 一种基于历史巡护数据的护林员轨迹优化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859167A (zh) * 2019-04-29 2020-10-30 北京四维图新科技股份有限公司 路径获取方法、装置、***和存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3453603B2 (ja) * 2001-07-17 2003-10-06 独立行政法人通信総合研究所 手術パス自動探索プログラム及びその装置
US7263467B2 (en) * 2002-09-30 2007-08-28 University Of Florida Research Foundation Inc. Multi-dimensional multi-parameter time series processing for seizure warning and prediction
AU2003298563C1 (en) * 2002-08-27 2009-03-26 Arizona Board Of Regents For And On Behalf Of Arizona State University Optimization of multi-dimensional time series processing for seizure warning and prediction
JP5803337B2 (ja) * 2011-06-28 2015-11-04 オムロン株式会社 同期制御装置、同期制御方法、同期制御プログラム、および同期制御プログラムを記録したコンピュータ読み取り可能な記録媒体
CN107038168A (zh) * 2016-02-03 2017-08-11 中兴通讯股份有限公司 一种用户通勤轨迹管理方法、装置及***
CN106570649A (zh) * 2016-11-09 2017-04-19 国网江西省电力公司检修分公司 基于云计算的智能巡检及路线规划的实现方法及巡检***
CN106530434A (zh) * 2016-11-25 2017-03-22 国网黑龙江省电力有限公司检修公司 一种输电线路移动巡检***
CN108133611A (zh) * 2016-12-01 2018-06-08 中兴通讯股份有限公司 车辆行驶轨迹监测方法及***
CN107403200A (zh) * 2017-08-10 2017-11-28 北京亚鸿世纪科技发展有限公司 改进图像分割算法结合深度学习的多重不良图片分类方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859167A (zh) * 2019-04-29 2020-10-30 北京四维图新科技股份有限公司 路径获取方法、装置、***和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于Snake模型的遥感影像道路网半自动提取方法;熊立伟;谭红伟;何亮云;龙岳红;;湖南文理学院学报(自然科学版)(第02期);正文第75-78页、图1 *
基于循环神经网络的船舶航迹预测;胡玉可，夏维，胡笑旋;***工程与电子技术;第42卷(第2期);正文第873页 *

Also Published As

Publication number Publication date
CN113984077A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN113984077B (zh) 一种电力巡检导航路径的获取方法和***
CN104197945B (zh) 一种基于低采样率浮动车数据的全局投票地图匹配方法
CN104050817B (zh) 限速信息库生成、限速信息检测的方法和***
CN110738856B (zh) 一种基于移动聚类的城市交通拥堵精细识别方法
CN103593973B (zh) 一种城市道路交通态势评估***
CN104596507A (zh) 一种移动终端出行轨迹的确定方法
CN104809511A (zh) 绝缘子污染预测方法及设备
CN110532250B (zh) 交规数据的处理方法及装置
Gikas et al. A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior
CN109557532B (zh) 基于三维霍夫变换的检测前跟踪方法、雷达目标检测***
CN111275975B (zh) 一种交叉口转向流量数据的获取方法、装置和存储介质
CN112669594A (zh) 交通路况预测的方法、装置、设备及存储介质
CN108204819A (zh) 一种地图数据自动检测方法和装置、及混合导航***
Nikolić et al. Implementation of generic algorithm in map-matching model
Moosavi et al. Characterizing driving context from driver behavior
CN115937504A (zh) 一种桥梁结构损伤识别方法和***
CN114330120A (zh) 一种基于深度神经网络预测24小时pm2.5浓度的方法
CN112948767A (zh) 基于长序列adcp流量模的在线测流方案推荐方法
CN110809284B (zh) 基于mr数据的定位方法、***、设备、可读存储介质
CN102063789B (zh) 一种交通信息质量评估方法和装置
CN116224408A (zh) 一种公交车轨迹偏移程度检测方法、装置及应用
CN115630336A (zh) 基于域自适应迁移学习的无样本库区滑坡易发性预测方法
CN115577306A (zh) 基于自适应密度聚类的共享单车出行潮汐区域探测方法
CN112487309B (zh) 一种基于轨迹数据的不确定性医疗可达性计算方法
CN111785012A (zh) 一种车云协同计算的能耗路谱分析方法

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