CN114255405A - 一种隐患目标识别方法与装置 - Google Patents
一种隐患目标识别方法与装置 Download PDFInfo
- Publication number
- CN114255405A CN114255405A CN202011024590.3A CN202011024590A CN114255405A CN 114255405 A CN114255405 A CN 114255405A CN 202011024590 A CN202011024590 A CN 202011024590A CN 114255405 A CN114255405 A CN 114255405A
- Authority
- CN
- China
- Prior art keywords
- point
- transmission line
- hidden danger
- coordinate system
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims abstract description 134
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 239000004020 conductor Substances 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Images
Classifications
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提出一种隐患目标识别方法及装置，以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系；并根据单目相机拍摄的单目图像建立图像二维坐标系；确定图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路中的导线的实际物理距离。实现输电线路通道实时监控，隐患距离测量，隐患威胁等级划分以及实时报警等效果。
Description
技术领域
本申请涉及电力技术领域，尤其涉及一种隐患目标识别方法与装置。
背景技术
在输电线路的运维中，对输电线路周围环境进行监测是一项重要的工作，如检查是否有超高树木，违章建筑、违章施工等等，要求输电线路通道内所有施工机械类隐患目标距离导线的最短距离在10米以上，而3米内很可能会由于放电造成人员伤亡或者跳闸。通道隐患类型中的大型施工机械尤其是处于扬臂或者伸展状态的吊车、水泥泵车很容易对导线产生较大威胁，需要对这些隐患进行识别和对导线的威胁程度进行定量和定性判定。
当前输电线路通道隐患目标距离识别与危险程度判定主要采用无人机拍摄和通过定点监拍方式。而无人机巡检方式受飞行环境因素(无线电环境、气象环境、地理环境)影响较大，单次采集图像数据量有限，图像采集后需要检查一下照片质量，针对曝光过度或不足的情况对输电线路通道进行补拍，再对可用的图像进行三维重建进而排查隐患，因此无人机巡检方式隐患排查实时性不高。多线激光雷达由于成本较高，功耗较大。双目视觉测距在实际应用中要求较高的安装精度，一般应用条件下无法达到设计精度，并且在双目***实际搭建过程中，标定以及安装相对较繁琐，使得其小型化、产品化比较困难，对拍摄到的物体较远时测距误差非常大。
而现有的单目测距方法的标定过程中标定量数量多，流程复杂，增加了测量误差，且测量方法通常针对于物距，不适用于输电线路通道内隐患目标与导线最短距离的测量，不能满足用户的使用需求。当设备受环境影响位置出现变动后，需要重新标定，实际可操作性不高。
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隐患目标识别方法与装置，解决了现有测距方法所需参数多且计算过程复杂，不适用于输电线路通道内隐患目标与导线最短距离的测量的问题。
一方面，本申请实施例提供了一种隐患目标识别方法。以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系；并根据所述单目相机拍摄的单目图像建立图像二维坐标系；确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；其中，所述预设条件为，在图像二维坐标系中的像素点的纵坐标，在所述单目相机对应的可见地面的纵坐标范围内；根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离。
本申请实施例通过建立地面三维坐标系和图像二维坐标系，能够仅利用少量的已知参数，计算出单目图像中所显示的可见的地面部分的像素点以及该像素点所在的视野平面中的每个像素点，在实际情况中代表的物理尺寸；再通过找到与隐患目标最高点最近的输电线路通道中导线上的点，计算两点的像素距离，从而根据像素与实际物理尺寸的对应关系，计算出隐患目标到输电线路通道中导线的距离。无需复杂的标定过程，大大简化了单目相机距离测量的步骤，且本申请的技术方案适用于输电线路通道内隐患目标与导线最短距离的测量，而不是简单的测量隐患目标的物距。
在一个实施例中，所述满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，具体为：根据Map＝(v,scale)确定所述对应关系；其中，Map为所述对应关系，v为所述满足预设条件的像素点的纵坐标，scale表示纵坐标为v的像素点在三维坐标系的投影点处的纵向视野中，单个像素代表的实际物理尺寸；且所述对应关系以像素比例尺关系表的方式进行存储。
本申请实施例通过将单目图像中可见的地面所占的像素点在图像二维坐标系中的纵坐标，与该像素点以及其所在视野平面中的每个像素点在实际情况中的物理尺寸的对应关系，以像素比例尺关系表的形式存储，便于在计算隐患目标与输电线路通道中导线的距离时，只需得知隐患目标在图像中的纵坐标，即可根据该纵坐标在像素比例尺关系表中查找对应的视野平面中单个像素对应的实际物理尺寸。
在一个实施例中，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离之后，所述方法还包括：通过梯度投影和霍夫变换技术对所述单目图像中输电线路通道中导线所在若干像素点位置坐标集合以及输电线路通道中杆塔的位置坐标进行提取，根据所述输电线路通道中导线所在若干像素点位置坐标集合以及输电线路通道中杆塔的位置坐标在所述图像二维坐标系中建立所述输电线路通道的立体防护区；所述立体防护区的宽度由所述输电线路通道中的导线的电压等级及对应的放电安全距离决定。
本申请实施例根据输电线路通道中导线的电压等级及安全放电距离在输电线路通道周围建立立体防护区，可以分别针对在防护区内和防护区外的隐患进行危险等级判定，从而在防护区外定性进行隐患目标分析，对于防护区外的隐患目标因危险等级较低可以不计算其与输电线路通道中导线的距离，在防护区内定量进行隐患目标分析，提高计算效率。
在一个实施例中，所述方法还包括：基于预设时间间隔，对所述像素比例尺关系表进行校正检测；通过目标检测模型检测同一个已知参照物目标；若检测到所述参照物在预设时间间隔内的像素位置变化超过第一预设值，或图像尺寸变化超过第二预设值，则暂停隐患目标距离识别，根据在所述图像二维坐标系中所述参照物当前高度所占像素数量，更新所述像素比例尺关系表。
本申请实施例通过定期对像素比例尺关系表以及立体防护区进行校正检测，可以避免因单目相机位置或角度变动带来的计算误差，提高距离检测准确率。
在一个实施例中，所述确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸，具体包括：根据以下公式得到所述满足预设条件的所有像素点的投影点处的纵向视野中，单个像素代表的实际物理尺寸：
FD_P1＝(obj_h_m/obj_h_pixels)*img_h_pixels；
OO'＝1/2*FD_P1/tanα；OP1＝sqrt(Z*Z+h*h)；Tanβ＝h/Z，
γ＝β-arccos(OO'/OP1)；Z0＝h/tan(α+γ)；OP0＝sqrt(z0*z0+h*h)；
FD_P0＝2*OP0*sinα；Scale_P0＝FD_P0/img_h_pixels；
OO”＝OP0*cosα；P0P1'＝FD_P0/2-OO”*tan(β-γ)；Z1＝Z-Z0；
zStep＝Z1/P0P1'；AP＝Z0+(V_P-V_P0)*zStep；
OP＝sqrt(AP*AP+h*h)；α1＝arctan(AP/h)；α2＝90-γ-α1；
OOP＝cos(α2)*OP；FD_P＝2*OOP*tanα；
Scale_P＝FD_P/img_h_pixels；
其中，FD_P1为单目图像中的输电线路通道中的杆塔与地面的交点P1处的纵向视野长度，obj_h_m为参照物实际物理高度尺寸，obj_h_pixels为参照物当前高度所占像素数量，img_h_pixels为所述单目图像v轴方向包含的像素点的数量；OO’为所述P1点的物距长度，α为所述单目相机垂直视野角的半角；OP1为所述单目相机的主点O与P1点的实际距离，Z为输电线路通道中两个杆塔之间的距离，h为所述单目相机的安装高度；β为OP1与水平方向的夹角，γ为所述单目相机的主光轴与水平方向的夹角；Z0为所述单目相机对输电线路通道中两个杆塔之间地面的盲区长度；OP0为主点O与所述满足预设条件的像素点中纵坐标最小的像素点的投影点P0的实际距离；FD_P0为P0处的纵向视野的实际物理尺寸；Scale_P0为FD_P0中单个像素代表的实际物理尺寸；OO”为P0点处的物距长度；P0P1’为P0点处视野中可见地面的成像视野的长度；Z1为输电线路通道中两个杆塔之间被单目相机覆盖的可见地面长度；zStep为Z1与P0P1’的比值；AP为所述单目相机地面投影点A到P0P1’中任意一个像点对应的投影点P的距离，V_P为P点映射在图像二维坐标系中的纵坐标，V_P0为P0点映射在图像二维坐标系中的纵坐标；OP为主点O与点P的距离；α1为OP与OA之间的夹角；α2为OP与主光轴之间的夹角；OP为P点处的视野与主光轴的交点，OOP为P点的物距长度；FD_P为P点处的纵向视野的实际物理尺寸；Scale_P为P点处纵向视野中单个像素代表的实际物理尺寸。
本申请实施例通过少量的已知参数，以及建立的地面三维坐标系，利用输电线路通道中两个杆塔之间被单目相机覆盖的可见地面在单目图像中的投影关系，以图像中的纵坐标值建立简单高效的像素比例尺关系，无需复杂的标定过程。
在一个实施例中，所述确定所述隐患目标与所述输电线路通道中导线的实际物理距离，具体包括：在所述三维坐标系中，确定隐患目标最高点B与输电线路通道中导线所在若干像素点的最短距离点C，获取隐患目标最高点B与所述C点的三维坐标，并将所述C点映射到图像二维坐标系中，得到C点的二维坐标；根据所述B点的二维坐标和所述C点的二维坐标，在所述图像二维坐标系中，确定B、C两点的像素距离；根据B点在所述图像二维坐标系中的纵坐标V_B值，在所述像素比例尺关系表中查找与所述V_B值对应的Scale值；根据L实际＝L像素×scale_B，得到B点与C点之间的实际物理尺寸；其中，L实际为B点与C点的实际物理尺寸，L像素为B点与C点的像素距离，Scale_B为所述像素比例尺关系表中V_B对应的Scale值。
本申请实施例通过利用导线位置分布，将导线投影到地面三维坐标系，找到输电线路通道中的导线与隐患目标距离最近的点，通过计算该点与隐患目标最高点的像素距离，并按照隐患所在位置的图像二维坐标中的V坐标，将像素距离换算为实际物理尺寸，从而判断隐患威胁程度。
在一个实施例中，所述以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系，并根据所述单目相机拍摄的单目图像建立图像二维坐标系，具体包括：以输电线路通道中杆塔上的单目相机的地面投影点A为原点，以垂直于地面方向为y轴，以平行于输电线路通道方向为z轴，以平行于地面且垂直于输电线路通道方向为x轴，建立所述三维坐标系；以所述单目图像中任意一点为原点，以所述单目图像的水平方向为u轴，以所述单目图像的垂直方向为v轴，建立所述图像二维坐标系。
在一个实施例中，在所述确定所述隐患目标与所述输电线路通道中的导线的实际物理距离之后，所述方法还包括：按照所述隐患目标与所述输电线路通道中的导线之间的实际物理距离，分级划分所述隐患目标的隐患威胁等级，当所述隐患威胁等级高于预设阈值时，发出告警信息；所述隐患目标在所述立体防护区外的情况下，隐患威胁等级最低；所述隐患目标在所述立体防护区内的情况下，隐患目标与输电线路通道中的导线之间的最短实际物理距离越小，威胁隐患等级越高。
在一个实施例中，在所述获取隐患目标最高点B与所述C点的三维坐标之前，所述方法还包括：根据输电线路通道中导线所在若干像素点在图像二维坐标系中的位置信息，确定所述输电线路通道中导线所在若干像素点在三维坐标系中的x坐标和y坐标；将所述输电线路通道中的导线与所述输电线路通道中的导线在地面上的投影做线性映射，以所述输电线路通道中导线的投影为参照，确定所述输电线路通道中导线所在若干像素点的z坐标，从而获得输电线路通道中导线所在若干像素点的三维坐标集合。
另一方面，本申请提供了一种隐患目标识别装置，所述装置包括：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：以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系；以及建立所述单目相机拍摄的单目图像的二维坐标系；确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；其中，所述预设条件为，在图像二维坐标系中，纵坐标在所述单目相机对应的可见地面的纵坐标范围内；根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离。
本申请的一种隐患目标识别方法及装置，针对安装在输电线路通道中杆塔上的单目相机，仅需要少量已知参数(单目相机距离地面的安装高度、单目相机本身的垂直视野角、已知参照物高度、两个杆塔距离)即可完成标定和距离测量；而且在相机受外界环境影响导致位置变动的情况下，能够根据需要定期进行校正，有效保证测量的准确性；同时利用梯度投影和霍夫变换技术对输电线路通道中的导线进行动态特征提取，获取输电线路通道中导线所在若干像素点的位置集合，并根据输电线路通道中的导线和杆塔的位置建立立体防护区，可定性对隐患目标进行分析；本申请技术方案计算简便，实时高效，实现了输电线路通道的实时监控分析，能够有效判断隐患目标与输电线路通道中导线的距离信息，并进行危险等级划分，从而进一步判断隐患的危险等级，为输电线路通道安全提供更加有效的预警机制。
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隐患目标识别方法的流程图
图2为本申请实施例提供的图像二维坐标系示意图；
图3为本申请实施例提供的地面三维坐标系示意图；
图4为本申请实施例提供的单目相机侧视图；
图5为本申请实施例提供的立体防护区示意图；
图6为输电线路通道中的导线投影在地面三维坐标系中的示意图；
图7为本申请实施例提供的一种隐患目标识别装置的结构示意图。
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隐患目标识别方法及装置，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为本申请提供的一种隐患目标识别方法的流程图。
S101、单目相机进行输电线路通道图像采集。
具体地，安装在输电线路通道中的杆塔上并朝向对面杆塔的单目相机，以预设的时间间隔采集输电线路通道及其场景图像，并将图像上传到监测设备或后台服务器。
需要说明的是，本申请并不限制技术方案在前端监测设备上进行还是在后台服务器进行，以下用隐患识别装置代表本方案的执行主体。
S102、隐患识别装置对单目图像进行隐患目标检测。
具体地，采用深度学习方式训练隐患目标和参照物目标定位检测模型。首先构建输电线路通道隐患样本集，包括大型施工机械、杆塔、塔吊、吊车等目标，然后采用FPN(Feature Pyramid Network)特征金字塔网络构建目标识别网络，以Faster0RCNN-Res101为基础网络模型，加入FPN金字塔特征提取方式组合各个层级的目标特征，建立隐患目标识别神经网络，训练输出隐患目标检测模型。使用上述隐患目标检测模型对单目相机上传的单目图像进行隐患目标检测，确定隐患目标的位置。
S103、隐患识别装置判断是否启动校正程序。
具体地，隐患识别装置通过预设程序，定期启动对隐患识别***的校正检测，例如，设置每个月启动一次校正检测程序，若未到设置好的校正检测时间，则执行S104；若图像识别时刚好达到设置好的校正检测时间，则执行S109。
S109、隐患识别装置对参照物位置及尺寸进行检测。
具体地，通过深度学习训练的目标检测模型，对参照物进行位置和尺寸检测，此处的参照物可以是单目相机覆盖的可见视野中，任意一个不会移动和变形的物体，例如对面的杆塔、地面上的建筑等。将检测到的参照物位置和尺寸分别与上一次校正检测时检测的同一个参照物的位置和尺寸进行对比，若参照物的位置或尺寸中有任意一项的变化超过了各自的限定值，则判断为参照物变动超限。
例如，参照物位置变动的限定值为10个像素，参照物尺寸变动的限定值为15个像素，若检测到参照物位置变动了11个像素，尺寸变动了1像素，则判定为参照物位置或尺寸变动超限。同样，若参照物位置变动了5个像素，尺寸变动了20个像素，也判定为参照物位置或尺寸变动超限。
S110、隐患识别装置判断参照物位置或尺寸变动是否超限。
具体地，若参照物位置或尺寸的变动没有超过限定值，则继续执行S104，若参照物位置或尺寸的变动超过了限定值，说明单目相机的位置或者安装角度因环境影响发生了较大变动，执行S111。
S111、隐患识别装置建立三维坐标系及二维坐标系。
图2为本申请实施例提供的图像二维坐标系示意图，如图2所示，单目图像的水平方向为u轴，竖直方向为v轴，单位为像素。需要说明的是，单目图像的任意一点或者图像外任意一点都可以作为图像二维坐标系的原点，图2所示以单目图像中心点为原点O仅为一个可行的实施例。
图3为本申请实施例提供的地面三维坐标系示意图，如图3所示，地面三维坐标系以单目相机301在地面上的投影点A为原点，以平行于输电线路通道中的杆塔302方向为y轴，以平行于两个杆塔的连线方向为z轴，以垂直于两个杆塔连线方向为x轴，单位为像素。
S112、隐患识别装置计算得到像素比例尺关系表。
图4为本申请实施例提供的单目相机侧视图，如图4所示，主点O是安装在输电线路通道中的杆塔上的单目相机的光心，最右边的竖直线条为单目相机所在杆塔的对面杆塔。将相机对面的杆塔作为参照物，计算可见地面P0P1上的每个点处纵向视野的实际物理尺寸，并根据该纵向视野呈现在单目图像中所占的像素数量，计算出单目图像中每个视野平面中单个像素在实际情况中代表的物理尺寸，纵向视野即为与单目相机主光轴垂直的平面在单目相机视野范围内的纵向高度，例如P0点处的纵向视野为图4中与相机主光轴垂直的线段FD_P0，P1点的纵向视野为图4中与相机主光轴垂直的线段FD_P1。
已知以下参数：相机安装高度h，相机垂直视野角的半角α，相机分辨率img_h_pixels*img_w_pixels，相机对面的杆塔显示在图像中的像素尺寸obj_h_pixels*obj_w_pixels，相机对面杆塔的实际物理高度obj_h_m，两个杆塔之间的距离Z。
首先计算可见地面上距离单目相机最近的点P0处的纵向视野FD_P0的实际物理尺寸，该纵向视野呈现在单目图像中即为整张图像的宽度，根据单目图像在图像二维坐标系v轴方向所包含的像素数量，计算出FD_P0映射在单目图像中的每个像素点，所代表的实际物理尺寸Scale_P0，计算公式如下：
根据参数obj_h_m、obj_h_pixels以及img_h_pixels得到观测点P1处的纵向视野尺寸FD_P1＝(obj_h_m/obj_h_pixels)*img_h_pixels；根据FD_P1以及参数α得到P1点的物距OO'＝1/2*FD_P1/tanα；根据参数Z以及参数h得到OP1的长度OP1＝sqrt(Z*Z+h*h)；根据参数h、参数Z以及OO'和OP1得到单目相机的安装倾斜角γ：Tanβ＝h/Z，γ＝β-arccos(OO'/OP1)；根据参数h、参数α以及单目相机的安装倾斜角γ得到两个杆塔之间地面盲区的长度Z0＝h/tan(α+γ)；根据盲区Z0以及参数h得到OP0的长度OP0＝sqrt(z0*z0+h*h)；根据OP0以及参数α得到P0点处纵向视野FD_P0＝2*OP0*sinα；根据FD_P0以及参数img_h_pixels得到FD_P0映射在单目图像中的每个像素点代表的实际物理尺寸Scale_P0＝FD_P0/img_h_pixels。
在一个实施例中，如图4所示，点P’为P0P1’上任意一个像点，点P为像点P’在可见地面上的投影点，根据上述FD_P0的长度，计算出可见地面在P0点处纵向视野中的成像范围P0P1’的长度，根据P0P1’与可见地面Z1的比值关系，以及P’点映射在图像二维坐标系中的v坐标，计算出P0P1’上每个像点在可见地面上的投影点处的Scale值，计算过程如下：
根据OP0及参数α得到P0点处的物距OO”＝OP0*cosα；根据FD_P0、OO”、β以及γ得到P0P1’的长度P0P1'＝FD_P0/2-OO”*tan(β-γ)；根据输电线路通道中两个杆塔之间的距离Z和盲区Z0得到两个杆塔之间相机的可见地面的长度Z1＝Z-Z0；根据Z1和P0P1’的长度计算两者比值关系zStep＝Z1/P0P1'；根据P点在图像二维坐标系中的纵坐标V_P和P0点在图像二维坐标系中的纵坐标V_P0得到地面零点A距离P点的长度AP＝Z0+(V_P-V_P0)*zStep；根据AP和参数h得到主点O到P点的长度OP＝sqrt(AP*AP+h*h)；根据AP和参数h得到OP与OA的夹角α1＝arctan(AP/h)；根据角α1和角γ得到OP与OOP之间的夹角α2＝90-γ-α1；根据角α2和OP的长度得到主点O与P点处的视野与主光轴的交点OP的距离OOP＝cos(α2)*OP；根据OOP与角α得到P点的纵向视野长度FD_P＝2*OOP*tanα；根据FD_P和参数img_h_pixels得到FD_P映射在单目图像中的每个像素点代表的实际物理尺寸Scale_P＝FD_P/img_h_pixels。
遍历可见地面部分在单目图像中所占像素的纵坐标，依次计算v轴方向每个像素点所对应的Scale值，并将对应关系以像素比例尺关系表的形式存储。
例如，单目图像中可见地面部分所占像素在二维坐标系中的纵坐标范围为v∈[0,100]，那么从v＝0开始依次按照上述公式计算符合v∈[0,100]的像素点所对应的Scale值。将v值与计算得到的Scale值对应存储在像素比例尺关系表Map＝(v,Scale)中，表格形式如下所示：
| v | Scale(米/像素) |
| 0 | Scale_0 |
| 1 | Scale_1 |
| … | … |
| 100 | Scale_100 |
表1
其中，Map为上述像素比例尺关系表，表1中Scale_0，Scale_1，…，Scale_100分别为根据v＝0，v＝1，…，v＝100以及上述公式计算出来的具体数值，单位为米/像素。
S113、隐患识别装置按输电线路通道中导线的位置分布建立输电线路通道立体防护区。
具体地，隐患识别装置对单目图像进行图像直方图均衡归一化，以形态学梯度算子过滤提取图像中输电线路通道中导线的边缘信息，然后对梯度结果图像进行二值化处理，并进行投影分割，获取图像中输电线路通道中导线区域特征图。然后在输电线路通道中导线区域内，利用图像增强特征，并抑制背景噪声。然后进行Hough变换检测，获取梯度图像中输电线路通道中的导线位置。
图5为本申请实施例提供的立体防护区示意图。如图5所示，灰色部分为地面，根据得到的输电线路通道中的导线位置和杆塔601的位置，以输电线路通道中导线的电压等级和放电时的安全距离为参考，在单目相机中建立如图5虚线部分所示的立体防护区，在一个例子中，如图5虚线部分所示的立体防护区会显示在单目相机拍摄的图像上。
需要说明的是，在隐患识别装置初始状态时，首先执行一次S111～S113，建立初始像素比例尺关系表和初始立体防护区，再根据初始像素比例尺关系表进行隐患目标距离判定。当装置启动校正检测时，S111～S113正在执行时，S105～S108暂停执行，S111～S113执行结束后再根据新的像素比例尺关系表和新的立体防护区执行S105～S108中的操作。
S104、隐患识别装置判断隐患目标是否在防护区内。
具体地，在S102中检测到隐患目标后，通过神经网络模型对隐患目标的位置信息与建立的立体防护区范围做对比，检测该隐患目标是否在防护区范围内，若隐患目标在立体防护区内，则执行S105，若隐患目标在立体防护区范围之外，则执行S108。
S105、隐患识别装置采用动态自适应阈值分割，提取隐患目标边缘信息，获取隐患目标上的最高点B的图像二维坐标。
S106、隐患识别装置确定到隐患目标最高点B的到输电线路通道中导线的像素距离。
具体地，隐患识别装置首先根据输电线路通道中导线的位置信息，将输电线路通道中的导线投影到地面三维坐标系中得到输电线路通道中导线所在各个像素点的三维坐标。
图6为输电线路通道中的导线投影在地面三维坐标系中的示意图，如图6所示，根据提取的输电线路通道中的导线位置，得到单目图像中可见的输电线路通道中导线的最近点P3和最远点P2的图像二维坐标，并通过相机坐标系转换得到P2P3范围内的输电线路通道中导线所在若干像素点在地面三维坐标系中的x坐标和y坐标；将输电线路通道中的导线投影到三维坐标系中的可见地面上，P3点的投影点为P0，P2点的投影点为P1，将P2P3与P0P1做线性映射，以P1P0范围内的若干点的z坐标为参照获取P2P3范围内若干像素点的z坐标；从而得到P2P3范围内若干像素点的三维坐标。
将B点投影到地面三维坐标系中，得到B点的三维坐标，计算B点与转换三维坐标后的输电线路通道中导线上若干像素点的三维像素距离，确定B点与输电线路通道中的导线三维像素距离最短的点C，并将点C的三维坐标转换为图像二维坐标。根据B、C两点的图像二维坐标计算B、C两点之间的像素距离。
S107、将B点和C点的像素距离通过像素比例尺关系表换算为实际物理尺寸。
具体地，获取B点在隐患目标所在图像中的v坐标，在像素比例尺关系表中查找B点的v坐标对应的Scale值，然后根据L实际＝L像素×scale_B，计算B点和C点之间的实际物理尺寸，其中，L实际为B点与C点的实际物理尺寸，L像素为B点与C点的像素距离，Scale_B为所述像素比例尺关系表中B点v坐标对应的Scale值。
例如，B点在图像中的v坐标为5，根据像素比例尺关系表查找到v＝5对应的Scale值为2米/像素，B点与C点的像素距离为20个像素，那么B点与C点之间的实际距离为2*20＝40米。
S108、根据B点和C点的实际物理尺寸，为隐患目标划分隐患威胁等级。
具体地，根据隐患目标到输电线路通道中导线的实际物理距离远近，分级划分隐患目标的隐患威胁等级。隐患目标与输电线路通道中导线之间的实际物理距离越近，隐患威胁等级越高，当隐患威胁等级高于预设阈值时，隐患识别装置立即启动语音报警，并提示相关人员注意线路异常情况，以阻止外力对输电线路通道中的导线进一步造成损坏。
在一个实施例中，距离输电线路通道中的导线0～10m范围内隐患威胁等级为A级，距离输电线路通道中的导线10～20m范围内隐患威胁等级为B级，距离输电线路通道中的导线20～30m范围内隐患威胁等级为C级，以此类推，直到隐患目标与输电线路通道中的导线的距离超出立体防护区的范围。
在一个实施例中，当隐患目标在防护区之外时，判定隐患威胁等级最低，且对于防护区外的隐患目标可以不进行距离判定，直接排除该隐患目标对输电线路通道中的导线造成威胁的可能性。
需要说明的是，S102～S108的执行主体可以是前端监拍设备，也可以是后台服务器，本申请中不做限定。
图7为本申请实施例提供的一种隐患目标识别装置的结构示意图，如图7所示，装置至少包括：
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：
以输电线路通道中杆塔上的单目相机的地面投影点为原点，建立三维坐标系；以及建立所述单目相机拍摄的单目图像的二维坐标系；确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；其中，所述预设条件为，在图像二维坐标系中，纵坐标在所述单目相机对应的可见地面的纵坐标范围内；根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路通道中导线的实际物理距离。
本申请实施例提供的一种隐患目标识别方法及装置，利用单目测距及图像定位识别技术对输电线路通道进行实时监控，实现了隐患距离测量功能，能够有效判断隐患目标与输电线路通道中导线的距离信息，进行危险等级划分，从而进一步判断隐患的危险等级，为输电线路通道安全提供更加有效的预警信息。
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。凡在不脱离本发明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)
1.一种隐患目标识别方法，其特征在于，所述方法包括：
以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系；并根据所述单目相机拍摄的单目图像建立图像二维坐标系；
确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；其中，所述预设条件为，在图像二维坐标系中的像素点的纵坐标，在所述单目相机对应的可见地面的纵坐标范围内；
根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离。
2.根据权利要求1所述的一种隐患目标识别方法，其特征在于，所述满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，具体为：
根据Map＝(v,Scale)确定所述对应关系；其中，Map为所述对应关系，v为所述满足预设条件的像素点的纵坐标，Scale表示纵坐标为v的像素点在三维坐标系的投影点处的纵向视野中，单个像素代表的实际物理尺寸；
且所述对应关系以像素比例尺关系表的方式进行存储。
3.根据权利要求1所述的一种隐患目标识别方法，其特征在于，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离之后，所述方法还包括：
通过梯度投影和霍夫变换技术对所述单目图像中输电线路通道中导线所在若干像素点位置坐标集合以及输电线路通道中杆塔的位置坐标进行提取，根据所述输电线路通道中导线所在若干像素点位置坐标集合以及输电线路通道中杆塔的位置坐标在所述图像二维坐标系中建立所述输电线路通道的立体防护区；所述立体防护区的宽度由所述输电线路通道中导线的电压等级及对应的放电安全距离决定。
4.根据权利要求2所述的一种隐患目标识别方法，其特征在于，所述方法还包括：
基于预设时间间隔，对所述像素比例尺关系表进行校正检测；
通过目标检测模型检测同一个已知参照物目标；若检测到所述参照物在预设时间间隔内的像素位置变化超过第一预设值，或图像尺寸变化超过第二预设值，则暂停隐患目标距离识别，根据在所述图像二维坐标系中所述参照物当前高度所占像素数量，更新所述像素比例尺关系表。
5.根据权利要求1所述的一种隐患目标识别方法，其特征在于，所述确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸，具体包括：
根据以下公式得到所述满足预设条件的所有像素点的投影点处的纵向视野中，单个像素代表的实际物理尺寸：
FD_P1＝(obj_h_m/obj_h_pixels)*img_h_pixels；
OO'＝1/2*FD_P1/tanα；
OP1＝sqrt(Z*Z+h*h)；
Tanβ＝h/Z，γ＝β-arccos(OO'/OP1)；
Z0＝h/tan(α+γ)；
OP0＝sqrt(z0*z0+h*h)；
FD_P0＝2*OP0*sinα；
Scale_P0＝FD_P0/img_h_pixels；
OO”＝OP0*cosα；
P0P1'＝FD_P0/2-OO”*tan(β-γ)；
Z1＝Z-Z0；
zStep＝Z1/P0P1'；
AP＝Z0+(V_P-V_P0)*zStep；
OP＝sqrt(AP*AP+h*h)；
α1＝arctan(AP/h)；
α2＝90-γ-α1；
OOP＝cos(α2)*OP；
FD_P＝2*OOP*tanα；
Scale_P＝FD_P/img_h_pixels；
其中，FD_P1为单目图像中的输电线路通道中的杆塔与地面的交点P1处的纵向视野长度，obj_h_m为参照物实际物理高度尺寸，obj_h_pixels为参照物当前高度所占像素数量，img_h_pixels为所述单目图像v轴方向包含的像素点的数量；OO’为所述P1点的物距长度，α为所述单目相机垂直视野角的半角；OP1为所述单目相机的主点O与P1点的实际距离，Z为输电线路通道中两个杆塔之间的距离，h为所述单目相机的安装高度；β为OP1与水平方向的夹角，γ为所述单目相机的主光轴与水平方向的夹角；Z0为所述单目相机对输电线路通道中两个杆塔之间地面的盲区长度；OP0为主点O与所述满足预设条件的像素点中纵坐标最小的像素点的投影点P0的实际距离；FD_P0为P0处的纵向视野的实际物理尺寸；Scale_P0为FD_P0中单个像素代表的实际物理尺寸；OO”为P0点处的物距长度；P0P1’为P0点处视野中可见地面的成像视野的长度；Z1为输电线路通道中两个杆塔之间被单目相机覆盖的可见地面长度；zStep为Z1与P0P1’的比值；AP为所述单目相机地面投影点A到P0P1’中任意一个像点对应的投影点P的距离，V_P为P点映射在图像二维坐标系中的纵坐标值，V_P0为P0点映射在图像二维坐标系中的纵坐标值；OP为主点O与点P的距离；α1为OP与OA之间的夹角；α2为OP与主光轴之间的夹角；OP为P点处的视野与主光轴的交点，OOP为P点的物距长度；FD_P为P点处的纵向视野的实际物理尺寸；Scale_P为P点处纵向视野中单个像素代表的实际物理尺寸。
6.根据权利要求2所述的一种隐患目标识别方法，其特征在于，所述确定所述隐患目标与所述输电线路通道中导线的实际物理距离具体包括：
在所述三维坐标系中，确定隐患目标最高点B与输电线路通道中导线所在若干像素点的最短距离点C，获取隐患目标最高点B与所述C点的三维坐标，并将所述C点映射到图像二维坐标系中，得到C点的二维坐标；
根据所述B点的二维坐标和所述C点的二维坐标，在所述图像二维坐标系中，确定B、C两点的像素距离；根据B点在所述图像二维坐标系中的纵坐标V_B值，在所述像素比例尺关系表中查找与所述V_B值对应的Scale值；
根据L实际＝L像素×scale_B，得到B点与C点之间的实际物理尺寸；其中，L实际为B点与C点的实际物理尺寸，L像素为B点与C点的像素距离，Scale_B为所述像素比例尺关系表中V_B对应的Scale值。
7.根据权利要求1所述的一种隐患目标识别方法，其特征在于，所述以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系，并根据所述单目相机拍摄的单目图像建立图像二维坐标系，具体包括：
以输电线路通道中杆塔上的单目相机的地面投影点A为原点，以垂直于地面方向为y轴，以平行于输电线路通道方向为z轴，以平行于地面且垂直于输电线路通道方向为x轴，建立所述三维坐标系；
以所述单目图像中任意一点为原点，以所述单目图像的水平方向为u轴，以所述单目图像的垂直方向为v轴，建立所述图像二维坐标系。
8.根据权利要求3所述的一种隐患目标识别方法，其特征在于，在所述确定所述隐患目标与所述输电线路通道中的导线的实际物理距离之后，所述方法还包括：
按照所述隐患目标与所述输电线路通道中的导线之间的实际物理距离，分级划分所述隐患目标的隐患威胁等级，当所述隐患威胁等级高于预设阈值时，发出告警信息；所述隐患目标在所述立体防护区外的情况下，隐患威胁等级最低；所述隐患目标在所述立体防护区内的情况下，隐患目标与输电线路通道中的导线之间的最短实际物理距离越小，威胁隐患等级越高。
9.根据权利要求6所述的一种隐患目标识别方法，其特征在于，在所述获取隐患目标最高点B与所述C点的三维坐标之前，所述方法还包括：
根据输电线路通道中导线所在若干像素点在图像二维坐标系中的位置信息，确定所述输电线路通道中导线所在若干像素点在三维坐标系中的x坐标和y坐标；将所述输电线路通道中的导线与所述输电线路通道中的导线在地面上的投影做线性映射，以所述输电线路通道中导线的投影为参照，确定所述输电线路通道中导线所在若干像素点的z坐标，从而获得输电线路通道中导线所在若干像素点的三维坐标集合。
10.一种隐患目标识别装置，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：
以输电线路通道中的杆塔上的单目相机的地面投影点为原点，建立三维坐标系；以及建立所述单目相机拍摄的单目图像的二维坐标系；
确定所述图像二维坐标系中满足预设条件的像素点，在所述三维坐标系中的投影点的纵向视野中，单个像素点对应的实际物理尺寸；其中，所述预设条件为，在图像二维坐标系中，纵坐标在所述单目相机对应的可见地面的纵坐标范围内；根据满足所述预设条件的若干像素点在所述图像二维坐标系中的纵坐标，与所述若干像素点分别对应的投影点处纵向视野中单个像素点对应的实际物理尺寸的对应关系，以及根据隐患目标与输电线路通道中的导线在所述图像二维坐标系中的像素距离，确定所述隐患目标与所述输电线路通道中的导线的实际物理距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011024590.3A CN114255405A (zh) | 2020-09-25 | 2020-09-25 | 一种隐患目标识别方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011024590.3A CN114255405A (zh) | 2020-09-25 | 2020-09-25 | 一种隐患目标识别方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114255405A true CN114255405A (zh) | 2022-03-29 |
Family
ID=80790561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011024590.3A Pending CN114255405A (zh) | 2020-09-25 | 2020-09-25 | 一种隐患目标识别方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114255405A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035468A (zh) * | 2022-06-06 | 2022-09-09 | 国网北京市电力公司 | 输电线路的监测方法、装置以及电子设备 |
| CN115294740A (zh) * | 2022-07-25 | 2022-11-04 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
| CN115496399A (zh) * | 2022-10-12 | 2022-12-20 | 杭州余杭建筑设计院有限公司 | 基于无人机的基坑勘测任务即时更新分配方法及*** |
| CN116805277A (zh) * | 2023-08-18 | 2023-09-26 | 吉奥时空信息技术股份有限公司 | 一种视频监控目标节点像素坐标转换方法及*** |
| CN117092641A (zh) * | 2023-10-20 | 2023-11-21 | 江苏翰林正川工程技术有限公司 | 一种基于雷达测距与图像识别的信息融合方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160093052A1 (en) * | 2014-09-26 | 2016-03-31 | Neusoft Corporation | Method and apparatus for detecting obstacle based on monocular camera |
| WO2018027339A1 (en) * | 2016-08-06 | 2018-02-15 | SZ DJI Technology Co., Ltd. | Copyright notice |
| CN108875561A (zh) * | 2018-04-27 | 2018-11-23 | 山东信通电子股份有限公司 | 一种输电线路监控隐患预警图像的隐患重复判别方法 |
| CN110174088A (zh) * | 2019-04-30 | 2019-08-27 | 上海海事大学 | 一种基于单目视觉的目标测距方法 |
| WO2020146980A1 (zh) * | 2019-01-14 | 2020-07-23 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
-
2020
- 2020-09-25 CN CN202011024590.3A patent/CN114255405A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160093052A1 (en) * | 2014-09-26 | 2016-03-31 | Neusoft Corporation | Method and apparatus for detecting obstacle based on monocular camera |
| WO2018027339A1 (en) * | 2016-08-06 | 2018-02-15 | SZ DJI Technology Co., Ltd. | Copyright notice |
| CN108875561A (zh) * | 2018-04-27 | 2018-11-23 | 山东信通电子股份有限公司 | 一种输电线路监控隐患预警图像的隐患重复判别方法 |
| WO2020146980A1 (zh) * | 2019-01-14 | 2020-07-23 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
| CN110174088A (zh) * | 2019-04-30 | 2019-08-27 | 上海海事大学 | 一种基于单目视觉的目标测距方法 |
Non-Patent Citations (1)
| Title |
|---|
| 关闯;魏朗;乔洁;杨炜;: "一种基于消隐点的单目视觉车辆测距方法", 电子测量技术, no. 11, 8 June 2018 (2018-06-08) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035468A (zh) * | 2022-06-06 | 2022-09-09 | 国网北京市电力公司 | 输电线路的监测方法、装置以及电子设备 |
| CN115294740A (zh) * | 2022-07-25 | 2022-11-04 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
| CN115294740B (zh) * | 2022-07-25 | 2023-11-07 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
| CN115496399A (zh) * | 2022-10-12 | 2022-12-20 | 杭州余杭建筑设计院有限公司 | 基于无人机的基坑勘测任务即时更新分配方法及*** |
| CN116805277A (zh) * | 2023-08-18 | 2023-09-26 | 吉奥时空信息技术股份有限公司 | 一种视频监控目标节点像素坐标转换方法及*** |
| CN116805277B (zh) * | 2023-08-18 | 2024-01-26 | 吉奥时空信息技术股份有限公司 | 一种视频监控目标节点像素坐标转换方法及*** |
| CN117092641A (zh) * | 2023-10-20 | 2023-11-21 | 江苏翰林正川工程技术有限公司 | 一种基于雷达测距与图像识别的信息融合方法 |
| CN117092641B (zh) * | 2023-10-20 | 2023-12-15 | 江苏翰林正川工程技术有限公司 | 一种基于雷达测距与图像识别的信息融合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114255405A (zh) | 一种隐患目标识别方法与装置 | |
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN113313005B (zh) | 基于目标识别与重建的输电导线在线监测方法及*** | |
| EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
| CN112344869B (zh) | 基于侧面拟合的铁塔变形监测方法及*** | |
| CN111753712A (zh) | 电力生产人员安全监测方法、***以及设备 | |
| CN115294145B (zh) | 一种输电线路弧垂的测量方法及*** | |
| CN110533649B (zh) | 一种无人机通用结构裂缝识别检测装置及方法 | |
| CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
| CN116824516B (zh) | 一种涉路施工安全监测及管理*** | |
| CN116363585A (zh) | 一种输电线路在线监测方法及*** | |
| CN115511878A (zh) | 一种边坡地表位移监测方法、装置、介质及设备 | |
| CN110992418A (zh) | 一种导线覆冰厚度监测***及方法 | |
| CN114821497A (zh) | 目标物位置的确定方法、装置、设备及存储介质 | |
| CN117353460A (zh) | 一种电力线路巡检方法、装置、设备及介质 | |
| CN113705350A (zh) | 变电站的指针仪表读数识别方法、装置、介质和电子设备 | |
| CN113567451A (zh) | 一种电缆线缺陷检测以及直径测量方法 | |
| CN114008447A (zh) | 用于查明和显示架空电线的部件处的潜在的损伤部位的方法 | |
| CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
| CN111583336B (zh) | 一种机器人及其巡检方法和装置 | |
| KR102310900B1 (ko) | 무인항공기를 이용한 송전설비의 진단장치 및 그 방법 | |
| CN114240911A (zh) | 一种输电线路外破对象距离测算方法和*** | |
| US20230243976A1 (en) | Systems and methods for utility pole loading and/or clearance analyses | |
| CN117218123B (zh) | 一种基于点云的冷轧带钢飞丝设备故障检测方法及*** | |
| CN116912721B (zh) | 一种基于单目立体视觉的配电网设备本体识别方法及*** |
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 |