CN115311355B - 接触网异物风险预警方法、装置、设备及存储介质 - Google Patents
接触网异物风险预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115311355B CN115311355B CN202211145389.XA CN202211145389A CN115311355B CN 115311355 B CN115311355 B CN 115311355B CN 202211145389 A CN202211145389 A CN 202211145389A CN 115311355 B CN115311355 B CN 115311355B
- Authority
- CN
- China
- Prior art keywords
- foreign matter
- foreign
- determining
- risk score
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种接触网异物风险预警方法、装置、设备及存储介质。本公开实施例,通过获取接触网预设范围内的图像;在图像中进行异物识别,得到接触网预设范围内的异物信息;基于异物信息,发送告警信息,可以根据接触网预设范围内的图像及时发现接触网预设范围内的异物隐患并进行预警,节省大量的巡检人力和时间,提高发现异物隐患的效率和准确性。
Description
技术领域
本公开涉及接触网安全技术领域,尤其涉及一种接触网异物风险预警方法、装置、设备及存储介质。
背景技术
对于电气化铁路而言,位于轨道上方的接触网是列车行驶的唯一动力,受电弓必须通过接触网才能获取电能。如果接触网上悬挂了异物,例如,土地上覆盖的地膜、防尘网、塑料袋、风筝线等容易随风飘浮的易飘物,可能导致接触网线路短路跳闸,直接中断供电,也有可能引起受电弓故障导致取电受阻,给列车运行带来严重的安全隐患。
目前,铁路部门通过巡检人员对接触网以及接触网周围的环境进行巡检,发现异物隐患并采取相应措施对异物进行处理,来消除异物隐患,防止大风天气条件下危害铁路安全,例如,若发现铁路线路两侧存在活动的易飘物等,可以对该易飘物进行加固或清除。但是,这种方式会耗费大量的人力和时间,效率低下,发现异物的时效性差,无法对异物隐患进行及时预警。
发明内容
为了解决上述技术问题,本公开提供了一种接触网异物风险预警方法、装置、设备及存储介质。
本公开实施例的第一方面提供了一种接触网异物风险预警方法,该方法包括:
获取接触网预设范围内的图像;
在图像中进行异物识别,得到接触网预设范围内的异物信息;
基于异物信息,发送告警信息。
本公开实施例的第二方面提供了一种接触网异物风险预警装置,该装置包括:
获取模块,用于获取接触网预设范围内的图像;
识别模块,用于在图像中进行异物识别,得到接触网预设范围内的异物信息;
发送模块,用于基于异物信息,发送告警信息。
本公开实施例的第三方面提供了一种计算机设备,该设备包括存储器和处理器,其中,存储器中存储有计算机程序,当计算机程序被处理器执行时,可以实现上述第一方面的接触网异物风险预警方法。
本公开实施例的第四方面提供了一种计算机可读存储介质,存储介质中存储有计算机程序,当计算机程序被处理器执行时,可以实现上述第一方面的接触网异物风险预警方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例,通过获取接触网预设范围内的图像;在图像中进行异物识别,得到接触网预设范围内的异物信息;基于异物信息,发送告警信息,可以根据接触网预设范围内的图像及时发现接触网预设范围内的异物隐患并进行预警,节省大量的巡检人力和时间,提高发现异物隐患的效率和准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种接触网异物风险预警方法的流程图;
图2是本公开实施例提供的另一种接触网异物风险预警方法的流程图;
图3是本公开实施例提供的又一种接触网异物风险预警方法的流程图;
图4是本公开实施例提供的一种接触网异物风险预警装置的结构示意图;
图5是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
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。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
对于电气化铁路而言,位于轨道上方的接触网是列车行驶的唯一动力,受电弓必须通过接触网才能获取电能。如果接触网上悬挂了异物,例如,土地上覆盖的地膜、防尘网、塑料袋、风筝线等容易随风飘浮的易飘物,可能导致接触网线路短路跳闸,直接中断供电,也有可能引起受电弓故障导致取电受阻,给列车运行带来严重的安全隐患。
目前,铁路部门通过巡检人员对接触网以及接触网周围的环境进行巡检,发现异物隐患并采取相应措施对异物进行处理,来消除异物隐患,防止大风天气条件下危害铁路安全,例如,若发现铁路线路两侧存在活动的易飘物等,可以对该易飘物进行加固或清除。但是,这种方式会耗费大量的人力和时间,效率低下,发现异物的时效性差,无法对异物隐患进行及时预警。
针对相关技术在接触网异物风险预警方面存在的缺陷,本公开实施例提供了一种接触网异物风险预警方法,可以根据接触网预设范围内的图像及时发现接触网预设范围内的异物隐患并进行预警,可以节省大量的巡检人力和时间,提高发现异物隐患的效率和准确性。
本公开实施例提供的接触网异物风险预警方法,可以由一种计算机设备来执行,该设备可以被理解为任意一种具有处理能力和计算能力的设备,该设备可以包括但不限于诸如智能手机、笔记本电脑、个人数字助理(PDA)、平板电脑(PAD)、车载终端(例如车载导航终端)、可穿戴设备等的移动终端,以及诸如数字TV、台式计算机等的固定电子设备。
为了更好的理解本公开实施例的发明构思,下面结合示例性的实施例对本公开实施例的技术方案进行说明。
图1是本公开实施例提供的一种接触网异物风险预警方法的流程图,如图1所示,本实施例提供的接触网异物风险预警方法可以包括步骤110-130:
步骤110、获取接触网预设范围内的图像。
本公开实施例中的预设范围可以根据实际需要进行设定,例如,预设范围可以是接触网左右两侧500m的范围,这里不作具体限定。
本公开实施例中,接触网预设范围内布置有若干个图像采集设备,该若干个图像采集设备可以采集该接触网预设范围内的图像,图像采集设备可以包括摄像机等可以进行图像采集的设备,计算机设备可以与图像采集设备建立通信连接,从接触网预设范围内的若干个图像采集设备中获取接触网预设范围内的图像。
步骤120、在图像中进行异物识别,得到接触网预设范围内的异物信息。
本公开实施例中的异物可以理解为土地上覆盖的地膜、防尘网、塑料、风筝线等容易随风飘浮的易飘物,异物信息可以包括异物的地理位置、类型、数量等数据,但不限于此,其中,异物的地理位置可以理解为异物的中心点在世界坐标系下的三维坐标或异物的边界在世界坐标系下的三维坐标,异物的类型可以理解为异物所属的种类,可以包括塑料、网状物、线、牌状物、瓦状物等类型,其中,塑料包括土地上覆盖的地膜、塑料袋等,网状物包括防尘网等,线包括风筝线等,瓦状物包括彩钢瓦等。
本公开实施例中,计算机设备在获取接触网预设范围内的图像之后,可以在图像中进行异物识别,得到图像中的异物信息,即得到接触网预设范围内的异物信息。具体的,计算机设备可以将接触网预设范围内的图像输入预设的异物识别模型,基于预设的异物识别模型进行异物识别,确定图像中的异物信息,进而得到接触网预设范围内的异物信息。其中,预设的异物识别模型可以通过机器学习算法,基于大量的异物图像样本进行训练,学习到从图像中识别异物的能力,具体的异物识别模型可以参考相关的图像识别模型,这里不作具体限定。
在一些实施例中,在图像中进行异物识别,得到接触网预设范围内的异物信息,可以包括步骤1201-1203:
步骤1201、在图像中进行异物识别,确定图像中存在异物的异常图像以及异常图像中的异物的类型和数量。
本公开实施例中,计算机设备在获取接触网预设范围内的图像之后,可以在图像中进行异物识别,确定图像中存在异物的异常图像以及异常图像中的异物的类型和数量。具体的,计算机设备可以将接触网预设范围内的图像输入预设的异物识别模型,基于预设的异物识别模型进行异物识别,确定图像中存在异物的异常图像以及异常图像中的异物的类型和数量。
步骤1202、基于异常图像以及异常图像的采集位置,确定异物的地理位置以及实际大小。
本公开实施例中,图像的采集位置可以理解为图像采集设备采集的图像的相机中心在图像采集设备所处的世界坐标系下的三维坐标,可以通过预先人工测绘或相机标定获得。
本公开实施例中,计算机设备在确定图像中存在异物的异常图像之后,可以基于异常图像以及异常图像的采集位置,确定异物的地理位置以及实际大小。
在一些实施例中,基于异常图像以及异常图像的采集位置,确定异物的地理位置以及实际大小,可以包括步骤120201-120204:
步骤120201、对异常图像进行异物识别,得到异物在异常图像中的像素位置。
本公开实施例中,异常图像是由多个像素点构成的图像,每个像素点在异常图像中具有特定的像素坐标,像素坐标可以包括横向和纵向坐标,像素坐标可以唯一确定该像素点在异常图像中的像素位置。每个异物可以理解为具有多个边界线的多边形区域,在异常图像中,异物在异常图像中的像素位置可以理解为异物的中心点的像素坐标或组成异物的边界的像素点的像素坐标,异物的中心点为组成异物的多边形的中心点。
本公开实施例中,计算机设备在确定图像中存在异物的异常图像之后,可以对异常图像进行异物识别,得到异物在异常图像中的像素位置。
步骤120202、基于像素位置,确定异物与异常图像的采集位置之间的相对位置关系。
本公开实施例中,异物与异常图像的采集位置之间的相对位置关系可以理解为图像采集设备拍摄异物时的相机中心与异物的每个点的连线在水平方向的角度和相机中心与异物的每个点的直线距离。
本公开实施例中,计算机设备在获得异物在异常图像中的像素位置之后,可以根据投影成像原理,根据异物的每个点的像素坐标以及图像采集设备采集异常图像时的焦距,确定相机中心与异物的每个点的连线在水平方向的角度。计算机设备在确定相机中心与异物的每个点的连线在水平方向的角度之后,可以根据异常图像的采集位置,确定异常图像的采集位置垂直于异物所在平面的高度,接着根据异常图像的采集位置垂直于异物所在平面的高度以及相机中心与异物的每个点的连线在水平方向的角度,计算相机中心与异物的每个点的直线距离。
本公开实施例中,计算机设备在得到异物在异常图像中的像素位置之后,可以基于像素位置,确定异物与异常图像的采集位置之间的相对位置关系。
步骤120203、基于相对位置关系以及异常图像的采集位置,确定异物的地理位置。
本公开实施例中,计算机设备在确定异物与异常图像的采集位置之间的相对位置关系之后,可以基于相对位置关系以及异常图像的采集位置,确定异物的地理位置。其中,异物的地理位置可以理解为异物的中心点在世界坐标系下的三维坐标或异物的边界在世界坐标系下的三维坐标。
步骤120204、基于异物的地理位置,确定异物的实际大小。
本公开实施例中,计算机设备在获得异物的地理位置之后,可以基于异物的边界的地理位置,即异物的边界在世界坐标系下的三维坐标,确定异物的实际大小。
步骤1203、基于异物的类型和数量、以及异物的地理位置和实际大小,确定接触网预设范围内的异物信息。
本公开实施例中,计算机设备在获得接触网预设范围内的异物的类型和数量、以及异物的地理位置和实际大小之后,可以将异物的类型和数量、以及异物的地理位置和实际大小确定为接触网预设范围内的异物信息。
由此,可以根据接触网预设范围内的图像即可获得接触网预设范围内的异物信息,无需人力,可以及时发现接触网预设范围内的异物隐患。
步骤130、基于异物信息,发送告警信息。
本公开实施例中,计算机设备在基于图像以及图像的采集位置,确定图像中的异物信息之后,可以根据异物信息,向该接触网所属路段的控制中心或工作人员发送告警信息,告警信息中可以包括异物信息,以提醒工作人员采取相应的措施对异物隐患进行清除。
本公开实施例,通过获取接触网预设范围内的图像;在图像中进行异物识别,得到接触网预设范围内的异物信息;基于异物信息,发送告警信息,可以根据接触网预设范围内的图像及时发现接触网预设范围内的异物隐患并进行预警,节省大量的巡检人力和时间,提高发现异物隐患的效率和准确性。
图2是本公开实施例提供的一种接触网异物风险预警方法的流程图,如图2所示,本实施例提供的接触网异物风险预警方法可以包括步骤210-250:
步骤210、获取接触网预设范围内的图像。
步骤220、在图像中进行异物识别,得到图像中的异物信息。
本公开实施例中的步骤210-220可以参考上述步骤110-120,这里不再赘述。
步骤230、基于异物信息,确定异物对应的风险等级。
本公开实施例中,计算机设备在确定图像中的异物信息之后,可以基于异物信息,确定异物对接触网的影响程度大小,然后可以根据异物对接触网的影响程度大小,确定异物对应的风险等级,异物对接触网的影响程度越大,异物对应的风险等级越高。
在一些实施例中,基于异物信息,确定异物对应的风险等级,可以包括步骤2301-2308:
步骤2301、基于异物信息,确定异物的地理位置、异物的数量以及异物的实际大小。
本公开实施例中,异物信息中可以包括接触网预设范围内异物的数量和异物的地理位置,计算机设备可以基于异物信息,确定接触网预设范围内异物的数量和异物的地理位置。
步骤2302、基于异物的地理位置与预先存储的接触网的地理位置,计算异物与接触网的最小距离。
本公开实施例中,接触网的地理位置可以理解为接触网在世界坐标系下的三维坐标,计算机设备可以预先获取并存储各个接触网的地理位置。
本公开实施例中,计算机设备可以基于异物的地理位置与预先存储的接触网的地理位置,计算异物与接触网的最小距离。
步骤2303、基于最小距离与风险得分的映射关系,确定最小距离对应的第一风险得分。
本公开实施例中,计算机设备可以预先存储异物与接触网的最小距离与风险得分的映射关系,最小距离越小,表示异物距离接触网越近,接触网的异物风险隐患越高,对应的风险得分越高,当最小距离为0时,表示异物已与接触网接触,此时接触网的异物风险隐患达到最高值,风险得分达到最高。计算机设备在获得异物与接触网的最小距离之后,可以基于最小距离与风险得分的映射关系,确定最小距离对应的第一风险得分。
步骤2304、基于异物的数量与风险得分的映射关系,确定异物的数量对应的第二风险得分。
本公开实施例中,计算机设备可以预先存储异物的数量与风险得分的映射关系,异物的数量越大,对应的风险得分越高。计算机设备在获得异物的数量之后,可以基于异物的数量与风险得分的映射关系,确定异物的数量对应的第二风险得分。
步骤2305、基于异物的实际大小与风险得分的映射关系,确定异物的实际大小对应的第三风险得分。
本公开实施例中,计算机设备可以预先存储异物的实际大小与风险得分的映射关系,异物的实际大小越大,对应的风险得分越高,计算机设备在获得异物的实际大小之后,可以基于异物的实际大小与风险得分的映射关系,确定异物的实际大小对应的第三风险得分。
步骤2306、计算第一风险得分、第二风险得分与第三风险得分的和值,得到异物的第四风险得分。
本公开实施例中,计算机设备在获得异物与接触网的最小距离对应的第一风险得分、异物的数量对应的第二风险得分以及异物的实际大小对应的第三风险得分之后,可以计算第一风险得分、第二风险得分和第三风险得分的和值,得到异物的第四风险得分。
步骤2307、基于风险得分与风险等级的映射关系,确定第四风险得分对应的风险等级。
本公开实施例中,计算机设备可以预先存储风险得分与风险等级的映射关系,风险得分越高,对应的风险等级越高。计算机在获得异物的第四风险得分之后,可以基于风险得分与风险等级的映射关系,确定第四风险得分对应的风险等级。
步骤2308、将第四风险得分对应的风险等级确定为异物对应的风险等级。
本公开实施例中,计算机设备在获得第四风险得分对应的风险等级之后,可以将第四风险得分对应的风险等级确定为异物对应的风险等级。
步骤240、基于风险等级与告警信息的映射关系,确定风险等级对应的告警信息。
本公开实施例中,计算机可以预先存储风险等级与告警信息的映射关系,风险等级越高,表示异物对接触网的影响越大,对应的告警信息越紧急,告警信息中可以包括异物的风险等级、地理位置、数量等信息,但不限于此。计算机在获得异物对应的风险等级之后,可以基于风险等级与告警信息的映射关系,确定风险等级对应的告警信息。
步骤250、发送告警信息。
本公开实施例中,计算机在确定风险等级对应的告警信息之后,可以向控制中心或工作人员发送告警信息,以使工作人员根据对应的异物的风险等级,采取相应的措施,消除异物隐患,例如,当告警信息中的风险等级为最高等级时,工作人员应立即对异物隐患进行清除。
由此,可以根据异物距离接触网的距离、异物的数量以及异物的实际大小,确定异物的风险等级,以使工作人员根据风险等级,采取相应的措施,消除异物隐患。
图3是本公开实施例提供的一种接触网异物风险预警方法的流程图,如图3所示,本实施例提供的接触网异物风险预警方法可以包括步骤310-370:
步骤310、获取接触网预设范围内的图像。
本公开实施例可以参考上述步骤110的内容,这里不再赘述。
步骤320、在图像中进行异物识别,确定图像中存在异物的异常图像。
本公开实施例可以参考上述步骤1201的内容,这里不再赘述。
步骤330、基于异常图像以及异常图像的采集位置,确定异物的地理位置以及实际大小。
本公开实施例可以参考上述步骤1202的内容,这里不再赘述。
步骤340、获取接触网预设范围内的风速信息。
本公开实施例中,风速信息可以包括风速的大小和方向,风速的大小可以理解为空气相对于某一固定地点的运动速率,常用单位是m/s。
本公开实施例中,接触网预设范围内设置有风速计,可以采集接触网预设范围内的风速信息,计算机设备可以与风速计建立通信连接,计算机设备可以从接触网预设范围内设置的风速计中获取接触网预设范围内的风速信息。
步骤350、基于风速信息、异物的地理位置以及预先存储的接触网的地理位置,计算异物到达接触网的时长。
本公开实施例中,计算机设备可以根据异物的地理位置以及预先存储的接触网的地理位置,计算异物与接触网的距离,然后根据异物与接触网的距离以及风速信息,计算异物到达接触网的时长。
步骤360、基于异物到达接触网的时长以及异物的地理位置,生成告警信息。
本公开实施例中,计算机设备可以根据异物到达接触网的时长以及异物的地理位置,生成告警信息,告警信息中可以包括异物到达接触网的时长以及异物的地理位置等信息,但不限于此。
步骤370、发送告警信息。
本公开实施例中,计算机设备在生成包括异物到达接触网的时长以及异物的地理位置的告警信息后,可以将该告警信息发送给控制中心或工作人员,以使工作人员采取相应的措施,及时对异物进行加固或清除,消除接触网的异物隐患。
由此,可以通过异物到达接触网的时长以及异物的地理位置,及时发现接触网预设范围内的异物隐患并进行预警,提高发现异物隐患的效率和准确性。
图4是本公开实施例提供的一种接触网异物风险预警装置的结构示意图,该装置可以被理解为上述计算机设备或者上述计算机设备中的部分功能模块。如图4所示,该接触网异物风险预警装置400可以包括:
获取模块410,用于获取接触网预设范围内的图像;
识别模块420,用于在图像中进行异物识别,得到接触网预设范围内的异物信息;
发送模块430,用于基于异物信息,发送告警信息。
可选的,上述识别模块420可以包括:
识别子模块,用于在图像中进行异物识别,确定图像中存在异物的异常图像以及异常图像中的异物的类型和数量;
第一确定子模块,用于基于异常图像以及异常图像的采集位置,确定异物的地理位置以及实际大小;
第二确定子模块,用于基于异物的类型和数量、以及异物的地理位置和实际大小,确定接触网预设范围内的异物信息。
可选的,上述第一确定子模块可以包括:
识别单元,用于对异常图像进行异物识别,得到异物在异常图像中的像素位置;
第一确定单元,用于基于像素位置,确定异物与异常图像的采集位置之间的相对位置关系;
第二确定单元,用于基于相对位置关系以及异常图像的采集位置,确定异物的地理位置;
第三确定单元,用于基于异物的地理位置,确定异物的实际大小。
可选的,上述发送模块430,可以包括:
第三确定子模块,用于基于异物信息,确定异物对应的风险等级;
第四确定子模块,用于基于风险等级与告警信息的映射关系,确定风险等级对应的告警信息;
发送子模块,用于发送告警信息。
可选的,上述第三确定子模块,可以包括:
第四确定单元,用于基于异物信息,确定异物的地理位置、异物的数量以及异物的实际大小;
第一计算单元,用于基于异物的地理位置与预先存储的接触网的地理位置,计算异物与接触网的最小距离;
第五确定单元,用于基于最小距离与风险得分的映射关系,确定最小距离对应的第一风险得分;
第六确定单元,用于基于异物的数量与风险得分的映射关系,确定异物的数量对应的第二风险得分;
第七确定单元,用于基于异物的实际大小与风险得分的映射关系,确定异物的实际大小对应的第三风险得分;
第二计算单元,用于计算第一风险得分、第二风险得分以及第三风险得分的和值,得到异物的第四风险得分;
第八确定单元,用于基于风险得分与风险等级的映射关系,确定第四风险得分对应的风险等级;
第九确定单元,用于将第四风险得分对应的风险等级确定为异物对应的风险等级。
可选的,上述识别模块420还可以包括:
获取子模块,用于获取接触网预设范围内的风速信息;
计算子模块,用于获基于风速信息、异物的地理位置以及预先存储的接触网的地理位置,计算异物到达接触网的时长;
生成子模块,用于基于时长以及异物的地理位置,生成告警信息。
本公开实施例提供的接触网异物风险预警装置可以实现上述任一实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
本公开实施例还提供一种计算机设备,该计算机设备包括处理器和存储器,其中,存储器中存储有计算机程序,当该计算机程序被该处理器执行时可以实现上述任一实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
本公开实施例中的计算机设备可以被理解为任意一种具有处理能力和计算能力的设备,该设备可以包括但不限于诸如智能手机、笔记本电脑、个人数字助理(PDA)、平板电脑(PAD)、车载终端(例如车载导航终端)、可穿戴设备等的移动终端,以及诸如数字TV、台式计算机等的固定电子设备。
图5是本公开实施例提供的一种计算机设备的结构示意图,如图5所示,计算机设备500可以包括处理器510和存储器520,其中,存储器520中存储有计算机程序521,当该计算机程序521被该处理器510执行时可以实现上述任一实施例提供的方法,其执行方式和有益效果类似,在这里不再赘述。
当然,为了简化,图5中仅示出了该计算机设备500中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口、输入装置和输出装置等的组件。除此之外,根据具体应用情况,计算机设备500还可以包括任何其他适当的组件。
本公开实施例提供了一种计算机可读存储介质,该存储介质中存储有计算机程序,当该计算机程序被处理器执行时,可以实现上述任一实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
上述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
上述计算机程序可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算机设备上部分在远程计算机设备上执行、或者完全在远程计算机设备或服务器上执行。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种接触网异物风险预警方法,其特征在于,包括:
获取接触网预设范围内的图像;
在所述图像中进行异物识别,得到所述接触网预设范围内的异物信息;
基于所述异物信息,发送告警信息;
所述基于所述异物信息,发送告警信息,包括:
基于所述异物信息,确定所述异物对应的风险等级;
基于所述风险等级与告警信息的映射关系,确定所述风险等级对应的告警信息;
发送所述告警信息;
所述基于所述异物信息,确定所述异物对应的风险等级,包括:
基于所述异物信息,确定所述异物的地理位置、异物的数量以及异物的实际大小;
基于所述异物的地理位置与预先存储的接触网的地理位置,计算所述异物与所述接触网的最小距离;
基于所述最小距离与风险得分的映射关系,确定所述最小距离对应的第一风险得分;
基于所述异物的数量与风险得分的映射关系,确定所述异物的数量对应的第二风险得分;
基于所述异物的实际大小与风险得分的映射关系,确定所述异物的实际大小对应的第三风险得分;
计算所述第一风险得分、所述第二风险得分以及所述第三风险得分的和值,得到所述异物的第四风险得分;
基于风险得分与风险等级的映射关系,确定所述第四风险得分对应的风险等级;
将所述第四风险得分对应的风险等级确定为所述异物对应的风险等级;
所述发送告警信息之前,所述方法还包括:
获取所述接触网预设范围内的风速信息;
基于所述风速信息、所述异物的地理位置以及预先存储的接触网的地理位置,计算所述异物到达接触网的时长;
基于所述时长以及所述异物的地理位置,生成告警信息。
2.根据权利要求1所述的方法,其特征在于,所述在所述图像中进行异物识别,得到所述接触网预设范围内的异物信息,包括:
在所述图像中进行异物识别,确定所述图像中存在异物的异常图像以及所述异常图像中的异物的类型和数量;
基于所述异常图像以及所述异常图像的采集位置,确定所述异物的地理位置以及实际大小;
基于所述异物的类型和数量、以及所述异物的地理位置和实际大小,确定所述接触网预设范围内的异物信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述异常图像以及所述异常图像的采集位置,确定所述异物的地理位置以及实际大小,包括:
对所述异常图像进行异物识别,得到所述异物在所述异常图像中的像素位置;
基于所述像素位置,确定所述异物与所述异常图像的采集位置之间的相对位置关系;
基于所述相对位置关系以及所述异常图像的采集位置,确定所述异物的地理位置;
基于所述异物的地理位置,确定所述异物的实际大小。
4.一种接触网异物风险预警装置,其特征在于,包括:
获取模块,用于获取接触网预设范围内的图像;
识别模块,用于在图像中进行异物识别,得到接触网预设范围内的异物信息;
发送模块,用于基于所述异物信息,发送告警信息;
所述发送模块,包括:
第三确定子模块,用于基于所述异物信息,确定所述异物对应的风险等级;
第四确定子模块,用于基于所述风险等级与告警信息的映射关系,确定所述风险等级对应的告警信息;
发送子模块,用于发送所述告警信息;
所述第三确定子模块,包括:
第四确定单元,用于基于所述异物信息,确定所述异物的地理位置、异物的数量以及异物的实际大小;
第一计算单元,用于基于所述异物的地理位置与预先存储的接触网的地理位置,计算所述异物与所述接触网的最小距离;
第五确定单元,用于基于所述最小距离与风险得分的映射关系,确定所述最小距离对应的第一风险得分;
第六确定单元,用于基于所述异物的数量与风险得分的映射关系,确定所述异物的数量对应的第二风险得分;
第七确定单元,用于基于所述异物的实际大小与风险得分的映射关系,确定所述异物的实际大小对应的第三风险得分;
第二计算单元,用于计算所述第一风险得分、所述第二风险得分以及所述第三风险得分的和值,得到所述异物的第四风险得分;
第八确定单元,用于基于风险得分与风险等级的映射关系,确定所述第四风险得分对应的风险等级;
第九确定单元,用于将所述第四风险得分对应的风险等级确定为所述异物对应的风险等级;
所述识别模块包括:
获取子模块,用于获取所述接触网预设范围内的风速信息;
计算子模块,用于基于所述风速信息、所述异物的地理位置以及预先存储的接触网的地理位置,计算所述异物到达接触网的时长;
生成子模块,用于基于所述时长以及异物的地理位置,生成告警信息。
5.根据权利要求4所述的装置,其特征在于,所述识别模块包括:
识别子模块,用于在所述图像中进行异物识别,确定所述图像中存在异物的异常图像以及所述异常图像中的异物的类型和数量;
第一确定子模块,用于基于所述异常图像以及所述异常图像的采集位置,确定所述异物的地理位置以及实际大小;
第二确定子模块,用于基于所述异物的类型和数量、以及所述异物的地理位置和实际大小,确定所述接触网预设范围内的异物信息。
6.根据权利要求5所述的装置,其特征在于,所述第一确定子模块包括:
识别单元,用于对所述异常图像进行异物识别,得到所述异物在所述异常图像中的像素位置;
第一确定单元,用于基于所述像素位置,确定所述异物与所述异常图像的采集位置之间的相对位置关系;
第二确定单元,用于基于所述相对位置关系以及所述异常图像的采集位置,确定所述异物的地理位置;
第三确定单元,基于所述异物的地理位置,确定所述异物的实际大小。
7.一种计算机设备,其特征在于,包括:
存储器和处理器,其中,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,实现如权利要求1-3中任一项所述的接触网异物风险预警方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-3中任一项所述的接触网异物风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145389.XA CN115311355B (zh) | 2022-09-20 | 2022-09-20 | 接触网异物风险预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145389.XA CN115311355B (zh) | 2022-09-20 | 2022-09-20 | 接触网异物风险预警方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311355A CN115311355A (zh) | 2022-11-08 |
CN115311355B true CN115311355B (zh) | 2023-07-07 |
Family
ID=83867567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211145389.XA Active CN115311355B (zh) | 2022-09-20 | 2022-09-20 | 接触网异物风险预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311355B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172554A (zh) * | 2023-10-31 | 2023-12-05 | 中国铁建电气化局集团有限公司 | 覆冰灾害风险预测方法、装置、设备及存储介质 |
CN117933499A (zh) * | 2024-03-22 | 2024-04-26 | 中国铁建电气化局集团有限公司 | 高速铁路接触网的入侵风险预测方法、装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110133669A (zh) * | 2019-05-24 | 2019-08-16 | 中铁科学技术开发有限公司 | 一种三维激光异物侵限监测方法及*** |
CN112016641A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 一种异物导致线路短路故障告警方法及装置 |
CN113809709A (zh) * | 2020-06-11 | 2021-12-17 | 长沙理工大学 | 一种基于深度学习的架空线路清障装置及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544013B (zh) * | 2019-07-31 | 2024-03-05 | 平安科技(深圳)有限公司 | 灾害风险预警方法、装置、计算机设备及存储介质 |
CN111695506B (zh) * | 2020-06-11 | 2023-04-25 | 国网山东省电力公司电力科学研究院 | 一种输电线路风致异物短路故障预警方法及*** |
CN112776856A (zh) * | 2021-01-15 | 2021-05-11 | 中国神华能源股份有限公司神朔铁路分公司 | 轨道异物侵限监测方法、装置、***及监控主机设备 |
CN113177678A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种不同类型异物侵扰的气象风险预警方法及装置 |
CN113901906A (zh) * | 2021-09-30 | 2022-01-07 | 正星科技股份有限公司 | 加油枪的移动风险预警方法、装置、电子设备及介质 |
CN114241364A (zh) * | 2021-11-30 | 2022-03-25 | 南京理工大学 | 一种架空输电线路异物目标快速标定方法 |
CN114419616A (zh) * | 2022-01-19 | 2022-04-29 | 北京全路通信信号研究设计院集团有限公司 | 一种异物识别方法、装置、设备及存储介质 |
CN115019254A (zh) * | 2022-06-10 | 2022-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种输电区域异物入侵检测方法、装置、终端及存储介质 |
-
2022
- 2022-09-20 CN CN202211145389.XA patent/CN115311355B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110133669A (zh) * | 2019-05-24 | 2019-08-16 | 中铁科学技术开发有限公司 | 一种三维激光异物侵限监测方法及*** |
CN113809709A (zh) * | 2020-06-11 | 2021-12-17 | 长沙理工大学 | 一种基于深度学习的架空线路清障装置及方法 |
CN112016641A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 一种异物导致线路短路故障告警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115311355A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311355B (zh) | 接触网异物风险预警方法、装置、设备及存储介质 | |
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
Park et al. | In‐vehicle AR‐HUD system to provide driving‐safety information | |
CN109470254B (zh) | 地图车道线的生成方法、装置、***及存储介质 | |
CN103150786B (zh) | 一种非接触式无人驾驶车辆行驶状态测量***及测量方法 | |
CN115311354B (zh) | 异物风险区域的识别方法、装置、设备及存储介质 | |
EP4116462A2 (en) | Method and apparatus of processing image, electronic device, storage medium and program product | |
CN110501018A (zh) | 一种服务于高精度地图生产的交通标志牌信息采集方法 | |
CN109141347A (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
CN111046762A (zh) | 一种对象定位方法、装置电子设备及存储介质 | |
CN111091023A (zh) | 一种车辆检测方法、装置及电子设备 | |
CN114419922B (zh) | 车位识别方法及装置 | |
CN109300322B (zh) | 引导线绘制方法、装置、设备和介质 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
CN112906946B (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN112639822B (zh) | 一种数据处理方法及装置 | |
CN103679859A (zh) | 固定资产巡检***和相应的固定资产 | |
CN112926415A (zh) | 一种行人避让***和行人监测方法 | |
CN116047499B (zh) | 一种目标施工车辆的输电线路高精度实时防护***和方法 | |
JP2016009331A (ja) | 車両周辺監視装置 | |
CN114530057B (zh) | 一种车辆预警方法、装置、车辆及存储介质 | |
JPWO2020194570A1 (ja) | 標識位置特定システム及びプログラム | |
CN110727269A (zh) | 车辆控制方法及相关产品 | |
CN113298044B (zh) | 基于定位补偿的障碍物检测方法、***、设备及存储介质 | |
CN112818866B (zh) | 车辆定位的方法、装置及电子设备 |
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 |