CN115375762A - 一种基于三目视觉的电力线三维重构方法 - Google Patents
一种基于三目视觉的电力线三维重构方法 Download PDFInfo
- Publication number
- CN115375762A CN115375762A CN202210937648.6A CN202210937648A CN115375762A CN 115375762 A CN115375762 A CN 115375762A CN 202210937648 A CN202210937648 A CN 202210937648A CN 115375762 A CN115375762 A CN 115375762A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- xyz
- trinocular
- power line
- 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 29
- 238000012937 correction Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000005096 rolling process Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于三目视觉的电力线三维重构方法,包括以下步骤:(1):利用三目相机拍摄目标输电线路图像,获得三目图像以及相机拍摄时的滚转角;(2):利用Bouguet算法分别对图像信息进行初次校正;(3):通过平移顶摄像机和右摄像机完成顶摄像机和右摄像机的二次校正,校正后得到三目图像;(4):根据相机姿态确定电力线的匹配对;(5):提取与拟合匹配对中的电力线;(6):利用极线约束对配对中的电力线进行匹配并重建左图电力线的三维向量。本发明提供一种基于三目视觉的电力线三维重构方法,实现输电线路的准确定位,降低巡检人员工作强度与危险系数,提高工作效率。
Description
技术领域
本发明属于计算机视觉与输电线路巡检技术领域,特别涉及一种基于三目视觉的电力线三维重构方法。
背景技术
输电线路是电网中不可或缺的组成部分,主要承担电能的输送,对电网的安全、可靠运行起着非常重要的作用。因此保障输电线路***的正常运行是保障各行各业稳定安全运行的重要基础。但是,由于现代社会的不断发展,输电线路布设的范围越来越大,覆盖越来越广,地理环境愈加复杂,地面上高度不一的植被、建筑等都会对输电线构成潜在的威胁。因此有必要通过定时巡检电力走廊,保证电力设备的正常运营状态。
目前主要依靠人工进行线路运维,劳动强度大,且野外高压电力走廊维护危险性极高。这种低效的巡检模式已无法满足现代化电网建设与发展需求,因此势必需要一种智能、高效、安全的输电线巡检技术。随着摄像头技术和图像处理技术的成熟,以及无人机在电网运行各领域的广泛应用,将二者结合使用,自动对电力线下存在隐患的地区进行警报,就可实现智能化的维护工作。因此,研究电力线的二维图像识别和三维重构具有重要的社会意义和经济效益。
发明内容
为了解决上述问题,本发明提供一种基于三目视觉的电力线三维重构方法,实现输电线路的准确定位,降低巡检人员工作强度与危险系数,提高工作效率。
本发明具体为一种基于三目视觉的电力线三维重构方法,所述电力线三维重构方法包括以下步骤:
步骤(1):利用三目相机拍摄目标输电线路图像,获得三目图像以及相机拍摄时的滚转角θz;
步骤(2):利用Bouguet算法分别对{Ileft,Iright}、{Ileft,Iup}进行初次校正;
步骤(3):通过平移顶摄像机和右摄像机完成顶摄像机和右摄像机的二次校正,校正后得到三目图像{I1,I2,I3},其中I1,I2的极线与图像横轴平行,I1,I3的极线平行于图像纵轴且I1,I2的横向视差与I1,I3的纵向视差相等;
步骤(6):利用极线约束对Matchl中的电力线进行匹配并重建左图电力线的三维向量。
与现有技术相比,有益效果是:
(1)本发明提出的垂直双基线结构的三目相机通过增加一个辅助摄像机,解决了不同拍摄角度下电力线匹配精度不高的问题。三目图像提供水平和竖直两个方向的视差信息,***能自适应选择合适方向的视差用于立体匹配,能大幅度提高在不同的相机姿态下电力线匹配的准确性和稳定性;
(2)本发明提出利用改进的Bouguet算法实现三目图像的协同校正,校正后左目图像不变,左右目图像极线与图像横轴平行且左上目图像极线与图像纵轴平行,该方法操作简单,能够快速获取初次校正结果;
(3)本发明通过SURF算法获取三目图像的特征点对初次校正结果进行优化,能够快速得到高精度的三目图像校正结果,提高后续电力线立体匹配的精度。该方法适用于多种航拍拍摄姿态,对于标定精度较低的三目图像也能准确校正。
附图说明
图1为本发明一种基于三目视觉的电力线三维重构方法算法流程图;
图2为本发明具体实施例三目相机模型示意图;
图3为本发明具体实施例三目图像匹配示意图。
具体实施方式
下面结合附图对本发明一种基于三目视觉的电力线三维重构方法的具体实施方式做详细阐述。
如图1所示,本发明的电力线三维重构方法具体运行流程为:
1、图2为三目相机模型示意图,由三个规格相同的摄像机组成的垂直双基线三目相机模块和水平仪构成,水平仪设置在云台上,用于实时测量相机拍摄时的滚转角;首先利用三目相机拍摄目标输电线路图像,并将获取的图像信息{Ileft,Iright,Iup}以及摄像机拍摄时的滚转角θz传入信息模块进行处理;
2、基于三目相机标定参数利用改进的Bouguet算法分别对{Ileft,Iright}、{Ileft,Iup}进行校正,得到校正后的三目图像{I”left,I’right,I’up},且I”left=Ileft;校正后I”left,I’right的极线与图像横轴平行,I”left,I’up的极线平行于图像纵轴;具体步骤如下:
21)根据张氏标定法获得三目相机的标定参数,利用Bouguet算法构造Ileft,Iright的旋转矩阵Rl,Rr对{Ileft,Iright}进行初次水平校正,具体步骤如下:
b.创建{Ileft,Iright}之间的平移向量Tlr方向的旋转矩阵Rrect使得基线与成像平面平行;
Rrect=[e1 e2 e3]T (1)
c.根据公式(2)获得左右相机的整体旋转矩阵Rl,Rr;左右相机坐标系Ol-xyz,Or-xyz乘以各自的整体旋转矩阵Rl,Rr使得左右相机的主光轴平行,且像平面与基线平行,旋转后左右相机坐标系为O’l-xyz,O’r-xyz。
22)将O’l-xyz,O’r-xyz围绕着各自的光心同时旋转得到新的坐标系O”l-xyz,O”r-xyz,则O”l-xyz与Ol-xyz重合。旋转后得到行对准图像{I’left,I’right},且I’left=Ileft;
23)重复步骤21)对{Ileft,Iup}进行校正,得到左目相机和上目相机的整体旋转矩阵Rl2,Ru,校正后左目相机、上目相机坐标系为O’l2-xyz,O’u-xyz;
24)重复步骤22)将O’l2-xyz,O’u-xyz围绕着各自的光心同时旋转得到新的坐标系O”l2-xyz,O”u-xyz,则O”l2-xyz与Ol-xyz重合,旋转后得到列准图像{I”left,I’up},且I”left=Ileft;
3、初次校正后得到三目图像{Ileft,I’right,I’up},假设顶摄像机的主点坐标为右摄像机的主点坐标为通过平移顶摄像机和右摄像机,分别在上附加一个偏移量可完成顶摄像机和右摄像机的二次校正;校正后得到三目图像{I1,I2,I3},其中I1,I2的极线与图像横轴平行,I1,I3的极线平行于图像纵轴且I1,I2的横向视差与I1,I3的纵向视差相等;具体步骤如下:
31)利用SURF算法获取三目图像{Ileft,I’right,I’up}特征点坐标,三目图像特征点定义为:其中Pos1、Pos2和Pos3分别为Ileft、I’right和I’up的特征点参数,mp、np和zp分别为Ileft、和I’right和T’up中特征点的总数目,为Ileft中第ip1个特征点坐标,为I’right中第jp1个特征点坐标;为I’up中第qp1个特征点坐标;
32)计算Ileft、I'right的特征点参数Pos1、Pos2中所有点的欧式距离,选择欧式距离最小的点作为粗略匹配点,按欧氏距离升序对粗略匹配点进行排序,删除异常点,选择前kp个匹配点,定义为同理,计算Ileft、I’up的特征点参数Pos1、Pos3中所有点的欧式距离,根据欧式距离进行排序,选择前kp个匹配点,定义为根据中的共有的左目特征点坐标,重新定义三目图像匹配点为其中匹配点的数目为n;
33)标定带来的误差会使得初次校正后的左目图像和右目图像极线并不完全平行于横轴。由于校正后应使得Ileft、I’right的对应特征点的纵坐标相等,因此:
34)对于横向偏移,由于校正后应使得Ileft、I’up的对应特征点的横坐标相等,因此:
对于纵向偏移,由于校正后Ileft、I’up之间的纵向视差应与Ileft、I’right的横向视差相等,因此:
以作为新的主点坐标,重复步骤23)-24)重新对顶摄像机进行校正得到校正后的上目图像I3。最终的校正后的三目图像为{I1,I2,I3},其中I1为校正后的左目图像,I2为校正后的右目图像,I3为校正后的上目图像。
4、三目图像处理复杂度是双目图像的两倍,因此为了减少运算时间,在电力线提取过程中,是否处理右目图像还是上目图像将取决于相机拍摄角度θz,根据θz确定电力线的匹配对如果以上目图像和左目图像作为线的匹配对,即如果以右目图像和左目图像作为线的匹配对,即
51)基于航拍图像中电力线的特征提取Matchl中的所有电力线,具体步骤为:
b.基于边缘检测算法(ED)得到边缘图Iedge,其中Iedge中天空等背景灰度值为0,电力线灰度值为255;
c.在Iedge的基础上,通过矢量跟踪算法,将栅格化形式存在的单像素宽度线特征变换为二维矢量V1并删除长度小于20像素的短特征,则V1可以由公式(5)表示,Iedge中的每个不为0的点(xj,yj)都被分配到不同的向量组vi;
再按照公式(6)计算V1中剩余特征的形状因子SI,删除曲度大于0.27的过弯曲特征;
6、利用极线约束对Matchl中的电力线进行匹配并重建左图电力线的三维向量,具体步骤为:
62)如图3(b)所示,此时电力线在图中的走向是水平的,而核线与图像纵轴平行,因此核线与电力线的交点唯一;计算同名核线与同名电力线的交点得到电力线上的同名像点对同名像点对对应的视差值为根据视差信息可以得到电力线的三维向量为V3,表达式可由公式(8)所示:
最后应该说明的是,结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到,本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (7)
1.一种基于三目视觉的电力线三维重构方法,其特征在于,所述电力线三维重构方法包括以下步骤:
步骤(1):利用三目相机拍摄目标输电线路图像,获得三目图像以及相机拍摄时的滚转角θz;
步骤(2):利用Bouguet算法分别对{Ileft,Iright}、{Ileft,Iup}进行初次校正;
步骤(3):通过平移顶摄像机和右摄像机完成所述顶摄像机和所述右摄像机的二次校正,校正后得到三目图像{I1,I2,I3},其中I1,I2的极线与图像横轴平行,I1,I3的极线平行于图像纵轴且I1,I2的横向视差与I1,I3的纵向视差相等;
步骤(6):利用极线约束对Matchl中的电力线进行匹配并重建左图电力线的三维向量。
2.根据权利要求1所述的一种基于三目视觉的电力线三维重构方法,其特征在于,所述三目相机模块包括三个参数相同的摄像机组成垂直双基线结构的三目相机,并在云台上设置有水平仪,用于实时测量相机拍摄时的滚转角。
3.根据权利要求1所述的一种基于三目视觉的电力线三维重构方法,其特征在于,步骤(2)具体包含以下步骤:
21)根据张氏标定法获得所述三目相机的标定参数,利用Bouguet算法构造Ileft,Iright的旋转矩阵Rl,Rr对{Ileft,Iright}进行初次水平校正;
22)将O'l-xyz,O'r-xyz围绕着各自的光心同时旋转得到新的坐标系O”l-xyz,O”r-xyz,则O”l-xyz与Ol-xyz重合;旋转后得到行对准图像{I'left,I'right},且I'left=Ileft;
23)重复步骤21)对{Ileft,Iup}进行校正,得到左目相机和上目相机的整体旋转矩阵Rl2,Ru,校正后左目相机、上目相机坐标系为O'l2-xyz,O'u-xyz;
4.根据权利要求3所述的一种基于三目视觉的电力线三维重构方法,其特征在于,步骤21)具体包含以下步骤:
b.创建{Ileft,Iright}之间的平移向量Tlr方向的旋转矩阵Rrect使得基线与成像平面平行;
Rrect=[e1 e2 e3]T
c.根据下式获得左右相机的整体旋转矩阵Rl,Rr;左右相机坐标系Ol-xyz,Or-xyz乘以各自的整体旋转矩阵Rl,Rr使得左右相机的主光轴平行,且像平面与基线平行,旋转后左右相机坐标系为O'l-xyz,O'r-xyz;
5.根据权利要求1所述的一种基于三目视觉的电力线三维重构方法,其特征在于,步骤(3)具体包含以下步骤:
31)利用SURF算法获取三目图像{Ileft,I'right,I'up}特征点坐标,三目图像特征点定义为:
其中Pos1、Pos2和Pos3分别为Ileft、I'right和I'up的特征点参数,mp、np和zp分别为Ileft、I'right和I'up中特征点的总数目,为Ileft中第ip1个特征点坐标,为I’right中第jp1个特征点坐标;为I’up中第qp1个特征点坐标;
32)计算Ileft、I'right的特征点参数Pos1、Pos2中所有点的欧式距离,选择欧式距离最小的点作为粗略匹配点,按欧氏距离升序对粗略匹配点进行排序,删除异常点,选择前kp个匹配点,定义为同理,计算Ileft、I'up的特征点参数Pos1、Pos3中所有点的欧式距离,根据欧式距离进行排序,选择前kp个匹配点,定义为根据中的共有的左目特征点坐标,重新定义三目图像匹配点为其中匹配点的数目为n;
33)标定带来的误差会使得初次校正后的左目图像和右目图像极线并不完全平行于横轴;由于校正后应使得Ileft、I’right的对应特征点的纵坐标相等,因此:
34)对于横向偏移,由于校正后应使得Ileft、I’up的对应特征点的横坐标相等,因此:
对于纵向偏移,由于校正后Ileft、I’up之间的纵向视差应与Ileft、I’right的横向视差相等,因此:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210937648.6A CN115375762A (zh) | 2022-08-05 | 2022-08-05 | 一种基于三目视觉的电力线三维重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210937648.6A CN115375762A (zh) | 2022-08-05 | 2022-08-05 | 一种基于三目视觉的电力线三维重构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375762A true CN115375762A (zh) | 2022-11-22 |
Family
ID=84063483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210937648.6A Pending CN115375762A (zh) | 2022-08-05 | 2022-08-05 | 一种基于三目视觉的电力线三维重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375762A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503570A (zh) * | 2023-06-29 | 2023-07-28 | 聚时科技(深圳)有限公司 | 图像的三维重建方法及相关装置 |
-
2022
- 2022-08-05 CN CN202210937648.6A patent/CN115375762A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503570A (zh) * | 2023-06-29 | 2023-07-28 | 聚时科技(深圳)有限公司 | 图像的三维重建方法及相关装置 |
CN116503570B (zh) * | 2023-06-29 | 2023-11-24 | 聚时科技(深圳)有限公司 | 图像的三维重建方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112767391B (zh) | 融合三维点云和二维图像的电网线路部件缺陷定位方法 | |
CN107194991B (zh) | 一种基于骨架点局域动态更新的三维全局可视化监控***构建方法 | |
CN103278138B (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN111311650B (zh) | 一种点云数据的配准方法、装置及存储介质 | |
CN108520537B (zh) | 一种基于光度视差的双目深度获取方法 | |
CN109580649B (zh) | 一种工程结构表面裂缝识别与投影修正方法及*** | |
CN109903227A (zh) | 基于相机几何位置关系的全景影像拼接方法 | |
CN115345822A (zh) | 一种面向航空复杂零件的面结构光自动化三维检测方法 | |
CN109470149B (zh) | 一种管路位姿的测量方法及装置 | |
CN111223133A (zh) | 一种异源图像的配准方法 | |
CN104537707A (zh) | 像方型立体视觉在线移动实时测量*** | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN110120074B (zh) | 一种复杂环境下的带电作业机器人线缆定位方法 | |
CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
CN114841944B (zh) | 基于挂轨轨道机器人的尾矿坝表面形变巡检方法 | |
CN113298947A (zh) | 一种基于多源数据融合的变电站三维建模方法介质及*** | |
CN113902809A (zh) | 一种红外相机与激光雷达联合标定的方法 | |
CN110992463B (zh) | 一种基于三目视觉的输电导线弧垂的三维重建方法及*** | |
CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
CN115375762A (zh) | 一种基于三目视觉的电力线三维重构方法 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN117173601B (zh) | 光伏电站阵列热斑识别方法和*** | |
CN114998532B (zh) | 一种基于数字图像重建的三维影像视觉传达优化方法 | |
CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 |
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 |