CN116027321B - 一种输电线路的高精度实时防护***和方法 - Google Patents
一种输电线路的高精度实时防护***和方法 Download PDFInfo
- Publication number
- CN116027321B CN116027321B CN202310035595.3A CN202310035595A CN116027321B CN 116027321 B CN116027321 B CN 116027321B CN 202310035595 A CN202310035595 A CN 202310035595A CN 116027321 B CN116027321 B CN 116027321B
- Authority
- CN
- China
- Prior art keywords
- construction vehicle
- transmission line
- power transmission
- distance
- point cloud
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000010276 construction Methods 0.000 claims abstract description 311
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 75
- 230000001131 transforming effect Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 125000006850 spacer group Chemical group 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本文涉及输电线路在线监测领域，尤其涉及一种输电线路的高精度实时防护***和方法。***包括，塔上设备、线上设备；所述塔上设备探测所述输电线路下方的施工车辆的第一点云数据，位于输电线路上的所述线上设备探测所述施工车辆的第二点云数据，根据所述第一点云数据、第二点云数据以及输电线路的三维模型对所述输电线路进行安全防护。通过本文实施例，实现了通过塔上设备和线上设备实时地监测输电线路下方施工车辆的施工风险，提高了测量精度，解决了现有技术中由于存在一定的测量误差导致输电线路的防护效果差的问题。
Description
技术领域
本文涉及输电线路在线监测领域，尤其涉及一种输电线路的高精度实时防护***和方法。
背景技术
近年来，随着经济的发展，电力需求也逐渐增大，随着电网规模的不断扩大。输电线路下方的施工车辆在施工过程中将对输电线路的安全性产生影响，如何防护输电线路的安全是本领域密切关注的问题。
现有技术中采用雷达和视频融合的技术方案对输电线路进行防护，但由于电塔之间的距离较远，当施工车辆距离雷达和视频设备的距离较远时，雷达和视频设备测量的数据会存在一定的误差，导致输电线路的防护效果差。
现在亟需一种输电线路的高精度实时防护***，从而解决现有技术中由于存在一定的测量误差导致输电线路的防护效果差的问题。
发明内容
为解决现有技术中不能对输电线路下方的具体施工车辆的施工风险进行监测的问题，本文实施例提供了一种输电线路的高精度实时防护***和方法，降低了测量误差，提升了输电线路的防护效果。
为了解决上述技术问题，本文的具体技术方案如下：
一方面，本文实施例提供了一种输电线路的高精度实时防护***，包括，
塔上设备、线上设备；
所述塔上设备探测所述输电线路下方的施工车辆的第一点云数据，位于输电线路上的所述线上设备测量所述施工车辆的第二点云数据，根据所述第一点云数据、第二点云数据以及输电线路的三维模型对所述输电线路进行安全防护。
另一方面，本文实施例还提供了一种输电线路的高精度实时防护方法，包括，
通过塔上设备探测所述输电线路下方的施工车辆的第一点云数据；
通过线上设备探测所述施工车辆的第二点云数据；
根据所述第一点云数据、第二点云数据与输电线路的三维模型对所述输电线路进行安全防护。
另一方面，本文实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现上述的方法。
最后，本文实施例还提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被计算机设备的处理器运行时，执行上述的方法。
利用本文实施例，通过塔上设备和线上设备对输电线路进行实时防护，塔上设备实时地探测输电线路下方施工车辆的第一点云数据，位于输电线路上的线上设备探测施工车辆的第二点云数据，然后根据施工车辆的第一点云数据、第二点云数据以及输电线路的三维模型对输电线路进行安全防护，实现了通过塔上设备和线上设备实时地监测输电线路下方施工车辆的施工风险，提高了测量精度，解决了现有技术中由于存在一定的测量误差导致输电线路的防护效果差的问题。
附图说明
为了更清楚地说明本文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文的一些实施例，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所示为本文实施例一种输电线路的高精度实时防护方法实施***示意图；
图2所示为本文实施例一种输电线路的高精度实时防护***的结构图；
图3所示为本文实施例激光雷达探测的坐标系的示意图；
图4所示为本文实施例第一距离和第二距离的示意图；
图5所示为本文实施例一种输电线路的高精度实时防护方法的流程图；
图6所示为本文实施例根据所述输电线路点云地图构建所述输电线路的三维模型的步骤；
图7所示为本文实施例根据施工车辆的第一点云数据、位置图像数据和输电线路的三维模型计算施工车辆与所述输电线路之间的第一距离的步骤；
图8所示为本文实施例根据施工车辆地图三维坐标以及电力线三维坐标计算施工车辆与输电线路的电力线之间的最短距离的步骤；
图9所示为本文实施例对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围的步骤；
图10所示为本文实施例根据所述第二距离对所述第一距离进行校验的步骤；
图11所示为本文实施例计算机设备的结构示意图。
【附图标记说明】：
101、塔杆；
102、输电线路；
103、施工车辆；
104、塔上设备；
105、线上设备；
201、塔上设备；
2011、输电线路三维模型初始化单元；
2012、激光雷达；
2013、摄像单元；
2014、微波雷达；
2015、施工车辆位置探测相机；
2016、处理器；
202、线上设备；
2021、毫米波雷达；
2022、移动单元；
2023、风偏舞动测量单元；
1102、计算机设备；
1104、处理设备；
1106、存储资源；
1108、驱动机构；
1110、输入/输出模块；
1112、输入设备；
1114、输出设备；
1116、呈现设备；
1118、图形用户接口；
1120、网络接口；
1122、通信链路；
1124、通信总线。
具体实施方式
下面将结合本文实施例中的附图，对本文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文一部分实施例，而不是全部的实施例。基于本文中的实施例，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，都属于本文保护的范围。
需要说明的是，本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示为本文实施例一种输电线路的高精度实时防护实施***示意图，可以包括：塔杆101、输电线路102、施工车辆103、塔上设备104以及线上设备105。所述两个相邻塔杆101之间的输电线路102下方存在一个或多个施工车辆103，在施工车辆103的施工过程中，施工车辆103可能会存在接近输电线路102的情况，因此存较大的施风险。此外，由于两个相邻塔杆101之间的距离较远，当施工车辆103距离塔上设备104较远时，塔上设备104的测量数据可能存在一定的误差，导致输电线路102的防护效果差。本文实施例通过塔上设备104和线上设备105实时监测输电线路102下方的施工车辆103与输电线路102之间的距离是否小于输电线路102的安全距离，当施工车辆103与输电线路102之间的距离小于输电线路102的安全距离时，向输电线路102下方的施工车辆103发出提醒。
具体地，本文实施例提供了一种输电线路的高精度实时防护***，如图2所示，包括塔上设备201以及线上设备202，所述塔上设备201探测所述输电线路下方的施工车辆的第一点云数据，位于输电线路上的所述线上设备202探测所述施工车辆的第二点云数据，根据所述第一点云数据、第二点云数据以及输电线路的三维模型对所述输电线路进行安全防护。
通过本文实施例所述的输电线路的高精度实时防护***，通过塔上设备201和线上设备202对输电线路进行实时防护，塔上设备201实时地探测输电线路下方施工车辆的第一点云数据，位于输电线路上的线上设备202探测施工车辆的第二点云数据，然后根据施工车辆的第一点云数据、第二点云数据以及输电线路的三维模型对输电线路进行安全防护，实现了通过塔上设备201和线上设备202实时地监测输电线路下方施工车辆的施工风险，提高了测量精度，解决了现有技术中由于存在一定的测量误差导致输电线路的防护效果差的问题。
在本文实施例中，塔上设备201可以通过现有技术中无线信号传输的方式与线上设备202进行通信。塔上设备201可以通过激光雷达等探测装置探测输电线路下方施工车辆的第一点云数据，线上设备202位于输电线路上，可以通过毫米波雷达等测量装置探测输电线路下方施工车辆的第二点云数据，其中，第一点云数据可以包括施工车辆上多个点的坐标，第二点云数据包括施工车辆与线上设备202之间的距离以及线上设备202相对于施工车辆的角度，可以对第一点云数据进行计算，得到施工车辆的最高点坐标，然后根据施工车辆最高点坐标和施工车辆与线上设备之间的距离、线上设备相对于施工车辆的角度来计算施工车辆与输电线路的最短距离，并根据输电线路的安全距离监测输电线路下方的施工车辆是否存在施工风险。塔上设备201或线上设备202上可以设置报警提醒装置，例如扬声器、报警闪光灯等，当判断出输电线路下方的施工车辆存在施工风险时，通过报警提醒装置提醒施工车辆存在施工风险。
需要说明的是，针对移动物体，毫米波雷达反馈很多点的距离和角度信息，然后通过解算给出一个选定点的距离和方位信息，并能在加入时间信息后得出速度信息。两台毫米波雷达可以形成空间分布的距离、方位信息，即第二点云数据。毫米波雷达反馈的数据包括目标物体的距离、方位、移动速度，利用这个原始数据，可以达到确定其最高点的位置的目的。
在本文实施例中，可以根据所述输电线路的电压等级确定输电线路的安全距离。示例性地，电压等级和安全距离对照表可以如表1所示，电压等级和安全距离对照表为现有标准，此处不再赘述。
表1
| 电压(千伏) | 安全距离(米) |
| 10 | 0.7 |
| 35 | 1 |
| 110 | 1.5 |
| 220 | 3 |
根据本文的一个实施例，继续如图2所示，所述塔上设备201进一步包括，
输电线路三维模型初始化单元2011，用于获取独立三维激光雷达设备扫描生成的监控范围内的输电线路点云地图；
处理器2016，用于根据所述输电线路点云地图构建所述输电线路的三维模型；
激光雷达2012，安装在所述输电线路的塔杆上，用于探测所述输电线路下方的施工车辆的第一点云数据；
施工车辆位置探测相机2015，安装在所述输电线路的塔杆上，用于探测所述施工车辆的位置图像数据；
所述处理器2016进一步用于根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离；
所述线上设备202包括毫米波雷达2021，位于所述输电线路上，用于获取所述施工车辆的第二点云数据；
所述处理器2016进一步用于根据所述施工车辆的第二点云数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路的第二距离，根据所述第二距离对所述第一距离进行校验，根据校验后的所述第一距离判断是否存在施工风险，当存在施工风险时，向所述施工车辆发出提醒。
在本文实施例中，输电线路三维模型初始化单元2011可以获取独立三维激光雷达设备扫描生成的监控范围内的输电线路点云地图，其中，独立三维激光雷达设备可以为无人机、背包三维激光雷达或地面架设的激光雷达扫描仪，无人机、背包三维激光雷达或地面架设的激光雷达扫描仪对输电线路进行扫描得到输电线路点云地图，并将输电线路的点云地图存储在塔上设备的存储器中，当塔上设备启动对输电线路的防护时，输电线路三维模型初始化单元2011获取存储在塔上设备的存储器中的输电线路点云地图，然后处理器2016根据输电线路点云地图构建输电线路的三维模型。需要说明的是，本文实施例的两个相邻塔杆之间包括多条在不同高度位置布设的输电线路，例如一路输电线路分A、B、C三相共三条线，一个杆塔如果架设两路输电线路则总共有六条线。在使用无人机、背包激光雷达或地面架设的激光雷达扫描仪对输电线路进行扫描时，可以一次性获取全部输电线路的点云数据，然后对每一条输电线路进行数据提取，构建出全部输电线路的三维模型。此外，当输电线路为三条或六条时，可以在每一条输电线路上均部署一个或多个线上设备，以实现对每条输电线路的安全防护。
根据本文的一个实施例，如图6所示，根据所述输电线路点云地图构建所述输电线路的三维模型进一步包括，
步骤601：构建所述输电线路点云地图的地图三维坐标系；
步骤602：提取所述输电线路点云地图中的电力线在所述地图三维坐标系中的电力线三维坐标；
步骤603：将所述地图三维坐标系以及电力线三维坐标作为所述输电线路的三维模型。
在本文实施例中，无人机、背包三维激光雷达或地面架设的激光雷达扫描仪可以基于SLAM解决方案通过扫描输电线路以及周边环境，采集输电线路的激光点云数据，然后生成完整的激光点云，构建输电线路的点云地图，然后塔上设备201的输电线路三维模型初始化单元2011获取无人机、背包三维激光雷达或地面架设的激光雷达扫描仪生成的输电线路的点云地图。
然后输电线路三维模型初始化单元2011将输电线路的点云地图发送给处理器2016进行处理，处理器2016首先构建所述输电线路点云地图的地图三维坐标系，然后根据人工选择的三个特征点来和输电线路三维模型初始化单元2011的输电线路的点云模型做配准，从而在其施工现场的点云地图中加上输电线路三维模型。最后将地图三维坐标系以及电力线三维坐标作为所述输电线路的三维模型，可以理解为，将激光雷达2012探测到的第一点云数据的坐标变换到地图三维坐标系中，再根据电力线三维坐标(即电力线的三维坐标点集)即可计算出施工车辆与电力线之间的最短距离。
如图3所示，进入激光雷达2012的探测区域内施工车辆，激光雷达2012探测后输出施工车辆上多个点的坐标为T1’(x,y,z)，例如包括如图3所示的施工车辆的A、B、C、D和H点的坐标，即施工车辆的第一点云数据。需要说明的是，在施工车辆在输电线路下方的工作过程中，激光雷达2012持续获取施工车辆的三维点云数据，从而实时地对输电线路进行安全防护。
在本文实施例中，位于塔杆上的施工车辆位置探测相机2015探测所述施工车辆的位置图像数据，即施工车辆位置探测相机2015对输电线路下方区域进行拍摄，拍摄到的照片或视频中包括施工车辆，拍摄到的照片即为施工车辆的位置图像数据。该位置图像数据为二维数据。
然后处理器2016根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离，也就是计算施工车辆与电力线之间的最短距离。
具体地，根据本文的一个实施例，如图7所示，根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离进一步包括：
步骤701：对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围；
步骤702：将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标；
步骤703：提取属于所述二维坐标范围的所述二维坐标，作为施工车辆二维坐标；
步骤704：将所述施工车辆二维坐标对应的所述第一点云数据变换到所述地图三维坐标系中，得到施工车辆地图三维坐标；
步骤705：在所述地图三维坐标系中，根据所述施工车辆地图三维坐标以及电力线三维坐标计算所述施工车辆与所述输电线路的电力线之间的最短距离，作为所述第一距离。
在本文实施例中，激光雷达探测到的第一点云数据包括多个点的坐标，输电线路下方可能存在除了施工车辆之外的其他物体，其也会被激光雷达探测到，因此第一点云数据中还可能包括除施工车辆之外的其他物体的点云数据，因此为了提高计算第一距离的精度，就需要从第一点云数据中将施工车辆的点云精确地提取出来。因此在本文实施例中，首先对施工车辆位置探测相机探测到的位置图像数据(也就是输电线路下方的照片或视频)进行分析，对施工车辆进行识别，得到施工车辆所在的区域框(即施工车辆的二维坐标范围)，从而利用施工车辆所在的区域框从第一点云数据中确定施工车辆的点云数据。
为了利用施工车辆所在的区域框从第一点云数据中确定施工车辆的点云数据，本文实施例需要将第一点云数据变换到施工车辆探测相机的二维图像坐标系中，得到第一点云数据对应的二维坐标，然后再提取出属于施工车辆所在的区域框(及施工车辆的二维坐标范围)的二维坐标，作为施工车辆二维坐标，从而确定了哪些第一点云数据是施工车辆的点云数据。
然后利用施工车辆的点云数据和电力线三维坐标计算施工车辆与电力线之间的最短距离，因为施工车辆的点云数据是激光雷达的三维坐标系中的坐标，而电力线三维坐标是地图三维坐标系中的坐标，因此需要将施工车辆的点云数据(也就是施工车辆二维坐标对应的所述第一点云数据)变换到地图三维坐标系中，得到施工车辆地图三维坐标，进而在地图三维坐标系下计算施工车辆与电力线之间的最短距离。
在本文实施例中，对输电线路进行防护的目的是为了避免施工车辆的摇臂等部件接近输电线路，因此本文实施例需要计算出施工车辆与电力线之间的最短距离(即第一距离)，判断该最短距离是否小于电力线的安全距离，若是，则表明存在施工风险。根据本文的一个实施例，如图8所示，根据施工车辆地图三维坐标以及电力线三维坐标计算施工车辆与输电线路的电力线之间的最短距离进一步包括：
步骤801：将所述施工车辆地图三维坐标中的最高点坐标作为施工车辆最高点坐标；
步骤802：利用KNN算法，确定电力线上与所述施工车辆最高点坐标距离最近的点；
步骤803：计算所述施工车辆最高点坐标与所述KNN算法确定的点的坐标之间的欧式距离；
步骤804：将所述欧式距离作为所述第一距离。
在本文实施例中，在地图三维坐标系中确定将施工车辆的点云数据变换到地图三维坐标系得到的施工车辆地图三维坐标中的最高点坐标，然后利用KNN算法确定电力线上与所述施工车辆最高点坐标距离最近的点，再计算该点的坐标与施工车辆最高点坐标之间的欧氏距离，将该欧式距离作为施工车辆与电力线之间的最短距离(即第一距离)。此外，也可以在二维图像坐标系中确定施工车辆二维坐标的最高点，然后将该最高点对应的第一位置变换到地图三维坐标系中进行计算，本文实施例不做限制。
根据本文的一个实施例，将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标进一步包括：
利用公式(1)将所述第一点云数据变换到所述施工车辆位置探测相机对应的相机三维坐标系中，得到相机三维坐标；
Coordrgb3d＝T×Coordlidar3d (1)
其中，Coordrgb3d表示相机三维坐标，Coordlidar3d表示第一点云数据，T表示将第一点云数据所在的雷达三维坐标系变换到相机三维坐标系的第一外参变换矩阵。
其中，相机三维坐标系和雷达三维坐标系均为“右手坐标系”，Coordrgb3d所在的坐标系的X轴正方向向右，Y轴正方向向下，Z轴正方向与相机视野方向一致；Coordlidar3d所在的坐标系的X轴正方向向右，Y轴正方向与激光雷达视野方向一致，Z轴正方向向上；
通过将Coordlidar3d所在的坐标系绕其自身X轴旋转90°的方式，使得Coordlidar3d与Coordrgb3d坐标系各轴方向平行一致，然后通过将两坐标系原点对其的方式，得到坐标原点的相对偏移量；
其中，通过绕X轴旋转可得到旋转矩阵R(3x3的矩阵)，通过坐标原点对齐可得到坐标偏移量t(3x1的矩阵)，将两者组合，可得到第一外参变换矩阵T为公式(2)：
其中，R3×3为在第一点云数据所在的雷达三维坐标系变换到相机三维坐标系的过程中，将雷达三维坐标系绕X轴旋转得到旋转矩阵，t3×1表示将雷达三维坐标系与相机三维坐标系进行坐标原点对齐得到坐标偏移量。
利用公式(3)将相机三维坐标变换到二维图像坐标系中，得到第一点云数据对应的二维坐标：
其中，[u,v]表示二维坐标，[Xc,Yc,Zc]表示相机三维坐标，K为施工车辆位置探测相机的内参矩阵。其中，相机的内参矩阵K如公式(4)所示：
其中，fx为单位焦距(f)距离下对应的X轴方向上的像素数目，单位为像素；fy为单位焦距(f)距离下对应的Y轴方向上的像素数目，单位为像素；cx为相机光轴在二维图像坐标系X轴方向上的偏移量，单位为像素；cy为相机光轴在二维图像坐标系Y轴方向上的偏移量，单位为像素。
进一步地，将施工车辆二维坐标对应的第一点云数据变换到地图三维坐标系中，得到施工车辆地图三维坐标的公式为(5)：
其中，[Xmap3d,Ymap3d,Zmap3d]表示施工车辆地图三维坐标，[Xlidar3d,Ylidar3d,Zlidar3d]表示施工车辆二维坐标对应的第一点云数据，Tg表示将雷达三维坐标系变换到地图三维坐标系的第二外参变换矩阵。第二外参变换Tg矩阵和第一外参变换矩阵T的计算方式相同，此处不再赘述。
在本文实施例中，为了精确确定每个施工车辆的区域框(即施工车辆的二维坐标范围)，根据本文的一个实施例，如图9所示，对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围进一步包括：
步骤901：利用预先训练好的目标检测模型对所述位置图像数据进行分析，得到同一施工车辆的多个检测框；
步骤902：将置信度得分最大的检测框作为第一检测框，所述置信度得分为所述目标检测模型输出的所述检测框为正确的概率，并将所述第一检测框作为对应的所述施工车辆的二维坐标范围；
步骤903：计算所述第一检测框与其他检测框的交并比；
步骤904：判断所述交并比是否超过预设交并比门限值；
步骤905：若是，则舍弃该检测框；
步骤906：从除所述第一检测框和舍弃的所述检测框之外的检测框中再次确定置信度得分最大的检测框，并再次执行将置信度得分最大的检测框作为第一检测框的步骤，直至处理完所有的检测框。
在本文实施例中，可以基于深度学习算法训练目标检测模型，具体地，采用的网络结构是目标检测的经典网络结构，主要包含Backbone部分，Neck部分和Head部分。Backbone部分和Neck部分主要是为了更好的提取图像的浅层纹理和高层语义信息，Head部分对获取的特征进行分类预测，并通过损失函数进行约束网络的学习方向。
位置图像数据首先会输入到Backbone(骨干网络)中进行特征提取，经过骨干网络之后得到一个的特征图。其中B为批数据数目，N为通道数，H、W分别为图像的高和宽。将骨干网络输出的特征图输入Neck网络部分进行多尺度特征融合，从而得到更好的图像特征，其输出为/>的特征图。将该特征图输入Head网络进行工程车辆坐标位置回归。
本文实施例中施工车辆位置探测相机为RGB相机，使用RGB相机采集施工车辆工作场景的视频数据，然后对采集的视频数据进行处理得到包含施工车辆的位置图像数据，并通过LabelImg软件对位置图像数据中的工程车辆进行标注，并按照6：3：1的比例对数据划分训练集、验证集和测试集进行目标检测模型的训练。
在训练过程中，通过经典的目标检测算法的损失函数对模型进行约束，使目标检测模型在验证集上的精确率和召回率越来越高，认为模型的性能更好。
利用预先训练好的目标检测模型对所述位置图像数据进行分析的过程主要包括模型推理和后续处理两部分，首先将待检测的施工车辆位置图像数据经过上述Backbone、Neck和Head部分后会得到很多预测施工车辆的图像坐标(即检测框，该框是由四个点构成)。主要使用非极大值抑制算法对预测的坐标进行滤除，从而使每个施工车辆得到最佳的坐标位置。然后选取这类检测框中置信度得分最大的那一个，记为box_best，并将它作为对应的施工车辆的二维坐标范围(置信度得分为网络在输出检测框时输出该预测为正确的概率)。然后计算box_best与其余的检测框的交并比(IoU)。交并比(loU)函数做的是计算两个边界框交集和并集之比，通过IoU可以得知两个检测框的区域重合程度，IoU越大，则表明区域重合度越高。然后判断交并比是否超过预设交并比门限值，若是，则舍弃该检测框。然后从除box_best和舍弃的检测框之外的检测框中再次确定置信度得分最大的检测框box_best，并再次执行将置信度得分最大的检测框box_best作为第一检测框的步骤，直至处理完所有的检测框。
通过图9所示的方法，能够将重合度较高的检测框舍弃，从而提高识别施工车辆的二维坐标范围的精度。
根据本文的一个实施例，施工车辆的第二点云数据包括毫米波雷达与施工车辆之间的最短距离以及施工车辆相对于毫米波雷达的垂直方位角和水平方位角；
根据施工车辆的第二点云数据计算第二距离的公式为(6)：
其中，L2表示所述第二距离，Y表示毫米波雷达与施工车辆之间的最短距离，α表示所述垂直方位角，β表示所述水平方位角。
如图4所示，推导公式如公式(7)-(10)：
X1＝Y×cosα (7)
X2＝Y×sinα (8)
X3＝X2×tanβ (9)
对公式(10)进行简化，即可得到公式(6)。
根据本文的一个实施例，如图10所示，根据所述第二距离对所述第一距离进行校验进一步包括：
步骤1001：计算所述第一距离与所述第二距离之间的差值；
步骤1002：判断所述差值是否超过预定差值门限值；
步骤1003：若所述差值未超过所述预定差值门限值，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险；
步骤1004：若所述差值超过所述预定差值门限值，则判断所述第一距离是否大于第二距离；
步骤1005：若所述第一距离大于所述第二距离，则所述第一距离的校验结果为不通过，根据所述第二距离判断是否存在施工风险；
步骤1006：若所述第一距离不大于所述第二距离，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险。
示例性地，采用如下判断规则来判断塔上设备测算的施工车辆与输电线路的第一距离L1的有效性：
1)如果L2≈L1，误差可以为±0.5米(考虑到线上设备的风偏舞动)，则L1值为真。
2)如果L2＞L1，且差值超过0.5米(说明线上设备探测的反馈点非最高点)，则L1值为真，按照该数值L1来进行安全距离的判断，并在后台通知***管理人员。
3)如果L2＜L1，且差值超过0.5米，则L2值为真，按照该数值来进行安全距离的判断，并重新对L1进行计算以检查其偏离原因，并在后台通知***管理人员。
当判断存在施工风险时，通过塔上设备201或线上设备202上安装的报警提醒装置(例如扬声器、报警闪光灯等)提醒施工车辆存在施工风险。
在本说明书实施例中，所述处理器2016可以是独立的物理计算机，也可以是多个物理计算机构成的处理器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(CDN，Content Delivery Network)、以及大数据和人工智能平台等基础云计算服务的云服务器。
根据本文的一个实施例，为了进一步地提高测量精度，因此需要将线上设备202移动到输电线路上的合适位置，从而提高通过线上设备202的毫米波雷达2021探测的施工车辆的第二点云数据计算所述第二距离的精度，继续如图2所示，所述线上设备202还包括移动单元2022，用于调整所述线上设备202在所述输电线路上的位置；
所述处理器进一步用于根据所述施工车辆的第二点云数据，通过所述移动单元2022调整所述线上设备202在所述输电线路上的位置。
具体地，根据本文的一个实施例，所述第二点云数据包括所述毫米波雷达与所述施工车辆的多个点之间的最短距离；
根据所述施工车辆的第二点云数据，通过所述移动单元调整所述线上设备在所述输电线路上的位置进一步包括：
按照第一预定步长，沿着所述输电线路的第一轴向方向移动所述线上设备，在每次移动所述线上设备时，计算距离总和，在所述距离总和开始增加时，停止所述线上设备沿着所述第一轴向方向的移动，然后按照第二预定步长，沿着所述第一轴向方向的反方向移动所述线上设备，并在每次移动所述线上设备时，计算距离总和，在所述距离总和开始增加时，停止所述线上设备沿着所述第一轴向方向的反方向的移动。
可以理解为，通过按照第一预定步长或第二预定步长移动线上设备，来寻找它与线下已获取的多个施工车辆的反馈点的距离之和的最小值，能够提高线上设备的毫米波雷达获取到的第二点云数据的精度，从而提高对输电线路进行安全防护的精度。
需要说明的是，线上设备的移动区间是介于电塔防震锤和间隔棒之间、或两个间隔棒之间，其只能在移动区间内移动，且在接近防震锤和间隔棒时需要留一定的距离防止触碰。
在本文实施例中，移动单元2022可以包括移动控制模块、电机、主动轮和锁紧解锁模块，电机与主动轮相连，主动轮与输电线路接触，移动控制模块用于根据处理器2016的控制信号控制电机运转，从而带动主动轮的转动，实现线上设备202在输电线路上的移动，当线上设备202移动到指定位置后，处理器2016控制锁紧解锁模块将线上设备的固定在输电线路上，从而防止因环境因素的影响导致线上设备的位置发生变化，当施工车辆的位置发生改变后，处理器2016重新确定线上设备202在输电线路上的位置，然后处理器2016控制锁紧解锁模块解除线上设备202在输电线路上的固定，然后处理器2016通过移动控制模块、电机和主动轮移动线上设备202的位置，当线上设备202移动到指定位置后，处理器2016控制锁紧解锁模块将线上设备的固定在输电线路上。
在本文实施例中，可以通过太阳能电池板、锂电池或输电线路取电的方式为塔上设备201或线上设备202进行供电，由于激光雷达、线上设备的毫米波雷达等电子器件的工作需要消耗大量的电能，为了避免电能的浪费从而节约监测成本，根据本文的一个实施例，继续如图2所示，所述塔上设备201还包括微波雷达2014，安装在所述输电线路的塔杆上，用于探测所述输电线路下方是否存在施工车辆；
所述处理器2016进一步用于当所述微波雷达2014探测到所述输电线路下方存在施工车辆时，启动所述塔上设备201的其他电子器件和所述线上设备202的工作。
在本文实施例中，微波雷达2014持续探测输电线路下方预设范围内是否存在施工车辆，若存在施工车辆，则所述处理器2016启动塔上设备201的其他电子器件(例如激光雷达2012、施工车辆位置探测相机2015等)和所述线上设备202的工作，其中，预设范围可以根据输电线路的规模以及施工成本确定，进一步地，微波雷达2014还可以再检测到输电线路下方的一定时间内不存在施工车辆或施工停止后，停止所述塔上设备201的其他电子器件(例如激光雷达2012、施工车辆位置探测相机2015等)和线上设备202的工作，从而避免电能的浪费。
在本文实施例中，也可以通过线上设备202的毫米波雷达2015等探测所述续探测输电线路下方预设范围内是否存在施工车辆，本说明书实施例不做限制。
根据本文的一个实施例，输电线路可能会随着周围风力的作用产生一定的舞动风偏，当输电线路存在舞动风偏时，即便施工车辆的最高点持续不变，输电电路仍可能由风力的作用导致输电线路和施工车辆最高点的距离发生变化，因此，针对上述情况，为了提高输电线路存在舞动风偏时检测的精确度，继续如图2所示，所述线上设备202还包括风偏舞动测量单元2023，用于测量所述输电线路的舞动风偏数据；
所述处理器2016进一步用于根据所述输电线路的风偏舞动数据和所述输电线路点云地图构建所述输电线路的风偏舞动三维模型，根据所述第一点云数据、位置图像数据、第二点云数据和所述输电线路的风偏舞动三维模型判断是否存在施工风险。
在本文实施例中，风偏舞动测量单元2023可以包括风速传感器、空气密度检测模块以及夹角检测模块，其中空气密度检测模块分别与大气压强检测模块、大气湿度检测模块和大气温度检测模块连接，基于实时大气压强、实时大气温度和实时大气湿度确定并输出输电线路周围空气的实时空气密度，夹角检测模块用于检测并输出风向与输电线路的轴向夹角。
设定风压不均匀系数、输电线路的体型系数和输电线路的受风面积，根据空气密度检测模块检测的实时空气密度、风速传感器测量的实时风速和夹角检测模块测量的轴向夹角正弦值得到输电线路的风荷载，最后根据输电线路的风荷载以及所述输电线路的点云地图构建所述输电线路的风偏舞动三维模型。
根据风偏舞动三维模型以及施工车辆的第一位置计算施工车辆的最高点与输电线路之间的最短距离，然后再根据输电线路的安全距离判断是否存在施工风险。
在本文实施例中，输电线路下方的施工车辆可以包括多种类型，不同类型施工车辆的高度以及摇臂伸缩高度可能不同，为了进一步地对输电线路进行防护，根据本文的一个实施例，继续如图2所示，所述塔上设备201还包括摄像单元2013，安装在所述输电线路的塔杆上，用于获取所述输电线路下方各施工车辆的标识；
所述处理器2016进一步用于根据所述施工车辆的标识获取所述施工车辆的运动轨迹范围，根据所述施工车辆与所述输电线路之间的第一距离、运动轨迹范围以及所述输电线路的三维模型判断是否存在施工风险。
在本文实施例中，施工车辆的标识可以包括施工车辆的号牌、车辆铭牌等，摄像单元2013通过对施工车辆进行拍摄，然后采用现有技术的图像处理的方法将施工车辆的图像进行灰度处理，以减小后续的计算量，得到施工车辆的灰度图，然后对灰度图进行特征提取，其提取的特征可以包括施工车辆的号牌、车辆铭牌等，得到号牌、车辆铭牌等所在的图像区域，然后进一步识别该图像区域中的数字或字母，从而得到施工车辆的标识。然后处理器2016可以与施工车辆的备案数据库进行通信，根据施工车辆的号牌、铭牌等获取施工车辆的备案信息，进而从备案信息中得到施工车辆的运动轨迹范围，例如施工车辆的摇臂伸缩范围等。然后根据施工车辆与输电线路之间的第一距离、运动轨迹范围以及所述输电线路的三维模型判断是否存在施工风险，具体地，根据最高点的运动轨迹范围以及当前施工车辆与输电线路之间的第一距离和输电线路的安全距离判断继续施工是否会发生事故。若判断施工车辆继续施工会发生事故，则通过塔上设备201或线上设备202上安装的报警提醒装置(例如扬声器、报警闪光灯等)提醒施工车辆存在施工风险。进一步地，还可以根据施工车辆的运动轨迹范围控制施工车辆的施工过程，从而保证施工车辆的最高点与输电线路之间的最短距离在施工过程中持续大于输电线路的安全距离，也可以根据施工车辆的运动轨迹范围以及施工车辆当前最高点与输电线路之间的最短距离以及输电线路的安全距离设定多个施工风险等级，通过塔上设备201或线上设备202上安装的报警提醒装置(例如扬声器、报警闪光灯等)提醒施工车辆存在施工风险对当前的施工风险等级进行报警。
在本文的一些其他实施例中，还可以将塔上设备和线上设备获取的数据存储在服务器中，以便于服务器对输电线路的防护过程进行监控。
基于同一发明构思，本文实施例还提供了一种输电线路的高精度实时防护方法，对输电线路进行实时防护，图5所示为本文实施例一种输电线路实时防护方法的流程图。在本图中描述了对输电线路进行防护的过程，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的***或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图5所示，所述方法可以包括：
步骤501：通过塔上设备探测所述输电线路下方的施工车辆的第一点云数据；
步骤502：通过线上设备探测所述施工车辆的第二点云数据；
步骤503：根据所述第一点云数据、第二点云数据与输电线路的三维模型对所述输电线路进行安全防护。
通过上述方法所取得的有益效果与上述***所取得的有益效果一致，本说明书实施例不做赘述。
如图11所示为本发明实施例计算机设备的结构示意图，本发明中的处理器2016可以为本实施例中的计算机设备，执行上述本发明的方法。计算机设备1102可以包括一个或多个处理设备1104，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备1102还可以包括任何存储资源1106，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储资源1106可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储资源都可以使用任何技术来存储信息。进一步地，任何存储资源可以提供信息的易失性或非易失性保留。进一步地，任何存储资源可以表示计算机设备1102的固定或可移除部件。在一种情况下，当处理设备1104执行被存储在任何存储资源或存储资源的组合中的相关联的指令时，计算机设备1102可以执行相关联指令的任一操作。计算机设备1102还包括用于与任何存储资源交互的一个或多个驱动机构1108，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备1102还可以包括输入/输出模块1110(I/O)，其用于接收各种输入(经由输入设备1112)和用于提供各种输出(经由输出设备1114)。一个具体输出机构可以包括呈现设备1116和相关联的图形用户接口(GUI)1118。在其他实施例中，还可以不包括输入/输出模块1110(I/O)、输入设备1112以及输出设备1114，仅作为网络中的一台计算机设备。计算机设备1102还可以包括一个或多个网络接口1120，其用于经由一个或多个通信链路1122与其他设备交换数据。一个或多个通信总线1124将上文所描述的部件耦合在一起。
通信链路1122可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路1122可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本文实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法。
本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行上述方法。
应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本文所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。
Claims (22)
1.一种输电线路的高精度实时防护***，其特征在于，包括，
塔上设备、线上设备；
所述塔上设备探测所述输电线路下方的施工车辆的第一点云数据，位于输电线路上的所述线上设备测量所述施工车辆的第二点云数据，根据所述第一点云数据、第二点云数据以及输电线路的三维模型对所述输电线路进行安全防护；
所述塔上设备进一步包括，
输电线路三维模型初始化单元，用于获取独立三维激光雷达设备扫描生成的监控范围内的输电线路点云地图；
处理器，用于根据所述输电线路点云地图构建所述输电线路的三维模型；
激光雷达，安装在所述输电线路的塔杆上，用于探测所述输电线路下方的施工车辆的第一点云数据；
施工车辆位置探测相机，安装在所述输电线路的塔杆上，用于探测所述施工车辆的位置图像数据；
所述处理器进一步用于根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离；
所述线上设备包括毫米波雷达，位于所述输电线路上，用于获取所述施工车辆的第二点云数据；
所述处理器进一步用于根据所述施工车辆的第二点云数据计算第二距离，根据所述第二距离对所述第一距离进行校验，根据校验后的所述第一距离判断是否存在施工风险，当存在施工风险时，向所述施工车辆发出提醒。
2.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，根据所述输电线路点云地图构建所述输电线路的三维模型进一步包括，
构建所述输电线路点云地图的地图三维坐标系；
提取所述输电线路点云地图中的电力线在所述地图三维坐标系中的电力线三维坐标；
将所述地图三维坐标系以及电力线三维坐标作为所述输电线路的三维模型。
3.根据权利要求2所述的输电线路的高精度实时防护***，其特征在于，所述第一点云数据为三维数据，所述位置图像数据为二维数据；
根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离进一步包括：
对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围；
将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标；
提取属于所述二维坐标范围的所述二维坐标，作为施工车辆二维坐标；
将所述施工车辆二维坐标对应的所述第一点云数据变换到所述地图三维坐标系中，得到施工车辆地图三维坐标；
在所述地图三维坐标系中，根据所述施工车辆地图三维坐标以及电力线三维坐标计算所述施工车辆与所述输电线路的电力线之间的最短距离，作为所述第一距离。
4.根据权利要求3所述的输电线路的高精度实时防护***，其特征在于，根据所述施工车辆地图三维坐标以及电力线三维坐标计算所述施工车辆与所述输电线路的电力线之间的最短距离进一步包括：
将所述施工车辆地图三维坐标中的最高点坐标作为施工车辆最高点坐标；
利用KNN算法，确定电力线上与所述施工车辆最高点坐标距离最近的点；
计算所述施工车辆最高点坐标与所述KNN算法确定的点的坐标之间的欧式距离；
将所述欧式距离作为所述第一距离。
5.根据权利要求3所述的输电线路的高精度实时防护***，其特征在于，对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围进一步包括：
利用预先训练好的目标检测模型对所述位置图像数据进行分析，得到同一施工车辆的多个检测框；
将置信度得分最大的检测框作为第一检测框，所述置信度得分为所述目标检测模型输出的所述检测框为正确的概率，并将所述第一检测框作为对应的所述施工车辆的二维坐标范围；
计算所述第一检测框与其他检测框的交并比；
判断所述交并比是否超过预设交并比门限值；
若是，则舍弃该检测框；
从除所述第一检测框和舍弃的所述检测框之外的检测框中再次确定置信度得分最大的检测框，并再次执行将置信度得分最大的检测框作为第一检测框的步骤，直至处理完所有的检测框。
6.根据权利要求3所述的输电线路的高精度实时防护***，其特征在于，将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标进一步包括：
利用公式Coordrgb3d＝T×Coordlidar3d将所述第一点云数据变换到所述施工车辆位置探测相机对应的相机三维坐标系中，得到相机三维坐标，其中，Coordrgb3d表示所述相机三维坐标，Coordlidar3d表示所述第一点云数据，T表示将第一点云数据所在的雷达三维坐标系变换到所述相机三维坐标系的第一外参变换矩阵；
利用公式将所述相机三维坐标变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标，其中，[u,v]表示所述二维坐标，[Xc,Yc,Zc]表示所述相机三维坐标，K为所述施工车辆位置探测相机的内参矩阵。
7.根据权利要求6所述的输电线路的高精度实时防护***，其特征在于，将所述施工车辆二维坐标对应的所述第一点云数据变换到所述地图三维坐标系中，得到施工车辆地图三维坐标的公式为：
其中，[Xmap3d,Ymap3d,Zmap3d]表示所述施工车辆地图三维坐标，[Xlidar3d,Yliddar3d,Zlidar3d]表示所述施工车辆二维坐标对应的所述第一点云数据，Tg表示将所述雷达三维坐标系变换到所述地图三维坐标系的第二外参变换矩阵。
8.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，所述施工车辆的第二点云数据包括所述毫米波雷达与所述施工车辆之间的最短距离以及所述施工车辆相对于所述毫米波雷达的垂直方位角和水平方位角；
根据所述施工车辆的第二点云数据计算第二距离的公式为：
其中，L2表示第二距离，Y表示毫米波雷达与施工车辆之间的最短距离，α表示所述垂直方位角，β表示所述水平方位角。
9.根据权利要求8所述的输电线路的高精度实时防护***，其特征在于，根据所述第二距离对所述第一距离进行校验进一步包括：
计算所述第一距离与所述第二距离之间的差值；
判断所述差值是否超过预定差值门限值；
若所述差值未超过所述预定差值门限值，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险；
若所述差值超过所述预定差值门限值，则判断所述第一距离是否大于第二距离，若所述第一距离大于所述第二距离，则所述第一距离的校验结果为不通过，根据所述第二距离判断是否存在施工风险；若所述第一距离不大于所述第二距离，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险。
10.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，所述线上设备还包括移动单元，用于调整所述线上设备在所述输电线路上的位置；
所述处理器进一步用于根据所述施工车辆的第二点云数据，通过所述移动单元调整所述线上设备在所述输电线路上的位置。
11.根据权利要求10所述的输电线路的高精度实时防护***，其特征在于，所述第二点云数据包括所述毫米波雷达与所述施工车辆的多个点之间的距离；
根据所述施工车辆的第二点云数据，通过所述移动单元调整所述线上设备在所述输电线路上的位置进一步包括：
按照第一预定步长，沿着所述输电线路的第一轴向方向移动所述线上设备，在每次移动所述线上设备时，计算距离总和，在所述距离总和开始增加时，停止所述线上设备沿着所述第一轴向方向的移动，然后按照第二预定步长，沿着所述第一轴向方向的反方向移动所述线上设备，并在每次移动所述线上设备时，计算距离总和，在所述距离总和开始增加时，停止所述线上设备沿着所述第一轴向方向的反方向的移动。
12.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，所述塔上设备还包括微波雷达，安装在所述输电线路的塔杆上，用于探测所述输电线路下方是否存在施工车辆；
所述处理器进一步用于当所述微波雷达探测到所述输电线路下方存在施工车辆时，启动所述塔上设备的其他电子器件和所述线上设备的工作。
13.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，所述线上设备还包括风偏舞动测量单元，用于测量所述输电线路的风偏舞动数据；
所述处理器进一步用于根据所述输电线路的风偏舞动数据和所述输电线路点云地图构建所述输电线路的风偏舞动三维模型，根据所述第一点云数据、位置图像数据、第二点云数据和所述输电线路的风偏舞动三维模型判断是否存在施工风险。
14.根据权利要求1所述的输电线路的高精度实时防护***，其特征在于，所述塔上设备还包括摄像单元，安装在所述输电线路的塔杆上，用于获取所述施工车辆的标识；
所述处理器进一步用于根据所述施工车辆的标识获取所述施工车辆的运动轨迹范围，根据所述施工车辆与所述输电线路之间的第一距离、运动轨迹范围以及所述输电线路的三维模型判断是否存在施工风险。
15.一种输电线路的高精度实时防护方法，其特征在于，所述方法包括，
通过塔上设备探测所述输电线路下方的施工车辆的第一点云数据；
通过线上设备探测所述施工车辆的第二点云数据；
根据所述第一点云数据、第二点云数据与输电线路的三维模型对所述输电线路进行安全防护；
所述塔上设备包括激光雷达和施工车辆位置探测相机，所述线上设备包括毫米波雷达；
所述方法还包括：
通过所述激光雷达探测所述输电线路下方的施工车辆的第一点云数据；
通过所述施工车辆位置探测相机探测所述施工车辆的位置图像数据；
通过所述毫米波雷达获取所述施工车辆的第二点云数据；
根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离，根据所述施工车辆的第二点云数据计算第二距离，根据所述第二距离对所述第一距离进行校验，根据校验后的所述第一距离判断是否存在施工风险，当存在施工风险时，向所述施工车辆发出提醒。
16.根据权利要求15所述的方法，其特征在于，根据所述施工车辆的第一点云数据、位置图像数据和所述输电线路的三维模型计算所述施工车辆与所述输电线路之间的第一距离进一步包括：
对所述位置图像数据进行分析，在所述位置图像数据所在的二维图像坐标系中确定所述施工车辆的二维坐标范围；
将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标；
提取属于所述二维坐标范围的所述二维坐标，作为施工车辆二维坐标；
将所述施工车辆二维坐标对应的所述第一点云数据变换到地图三维坐标系中，得到施工车辆地图三维坐标；
在所述地图三维坐标系中，根据所述施工车辆地图三维坐标以及电力线三维坐标计算所述施工车辆与所述输电线路的电力线之间的最短距离，作为所述第一距离。
17.根据权利要求16所述的方法，其特征在于，将所述第一点云数据变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标进一步包括：
利用公式Coordrgb3d＝T×Coordlidar3d将所述第一点云数据变换到所述施工车辆位置探测相机对应的相机三维坐标系中，得到相机三维坐标，其中，Coordrgb3d表示所述相机三维坐标，Coordlidar3d表示所述第一点云数据，T表示将第一点云数据所在的雷达三维坐标系变换到所述相机三维坐标系的第一外参变换矩阵；
利用公式将所述相机三维坐标变换到所述二维图像坐标系中，得到所述第一点云数据对应的二维坐标，其中，[u,v]表示所述二维坐标，[Xc,Yc,Zc]表示所述相机三维坐标，K为所述施工车辆位置探测相机的内参矩阵。
18.根据权利要求17所述的方法，其特征在于，将所述施工车辆二维坐标对应的所述第一点云数据变换到所述地图三维坐标系中，得到施工车辆地图三维坐标的公式为：
其中，[Xmap3d,Ymap3d,Zmap3d]表示所述施工车辆地图三维坐标，[Xlidar3d,Ylidar3d,Zlidar3d]表示所述施工车辆二维坐标对应的所述第一点云数据，Tg表示将所述雷达三维坐标系变换到所述地图三维坐标系的第二外参变换矩阵。
19.根据权利要求15所述的方法，其特征在于，所述施工车辆的第二点云数据包括所述毫米波雷达与所述施工车辆之间的最短距离以及所述施工车辆相对于所述毫米波雷达的垂直方位角和水平方位角；
根据所述施工车辆的第二点云数据计算第二距离的公式为：
其中，L2表示所述第二距离，Y表示所述毫米波雷达与所述施工车辆之间的最短距离，α表示所述垂直方位角，β表示所述水平方位角。
20.根据权利要求19所述的方法，其特征在于，据所述第二距离对所述第一距离进行校验进一步包括：
计算所述第一距离与所述第二距离之间的差值；
判断所述差值是否超过预定差值门限值；
若所述差值未超过所述预定差值门限值，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险；
若所述差值超过所述预定差值门限值，则判断所述第一距离是否大于第二距离，若所述第一距离大于所述第二距离，则所述第一距离的校验结果为不通过，根据所述第二距离判断是否存在施工风险；若所述第一距离不大于所述第二距离，则所述第一距离的校验结果为通过，根据所述第一距离判断是否存在施工风险。
21.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时，执行根据权利要求15-20任意一项所述方法的指令。
22.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器运行时，执行根据权利要求15-20任意一项所述方法的指令。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2022100421397 | 2022-01-14 | ||
| CN202210042139 | 2022-01-14 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116027321A CN116027321A (zh) | 2023-04-28 |
| CN116027321B true CN116027321B (zh) | 2024-01-30 |
Family
ID=86075664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310035595.3A Active CN116027321B (zh) | 2022-01-14 | 2023-01-10 | 一种输电线路的高精度实时防护***和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116027321B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246355B1 (en) * | 1999-12-22 | 2001-06-12 | Hot/Shot Radar Inspections, Llc | Radar cross-section measurement system for analysis of wooden structures |
| JP2007327930A (ja) * | 2006-05-11 | 2007-12-20 | Ikuo Arai | 相関型探知装置 |
| CN205333858U (zh) * | 2015-12-16 | 2016-06-22 | 上海倍肯机电科技有限公司 | 基于激光三维成像的输电线路保护装置 |
| CN105957298A (zh) * | 2016-05-27 | 2016-09-21 | 国网吉林省电力有限公司白山供电公司 | 一种基于多传感器融合技术的输电线防破坏预警*** |
| CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术（北京）有限公司 | 用于车载雷达***的障碍物检测方法和装置 |
| JP2017225326A (ja) * | 2016-02-15 | 2017-12-21 | 独立行政法人国立高等専門学校機構 | 自走式送電線点検装置および自走式送電線点検装置用電線装着装置 |
| CN108198382A (zh) * | 2018-01-12 | 2018-06-22 | 沈阳工程学院 | 高压输电线路防碰撞在线监测***及监测方法 |
| CN108320425A (zh) * | 2018-01-10 | 2018-07-24 | 长沙理工大学 | 输电线路激光防外力破坏监控预警装置 |
| CN108803666A (zh) * | 2018-09-11 | 2018-11-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于毫米波雷达的线路巡检无人机避障方法及*** |
| CN111474443A (zh) * | 2020-04-13 | 2020-07-31 | 国网山东省电力公司淄博供电公司 | 测量输电线路的方法及装置 |
| CN211178705U (zh) * | 2019-10-11 | 2020-08-04 | 河南机电职业学院 | 一种智能识别商品的会员指纹电子秤 |
| CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及*** |
| CN112509297A (zh) * | 2020-09-28 | 2021-03-16 | 国网浙江杭州市余杭区供电有限公司 | 一种输电线路防外破的智能监控方法及装置 |
| WO2021155972A1 (de) * | 2020-02-05 | 2021-08-12 | Siemens Mobility GmbH | Messvorrichtung zur ermittlung der fahrdrahtlage |
| CN113345019A (zh) * | 2021-06-09 | 2021-09-03 | 山东信通电子股份有限公司 | 一种输电线路通道隐患目标测距方法、设备及介质 |
| CN113421409A (zh) * | 2021-06-22 | 2021-09-21 | 国网山东省电力公司鄄城县供电公司 | 一种输电线路的监控方法、装置以及电子设备 |
| CN113891184A (zh) * | 2021-09-30 | 2022-01-04 | 深圳供电局有限公司 | 一种输电线路5g在线监测***和方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6853327B2 (en) * | 1999-12-22 | 2005-02-08 | Hot/Shot Radar Inspections, Llc | Method and system for analyzing overhead line geometries |
| FR2939902A1 (fr) * | 2008-12-16 | 2010-06-18 | Henri Pierre Roche | Systeme de detection d'oiseaux et d'arret automatise d'eolienne industrielle |
| CA2883611A1 (en) * | 2012-09-06 | 2014-03-13 | Mastinc. | System and method to monitor powerlines |
| US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
| AU2019211451A1 (en) * | 2018-01-26 | 2020-08-06 | LineVision, Inc. | System and method for power transmission line monitoring |
| CN110892284A (zh) * | 2018-10-26 | 2020-03-17 | 深圳市大疆创新科技有限公司 | 电力线路检测方法、装置、无人机及计算机可读存储介质 |
-
2023
- 2023-01-10 CN CN202310035595.3A patent/CN116027321B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246355B1 (en) * | 1999-12-22 | 2001-06-12 | Hot/Shot Radar Inspections, Llc | Radar cross-section measurement system for analysis of wooden structures |
| JP2007327930A (ja) * | 2006-05-11 | 2007-12-20 | Ikuo Arai | 相関型探知装置 |
| CN205333858U (zh) * | 2015-12-16 | 2016-06-22 | 上海倍肯机电科技有限公司 | 基于激光三维成像的输电线路保护装置 |
| JP2017225326A (ja) * | 2016-02-15 | 2017-12-21 | 独立行政法人国立高等専門学校機構 | 自走式送電線点検装置および自走式送電線点検装置用電線装着装置 |
| CN105957298A (zh) * | 2016-05-27 | 2016-09-21 | 国网吉林省电力有限公司白山供电公司 | 一种基于多传感器融合技术的输电线防破坏预警*** |
| CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术（北京）有限公司 | 用于车载雷达***的障碍物检测方法和装置 |
| CN108320425A (zh) * | 2018-01-10 | 2018-07-24 | 长沙理工大学 | 输电线路激光防外力破坏监控预警装置 |
| CN108198382A (zh) * | 2018-01-12 | 2018-06-22 | 沈阳工程学院 | 高压输电线路防碰撞在线监测***及监测方法 |
| CN108803666A (zh) * | 2018-09-11 | 2018-11-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于毫米波雷达的线路巡检无人机避障方法及*** |
| CN211178705U (zh) * | 2019-10-11 | 2020-08-04 | 河南机电职业学院 | 一种智能识别商品的会员指纹电子秤 |
| WO2021155972A1 (de) * | 2020-02-05 | 2021-08-12 | Siemens Mobility GmbH | Messvorrichtung zur ermittlung der fahrdrahtlage |
| CN111474443A (zh) * | 2020-04-13 | 2020-07-31 | 国网山东省电力公司淄博供电公司 | 测量输电线路的方法及装置 |
| CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及*** |
| CN112509297A (zh) * | 2020-09-28 | 2021-03-16 | 国网浙江杭州市余杭区供电有限公司 | 一种输电线路防外破的智能监控方法及装置 |
| CN113345019A (zh) * | 2021-06-09 | 2021-09-03 | 山东信通电子股份有限公司 | 一种输电线路通道隐患目标测距方法、设备及介质 |
| CN113421409A (zh) * | 2021-06-22 | 2021-09-21 | 国网山东省电力公司鄄城县供电公司 | 一种输电线路的监控方法、装置以及电子设备 |
| CN113891184A (zh) * | 2021-09-30 | 2022-01-04 | 深圳供电局有限公司 | 一种输电线路5g在线监测***和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于高程投影的输电线路激光点云分类研究;王和平;邹彪;刘伟东;阙波;姜文东;;信息技术(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116027321A (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200098252A1 (en) | Driving Intention Determining Method and Apparatus | |
| Yang et al. | Deep learning‐based bolt loosening detection for wind turbine towers | |
| US11783507B2 (en) | Camera calibration apparatus and operating method | |
| CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、***和电子设备 | |
| CN111222438A (zh) | 一种基于深度学习的行人轨迹预测方法和*** | |
| CN113205116A (zh) | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 | |
| 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 | |
| US20210295013A1 (en) | Three-dimensional object detecting method, apparatus, device, and storage medium | |
| Wen et al. | Uncertainty estimation of LiDAR matching aided by dynamic vehicle detection and high definition map | |
| WO2021110226A1 (en) | A method of monitoring a production area and a system thereof | |
| CN115546710A (zh) | 水电厂的人员定位方法、装置、设备及可读存储介质 | |
| Wen et al. | CAE-RLSM: Consistent and efficient redundant line segment merging for online feature map building | |
| Zhou et al. | Human position detection based on depth camera image information in mechanical safety | |
| CN114092857A (zh) | 基于闸道的集卡图像采集方法、***、设备及存储介质 | |
| CN116027321B (zh) | 一种输电线路的高精度实时防护***和方法 | |
| CN112365201A (zh) | 一种基于神经网络的基建施工监测预警***及方法 | |
| Wang et al. | VISIT: Placement of unmanned aerial vehicles for anisotropic monitoring tasks | |
| CN116647032B (zh) | 一种目标施工车辆的输电线路实时防护***和方法 | |
| Wu et al. | A deep learning-based car accident detection approach in video-based traffic surveillance | |
| CN114814810A (zh) | 行人检测方法 | |
| Xu et al. | An efficient multi‐sensor fusion and tracking protocol in a vehicle‐road collaborative system | |
| KR102171597B1 (ko) | 풍력 발전기 블레이드 인식/분석 장치 및 방법 | |
| CN104236518B (zh) | 一种基于光学成像与模式识别的天线主波束指向探测方法 | |
| CN110597293A (zh) | 一种无人机自主飞行方法、装置、设备及存储介质 | |
| Hu et al. | Vision‐based position computation from in‐vehicle video log images for road sign inventory |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240409 Address after: 450006 Huaihe West Road, Zhongyuan District, Zhengzhou, Henan Province, 19 Patentee after: STATE GRID HENAN ELECTRIC POWER COMPANY ZHENGZHOU POWER SUPPLY Co. Country or region after: China Patentee after: Beijing Zhongchuang Hengyi Intelligent Technology Co.,Ltd. Address before: Room 1601, Unit 2, Building 3, Lixin Jiayuan East District, No. 279 Caihuying West Street, Fengtai District, Beijing, 100055 Patentee before: Beijing Zhongchuang Hengyi Technology Co.,Ltd. Country or region before: China |