CN116047499B - 一种目标施工车辆的输电线路高精度实时防护***和方法 - Google Patents
一种目标施工车辆的输电线路高精度实时防护***和方法 Download PDFInfo
- Publication number
- CN116047499B CN116047499B CN202310036819.2A CN202310036819A CN116047499B CN 116047499 B CN116047499 B CN 116047499B CN 202310036819 A CN202310036819 A CN 202310036819A CN 116047499 B CN116047499 B CN 116047499B
- Authority
- CN
- China
- Prior art keywords
- construction vehicle
- transmission line
- power transmission
- distance
- construction
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 502
- 230000005540 biological transmission Effects 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 73
- 230000001131 transforming effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 13
- 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 8
- 238000005259 measurement Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 12
- 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
- 239000000725 suspension Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 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
- 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
- 230000001788 irregular 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本文涉及输电线路在线监测领域,尤其涉及一种目标施工车辆的输电线路高精度实时防护***和方法。包括塔上设备、线上设备以及车载终端;塔上设备探测输电线路下方的所有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所有施工车辆的第二点云数据,根据第一点云数据、第二点云数据以及输电线路的三维模型判断是否存在施工风险,存在施工风险时,通过安装在施工车辆中的车载终端介入施工车辆进行安全防护。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施工车辆的施工风险,提高了测量精度,通过车载终端介入存在施工风险的施工车辆的工作,避免影响其他施工车辆的正常工作,解决现有技术中输电线路的安全防护效果差的问题。
Description
技术领域
本文涉及输电线路在线监测领域,尤其涉及一种目标施工车辆的输电线路高精度实时防护***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。此外,可能存在多辆施工车辆同时在两个电塔之间的输电电路的下方施工作业,现有技术只能监测到是否有施工车辆在施工过程中存在接近输电线路的情况,但在监测到存在施工车辆将接近输电线路后,只能通过喊话的方式提醒输电线路下方的全部施工车辆,对施工效率造成了巨大的影响。
现在亟需一种目标施工车辆的输电线路高精度实时防护***和方法,从而解决现有技术中输电线路的安全防护效果差的问题。
发明内容
为解决现有技术中输电线路的安全防护效果差的问题,本文实施例提供了一种目标施工车辆的输电线路高精度实时防护***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目标施工车辆的输电线路高精度实时防护***,包括,
塔上设备、线上设备以及车载终端;
所述塔上设备探测所述输电线路下方的所有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所有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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端介入所述施工车辆进行安全防护。
另一方面,本文实施例还提供了一种目标施工车辆的输电线路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所有施工车辆的第一点云数据;
通过线上设备探测所述所有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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端介入所述施工车辆进行安全防护。
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判断是否存在施工风险,当存在施工风险时,通过安装在施工车辆上的车载终端介入施工车辆进行输电线路的安全防护,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,通过车载终端介入存在施工风险的施工车辆的工作,实现了对输电线路下方的具体施工车辆的施工风险进行监测,并且仅对存在施工风险的施工车辆进行安全防护,避免影响其他不存在施工风险的施工车辆的正常工作,解决现有技术中输电线路的安全防护效果差的问题。
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目标施工车辆的输电线路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目标施工车辆的输电线路高精度实时防护***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目标施工车辆的输电线路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所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系的步骤;
图8所示为本文实施例根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系的步骤;
图9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10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11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12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13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;
106、车载终端;
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;
203、车载终端;
1302、计算机设备;
1304、处理设备;
1306、存储资源;
1308、驱动机构;
1310、输入/输出模块;
1312、输入设备;
1314、输出设备;
1316、呈现设备;
1318、图形用户接口;
1320、网络接口;
1322、通信链路;
1324、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目标施工车辆的输电线路高精度实时防护方法实施***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、线上设备105以及车载终端106。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,塔上设备104通过安装在施工车辆103上的车载终端106介入施工车辆103进行安全防护。
具体地,本文实施例提供了一种目标施工车辆的输电线路高精度实时防护***,如图2所示,包括塔上设备201、线上设备202以及车载终端203,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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端203介入所述施工车辆进行安全防护。
通过本文实施例所述的目标施工车辆的输电线路高精度实时防护***,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判断是否存在施工风险,当存在施工风险时,通过安装在施工车辆上的车载终端203介入施工车辆进行输电线路的安全防护,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,通过车载终端203介入存在施工风险的施工车辆的工作,实现了对输电线路下方的具体施工车辆的施工风险进行监测,并且仅对存在施工风险的施工车辆进行安全防护,避免影响其他不存在施工风险的施工车辆的正常工作,解决现有技术中输电线路的安全防护效果差的问题。
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和车载终端203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2021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之间的最短距离以及线上设备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最短距离、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。车载终端203可以与施工车辆的控制***连接,从而在监测到施工风险时,车载终端203向施工车辆的控制***发送控制信号,以控制施工车辆的工作,例如,中止施工车辆的油路供应电源等等,此外,车载终端203还可以包括扬声器和/或报警指示灯,当监测到施工风险时,塔上设备201可以准确的定位到哪个施工车辆存在施工风险,并通知该施工车辆中的车载终端203,通过扬声器和/或报警指示灯发出警报。
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的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所有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所有施工车辆的第一点云数据计算所述输电线路下方每一施工车辆的第一位置,并根据所述所有施工车辆的第一点云数、位置图像数据以及所述输电线路的三维模型计算每一施工车辆与所述输电线路之间的第一距离,所述第一位置包括所述输电线路下方每一施工车辆上多个点的坐标;
所述车载终端203,位于各施工车辆上,用于获取所述各施工车辆的第二位置,所述第二位置包括所述各施工车上某一点的坐标;
所述处理器2016进一步用于,根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系;
所述线上设备202包括毫米波雷达2021,位于所述输电线路上,用于获取所述所有施工车辆第二点云数据;
所述处理器2016进一步用于根据所述所有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每一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,根据所述施工车辆和所述车载终端的对应关系介入所述施工车辆进行安全防护。
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1和施工车辆2,激光雷达2012探测后输出施工车辆1和施工车辆2的三维点云数据,其中包括施工车辆1和施工车辆2的多个点的坐标为T总(x,y,z),即所有施工车辆的第一点云数据。需要说明的是,在施工车辆1和施工车辆2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1和施工车辆2的第一点云数据,从而实时地对输电线路进行安全防护。
处理器2016根据施工车辆1和施工车辆2的多个点的坐标T总(x,y,z)得到施工车辆1的第一位置,其中施工车辆1的第一位置为施工车辆1上多个点的坐标T1(x,y,z),例如包括如图3所示的施工车辆1的A1、B1、C1、D1和H1点的坐标。同理,根据施工车辆1和施工车辆2的多个点的坐标T总(x,y,z)得到施工车辆2的第一位置,其中施工车辆2的第一位置为施工车辆2上多个点的坐标T2(x,y,z),例如包括如图3所示的施工车辆2的A2、B2、C2、D2和H2点的坐标。
由于激光雷达2012得到的所有施工车辆的三维点云数据仅包括每一施工车辆的第一位置,为实现监测每一施工车辆的施工风险并当某个或某些施工车辆存在施工风险时,仅对存在施工风险的施工车辆进行报警和/或控制,因此需要建立激光雷达2012得到的所有施工车辆的三维点运算数据与安装在施工车辆上的车载终端的对应关系,当监测到某一施工车辆存在施工风险时,仅对该施工车辆进行报警和/或控制。因此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位置与第二位置确定所述施工车辆和所述车载终端的对应关系进一步包括:
步骤701:计算所述第二位置的坐标与所述第一位置的多个坐标之间的平均距离;
步骤702:根据所述平均距离和预设平均距离确定所述施工车辆与所述车载终端的对应关系。
在本文实施例中,位于各施工车辆上的车载终端203获取各自施工车辆的第二位置,该第二位置可以是车载终端203安装在驾驶室内的位置的GNSS(包含GPS和北斗坐标)三维绝对空间坐标,继续如图3所示,安装在施工车辆1上的车载终端203得到施工车辆1的坐标T1’(x,y,z),其中,施工车辆1的坐标T1’(x,y,z)可以表示施工车辆1的轮廓内的某一点的坐标,例如,车载终端203安装在施工车辆1内的H1点附近,则施工车辆1的坐标T1’(x,y,z)在H1点坐标的附近,即施工车辆1的第二位置。同理,安装在施工车辆2上的车载终端203得到施工车辆2的坐标T2’(x,y,z),其中,施工车辆2的坐标T2’(x,y,z)可以表示施工车辆2的轮廓内的某一点的坐标,例如,车载终端203安装在施工车辆2内的H2点附近,则施工车辆2的坐标T2’(x,y,z)在H2点坐标的附近,即施工车辆2的第二位置。然后处理器2016根据施工车辆1的第一位置与第二位置确定所述施工车辆1和安装在施工车辆1上的车载终端203的对应关系,处理器2016根据施工车辆2的第一位与第二位置确定所述施工车辆2和安装在施工车辆2上的车载终端203的对应关系,具体地,由于施工车辆1上多个点的坐标T1(x,y,z)包括了施工车辆1的轮廓坐标(即由A1、B1、C1、D1点坐标组成不规则立方体),施工车辆1的坐标T1’(x,y,z)在施工车辆1的轮廓坐标内,可以计算施工车辆1的坐标T1’(x,y,z)与施工车辆1的轮廓坐标之间的平均距离,然后比较该平均距离和预设平均距离,得到施工车辆1和安装在施工车辆1上的车载终端203的对应关系,采用相同的方法,得到施工车辆2和安装在施工车辆2上的车载终端203的对应关系。需要说明的是,所述预设平均距离可以根据施工车辆的轮廓大小得到,例如将施工车辆轮廓上各点之间距离的平均值作为预设平均距离。
在本文的一些其他实施例中,车载终端203还能够记录其对应施工车辆的轮廓形态,在确定施工车辆的点云数据和车载终端之间的对应关系时,可以将车载终端203记录的施工车辆的轮廓形态进行坐标变换,变换到激光雷达的雷达三维坐标下,然后根据施工车辆的轮廓形态计算预设平均距离,相比于根据人工经验设定预设平均距离的方法,本文实施例根据车载终端203记录的施工车辆的轮廓形态计算得到的预设平均距离能够更符合施工车辆的实际轮廓,从而提高了确定施工车辆的点云数据和车载终端对应关系的精度。
在本文的一些其他实施例中,如图8所示,根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系还包括:
步骤801:根据所述第二位置的坐标以及预设半径计算施工车辆范围;
步骤802:根据所述施工车辆范围和所述第一位置的多个坐标确定所述施工车辆与所述车载终端的对应关系。
在本文实施例中,预设半径也可以根据车载终端203记录的施工车辆的轮廓形态计算得到,此处不再赘述。
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9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901: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902: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903: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904: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905: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10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1001: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1002: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1003: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1104: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11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1101: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1102: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1103:计算所述第一检测框与其他检测框的交并比;
步骤1104:判断所述交并比是否超过预设交并比门限值;
步骤1105:若是,则舍弃该检测框;
步骤1106: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11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)-(1):
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12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1201:计算所述第一距离与所述第二距离之间的差值;
步骤1202:判断所述差值是否超过预定差值门限值;
步骤1203: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1204: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1205: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1206: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X1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。
采用上述同样的方法,判断施工车辆2是否存在施工风险,此处不再赘述。
若判断施工车辆1存在施工风险,则向该施工车辆1对应的车载终端203发送中止和/或报警指令,以使车载终端203指示车辆的油路控制器切断油路供电,让车辆的机械装置停止运动,也可以向车载终端203的扬声器和/或报警指示灯发出警报,以提醒施工车辆1内的工作人员的注意。同理,若判断施工车辆2存在施工风险,则向该施工车辆2对应的车载终端203发送中止和/或报警指令。
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。
在一些可选的实施例中,车载终端203可以结合塔上设备201对输电线路进行防护。具体的,车载终端203可以包括但不限于带控制数据接口的台式计算机等类型的电子设备。可选的,电子设备上运行的操作***可以包括但不限于安卓***、IOS***、Linux、Windows等。
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、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或摄像单元2013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的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、第二距离、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,则向该施工车辆对应的车载终端203发送中止和/或报警指令。进一步地,还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,通过车载终端203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。
基于同一发明构思,本文实施例还提供了一种目标施工车辆的输电线路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目标施工车辆的输电线路高精度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所有施工车辆的第一点云数据;
步骤502:通过线上设备探测所述所有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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端介入所述施工车辆进行安全防护。
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13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1302可以包括一个或多个处理设备1304,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1302还可以包括任何存储资源1306,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1306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1302的固定或可移除部件。在一种情况下,当处理设备1304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1302可以执行相关联指令的任一操作。计算机设备1302还包括用于与任何存储资源交互的一个或多个驱动机构1308,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备1302还可以包括输入/输出模块1310(I/O),其用于接收各种输入(经由输入设备1312)和用于提供各种输出(经由输出设备1314)。一个具体输出机构可以包括呈现设备1316和相关联的图形用户接口(GUI)1318。在其他实施例中,还可以不包括输入/输出模块1310(I/O)、输入设备1312以及输出设备1314,仅作为网络中的一台计算机设备。计算机设备1302还可以包括一个或多个网络接口1320,其用于经由一个或多个通信链路1322与其他设备交换数据。一个或多个通信总线1324将上文所描述的部件耦合在一起。
通信链路1322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1322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 (24)
1.一种目标施工车辆的输电线路高精度实时防护***,其特征在于,包括,
塔上设备、线上设备以及车载终端;
所述塔上设备探测所述输电线路下方的所有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所有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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端介入所述施工车辆进行安全防护;
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的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所有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所有施工车辆的第一点云数据计算所述输电线路下方每一施工车辆的第一位置,并根据所述所有施工车辆的第一点云数据、位置图像数据以及所述输电线路的三维模型计算每一施工车辆与所述输电线路之间的第一距离,所述第一位置包括所述输电线路下方每一施工车辆上多个点的坐标;
所述车载终端,位于各施工车辆上,用于获取所述各施工车辆的第二位置,所述第二位置包括所述各施工车辆上某一点的坐标;
所述处理器进一步用于,根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系;
所述线上设备包括毫米波雷达,位于所述输电线路上,用于通过所述毫米波雷达获取所述所有施工车辆第二点云数据;
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,根据所述施工车辆和所述车载终端的对应关系介入所述施工车辆进行安全防护。
2.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,其特征在于,根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系进一步包括:
计算所述第二位置的坐标与所述第一位置的多个坐标之间的平均距离;
根据所述平均距离和预设平均距离确定所述施工车辆与所述车载终端的对应关系。
3.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,其特征在于,根据所述施工车辆的第一位置与第二位置确定所述施工车辆和所述车载终端的对应关系还包括:
根据所述第二位置的坐标以及预设半径计算施工车辆范围;
根据所述施工车辆范围和所述第一位置的多个坐标确定所述施工车辆与所述车载终端的对应关系。
4.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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。
5.根据权利要求4所述的目标施工车辆的输电线路高精度实时防护***,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;
根据所述所有施工车辆的第一点云数据、位置图像数据以及所述输电线路的三维模型计算每一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。
6.根据权利要求5所述的目标施工车辆的输电线路高精度实时防护***,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。
7.根据权利要求5所述的目标施工车辆的输电线路高精度实时防护***,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。
8.根据权利要求5所述的目标施工车辆的输电线路高精度实时防护***,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。
9.根据权利要求8所述的目标施工车辆的输电线路高精度实时防护***,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,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。
10.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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。
11.根据权利要求10所述的目标施工车辆的输电线路高精度实时防护***,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。
12.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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。
13.根据权利要求12所述的目标施工车辆的输电线路高精度实时防护***,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。
14.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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、所述线上设备和所述车载终端的工作。
15.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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的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、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。
16.根据权利要求1所述的目标施工车辆的输电线路高精度实时防护***,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。
17.一种目标施工车辆的输电线路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所有施工车辆的第一点云数据;
通过线上设备探测所述所有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判断是否存在施工风险,当存在施工风险时,通过安装在所述施工车辆中的车载终端介入所述施工车辆进行安全防护;
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。
18.根据权利要求17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。
19.根据权利要求18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。
20.根据权利要求19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。
21.根据权利要求17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。
22.根据权利要求21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。
23.一种计算机设备,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17-22任意一项所述方法的指令。
24.一种计算机存储介质,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17-22任意一项所述方法的指令。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022100432974 | 2022-01-14 | ||
CN202210043297 | 2022-01-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116047499A CN116047499A (zh) | 2023-05-02 |
CN116047499B true CN116047499B (zh) | 2024-03-26 |
Family
ID=86127007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310036819.2A Active CN116047499B (zh) | 2022-01-14 | 2023-01-10 | 一种目标施工车辆的输电线路高精度实时防护***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116047499B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092631B (zh) * | 2023-10-19 | 2024-04-19 | 江苏翰林正川工程技术有限公司 | 一种输电通道施工机械目标定位与测距方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101552585B1 (ko) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법 |
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*** |
CN111797734A (zh) * | 2020-06-22 | 2020-10-20 | 广州视源电子科技股份有限公司 | 车辆点云数据处理方法、装置、设备和存储介质 |
WO2020232608A1 (zh) * | 2019-05-20 | 2020-11-26 | 西门子股份公司 | 输配电设备诊断方法、装置、***、计算设备、介质以及产品 |
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 |
CN112525162A (zh) * | 2021-02-09 | 2021-03-19 | 众芯汉创(北京)科技有限公司 | 一种无人机测量输电线路影像距离的***及方法 |
CN113313005A (zh) * | 2021-05-25 | 2021-08-27 | 国网山东省电力公司济宁供电公司 | 基于目标识别与重建的输电导线在线监测方法及*** |
CN113514849A (zh) * | 2020-04-10 | 2021-10-19 | 深圳市镭神智能***有限公司 | 一种车辆参数检测方法、***及存储介质 |
CN113536883A (zh) * | 2021-03-23 | 2021-10-22 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN113869629A (zh) * | 2021-08-13 | 2021-12-31 | 广东电网有限责任公司广州供电局 | 一种基于激光点云的输电线路安全风险分析判断评估方法 |
-
2023
- 2023-01-10 CN CN202310036819.2A patent/CN116047499B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101552585B1 (ko) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법 |
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*** |
WO2020232608A1 (zh) * | 2019-05-20 | 2020-11-26 | 西门子股份公司 | 输配电设备诊断方法、装置、***、计算设备、介质以及产品 |
CN113514849A (zh) * | 2020-04-10 | 2021-10-19 | 深圳市镭神智能***有限公司 | 一种车辆参数检测方法、***及存储介质 |
CN111797734A (zh) * | 2020-06-22 | 2020-10-20 | 广州视源电子科技股份有限公司 | 车辆点云数据处理方法、装置、设备和存储介质 |
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 |
CN112525162A (zh) * | 2021-02-09 | 2021-03-19 | 众芯汉创(北京)科技有限公司 | 一种无人机测量输电线路影像距离的***及方法 |
CN113536883A (zh) * | 2021-03-23 | 2021-10-22 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN113313005A (zh) * | 2021-05-25 | 2021-08-27 | 国网山东省电力公司济宁供电公司 | 基于目标识别与重建的输电导线在线监测方法及*** |
CN113869629A (zh) * | 2021-08-13 | 2021-12-31 | 广东电网有限责任公司广州供电局 | 一种基于激光点云的输电线路安全风险分析判断评估方法 |
Non-Patent Citations (2)
Title |
---|
基于激光点云数据电力线的提取及安全检测;徐博;刘正军;王坚;;激光杂志;20170725(第07期);全文 * |
基于激光点云数据的输电线路安全检测分析研究;刘军;;电力大数据;20180721(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116047499A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021184218A1 (zh) | 一种相对位姿标定方法及相关装置 | |
US9083856B2 (en) | Vehicle speed measurement method and system utilizing a single image capturing unit | |
CN104865971B (zh) | 一种输电线路巡检无人机的控制方法及无人机 | |
CN112085003B (zh) | 公共场所异常行为自动识别方法及装置、摄像机设备 | |
CN107589758A (zh) | 一种基于双源视频分析的智能化野外无人机搜救方法与*** | |
CN109141347A (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
CN111634636B (zh) | 一种斗轮机的全自动取料控制*** | |
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 | |
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 | |
US20230047094A1 (en) | Image processing method, network training method, and related device | |
CN110929538A (zh) | 具有基准标记的对象*** | |
US20230136798A1 (en) | Method and apparatus for detecting lane line | |
CN114815890A (zh) | 基于无人机的动态目标追踪***设计 | |
CN112365201A (zh) | 一种基于神经网络的基建施工监测预警***及方法 | |
CN116027321B (zh) | 一种输电线路的高精度实时防护***和方法 | |
CN110530376B (zh) | 机器人定位方法、装置、机器人及存储介质 | |
CN116647032B (zh) | 一种目标施工车辆的输电线路实时防护***和方法 | |
CN113467504B (zh) | 一种飞行器飞行稳定控制方法、***、设备及存储介质 | |
CN111857113B (zh) | 可移动设备的定位方法及定位装置 | |
Xu et al. | An efficient multi‐sensor fusion and tracking protocol in a vehicle‐road collaborative system | |
Wu et al. | A deep learning-based car accident detection approach in video-based traffic surveillance | |
CN110597293A (zh) | 一种无人机自主飞行方法、装置、设备及存储介质 | |
CN106779327B (zh) | 电力线路巡查飞行器、飞行器***和方法 | |
CN111372051A (zh) | 多相机联动盲区检测方法、装置和电子设备 |
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 |