CN117081237A - 一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** - Google Patents
一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** Download PDFInfo
- Publication number
- CN117081237A CN117081237A CN202310884379.6A CN202310884379A CN117081237A CN 117081237 A CN117081237 A CN 117081237A CN 202310884379 A CN202310884379 A CN 202310884379A CN 117081237 A CN117081237 A CN 117081237A
- Authority
- CN
- China
- Prior art keywords
- hidden danger
- information
- obstacle
- transmission line
- preset
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012800 visualization Methods 0.000 claims abstract description 40
- 230000004888 barrier function Effects 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 19
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于雷达扫描及图像采集的输电线路隐患识别方法及***,包括:通过雷达装置扫描输电线路预设空间范围内的所有障碍物,得到障碍物信息;将障碍物信息发送给可视化装置进行标定和过滤,判断是否存在新出现的障碍物信息;若是,则触发可视化装置进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;将隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患,并将包含新隐患的图像叠加障碍物信息进行输出,完成输电线路隐患的识别。本发明用于解决现有的输电线路可视化监控技术中隐患识别频率与装置功耗之间的矛盾问题,加入雷达装置扫描功能可减少可视化装置的拍照频率,降低可视化装置的功耗,但仍能够提高隐患识别的及时性。
Description
技术领域
本发明涉及输电线路可视化监控技术领域,具体涉及一种基于雷达扫描及图像采集的输电线路隐患识别方法及***。
背景技术
输电线路可视化监控技术是智能电网技术在输电线路监测和隐患预警方面的应用,通过结合高清摄像技术、图像处理和人工智能等技术,实现对输电线路的实时监测、隐患目标的自动检测和过滤,以提高电网运行的可靠性和安全性。输电线路可视化监控技术旨在通过智能化监测和数据驱动的预警机制,减少电网事故和停电风险,提升电力***的可靠性和效率。
输电线路可视化监控技术在对输电线路进行智能化监测时,主要是对输电线路中存在的隐患进行准确的识别,并将识别出的隐患及时反馈给运维人员,使得运维人员能够根据识别出的隐患信息获取到输电线路中新出现隐患的类型以及新出现隐患的所处位置,从而快速且有效地消除新出现隐患,减少电网事故以及停电风险。
但是输电线路由于其布线范围较广,并且输电线路通常布置在较为复杂的室外环境,因此针对输电线路这种大范围的识别目标,现有的输电线路可视化监控技术仅采用图像采集装置对输电线路进行智能化监测的技术方案,存在隐患识别率不高的技术问题。并且大范围的识别目标使得在将可视化捕捉到的目标进行传输和存储,将占据较大的网络带宽和存储成本。另外,在较为复杂的室外环境中,图像采集装置容易受到光照和天气条件的影响,从而导致隐患识别率进一步下降。上述问题使得现有的输电线路可视化监控技术得到的监测数据不够准确,从而在电力***的可靠性和效率的提升上难以满足现有需求。
发明内容
为了克服现有技术的不足,本发明提供一种基于雷达扫描及图像采集的输电线路隐患识别方法及***,用于解决现有的输电线路可视化监控技术由于隐患识别率不高,从而难以对输电线路进行有效监测的技术问题。
为解决上述问题,本发明所采用的技术方案如下:
一种基于雷达扫描及图像采集的输电线路隐患识别方法,包括以下步骤:
通过雷达装置扫描所述输电线路预设空间范围内的所有障碍物,得到障碍物信息;
将所述障碍物信息发送给可视化装置,通过所述可视化装置对所述障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息;
若存在,则触发所述可视化装置对所述输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;
将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患,并将包含所述新隐患的图像叠加障碍物信息进行输出,完成所述输电线路隐患的识别。
作为本发明优选的实施方式,在通过所述可视化装置对所述障碍物信息进行标定和过滤时,包括:
通过给所述可视化装置发送标定指令,在标定时间内对所述雷达装置扫描到的所述输电线路预设空间范围内所有障碍物信息进行标定得到一障碍物信息集,并对所述障碍物信息集进行过滤,并且在所述标定时间结束后将所述障碍物信息集进行存储,待下次重新上电时再次加载到缓存中。
作为本发明优选的实施方式,在对所述障碍物信息集进行过滤时,包括:
通过利用IOU交并算法和预设的障碍物重合率计算参数循环获取每个障碍物信息与已缓存的障碍物信息集中的每个障碍物信息的重合率,具体如公式1所示:
式中,a为已缓存的障碍物信息集中的每个障碍物的坐标信息(x1,y1,z1),b为所述每个障碍物的坐标信息(x2,y2,z2),Va为所述坐标信息(x1,y1,z1)下的正方体,Vb为所述坐标信息(x2,y2,z2)下的正方体,Va∩Vb为正方体Va和正方体Vb的交集,Va∪Vb为正方体Va和正方体Vb的并集;
将所述每个障碍物信息的重合率与预设的障碍物重合率参考值进行比较,若其中一个障碍物信息的重合率小于所述预设的障碍物重合率参考值,则认为所述障碍物信息为新出现的障碍物信息;
其中,所述预设的障碍物重合率计算参数包括预设的重合率计算半径参数、所述预设的障碍物重合率参考值以及预设的障碍物缓存失效时间。
作为本发明优选的实施方式,在对所述障碍物信息集进行过滤时,还包括:
通过所述坐标信息(x1,y1,z1)和所述预设的重合率计算半径参数r,得到所述正方体Va;
通过所述坐标信息(x2,y2,z2)和所述预设的重合率计算半径参数r,得到所述正方体Vb;
其中,所述正方体Va包含用于获取所述每个障碍物信息的重合率的对角顶点坐标Aa(x1-r,y1-r,z1-r)和Ba(x1+r,y1+r,z1+r);所述正方体Vb包含用于获取所述每个障碍物信息的重合率的对角顶点坐标Ab(x2-r,y2-r,z2-r)和Bb(x2+r,y2+r,z2+r)。
作为本发明优选的实施方式,在对所述障碍物信息集进行过滤时,还包括:
通过所述正方体Va的对角顶点坐标和所述正方体Vb的对角顶点坐标,得到所述正方体Va和所述正方体Vb的交集Va∩Vb,具体如公式2、公式3、公式4、公式5、公式6、公式7以及公式8所示:
Δx1=max(x1-r,x2-r)(2);
Δy1=max(y1-r,y2-r)(3);
Δz1=max(z1-r,z2-r)(4);
Δx2=min(x1+r,x2+r)(5);
Δy2=min(y1+r,y2+r)(6);
Δz2=min(z1+r,z2+r)(7);
Va∩Vb=(Δx2-Δx1)*(Δy2-Δy1)*(Δz2-Δz1)(8)。
作为本发明优选的实施方式,在对所述障碍物信息集进行过滤时,还包括:
通过所述正方体Va的对角顶点坐标和所述正方体Vb的对角顶点坐标,得到所述正方体Va和所述正方体Vb的并集Va∪Vb,具体如公式9、公式10以及公式11所示:
Va=(x1+r-x1+r)*(y1+r-y1+r)*(z1+r-z1+r)=8r3(9);
Vb=(x2+r-x2+r)*(y2+r-y2+r)*(z2+r-z2+r)=8r3(10);
Va∪Vb=Va+Vb-(Va∩Vb)=16r3-(Va∩Vb)(11)。
作为本发明优选的实施方式,在获取每个障碍物信息的重合率时,还包括:
通过所述预设的障碍物缓存失效时间得到所述已缓存的障碍物信息集中的每个障碍物信息的实际障碍物缓存失效时间,若所述实际障碍物缓存失效时间大于当前时间,则判断该已缓存的障碍物信息为无效,并删除该已缓存的无效的障碍物信息,跳过该已缓存的无效的障碍物信息获取下一个已缓存的障碍物信息的重合率;
其中,在得到所述实际障碍物缓存失效时间时,具体如公式12所示:
Jz=Sz+Hz(12);
式中,Jz为所述实际障碍物缓存失效时间,Sz为所述已缓存的障碍物信息集中的每个障碍物信息的扫描时间,Hz为所述预设的障碍物缓存失效时间。
作为本发明优选的实施方式,在将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患时,包括:
通过利用IOU交并算法和预设的隐患重合率计算参数循环获取每个隐患信息与已缓存的隐患信息集中的每个隐患信息的重合率,具体如公式13所示:
式中,a为已缓存的隐患信息集中的同一类型隐患目标在图像中的像素位置信息;b为同一类型隐患目标在图像中的像素位置信息;Sa为隐患目标a的矩形,矩形Sa包含用于获取所述每个隐患信息的重合率的对角顶点坐标Aa(x1,y1),Ba(x2,y2);Sb为隐患目标b的矩形,矩形Sb包含用于获取所述每个隐患信息的重合率的对角顶点坐标Ab(x3,y3),Bb(x4,y4);
通过所述矩形Sa的对角顶点坐标和所述矩形Sb的对角顶点坐标,得到所述矩形Sa和所述矩形Sb的交集Sa∩Sb,具体如公式14、公式15、公式16、公式17以及公式18所示:
Δx1=max(x1,x3)(14);
Δy1=max(y1,y3)(15);
Δx2=min(x2,x4)(16);
Δy2=min(y2,y4)(17);
Sa∩Sb=(Δx2-Δx1)*(Δy2-Δy1)(18);
通过所述矩形Sa的对角顶点坐标和所述矩形Sb的对角顶点坐标,得到所述矩形Sa和所述矩形Sb的并集Sa∪Sb,具体如公式19、公式20以及公式21所示:
Sa=(x2-x1)*(y2-y1)(19);
Sb=(x4-x3)*(y4-y3)(20);
Sa∪Sb=Sa+Sb-(Va∩Vb)(21);
将所述每个隐患信息的重合率与预设的隐患重合率参考值进行比较,若其中一个隐患信息的重合率小于所述预设的隐患重合率参考值,则认为所述隐患信息为新出现的隐患信息;
其中,所述预设的隐患重合率计算参数包括预设的隐患重合率参考值和预设的隐患缓存失效时间。
作为本发明优选的实施方式,在获取每个隐患信息的重合率时,还包括:
通过所述预设的隐患缓存失效时间得到所述已缓存的隐患信息集中的每个隐患信息的实际隐患缓存失效时间,若所述实际隐患缓存失效时间大于当前时间,则判断该已缓存的隐患信息为无效,并删除该已缓存的无效的隐患信息,跳过该已缓存的无效的隐患信息获取下一个已缓存的隐患信息的重合率;
其中,在得到所述实际隐患缓存失效时间时,具体如公式22所示:
Jy=Sy+Hy(22);
式中,Jy为所述实际隐患缓存失效时间,Sy为所述已缓存的隐患信息集中的每个隐患信息的识别时间,Hy为所述预设的隐患缓存失效时间。
一种基于雷达扫描及图像采集的输电线路隐患识别***,包括:
障碍物信息获取单元:用于通过雷达装置扫描所述输电线路预设空间范围内的所有障碍物,得到障碍物信息;
障碍物信息过滤单元:用于将所述障碍物信息发送给可视化装置,通过所述可视化装置对所述障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息;
隐患信息获取单元:用于当存在新出现的障碍物信息时,触发所述可视化装置对所述输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;
隐患识别单元:用于将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出的新隐患,并将包含所述新隐患的图像叠加障碍物信息进行输出,完成所述输电线路隐患的识别。
相比现有技术,本发明的有益效果在于:
(1)本发明所提供的输电线路隐患识别方法,在对输电线路的隐患进行识别时首先通过雷达装置对隐患进行初步检测和筛选,雷达装置的可探测范围更广,因此针对输电线路这种大范围的识别目标进行初步识别时,雷达装置在识别准确性上会高于可视化装置,从而在一定程度上提高了隐患识别率;
(2)由于雷达装置相较于可视化装置,不易受到天气条件和光照的影响,因此本发明所提供的输电线路隐患识别方法能进一步地提高隐患识别率;
(3)本发明只有在通过雷达装置初步判断有新出现的隐患后,才通过可视化装置对隐患做进一步的识别,从而有效避免每次隐患的识别都需要利用可视化装置进行目标的可视化捕捉导致占据较大带宽和储存的问题,并且降低可视化装置的功耗;
(4)另外通过雷达装置进行初步筛选后,大大缩小了识别的范围,此时再通过可视化装置做进一步的识别,相较于现有技术直接采用可视化装置进行识别的技术方案,将大大减少所需采集的图像数量和大小,进一步解决带宽和储存占据较大的技术问题;
(5)本发明所提供的输电线路隐患识别方法,通过雷达装置对输电线路隐患进行初步识别,大大缩小了识别范围,并且初步识别过程相较于现有技术更适合用于大范围的输电线路以及输电线路所处的复杂环境;另外,再通过可视化装置对经过筛选的识别范围做进一步的识别,从而借助可视化装置更好的识别能力以及细节展示能力,实现输电线路隐患的准确识别。
下面结合附图和具体实施方式对本发明作进一步详细说明。
附图说明
图1-是本发明实施例的基于雷达扫描及图像采集的输电线路隐患识别方法步骤图。
具体实施方式
本发明所提供的基于雷达扫描及图像采集的输电线路隐患识别方法,如图1所示,包括以下步骤:
步骤S1:通过雷达装置扫描输电线路预设空间范围内的所有障碍物,得到障碍物信息;
步骤S2:将障碍物信息发送给可视化装置,通过可视化装置对障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息;
步骤S3:若存在,则触发可视化装置对输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;
步骤S4:将隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患,并将包含新隐患的图像叠加障碍物信息进行输出,完成输电线路隐患的识别。
进一步地,本发明所提供的输电线路隐患识别方法,在安装雷达装置和可视化装置时,要尽可能确保雷达装置的法线和可视化装置的法线保持平行,上述法线的平行设置使得雷达装置和可视化装置的探测方向不会因为存在较大的偏差,从而影响到隐患识别的准确率。
具体地,本发明在完成输电线路隐患的识别后,可将包含新隐患的图像叠加障碍物信息上传至运维平台,从而便于运维人员根据隐患识别结果及时消除输电线路存在的隐患。
具体地,在上述步骤S2中,通过雷达装置扫描得到的障碍物信息包含障碍物位置信息和障碍物扫描时间信息。
在上述步骤S2中,在通过可视化装置对障碍物信息进行标定和过滤时,包括:
通过给可视化装置发送标定指令,在标定时间内对雷达装置扫描到的输电线路预设空间范围内所有障碍物信息进行标定得到一障碍物信息集,并对障碍物信息集进行过滤,并且在标定时间结束后将障碍物信息集进行存储,待下次重新上电时再次加载到缓存中。
具体地,标定指令包括指令码、标定时长参数以及标定区域空间范围参数。运维人员通过给可视化装置发送标定指令,对当前要监控的空间范围内的障碍物进行标定,去除已知障碍物带来的误报。在标定时间内对雷达装置扫描到的预设空间范围内所有障碍物信息进行过滤,在标定时间结束后将预设空间范围内所有障碍物信息集保存至存储中,待下次重新上电时再次加载到缓存中。
可视化装置接收雷达装置扫描到的所有障碍物信息,利用IOU交并算法和预设障碍物重合率计算参数对每个障碍物信息循环与已缓存障碍物信息集中的每个障碍物信息进行重合率计算,若其中一个障碍物信息进行重合率计算后都小于预设值则触发可视化装置进行拍照,否则可视化装置进入休眠等待下一次雷达装置发送障碍物信息。
若当次障碍物信息中有新出现的障碍物则触发可视化装置进行拍照和智能图像识别。可视化装置在进行智能图像识别时,利用可视化装置中的NPU和预先训练好的隐患识别模型对图像进行智能识别,得出隐患类型和隐患在图像中的位置信息。
若图像识别出隐患,则再次利用IOU交并算法和预设的隐患重合率计算参数对每个隐患信息循环与已缓存隐患信息集中的每个隐患信息进行重合率计算,若其中一个隐患信息进行重合率计算后都小于预设值则将隐患图片叠加障碍物信息上传至运维平台。
进一步地,在对障碍物信息集进行过滤时,包括:
通过利用IOU交并算法和预设的障碍物重合率计算参数循环获取每个障碍物信息与已缓存的障碍物信息集中的每个障碍物信息的重合率,具体如公式1所示:
式中,a为已缓存的障碍物信息集中的每个障碍物的坐标信息(x1,y1,z1),b为每个障碍物的坐标信息(x2,y2,z2),Va为坐标信息(x1,y1,z1)下的正方体,Vb为坐标信息(x2,y2,z2)下的正方体,Va∩Vb为正方体Va和正方体Vb的交集,Va∪Vb为正方体Va和正方体Vb的并集;
将每个障碍物信息的重合率与预设的障碍物重合率参考值进行比较,若其中一个障碍物信息的重合率小于预设的障碍物重合率参考值,则认为障碍物信息为新出现的障碍物信息;
其中,预设的障碍物重合率计算参数包括预设的重合率计算半径参数、预设的障碍物重合率参考值以及预设的障碍物缓存失效时间。
具体地,a为上一次障碍物坐标信息(x1,y1,z1),b为本次障碍物坐标信息(x2,y2,z2)。若其中一个障碍物信息进行重合率计算后都小于预设重合率参考值则触发可视化装置进行拍照,否则可视化装置进入休眠;预设的障碍物重合率参考值宜设定为40%到80%。
进一步地,若障碍物信息的重合率小于预设的障碍物重合率参考值,则将该障碍物信息加入到已缓存的障碍物信息集中;若障碍物信息的重合率大于等于预设的障碍物重合率参考值,则更新已缓存的障碍物信息集中该障碍物信息。
更进一步地,在对障碍物信息集进行过滤时,还包括:
通过坐标信息(x1,y1,z1)和预设的重合率计算半径参数r,得到正方体Va;
通过坐标信息(x2,y2,z2)和预设的重合率计算半径参数r,得到正方体Vb;
其中,正方体Va包含用于获取每个障碍物信息的重合率的对角顶点坐标Aa(x1-r,y1-r,z1-r)和Ba(x1+r,y1+r,z1+r);正方体Vb包含用于获取每个障碍物信息的重合率的对角顶点坐标Ab(x2-r,y2-r,z2-r)和Bb(x2+r,y2+r,z2+r)。
更进一步地,在对障碍物信息集进行过滤时,还包括:
通过正方体Va的对角顶点坐标和正方体Vb的对角顶点坐标,得到正方体Va和正方体Vb的交集Va∩Vb,具体如公式2、公式3、公式4、公式5、公式6、公式7以及公式8所示:
Δx1=max(x1-r,x2-r) (2);
Δy1=max(y1-r,y2-r) (3);
Δz1=max(z1-r,z2-r) (4);
Δx2=min(x1+r,x2+r) (5);
Δy2=min(y1+r,y2+r) (6);
Δz2=min(z1+r,z2+r) (7);
Va∩Vb=(Δx2-Δx1)*(Δy2-Δy1)*(Δz2-Δz1) (8)。
具体地,若Δx1>=Δx2或者Δy1>=Δy2或者Δz1>=Δz2,则Va∩Vb值为0,IOU值也为0。
更进一步地,在对障碍物信息集进行过滤时,还包括:
通过正方体Va的对角顶点坐标和正方体Vb的对角顶点坐标,得到正方体Va和正方体Vb的并集Va∪Vb,具体如公式9、公式10以及公式11所示:
Va=(x1+r-x1+r)*(y1+r-y1+r)*(z1+r-z1+r)=8r3(9);
Vb=(x2+r-x2+r)*(y2+r-y2+r)*(z2+r-z2+r)=8r3(10);
Va∪Vb=Va+Vb-(Va∩Vb)=16r3-(Va∩Vb)(11)。
进一步地,在获取每个障碍物信息的重合率时,还包括:
通过预设的障碍物缓存失效时间得到已缓存的障碍物信息集中的每个障碍物信息的实际障碍物缓存失效时间,若实际障碍物缓存失效时间大于当前时间,则判断该已缓存的障碍物信息为无效,并删除该已缓存的无效的障碍物信息,跳过该已缓存的无效的障碍物信息获取下一个已缓存的障碍物信息的重合率;
其中,在得到实际障碍物缓存失效时间时,具体如公式12所示:
Jz=Sz+Hz(12);
式中,Jz为实际障碍物缓存失效时间,Sz为已缓存的障碍物信息集中的每个障碍物信息的扫描时间,Hz为预设的障碍物缓存失效时间。
具体地,预设的障碍物缓存失效时间用于在进行重合率计算时判断缓存中的障碍物信息是否有效,若(缓存中障碍物信息的扫描时间+预设的障碍物缓存失效时间)大于当前时间,则删除缓存中的该障碍物信息,并跳过缓存中的该障碍物信息的重合率计算。
具体地,在上述步骤S3中,采集到的隐患图像包含一个到多个隐患信息,对上述隐患图像进行智能识别得到的隐患信息包含隐患类型、隐患位置、置信度以及识别时间。
在上述步骤S4中,在将隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患时,包括:
通过利用IOU交并算法和预设的隐患重合率计算参数循环获取每个隐患信息与已缓存的隐患信息集中的每个隐患信息的重合率,具体如公式13所示:
式中,a为已缓存的隐患信息集中的同一类型隐患目标在图像中的像素位置信息;b为同一类型隐患目标在图像中的像素位置信息;Sa为隐患目标a的矩形,矩形Sa包含用于获取每个隐患信息的重合率的对角顶点坐标Aa(x1,y1),Ba(x2,y2);Sb为隐患目标b的矩形,矩形Sb包含用于获取每个隐患信息的重合率的对角顶点坐标Ab(x3,y3),Bb(x4,y4);
通过矩形Sa的对角顶点坐标和矩形Sb的对角顶点坐标,得到矩形Sa和矩形Sb的交集Sa∩Sb,具体如公式14、公式15、公式16、公式17以及公式18所示:
Δx1=max(x1,x3)(14);
Δy1=max(y1,y3)(15);
Δx2=min(x2,x4)(16);
Δy2=min(y2,y4)(17);
Sa∩Sb=(Δx2-Δx1)*(Δy2-Δy1)(18);
若Δx1>=Δx2或者Δy1>=Δy2,则值为0,IOU值也为0。
通过矩形Sa的对角顶点坐标和矩形Sb的对角顶点坐标,得到矩形Sa和矩形Sb的并集Sa∪Sb,具体如公式19、公式20以及公式21所示:
Sa=(x2-x1)*(y2-y1)(19);
Sb=(x4-x3)*(y4-y3)(20);
Sa∪Sb=Sa+Sb-(Va∩Vb)(21);
将每个隐患信息的重合率与预设的隐患重合率参考值进行比较,若其中一个隐患信息的重合率小于预设的隐患重合率参考值,则认为隐患信息为新出现的隐患信息;
其中,预设的隐患重合率计算参数包括预设的隐患重合率参考值和预设的隐患缓存失效时间。
具体地,若其中一个隐患信息进行重合率计算后都小于预设的隐患重合率参考值则将隐患图片叠加障碍物信息上传至运维平台,否则可视化装置进入休眠;预设的隐患重合率参考值宜设定为40%到80%。
进一步地,在获取每个隐患信息的重合率时,还包括:
通过预设的隐患缓存失效时间得到已缓存的隐患信息集中的每个隐患信息的实际隐患缓存失效时间,若实际隐患缓存失效时间大于当前时间,则判断该已缓存的隐患信息为无效,并删除该已缓存的无效的隐患信息,跳过该已缓存的无效的隐患信息获取下一个已缓存的隐患信息的重合率;
其中,在得到实际隐患缓存失效时间时,具体如公式22所示:
Jy=Sy+Hy(22);
式中,Jy为实际隐患缓存失效时间,Sy为已缓存的隐患信息集中的每个隐患信息的识别时间,Hy为预设的隐患缓存失效时间。
具体地,预设的隐患缓存失效时间用于在进行重合率计算时判断缓存中的隐患信息是否有效,若(缓存中的隐患信息的识别时间+预设的隐患缓存失效时间)大于当前时间,则删除缓存中的该隐患信息,并跳过缓存中的该隐患信息的重合率计算。
本发明所提供的基于雷达扫描及图像采集的输电线路隐患识别***,包括:障碍物信息获取单元、障碍物信息过滤单元、隐患信息获取单元以及隐患识别单元。
障碍物信息获取单元:用于通过雷达装置扫描输电线路预设空间范围内的所有障碍物,得到障碍物信息。
障碍物信息过滤单元:用于将障碍物信息发送给可视化装置,通过可视化装置对障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息。
隐患信息获取单元:用于当存在新出现的障碍物信息时,触发可视化装置对输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息。
隐患识别单元:用于将隐患信息与缓存中的隐患信息进行重叠比较筛选出的新隐患,并将包含新隐患的图像叠加障碍物信息进行输出,完成输电线路隐患的识别。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,包括以下步骤:
通过雷达装置扫描所述输电线路预设空间范围内的所有障碍物,得到障碍物信息;
将所述障碍物信息发送给可视化装置,通过所述可视化装置对所述障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息;
若存在,则触发所述可视化装置对所述输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;
将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患,并将包含所述新隐患的图像叠加障碍物信息进行输出,完成所述输电线路隐患的识别。
2.根据权利要求1所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在通过所述可视化装置对所述障碍物信息进行标定和过滤时,包括:
通过给所述可视化装置发送标定指令,在标定时间内对所述雷达装置扫描到的所述输电线路预设空间范围内所有障碍物信息进行标定得到一障碍物信息集,并对所述障碍物信息集进行过滤,并且在所述标定时间结束后将所述障碍物信息集进行存储,待下次重新上电时再次加载到缓存中。
3.根据权利要求2所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在对所述障碍物信息集进行过滤时,包括:
通过利用IOU交并算法和预设的障碍物重合率计算参数循环获取每个障碍物信息与已缓存的障碍物信息集中的每个障碍物信息的重合率,具体如公式1所示:
式中,a为已缓存的障碍物信息集中的每个障碍物的坐标信息(x1,y1,z1),b为所述每个障碍物的坐标信息(x2,y2,z2),Va为所述坐标信息(x1,y1,z1)下的正方体,Vb为所述坐标信息(x2,y2,z2)下的正方体,Va∩Vb为正方体Va和正方体Vb的交集,Va∪Vb为正方体Va和正方体Vb的并集;
将所述每个障碍物信息的重合率与预设的障碍物重合率参考值进行比较,若其中一个障碍物信息的重合率小于所述预设的障碍物重合率参考值,则认为所述障碍物信息为新出现的障碍物信息;
其中,所述预设的障碍物重合率计算参数包括预设的重合率计算半径参数、所述预设的障碍物重合率参考值以及预设的障碍物缓存失效时间。
4.根据权利要求3所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在对所述障碍物信息集进行过滤时,还包括:
通过所述坐标信息(x1,y1,z1)和所述预设的重合率计算半径参数r,得到所述正方体Va;
通过所述坐标信息(x2,y2,z2)和所述预设的重合率计算半径参数r,得到所述正方体Vb;
其中,所述正方体Va包含用于获取所述每个障碍物信息的重合率的对角顶点坐标Aa(x1-r,y1-r,z1-r)和Ba(x1+r,y1+r,z1+r);所述正方体Vb包含用于获取所述每个障碍物信息的重合率的对角顶点坐标Ab(x2-r,y2-r,z2-r)和Bb(x2+r,y2+r,z2+r)。
5.根据权利要求4所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在对所述障碍物信息集进行过滤时,还包括:
通过所述正方体Va的对角顶点坐标和所述正方体Vb的对角顶点坐标,得到所述正方体Va和所述正方体Vb的交集Va∩Vb,具体如公式2、公式3、公式4、公式5、公式6、公式7以及公式8所示:
Δx1=max(x1-r,x2-r) (2);
Δy1=max(y1-r,y2-r) (3);
Δz1=max(z1-r,z2-r) (4);
Δx2=min(x1+r,x2+r) (5);
Δy2=min(y1+r,y2+r) (6);
Δz2=min(z1+r,z2+r) (7);
Va∩Vb=(Δx2-Δx1)*(Δy2-Δy1)*(Δz2-Δz1) (8)。
6.根据权利要求5所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在对所述障碍物信息集进行过滤时,还包括:
通过所述正方体Va的对角顶点坐标和所述正方体Vb的对角顶点坐标,得到所述正方体Va和所述正方体Vb的并集Va∪Vb,具体如公式9、公式10以及公式11所示:
Va=(x1+r-x1+r)*(y1+r-y1+r)*(z1+r-z1+r)=8r3 (9);
Vb=(x2+r-x2+r)*(y2+r-y2+r)*(z2+r-z2+r)=8r3 (10);
Va∪Vb=Va+Vb-(Va∩Vb)=16r3-(Va∩Vb) (11)。
7.根据权利要求3所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在获取每个障碍物信息的重合率时,还包括:
通过所述预设的障碍物缓存失效时间得到所述已缓存的障碍物信息集中的每个障碍物信息的实际障碍物缓存失效时间,若所述实际障碍物缓存失效时间大于当前时间,则判断该已缓存的障碍物信息为无效,并删除该已缓存的无效的障碍物信息,跳过该已缓存的无效的障碍物信息获取下一个已缓存的障碍物信息的重合率;
其中,在得到所述实际障碍物缓存失效时间时,具体如公式12所示:
Jz=Sz+Hz (12);
式中,Jz为所述实际障碍物缓存失效时间,Sz为所述已缓存的障碍物信息集中的每个障碍物信息的扫描时间,Hz为所述预设的障碍物缓存失效时间。
8.根据权利要求1所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出新隐患时,包括:
通过利用IOU交并算法和预设的隐患重合率计算参数循环获取每个隐患信息与已缓存的隐患信息集中的每个隐患信息的重合率,具体如公式13所示:
式中,a为已缓存的隐患信息集中的同一类型隐患目标在图像中的像素位置信息;b为同一类型隐患目标在图像中的像素位置信息;Sa为隐患目标a的矩形,矩形Sa包含用于获取所述每个隐患信息的重合率的对角顶点坐标Aa(x1,y1),Ba(x2,y2);Sb为隐患目标b的矩形,矩形Sb包含用于获取所述每个隐患信息的重合率的对角顶点坐标Ab(x3,y3),Bb(x4,y4);
通过所述矩形Sa的对角顶点坐标和所述矩形Sb的对角顶点坐标,得到所述矩形Sa和所述矩形Sb的交集Sa∩Sb,具体如公式14、公式15、公式16、公式17以及公式18所示:
Δx1=max(x1,x3) (14);
Δy1=max(y1,y3) (15);
Δx2=min(x2,x4) (16);
Δy2=min(y2,y4) (17);
Sa∩Sb=(Δx2-Δx1)*(Δy2-Δy1) (18);
通过所述矩形Sa的对角顶点坐标和所述矩形Sb的对角顶点坐标,得到所述矩形Sa和所述矩形Sb的并集Sa∪Sb,具体如公式19、公式20以及公式21所示:
Sa=(x2-x1)*(y2-y1) (19);
Sb=(x4-x3)*(y4-y3) (20);
Sa∪Sb=Sa+Sb-(Va∩Vb) (21);
将所述每个隐患信息的重合率与预设的隐患重合率参考值进行比较,若其中一个隐患信息的重合率小于所述预设的隐患重合率参考值,则认为所述隐患信息为新出现的隐患信息;
其中,所述预设的隐患重合率计算参数包括预设的隐患重合率参考值和预设的隐患缓存失效时间。
9.根据权利要求1所述的基于雷达扫描及图像采集的输电线路隐患识别方法,其特征在于,在获取每个隐患信息的重合率时,还包括:
通过所述预设的隐患缓存失效时间得到所述已缓存的隐患信息集中的每个隐患信息的实际隐患缓存失效时间,若所述实际隐患缓存失效时间大于当前时间,则判断该已缓存的隐患信息为无效,并删除该已缓存的无效的隐患信息,跳过该已缓存的无效的隐患信息获取下一个已缓存的隐患信息的重合率;
其中,在得到所述实际隐患缓存失效时间时,具体如公式22所示:
Jy=Sy+Hy (22);
式中,Jy为所述实际隐患缓存失效时间,Sy为所述已缓存的隐患信息集中的每个障隐患信息的识别时间,Hy为所述预设的隐患缓存失效时间。
10.一种基于雷达扫描及图像采集的输电线路隐患识别***,其特征在于,包括:
障碍物信息获取单元:用于通过雷达装置扫描所述输电线路预设空间范围内的所有障碍物,得到障碍物信息;
障碍物信息过滤单元:用于将所述障碍物信息发送给可视化装置,通过所述可视化装置对所述障碍物信息进行标定和过滤,判断是否存在新出现的障碍物信息;
隐患信息获取单元:用于当存在新出现的障碍物信息时,触发所述可视化装置对所述输电线路进行图像采集,并基于采集到的图像进行智能识别得到隐患信息;
隐患识别单元:用于将所述隐患信息与缓存中的隐患信息进行重叠比较筛选出的新隐患,并将包含所述新隐患的图像叠加障碍物信息进行输出,完成所述输电线路隐患的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884379.6A CN117081237B (zh) | 2023-07-19 | 2023-07-19 | 一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884379.6A CN117081237B (zh) | 2023-07-19 | 2023-07-19 | 一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117081237A true CN117081237A (zh) | 2023-11-17 |
CN117081237B CN117081237B (zh) | 2024-04-02 |
Family
ID=88718414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310884379.6A Active CN117081237B (zh) | 2023-07-19 | 2023-07-19 | 一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117081237B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104314A1 (en) * | 2014-10-08 | 2016-04-14 | Canon Kabushiki Kaisha | Information processing apparatus and method thereof |
CN113569914A (zh) * | 2021-06-29 | 2021-10-29 | 山东信通电子股份有限公司 | 一种融合点云数据的输电线路巡检方法及*** |
CN113810660A (zh) * | 2021-08-25 | 2021-12-17 | 深圳市恺恩科技有限公司 | 输电线路防外力破坏检测装置及具有其的杆塔 |
CN113850137A (zh) * | 2021-08-24 | 2021-12-28 | 山东信通电子股份有限公司 | 一种输电线路图像在线监测方法、***及设备 |
CN114024574A (zh) * | 2021-12-31 | 2022-02-08 | 山东信通电子股份有限公司 | 一种用于输电线路的隐患状态识别方法及设备 |
CN114332732A (zh) * | 2021-12-28 | 2022-04-12 | 四川西南交大铁路发展股份有限公司 | 一种基于雷视融合的铁路危情监测方法 |
CN115376074A (zh) * | 2022-10-25 | 2022-11-22 | 济南信通达电气科技有限公司 | 输电线路监拍装置识别效果评估方法及*** |
CN115471965A (zh) * | 2022-07-14 | 2022-12-13 | 北京见合八方科技发展有限公司 | 一种输电线路区域防护***和防护方法 |
WO2023005100A1 (zh) * | 2021-07-30 | 2023-02-02 | 安徽继远软件有限公司 | 基于边缘计算的输电线路缺陷识别方法及*** |
CN115755069A (zh) * | 2022-11-21 | 2023-03-07 | 中科蓝卓(北京)信息科技有限公司 | 一种轨道异物检测装置、检测***及检测方法 |
CN115880231A (zh) * | 2022-11-17 | 2023-03-31 | 广州长川科技有限公司 | 一种基于深度学习的输电线路隐患检测方法和*** |
-
2023
- 2023-07-19 CN CN202310884379.6A patent/CN117081237B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104314A1 (en) * | 2014-10-08 | 2016-04-14 | Canon Kabushiki Kaisha | Information processing apparatus and method thereof |
CN113569914A (zh) * | 2021-06-29 | 2021-10-29 | 山东信通电子股份有限公司 | 一种融合点云数据的输电线路巡检方法及*** |
WO2023005100A1 (zh) * | 2021-07-30 | 2023-02-02 | 安徽继远软件有限公司 | 基于边缘计算的输电线路缺陷识别方法及*** |
CN113850137A (zh) * | 2021-08-24 | 2021-12-28 | 山东信通电子股份有限公司 | 一种输电线路图像在线监测方法、***及设备 |
CN113810660A (zh) * | 2021-08-25 | 2021-12-17 | 深圳市恺恩科技有限公司 | 输电线路防外力破坏检测装置及具有其的杆塔 |
CN114332732A (zh) * | 2021-12-28 | 2022-04-12 | 四川西南交大铁路发展股份有限公司 | 一种基于雷视融合的铁路危情监测方法 |
CN114024574A (zh) * | 2021-12-31 | 2022-02-08 | 山东信通电子股份有限公司 | 一种用于输电线路的隐患状态识别方法及设备 |
CN115471965A (zh) * | 2022-07-14 | 2022-12-13 | 北京见合八方科技发展有限公司 | 一种输电线路区域防护***和防护方法 |
CN115376074A (zh) * | 2022-10-25 | 2022-11-22 | 济南信通达电气科技有限公司 | 输电线路监拍装置识别效果评估方法及*** |
CN115880231A (zh) * | 2022-11-17 | 2023-03-31 | 广州长川科技有限公司 | 一种基于深度学习的输电线路隐患检测方法和*** |
CN115755069A (zh) * | 2022-11-21 | 2023-03-07 | 中科蓝卓(北京)信息科技有限公司 | 一种轨道异物检测装置、检测***及检测方法 |
Non-Patent Citations (1)
Title |
---|
郭保青等: "基于N3D_DIOU的图像与点云融合目标检测算法", 光学精密工程, vol. 29, no. 11, pages 2703 - 2713 * |
Also Published As
Publication number | Publication date |
---|---|
CN117081237B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109068099B (zh) | 基于视频监控的虚拟电子围栏监控方法及*** | |
WO2021253961A1 (zh) | 一种智能视觉感知*** | |
US6989745B1 (en) | Sensor device for use in surveillance system | |
CN104079874B (zh) | 一种基于物联网技术的安防一体化***及方法 | |
US7242295B1 (en) | Security data management system | |
US7342489B1 (en) | Surveillance system control unit | |
CN107331097A (zh) | 基于目标位置信息融合的周界防入侵装置与方法 | |
CN103929592A (zh) | 全方位智能监控设备及方法 | |
CN210899299U (zh) | 一种隧道监控*** | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN102117484B (zh) | 使用图像色彩信息的处理***、处理方法与图像分类方法 | |
JPH0337354B2 (zh) | ||
CN110703760B (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
CN107104971A (zh) | 一种基于激光雷达和视频的联合监控方法、装置及*** | |
CN110619735A (zh) | 一种高空坠物监测告警的*** | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
CN111461078A (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
CN116416577A (zh) | 一种用于施工监控***的异常识别方法 | |
CN115953719A (zh) | 一种多目标识别的计算机图像处理*** | |
CN117081237B (zh) | 一种基于雷达扫描及图像采集的输电线路隐患识别方法及*** | |
JP2000184359A (ja) | 監視装置及び監視システム | |
CN107945445A (zh) | 一种带预处理功能的雷球联动警示监控***及其监控方法 | |
CN107147877A (zh) | 固定区域夜雾天况全天候彩***成像***及其构建方法 | |
CN111460949B (zh) | 一种输电线路防外力破坏实时监测方法和*** | |
CN113222548A (zh) | 一种社区物业鹰眼监控***及使用方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 519000 3rd floor, building 6, No.89, Jinfeng North Road, high tech Zone, Zhuhai City, Guangdong Province Applicant after: Changyuan Zhilian Technology (Zhuhai) Co.,Ltd. Address before: 519000 3rd floor, building 6, No.89, Jinfeng North Road, high tech Zone, Zhuhai City, Guangdong Province Applicant before: Zhuhai shenruizhilian Technology Co.,Ltd. Country or region before: China |
|
CB02 | Change of applicant information |