CN117809191B - 用于输电线路三维立体测距的智能监测预警方法及*** - Google Patents

Abstract

本申请公开了用于输电线路三维立体测距的智能监测预警方法及***，涉及设备运检管理技术领域，所述方法包括读取输电线路的空间排布；基于传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，确定监测风险区段；使用三维智能测量装置，对监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；预处理采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；对监测风险区段进行三维立体测距，确定相对空间距离；结合风险特征确定风险定位单列，对风险区段三维模型进行映射标识，执行后端可视化风险示警。进而达成降低巡检成本、提供问题发现时效性并为预警提供空间距离信息的技术效果。

Description

用于输电线路三维立体测距的智能监测预警方法及***

技术领域

本发明涉及设备运检管理技术领域，特别涉及用于输电线路三维立体测距的智能监测预警方法及***。

背景技术

随着电力***的不断发展和输电线路规模的不断扩大，对输电线路的监测与维护提出了更高的要求。传统的输电线路监测主要依赖于视频监控、AI识别、激光雷达扫描等手段，现有技术的局限性导致误报漏报概率较大，且为非实时性，这对于大范围、复杂地形的输电线路来说显得相对有限。存在巡检成本高、问题发现不及时、预警缺少空间距离信息的技术问题。

发明内容

本申请的目的在于提供用于输电线路三维立体测距的智能监测预警方法及***。用以解决现有技术中巡检成本高、问题发现不及时、预警缺少空间距离信息的技术问题。

鉴于以上技术问题，本申请提供了用于输电线路三维立体测距的智能监测预警方法及***。

第一方面，本申请提供了用于输电线路三维立体测距的智能监测预警方法，其中，所述方法包括：

读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

预处理所述采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；

对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

基于所述风险特征与所述相对空间坐标，确定风险定位单列；

识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警。

第二方面，本申请还提供了用于输电线路三维立体测距的智能监测预警***，其中，所述***包括：

阵列布设模块，所述阵列布设模块用于读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

定位模块，所述定位模块用于基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

图像获取模块，所述图像获取模块用于使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

三维构建模块，所述三维构建模块用于预处理所述采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；

空间定位模块，所述空间定位模块用于对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

风险定位模块，所述风险定位模块用于基于所述风险特征与所述相对空间坐标，确定风险定位单列；

示警模块，所述示警模块用于识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过读取输电线路的空间排布，布设传感器阵列，其中，传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；基于传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；使用三维智能测量装置，对监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；预处理采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；对监测风险区段进行三维立体测距，确定相对空间距离，相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；基于风险特征与相对空间坐标，确定风险定位单列；识别风险定位单列，对风险区段三维模型进行映射标识，于三维智能测量装置的后端进行可视化风险示警。进而达成降低巡检成本、提供问题发现时效性并为预警提供空间距离信息的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：

图1为本申请用于输电线路三维立体测距的智能监测预警方法的流程示意图；

图2为本申请用于输电线路三维立体测距的智能监测预警方法中读取输电线路的空间排布，布设传感器阵列的流程示意图；

图3为本申请用于输电线路三维立体测距的智能监测预警***的结构示意图。

附图标记说明：阵列布设模块11、定位模块12、图像获取模块13、三维构建模块14、空间定位模块15、风险定位模块16、示警模块17。

具体实施方式

本申请通过提供用于输电线路三维立体测距的智能监测预警方法及***，解决了现有技术面临的巡检成本高、问题发现不及时、预警缺少空间距离信息的技术问题。

本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：

首先，获取输电线路的空间布局信息，然后部署传感器阵列，其中包括定点传感器组、移动传感器组和贴片传感器组；通过传感器阵列采集实时运况参数，并将其传送至三维智能测量装置。结合风险决策模型，确定风险特征并定位监测风险区段；同时，借助三维智能测量装置，对监测风险区段进行多角度的前端图像采集，随后回传采集到的图像集；对采集到的图像集进行预处理，筛选有效图像用于三维图像重建，以建立风险点的三维模型；通过对监测风险区段进行三维立体测距，确定相对空间距离，而相对空间距离是基于相对空间坐标的确定。结合风险特征和相对空间坐标，确定风险定位单列；最后，识别风险定位单列，将其映射标识到风险点的三维模型上，以实现可视化风险示警。进而达成降低巡检成本、提供问题发现时效性并为预警提供空间距离信息的技术效果。

为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

如图1所示，本申请提供了用于输电线路三维立体测距的智能监测预警方法，所述方法包括：

S100：读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

可选的，输电线路的空间排布指的是线路在三维空间中的布局和分布情况，包括线路的走向、高度、交叉点等。具体的，输电线路的空间排布通过交互输电线路管理***或采集输电线路设计资料获取。

可选的，传感器阵列是指具有空间分布特征和集群特征的传感器群组。优选的，传感器阵列包括定点传感器组、移动传感器组与贴片传感器组。

其中，定点传感器组是被安置在输电线路上特定位置的传感器集合，包括多个位于输电线路不同空间位置的固定位置传感器。定点传感器组用于对输电线路中位置及分布特征固定的运行参数进行采集。示例性的，包括输电线路中的变压器、结合点、绝缘子等异常风险大的位置。移动传感器组用于对某些具有特征趋变的量，如线路弧垂温度、振动或湿度，采用巡检式传感采集方法。示例性的，移动传感器组布设于可移动的机器人、飞行器、可旋转的机械装置或其他自主移动装置。贴片传感器组是一种紧贴在输电线路表面的传感器装置，用于采集线路线缆上的实时采集高频数据，以获取电路参数的精确信息，包括电流、电压等。示例性的，贴片传感器采用粘贴式传感器或柔性电子传感器。

进一步的，如图2所示，读取输电线路的空间排布，布设传感器阵列，步骤包括：

读取输电线路的空间排布并获取监测维度，确定传感器类型与分布集成度，其中，所述分布集成度基于风险因素确定；

识别监测采集需求，基于所述传感器类型与所述分布集成度，进行输电线路传感排布分析，确定预排布方案；

基于所述预排布方案，进行传感器布设，确定所述传感器阵列。

可选的，监测维度是指需要进行监测的参数维度，监测维度基于目标输电线路监测任务的监测目标确定，示例性的，对于输电线路防外力破坏监测，监测维度包括危险源空间信息、危险源与导线的距离等。

可选的，确定传感器类型与分布集成度，根据监测维度确定合适的传感器类型，如图像传感器、距离传感器、温度传感器、湿度传感器、振动传感器等。其中，所述传感器阵列以图像传感器为主，优选设置为一主两副，以进行同位置区域图像的多角度采集，其余传感器类别辅助进行数据采集，以确保数据采集的完备性，提高决策精准度。分布集成度是指传感器的分布密集程度。基于风险因素，确定传感器的分布密度以更准确地监测潜在风险。其中，风险因素越多、风险因素对输电线路正常运行的影响程度越大，则传感器的分布越密集。

可选的，监测采集需求是指目标输电线路监测任务的具体约束，包括监测频率、数据精度等。示例性的，监测采集需求基于目标输电线路监测任务书或其他相应的任务资料确定。

可选的，在输电线路上按照预排布方案安装传感器设备。包括根据输电线路的空间排布及将各类传感器组合成对应的传感器簇，多个不同布设类型的传感器形成的传感器簇集成一整体，形成传感器阵列，以实现对多个监测维度的全面监测，同时便于进行传感信息的溯源定位。

进一步的，所述进行输电线路传感排布分析，确定预排布方案，步骤还包括：

基于所述监测采集需求，对输电线路的空间排布进行采集方式划分，确定区域划分结果，所述区域划分结果标识有传感数据类型；

识别所述传感数据类型，遍历所述传感器类型匹配确定目标传感器类型；

识别所述分布集成度，确定基于所述区域划分结果的传感器数量；

基于所述目标传感器类型与所述传感器数量，确定所述预排布方案。

可选的，根据输电线路的监测目标，确认需要监测的维度和参数，以明确监测采集的具体需求。而后，划分输电线路的空间排布，确定需要监测的区域和位置及对应的采集方式。示例性的，考虑输电线路的长度、拓扑结构和潜在风险区域。区域划分结果包括固定位置采集区域、特征趋变采集区域、柔性采集区域，分别对应定点传感器组、移动传感器组与贴片传感器组。

可选的，在进行空间排布划分的基础上，为区域划分结果中每个监测区域标识需要采集的传感数据类型。而后，通过传感数据类型，结合监测采集需求，进行传感器类型的选型匹配，确保配置的传感器满足目标输电线路的监测采集需求。其中，选型匹配通过传感器的性能参数与目标输电线路的监测采集需求的匹配度确定，示例性的，包括采样深度、采样精度、工作温度、平均无故障工作时间MTBF等。

可选的，确定目标传感器类型后，基于分布集成度的结果，确定每个监测区域需要的传感器数量。集成度高的监测区域配置更多的传感器以提高监测精度与响应能力。

可选的，基于目标传感器类型、传感器数量和区域划分结果，进行传感器的排布，确定预排布方案。包括为每个传感器设置具***置、高度、安装方式等。示例性的，预排布方案基于关键节点全覆盖的原则确定。通过以上步骤，综合考虑监测需求、传感器类型、分布集成度等因素，制定有效的预排布方案，以确保传感器能够在输电线路上覆盖关键区域，提供准确的监测数据。

S200：基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

可选的，连接传感器阵列，进行目标输电线路的实时运况参数的采集，通过通信技术，将传感器阵列采集到的实时运况参数数据传输至三维智能测量装置。示例性的，通过有线或无线通信手段实现，确保数据能够及时、可靠地传送到终端。

可选的，三维智能测量装置与传感器阵列中的多个传感器簇或区域划分结果中多个监测区域相对应。其中，每个三维智能测量装置可与一个或多个传感器簇或区域划分结果中监测区域相对应。

可选的，实时运况参数传输至三维智能测量装置后，在三维智能测量装置进行数据处理和分析。通过在接近数据源的地方进行一些初步处理，以减轻云端的负担，并加速决策的反馈速度。

可选的，结合预先建立的风险决策模型，对实时采集的运况参数数据进行分析和评估。风险决策模型基于先前的经验、机器学习算法或其他方法构建。示例性的，首先，收集与输电线路相关的历史运行数据、环境数据、事故记录等，并确保数据的质量和完整性；而后，对收集到的数据进行特征工程，包括数据清洗、归一化、标准化等预处理步骤。选择和提取与风险相关的特征。将特征工程处理后的数据集划分为训练集和测试集；接着，选取合适的建模技术建立风险决策模型，包括机器学习算法（如决策树、支持向量机、神经网络），使用上述的训练集对风险决策模型进行监督训练；然后使用测试集进行模型评估，考察模型的准确性、召回率、精确度等性能指标。根据评估结果对模型进行调整。当风险决策模型满足预设的性能约束时，可用于定位风险特征。

可选的，将定位到的风险特征与输电线路的实际地理信息结合，确定监测风险区段。示例性的，包括通过地理信息***（GIS）数据等手段来实现，使风险定位更为准确。

S300：使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

可选的，基于确定的监测风险区段，激活对应位置的三维智能测量装置，进行监测风险区段的前端图像多角度采集。其中，三维智能测量装置是指搭载摄像头、激光雷达等传感器的设备，通过设备的智能自主的路线选取和设备动作，实现多角度的前端图像采集，获取采集图像集。

可选的，三维智能测量装置的采集控制方式包括智能采集与手动控制，用于满足不同的前段图采集场景。其中，智能采集是指三维智能测量装置通过内置的智能算法和决策模型，自主地进行数据采集。涉及自动调整测量参数、选择采集角度、识别感兴趣的目标等。手动控制允许操作员进行干预和调整，操作人员通过远程控制界面手动操控三维智能测量装置。包括控制装置的方向、角度、焦距等参数，以确保采集到所需的数据。通过设置智能算法来实现大部分的自动化，而在需要特殊关注或干预的时候，可以切换到手动控制模式。进而最大程度地满足用户的实际需求。

S400：预处理所述采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；

进一步的，所述预处理所述采集图像集，包括：

以同采集位置为整合标准，对所述采集图像集进行规整，确定多组图像集；

遍历所述多组图像集，针对各组图像集，联合多角度进行特征识别与拟合，定位并标识模糊特征图像；

结合图像处理模型，识别所述模糊特征图像并进行强化处理，获取预处理图像集，其中，所述图像处理模型包括多个并行处理通道，配置有差异化的图像处理算法。

可选的，首先，进行同一采集位置的图像的规整，包括以同采集位置为聚类依据，对采集图像集中多个图像进行聚类分组，获取多组图像集。而后，遍历各组图像集，联合多角度进行特征识别与拟合。这可能包括采用计算机视觉技术，如特征点匹配、物体识别等。示例性的，基于计算机视觉技术，进行特征点的选取与识别标记，而后，根据标记的特征点，结合图像配准技术，进行多角度图像的联合拟合。

可选的，模糊特征图像是指联合多角度进行特征识别与拟合后，特征拟合结果的偏差较大的图像区域。其中，特征拟合结果的偏差通过计算图像区域内多个特征点的均方误差获取。若图像区域内多个特征点的均方误差大于预设的模糊偏差阈值，则标识该图像区域为模糊特征图像。

可选的，使用图像处理模型对模糊特征图像进行识别和强化处理。该模型包括多个并行处理通道，每个通道配置有不同的图像处理算法。包括边缘检测、滤波、色彩增强等。示例性的，通过将模糊特征图像同时分别输入多个配置有差异化的图像处理算法的并行处理通道，进行多路径的并行强化处理。而后，并行强化处理结果包括的多个强化图像进行上述的图像区域内多个特征点的均方误差，并选择其中均方误差表现最佳的强化图像，存入预处理图像集。

进一步的，筛选有效图像集进行三维图像重建，包括：

识别预处理图像集合，进行多角度特征重叠分析，筛选组内有效图像，作为所述有效图像集；

遍历所述有效图像集，进行组内多角度特征提取与映射拟合，确定同源特征序列；

基于所述同源特征序列，进行二维特征与三维特征的转换，确定三维特征集；

基于所述三维特征集，进行三维图像重建处理。

可选的，获取预处理图像集合中多个图像区域的区域内多个特征点的均方误差，进行多角度特征重叠分析。而后，结合3Sigma原理，进行组内有效图像的筛选，得到有效图像集。确保选取具有高度重叠度的图像，以提高三维重建的精度。

可选的，遍历经过筛选的有效图像集，进行组内多角度特征提取与映射拟合。这涉及到对每一对图像进行特征匹配和映射拟合，以建立它们之间的空间关系。示例性的，进行组内多角度特征提取，获取多角度特征位置，该多角度特征位置为多角度特征的图像坐标系位置；而后，基于有效图像集中多个有效图像的投影矩阵，将多角度特征位置转换为大地坐标特征位置；而后，基于该大地坐标特征位置，进行多角度特征与大地坐标系的映射拟合，根据特征提取和映射拟合的结果，确定同源特征序列。同源特征序列表示在不同图像之间找到的具有对应关系的特征点集合。

可选的，基于同源特征序列，进行二维特征与三维特征的转换。使用立体几何原理和三角测量等方法，将图像中的二维特征映射到三维空间。结合转换后的三维特征，形成三维特征集。包括在空间中确定各个特征点的三维坐标。而后，利用确定的三维特征集进行三维图像重建处理。包括点云构建、体素化、表面重建等步骤，以生成最终的三维模型。通过多角度的特征提取和映射拟合，将来自不同图像的信息结合起来，实现三维图像的精确重建。

S500：对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

进一步的，对所述监测风险区段进行三维立体测距，确定相对空间距离，步骤包括：

识别所述风险特征，确定外源风险因子；

若所述外源风险因子非空，生成空间测距指令，执行基于风险源与输电线路的原点空间坐标采集，生成采集坐标点；

对所述采集坐标点进行同坐标系转换，确定所述相对空间坐标并计量相对空间距离。

可选的，使用三维图像重建的结果，通过图像分析、模式识别等方法识别风险特征，确定外源风险因子。示例性的，外源风险因子包括线路上的异常物体、建筑工程机械、非正常温度的高热源等。

可选的，若外源风险因子非空，即存在需要测距的风险源，则生成空间测距指令。根据生成的空间测距指令，在三维图像重建的结果中执行基于风险源与输电线路的原点空间坐标采集。其中，原点空间坐标为大地坐标系下的三维空间坐标。

可选的，将采集到的坐标点进行同坐标系转换，确保它们处于相同的坐标系中。为后续的距离计算和空间分析提供一致的基础。进而基于相对空间坐标，计量风险源与输电线路之间的相对空间距离。包括在二维平面上的相对位置以及垂直方向上的高度差。其中，相对空间距离通过数学计算、距离测量工具等手段实现，为风险源与所述监测风险区段的安全空间距离。

S600：基于所述风险特征与所述相对空间坐标，确定风险定位单列；

进一步的，基于所述风险特征与所述相对空间坐标，确定风险定位单列，步骤包括：

识别所述风险特征，确定自体风险系数，所述自体风险系数基于特征强度、特征范围确定；

识别所述相对空间距离，确定扩散风险系数；

联合所述自体风险系数与所述扩散风险系数，确定特征风险系数；

映射关联所述风险特征、所述相对空间距离与所述特征风险系数，生成所述风险定位单列。

可选的，基于特征强度、特征范围确定自体风险系数，自体风险系数为特征强度、特征范围的积。该自体风险系数量化的反映了外源风险因子的风险高低。其中，特征强度基于外源风险因子的风险类别确定，特征范围是指外源风险因子的特征尺寸。示例性的，非正常温度的高热源（如山火）的特征强度大于工程机械的特征强度，特征范围越大，则说明外源风险因子的影响范围越大，如非正常温度的高热源（如山火）的特征范围越大，其对应的火势越大。

可选的，根据先前计算的相对空间距离，计算扩散风险系数。扩散风险系数用于量化的表示风险在空间中的传播范围，即风险特征对周围区域的影响程度。相对空间距离越小，对应的扩散风险系数越大。

可选的，建立相对空间距离与扩散风险系数之间的非线性数学关系，计算扩散风险系数。该数学关系是一个函数，其中输入是相对空间距离，输出是扩散风险系数，表示了相对空间距离越小，扩散风险系数增长速率越大的非线性关系。示例性的，使用指数函数、对数函数、多项式函数等来表示非线性关系。

S700：识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警。

可选的，基于风险定位单列，于三维智能测量装置的后端进行可视化风险示警。首先，基于风险定位单列的特征风险系数进行风险特征的降序排列，获取序列风险定位单列；而后，映射标识风险区段三维模型，将序列风险定位单列中的风险点映射到对应的三维模型上，并进行标识。序列风险定位单列中前序的风险特征具有较高的风险，优先进行标识，使用户能够更容易地关注到最重要的风险点。

可选的，标识通过在模型上叠加风险标志、颜色编码等方式实现。利用三维模型和映射的风险信息，于三维智能测量装置的后端进行可视化风险示警。其中，三维智能测量装置的后端是指可视化的展示界面，通过在可视化界面上展示风险点的位置、颜色等，以便用户直观地理解风险分布情况。

综上所述，本发明所提供的用于输电线路三维立体测距的智能监测预警方法具有如下技术效果：

通过读取输电线路的空间排布，布设传感器阵列，其中，传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；基于传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；使用三维智能测量装置，对监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；预处理采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；对监测风险区段进行三维立体测距，确定相对空间距离，相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；基于风险特征与相对空间坐标，确定风险定位单列；识别风险定位单列，对风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警。进而达成降低巡检成本、提供问题发现时效性并为预警提供空间距离信息的技术效果。

实施例二

基于与所述实施例中用于输电线路三维立体测距的智能监测预警方法同样的构思，如图3所示，本申请还提供了用于输电线路三维立体测距的智能监测预警***，所述***包括：

阵列布设模块11，用于读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

定位模块12，用于基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

图像获取模块13，用于使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

三维构建模块14，用于预处理所述采集图像集，筛选有效图像集进行三维图像重建，生成风险区段三维模型；

空间定位模块15，用于对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

风险定位模块16，用于基于所述风险特征与所述相对空间坐标，确定风险定位单列；

示警模块17，用于识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警。

进一步的，阵列布设模块11还包括：

监测维度分析单元，用于读取输电线路的空间排布并获取监测维度，确定传感器类型与分布集成度，其中，所述分布集成度基于风险因素确定；

方案排布单元，用于识别监测采集需求，基于所述传感器类型与所述分布集成度，进行输电线路传感排布分析，确定预排布方案；

传感器布设单元，用于基于所述预排布方案，进行传感器布设，确定所述传感器阵列。

进一步的，方案排布单元还包括：

区域划分单元，用于基于所述监测采集需求，对输电线路的空间排布进行采集方式划分，确定区域划分结果，所述区域划分结果标识有传感数据类型；

传感器类型匹配单元，用于识别所述传感数据类型，遍历所述传感器类型匹配确定目标传感器类型；

传感器数量选择单元，用于识别所述分布集成度，确定基于所述区域划分结果的传感器数量；

排布方案生成单元，用于基于所述目标传感器类型与所述传感器数量，确定所述预排布方案。

进一步的，三维构建模块14还包括：

规整单元，用于以同采集位置为整合标准，对所述采集图像集进行规整，确定多组图像集；

模糊特征标识单元，用于遍历所述多组图像集，针对各组图像集，联合多角度进行特征识别与拟合，定位并标识模糊特征图像；

强化处理单元，用于结合图像处理模型，识别所述模糊特征图像并进行强化处理，获取预处理图像集，其中，所述图像处理模型包括多个并行处理通道，配置有差异化的图像处理算法。

进一步的，三维构建模块14还包括：

重叠分析单元，用于识别预处理图像集合，进行多角度特征重叠分析，筛选组内有效图像，作为所述有效图像集；

提取与映射拟合单元，用于遍历所述有效图像集，进行组内多角度特征提取与映射拟合，确定同源特征序列；

特征转换单元，用于基于所述同源特征序列，进行二维特征与三维特征的转换，确定三维特征集；

三维图像重建单元，用于基于所述三维特征集，进行三维图像重建处理。

进一步的，空间定位模块15还包括：

风险因子提取单元，用于识别所述风险特征，确定外源风险因子；

空间坐标采集单元，用于若所述外源风险因子非空，生成空间测距指令，执行基于风险源与输电线路的原点空间坐标采集，生成采集坐标点；

同坐标系转换单元，用于对所述采集坐标点进行同坐标系转换，确定所述相对空间坐标并计量相对空间距离。

进一步的，风险定位模块16还包括：

自体风险系数单元，用于识别所述风险特征，确定自体风险系数，所述自体风险系数基于特征强度、特征范围确定；

扩散风险系数单元，用于识别所述相对空间距离，确定扩散风险系数；

特征风险系数单元，用于联合所述自体风险系数与所述扩散风险系数，确定特征风险系数；

风险定位单列单元，用于映射关联所述风险特征、所述相对空间距离与所述特征风险系数，生成所述风险定位单列。

应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的用于输电线路三维立体测距的智能监测预警***，为了说明书的简洁，在此不做进一步的展开。

应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、组合和替代，也属于本申请保护范围之内。

Claims (7)

1.用于输电线路三维立体测距的智能监测预警方法，其特征在于，所述方法包括：

读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

预处理所述采集图像集，筛选有效图像集进行三维图像重建，确定风险区段三维模型；

对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

基于所述风险特征与所述相对空间坐标，确定风险定位单列；

识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警；

所述基于所述风险特征与所述相对空间坐标，确定风险定位单列，包括：

识别所述风险特征，确定自体风险系数，所述自体风险系数基于特征强度、特征范围确定；

识别所述相对空间距离，确定扩散风险系数；

联合所述自体风险系数与所述扩散风险系数，确定特征风险系数；

映射关联所述风险特征、所述相对空间距离与所述特征风险系数，生成所述风险定位单列；

其中，自体风险系数为特征强度、特征范围的积；该自体风险系数量化的反映了外源风险因子的风险高低；其中，特征强度基于外源风险因子的风险类别确定，特征范围是指外源风险因子的特征尺寸；扩散风险系数用于量化的表示风险在空间中的传播范围，即风险特征对周围区域的影响程度；相对空间距离越小，对应的扩散风险系数越大。

2.如权利要求1所述的方法，其特征在于，读取输电线路的空间排布，布设传感器阵列，包括：

读取输电线路的空间排布并获取监测维度，确定传感器类型与分布集成度，其中，所述分布集成度基于风险因素确定；

识别监测采集需求，基于所述传感器类型与所述分布集成度，进行输电线路传感排布分析，确定预排布方案；

基于所述预排布方案，进行传感器布设，确定所述传感器阵列。

3.如权利要求2所述的方法，其特征在于，所述进行输电线路传感排布分析，确定预排布方案，包括：

基于所述监测采集需求，对输电线路的空间排布进行采集方式划分，确定区域划分结果，所述区域划分结果标识有传感数据类型；

识别所述传感数据类型，遍历所述传感器类型匹配确定目标传感器类型；

识别所述分布集成度，确定基于所述区域划分结果的传感器数量；

基于所述目标传感器类型与所述传感器数量，确定所述预排布方案。

4.如权利要求1所述的方法，其特征在于，所述预处理所述采集图像集，包括：

以同采集位置为整合标准，对所述采集图像集进行规整，确定多组图像集；

遍历所述多组图像集，针对各组图像集，联合多角度进行特征识别与拟合，定位并标识模糊特征图像；

结合图像处理模型，识别所述模糊特征图像并进行强化处理，获取预处理图像集，其中，所述图像处理模型包括多个并行处理通道，配置有差异化的图像处理算法。

5.如权利要求4所述的方法，其特征在于，筛选有效图像集进行三维图像重建，包括：

识别预处理图像集合，进行多角度特征重叠分析，筛选组内有效图像，作为所述有效图像集；

遍历所述有效图像集，进行组内多角度特征提取与映射拟合，确定同源特征序列；

基于所述同源特征序列，进行二维特征与三维特征的转换，确定三维特征集；

基于所述三维特征集，进行三维图像重建处理。

6.如权利要求1所述的方法，其特征在于，对所述监测风险区段进行三维立体测距，确定相对空间距离，包括：

识别所述风险特征，确定外源风险因子；

若所述外源风险因子非空，生成空间测距指令，执行基于风险源与输电线路的原点空间坐标采集，生成采集坐标点；

对所述采集坐标点进行同坐标系转换，确定所述相对空间坐标并计量相对空间距离。

7.用于输电线路三维立体测距的智能监测预警***，其特征在于，所述***包括：

阵列布设模块，所述阵列布设模块用于读取输电线路的空间排布，布设传感器阵列，其中，所述传感器阵列包括定点传感器组、移动传感器组与贴片传感器组；

定位模块，所述定位模块用于基于所述传感器阵列采集实时运况参数，传输至三维智能测量装置，结合风险决策模型，定位风险特征并确定监测风险区段；

图像获取模块，所述图像获取模块用于使用三维智能测量装置，对所述监测风险区段进行前端图像多角度采集，传输采集图像集至所述三维智能测量装置；

三维构建模块，所述三维构建模块用于预处理所述采集图像集，筛选有效图像集进行三维图像重建，确定风险区段三维模型；

空间定位模块，所述空间定位模块用于对所述监测风险区段进行三维立体测距，确定相对空间距离，所述相对空间距离基于相对空间坐标确定，为风险源与所述监测风险区段的安全空间距离；

风险定位模块，所述风险定位模块用于基于所述风险特征与所述相对空间坐标，确定风险定位单列；

示警模块，所述示警模块用于识别所述风险定位单列，对所述风险区段三维模型进行映射标识，于所述三维智能测量装置的后端进行可视化风险示警；

所述风险定位模块还用于：

识别所述风险特征，确定自体风险系数，所述自体风险系数基于特征强度、特征范围确定；

识别所述相对空间距离，确定扩散风险系数；

联合所述自体风险系数与所述扩散风险系数，确定特征风险系数；

映射关联所述风险特征、所述相对空间距离与所述特征风险系数，生成所述风险定位单列；

其中，自体风险系数为特征强度、特征范围的积；该自体风险系数量化的反映了外源风险因子的风险高低；其中，特征强度基于外源风险因子的风险类别确定，特征范围是指外源风险因子的特征尺寸；扩散风险系数用于量化的表示风险在空间中的传播范围，即风险特征对周围区域的影响程度；相对空间距离越小，对应的扩散风险系数越大。