KR102172543B1 - Apparatus estimating sag for power transmission line - Google Patents
Apparatus estimating sag for power transmission line Download PDFInfo
- Publication number
- KR102172543B1 KR102172543B1 KR1020180139849A KR20180139849A KR102172543B1 KR 102172543 B1 KR102172543 B1 KR 102172543B1 KR 1020180139849 A KR1020180139849 A KR 1020180139849A KR 20180139849 A KR20180139849 A KR 20180139849A KR 102172543 B1 KR102172543 B1 KR 102172543B1
- Authority
- KR
- South Korea
- Prior art keywords
- transmission line
- data
- point cloud
- unit
- cloud data
- Prior art date
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 331
- 238000005070 sampling Methods 0.000 claims abstract description 57
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 41
- 210000000613 ear canal Anatomy 0.000 claims description 38
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 46
- 238000012545 processing Methods 0.000 description 6
- 230000006866 deterioration Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
- H02G1/04—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables for mounting or stretching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points
-
- B64C2201/12—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
송전선로 이도 추정 장치가 개시된다. 본 발명의 송전선로 이도 추정 장치는 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부; 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 및 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하는 것을 특징으로 한다.An apparatus for estimating a transmission line path is disclosed. The apparatus for estimating the direction of a transmission line of the present invention includes a three-dimensional point cloud data conversion unit for converting Lada point group data measured in relative coordinates with respect to a position of an unmanned aerial vehicle into three-dimensional point group data in an absolute coordinate axis; A down-sampling unit generating a 3D point cloud map by down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit; And an ear degree estimating unit configured to detect a power transmission line using the three-dimensional point cloud data down-sampled by the down sampling unit and estimate an ear degree of the detected transmission line.
Description
본 발명은 송전선로 이도 추정 장치에 관한 것으로서, 더욱 상세하게는 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑(Mapping)하여 자동으로 송전선의 이도를 추정하는 송전선로 이도 추정 장치에 관한 것이다. The present invention relates to a transmission line direction estimation apparatus, and more particularly, by detecting 3D point cloud data using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor, and detecting the 3D point group The present invention relates to a transmission line direction estimation apparatus that automatically estimates the direction of a transmission line by mapping data in real time using a signal processing technique.
발전소에서 생산된 전력을 안정적으로 송전하기 위하여 송전선로의 지속적 건전성 평가 및 유지 보수 작업을 수행하는 것은 매우 중요하다. 송전선은 추계학적 풍하중, 온도변화와 같은 다양한 주변 환경에 지속적으로 노출되기 때문에 열화가 진행되며 선로 연결부위 등과 같은 취약 부분은 피로손상이 발생하기 쉽다. 이러한 문제점 때문에 송전선로의 주기적 점검 및 건전성평가를 위한 다양한 연구가 지속적으로 진행되었다. It is very important to perform continuous health evaluation and maintenance work of transmission lines in order to stably transmit power produced by power plants. Transmission lines are deteriorated because they are continuously exposed to various surrounding environments such as stochastic wind loads and temperature changes, and fatigue damage is likely to occur in weak areas such as line connections. Due to this problem, various studies have been continuously conducted for periodic inspection and soundness evaluation of transmission lines.
열화가 진행되면 송전선로 강성저하에 기인한 이도 처짐이 진행되기 때문에, 이도는 송전선의 건전성 및 열화 상태를 나타내는 중요한 척도이다. As deterioration progresses, the ear canal sag due to a decrease in the stiffness of the transmission line progresses, so the ear canal is an important measure of the integrity and deterioration of the transmission line.
현재 송전선로 이도를 측정하는 방법으로는 전선에 접선을 투시하여 측정하는 직접법과 전선의 물리적 성질을 이용한 측정치로부터 계산하는 간접법이 개발되었다. 직접법에는 등장법, 이장법, 수평이도법, 각도법 등이 주로 사용되며 간접법에는 장력계법, 단진동주기 측정법, 기계적 충격파법 등이 있으나, 간접법은 직접법과 비교하여 상대적으로 정확도가 낮다. 따라서 현장에선 신뢰도있는 이도 측정을 위해 직접법을 주로 이용한다. 하지만 직접법은 주로 송전선에 승탑하여 이도를 측정하기 때문에 송전선에 승탑할 수 있는 전문 인력이 필요하며, 이러한 전문가가 위험에 노출되는 단점이 존재한다. 직접법의 단점을 보완하기 위하여 지상에서 이도 측정이 가능한 측량기가 개발되었지만 지면에서 송전선의 이도를 측정하기 때문에, 송전선로에 접근이 어려운 산간지역에서는 이도 측정에 한계가 존재한다.Currently, as a method of measuring the ear canal of a transmission line, a direct method, which is measured by seeing a tangent to an electric wire, and an indirect method, which is calculated from the measured value using physical properties of the electric wire, have been developed. The direct method includes the isotonic method, the head length method, the horizontal ear canal method, and the angle method, and the indirect method includes the tensiometer method, the short vibration period measurement method, and the mechanical shock wave method, but the indirect method has relatively low accuracy compared to the direct method. Therefore, in the field, direct method is mainly used for reliable ear canal measurement. However, since the direct method mainly measures the ear canal by boarding a transmission line, a professional manpower capable of boarding a transmission line is required, and there is a disadvantage that such experts are exposed to danger. In order to compensate for the shortcomings of the direct method, a measuring instrument capable of measuring the ear canal from the ground was developed, but since it measures the ear canal of the transmission line from the ground, there is a limit to measuring the ear canal in mountainous areas where access to the transmission line is difficult.
본 발명의 배경기술은 대한민국 공개특허공보 10-2018-0032804호(2018.04.02)의 '송전선의 이도 측정 장치 및 방법'에 개시되어 있다.The background technology of the present invention is disclosed in Korean Patent Laid-Open Publication No. 10-2018-0032804 (2018.04.02),'An apparatus and method for measuring ear canal of a transmission line'.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 라이다(LiDAR) 센서가 장착된 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑(Mapping)하여 자동으로 송전선의 이도를 추정하는 송전선로 이도 추정 장치를 제공하는 데 목적이 있다. The present invention was invented to improve the above-described problem, and an object according to an aspect of the present invention is to detect 3D point cloud data using an unmanned aerial vehicle (UAV) equipped with a LiDAR sensor. In addition, an object of the present invention is to provide an apparatus for estimating an ear degree of a transmission line by mapping the detected 3D point cloud data in real time by a signal processing technique.
본 발명의 일 측면에 따른 송전선로 이도 추정 장치는 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 절대 좌표축에서의 3차원 점군 데이터로 변환하는 3차원 점군 데이터 변환부; 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 및 상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided an apparatus for estimating the direction of a transmission line including: a 3D point cloud data conversion unit for converting Lada point group data measured in relative coordinates with respect to an unmanned aerial vehicle position into 3D point group data in an absolute coordinate axis; A down-sampling unit for down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit to generate a 3D point cloud map; And an ear degree estimating unit for detecting a power transmission line using the three-dimensional point cloud data down-sampled by the down sampling unit and estimating an ear degree of the detected transmission line.
본 발명의 상기 3차원 점군 데이터 변환부는 라이다 점군 데이터에 무인항공기의 절대위치 및 자세정보를 적용하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 한다.The 3D point cloud data conversion unit of the present invention is characterized in that converting the LIDAR point cloud data into 3D point cloud data by applying absolute position and attitude information of the unmanned aerial vehicle to the LIDAR point cloud data.
본 발명의 상기 3차원 점군 데이터 변환부는 GPS 센서에서 측정되는 무인항공기 절대좌표축에 대한 절대위치 좌표에 무인항공기 자세를 나타내는 회전행렬과 무인항공기 좌표축의 곱을 합산하여 라이다 점군 데이터를 3차원 점군 데이터로 변환하는 것을 특징으로 한다.The 3D point cloud data conversion unit of the present invention adds the product of the rotation matrix representing the attitude of the unmanned aerial vehicle and the unmanned aerial vehicle coordinate axis to the absolute position coordinates of the absolute coordinate axis of the unmanned aerial vehicle measured by the GPS sensor to convert the Lada point cloud data into 3D point cloud data. It is characterized by converting.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터 변환부에 의해 변환된 절대좌표축에서의 3차원 점군 데이터를 확률론적 다운-샘플링 기법으로 다운-샘플링하여 3차원 점군 맵을 생성하는 것을 특징으로 한다.The down-sampling unit of the present invention generates a 3D point cloud map by down-sampling the 3D point cloud data in the absolute coordinate axis converted by the 3D point cloud data conversion unit using a probabilistic down-sampling technique.
본 발명의 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 3차원 점군 맵을 생성하는 것을 특징으로 한다.The down-sampling unit of the present invention converts the three-dimensional space of the three-dimensional point cloud data converted by the three-dimensional point cloud data conversion unit into pixels at set intervals, and sensor data is occupied by a probabilistic expression in each of the generated pixels. A 3D point cloud map is generated by updating the probability and the probability of the sensor data coming in from 1 second to t seconds according to whether sensor data exists in the pixel at t seconds.
본 발명의 상기 다운 샘플링부는 상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 거리 필터를 사용하여 필터링하고 다운-샘플링하는 것을 특징으로 한다.The down sampling unit of the present invention is characterized in that the 3D point cloud data converted by the 3D point cloud data conversion unit is filtered and down-sampled using a distance filter.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터를 추출하여 3차원 점군 데이터를 필터링하는 것을 특징으로 한다.The down-sampling unit of the present invention is characterized in that filtering the 3D point cloud data by extracting data in which the relative distance between the lidar data and the unmanned aerial vehicle is less than a preset threshold value from the 3D point cloud data.
본 발명의 상기 임계값은 무인항공기로부터 가장 원거리 송전선로까지 거리보다 크거나 송전철탑과 지면이 맞닿는 부분보다 작은 값인 것을 특징으로 한다.The threshold value of the present invention is characterized in that it is greater than the distance from the unmanned aerial vehicle to the most distant transmission line or smaller than the portion where the transmission tower and the ground contact each other.
본 발명의 상기 다운 샘플링부는 3차원 점군 데이터에서 라이다 데이터와 무인 비행체의 상대거리가 기 설정된 임계값 미만인 데이터에서의 3차원 공간을 설정 간격으로 화소화하고, 생성된 화소 각각에 확률론적 표현으로 센서 데이터가 차지되어 있는 확률 및 1초부터 t초까지 센서 데이터가 들어올 확률을 t초일 때 화소에 센서 데이터가 존재하는지에 따라 업데이트하여 상기 3차원 점군 맵을 생성하는 것을 특징으로 한다.The down-sampling unit of the present invention pixelates a three-dimensional space in data in which the relative distance between the lidar data and the unmanned aerial vehicle in the three-dimensional point cloud data is less than a preset threshold at set intervals, and uses a probabilistic expression for each of the generated pixels. The 3D point cloud map is generated by updating a probability that sensor data is occupied and a probability of sensor data coming in from 1 second to t seconds according to whether sensor data exists in a pixel at t second.
본 발명의 상기 이도 추정부는 상기 다운 샘플링부에 의해 다운 샘플링된 3차원 점군 데이터에서 주변환경 데이터를 제거하는 주변환경 제거부; 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 이용하여 송전선로가 존재하는 위치를 인지하는 송전선로 인지부; 상기 송전선로 인지부에 의해 인지된 송전선로 이외의 데이터를 제거하여 송전선로 점군 데이터를 검출하는 송전선로 점군 데이터 검출부; 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 개별 송전선로 또는 현수선의 처짐 정도를 검출하는 개별 송전선로 검출부; 및 상기 개별 송전선로 검출부에 의해 검출된 개별 송전선로 이도 검출부를 포함하는 것을 특징으로 한다.The ear canal estimating unit of the present invention comprises: an ambient environment removing unit for removing ambient environment data from the 3D point cloud data down-sampled by the down sampling unit; A transmission line recognition unit for recognizing a location of a transmission line by using 3D point cloud data on the transmission line detected by the surrounding environment removal unit; A transmission line point group data detector configured to detect transmission line point group data by removing data other than the transmission line recognized by the transmission line recognition unit; An individual transmission line detection unit for detecting a degree of deflection of an individual transmission line or catenary line from the transmission line point group data detected by the transmission line point group data detection unit; And an individual transmission line path detection unit detected by the individual transmission line detection unit.
본 발명의 상기 주변환경 제거부는 상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터에서 송전선로 및 송전철탑으로부터 설정거리 이내의 점군 데이터들을 군집으로 분류하여 송전선로와 송전철탑으로부터 주변 환경 데이터를 분리하는 것을 특징으로 한다.The surrounding environment removal unit of the present invention classifies point group data within a set distance from a transmission line and a transmission tower from the down-sampled three-dimensional point cloud data by the down sampling unit into clusters, and collects the surrounding environment data from the transmission line and the transmission tower. It is characterized by separating.
본 발명의 상기 송전선로 인지부는 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 지표면과 수평평면으로 정사영하여 송전선로가 존재하는 위치를 인지하는 것을 특징으로 한다.The transmission line recognition unit of the present invention is characterized in that it recognizes the location of the transmission line by orthogonally projecting the three-dimensional point group data of the transmission line detected by the surrounding environment removal unit to the ground surface and the horizontal plane.
본 발명의 상기 송전선로 인지부는 지표면과 수평한 수평면에서의 점군 데이터에서 임의의 두 점을 선택하여 직선을 만들고, 만들어진 직선과 수직한 거리에 포함된 점군 데이터의 개수를 계산하는 과정을 반복하여 상기 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 한다.The transmission line recognition unit of the present invention makes a straight line by selecting any two points from point group data on the ground surface and the horizontal horizontal plane, and repeats the process of calculating the number of point group data included in a distance perpendicular to the created straight line. It is characterized in that a straight line having the largest value of the number of point cloud data included in a distance perpendicular to the straight line is estimated as a transmission line.
본 발명의 상기 송전선로 인지부는 지표면과 수평한 수평면의 모드 데이터를 domain으로 변환하고, 변환된 domain에서 생기는 선들이 가장 많이 겹치는 점을 선택하며, 선택된 점을 cartesian domain으로 변환하여 직선을 검출한 후, 검출된 직선과 수직한 거리에 포함된 점군 데이터의 개수의 값이 가장 큰 직선을 송전선로로 추정하는 것을 특징으로 한다.The transmission line recognition unit of the present invention receives the mode data of the horizontal plane converted to domain, converted The point where the lines generated in the domain overlap the most is selected, the selected point is converted into a cartesian domain to detect a straight line, and then the straight line with the largest value of the number of point group data included in the distance perpendicular to the detected straight line is used as a transmission line. It is characterized in that it is estimated to be.
본 발명의 상기 송전선로 점군 데이터 검출부는 상기 송전선로 인지부에 의해 검출된 3차원 점군 데이터를 이용하여 송전선로-고도평면에서 축과 평행한 철탑을 검출하고 두 개의 송전철탑(경간) 양측 측정 데이터를 제거하여 송전선로 점군 데이터를 추출하는 것을 특징으로 한다.The transmission line point group data detection unit of the present invention uses the three-dimensional point group data detected by the transmission line recognition unit in the transmission line-elevation plane. It is characterized in that it detects a pylon parallel to an axis and removes measurement data on both sides of two transmission pylons (spans) to extract point cloud data of a transmission line.
본 발명의 상기 개별 송전선로 검출부는 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터를 이용하여 송전선로-고도평면에서 개별 송전선로를 검출하고 현수선의 처짐 정도를 추정하는 것을 특징으로 한다.The individual transmission line detection unit of the present invention is characterized in that using the transmission line point group data detected by the transmission line point group data detection unit to detect individual transmission lines in the transmission line-elevation plane, and to estimate the degree of deflection of the catenary line.
본 발명의 상기 개별 송전선로 검출부는 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 임의의 세점을 선택하여 2차 다항식 곡선을 만들고, 생성된 곡선으로부터 축으로의 거리에 포함된 점들의 개수를 카운트하는 과정을 반복하여 축으로의 거리에 포함된 점들의 값이 가장 큰 곡선을 송전선이 포함된 곡선으로 추정하는 것을 특징으로 한다.The individual transmission line detection unit of the present invention selects an arbitrary three points from the transmission line point group data detected by the transmission line point group data detection unit to create a quadratic polynomial curve, and from the generated curve Repeat the process of counting the number of points included in the distance to the axis It is characterized by estimating a curve with the largest value of points included in the distance to the axis as a curve including a transmission line.
본 발명의 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 2차 다항식이 저장된 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의 축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 한다.The island detection unit of the present invention calculates the number of subsets of the set in which the secondary polynomial is stored from the individual transmission line data detected by the transmission line detection unit, and draws a plurality of straight lines using both end points of the transmission line indicated by the curve. After making, from the center of the straight line It is characterized in that the ear canal is detected by measuring a distance parallel to the axis.
본 발명의 상기 이도 검출부는 상기 송전선로 검출부에 의해 검출된 개별 송전선로 데이터에서 현수선 방정식 집합의 부분집합의 개수를 계산하고, 곡선으로 나타낸 송전선로의 양 끝점을 이용하여 복수 개의 직선을 만든 후, 직선의 중심으로부터 송전선로의 축과 평행한 거리를 측정하여 이도를 검출하는 것을 특징으로 한다. The island detection unit of the present invention calculates the number of subsets of the catenary equation set from the individual transmission line data detected by the transmission line detection unit, and creates a plurality of straight lines using both end points of the transmission line indicated by the curve, Of the transmission line from the center of the straight line It is characterized in that the ear canal is detected by measuring a distance parallel to the axis.
본 발명의 일 측면에 따른 송전선로 이도 추정 장치는 라이다 센서가 장착된 무인항공기를 이용하여 3차원 점군 데이터를 검출하고, 검출된 3차원 점군 데이터를 신호처리 기법으로 실시간 매핑하여 자동으로 송전선의 이도를 추정한다. In an apparatus for estimating the direction of a transmission line according to an aspect of the present invention, 3D point cloud data is detected using an unmanned aerial vehicle equipped with a lidar sensor, and the detected 3D point cloud data is mapped in real time with a signal processing technique to automatically Estimate the ear canal.
본 발명의 다른 측면에 따른 송전선로 이도 추정 장치는 송전선의 열화가 진행되어 극한 환경에서 송전선로 지지부에서 송전선이 과도한 장력을 버티지 못하고 끊어지는 현상을 방지할 수 있도록 한다. The transmission line path estimation apparatus according to another aspect of the present invention prevents a phenomenon that the transmission line is deteriorated so that the transmission line cannot withstand excessive tension at the transmission line support in an extreme environment and is disconnected.
본 발명의 또 다른 측면에 따른 송전선로 이도 추정 장치는 원거리에서 무인항공기를 통해 송전선로의 이도를 측정하기 때문에 송전선로의 이도를 측정하는 관리자가 위험에 노출되는 것을 방지한다.The transmission line roadway estimation apparatus according to another aspect of the present invention prevents an administrator who measures the roadway of a transmission line from being exposed to danger because it measures the roadway of a transmission line through an unmanned aerial vehicle at a distance.
본 발명의 또 다른 측면에 따른 송전선로 이도 추정 장치는 극한 환경에서도 송전선로의 이도를 산출할 수 있으며, 송전선의 안전성을 진단하거나 주기적인 측정을 통해 주변 수목의 성장속도 및 송전선로의 이도 변이를 추정하므로 송전선로 예방진단의 방법 등으로도 활용될 수 있다. The transmission line road estimating apparatus according to another aspect of the present invention can calculate the ear degree of a transmission line even in an extreme environment, and diagnose the safety of the transmission line or measure the growth rate of the surrounding trees and the change of the ear canal of the transmission line through periodic measurement. Because it is estimated, it can be used as a method of preventive diagnosis of transmission lines.
도 1 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치의 블록 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 무인항공기-라이다 플랫폼 및 좌표축을 나타낸 도면이다.
도 3 은 본 발명의 일 실시예에 따른 절대 좌표축으로 변환된 라이다 삼차원 점군 데이터를 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 맵 생성 알고리즘을 나타낸 도면이다.
도 5 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 점군 맵 제작 알고리즘의 실시예를 나타낸 도면이다.
도 6 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘을 나타낸 도면이다.
도 7 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘의 실시예를 나타낸 도면이다.
도 8 은 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘을 나타낸 도면이다.
도 9 는 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘의 실시예를 나타낸 도면이다.
도 10 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 점군 데이터를 나타낸 도면이다.
도 11 은 본 발명의 일 실시예에 따른 지표면과 수평면에서 송전선로 인지 알고리즘의 일 예를 나타낸 도면이다.
도 12 는 본 발명의 일 실시예에 따른 도 11 의 지표면과 수평평면에서 송전선로 인지 알고리즘의 적용 결과를 나타낸 도면이다.
도 13 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서 송전선로 인지 알고리즘의 다른 예를 나타낸 도면이다.
도 14 는 본 발명의 일 실시예에 따른 도 12 의 지표면과 수평평면에서 송전선로 알고리즘의 적용 결과를 나타낸 도면이다.
도 15 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서의 송전선 및 철탑 점군 데이터를 나타낸 도면이다.
도 16 은 본 발명의 일 실시예에 따른 철탑 검출 및 경간 양측 데이터 제거 알고리즘을 나타낸 도면이다.
도 17 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 도 16 에서 제시한 알고리즘을 이용하여 선정된 경간을 제외한 다른 군집정보 제거 결과를 나타낸 도면이다.
도 18 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선로 검출 알고리즘을 나타낸 도면이다.
도 19 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선 검출 알고리즘을 적용하여 개별 송전선로 추출 적용 예를 나타낸 도면이다.
도 20 은 본 발명의 일 실시예에 따른 송전선로의 이도를 나타낸 도면이다.
도 21 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 일 예를 나타낸 도면이다.
도 22 는 본 발명의 일 실시예에 따른 도 21 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.
도 23 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 다른 예를 나타낸 도면이다.
도 24 는 본 발명의 일 실시예에 따른 도 23 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.
도 25 내지 도 27 은 본 발명의 일 실시예에 따른 두 개의 송전선로에 대한 송전선로 검출 및 이도 추정 결과를 나타낸 도면이다.1 is a block diagram of an apparatus for estimating a transmission line path according to an embodiment of the present invention.
2 is a view showing an unmanned aerial vehicle-LIDAR platform and coordinate axes according to an embodiment of the present invention.
3 is a diagram showing three-dimensional Lada point group data converted to an absolute coordinate axis according to an embodiment of the present invention.
4 is a diagram showing a down-sampling and 3D map generation algorithm according to an embodiment of the present invention.
5 is a diagram showing an embodiment of an algorithm for down-sampling and creating a 3D point cloud map according to an embodiment of the present invention.
6 is a diagram showing a distance filter and a down-sampling algorithm according to an embodiment of the present invention.
7 is a diagram showing an embodiment of a distance filter and a down-sampling algorithm according to an embodiment of the present invention.
8 is a diagram showing an algorithm for removing an environment around a transmission line according to an embodiment of the present invention.
9 is a diagram showing an embodiment of an algorithm for removing an environment around a transmission line according to an embodiment of the present invention.
10 is a diagram showing point group data of a transmission line on a ground surface and a horizontal plane according to an embodiment of the present invention.
11 is a diagram showing an example of an algorithm for recognizing a transmission line in a ground surface and a horizontal plane according to an embodiment of the present invention.
FIG. 12 is a diagram illustrating a result of application of a transmission line recognition algorithm on the ground surface and horizontal plane of FIG. 11 according to an embodiment of the present invention.
13 is a diagram showing another example of an algorithm for recognizing a transmission line in a ground surface and a horizontal plane according to an embodiment of the present invention.
14 is a diagram showing a result of application of a transmission line algorithm in the ground surface and horizontal plane of FIG. 12 according to an embodiment of the present invention.
15 is a diagram showing point group data of a transmission line and a pylon in a transmission line-elevation plane according to an embodiment of the present invention.
16 is a diagram illustrating an algorithm for detecting a pylon and removing data on both sides of a span according to an embodiment of the present invention.
FIG. 17 is a diagram showing a result of removing other cluster information except for a span selected by using the algorithm shown in FIG. 16 in a transmission line-altitude plane according to an embodiment of the present invention.
18 is a diagram illustrating an algorithm for detecting individual transmission lines in a transmission line-elevation plane according to an embodiment of the present invention.
19 is a diagram showing an example of application of individual transmission line extraction by applying an individual transmission line detection algorithm in a transmission line-elevation plane according to an embodiment of the present invention.
20 is a view showing an island view of a transmission line according to an embodiment of the present invention.
21 is a diagram showing an example of an algorithm for estimating a transmission line path according to an embodiment of the present invention.
FIG. 22 is a diagram showing a result of application of the algorithm for estimating the path of the transmission line of FIG. 21 according to an embodiment of the present invention.
23 is a diagram showing another example of an algorithm for estimating a transmission line path according to an embodiment of the present invention.
FIG. 24 is a diagram showing a result of application of the algorithm for estimating the path of the transmission line of FIG. 23 according to an embodiment of the present invention.
25 to 27 are diagrams showing transmission line detection and estimating results for two transmission lines according to an embodiment of the present invention.
이하에서는 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치를 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야할 것이다. Hereinafter, an apparatus for estimating a transmission line island according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings. In this process, the thickness of the lines or the size of components shown in the drawings may be exaggerated for clarity and convenience of description. In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of users or operators. Therefore, definitions of these terms should be made based on the contents throughout the present specification.
도 1 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치의 블록 구성도이다.1 is a block diagram of an apparatus for estimating a transmission line path according to an embodiment of the present invention.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 센싱부(10), 3차원 점군 데이터 변환부(20), 다운 샘플링부(30) 및 이도 추정부(40)를 포함한다.Referring to FIG. 1, the apparatus for estimating the ear canal of a transmission line according to an embodiment of the present invention includes a
센싱부(10)는 라이다 센서(11), GPS(Ground Positioning System) 센서(12) 및 IMU(Inertia Measurement Unit) 센서(13)를 포함한다. The
라이다 센서(11)는 무인항공기에 설치되어 무인항공기의 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 측정한다.The
GPS 센서(12)는 무인항공기의 절대 위치를 측정한다.The
IMU 센서(13)는 무인항공기의 자세를 측정한다. The
3차원 점군 데이터 변환부(20)는 무인항공기 위치에 대하여 상대 좌표로 측정되는 라이다 점군 데이터를 무인항공기에 장착된 GPS 센서(12) 및 IMU 센서(13)에서 각각 측정되는 무인항공기 절대 위치 및 자세 정보를 혼합하여 절대 좌표축에서의 3차원 점군 데이터로 변환한다. The 3D point cloud
도 2 는 본 발명의 일 실시예에 따른 무인항공기-라이다 플랫폼 및 좌표축을 나타낸 도면이고, 도 3 은 본 발명의 일 실시예에 따른 절대 좌표축으로 변환된 라이다 삼차원 점군 데이터를 나타낸 도면이다.FIG. 2 is a diagram showing an unmanned aerial vehicle-LIDAR platform and coordinate axes according to an embodiment of the present invention, and FIG. 3 is a diagram illustrating three-dimensional LaDAR point cloud data converted to an absolute coordinate axis according to an embodiment of the present invention.
도 2를 참조하면, 라이다 센서(11)에서 측정되는 라이다 상대좌표축 ()에 대한 상대변위 좌표 , GPS 센서(12)에서 측정되는 무인항공기 절대좌표축 ()에 대한 절대위치 좌표를 로 각각 정의하면 라이다 센서(11)에서 측정되는 상대변위 점군데이터는 아래의 수학식 1을 이용하여 절대좌표축 ()에 대한 절대위치 좌표로 변환 가능하다.2, the relative coordinate axis of the lidar measured by the lidar sensor 11 ( ) Relative displacement coordinates , The absolute coordinate axis of the unmanned aerial vehicle measured by the GPS sensor 12 ( ) Of the absolute position If each defined as, the relative displacement point group data measured by the
수학식 1에서 는 라이다 센서(11)에서 측정되는 데이터의 절대좌표축 ()에 대한 좌표이다. 은 무인항공기 자세를 나타내는 회전행렬로 IMU 센서(13)의 사원수 데이터 , , , 를 이용하여 하기와 같이 계산한다. In
은 무인항공기 좌표축()에 대한 라이다의 위치정보이다. 라이다 센서(11)는 무인항공기 y축을 기준으로 °회전되어 있으므로, 아래의 수학식 3을 이용하여 라이다 좌표축에 대하여 계산되는 상대좌표 을 무인항공기 좌표축에 대한 상대좌표로 변환 가능하다. Is the UAV coordinate axis ( ) Is the location information of Lida. The
여기서 은 3차원 회전 행렬로 아래의 수학식 4를 이용하여 계산한다.here Is a three-dimensional rotation matrix and is calculated using
본 발명의 일 실시예에서, 라이다 센서(11)는 무인항공기 축을 기준으로 90°회전되어 있으므로 3차원 회전 행렬 은 이다.In one embodiment of the present invention, the
따라서 무인항공기 절대위치, 자세 및 무인항공기에 대한 라이다 설치위치를 고려하면 라이다 점군 데이터는 아래의 수학식 5를 이용하여 절대좌표축 ()에 대한 위치좌표로 변환 가능하다.Therefore, considering the absolute position of the unmanned aerial vehicle, the posture, and the installation position of the lidar for the unmanned aerial vehicle, the LIDA point group data is calculated using the following equation (5). ) Can be converted into position coordinates.
수학식 5를 이용하여 라이다에서 측정되는 상대좌표축 ()에 대해 측정된 3차원 점군 데이터를 절대 좌표축 ()으로 변환한 데이터는 도 3 과 같다.The relative coordinate axis measured in the lidar using Equation 5 ( ), the measured 3D point cloud data is converted to the absolute coordinate axis ( The data converted to) are shown in FIG. 3.
다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축 ()에서의 3차원 라이다 점군 데이터를 확률론적 다운-샘플링(down-sampling) 기법을 적용하여 3차원 점군 맵을 제작하고, 송전선로가 포함된 설정 거리 이하 데이터를 실시간으로 추출하여 다운-샘플링한다.The down-
도 4 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 맵 생성 알고리즘을 나타낸 도면이고, 도 5 는 본 발명의 일 실시예에 따른 다운-샘플링 및 삼차원 점군 맵 제작 알고리즘의 실시예를 나타낸 도면이며, 도 6 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘을 나타낸 도면이며, 도 7 은 본 발명의 일 실시예에 따른 거리 필터 및 다운-샘플링 알고리즘의 실시예를 나타낸 도면이다.FIG. 4 is a diagram showing a down-sampling and 3D map generation algorithm according to an embodiment of the present invention, and FIG. 5 is a diagram showing an embodiment of a down-sampling and 3D point cloud map generation algorithm according to an embodiment of the present invention. 6 is a diagram showing a distance filter and a down-sampling algorithm according to an embodiment of the present invention, and FIG. 7 is a diagram showing an embodiment of a distance filter and a down-sampling algorithm according to an embodiment of the present invention. .
먼저, 다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축 ()에서의 3차원 라이다 점군 데이터를 확률론적 다운-샘플링 기법을 적용하여 3차원 점군 맵을 제작한다. 라이다 센서(11)에서 측정되는 데이터는 초당 수 MB로 방대하기 때문에 연산장치 및 저장장치에 상당한 부하를 발생시킨다. 따라서 확률론적 다운-샘플링 기법을 이용하여 정확도는 유지하며 연산 데이터를 감소시키면 본 실시예의 송전선로 이도 추정 장치는 무인항공기에 장착 가능한 경량 연산장치가 될 수 있다. First, the down-
3차원 점군 맵을 제작하는 과정은 3차원 공간을 설정 간격()으로 화소화(Voxelization)하고 각 화소를 아래의 수학식 6과 같은 확률론적 표현으로 차지(Occupy)되어 있는지 혹은 비어(Free)있는지를 나타낸다. The process of creating a 3D point cloud map involves setting a 3D space at a set interval ( ), and whether each pixel is occupied or free by a probabilistic expression as shown in Equation 6 below.
여기서, 은 하나의 화소가 차지되어 있을 확률이고 은 하나의 화소에 1초부터 t초까지 센서 데이터가 측정될 확률이다. 수학식 6에 log를 이용하여 정리하면 수학식 7과 같다.here, Is the probability that one pixel is occupied Is the probability that sensor data is measured from 1 second to t seconds in one pixel. If it is summarized using log in Equation 6, it is shown in Equation 7.
수학식 7은 1초부터 t초까지의 센서 데이터에 따라 하나의 화소가 차지되어있을 확률에 log를 이용하여 간략화될 수 있으며, 은 하나의 화소에서 시간 t초 때 라이다 데이터가 있으면 +, 무인항공기와 라이다 데이터 사이에 있는 라이다 센서(11)의 레이저가 지나간 화소들은 -으로 를 업데이트하고 3차원 점군 데이터 맵을 생성할 수 있다. Equation 7 can be simplified using log on the probability that one pixel is occupied according to sensor data from 1 second to t seconds, Is + if there is lidar data at time t seconds in one pixel , Pixels passed by the laser of the
적용예시로 제시된 도 3의 3차원 라이다 점군 데이터는 약 9GB의 용량이지만, 다운-샘플링을 수행하면 341KB(99.99% 감소)로 용량이 감소하여 저장 및 연산처리 장치의 부하를 확연히 감소시킨다. 많은 연산을 수행하기 위해서는 고성능 연산장치가 요구되며 전력소비 또한 증가한다. 따라서 이러한 다운-샘플링 기법을 적용하여 입력 데이터를 감소시키면 초경량, 저성능 연산장치 이용이 가능하다. 무인항공기의 경우 설치 장비의 무게 및 소비전력이 비행시간에 큰 영향을 미치는 점을 고려할 때, 이러한 확률론적 다운-샘플링 기법의 적용을 통한 데이터 감소는 반드시 필요하다. The 3D LiDAR point cloud data of FIG. 3 presented as an application example has a capacity of about 9 GB, but when down-sampling is performed, the capacity is reduced to 341 KB (99.99% reduction), which significantly reduces the load on the storage and processing unit. A high-performance computing device is required to perform many calculations, and power consumption is also increased. Therefore, if the input data is reduced by applying such a down-sampling technique, it is possible to use an ultra-lightweight and low-performance computing device. In the case of unmanned aerial vehicles, considering that the weight and power consumption of the installed equipment have a great influence on the flight time, data reduction through the application of this probabilistic down-sampling technique is essential.
또한, 확률론적 다운-샘플링 기법은 하나의 화소에 대한 확률론적 갱신을 통해 측정되는 노이즈 정보를 제거해주는 역할도 동시에 수행하기 때문에 송전선 검출 및 이도 추정시 정확도를 향상시킬 수 있다. In addition, since the probabilistic down-sampling technique simultaneously removes noise information measured through probabilistic updating of one pixel, it is possible to improve accuracy when detecting a transmission line and estimating an ear canal.
도 4 는 본 발명의 일 실시예에서 제시된, 다운-샘플링 알고리즘을 나타내며, 적용결과는 도 5 에 도시하였다. 도 5 에 나타난 바와 같이 다운-샘플링 알고리즘을 사용하면 도 3 의 3차원 점군 데이터에서 노이즈가 제거되고 화소화된 주변 환경 데이터가 남게 된다. 상술한 바와 같이 사용 데이터양이 매우 적음에도 불구하고 모든 데이터를 사용하는 도 3 과 큰 차이가 없는 것이 관찰 가능하다. 본 실시예에서 는 1.0 m, 는 0.85, 는 -0.4를 사용하였다.4 shows the down-sampling algorithm proposed in an embodiment of the present invention, and the application result is shown in FIG. As shown in FIG. 5, when the down-sampling algorithm is used, noise is removed from the 3D point cloud data of FIG. 3, and pixelated surrounding environment data remains. As described above, although the amount of data used is very small, it can be observed that there is no significant difference from FIG. 3 using all data. In this example Is 1.0 m, Is 0.85, Used -0.4.
또한, 다운 샘플링부(30)는 3차원 점군 데이터 변환부(20)에서 산출된 절대좌표축()에서의 3차원 라이다 점군 데이터를 거리 필터 사용하여 필터링하고 다운 샘플링한다.In addition, the down-
이 경우, 다운 샘플링부(30)는 3차원 공간을 일정한 간격()으로 화소화(Voxelization)하고 송전선과 주변 환경을 분할하기 위해, 도 6 에 도시된 바와 같이 주변 환경에서 측정된 라이다 데이터와 무인 비행체의 상대거리 ()에 대해 를 충족시키는 데이터를 우선 추출한다. In this case, the down-
여기서 , , 및 는 무인항공기 상대좌표축() 또는 라이다 상대좌표축()을 기준으로 측정한 무인항공기에 대한 주변 환경의 상대거리(Relative Displacement, RD)이다. 후술한 이도 추정부(40)에서 수행되는 송전선로 주변 환경정보 제거 알고리즘이 점과 점사이의 거리에 따라 3차원 점군 데이터를 분류하여 군집을 생성하기 때문에 송전선로 주변 환경을 완벽하게 제거하기 위해, 다운 샘플링부(30)가 데이터를 추출할 때 임계값 를 적절하게 선정하는 점은 매우 중요하다. here , , And Is the relative coordinate axis of the unmanned aerial vehicle ( ) Or LiDAR relative coordinate axis ( ) Is the relative distance (Relative Displacement, RD) of the surrounding environment to the UAV. In order to completely remove the environment surrounding the transmission line, since the algorithm for removing environment information around the transmission line, which will be described later, classifies the 3D point cloud data according to the distance between the point and the point to create a cluster, Threshold value when the down-
임계값 는 무인항공기로부터 가장 원거리 송전선까지 거리보다는 큰 값이 선정되어야 송전선이 모두 추출된다. 반면, 송전철탑과 지면이 맞닿는 부분보다 작은 값이 선정되어야 송전선로와 연결된 지면이 제거될 수 있으므로, 이도 추정부(40)의 송전선로와 주변 환경 분류를 통한 군집화 과정에서 송전철탑과 연결된 지면이 완벽하게 분리될 수 있다. Threshold All transmission lines are extracted only when a value larger than the distance from the unmanned aerial vehicle to the most distant transmission line is selected. On the other hand, since the ground connected to the transmission line can be removed only when a value smaller than the part where the transmission tower and the ground contact is selected, the ground connected to the transmission tower in the clustering process through classification of the transmission line and surrounding environment of the
송전선로가 송전전압에 따라 송전선로 높이가 다른 것을 고려할 때, 임계값 는 점검하는 송전선로의 종류에 의존적이다. 본 실시예에서는 거리 필터 알고리즘을 적용하여 추출된 데이터에 대하여 확률론적 다운-샘플링 기법으로 각 화소가 차지(Occupy)되어 있는지 혹은 비어(free)있는지를 수학식 7과 같은 확률론적 표현을 통해 업데이트하여 연산처리 및 저장장치들의 부하를 감소시켰다.Threshold value when considering that the height of the transmission line is different depending on the transmission voltage Depends on the type of transmission line being checked. In this embodiment, whether each pixel is occupied or free by a probabilistic down-sampling technique for data extracted by applying a distance filter algorithm is updated through a probabilistic expression such as Equation 7 Reduced load on computational processing and storage devices.
도 6 은 본 실시예에서 제안하는 거리 필터 및 다운-샘플링 알고리즘을 나타내며, 적용결과는 도 7 에 도시하였다. 도 7 과 같이 거리 필터 및 다운-샘플링 알고리즘을 사용하면 도 3 의 3차원 점군 데이터에서 대부분의 주변 환경을 제거하고 송전선로와 약간의 주변 환경 데이터만 남게 된다. 본 실시예에서 값은 0.5, 값은 50, 값은 0.85, 값은 -0.4를 사용하였다.6 shows a distance filter and a down-sampling algorithm proposed in this embodiment, and the application result is shown in FIG. 7. When a distance filter and a down-sampling algorithm as shown in FIG. 7 are used, most of the surrounding environment is removed from the 3D point cloud data of FIG. 3, and only a transmission line and some surrounding environment data remain. In this example The value is 0.5, The value is 50, The value is 0.85, The value was -0.4.
이도 추정부(40)는 다운 샘플링부(30)에 의해 획득된 3차원 점군 데이터를 이용하여 개별 송전선로의 이도를 추정한다. 이도 추정부(40)는 주변환경 제거부(41), 송전선로 인지부(42), 점군 데이터 제거부(43), 송전선로 검출부(44) 및 이도 검출부(45)를 포함한다. The ear
도 8 은 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘을 나타낸 도면이고, 도 9 는 본 발명의 일 실시예에 따른 송전선로 주변 환경 제거 알고리즘의 실시예를 나타낸 도면이다.8 is a diagram showing an algorithm for removing an environment around a transmission line according to an embodiment of the present invention, and FIG. 9 is a diagram showing an embodiment of an algorithm for removing an environment around a transmission line according to an embodiment of the present invention.
먼저, 주변환경 제거부(41)는 송전선로 및 송전철탑을 제외한 주변 환경을 제거한다. 상술한 바와 같이 다운 샘플링부(30)에 의해 거리 필터 및 다운-샘플링이 적용된 데이터는 도 7 에 도시된 바와 같이 송전선로 및 송전철탑이 분리되었지만 일정거리 내에 존재하는 주변 환경 데이터가 존재한다. 따라서 일정거리 내에 있는 3차원 점군 데이터들을 군집으로 분류하면 송전선로와 주변 환경의 분리 및 군집화가 가능하다.First, the surrounding
주변환경 제거부(41)는 다운 샘플링된 3차원 점군 데이터 , 분류 검사를 위한 집합 , 분류된 데이터를 저장하는 집합 , 그리고 로 선정한다, 에서 임의의 한 점을 골라 으로 이도한다. 에 있는 임의의 한 점을 중심으로 반지름 인 구를 선정 후, 에 속한 데이터들 중 구 안에 포함된 데이터들을 으로 이도한다. 다시 에 속한 임의의 한 점을 골라 상기의 방법을 반복하고, 더 이상 만족하는 점군 데이터가 없을 시 의 데이터를 의 부분집합 으로 이도하고 에 1을 더해준다. 이후 다시 에서 임의의 한 점을 골라 으로 이도하는 작업을 반복한다. 에 점군 데이터가 남아있지 않을 경우, 밀도()가 가장 낮은 ()를 송전선로로 선택한다. The surrounding
본 알고리즘은 송전선로의 형상학적 특성이 고려된 것이다. 송전선로는 전체 공간에서 바라볼 때 가늘고 길기 때문에 환경정보를 표시하는 다른 3차원 점군 데이터들에 비하여 상대적으로 작은 밀도를 갖는다. 반면, 송전선로 이외의 주변 환경 점군 데이터는 높은 밀도로 군집되어 있다. This algorithm considers the morphological characteristics of the transmission line. Since the transmission line is thin and long when viewed from the entire space, it has a relatively small density compared to other 3D point cloud data that display environmental information. On the other hand, the point group data of the surrounding environment other than the transmission line are clustered at a high density.
도 8 에는 상술한 송전선로 주변 지형 제거 알고리즘을 도시하였으며, 적용결과는 도 9 에 도시하였다. 도 9 를 통하여 도 7 에 남아있는 송전선로 및 철탑 주변 지형 정보들이 제거되고 송전선로 및 선로와 연결된 철탑 정보만이 남아 있는 것이 관찰 가능하다. 도 8 의 실제 적용예에서 값을 5 m로 선정하였다.Fig. 8 shows the above-described topography removal algorithm around the transmission line, and the application result is shown in Fig. 9. Through FIG. 9, it is possible to observe that the topographic information around the transmission line and the pylon remaining in FIG. 7 is removed, and only information on the transmission line and the pylon connected to the line remains. In the practical application example of FIG. 8 The value was chosen as 5 m.
송전선로 인지부(42)는 주변환경 제거부(41)에 의해 주변환경이 제거된 송전선로의 3차원 점군 데이터를 도 10 과 같이 지표면과 수평 평면(도 2의 평면)으로 정사영하여 송전선로가 존재하는 위치를 인지한다. The transmission
도 10 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서의 송전선로 점군 데이터를 나타낸 도면이고, 도 11 은 본 발명의 일 실시예에 따른 지표면과 수평면에서 송전선로 인지 알고리즘의 일 예를 나타낸 도면이며, 도 12 는 본 발명의 일 실시예에 따른 도 11 의 지표면과 수평평면에서 송전선로 인지 알고리즘의 적용 결과를 나타낸 도면이며, 도 13 은 본 발명의 일 실시예에 따른 지표면과 수평평면에서 송전선로 인지 알고리즘의 다른 예를 나타낸 도면이며, 도 14 는 본 발명의 일 실시예에 따른 도 12 의 지표면과 수평평면에서 송전선로 알고리즘의 적용 결과를 나타낸 도면이다.FIG. 10 is a view showing point group data of transmission lines on the ground and horizontal planes according to an embodiment of the present invention, and FIG. 11 is a diagram showing an example of an algorithm for recognizing transmission lines on the ground and horizontal planes according to an embodiment of the present invention. 12 is a diagram showing the result of application of the transmission line recognition algorithm on the ground surface and horizontal plane of FIG. 11 according to an embodiment of the present invention, and FIG. 13 is a diagram showing the application result of the transmission line recognition algorithm on the ground surface and the horizontal plane according to an embodiment of the present invention. A diagram showing another example of a transmission line recognition algorithm, and FIG. 14 is a diagram showing a result of application of the transmission line algorithm on the ground surface and horizontal plane of FIG. 12 according to an embodiment of the present invention.
송전선은 중력에 의해 지표면으로 처지기 때문에 지표면과 수평 평면(도 2 의 평면)으로 정사영하게 되면 도 10 과 같이 직선으로 도시된다. 지표면과 수평 평면(도 2 의 평면)에서 송전선로가 꺾이는 위치는 단지 송전철탑에 의해서만 존재한다. 따라서 3차원 평면 데이터를 지표면과 수평 평면(도 2 의 평면)으로 투영하면 송전선로 인지가 용이하다. 본 실시예에서는 지표면과 수평 평면(도 2 의 평면)에서 송전선로 위치를 인지하는 방법을 도 11 및 도 13을 참조하여 두 가지로 제시한다.Since the transmission line sags to the surface by gravity, the surface and the horizontal plane (Fig. 2) When projecting orthogonal to the plane), it is shown as a straight line as shown in FIG. 10. Ground and horizontal planes (Fig. 2 The position where the transmission line is bent in the plane) exists only by the transmission tower. Therefore, the 3D plane data is converted to the ground surface and the horizontal plane (Fig. It is easy to recognize the transmission line by projecting it on a plane). In this embodiment, the ground surface and the horizontal plane (Fig. 2 In the plane), two methods of recognizing the location of the transmission line are presented with reference to FIGS. 11 and 13.
도 11을 참조하면, 송전선로 위치를 인지하는 첫 번째 방법은 먼저 로 선정한다. 이후, 지표면과 수평한 면( 평면)에서의 점군 데이터에서 임의의 두 점을 선택하여 직선을 만들고, 만들어진 직선과 수직한 거리 에 포함된 점군 데이터의 개수 을 계산한다. 이 작업을 번 반복하여 거리 내에 존재하는 점군 데이터의 개수 의 값이 가장 큰 직선을 송전선로로 추정한다. 측정된 3차원 점군 데이터는 여러 개의 송전선로를 포함할 수 있기 때문에 의 개수가 임계값 이상일 경우 검출된 직선과 수직한 거리 에 포함된 점들을 의 부분집합 으로 옮긴 후 에 1을 더해주고 알고리즘을 반복하며, 의 개수가 임계값 이하인 경우 을 저장한 후 알고리즘을 종료한다. Referring to FIG. 11, the first method of recognizing the location of a transmission line is first Select as. After that, the surface and the horizontal plane ( Plane), a straight line is created by selecting any two points from the point group data, and the distance perpendicular to the created straight line Number of point cloud data included in Calculate Do this Number of point cloud data that exist within the distance by repeating once The straight line with the largest value of is estimated as the transmission line. Because the measured 3D point cloud data can include multiple transmission lines, The number of thresholds In case of abnormality, the distance perpendicular to the detected straight line The points included in Subset of After moving to Add 1 to and repeat the algorithm, The number of thresholds Below After saving, the algorithm ends.
도 11 에서 제시하는 알고리즘을 사용하여 송전선로를 추출하는 알고리즘의 결과 값을 도 12 에 도시하였다. 도 12 의 적용결과는 도 11 의 알고리즘에서 변수 값은 3, 값은 1000, 임계값 는 50으로 설정하여 송전선로를 추출하였다. 4개의 송전선로가 순차적으로 완벽하게 추출되는 것이 도 12 를 통하여 확인 가능하다.The result values of the algorithm for extracting the transmission line by using the algorithm presented in FIG. 11 are shown in FIG. 12. The application result of FIG. 12 is a variable in the algorithm of FIG. The value is 3, Value is 1000, threshold Was set to 50 to extract the transmission line. It can be confirmed through FIG. 12 that the four transmission lines are sequentially and completely extracted.
지표면과 수평 평면(그림 1의 평면)에서 송전선로 위치를 인지하는 방법은 도 11 에 도시된 알고리즘을 이용해서도 추출이 가능하다. 먼저 로 선정하고, 지표면과 수평면(그림 1의 평면)의 모든 데이터를 아래의 수학식 8을 이용하여 domain으로 변환한다.Surface and horizontal plane (Fig. 1) The method of recognizing the location of the transmission line in the plane) can also be extracted using the algorithm shown in FIG. 11. first And the ground surface and the horizontal plane (Fig. 1) Plane) using Equation 8 below convert to domain.
이어 domain에서 생기는 선들이 가장 많이 겹치는 점을 선택하고, 그 점을 다시 cartesian domain으로 변환하여 직선을 검출한다. 이후, 도 11 과 마찬가지로 직선과 수직한 거리 에 포함된 데이터의 개수()를 카운트한 후 의 개수가 임계값 이상일 경우 검출된 직선과 수직한 거리 에 포함된 점들을 의 부분집합 으로 옮긴 후 에 1을 더해주고 알고리즘을 반복하며, 의 개수가 임계값 이하인 경우 을 저장한 후 알고리즘을 종료한다. 도 13의 적용결과는 도 14 에 도시되었으며, 도 12 의 결과와 육안으로 판단하기 어려울 만큼 유사한 것이 관찰 가능하다. 도 14 의 적용예에서는 , 값은 1000, 1000, 값은 3, 임계값 는 50으로 선정하였다. 따라서 본 발명의 일 실시예에서 제안하는 두 가지 방법들은 모두 지표면과 수평한 면에서 송전선로를 검출하는 것이 가능하다.Following The point where the lines generated in the domain overlap the most is selected, and the point is converted back to the cartesian domain to detect the straight line. Thereafter, as in FIG. 11, the distance perpendicular to the straight line The number of data contained in ( ) After counting The number of thresholds In case of abnormality, the distance perpendicular to the detected straight line The points included in Subset of After moving to Add 1 to and repeat the algorithm, The number of thresholds Below After saving, the algorithm ends. The application result of FIG. 13 is shown in FIG. 14, and it is possible to observe that the result of FIG. 12 is similar enough to be difficult to judge with the naked eye. In the application example of Fig. 14 , Values are 1000, 1000, Value is 3, threshold Was selected as 50. Therefore, both methods proposed in an embodiment of the present invention are capable of detecting a transmission line in a horizontal plane with a ground surface.
도 15 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서의 송전선 및 철탑 점군 데이터를 나타낸 도면이고, 도 16 은 본 발명의 일 실시예에 따른 철탑 검출 및 경간 양측 데이터 제거 알고리즘을 나타낸 도면이며, 도 17 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 도 16 에서 제시한 알고리즘을 이용하여 선정된 경간을 제외한 다른 군집정보 제거 결과를 나타낸 도면이다.FIG. 15 is a view showing point group data of a power transmission line and a pylon in an elevation plane according to an embodiment of the present invention, and FIG. 16 is a view showing an algorithm for detecting and removing data on both sides of a span according to an embodiment of the present invention. 17 is a view showing a result of removing other cluster information except for a span selected using the algorithm presented in FIG. 16 in the transmission line-elevation plane according to an embodiment of the present invention.
송전선로 인지부(42)에 의해서 추출된 송전선로 데이터를 송전선로-고도 평면(도 12 의 평면)에서 관찰하면, 송전선로를 지지하는 송전철탑 데이터가 포함되는 것을 관찰 가능하다. 이도는 철탑 사이의 송전선로의 처짐으로 정의되기 때문에 송전철탑의 위치 정보가 필요하여 이도 추정시 정확도를 향상시키기 위해서는 송전철탑 데이터를 제거해야 한다. Transmission line data extracted by the transmission
또한 도 15 와 같이 검출하고자하는 두 개의 송전철탑 경간 양축에 이도 추정을 위한 송전선로 이외의 추출된 데이터를 제거해야 송전선로 추출시 오차가 감소한다. In addition, as shown in FIG. 15, the extracted data other than the transmission line for estimating the island must be removed from both axes of the spans of the two transmission towers to be detected to reduce the error when extracting the transmission line.
따라서 점군 데이터 제거부(43)는 송전선로 인지부(42)에 의해 검출된 송전선로 및 송전철탑 데이터를 송전선로-고도 평면(도 12 의 평면)에서 도 16 에 도시된 알고리즘을 적용하여 선정된 송전철탑 이외의 모든 점군 데이터를 제거한다. 제안 알고리즘의 기본적인 전제는 송전철탑은 직립하기 때문에, 송전선로 점군 데이터는 고도에 대하여 수평으로 존재한다는 것이다. 도 15 에는 송전선로 인지부(42)에서 검출한 직선 중 첫 번째 루프를 통해 추출된 송전선로 데이터(도 12 (a))를 이용하여 송전선로-고도 평면(도 12 의 평면)에서 축과 평행한 철탑을 검출하고 두 개의 송전철탑(경간) 양측 측정 데이터를 제거하는 단계를 도시하였다.Therefore, the point cloud
상술한 바와 같이 송전선로-고도 평면(도 12 의 평면)에서 철탑은 직립하여 있으므로 도 16에서는 모델로 사용한다. 도 16에 도시된 본 발명의 실시예에서 제안하는 알고리즘에서는 임의로 한 점을 선택하여 축과 평행한 직선을 만들고, 생성된 직선과 수직한 거리 에 포함된 점들의 개수()를 계산한다. 앞선 작업을 번 반복하여 의 값이 가장 큰 직선이 철탑이 포함된 직선으로 추정하고, 이 직선과 수직한 거리 에 포함된 점들을 로 옮긴다. 일회 운행 시 한 개의 경간을 측정하는 반면, 송전선로 점군 데이터에는 2개의 철탑이 존재한다. 따라서 두 철탑 사이 정보를 제외한 모든 정보를 제거하고 을 저장 후 및 알고리즘을 종료한다. 도 17 의 적용예에서 값은 3, 값은 점군 데이터의 개수로 선정하였다.As described above, the transmission line-elevation plane (Fig. Flat), the tower is upright, so in Fig. Use as a model. In the algorithm proposed in the embodiment of the present invention shown in FIG. 16, a point is randomly selected and Create a straight line parallel to the axis, and the distance perpendicular to the generated straight line The number of points in ( ) Is calculated. Work ahead Repeatedly The straight line with the largest value of is estimated to be the straight line containing the pylon, and the distance perpendicular to this line The points included in Move to. While one span is measured for one operation, there are two pylons in the point cloud data of a transmission line. Therefore, remove all information except the information between the two pylons And then the algorithm ends. In the application example of Fig. 17 The value is 3, The value was selected by the number of point group data.
송전선로는 여러 개의 송전선으로 구성되어 있다. 본 실시예를 위하여 측정한 154 kV 송전선로의 경우 6개의 송전선이 좌·우측에 각각 3개씩, 2개의 가공지선이 좌·우측에 각각 1개씩 존재하며, 345 kV 및 765 kV 송전선로에는 최소 6개, 최대 12개의 송전선 및 2개의 가공지선이 존재한다. 따라서 개별 송전선들을 모두 추출해서 각 송전선의 이도를 추정해야 정확한 건전성 평가가 가능하다. A transmission line is composed of several transmission lines. In the case of the 154 kV transmission line measured for this example, there are 6 transmission lines, 3 on the left and right sides, and 2 overhead branch lines, 1 on the left and right, respectively, and at least 6 on the 345 kV and 765 kV transmission lines. There are up to 12 transmission lines and 2 overhead branch lines. Therefore, accurate soundness evaluation is possible only by extracting all individual transmission lines and estimating the angle of each transmission line.
송전선로 검출부(44)는 점군 데이터 제거부(43)에서 추출된 송전선로 점군 데이터를 이용하여 개별 송전선을 검출한다. The transmission
도 18 은 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선로 검출 알고리즘을 나타낸 도면이고, 도 19 는 본 발명의 일 실시예에 따른 송전선로-고도평면에서 개별 송전선 검출 알고리즘을 적용하여 개별 송전선로 추출 적용 예를 나타낸 도면이다. 18 is a diagram showing an algorithm for detecting individual transmission lines in a transmission line-elevation plane according to an embodiment of the present invention, and FIG. 19 is a diagram showing an algorithm for detecting individual transmission lines in a transmission line-elevation plane according to an embodiment of the present invention. This is a diagram showing an example of application of individual transmission line extraction.
송전선의 처짐은 일반적인 현수선 방정식을 추종하며 현수선 방정식은 수학식 9와 같다.The deflection of the transmission line follows the general catenary equation, and the catenary equation is shown in Equation 9.
수학식 9의 변수 는 송전선의 처진 정도를 나타내는 계수이며 와 는 송전선 중심의 위치를 나타낸다. 수학식 9를 테일러급수를 이용하여 2차 항까지 근사하면 수학식 10과 같다. Variable in Equation 9 Is a coefficient indicating the degree of deflection of the transmission line Wow Indicates the location of the center of the transmission line. If Equation 9 is approximated to the quadratic term using the Taylor series, it is equal to
따라서 송전선을 와 같은 2차 다항식으로 커브 피팅(curve fitting)을 하여 변수 , , 를 추출하면, 수학식 10과 같이 현수선 방정식과 테일러급수로 표현된 근사식 사이의 관계는 ,,와 같다. 따라서 현수선의 처짐 정도는 현수선 방정식 및 2차 방정식으로 표현이 가능하다는 것을 유추할 수 있다. So the transmission line Variable by performing curve fitting with a quadratic polynomial such as , , When is extracted, the relationship between the catenary equation and the approximate equation expressed in Taylor series as in
도 18 은 도 16 에 도시된 알고리즘을 이용하여 추출한 도 17 의 (c)에 제시된 송전선로에서 개별 송전선 검출을 위해 본 발명의 실시예에서 제안하는 알고리즘이다.18 is an algorithm proposed in an embodiment of the present invention for detecting individual transmission lines in the transmission line shown in FIG. 17(c) extracted by using the algorithm shown in FIG. 16.
송전선로-고도 평면(도 12 의 평면)에서 송전선의 점군 데이터는 앞서 기술한 바와 같이 2차 다항식 모델로 도 18 에 제시되는 알고리즘을 사용하여 추출할 수 있다. 먼저 로 선정한다. 이후, 임의로 세 점을 선택하여 2차 다항식 곡선을 만들며 생성된 곡선으로부터 축으로의 거리 에 포함된 점들의 개수()를 센다. 앞선 작업을 번 반복하여 의 값이 가장 큰 곡선을 송전선이 포함된 곡선으로 추정한다. 하나의 송전선 점군 데이터에는 여러 개의 송전선을 포함할 수 있으므로 가 임계값 보다 크면 곡선으로부터 축으로의 거리 에 포함된 점들을 제거하고, 현수선 방정식의 변수 , , 는 의 부분집합 , 2차 다항식의 변수 , , 는 의 부분집합 에 저장하며 에 1을 더한다. 가 임계값 보다 작으면 더 이상 송전선이 없다고 판명하여 각각의 현수선 방정식의 변수가 저장된 및 2차 다항식의 변수가 저장된 를 저장하고 알고리즘을 종료한다. 도 19 의 적용예에서 값은 2, 값은 1000, 값은 300으로 선정하였다.Transmission line-elevation plane (Fig. 12 Plane), the point cloud data of the transmission line is As a quadratic polynomial model, it can be extracted using the algorithm shown in FIG. 18. first Select as. Then, randomly select three points to create a quadratic polynomial curve, and from the generated curve Distance to axis The number of points in ( ). Work ahead Repeatedly The curve with the largest value of is estimated as the curve containing the transmission line. Since one transmission line point cloud data can contain multiple transmission lines, Fall threshold Greater than from the curve Distance to axis Remove the points included in the catenary equation , , Is Subset of , Variables of quadratic polynomial , , Is Subset of To Add 1 to Fall threshold If it is less than, it is determined that there are no more transmission lines, and the variables of each catenary equation are stored. And the variables of the quadratic polynomial are stored Save and exit the algorithm. In the application example of Fig. 19 Value is 2, Value is 1000, The value was selected as 300.
이도 검출부(45)는 송전선로 검출부(44)에서 추출한 개별 송전선들의 이도를 검출한다. The ear
도 20 은 본 발명의 일 실시예에 따른 송전선로의 이도를 나타낸 도면이고, 도 21 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 일 예를 나타낸 도면이며, 도 22 는 본 발명의 일 실시예에 따른 도 21 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이며, 도 23 은 본 발명의 일 실시예에 따른 송전선로 이도 추정 알고리즘의 다른 예를 나타낸 도면이며, 도 24 는 본 발명의 일 실시예에 따른 도 23 의 송전선로 이도 추정 알고리즘의 적용 결과를 나타낸 도면이다.FIG. 20 is a diagram showing a diagram of a transmission line according to an embodiment of the present invention, FIG. 21 is a diagram showing an example of an algorithm for estimating a transmission line diagram according to an embodiment of the present invention, and FIG. Fig. 21 is a view showing the application result of the transmission line direction estimation algorithm according to an embodiment, Fig. 23 is a view showing another example of the transmission line direction estimation algorithm according to an embodiment of the present invention, and Fig. 24 is the present invention A diagram showing a result of application of the algorithm for estimating the path of a transmission line according to an embodiment of FIG.
송전선의 이도는 도 20 과 같이 정의된다. 본 발명의 실시예에서 개별 송전선 이도 계산을 위하여 도 21 및 도 23 에 도시된 송전선의 이도 추정 알고리즘을 제안한다. 도 21 은 도 18 의 알고리즘에서 산출한 2차 다항식 곡선 을 이용하여 이도를 산출하는 알고리즘이고, 도 21 은 현수선 방정식 을 이용하여 이도를 산출하는 알고리즘이다. 상술한 바와 같이 현수선 방정식은 테일러급수를 이용하여 2차 다항식 곡선으로 근사가 가능하므로 두 개의 방법 모두 적용이 가능하다. The angle of the transmission line is defined as shown in FIG. 20. In an embodiment of the present invention, an algorithm for estimating the ear degree of the power transmission line shown in FIGS. 21 and 23 is proposed for calculating the degree of the individual power transmission line. 21 is a quadratic polynomial curve calculated by the algorithm of FIG. 18 It is an algorithm for calculating the ear canal using, and FIG. 21 is a catenary equation It is an algorithm that calculates the ear canal using. As described above, since the catenary equation can be approximated by a quadratic polynomial curve using the Taylor series, both methods can be applied.
이도 검출부(45)는 송전선로 검출부(44)에서 검출된 2차 다항식이 저장된 집합 의 부분집합의 개수 N을 계산하고, 곡선으로 나타낸 송전선의 양 끝점을 이용하여 N개의 직선을 만든다. 이후, 이도 검출부(45)는 직선의 중심으로부터 송전선의 축과 평행한 거리를 측정하여 N개의 이도를 저장한다. 도 22 는 이도 검출부(45)가 첫 번째 루프에서 추출한 송전선(도 19 의 (a))을 이용하여 송전선의 이도를 도 21 에 제시된 알고리즘을 이용하여 산출한 결과이다.The
도 23 의 알고리즘은 앞서 기술한 도 21 의 알고리즘과 같이 진행하지만, 도 18 에서 구한 현수선 방정식 집합 를 이용하여 이도를 측정한다. 도 24 는 이도 검출부(45)가 첫 번째 루프에서 추출한 송전선(도 19 의 (a))을 이용하여 송전선의 이도를 도 23 의 알고리즘을 이용하여 산출한 결과이다.The algorithm of FIG. 23 proceeds like the algorithm of FIG. 21 described above, but the set of catenary equations obtained in FIG. 18 Measure the ear canal using. FIG. 24 is a result of calculating the ear degree of the power transmission line by using the power transmission line (FIG. 19 (a)) extracted by the ear
도 25 내지 도 27 은 본 발명의 일 실시예에 따른 두 개의 송전선로에 대한 송전선로 검출 및 이도 추정 결과를 나타낸 도면이다.25 to 27 are diagrams showing transmission line detection and estimating results for two transmission lines according to an embodiment of the present invention.
도 25 과 도 26 및 아래의 표 1과 2는 도 3 의 절대좌표축()에서의 라이다 점군 데이터를 입력 데이터로 본 발명의 일 실시예를 적용하였을 때 두 개의 송전선로에 대한 송전선 검출 및 이도 추정 결과를 보여준다. 두 가지 송전선로는 도 12 의 (a), (b) 두 가지 송전선로이며 성공적으로 송전선을 검출하고 송전선의 이도를 추정함을 관찰 가능하다.25 and 26 and Tables 1 and 2 below are the absolute coordinate axes of FIG. ) Shows the results of transmission line detection and island road estimation for two transmission lines when an embodiment of the present invention is applied to the LIDAR point cloud data as input data. The two transmission lines are two transmission lines (a) and (b) of Fig. 12, and it can be observed that the transmission line is successfully detected and the angle of the transmission line is estimated.
도 27 및 표 3 은 앞선 실시예와 다른 송전선로의 3차원 점군 데이터를 입력한 예로, 본 발명의 일 실시예에 따른 알고리즘의 적용 결과로 앞선 실시예와 마찬가지로 성공적으로 송전선을 검출하고 송전선의 이도를 추정함을 볼 수 있다.27 and Table 3 are examples of inputting 3D point cloud data of a transmission line different from the previous embodiment.As a result of applying the algorithm according to an embodiment of the present invention, as in the previous embodiment, a transmission line was successfully detected and the degree of the transmission line It can be seen that it is estimated.
이와 같이, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 라이다 센서(11)가 장착된 무인항공기를 이용하여 3차원 점군 데이터를 검출하고, 검출된 데이터를 신호처리 기법으로 실시간 매핑하여 자동으로 송전선의 이도를 추정한다. As described above, the apparatus for estimating the direction of a transmission line according to an embodiment of the present invention detects 3D point cloud data using an unmanned aerial vehicle equipped with a
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 송전선의 열화가 진행되어 극한 환경에서 송전선로 지지부에서 송전선이 과도한 장력을 버티지 못하고 끊어지는 현상을 방지할 수 있도록 한다. In addition, the transmission line direction estimation apparatus according to an embodiment of the present invention prevents a phenomenon in which the transmission line is disconnected without sustaining excessive tension at the transmission line support in an extreme environment due to deterioration of the transmission line.
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 원거리에서 무인항공기를 통해 송전선로의 이도를 측정하기 때문에 송전선로의 이도를 측정하는 관리자가 위험에 노출되는 것을 방지한다.In addition, since the transmission line direction estimation apparatus according to an embodiment of the present invention measures the direction of the transmission line through an unmanned aerial vehicle at a long distance, the manager who measures the direction of the transmission line is prevented from being exposed to danger.
또한, 본 발명의 일 실시예에 따른 송전선로 이도 추정 장치는 극한 환경에서도 송전선로의 이도를 산출할 수 있으며, 송전선의 안전성을 진단하거나 주기적인 측정을 통해 주변 수목의 성장속도 및 송전선로의 이도 변이를 추정하므로 송전선로 예방진단의 방법 등으로도 활용될 수 있다. In addition, the transmission line road estimating device according to an embodiment of the present invention can calculate the ear level of the transmission line even in an extreme environment, and diagnose the safety of the transmission line or periodically measure the growth rate of the surrounding trees and the path of the transmission line. Since the variation is estimated, it can be used as a method of preventive diagnosis of transmission lines.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.The present invention has been described with reference to the embodiments shown in the drawings, but these are only exemplary, and those of ordinary skill in the art to which the present technology pertains, various modifications and other equivalent embodiments are possible. I will understand. Therefore, the true technical protection scope of the present invention should be determined by the following claims.
10: 센싱부4 11: 라이다 센서
12: GPS 센서 13: IMU 센서
20: 3차원 점군 데이터 변환부
30: 다운 샘플링부 40: 이도 추정부
41: 주변환경 제거부 42: 송전선로 인지부
43: 점군 데이터 제거부 44: 송전선로 검출부
45: 이도 검출부10: sensing
12: GPS sensor 13: IMU sensor
20: 3D point cloud data conversion unit
30: down sampling unit 40: ear canal estimation unit
41: surrounding environment removal unit 42: transmission line recognition unit
43: point cloud data removal unit 44: transmission line detection unit
45: ear canal detection unit
Claims (19)
상기 3차원 점군 데이터 변환부에 의해 변환된 3차원 점군 데이터를 다운-샘플링하여 3차원 점군 맵을 생성하는 다운 샘플링부; 및
상기 다운 샘플링부에 의해 다운-샘플링된 3차원 점군 데이터를 이용하여 송전선로를 검출하고, 검출된 송전선로의 이도를 추정하는 이도 추정부를 포함하고,
상기 이도 추정부는 상기 다운 샘플링부에 의해 다운 샘플링된 3차원 점군 데이터에서 주변환경 데이터를 제거하는 주변환경 제거부; 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 이용하여 송전선로가 존재하는 위치를 인지하는 송전선로 인지부; 상기 송전선로 인지부에 의해 인지된 송전선로 이외의 데이터를 제거하여 송전선로 점군 데이터를 검출하는 송전선로 점군 데이터 검출부; 상기 송전선로 점군 데이터 검출부에 의해 검출된 송전선로 점군 데이터에서 개별 송전선로 또는 현수선의 처짐 정도를 검출하는 개별 송전선로 검출부; 및 상기 개별 송전선로 검출부에 의해 검출된 개별 송전선로 이도 검출부를 포함하며,
상기 송전선로 인지부는 상기 주변환경 제거부에 의해 검출된 송전선로에 대한 3차원 점군 데이터를 지표면과 수평평면으로 정사영하여 송전선로가 존재하는 위치를 인지하는 것을 특징으로 하는 송전선로 이도 추정 장치. A 3D point cloud data conversion unit for converting the LIDAR point cloud data measured in relative coordinates with respect to the position of the unmanned aerial vehicle into 3D point cloud data in an absolute coordinate axis;
A down-sampling unit for down-sampling the 3D point cloud data converted by the 3D point cloud data conversion unit to generate a 3D point cloud map; And
An ear degree estimating unit for detecting a transmission line using the three-dimensional point cloud data down-sampled by the down-sampling unit, and estimating an ear degree of the detected transmission line,
The ear canal estimating unit includes an ambient environment removing unit for removing ambient environment data from the 3D point cloud data down-sampled by the down sampling unit; A transmission line recognition unit for recognizing a location of a transmission line by using 3D point cloud data on the transmission line detected by the surrounding environment removal unit; A transmission line point group data detector configured to detect transmission line point group data by removing data other than the transmission line recognized by the transmission line recognition unit; An individual transmission line detection unit for detecting a degree of deflection of an individual transmission line or catenary line from the transmission line point group data detected by the transmission line point group data detection unit; And an individual transmission line edge detection unit detected by the individual transmission line detection unit,
The transmission line recognition unit orthogonal projection of the three-dimensional point group data of the transmission line detected by the surrounding environment removal unit to the ground surface and a horizontal plane to recognize the location of the transmission line path estimation device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180139849A KR102172543B1 (en) | 2018-11-14 | 2018-11-14 | Apparatus estimating sag for power transmission line |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180139849A KR102172543B1 (en) | 2018-11-14 | 2018-11-14 | Apparatus estimating sag for power transmission line |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200056028A KR20200056028A (en) | 2020-05-22 |
KR102172543B1 true KR102172543B1 (en) | 2020-11-03 |
Family
ID=70914004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180139849A KR102172543B1 (en) | 2018-11-14 | 2018-11-14 | Apparatus estimating sag for power transmission line |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102172543B1 (en) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985496B (en) * | 2020-07-13 | 2024-01-05 | 南方电网数字电网研究院有限公司 | Tree obstacle hidden danger rapid detection method and terminal based on vegetation three-dimensional convex hull |
KR102436589B1 (en) * | 2020-08-13 | 2022-08-29 | 한국전력공사 | Apparatus for generating flight path of unmanned aerial vehicle and method thereof |
CN112504208A (en) * | 2020-10-26 | 2021-03-16 | 国网河南省电力公司济源供电公司 | Power transmission line air gap analysis method |
CN112448319A (en) * | 2020-11-12 | 2021-03-05 | 福建省宏闽电力工程监理有限公司 | Power transmission line construction line tightening early warning method |
CN112558091B (en) * | 2020-11-27 | 2023-08-01 | 广东电网有限责任公司肇庆供电局 | Real-time detection method and device for tree space distance of transmission line and terminal equipment |
CN112630792B (en) * | 2020-11-30 | 2024-05-28 | 深圳供电局有限公司 | Power grid transmission line working condition simulation and dangerous point detection method and system |
KR20220107456A (en) | 2021-01-25 | 2022-08-02 | 주식회사 엑사이트 | Method for measuring dip of aerial power transmission line with Real Time Location Ssystem and program |
KR20220107451A (en) | 2021-01-25 | 2022-08-02 | 주식회사 엑사이트 | Method for measuring dip of high voltage power transmission line using accelerometerand gyroscope or IMU sensors |
CN113175882A (en) * | 2021-04-12 | 2021-07-27 | 南通通明集团有限公司 | Unmanned aerial vehicle-based overhead transmission line sag fault detection method |
CN113806949A (en) * | 2021-09-23 | 2021-12-17 | 王旭 | Power transmission line model determining method and device, computer equipment and storage medium |
CN117517864B (en) * | 2023-11-08 | 2024-04-26 | 南京航空航天大学 | Laser radar-based power transmission line near electricity early warning method and device |
CN117392270B (en) * | 2023-12-12 | 2024-03-15 | 长沙能川信息科技有限公司 | Wire fitting method, system and computer equipment based on laser point cloud |
CN117589069B (en) * | 2024-01-19 | 2024-05-10 | 智洋创新科技股份有限公司 | Power transmission line operation detection method based on data analysis and laser radar |
CN117989985B (en) * | 2024-04-07 | 2024-06-11 | 国网浙江省电力有限公司宁波供电公司 | Method and system for measuring sag by laser of unmanned aerial vehicle |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101552589B1 (en) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | Method for measuring overhead transmission line and calculating dig and actual tension thereof using ground light detection and ranging |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101907081B1 (en) * | 2011-08-22 | 2018-10-11 | 삼성전자주식회사 | Method for separating object in three dimension point clouds |
KR102590656B1 (en) * | 2016-11-04 | 2023-10-19 | 한국전력공사 | Dip measuring system for transmission line, and method for installing transmission line used that |
-
2018
- 2018-11-14 KR KR1020180139849A patent/KR102172543B1/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101552589B1 (en) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | Method for measuring overhead transmission line and calculating dig and actual tension thereof using ground light detection and ranging |
Also Published As
Publication number | Publication date |
---|---|
KR20200056028A (en) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102172543B1 (en) | Apparatus estimating sag for power transmission line | |
KR102235113B1 (en) | Diagnostic apparatus for environmental infringement of power line | |
Jwa et al. | Automatic 3d powerline reconstruction using airborne lidar data | |
CN105184250B (en) | A kind of terrain classification method of electric power corridor airborne LiDAR point cloud data | |
JP6021897B2 (en) | Method and system for processing image data | |
CN107392247B (en) | Real-time detection method for ground object safety distance below power line | |
KR101924278B1 (en) | Apparatus and method for extraction of tidal creeks in tidal flat zones using drone | |
CN110009037B (en) | Short-term engineering wind speed prediction method and system based on physical information coupling | |
CN110794413B (en) | Method and system for detecting power line of point cloud data of laser radar segmented by linear voxels | |
KR101711964B1 (en) | Free space map construction method, free space map construction system, foreground/background extraction method using the free space map, and foreground/background extraction system using the free space map | |
CN109145677A (en) | Obstacle detection method, device, equipment and storage medium | |
CN105244805A (en) | Laser radar-based intelligent early-warning evaluation method and system for power transmission line | |
CN109829908B (en) | Binocular image-based method and device for detecting safety distance of ground object below power line | |
CN104848924B (en) | Bridge load-carrying monitoring method, apparatus and system | |
CN108562885B (en) | High-voltage transmission line airborne LiDAR point cloud extraction method | |
CN112132795B (en) | Electric tower disaster risk assessment method and system based on LiDAR point cloud | |
Geng et al. | UAV-LiDAR-based measuring framework for height and stagger of high-speed railway contact wire | |
CN113970734B (en) | Method, device and equipment for removing snowfall noise points of road side multi-line laser radar | |
Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
Salleh et al. | Accuracy assessment of lidar-derived digital terrain model (DTM) with different slope and canopy cover in tropical forest region | |
CN114187297A (en) | Power transmission line wind deflection checking method and checking system | |
CN114387506A (en) | Transmission tower monitoring method and device, computer equipment and storage medium | |
CN115909096A (en) | Unmanned aerial vehicle cruise pipeline hidden danger analysis method, device and system | |
CN111354028A (en) | Binocular vision-based power transmission channel hidden danger identification and tracking method | |
CN114092651A (en) | Intelligent modeling system and method for emergency management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |