激光点云中输电线拟合与杆塔定位方法研究

通过竖直直方投影和均匀网格离散将激光雷达扫描得到的输电线路三维点云降维成二维灰度图像,提取其中直方响应最大的地方作为杆塔的水平位置,分离杆塔,输电线在走向上以杆塔为界分段;再沿其悬垂面的法线方向对各段输电线作正投影,对投影的散点进行迭代的鲁棒二次曲线拟合,实现在竖直方向上的各层输电线的分离。杆塔的提取和输电线的拟合是实现电力系统净空排查分析、输电线点云实体化和场景漫游的重要环节。     

基于SURF算法的输电线全景图像的特征提取

高压输电线跨距远、线路复杂,在充分分析电力线图像的特殊线性特性的基础上,文章提出了一种采用SURF算法完成输电线全景拼接并利用相位一致性提取线路特征的方法。首先采用SURF算法对部分电力线图片进行配准,并用RANSAC算法剔除错误的特征点对,然后拼接得到输电线全景图,对全景图采用相位一致性方法进行特征检测,最后提取经过标记的完整的单根电力线。对现场拍摄的部分输电线路图像进行了实验,结果提取出了完整、精确的单根电力线,说明该方法能提高输电线路弧垂计算的精度。     

无人机激光雷达智能识别输电线路缺陷

针对我国高压输电线路巡检周期长、作业强度大、无法保证巡检结果客观性与完整性的问题,提出了一套无人机三维激光雷达智能识别输电线路缺陷的研究方法。该方法首先使用自动化分类方法将走廊三维点云进行金字塔式数据重采样及分档式处理;其次将分档数据自动划分为地面、植被、杆塔、导线4个类别,结合人工判读识别低等电力线、公路等其他类别;最终,根据国网相关安全局规程提取当前工况下导线与周围地物存在的安全缺陷。实验数据表明,所提出的方法可有效识别导线-植被、导线-建筑物、导线-交跨等多类重要缺陷,可大幅提升现有高压输电线路巡检流程的质量与效率。     

融合影像的LiDAR点云数据分类方法

提出一种融合影像的LiDAR点云分类算法。该算法首先采用渐进三角网加密方法对地面点和非地面点进行分类;接着采用本文所提出的坡度信息量的方法对非地面点进行分类为建筑物点和植被点;最后对于分类可信度不高的建筑物和植被粘连的区域,通过融合影像进一步区域分割。实验结果表明,该方法自动程度高,并且分类准确度高;在实验所用的区域,准确率达到83%。     

基于显著图的输电线路杆塔图像拼接方法

无人机拍摄的输电线路杆塔图像分辨率高且背景复杂,基于传统特征点的拼接算法在背景中检测出大量的特征点增加了图像匹配的时间,影响了杆塔的匹配精度。针对该问题提出了一种既稳定又具有较小时间开销的输电线路杆塔图像自动拼接方法,利用改进的显著性检测算法得到杆塔图像的显著图,将图像的前景与背景分离,减少了背景对图像中杆塔拼接效果的影响;并采用基于定向的加速分割检测特征(FAST)和旋转不变性的二进制鲁棒独立元素特征(BRIEF)描述子(ORB)特征点的图像匹配算法,以提高特征点提取和匹配的速率;最后利用多尺度融合策略得到最终的拼接结果。实验结果表明,所提方法具有较好的拼接效果和拼接效率。     

垂直基线在电力线巡检同名像点匹配中的应用

利用双目近景摄影测量系统探测电力线与电力线或其他地物之间的距离可以用于电力巡线作业.一般设计的双目系统其基线多为水平布设,由此获取的电力线影像中电力线上某点的核线与电力线大量重合,再加之单调天空色彩为背景,这给像对上电力线同名像点的匹配的正确性与精度带来了不利影响.垂直基线即垂直于电力线走向的基线布设形式,用于电力线同名像点的匹配可以最大限度消除歧义点,并保证像素级的初次匹配精度.本文主要从非歧义性和精确性两个方便阐述了利用垂直基线克服电力线匹配的不利因素的过程,并以实验的形式给出相应的过程和评价,其结果表明对于电力线影像上同名像点的匹配,垂直基线相对于平行基线具有更高的应用价值.     

基于机器视觉的输电线跨越距离测量方法研究

主要研究了一种基于机器视觉的输电线跨越距离测量方法.设计了一套双目立体视觉测量系统,可以实时监测输电线路跨越距离.该系统通过双目相机实时采集标有特征标记点的输电线图像,采用颜色分割检测方法实现左右图像的立体匹配,计算出特征标记点的空间坐标,从而实现跨越输电线的三维重构,并基于跨越输电线的三维模型计算出跨越距离的大小.实验数据表明,该方法的测量精度达3％以内,满足实际要求,验证了该方法的可行性.     

一种基于分离地面点的障碍物识别方法

Velodyne 64线雷达被广泛应用于自主车的环境感知功能中。为了在该雷达产生的大量数据中识别出障碍物信息,本文提出了一种新的基于分离地面点的障碍物识别算法。首先从原始数据集中提取出特征点集并建立地面模型;利用地面模型识别出地面点并将其从数据集中滤除;将地面点分离后的数据集投影至平面栅格中,并利用区域生长法聚类。该算法能够准确、高效地识别出障碍物。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

基于新型编解码网络的复杂背景航拍图像输电线识别

针对常规图像处理和现有语义分割方法从航拍图像中识别输电线速度慢、准确率低等问题,构建了新型高效的输电线识别编解码网络。为减少模型参数,提高计算效率,采用轻量级MobileNetV3作为编码器主干特征提取网络,并在浅层引出快捷链路与深层进行堆叠;通过金字塔池化模块(PSP)和深度可分离卷积构建解码器提高输电线多尺度特征复用能力并实现网络轻量化;采用跳跃连接结构级联编码器和解码器从而融合浅层和深层多尺度特征信息;利用迁移学习加快网络训练收敛速度并识别出输电线。实验结果表明,新型编解码网络能准确快速地识别出复杂背景下的输电线,MPA、MIOU和FPS分别达到了94.37%、86.95%和31帧每秒,识别精度和速度均优于UNet网络和PSPNet网络。     

激光雷达的多源数据融合点云分类算法研究

根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法。首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线-抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割。选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为99.19%、99.25%、99.10%。较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(RANSAC)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测。     

航空影像辅助下的城区机载LiDAR汽车目标检测方法

机载激光雷达(LiDAR)技术的出现为地面汽车目标检测提供了新的途径。为了从机载LiDAR点云数据中提取汽车对象,根据不同地物的属性特征,提出了一种航空影像辅助下的城区机载LiDAR汽车目标检测方法。首先利用形态学开重建滤波完成地面和地物的分类,然后在地物点的基础上结合正射影像,通过归一化植被指数(NDVI)特征完成对植被和非植被地物的初步分类,最后在非植被地物的基础上,根据地物对象的形状特征及高程信息完成汽车和建筑物及阴影植被等非汽车对象的分类,从而完成汽车目标的提取工作。3个实验区的计算结果表明:该方法能有效从LiDAR点云中提取汽车目标,正确度和完整度的均值分别为95%和85%,满足实用性要求。     

矿用带式输送机托辊运行状态监测系统

以人工巡检和振动信号诊断为主的带式输送机托辊故障监测无法保证高可靠性和实时性,因此采用电力线载波通信方式传输带式输送机托辊运行数据;传统的电力线载波通信是侵入式的,且需要定期更换电池。针对上述问题,提出了一种基于自供电和非侵入式电力线载波通信的矿用带式输送机托辊运行状态监测系统。该系统由发送端、接收端和127V照明电力线组成。发送端安装于带式输送机托辊处,采用FPGA作为核心控制器,对托辊运行时产生的音频信号进行采集并调制成高频信号,通过电感耦合器将高频信号耦合入照明电力线中,实现非侵入式电力线载波通信;接收端安装于地面控制室,实现照明电力线中信号的解耦、解调、还原;对采集的原始音频信号和还原的音频信号进行皮尔逊相关系数分析,确认还原的音频信号的准确性后进行倒谱分析,从而判断托辊故障。实验结果表明,该系统能准确诊断带式输送机托辊故障。     

机载LiDAR高压线塔点云自动化提取

高压线塔三维数字模型是输电线路数字化管理的重要部分,也是线路安全预警模型的重要支撑.针对当前研究中从机载LiDAR数据提取线塔点云时主干点云提取精度不高、塔脚植被点和塔头电力线点干扰严重等难题,首先,基于点云空间几何特征,利用Kd树距离分割法、欧式聚类、移动曲面拟合算法与空间格网区域向下生长算法进行线塔点云粗提取;然后...     

基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取、安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。     

矿区高压供电线路防雷耐雷技术的研究

建立了矿区LD-Ⅱ雷电监测与定位系统用以分析兖矿集团矿区地面落雷密度、雷电流的极性、幅值、落雷时间等雷电参数以及落雷点的位置,研究了矿井高压线路及周边地区雷电分布规律;采用数学方法对该矿区电网3种典型杆塔和线路的雷击进行了模拟计算;在统计分析和数学计算基础上,提出了提高矿区电网防雷耐雷能力的措施,即降低杆塔接地电阻,采取调爬、加装避雷器等措施。实际应用结果表明,上述方法可行。     

基于YOLOv5的电力线和杆塔实时检测算法研究

针对当前电力线路检测中存在深度学习网络参数量大、计算复杂度高等问题;在YOLOv5的基础上提出一种电力线和杆塔的实时检测算法;通过减少Bottleneck数量来简化特征提取层网络结构,使用深度可分离卷积技术实现模型计算量的降低;分析电力线目标框筛选机制,改进(Non-Maximum Suppression)NMS算法,提升模型目标检测精度;实验结果表明,对Bottleneck的改进在识别精度有所提高的情况下能有效降低模型的参数量,模型检测准确率和召回率分别达到94%与95%,体积压缩了20.7%,在Jetson Nano嵌入式平台上检测速度达到17.2 fps,对两类电力线路目标检测达到较高的识别率和实时性,对无人机电力巡检导航有较好的参考价值。     

基于前景杆塔识别的电力巡检精准自动复拍方法

针对巡检无人机(UAV)的位姿误差导致复拍目标零件不精准的问题,提出一种基于前景杆塔识别的精准复拍方法.首先,使用直线分割检测(LSD)方法在标准图像中提取直线,利用杆塔的线交叉结构对图像块内直线方向及长度进行统计,保证能够在低假阳率条件下,筛选出图像中的杆塔区域,并在其中提取加速鲁棒特征(SURF)作为该巡检点处的标准几何特征;然后提取当前图像中的几何特征与巡检点处标准特征进行匹配,使用聚类方法找到当前图像中的杆塔位置相对于标准图片中的二维偏移;最后通过几何分析计算并调整云台角度,使得杆塔位于图像中正确位置.实验结果表明,所提方法可以在无人机的位置和相机姿态出现较大偏差的情况下实现精准调整.     

顾及风偏环境的激光点云输电线模型重建

输电线模型重建是机载激光雷达技术电力巡检研究的主要内容,但现有的激光点云输电线模型大多基于无风偏理想环境的输电线空间形态描述,忽略了实时自然环境中风荷载的作用效果,输电线模型重建的适应性和普适性有待提高。在分析了风荷载作用于输电线受力变化的基础上,提出了风偏环境下输电线三维空间形态描述的理论模型(抛物线-抛物线方程),建立了一种顾及风偏因素的激光点云输电线模型重建方法。选择3组典型代表性的实验数据,涉及不同风速、地形条件及输电线类型,结果表明：所提出的抛物线-抛物线方程能很好地顾及水平风荷载作用的输电线空间形态特性,相比已有模型直线-抛物线方程,具有较高的模型重建精度和普遍适用性。该研究对提高激光点云输电线模型重建具有重要的理论参考价值。