基于无人机图像的输电线自动提取技术

对输电线路的检测能够确保电网的安全运行,利用无人机图像实现输电线准确、快速的提取是实现电力巡检的前提。本文提出了一种基于无人机图像的输电线自动提取方法,能够从复杂的背景图像中完成输电线的有效识别。首先,采用Ratio算子提取出电力线像素,并结合Hough变换对直线段进行检测;然后,根据输电线路几何特征设计了完整输电线合成算法。由无人机图像试验可知,本文所提出的输电线自动提取方法能够有效排除复杂背景信息的干扰,实现输电线位置的准确识别。     

机载LIDAR数据中架空输电线路的提取

通过无人机搭载激光雷达(LIDAR)对架空输电线路及杆塔进行通道扫描,可以快速获取杆塔三维点云模型,对输电线路弧垂测量、树障分析具有重要作用。架空输电线路户外环境复杂,在高密复杂点云中提取有效杆塔及线路信息,具有重要研究意义。针对上述需求,本文提出一种高效的架空输电线路提取方法。该方法首先采用布料模拟的点云滤波算法(CSF)剔除地面点,然后在非地面点构建KD树结构,以非地面点中的杆塔最高点作为搜索点进行连通域分析,从而将残余植被分离,提取架空输电线路的信息。实验结果表明该方法能正确高效的提取出电力线杆塔,提取正确率达到了99%以上,具有良好的应用价值。     

电力无人机巡检系统图像处理研究

随着无人机技术的发展,电力巡线形成了依靠无人机巡线、人工筛选的方法完成,图像处理和识别技术的发展,让无人机自动判断故障点成为可能。canny算子检测法是一种基于二阶高斯函数的平滑处理、梯度计算、非极大值限制和阈值处理的图像检测算法。改进canny算法从分别从45°和135°方向对原图像进行梯度计算,减少原梯度计算中的孤立点,从而增加图像的连续性。另一方面,使用霍夫变换方法对电力线路进行直线识别,以使得电力线路更加清晰。试验结果表明：采用改进canny算法和霍夫变换后的方法,能滤除场景干扰,更加清晰连续地展示电力线路,进而对电力线路进行识别。     

基于骨架运算的动态手势定位及识别算法

为满足在不同背景条件下用户的手势识别需求,提出了一种对于动态手势定位及识别的算法。在摄像头固定、目标移动的前提下,采用ViBe算法对背景建模后结合肤色检测,对手势目标区域进行检测。文中提出了掌心的定位方法,算法利用形态学骨架运算提取图像特征,为解决用户不同衣着和动作造成判断区域的多样性和不确定性,进行有效区域选取后定位掌心坐标,根据掌心坐标通过似圆度和掌心极坐标进行手势定位和识别。实验结果证明,所提算法能够在复杂背景下准确地对手掌高于手肘的手势判断出掌心点,分割出手掌并进行手势识别,该算法同时拥有较好的鲁棒性和实时性。     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

三维技术在输电线路结构设计中的应用

随着交直流特高压输电技术的不断发展,我国电网建设走进了新时代。近年来,三维设计建模标准、应用体系、技术标准、软件平台等诸方面研究都取得了较大进展。在数字化电网时代,采用三维设计技术,可极大满足电网设计精细化、信息协同化、移交数字化以及投资精准化的要求。在输电线路三维结构设计中,基础自动选配,杆塔长短腿自动配置以及复杂节点处碰撞校验是现阶段三维设计中亟待解决的难点问题。针对这些技术难点,文章结合以往工程设计经验公式,分别提出多指标选配、最优迭代以及参数化模型校验方法来解决以上问题。在某一工程三维设计中应用本文提出方法,可实现基础自动选配、杆塔长短腿自动配置以及复杂节点自动校验。     

基于迁移学习SAE的无人机目标识别算法研究

无人机在复杂战场环境下,因敌我双方无人机外形、颜色等特征较为相似,如何准确地对敌方无人机识别是实现其自主导航及作战任务执行的关键。由于受敌方无人机飞行速度、形状、尺寸、姿态等的改变及气象环境因素的影响,无法准确地对其进行识别与分类。针对这一问题,提出基于迁移学习卷积稀疏自动编码器（Sparse Auto-Encoder,SAE）实现对航拍多帧图像中敌方目标对象的识别与分类。算法首先借助SAE对源领域数据集中大量无标记样本进行无监督学习,获取其局部特征;然后,采用池化层卷积神经网络（CNN）算法提取目标图像全局特征;最后,送入Softmax回归模型实现目标对象的识别与分类。实验结果表明:与传统非迁移学习的SAE算法及基于底层视觉特征学习的识别算法相比,该算法具有更高的准确性。     

基于线结构光和YOLOv5的管道保温层破损检测

现有的自动破损检测忽略了深度信息，仅使用图像2D信息，难以准确检测复杂环境下的管道保温层破损。为解决该问题，针对轨道式机器人巡检场景，提出一种基于线结构光和YOLOv5的管道保温层破损检测方法。将线结构光加入视频采集装置中，对激光域进行预分割后，采用自适应阈值方法提取激光中心线，结合线结构光测量深度原理，进行主动式测距。经图像拼接由视频自动生成RGB-D图像，解决了RGB图像与深度信息配准问题。最后结合中层特征融合的YOLOv5算法进行RGB-D破损检测，对凸起和凹陷两类破损进行分类检测。实验结果表明，所提方法可以从轨道式机器人采集视频中获取RGB-D信息，检测的平均精度均值可达85.1%，能够实现对热力管道保温层破损的有效准确识别。     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

序列图像轴对称物体中轴线提取方法

针对轴对称目标三维姿态参数中的偏航角、俯仰角的提取问题,提出了一种自动提取目标中轴线方法.该方法运用自适应Canny算子检测目标边缘,改进的Hough变换获得边缘图像中各条直线边缘的坐标点;通过优化的最小二乘算法将各条直线边缘的坐标点进行拟合获得边缘直线方程;结合序列图像中目标特性,检测出边缘直线中特定的两条平行直线进而获得目标的中轴线方程.实验表明:该方法能够有效地、高精度地提取轴对称目标的中轴线,提取的中轴线平均角度误差为0.022°.     

基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。     

基于红外图像的变电站巡检故障分析

变电站设备故障的自动巡检是智能电网的关键。文中提出了一种利用红外图像实现变电站故障自动巡检的方法。该方法首先利用多尺度Retinex和双边滤波对变电站红外图像进行增强处理,然后采用快速Otsu分割算法实现设备区域提取,最后构建了基于卷积神经网络的故障自动诊断模型。对变电站7处设备进行故障巡检测试,结果表明,该方法能够有效识别变电站故障,且准确率较高。     

基于均值漂移的背景建模方法

介绍了一种从包含复杂运动场景的图像序列中获取理想背景模型的有效方法。通过分析背景建模的若干影响因素为理想背景构建模型。使用非参数化的均值漂移算法寻找背景图像像素值分布最为集中的区域,并且实现背景模型的不断更新。实验结果表明,该方法较传统背景生成算法具有较强的鲁棒性,能够有效实现在复杂场景下的背景建模和目标检测。     

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

基于图像识别的无人机输电线路绝缘子故障检测方法研究

针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。     

基于图像的输电线杆塔定位技术

介绍了无人机电力巡检的应用背景,结合国内外的发展现状,提出一种新的无源定位技术——基于图像的输电线杆塔定位技术。给出了基于图像的定位算法,同时分析了误差来源。具有高精确度定位定向系统(POS)的航摄相机能够绘制大比例尺的地形图,绘制地形图的过程实际上是目标定位的过程。将配备有高精确度POS和高清摄像机的载机光电转塔用于无人机输电线路巡检,完成对目标杆塔的实时定位,定位精确度达到5 m。     

基于机器视觉的输电线路巡检路径三维自适应调度模型

为准确规划输电线路巡检路径,提出基于机器视觉的输电线路巡检路径三维自适应调度模型。以无人机群为飞行平台,采集并拼接目标巡检区域的输电线路图像;通过逐一构建杆塔、导地线及其他输电设备三维模型,获取整体输电线路三维模型;建立输电线路巡检路径智能规划模型,通过模糊状态寻优控制方法,规划无人机群巡检路线并寻找最优路线;引入码间干扰抑制法去除干扰因子,优化通信的连续性,实现输电线路巡检路径三维自适应调度。实验证明,该模型能合理地规划输电线路巡检路径,实现输电线路巡检路径三维自适应调度,同时可以输出全面、清晰的巡检图像。     

基于自适应提取和改进CAMSHIFT单目手势跟踪

为了解决复杂背景下手势提取与手势跟踪准确度受影响的问题,提出了一种基于自适应提取和改进CAMSHIFT(Continuously Adaptive Mean Shift)单目手势跟踪算法.该算法通过自适应手部提取方法识别手部完成对跟踪目标的初始化,以运动历史矩阵为掩模提取图像中的感兴趣区域,在该区域内使用CAMSHIFT算法跟踪目标,并通过傅里叶描述子对跟踪目标轮廓进行实时反馈,完成对动态手势的精确跟踪.该方法能够在手部经过肤色区域的情境中实现准确跟踪,与经典CAMSHIFT算法相比,跟踪正确率提高了80％,实现了复杂背景下动态手势的准确跟踪.     

无人机视觉导航中的图像处理及位姿解算

在无人机自主着陆过程中,无人机视觉导航系统利用跑道图像解算出无人机的位置姿态信息,为飞行控制系统进行自主着陆控制奠定基础。对视觉导航系统中图像处理及位置姿态解算进行了分析和研究。基于模板匹配进行跑道识别;利用Hough变换提取跑道图像特征;采用最小二乘法对检测出的跑道边缘直线进行拟合并得出其在图像坐标系中的直线方程;基于空间的坐标关系变换,利用推导出的算法对无人机位置姿态进行了解算,并利用实际图像对所用算法进行了实验验证。     

基于改进YOLOv5s的无人机图像识别

无人机在军事情报、航拍检测等领域能够提供目标相关的图像信息,为处理任务提供目标信息。针对无人机图像背景复杂、检测目标小、可提取特征少等问题,提出基于YOLOv5s的改进无人机图像识别算法。首先,结合CotNet模块对网络结构进行优化,提升模型自学习能力并增强识别精度;其次,对颈部网络进行改进,通过跨层链接和提高特征图分辨率更好地利用浅层特征图中包含的丰富信息来定位目标,并且在检测头部分采用解耦检测头,减少预测过程中定位与分类任务对于特征信息的冲突;最后,为了提高收敛速度和模型精度,在CIoU和EIoU损失函数的基础上对损失函数的宽高纵横比进行优化。在公开数据集VisDrone测试集上进行测试,所提算法相比原始YOLOv5s算法的mAP₅₀与mAP_50∶95分别提升了6.1与2.9个百分点,实验结果表明,所提模型能够有效提升无人机图像识别的准确率。