基于机器视觉的输电线路导线断股自动检测方法

由于输电线路导线断股检测的过程中,没有对图像进行去噪处理,导致断股检测效果较差、检测效率较低,对此,提出基于机器视觉的输电线路导线断股自动检测方法。通过六旋翼无人机搭载高清摄像机拍摄输电线路导线,采集导线图像;采用均值滤波算法去除原始图像中的噪点,将去噪后的图像通过遍历模板进行图像颜色转换后;使用线性灰度变化法对导线图像进行灰度拉伸处理,并利用最小二乘法对拉伸后的图像进行分割,提取检测目标图像;通过机器视觉技术将目标图像与知识库图像比对,计算出二者相似度,以此判断输电线路导线是否存在断股。经实验证明,设计方法的输电线路导线断股自动检测效果较好,检测效率较高。     

无人机巡检系统中高频效的混合波束赋形方法

随着智能电网的发展,无人机巡检输电线路应用越来越广泛.为了有效实施输电线路故障定位和类型判断,要求无人机回传视频图像的分辨率越高越好.在带宽有限的条件下,需要尽可能提高无人机回传通信链路的频谱效率,以满足高分辨率视频图像对传输速率的需求.提出基于Mesh网络的视频图像回传通信方法.通过在杆塔上部署无线接入节点并构建Me...     

小型无人机在输电线路故障排查定位中的应用

为了提高小型无人机在输电线路故障排查定位中的应用效果,文章对此展开研究。根据输电线路的巡检距离和高度选定小型无人机类型,通过坐标系定位转换,构建输电线路故障定位模型,采用行波测量方法完成故障的定位检测,实现对输电线路故障排查定位的方法设计。实验结果表明：在选择的6组输电线路图像中,本文设计的方法能够保证无人机航拍路线的准确性,故障点定位结果平均误差值分别为0.003、0.029、0.0026,切实提高了实际应用效果。     

基于Faster R-CNN的输电线路缺陷识别模型研究

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

基于动态超分辨率的输电线路部件检测方法

在无人机输电线路巡检过程中,由于部分输电线路部件较小,而且无人机搭载的相机像素有一定限制,同时必须与输电线路保持一定的安全距离,导致拍摄的图像的分辨率较低、目标较小.针对这一问题,提出了一种基于动态超分辨率的输电线路部件检测方法,将超分网络引入到输电线路巡检过程中.实验结果表明,该方法对输电线路低分辨率输入图像和小目标...     

一种双目视觉输电线路覆冰厚度测量方法

本文提出一种基于双目视觉原理的输电线路覆冰监测方法。研发以双目相机为主的无人机覆冰监测载荷,对双目相机进行标定,获取内外检校参数,通过图像校正构建平行双目立体量测模型;在红外图像辅助下,立体量测获取特定同名点的空间位置,通过导线覆冰厚度计算和校正方法获取输电导线的覆冰厚度。大量试验表明,该方法在输电线路覆冰应急监测中具有较高的测量精度。     

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。     

输电线路多旋翼无人机自动驾驶智能巡检系统

针对日益繁重的输电线路巡视工作以及输电专业无人机巡视方面难度大、风险高、自动化程度低等问题,本文提出了一种输电线路多旋翼无人机自动驾驶智能巡检系统及方法,结合人工智能图像识别技术实现了机巡数据的智能处理,建立了输电线路自动智能巡检作业的新模式.本文重点介绍了巡检系统的结构、功能及关键技术,通过佛山地区输电线路巡视的应用实践,该系统大大提高了电网巡检效率,证明了其有效性和合理性.     

基于切比雪夫多项式描述子的复杂背景下输电线路提取算法

在电力系统中,利用计算机视觉和图像处理技术对输电线路的进行检测,在保障电力系统的安全运行方面具有非常重要的作用;针对复杂背景下的输电线路,提出了一种基于切比雪夫多项式描述子输电线路提取算法,该算法首先对输入图像进行预处理,其次利用随机Hough 变换提取图像中的直线和曲线,然后利用切比雪夫多项式描述子的曲线描述优势,对所提取的对象进行特征描述,为了提高提取的精确度,通过K-means聚类分析方法来训练视觉字典,通过视觉字典的比对,最终确定图像中的输电线路;实验结果说明了所提出的算法可以精确地提取复杂背景下的输电线路。     

高压输电区域性重覆冰线路受损监测系统设计

通过对高压输电区域性重覆冰线路受损监测,提高高压输电稳定性,提出一种基于视觉特征重构的高压输电区域性重覆冰线路受损监测方法,并结合多层嵌入式构架进行系统设计。构建高压输电区域性重覆冰线路受损监测的视觉采集模型,采用激光扫描和红外分析方法进行高压输电区域性重覆冰线路受损部位的图像重构,构建高压输电区域性边缘轮廓检测模型,结合模板特征匹配方法进行高压输电区域性重覆冰线路受损部位检测,提取高压输电区域性重覆冰线路受损部位的异常特征信息,结合机器学习方法对提取的特征信息进行自动分类和人工智能识别,实现高压输电区域性重覆冰线路受损部位监测。采用程序加载和嵌入式的模块化设计方法,进行监测系统的集成开发设计。测试结果表明,采用该方法进行高压输电区域性重覆冰线路受损监测的智能性较高,人机交互性较好。     

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。     

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。     

基于多传感器融合的无人机电力线巡检

电力线与下方物体的距离是输电线路安全运行的重要指标,需要对其巡检以保证其距离满足安全距离条件.提出一种测距方案,使用无人机基于三维场景重建测量电力线与下面的地物间的距离.通过将激光点云数据、影像数据和位置信息在时空维度配准,实时生成电力线路附近区域彩色图像与激光雷达的融合信息,利用深度学习算法多模态神经网络的RGB-Depth语义分割提取输电线路特征,基于体素、大规模语义场景重建以及导线建模,通过拟合线模型铅垂线方法对下方地物安全距离进行实时检测,实现了判断电力线下方地物距离是否符合安全生产条件.实验结果证明该测距方案具有实用性和准确性,有助于提高输电线路运维水平.     

无人机侦察视频超分辨率重建方法

目的 无人机摄像资料的分辨率直接影响目标识别与信息获取,所以摄像分辨率的提高具有重大意义。为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据的特点,提出一种无人机侦察视频超分辨率重建方法。方法 首先提出基于AGAST-Difference与Fast Retina Keypoint (FREAK)的特征匹配算法对视频目标帧与相邻帧之间配准,然后提出匹配区域搜索方法找到目标帧与航片的对应关系,利用航片对视频帧进行高频补偿,最后采用凸集投影方法对补偿后视频帧进行迭代优化。结果 基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势,匹配区域搜索方法使无人机视频的高频补偿连续性更好,凸集投影迭代优化提高了重建的边缘保持能力,与一种简单有效的视频序列超分辨率复原算法相比,本文算法重建质量提高约4 dB,运行速度提高约5倍。结论 提出了一种针对无人机的视频超分辨率重建方法,分析了无人机视频超分辨率问题的核心所在,并且提出基于AGAST-Difference与FREAK的特征匹配算法与匹配区域搜索方法来解决图像配准与高频补偿问题。实验结果表明,本文算法强化了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。     

一种基于无人机视频影像的车流量统计算法

针对城市智能交通管理系统中车流量统计出现的漏检误检问题,提出一种基于无人机(unmanned aerial vehicle,UAV)视频影像的车流量统计双虚拟检测线算法。算法利用数字图像处理技术和计算机视觉对视频流进行处理,首先对无人机获取的视频影像采用均值滤波进行去噪处理,利用改进的多帧平均方法提取出初始背景,通过背景差分法检测出运动目标,然后使用混合高斯背景模型进行背景更新,设置双虚拟检测线并计算二值图像上位于双虚拟线内的连通区域面积、长宽比,统计出实时的车流量。实例验证结果表明,该方法的准确率在非高峰期达到92.94%,高峰期达到91.62%,为城市智能交通管理提供了可靠的数据支持。     

基于全景视觉的机器人回航方法

提出一种使用全景视觉系统引导机器人回航的方法.利用全景视觉装置采集出发位置(Home位置)的全景图像,使用SURF(Speeded-Up Robust Feature)算法提取全景图像中的特征点作为自然路标点.机器人回航过程中,将当前位置获得的全景图像与Home位置的全景图像进行特征匹配,确定白然路标点之间的对应关系....