应用于增强现实变电运检三维场景重建的增量八叉树算法

为解决数字增强现实(AR)眼镜设备上海量点云数据管理和三维重建的难题,本文提出了一种增量八叉树算法。该算法可以均衡地将点云数据保存到空间索引结构中,实现实时渲染过程中点云数据的动态调度,使场景点云的密度分布与视场角和视点距离线性相关,且有效降低了点云存储空间。利用Hololens增强现实眼镜对本文算法进行了测试验证,实验结果表明,利用本算法可以加载和调度十亿点云数量的变电站场景点云数据,并以不小于25 f/s的帧速率实时显示数字化场景。

基于改进YOLOv8的输电线路故障识别方法

针对输电线路巡检难度大且巡检信息处理可靠性不佳等问题,提出了一种基于改进YOLOv8的输电线路故障识别方法。首先,设计智能化单兵巡检装备,包括智能巡检头盔和智能信息装备服,并通过无人机获取输电线路的实时运行情况。然后,提出一种增量八叉树空间检索算法用于激光雷达等图像信息的处理,得到输电线路全景图像。最后,构建改进C2f模块、残差注意力模块以及改进损失函数优化YOLOv8模型,将其用于全景图像的学习,从而得到输电线路的故障类型。基于Pytorch平台对所提方法进行实验分析,结果表明,其识别结果的平均精度均值达到了92.03%,且识别时间仅为28ms,能够满足智能化单兵巡检装备的工作需求。