车载数据采集系统在电力线检测中的应用

介绍一种先进的车载数据采集系统,通过车载平台上的激光扫描仪实现对电力线的扫描,并利用获得的数据,结合最小二乘拟合算法获得电力线的空间分布及其参数。

直升机防撞系统的电力线检测方法

使用防撞系统探测电力线,对低能见度条件下直升机的低空飞行安全至关重要。通过理论分析,介绍了电力线的布拉格散射特征。在静态条件下,利用毫米波收发系统对电力线的散射特性进行了试验验证。在运动条件下进行运动补偿,将电力线的布拉格散射回波和输电铁塔的强回波峰进行图像累积,并利用霍夫变换进行电力线提取。试验结果可清晰地检测到电力线,证明了处理模型和方法的正确性。

无人机影像中直线类电力线检测算法研究

随着无人机技术的高速发展,无人机巡航环境中的障碍物检测成为热点。针对目前复杂环境下直线类障碍物检测准确率低、精度差的问题,提出了一种基于像素梯度和距离编组的直线类电力线检测算法。首先结合图像灰度特征提取图像直线边缘点,根据图像电力线特征构建直线支撑区域并对其进行调整,为改善图像电力线检测断裂的问题,最后根据直线间的距离度量完成直线段的编组和拟合,实现复杂背景环境中直线类电力线的检测。通过实验证明,算法有效解决了无人机复杂背景环境电力线图像中直线的误检、断裂与漏检问题,降低了光照变化对电力线的检测影响,提高了电力线检测的鲁棒性。

一种快速电力线检测方法初步探究

我国南方主要以山地地形为主,随着电网的加速发展,直升机在低空飞行的时候会面临与电力线冲撞的危险,因此直升机的电力线检测识别系统是十分必要的。如今,电力线检测技术已经得到人们的广泛关注,积累了许多研究成果,出现了很多基于不同算法的检测方法。本文提出了一种基于图像梯度的快速电力线检测技术,在保证检测结果准确性的基础上,提高了检测速度。

车队可通行性探测项目中电力线检测算法研究

为保障大型车辆编队的安全和速度,可以让先导智能感知车辆自动检测前方路况。电力线是国家重要基础设施,由于特种车辆驾驶舱视野窄,且电力线悬于空中没有对照物,驾驶人员很难肉眼辨别其高度是否可以通行,论文着手于先导车辆的电力线实时检测。论文采用了多种型号雷达采集了电力线点云数据,研究了电力线点云特征,提出了一种基于车载激光雷达的实时电力线检测方法。该方法首先通过先验知识选定感兴趣区域后对点云进行法线方向滤波,然后对点云进行聚类,在有效的聚类点云中进行直线拟合,并提出一种电力线后验方法。实验证明论文算法能以较高准确率的检测电力线,并保证实时性。

一种自动高速电力线检测与追踪方法探究

在复杂的环境中检测与追踪电力线是基于无人机检验的一项非常有挑战性的课题。本文提出了一种新颖的电力线检测与追踪的方法。首先,用Hough变换方法提取电力线。其次,根据电力线在空间图像中的特征,我们将K-均值应用在霍夫变换中,聚类并筛选直线,然后检测出电力线路。最后,用卡尔曼滤波器进行滤波,得到电力线连续的视频序列。实验结果表明本文所提出的方法可以自动高速检测与追踪电力线,具有一定的应用性和操作性。

一种直升机避障电力线检测方法

电力线是一类形状细长、特征稀疏、随着视角的变化容易混淆在大量背景信息中的特殊障碍物,常规电力线检测识别算法得到的目标框对电力线所在位置的估计不够准确。为此,提出了一种相对角度估计方法,基于常规电力线目标检测与识别算法,并结合电力线相对角度估计,从而提高电力线的检测识别过程中所在位置的精度。相比电力线绝对角度回归的方法,提出的相对角度估计方法容易训练易收敛,计算量小,适用于实时性要求较高的应用场合。

基于卷积特征聚合的航拍图像电力线检测方法

由于传统的基于滤波器和图像梯度的电力线检测方法在复杂场景下检测精度不高,提出一种基于卷积特征聚合的电力线检测方法。首先构建深度卷积神经网络并将网络分为五个阶段;然后结合通道注意力模块和金字塔池化模块构建联合注意力修正模块,修正每一阶段的电力线检测结果;最后融合五个阶段的电力线检测结果,并利用细化算法对融合输出进行骨架提取,得到精细的电力线检测结果。实验结果表明,与其他方法相比,文中方法检测出的电力线更完整、效果更好。

基于LSD算法的无人机航空影像电力线检测方法研究

利用无人机影像进行电力线安全巡检以及后期维护等工作是目前的主流工作方式。传统的利用边缘检测算子进行电力线提取的方法在面对复杂背景地物时稳定性较差。本文针对这一问题,提出了基于LSD直线检测算法的电力线提取方法。首先通过影像预处理,排除噪声影响。根据电力线影像特征,调整LSD算法参数,获取待定电力线直线段。然后采用斜截统计筛选的方法,将不满足斜率与截距阈值的直线段剔除,进一步精确定位电力线直线段。最后采用最小二乘法拟合完整的直线,获取最终的电力线提取结果。实验结果表明,本文算法电力线提取效果优于Canny、Sobel、Prewitt以及Roberts算子检测结果,可以很好地抑制复杂背景地物对提取结果的影响,一定程度上节省了电力工程项目成本,提高了工作效率。

无人机航拍图像中电力线检测方法研究进展

随着各大电力公司对无人机(unmanned aerial vehicle,UAV)巡检的大力推广,“机巡为主,人巡为辅”已成为我国电力巡检的主要运维模式。电力线检测作为电力巡检的关键技术,在无人机自主导航、低空避障飞行以及输电线路安全稳定运行等方面发挥着重要作用。众多研究者将输电线路的无人机航拍图像用于线路设备识别与故障诊断,利用机器视觉的方法在电力线检测技术研究中占据主导地位,也是未来的主要发展方向。本文综述了近10年来无人机航拍图像中电力线检测方法的研究进展。首先简述了电力线特征,阐明了电力线检测的传统处理方法的一般流程及所面临的挑战;然后重点阐述了使用传统图像处理方法及深度学习方法的电力线检测原理,前者包括基于Hough变换的方法、基于Radon变换的方法、基于LSD(line segment detector)的方法、基于扫描标记的方法及其他检测方法,后者根据深度卷积神经网络(deep convolutional neural network,DCNN)的结构不同分为基于DCNN的分类方法及基于DCNN的语义分割方法,评述各类方法的优缺点并进行分析与比较,与传统图像处理方法相比,深度学习方法能更有效地实现航拍图像中的电力线检测,并指出基于DCNN的语义分割方法在电力线目标智能识别与分析中发挥着重要作用;随后介绍了电力线检测的常用数据集及性能评价指标;最后针对电力线检测方法目前存在的问题,对下一步的研究方向进行展望。

一种基于方向可调滤波的航拍图像电力线检测算法

在分析航拍图像中电力线特征的基础上,提出了一种基于方向可调滤波的航拍图像电力线检测算法。首先对图像进行方向滤波并计算其方向能量函数和脊能量函数,然后结合图像局部和全局信息对图像中的线段进行拟合,最后通过实验的方法对算法的可靠性和实时性进行验证,该算法的计算量约为EDLines算法的一半。实验结果表明,该算法能较好地检测航拍图像中的电力线,且算法复杂度不高,适合电力线的实时检测。

基于决策树分类的毫米波雷达对电力线的检测

针对直升机超低空飞行面临的电力线引起的安全问题,该文提出了一种基于决策树分类的毫米波雷达检测电力线的方法。针对电力线的布拉格散射特征,在此基础上研究了Hough变换的电力线检测方法,对于Hough变换后信号的含噪特征,提出了基于决策树分类器的分类处理方案,提取出所需要检测的电力线目标信息。最后通过MATLAB仿真,验证了该方法的有效性。仿真结果表明该方法简单有效,而且具有很高的检测概率,很低虚警概率。

复杂背景下电力线自动提取算法

为从具有复杂背景的无人机航拍图像中准确完整地提取电力线,提出了一种结合改进Ratio算子和改进Hough变换的电力线提取新方法,命名为基于比率算子聚类和霍夫变换编组的方法(ratio-basedclusteringand hough-basedgrouping,RCHG)。首先采用Ratio算子进行电力线边缘检测,在综合考虑电力线连续性和噪声抑制能力的理念下,给出了线特征检测阈值的参考范围。然后,对边缘图像进行四连通聚类分析,消除大部分背景噪声。最后,采用Hough变换提取电力线,进一步设计直线段聚类算法,对提取结果进行直线编组并进行最小二乘拟合处理,以解决电力线断裂和重叠的问题。实验结果表明,相比传统Ratio算子结合Hough变换的方法及Line Segment Detector(LSD)算法,所提方法具有更好的抗噪性能和更高的电力线提取精度,能从具有复杂背景的无人机航拍图像中准确完整地提取出电力线,有较高的工程应用价值。

基于视频图像的电力线故障诊断仿真研究

针对电网安全监控中诊断电力线故障的问题,由于电力线出现断股或附着异物故障,影响电力的传输。为此提出了一种基于视频图像的电力线故障诊断方法。由于电力线的视频图像采集是在极其复杂的背景环境下,并且会有不同气候条件的干扰,会影响电力线的检测和最终的诊断。为了解决这个难题,采用了多帧采样和投票策略的线段检测法,就是利用视频图像中电力线的连续性和其方向的一致性将电力线从复杂多变的背景中检测出来,以电力线为中轴线通过灰度统计特征找出线路中疑似故障位置,再根据空间关系特征和类哈尔特征诊断是否出现故障。实验结果证明,改进方法在复杂的背景环境下提高了电力线故障诊断的准确率。

基于RBCT算法的复杂背景下铁路接触网电力线自动提取研究

针对视频监测得到铁路接触网图像背景复杂、目标细弱而使电力线提取困难、效率降低的问题,提出一种结合背景特征和改进Ratio算子的区域链码(Ratio-based background features and chain code tracking,RBCT)电力线提取方法。首先,分析接触网电力线图像背景特征,对不同类别背景图像进行灰度值分析、预处理加强来消除背景噪声并增强电力线目标。然后,利用分析得到的线特征检测阈值进行边缘检测,对电力线目标边缘做Ratio算子处理。最后,对检测得到目标边缘进行四方向链码聚类分析,识别电力线目标。结果表明,相比传统Canny、Ratio边缘提取方法,所提方法具有良好的抗噪能力和更高的电力线识别精确度。算法能够消除边缘检测出现的噪声,解决电力线检测中出现的断股、分裂问题,可准确完整地提取不同种类复杂背景下的电力线目标,具有较高工程应用价值。

电力线的毫米波回波分析

低能见度条件下的电力线探测对直升机低空飞行安全起着至关重要的作用。针对毫米波段电力线后向散射回波特征进行了理论分析,研究了天线极化对电力线回波的影响。在充分的理论分析基础上,确定了采用毫米波收发系统进行电力线探测的试验方法,得到了电力线回波数据。通过对回波数据分析,提出了一种电力线检测模型,通过仿真试验可清晰地检测到电力线,证明了毫米波收发电力线检测模型的正确性。

基于网格突变与半空心球邻域角度过滤的三维激光点云电力线异物精准检测定位方法

为了解决目前利用图像识别技术检测电力线搭挂异物所存在的鲁棒性低、准确性低、缺少精确空间定位信息等问题,提出一种基于激光点云数据的电力线搭挂异物检测及精准定位方法。首先,从正常未搭挂异物电力线点云线性特征和平滑性特征着手,分析电力线异物在激光点云数据中空间特性;然后,提取电力线点云水平和垂直方向三维模型残差,通过无监督残差聚类实现单根电力线分割;之后,对提取的单根电力线网格化,根据异物处网格突变的空间特性粗提取异物区域;最后,提出半空心球邻域的定义,基于半空心球邻域内角度过滤方法精确定位异物点云。实验结果表明,对于不同情况下异物,均能准确检测并精确定位,平均检测准确率100%,平均定位精确率97.75%,平均运行时间0.175秒,同时可实现异物搭挂在地线还是导线的准确判断,与图像识别方法对比,该方法不存在拍摄角度、拍摄环境、训练样本量的影响,鲁棒性高,使用范围广,工程实用前景广阔。

基于轻量级Fast-Unet网络的航拍图像电力线快速精确分割

为了满足光学航拍图像中电力线检测的实时性和高精度,提出了一种轻量级Fast-Unet网络电力线检测方法。它以Unet语义分割网络为基础,添加金字塔池化结构增强特征上下文信息的融合。设计深度可分离残差卷积运算,增加了网络深度且进一步减少了网络参数量。使用多损失函数训练Fast-Unet网络,缓解图像中前景与背景类别分布极度不平衡的问题。实验结果表明,相较于Unet算法,模型参数量大幅减少,运算速度明显提升。Fast-Unet满足了实际应用需求,且模型参数体积得到了有效压缩,更容易部署于各种嵌入式系统,对于提高直升机与无人机的低空飞行安全有一定的现实意义。

无人机电力电缆安全巡检关键技术开发与应用

工业无人机能够在任何时间任何地点对任何事物进行自主检测和测量,已成为未来工业物联网生态系统的重要组成部分。从能效的角度分析并验证如何将IUAV应用于智能电网中的电力线检测,并将能量消耗最小化问题表述为一个联合优化问题,通过探索大尺度优化与小尺度优化的时间尺度差异和能量量级差异,采用真实地图和电网拓扑两种模式对算法进行了验证。

基于无人机航拍图像的输电线异物检测算法研究

目前无人机电力线巡检已成为热点,但采用人工解译的方法对航拍图像中电力线异物判别效率低下。因此,为实现无人机智能高效巡检,提出一种基于电力线中线的异物检测方法。首先,采用先验知识与最小二乘算法对电力线图像中电力线的中心线准确提取;其次,对获取的中线经过像元的变化设定阈值判断电力线上是否有显著性异物,通过二值图像判断像元偏离电力线中心线距离进而辨别是否有颜色相近的异物;最后,采用RCF边缘检测和区域生长法对提取异物范围。该方法以电力线中线为基础,判断电力线上是否有颜色相似的异物,从而达到复杂背景下异物检测的目的。通过实验证明了该方法能有效地检测出输电线上存在的异物,并且准确度高、轮廓提取完整。