一种基于视觉深度学习的位置纠偏方法

技术领域

本发明属于架空输电线路中对机巡设备的位置纠偏技术，尤其是涉及一种基于视觉深度学习的位置纠偏方法。

背景技术

目前我国的电网巡检工作主要采用机巡+人巡的方式。其中人力巡检方式效率较低，且具有一定的危险性，机巡模式的出现可以解决人力巡检存在的问题，但是由于线路上每个设备、部件、零件的位置、尺寸、外观信息，可能受到天气或设备本身的干扰，致使采集点云出现误差，使后期的自动驾驶航线规划产生位置误差，如果航线存在风险点和不安全距离，容易导致触发飞行器避障功能，使巡检作业中断，或发生撞线等事故，导致无人机损毁。

发明内容

为了克服现有技术的不足，本发明提供一种基于视觉深度学习的位置纠偏方法，对线路上每个设备、部件、零件的位置、尺寸、外观信息，进行准确的坐标系对照与纠偏，从而为后期的自动驾驶航线规划提供可靠数据支撑。

本发明解决其技术问题所采用的技术方案是：包括如下步骤：

步骤1、通过运用激光雷达仪器扫描或倾斜摄影技术拍摄输电线路获取线路的点云数据；

步骤2、利用所述获取的线路点云数据建立位置检测模型；

步骤3、在无人机采集线路的视频流中获取若干帧图片，通过图像缩放算法将所述图片转换成小尺寸的图像，并对其进行像素值归一化处理；

步骤4、将步骤3处理后的图像输入位置检测模型进行检测；

步骤5、计算当前画面中心位置，并与位置检测模型输出目标区域的中心位置，进行比较，获得位置偏移量；

步骤6、无人机根据所述获得的位置偏移量进行转动角度或移动距离的调整，直至偏移量达到预期的误差范围。

作为优选，所述点云数据为经过位姿解算、特征点识别与提取，形成的三维实体模型，所述点云数据中的每一个点包含空间三维坐标及可见光信息数据。

作为优选，所述步骤3中的图像缩放算法为双线性插值算法，具体为：

步骤1、X轴方向线性插值，插入R

步骤2、Y轴方向插值，根据R1，R2像素，线性插值计算P点像素，即

作为优选，所述步骤5中的位置偏移量计算获取过程具体为：取目标区域中心位置横坐标和纵坐标；获取当前画面中心位置的横坐标和纵坐标；计算目标区域中心距离当前画面中心在水平和垂直方向上的偏移量。

作为优选，还包括步骤6：通过对当前画面进行图像扫描，获取线路的倾斜角度，调用快速旋转算法将图像旋转倾斜，即可实现对图像的倾斜校正。

作为优选，所述获取线路的倾斜角度的方法具体为：

步骤1、选择区域；步骤2、扫描线倾角范围，倾角从0°附近递增递减，采用整数Bresenhan算法计算每一个倾角方向的最大投影，满足阈值时则控制跳出；步骤3、在上一步所求得的各个倾角方向对应的最大投影值中求出最大投影及对应的扫描线倾角，即线路的倾斜角度。

本发明通过基于视觉深度学习的位置纠偏方法，使得巡检作业方法更加智能、安全、高效、可控的，且降低无人机操作门槛、降低人员经验对巡检工作带来的影响以及进一步的提高无人机巡检效率。

附图说明

图1为本发明的流程图。

具体实施方式

为了使本技术领域的人员更好的理解本发明方案，下面将结合本发明实施例中的附图，对发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

如图1所示，本发明提供一种基于视觉深度学习的位置纠偏方法，对线路上每个设备、部件、零件的位置、尺寸、外观信息，进行准确的坐标系对照与纠偏，从而为后期的自动驾驶航线规划提供可靠数据支撑。

本发明解决其技术问题所采用的技术方案是：包括如下步骤：

步骤1、通过运用激光雷达仪器扫描或倾斜摄影技术拍摄输电线路获取线路的点云数据；

步骤2、利用所述获取的线路点云数据建立位置检测模型；

步骤3、在无人机采集线路的视频流中获取若干帧图片，通过图像缩放算法将所述图片转换成小尺寸的图像，并对其进行像素值归一化处理；

步骤4、将步骤3处理后的图像输入位置检测模型进行检测；

步骤5、计算当前画面中心位置，并与位置检测模型输出目标区域的中心位置，进行比较，获得位置偏移量；

步骤6、无人机根据所述获得的位置偏移量进行转动角度或移动距离的调整，直至偏移量达到预期的误差范围。

通过基于视觉深度学习的位置纠偏方法，使得巡检作业方法更加智能、安全、高效、可控的，且降低无人机操作门槛、降低人员经验对巡检工作带来的影响以及进一步的提高无人机巡检效率。

点云数据为经过位姿解算、特征点识别与提取，形成的三维实体模型，点云数据中的每一个点包含空间三维坐标及可见光信息数据。

图像缩放算法为双线性插值算法，具体为：

步骤1、X轴方向线性插值，插入R

步骤2、Y轴方向插值，根据R1，R2像素，线性插值计算P点像素，即

采用线性插值的方法计算变换后的图像像素，相对于邻域插值算法，减轻了图像缩放中的锯齿现场，使得图像缩放后更平滑，从而为后期当前画面和目标区域的坐标获取提供更精确的数据。

位置偏移量计算获取过程具体为：

取目标区域中心位置横坐标和纵坐标；获取当前画面中心位置的横坐标和纵坐标；计算目标区域中心距离当前画面中心在水平和垂直方向上的偏移量。

作为进一步的实施方式，还可包括步骤6：通过对当前画面进行图像扫描，获取线路的倾斜角度，调用快速旋转算法将图像旋转倾斜，即可实现对图像的倾斜校正。

获取线路的倾斜角度的方法具体为：步骤1、选择区域；步骤2、扫描线倾角范围，倾角从0°附近递增递减，采用整数Bresenhan算法计算每一个倾角方向的最大投影，满足阈值时则控制跳出；步骤3、在上一步所求得的各个倾角方向对应的最大投影值中求出最大投影及对应的扫描线倾角，即线路的倾斜角度。

此算法对含有较长线条的图像，如输电线路中的杆塔，输电线等，不管线条虚实和是否中断，都能够很好的进行倾斜检测，检测速度快，速度对图像复杂度的敏感性较低，检测结果准确度高，且算法具有很强的抗干扰性。