一种电线杆架设距离的获取方法及相关设备

技术领域

本申请涉及电力领域，更具体地说，涉及一种电线杆架设距离的获取方法及相关设备。

背景技术

为促进电力的广泛应用，电力公司需将电力输送各个地区，其中，主要通过架设电线杆实现电力的输送。为检测电线杆架设是否符合标准，需获取相邻电线杆之间的架设距离，检测架设距离是否符合架设标准。由于人工测算会耗费大量时间和较多人力，并且传统测距方法对检测场景要求过高，需要过多设备，导致架设距离的检测效率不高。

发明内容

有鉴于此，本申请提供了一种电线杆架设距离的获取方法及相关设备，用于解决架设距离的检测效率不高的问题。

为了实现上述目的，现提出的方案如下：

一种电线杆架设距离的获取方法，所述电线杆架设距离的获取方法包括：

获取无人机拍摄的地面图像，所述地面图像中包含第一电线杆和第二电线杆；

根据所述地面图像和深度估计网络模型获得第一距离和第二距离，所述第一距离为所述无人机与所述第一电线杆的距离，所述第二距离为所述无人机与所述第二电线杆的距离；

根据所述第一距离和所述第二距离计算获得所述第一电线杆与所述第二电线杆之间的架设距离。

可选的，所述获取无人机拍摄的地面图像，包括：

使用目标检测算法检测所述无人机的拍摄视野中是否存在符合预设阴影要求的电线杆阴影，若存在，则进行拍摄，获得所述地面图像。

可选的，所述深度估计网络模型为单目深度估计网络模型，所述根据所述地面图像和深度估计网络模型获得第一距离和第二距离，包括：

根据所述单目深度估计网络模型获取所述地面图像的深度图，所述深度图中每一个目标像素点的像素值表示在所述地面图像中所述目标像素点与无人机摄像头的距离；

从所述地面图像中获取所述第一电线杆的第一地面阴影和所述第二电线杆的第二地面阴影；

根据所述第一地面阴影和所述深度图获取所述第一距离，根据所述第二地面阴影和所述深度图获取所述第二距离。

可选的，所述根据所述第一地面阴影和所述深度图获取所述第一距离，根据所述第二地面阴影和所述深度图获取所述第二距离，包括：

从所述第一地面阴影中确定所述第一定位点，从所述第二地面阴影中确定所述第二定位点，所述第一定位点与所述第二定位点位于同一平面中，所述平面垂直于地面；

从所述深度图中获取所述第一定位点的目标像素点与所述无人机摄像头的距离，并作为所述第一距离；

从所述深度图中获取所述第二定位点的目标像素点与所述无人机摄像头的距离，并作为所述第二距离。

可选的，所述根据所述第一距离和所述第二距离计算获得所述第一电线杆与所述第二电线杆之间的架设距离，包括：

将所述第一距离作为斜边，无人机的高度作为直角边，运用勾股定理计算获得第一架设距离；

将所述第二距离作为斜边，所述无人机的高度作为直角边，运用所述勾股定理计算获得第二架设距离；

根据所述地面图像识别所述无人机进行拍摄时，所述无人机、所述第一电线杆和所述第一电线杆的位置关系，获得识别结果；

根据所述识别结果对所述第一架设距离和所述第二架设距离进行处理，获得所述架设距离。

可选的，所述根据所述识别结果对所述第一架设距离和所述第二架设距离进行处理，获得所述架设距离，包括：

若所述识别结果为：所述无人机的水平位置位于所述第一电线杆和所述第二电线杆之间，则所述架设距离为所述第一架设距离与所述第二架设距离的总和；

若所述识别结果为：所述第一电线杆和所述第二电线杆位于所述无人机水平位置同一侧，则所述架设距离为所述第一架设距离与所述第二架设距离的差值取绝对值。

一种电线杆架设距离的获取装置，所述电线杆架设距离的获取装置包括：

图像获取单元，用于获取无人机拍摄的地面图像，所述地面图像中包含第一电线杆和第二电线杆；

距离获取单元，用于根据所述地面图像和深度估计网络模型获得第一距离和第二距离，所述第一距离为所述无人机与所述第一电线杆的距离，所述第二距离为所述无人机与所述第二电线杆的距离；

距离计算单元，用于根据所述第一距离和所述第二距离计算获得所述第一电线杆与所述第二电线杆之间的架设距离。

可选的，所述图像获取单元包括：

阴影检测子单元，用于使用目标检测算法检测所述无人机的拍摄视野中是否存在符合预设阴影要求的电线杆阴影，若存在，则触发图像拍摄子单元；

所述图像拍摄子单元，用于进行拍摄，获得所述地面图像。

一种电子设备，包括存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如上述任一项所述电线杆架设距离的获取方法的各个步骤。

一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述任一项所述电线杆架设距离的获取方法的各个步骤。

本申请通过一种电线杆架设距离的获取方法及相关设备，在本方法中，可以通过无人机直接拍摄获取地面图像，并通过深度估计网络模型获得第一距离和第二距离，根据第一距离和第二距离计算出电线杆之间的架设距离。本方法通过无人机即可实现图像的快速采集，并且通过深度估计网络模型给出的第一距离和第二距离即可快速计算出电线杆之间的架设距离，并可以直接进行检测是否满足架设标准，无需过多人力和设备，可以有效提高架设距离的检测效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种电线杆架设距离的获取方法的流程示意图；

图2为本申请实施例提供的一种无人机与电线杆位置的位置示意图；

图3为本申请实施例提供的一种电线杆架设距离的获取装置的结构示意图；

图4为本申请实施例提供的一种电子设备的硬件结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

如图1所示，本申请实施例提供了一种电线杆架设距离的获取方法，该可以包括：

S10、获取无人机拍摄的地面图像，地面图像中包含第一电线杆和第二电线杆。

其中，地面图像可以为包含电线杆的图像，在地面图像中，可以只包括两个电线杆(第一电线杆和第二电线杆)，也可以包括更多的电线杆。本实施例可对已拍摄的电线杆进行编号排序，例如：按照拍摄的顺序以及图像中电线杆的位置对电线杆进行编号。可选的，由于电线杆沿电力传输线路依次排列，因此本申请可以根据拍摄的顺序以及图像中电线杆的位置确定各电线杆的排列顺序，进而根据排列顺序进行编号。例如：无人机从A点沿电力传输线路飞行至B点，并沿途拍摄多张图像，则根据图像的拍摄顺序即可知不同图像中的电线杆的排列顺序。对于同一图像中的多个电线杆，则可以根据各电线杆在同一图像中的位置确定其排列顺序。这样，就可以确定拍摄的所有电线杆的排列顺序，进而根据排列顺序进行编号。该编号可以体现上述排列顺序。这样，本申请可以通过编号确认相邻的第一电线杆和第二电线杆。无人机可以携带摄像机或者摄像头，用以拍摄地面图像。可选的，摄像机可以是普通的相机，也可以是深度摄像机。其中，深度摄像机可以是一种能够获取物体距离信息的计算机视觉设备。深度摄像机可以确定每一个像素点的三维坐标(x，y，z)。其中，x可以为像素点的三维横坐标，y可以为像素点的三维纵坐标，z可以为像素点的三维深度坐标(像素点与摄像头的距离)。在获得两个电线杆的对应位置(如电线杆根部)的三维坐标后，可以轻易的确定两个电线杆之间的距离。

S11、根据地面图像和深度估计网络模型获得第一距离和第二距离，第一距离为无人机与第一电线杆的距离，第二距离为无人机与第二电线杆的距离。

其中，深度估计网络可以是计算机视觉中的一类神经网络，其任务可以为从单个或多个输入图像中推测出实际场景中物体的深度信息。深度信息可以是实际场景中各个点相对于相机或观察者的距离，深度信息可以用于了解实际场景的三维结构和实际场景中各个物体之间的相对位置。深度估计网络的输出可以是一个深度图。深度图可以是与输入图像尺寸相同的图像，深度图中的每个目标像素的像素值可以表示输入图像中的对应像素点与拍摄设备的之间距离。深度估计网络可以是基于深度学习技术实现，可选的，深度学习技术可以是CNN(Convolutional Neural Networks，卷积神经网络)技术。在本实施例中，深度估计网络模型可以通过大量带有深度信息的图像数据进行训练，学习从输入图像到深度图的映射。在训练过程中，深度估计网络模型可以通过优化损失函数最小化预测深度图与真实深度图之间的差异，从而不断改进深度估计的准确性。

第一距离可以无人机与第一电线杆的一个定位点之间的距离，第二距离可以无人机与第二电线杆的一个定位点之间的距离。定位点可以是地面上的一个点，可选的，该定位点可以为电线杆与地面的接触点，也可以为电线杆阴影中的一个点。当然，定位点也可以为电线杆上的一个点。本实施例通过深度估计网络模型可以获得地面图像的深度图，根据深度图可以获得无人机与第一电线杆之间的距离、无人机与第二电线杆之间的距离。

S12、根据第一距离和第二距离计算获得第一电线杆与第二电线杆之间的架设距离。

其中，在本实施例中，若无人机使用的是普通摄像头，则本实施例可以通过无人机与地面的高度、第一距离和第二距离，运用数学公式计算获得第一电线杆与第二电线杆之间的架设距离。其中，无人机与地面的高度可以是已知量(因为无人机拍摄时可以固定其拍摄高度)。在计算第一电线杆与第二电线杆之间的架设距离时，需判断无人机与电线杆的空间位置关系。若无人机与电线杆处于同一竖直平面中，则本实施例可以直接运勾股定理对无人机与地面的高度、第一距离和第二距离进行计算，获得第一电线杆与第二电线杆之间的架设距离。若无人机与电线杆未处于同一竖直平面中，则针对本实施例可以先根据无人机与地面的高度、第一距离和第二距离获取电线杆的定位点与无人机在地面的映射点之间的距离，再根据该距离和无人机所处平面与第一电线杆和第二电线杆所处平面的平行距离计算获得第一电线杆与第二电线杆之间的架设距离。进一步的，若地面图像中包括至少两个电线杆，则先可以根据采集地面图像时为电线杆分配的编号确定相邻电线杆，再使用本实施例中的电线杆架设距离的获取方法分别获得相邻电线杆之间的架设距离。

具体的，本实施例在使用勾股定理进行计算时，可以将第一距离作为斜边，无人机的高度作为直角边，运用勾股定理计算获得第一架设距离，将第二距离作为斜边，无人机的高度作为直角边，运用勾股定理计算获得第二架设距离，根据地面图像识别无人机进行拍摄时，无人机、第一电线杆和第一电线杆的位置关系，获得识别结果，根据识别结果对第一架设距离和第二架设距离进行处理，获得架设距离。进一步的，无人机、第一电线杆和第二电线杆的位置可以影响第一架设距离和第二架设距离的运算方式。

具体的，若识别结果为：无人机的水平位置位于第一电线杆和第二电线杆之间，则架设距离为第一架设距离与第二架设距离的总和；若识别结果为：第一电线杆和第二电线杆位于无人机水平位置同一侧，则架设距离为第一架设距离与第二架设距离的差值取绝对值。如图2所示，1可以为第一电线杆，2可以为第二电线杆，h可以为无人机与地面的高度、S

S＝S

B可以为第一电线杆和第二电线杆位于无人机水平位置同一侧的位置示意简图。显而易见的，此时第一电线杆和第二电线杆之间的架设距离可以为S

S＝S

当然，可以在第一架设距离和第二架设距离均可以为作为减数，另一个作为被减数进行运算，为保证其结果为正，可以对运算结果取绝对值。

本申请实施例通过一种电线杆架设距离的获取方法，在本方法中，可以通过无人机直接拍摄获取地面图像，并通过深度估计网络模型获得第一距离和第二距离，根据第一距离和第二距离计算出电线杆之间的架设距离。本方法通过无人机即可实现图像的快速采集，并且通过深度估计网络模型给出的第一距离和第二距离即可快速计算出电线杆之间的架设距离，并可以直接进行检测是否满足架设标准，无需过多人力和设备，减少人工计算成本和设备需求成本，可以有效提高架设距离的检测效率。进一步的，由于本实施例中的电线杆架设距离的获取方法的高效率性和简便性，其适用场景可以十分广泛。

根据本申请实施例提供的另外一种电线杆架设距离的获取方法中，图1所示步骤S10可以包括步骤一和步骤二：

步骤一：使用目标检测算法检测无人机的拍摄视野中是否存在符合预设阴影要求的电线杆阴影，若存在，则执行步骤二；

步骤二：进行拍摄，获得地面图像。

其中，目标检测算法可以是用于确定输入图像中感兴趣对象出现的位置与分类的一类算法，可选的，可以为YOLOV3(是YOLO(You Only Look once)算法(一种单阶段目标检测算法)的第三个版本)、SSD(Single Shot Detector，单个尺度目标检测器)、yoloV5(是YOLO算法的第五个版本)等算法。在本实施例中，本实施例可以通过检测器实现目标检测算法，在使用检测器之前，可以对其进行训练，使之满足本实施例的检测要求。由于无人机的拍摄角度为俯拍(俯拍收集范围广，并且便于计算架设距离)，则本实施例可以将电线杆投射在地面的阴影作为目标检测算法的主要检测对象。目标检测算法的检测内容可以包括：是否包括电线杆、电线杆阴影是否存在、电线杆阴影是否被干扰(与其他物体阴影重合导致阴影变形)和电线杆数量是否符合拍摄阈值。本实施例可以通过目标检测算法对地面图像中的电线杆阴影进行检测，无人机的拍摄视野中存在满足预设阴影要求的电线杆阴影，即进行拍摄。其中，预设阴影要求可以包括电线杆阴影无干扰且电线杆阴影满足拍摄阈值。拍摄阈值可以为电线杆阴影的数量要求，拍摄阈值的具体数值本实施例不作限定，在本实施例中，拍摄阈值可以为2。

根据本申请实施例提供的另外一种电线杆架设距离的获取方法中，深度估计网络模型可以为单目深度估计网络模型，图1所示步骤S11可以包括步骤三至步骤五：

步骤三：根据单目深度估计网络模型获取地面图像的深度图，深度图中每一个目标像素点的像素值表示在地面图像中目标像素点与无人机摄像头的距离；

步骤四：从地面图像中获取第一电线杆的第一地面阴影和第二电线杆的第二地面阴影；

步骤五：根据第一地面阴影和深度图获取第一距离，根据第二地面阴影和深度图获取第二距离。

其中，深度估计网络可以分为单目深度估计网络和双目深度估计(深度摄像机包含的一类技术原理)网络。双目深度估计需要两台相机设备，并固定相机设备的角度与位置后再进行拍摄，算法复杂度高导致速度不快。单目深度估计只需一台相机设备，算法复杂度底，速度较快。由于电线杆测距的精度要求不高，并且使用两台无人机进行同步拍摄的难度较大，易出现拍摄角度偏差，因此，单目深度估计相较于双目深度估计更符合本实施例的电线杆测距场景。本实施例获取地面图像的深度图之后，可以根据深度图中电线杆地面阴影的深度信息获取实际场景中的距离。

具体的，本实施例可以从第一地面阴影中确定第一定位点，从第二地面阴影中确定第二定位点，第一定位点与第二定位点位于同一平面中，平面垂直于地面，从深度图中获取第一定位点的目标像素点与无人机摄像头的距离，并作为第一距离，从深度图中获取第二定位点的目标像素点与无人机摄像头的距离，并作为第二距离。其中，定位点可以为地面图像中电线杆地面阴影中的一个像素点，此时，定位点可以为认为是一个目标像素点。当然，定位点也可以是地面图像中电线杆地面阴影的一个包含多个像素点的区域，此时，定位点的目标像素点可以为该区域的中心像素点，也可以是该区域的顶部中心像素点，也可以是该区域的底部中心像素点。第一定位点和第二定位点所处平面可以与电线杆所处竖直平面为同一个，也可以与电线杆所处竖直平面平行。进一步的，若此时无人机、定位点和电线杆分别在三个互相平行的竖直平面或定位点与电线杆位于同一竖直平面中，而不与无人机处于同一竖直平面时，则此时本实施例可以先根据无人机与地面的高度、第一距离和第二距离获取电线杆的定位点与无人机在地面的映射点之间的距离，再根据该距离和无人机所处平面与定位点所处平面之间的平行距离计算获得第一电线杆和第二电线杆之间的架设距离。若定位点与无人机处于同一竖直平面，而不与电线杆处于同一竖直平面，则此时可以直接采用勾股定理、无人机与地面的高度、第一距离和第二距离计算获得第一电线杆和第二电线杆之间的架设距离。

本实施例确定目标像素点之后，可以根据深度图获得目标像素点与无人机之间的距离，并可以将该距离作为实际场景中电线杆与无人机之间的距离。

与本申请实施例提供的一种电线杆架设距离的获取方法相对应，本申请实施例还提供了一种电线杆架设距离的获取装置。

如图3所示，本申请实施例提供的另外一种电线杆架设距离的获取装置中，该电线杆架设距离的获取装置可以包括：

图像获取单元100，用于获取无人机拍摄的地面图像，地面图像中包含第一电线杆和第二电线杆；

距离获取单元110，用于根据地面图像和深度估计网络模型获得第一距离和第二距离，第一距离为无人机与第一电线杆的距离，第二距离为无人机与第二电线杆的距离；

距离计算单元120，用于根据第一距离和第二距离计算获得第一电线杆与第二电线杆之间的架设距离。

根据本申请实施例提供的另外一种电线杆架设距离的获取装置中，图3所示图像获取单元100可以包括：

阴影检测子单元，用于使用目标检测算法检测无人机的拍摄视野中是否存在符合预设阴影要求的电线杆阴影，若存在，则触发图像拍摄子单元；

图像拍摄子单元，用于进行拍摄，获得地面图像。

根据本申请实施例提供的另外一种电线杆架设距离的获取装置中，深度估计网络模型可以为单目深度估计网络模型，图3所示距离获取单元110可以包括：

深度图获取子单元，用于根据单目深度估计网络模型获取地面图像的深度图，深度图中每一个目标像素点的像素值表示在地面图像中目标像素点与无人机摄像头的距离；

地面阴影获取子单元，用于从地面图像中获取第一电线杆的第一地面阴影和第二电线杆的第二地面阴影；

子距离获取子单元，用于根据第一地面阴影和深度图获取第一距离，根据第二地面阴影和深度图获取第二距离。

根据本申请实施例提供的另外一种电线杆架设距离的获取装置中，上述子距离获取子单元可以包括：

定位点获取子单元，用于从第一地面阴影中确定第一定位点，从第二地面阴影中确定第二定位点，第一定位点与第二定位点位于同一平面中，平面垂直于地面；

深度距离获取子单元，用于从深度图中获取第一定位点的目标像素点与无人机摄像头的距离，并作为第一距离，从深度图中获取第二定位点的目标像素点与无人机摄像头的距离，并作为第二距离。

根据本申请实施例提供的另外一种电线杆架设距离的获取装置中，图3所示距离计算单元120可以包括：

第一架设距离获取子单元，用于将第一距离作为斜边，无人机的高度作为直角边，运用勾股定理计算获得第一架设距离；

第二架设距离获取子单元，用于将第二距离作为斜边，无人机的高度作为直角边，运用勾股定理计算获得第二架设距离；

识别结果获取子单元，用于根据地面图像识别无人机进行拍摄时，无人机、第一电线杆和第一电线杆的位置关系，获得识别结果；

架设距离获取子单元，用于根据识别结果对第一架设距离和第二架设距离进行处理，获得架设距离。

根据本申请实施例提供的另外一种电线杆架设距离的获取装置中，上述架设距离获取子单元具体可以配置为：

若识别结果为：无人机的水平位置位于第一电线杆和第二电线杆之间，则架设距离为第一架设距离与第二架设距离的总和；

若识别结果为：第一电线杆和第二电线杆位于无人机水平位置同一侧，则架设距离为第一架设距离与第二架设距离的差值取绝对值。

如图4所示，本申请实施例提供了一种电子设备70，包括至少一个处理器701、以及与处理器701连接的至少一个存储器702、总线703；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器701用于调用存储器702中的程序指令，以执行上述的电线杆架设距离的获取方法。本文中的电子设备70可以是服务器、PC、PAD、手机等。

本申请实施例还提供一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述的任一种电线杆架设距离的获取方法的各个步骤。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读存储介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。