[发明专利]基于远距离拍摄图像的震区电线杆姿态判断方法和系统在审

专利信息
申请号: 201810176110.1 申请日: 2018-03-02
公开(公告)号: CN108563986A 公开(公告)日: 2018-09-21
发明(设计)人: 吕明;刘皓挺;高云;蒋帆;高阳;秦洁 申请(专利权)人: 中国人民武装警察部队总医院
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京五洲洋和知识产权代理事务所(普通合伙) 11387 代理人: 刘春成
地址: 100039*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电线杆 成像传感器 地面图像 成像环境 感知结果 拍摄图像 增强图像 远距离 电力基础设施 环境适应能力 地面控制 空间姿态 图像增强 姿态判断 识别率 感知 采集 终端
【权利要求书】:

1.一种基于远距离拍摄图像的震区电线杆姿态判断方法,其特征在于,所述方法包括如下步骤:

步骤S1,获取搭载于无人机上的成像传感器采集的震区地面图像,所述成像传感器与震区内电线杆间的距离大于1公里;

步骤S2,对所述震区地面图像进行成像环境感知计算以得到感知结果,根据所述感知结果对所述震区地面图像进行图像增强处理以得到增强图像;

步骤S3,识别所述增强图像中的电线杆,并判断识别出的电线杆的空间姿态。

2.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,在步骤S2中,所述对所述震区地面图像进行成像环境感知计算以得到感知结果,包括:

根据所述震区地面图像获取所述震区地面图像的图像质量特征参数;

根据所述图像质量特征参数得到感知结果。

3.根据权利要求2所述的震区电线杆姿态判断方法,其特征在于,所述图像质量特征参数包括:图像模糊度MB、图像对比度MC、图像熵值ME和图像空间梯度MSG

所述感知结果MIQ由以下公式得到,

MIQ=w1×(1-M′B)+w2×M′C+w3×M′E+w4×M′SG

M′B、M′C、M′E、M′SG分别为对MB、MC、ME、MSG进行归一化处理后得到的结果,w1、w2、w3、w4均为权重且均∈[0,1];

其中,M′B指标越大表征图像越模糊,MC指标越大表征图像区域反差越大,ME指标越大表征细节越丰富,MSG指标越大表征边缘越清晰。

4.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,在步骤S2中,所述根据所述感知结果对所述震区地面图像进行图像增强处理以得到增强图像,包括:

基于小波域图像增强方法对所述震区地面图像进行图像增强处理以得到增强图像,其中,小波域图像增强方法中涉及的计算效果控制参数根据所述感知结果得到。

5.根据权利要求4所述的震区电线杆姿态判断方法,其特征在于,所述计算效果控制参数包括小波系数中的低频分量和高频分量中的参数。

6.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,在步骤S3中,所述识别所述增强图像中的电线杆,包括:

采用深度学习神经网络对所述增强图像中的电线杆进行识别。

7.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,在步骤S3中,所述判断识别出的电线杆的空间姿态,包括:

基于Hough变换直线检测的方法检测识别出的电线杆两侧的外轮廓直线以确定所述电线杆两侧的外轮廓直线的中间线;

根据所述中间线与含有此电线杆的震区地物图像的上、下边缘的夹角判断识别出的电线杆的空间姿态。

8.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,在步骤S3之后,所述方法还包括:步骤S4,若判断出电线杆的空间姿态为倾斜或倾倒姿态,则输出报警信息,以使所述无人机在地面操作人员的控制下飞抵电线杆的正上方,并获取当前位置处的位置信息。

9.根据权利要求1所述的震区电线杆姿态判断方法,其特征在于,所述无人机为旋翼无人机。

10.一种基于远距离拍摄图像的震区电线杆判断系统,其特征在于,所述震区电线杆识别系统包括:成像传感器、无人机和地面控制终端;

所述成像传感器用于对震区地物进行拍摄以采集震区地面图像;

所述无人机搭载有所述成像传感器,与所述成像传感器电连接,用于在震区上方以与震区内电线杆相隔大于1公里的距离飞行,并将所述震区地面图像回传至所述地面控制终端,优选地,所述无人机为旋翼无人机;

所述地面控制终端用于获取所述震区地面图像,对所述震区地面图像进行成像环境感知计算以得到感知结果,根据所述感知结果对所述震区地面图像进行图像增强处理以得到增强图像,识别所述增强图像中的电线杆,并判断识别出的电线杆的空间姿态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民武装警察部队总医院,未经中国人民武装警察部队总医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810176110.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top