[发明专利]输电线路覆冰厚度测量方法及装置

权利要求书

1.一种输电线路覆冰厚度测量方法，其特征在于，包括：

采集输电线路的四目图像；

将输电线路的四目图像输入卷积神经网络模型，输出输电线路的目标视差点集合；

根据输电线路的目标视差点集合，计算输电线路的深度点集合；

根据输电线路的深度点集合，确定输电线路的三维模型；

根据输电线路的三维模型，获取输电线路导线的横截面信息；

根据输电线路导线的横截面信息，确定输电线路的等值覆冰厚度；

其中，将输电线路的四目图像输入卷积神经网络模型，输出输电线路的目标视差点集合，包括：

在输电线路四目图像的第一方向上获取两组双目图像，在输电线路四目图像的第二方向上获取两组双目图像，其中，第一方向与第二方向是相互垂直的方向；

将每组双目图像标记为左图像和右图像，其中，左图像与右图像是以每组双目图像的中线对称的两个图像；

对于每一组双目图像，将左图像和右图像输入卷积神经网络模型，计算左图像中的每一个像素点p＝(x，y)与右图像在像素点pd＝(x-d,y)处的匹配成本，其中，d为视差值；

对于每一组双目图像，获取左图像中的每一个像素点匹配成本最小时对应的视差值，确定视差点集合；

根据四组双目图像的视差点集合，获取所有像素点匹配成本之和最小的视差点集合，确定目标视差点集合。

2.如权利要求1所述的方法，其特征在于，采集输电线路的四目图像，包括，利用四目相机采集输电线路的四目图像。

3.如权利要求1所述的方法，其特征在于，按照如下方式计算左图像中的每一个像素点p＝(x，y)与右图像在像素点pd＝(x-d,y)处的匹配成本；

其中，C_AD(p,d)为p点的匹配成本，I^L(q)为左图像在像素点p处的像素值，N_p是左图像以p为中心的n×n的小图像块的集合，I^R(qd)为右图像在像素点pd的像素值，N_pd是以pd为中心的n×n的小图像块的集合。

4.如权利要求1所述的方法，在将输电线路的四目图像输入卷积神经网络模型之前，所述方法还包括：

通过如下步骤训练得到所述卷积神经网络模型：

获取训练样本数据，其中，训练样本数据为多组已知视差的双目图像；

训练样本数据，通过机器学习训练得到所述卷积神经网络模型。

5.如权利要求1所述的方法，其特征在于，根据输电线路的目标视差点集合，计算输电线路的深度点集合，包括按照如下公式计算每一个像素点的深度值：

其中，z为深度，即物体到相机的距离，f为相机焦距，B为不同的摄像头中心连线的距离，d为视差。

6.如权利要求1所述的方法，其特征在于，根据输电线路的横截面信息，计算输电线路的等值覆冰厚度，包括按照如下公式计算输电线路的等值覆冰厚度：

其中，V为输电线路导线的横截面积；L为输电线路导线的长度；r₀为输电线路导线的半径，di为待检测输电线路的等值覆冰厚度，x代表积分推导过程因子。