[发明专利]一种基于无人机影像的架空输电线路档距、转角测量方法

权利要求书

1.一种基于无人机影像的架空输电线路档距、转角计算方法，它包括：

步骤1、无人机影像数据采集以及后差分处理；

步骤1所述无人机影像数据采集以及后差分处理的方法为：手动操作无人机依次在各杆塔上方悬停，保持摄像机以正射姿态、移动平面位置对杆塔进行反复拍摄，得到影像数据集；无人机起飞前架设GNSS基站，在整个测量过程中保持同步观测，利用GNSS后差分技术，解算出影像数据集中每张影像拍照时对应的无人机相对平面坐标；

步骤2、有序杆塔影像子集分割提取；

步骤2所述的有序杆塔影像子集分割提取方法为：将影像数据集按拍照时间序列进行自动排序，得到影像集合{Img₁,Img₂,…,Img_n}；同时，以Img_i与Img_i-1的平面距离小于30米为约束，对影像集合进行分割提取，得到杆塔子集

步骤3、杆塔图斑几何边界提取；

利用无人机影像中杆塔与通道颜色差异巨大的特点，对样本库中的影像样本数据RGB值进行统计分析，建立杆塔RGB概率模型；在样本训练阶段，利用杆塔RGB概率模型为每张样本影像制作概率灰度图像，作为样本影像第四通道输入U-Net模型进行训练，提高图斑提取的准确度、精确度，进而实现影像的杆塔图斑几何边界提取；

提取几何边界的具体步骤包括：

步骤3.1、获取杆塔标记的无人机影像样本库，遍历样本库中的无人机影像，统计各颜色下像素为杆塔的概率，建立杆塔RGB概率模型为：

式中，设无人机影像的某一像素P的RGB为(r,g,b)，则P(r,g,b)是该像素P为杆塔的概率值，NTotal(r,g,b)为与像素P RGB值相同的这一类像素在样本中出现总次数，NTower(r,g,b)为该类像素在样本杆塔标记内出现次数；

步骤3.2、遍历样本库，利用杆塔颜色概率模型为每一样本影像计算概率灰度图，在样本训练阶段作为影像第四通道输入，建立基于U-Net图像分割模型；其中，概率灰度图的灰度值计算公式如下：

Gray(i,j)＝[P(R(i,j),G(i,j),B(i,j))×255]

式中，i,j表示像素在影像中的坐标值，R(i,j),G(i,j),B(i,j)表示对应坐标值下像素RGB值，Gray(i,j)为概率灰度图对应坐标值下的灰度值；

步骤3.3、在图像分割阶段，利用3.1、3.2所述方法，为将要进行杆塔图斑提取的无人机影像叠加概率灰度图，再通过基于U-Net图像分割模型，提取出无人机影像中杆塔图斑；遍历图斑像素，以有无和空白像素相邻为约束条件，提取出边界像素点，连接得到图斑几何边界；

步骤4、确定杆塔中心点相对平面坐标；

步骤4所述的杆塔中心点相对平面坐标确定方法为：以杆塔图斑几何边界相似性检验通过、图斑中心与影像中心距离最小为约束条件，确定各杆塔影像子集中无人机飞行在杆塔中心点正上方拍摄的影像，对应的POS坐标作为杆塔中心点相对平面坐标；具体方法包括：

步骤4.1、建立各类型杆塔正射投影几何边界库；

步骤4.2、在各杆塔影像子集内，计算图斑几何边界中心与影像中心之间距离，并按照距离大小对影像升序排列；

步骤4.3、依次对几何边界库中各类型杆塔正射投影边界进行相似度检验，检验通过则确定该影像为无人机飞行在杆塔中心点正上方拍摄的影像，不通过则进行下一张影像检验；

相似度检验方法为：

①计算杆塔图斑几何边界最小外接矩形，以外接矩形的大小和方向对图斑边界进行旋转、放缩等归一化计算，保证图斑几何边界最小外接矩形与相似对比边界的最小外接矩形大小、方向以及中心点坐标保持一致；

②构造图斑中心点为起始点，与x轴右侧夹角成i度的有向射线，i为1-360的整数，有向射线与图斑几何边界交点为P1_i，与相似对比边界交点为P2_i，计算P1_i与P2_i之间的距离为d_i；d_i超过用户设定阈值时，则相似检验失败，若i从1到360，d_i均小于阈值，则检验成功；

③对几何边界库中的各类杆塔正射投影边界进行①和②操作，若所有边界均检验失败，则相似性检验失败，反之通过检验；

步骤5、输电线路档距和转角计算；

步骤5所述的输电线路档距和转角计算方法为：

按步骤4对各项杆塔子集进行遍历计算，得到各杆塔相对平面坐标{T₁(x₁,y₁),T₂(x₂,y₂),…,T_n(x_n,y_n)}，

利用档距计算公式和余弦定理计算确定输电线路的档距、转角。