[发明专利]一种树木和架空输电线的空间测距方法以及系统

说明书

本发明实施例提供了一种树木和架空输电线的空间测距方法以及系统。该树木和架空输电线的空间测距方法包括：通过摄像机获取树木和架线杆塔的图像；根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型；根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型，确定所述树木和所述架线杆塔的间距；所述树木和所述架线杆塔的间距异常，发出报警信号。本发明实施例提供的技术方案提高了树木和架空输电线的空间测距方法的准确性高、降低了空间测距方法的复杂程度，并提高了树木和架空输电线的空间测距方法的安全系数。

技术领域

本发明实施例涉及距离检测技术领域，尤其涉及一种树木和架空输电线的空间测距方法以及系统。

背景技术

架空输电线附近的快速生长的树木可能会对电力设施的安全构成严重威胁，因为如果它们长得太靠近输电线，可能会在干燥的天气导致短路或火灾。保护输电线不受树木侵扰的一种方法就是持续监测树木的生长。

传统的架空输电线安全监控主要依靠空中和地面的人工现场检查观测。人工检查主要依靠步行巡查，而步行巡查是劳动密集型的，且需要有经验的人员。随着调查区域的扩大，检查成本也会大幅上升。此外，恶劣的天气条件可能会延误或者阻碍检查，进而导致无法及时发现快速生长的树木。

为了解决这些问题，通过遥感方法来监测输电线的方案进入了人们的视野。现有的以遥感方法对输电线进行检测监测的研究，按照主要数据源的不同，大致可以分为两类：基于2D图像的方法和基于3D点云的方法。

在基于2D图像的方法中，许多研究使用光学图像和计算机视觉系统来监测输电线路的状况，例如利用卫星图像或无人机图像。但是，卫星图像由于分辨率低，在提供关于地形和植被的基础信息方面受到限制；无人机图像很大程度上需要依赖于人工进行拍照获取。

在基于3D点云的方法中，激光探测及测距系统(LiDAR)和机载激光扫描(ALS)通过生成三维点云来描述被测物体的几何形状，目前已成为输电线检测的主要数据来源，其中最普遍的是无人机(UAV)机载激光扫描和移动地面扫描。然而，无人机的操作极大地依赖于工作人员的操作水平和经验，而且接近输电线飞行也是很危险的。此外，由于电池的限制，无人机在通电后只能飞行约半小时。而且由于通讯距离短，飞行区域的大小也会受到限制。此外，恶劣的天气条件也会对无人机的操作产生影响。在这些约束条件下，基于无人机的技术无法实现高检测频率，且成本高得令人望而却步，使得电力公司不可能广泛采用和实施。

目前已经有各种基于机器学习的数据处理方法应用于输电线点云分类以及随后的电力设施(包括输电线、杆塔等)建模，包括使用支持向量机(SVM)、使用随机森林(RandomForest)和卷积神经网络(CNN)。然而，尽管这类方法很有前景，但机器学习方法需要大量的训练样本；同时训练样本的选择对分类结果的精度有很大的影响；此外，利用机器学习方法对获取的数据进行处理既复杂又耗时。

因此，目前亟需一种准确性高、流程简单且安全系数高的树木和架空输电线的空间测距方法来测量树木和架线杆塔的空间距离，进而得到树木和架空输电线的空间距离。

发明内容

有鉴于此，本发明实施例提供了一种树木和架空输电线的空间测距方法以及系统，以提高树木和架空输电线的空间测距方法的准确性高、降低空间测距方法的复杂程度，并提高其安全系数。

本发明实施例提供了一种树木和架空输电线的空间测距方法，包括：通过摄像机获取树木和架线杆塔的图像；

根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型；

根据所述树木、所述摄像机和所述架线杆塔构成的光学成像模型，确定所述树木和所述架线杆塔的间距；

所述树木和所述架线杆塔的间距异常，发出报警信号。

可选的，根据所述图像确定所述树木、所述摄像机和所述架线杆塔构成的光学成像模型之前还包括：