[发明专利]基于双目视觉技术的输电通道内危险源识别和定位方法在审

专利信息
申请号: 201910313628.X 申请日: 2019-04-18
公开(公告)号: CN110060299A 公开(公告)日: 2019-07-26
发明(设计)人: 刘正军;姜文东;李学钧;戴相龙;蒋勇;杜跃飞 申请(专利权)人: 中国测绘科学研究院;国网浙江省电力有限公司;江苏濠汉信息技术有限公司
主分类号: G06T7/73 分类号: G06T7/73;G06T7/80;G06K9/00;G06K9/62
代理公司: 南通市永通专利事务所(普通合伙) 32100 代理人: 葛雷
地址: 100036 *** 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: 危险源 双目视觉技术 检测 危险源识别 目标检测 输电线路 双目图像 输电 卷积神经网络 双目摄像头 快速分类 立体匹配 连续监测 目标距离 目标位置 深度信息 数据增强 双目相机 位置坐标 有效识别 标定 算法 标注 样本 图片
【说明书】:

发明公开了一种基于双目视觉技术的输电通道内危险源识别和定位方法,包括下列步骤:a、收集输电线路危险源图片,手工标注出危险源在图片中的位置坐标和危险源类型;b、通过数据增强算法增加样本数量;c、采用深度卷积神经网络训练危险源目标检测模型;d、标定双目摄像头,得到双目相机参数;e、利用c得到的目标检测模型,检测双目图像中的目标位置;f、将双目图像中的检测到的危险源目标进行立体匹配,得到深度信息,从而得到危险源目标距离,实现对危险源的检测与定位。本发明实现对危险源位置、速度等信息的连续监测。实现对输电线路下方危险源目标进行快速分类检测和有效识别,实现对目标的距离定位。

技术领域

本发明涉及一种计算机视觉领域,具体涉及一种基于双目视觉技术的输电通道内危险源识别和定位方法。

背景技术

建设坚强智能电网、打造安全可控的新一代电力系统是国网公司发展的固本之要,通过研究双目视觉技术和深度学习图像识别技术,对输电通道危险源的类别进行一次分类,并获取线路通道地物的运动方向、运动速度,实现输电通道内危险源识别、定位、跟踪检测;可以实时对输电通道危险源进行预警,以提升输电通道的管理水平。

发明内容

本发明的目的在于提供一种方法简便、效果好的基于双目视觉技术的输电通道内危险源识别和定位方法。

本发明的技术解决方案是:

一种基于双目视觉技术的输电通道内危险源识别和定位方法,其特征是:包括下列步骤:

a、收集输电线路危险源图片,手工标注出危险源在图片中的位置坐标和危险源类型;

b、通过数据增强算法增加样本数量;

c、采用深度卷积神经网络训练危险源目标检测模型;

d、标定双目摄像头,得到双目相机参数;

e、利用c得到的目标检测模型,检测双目图像中的目标位置;

f、将双目图像中的检测到的危险源目标进行立体匹配,得到深度信息,从而得到危险源目标距离,实现对危险源的检测与定位。

步骤b包括以下步骤:

步骤b1:对输电线路危险源样本图片进行按比例缩放,得到不同大小的样本图像;

步骤b2:将输电线路危险源样本图片分别进行顺时针方向和逆时针方向30°以内的角度旋转,得到不同旋转角度下的样本图像;

步骤b3:将输电线路危险源样本图片输入对抗生成网络,将网络输出图片加入样本。

步骤c包括以下步骤:

c1:构建基础网络层,分别由6层卷积层、池化层和ReLU激活函数构成,将图像送入基础网络,得到输出o1;

c2:构建区域生成网络,用于区分前景和背景;在c1的输出o1上应用滑动窗口,每个滑动窗口生成9个候选区域,候选区域比例按照[1:2,1:1,2:1]三种模式选择;将所有候选区域连接到区域生成网络,采用softmax回归出所有候选区域,选择前500个区域作为输出o2;

c3:将c2输出o2接入已训练的ResNet101网络进行迁移学习,得到危险源检测模型。

步骤d包括以下步骤:

d1:标定相机内参;

d2:在双目图像中提取尺度不变特征,根据该特征,采用随机采样一致性的办法随机地每次随机选取5对匹配点,并通过5点算法得到相机的初始姿态;

d3:根据初始相机姿态,滤除尺度不变特征匹配对中绝大部分的错误匹配点;

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测绘科学研究院;国网浙江省电力有限公司;江苏濠汉信息技术有限公司,未经中国测绘科学研究院;国网浙江省电力有限公司;江苏濠汉信息技术有限公司许可,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/201910313628.X/2.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