[发明专利]一种基于深度学习的电力巡检影像密集匹配方法在审
| 申请号： | 201810963100.2 | 申请日： | 2018-08-22 |
| 公开（公告）号： | CN109146937A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 陈景尚;周华敏;陈剑光;刘明;邸龙;宋作强;胡峰;杨喆;孙仝;郑耀华;何勇;甘燕良;宋海龙;魏攀;李名 | 申请（专利权）人： | 广东电网有限责任公司;广东电网有限责任公司肇庆供电局 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06N3/04 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 刘瑶云 |
| 地址： | 510000 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明涉及影像密集匹配，特别是涉及一种基于深度学习的电力巡检影像密集匹配方法。本发明将深度学习网络PSMNet加入到航空影像密集匹配的影像当中，通过网络中的金字塔池化层更好地吸收了影像的上下文信息，通过网络中的三维卷积层，更加精确地获得了影像的视差。这种方法更有效的克服了由于纹理重复，纹理缺乏，高亮区域等一系列传统软件算法难以有效匹配的病态区域。为电力线巡检建模提供了更加有效的信息。 | ||
| 搜索关键词： | 影像 匹配 电力巡检 纹理 电力线巡检 上下文信息 病态区域 传统软件 高亮区域 航空影像 有效匹配 网络 池化 建模 卷积 视差 算法 学习 金字塔 三维 重复 吸收 | ||
【主权项】：
1.一种基于深度学习的电力巡检影像密集匹配方法，其特征在于，包括以下步骤；S1：搜集计算机视觉公开数据集KITTI2015、Flyingthings3D的数据，包括提供的原始立体像对和其对应的深度图，作为之后训练的样本；S2：构建并设计网络模型，在原有的PSMNet网络的基础上引入新的激活函数ReLU‑Leaky，并输入S1中获得的训练样本进行训练。S3：将无人机航拍的电力线巡检影像放入S2中训练好的模型，获得电力线巡检影像的深度图。
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广东电网有限责任公司;广东电网有限责任公司肇庆供电局，未经广东电网有限责任公司;广东电网有限责任公司肇庆供电局许可，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/patent/201810963100.2/，转载请声明来源钻瓜专利网。
