[发明专利]一种用于架空线路无人机自主巡检缺陷识别的方法及系统

权利要求书

1.一种用于架空线路无人机自主巡检缺陷识别的方法，所述方法包括：

获取固化航线巡检当次巡检图像及相同位置的历史图像；

在所述当次巡检图像和所述历史图像中分别生成关键点；

对所述当次巡检图像中的关键点与所述历史图像中的关键点进行匹配，将所述当次巡检图像中与所述历史图像中的关键点匹配成功的关键点确定为特征点；

通过深度学习模型在所述当次巡检图像中定位出电力设备的最小外接矩形区域；

将所述最小外接矩形区域内属于背景的特征点删除；以及

基于所述最小外接矩形区域中剩余的特征点的概率分布，识别所述最小外接矩形区域内的电力设备是否存在缺陷。

2.根据权利要求1所述的方法，其中对所述当次巡检图像中的关键点与所述历史图像中的关键点进行匹配包括：

基于确定相应的关键点之间的综合欧氏距离和汉明距离，对所述当次巡检图像中的关键点与所述历史图像中的关键点进行匹配。

3.根据权利要求2所述的方法，其中将所述当次巡检图像中与所述历史图像中的关键点匹配成功的关键点确定为特征点包括：

通过K临近算法寻找所述当次巡检图像中与历史图像的关键点P₁的汉明距离最近特征点P₂和次近特征点P₃，并将P₁和P₂的汉明距离定义为H₁，P₁和P₃的汉明距离定义为H₂；

设立第一阈值r，若H₁/H₂r，则P₂为P₁的正确匹配点；

获取所述当次巡检图像中的初始特征点集S₁和S₂；

计算所述当次巡检图像中的初始特征点集S₁和S₂的坐标的欧氏距离，获取特征点集S₁和S₂的欧氏距离集S₃，并求出S₃的均值m；

若特征点集S₃中的值小于m，则对应的特征点集S₁和S₂中的特征点P₁和P₂对为正确匹配的特征点，否则为匹配失败的特征点。

4.根据权利要求1所述的方法，其中将所述最小外接矩形区域内属于背景的特征点删除，包括：

将电力设备的最小外接矩形区域划分成多个等分分块，获取每个等分分块中特征点的数量；

根据每个等分分块中特征点的数量判断所述最小外接矩形区域内属于背景的特征点，将所述最小外接矩形区域内属于背景的特征点删除。

5.根据权利要求4所述的方法，其中基于所述最小外接矩形区域中剩余的特征点的概率分布，识别所述最小外接矩形区域内的电力设备是否存在缺陷，包括：

对所述最小外接矩形区域中剩余的特征点的概率进行计算：

N_i为多个等分分块中第i个等分块中特征点的数量；其中i为自然数并且2≤i；min(N_i)是多个等分分块中的最小特征点数量；aver(N_i)是多个等分分块的特征点数量的平均值；

若δ值小于第二阈值，则确定所述电力设备存在缺陷。