[发明专利]一种电力线路激光防外破方法和装置

权利要求书

1.一种电力线路激光防外破方法，其特征在于：

所述方法包括以下步骤：

步骤1：电力线路激光防外破装置启动并进行设备自检；

步骤2：激光雷达模块和辅助视频图像模块进行监控环境扫描建模和图像记录后进入休眠状态；

步骤3：对监控区域进行声音监听，当区域内出现设定频率范围内的声音时，触发音频监控模块对声音进行采集与识别；

步骤4：当步骤3识别出工程机械发动机和相关特征声音时，定位目标声音位置并唤醒激光雷达模块和辅助视频图像模块；

步骤5：激光雷达模块对目标声音位置进行三维点云扫描，然后基于点云数据进行距离计算和目标分割和识别；辅助视频图像模块采集目标声音位置的图像并进行计算处理，进一步辅助识别目标类型，并记录视频图像信息供用户查看；

步骤6：目标分割和识别后，计算目标空间位置信息，根据目标与输电线路的距离评估危险等级并进行相关预警操作。

2.根据权利要求1所述的一种电力线路激光防外破方法，其特征在于：

步骤2具体包括：

步骤2.1：激光雷达模块结合辅助视频摄像模块，在监控范围内，采集当前环境图像和激光雷达点云数据；

步骤2.2：事先采集或合成输电线路环境下工程车辆和工程装备的激光点云数据集，采用大规模点云语义分割网络RandLA-Net训练该数据集，生成基于RandLA-Net的AI算法模型；

步骤2.3：将步骤2.1激光雷达模块采集的点云数据输入到AI算法模型进行计算，RandLA-Net分割识别出各种不同目标物体，存储计算结果，完成监控环境扫描建模；

所述目标物体包括输电线、杆塔、树木和房屋建筑。

3.根据权利要求1所述的一种电力线路激光防外破方法，其特征在于：

步骤3所述音频监控模块对声音进行采集与识别，具体包括：

1）麦克风阵列采集监控区域范围内的声音信号；

2）对所采集的声音信号进行加窗；

3）采用小波阈值去噪方法对声音信号进行去噪处理；

4）基于1/3倍频程和Bark尺度小波包特征融合算法对声音信号进行特征值提取；

5）基于步骤4）的特征值识别工程车辆和工程机械类型。

4.根据权利要求3所述的一种电力线路激光防外破方法，其特征在于：

步骤2）中，窗口长度为5-1000ms；

步骤5）中，采用概率神经网络或支持向量机算法识别工程车辆和工程机械类型。

5.根据权利要求1所述的一种电力线路激光防外破方法，其特征在于：

步骤4中，当识别到工程机械发动机和相关特征声音时，实时采集全监控区域声音数据，通过数字滤波直接去除背景噪声和非目标频段的声音信号，仅保留目标声音作为有效输入声音信号；

通过GCC算法估算出音频监控模块中每个麦克风传感器对之间的时间延迟，并计算出声音的方位角，使用圆形群集方法合并计算出方位角，以该方位为中心划定搜索区域，运用可控响应功率相位加权算法在划定区域中进行精确搜索，求得声源位置即定位目标声音位置。

6.根据权利要求1所述的一种电力线路激光防外破方法，其特征在于：

步骤5具体包括：

步骤5.1：根据声音定位结果，裁剪视频图像中远离目标声音位置和输电线位置的弱相关图像信息，再利用系统中存放的背景图像，使用背景差分法去除图像中的未曾变化背景图像信息，只保留变化的图像信息；

步骤5.2：利用YOLO算法提前对工程车辆和工程机械目标视频图像进行训练，训练好的模型对步骤5.1背景差分处理后图像进行目标识别；

步骤5.3：对于激光雷达点云数据，首先去除远离目标声音位置和输电线位置的点云数据，然后通过背景差分法，去除固定不定的点云数据，保留与所存背景不一致的部分；

步骤5.4：将步骤5.3得到的激光点云数据输入基于RandLA-Net的AI算法模型，对激光点云进行语义分割和目标识别，将工程车辆和工程机械目标识别出来，结合步骤5.2识别结果，记录相关视频图像信息供用户查看。