[发明专利]基于双目测距和图像分割对输电线舞动的检测方法

说明书

本发明提供了一种基于双目测距和图像分割对输电线舞动的检测方法，涉及图像识别技术领域，所述检测方法能通过深度学习图像分割算法模型进行推理识别，再将识别结果传送给双目测距系统，双目测距系统通过识别结果判断是否需要计算距离，最后将识别结果和计算的障碍物距离信息发送到手机APP端和设备终端，在手机APP端查看图片，导线和障碍物的轮廓和距离信息会以不同颜色标出，并和原图做了对比，根据在同一场景不同时刻的固定障碍物距离的异同，便可判断导线是否舞动以及舞动的剧烈程度。

技术领域

本发明涉及图像识别技术领域，尤其涉及基于双目测距和图像分割对输电线舞动的检测方法。

背景技术

我国输电网建设大规模迅速扩大，输电线舞动引发的事故逐渐凸显，轻则造成闪络、跳闸，重则造成金属夹具损坏，导线断股、断线，杆塔螺栓松动、脱落，甚至倒杆等严重事故，容易造成电网大面积的停电，进而直接或者间接对社会生活生产造成巨大的经济损失。然而对输电线路舞动的监控，传统的采用现场检查的巡视方式必然会消耗大量的人力和物力，而更为重要的是不能及时发现故障或隐患，造成工作的延误，甚至扩大故障范围。

随着计算机技术和光电技术的发展，机器视觉技术应运而生。双目测距技术运用两个摄像头对同一场景进行拍摄，从而产生图像视差，然后通过该视差建立物体距离测量模型，从而实现景物距离的实时计算。

图像分割技术是计算机视觉领域的一个重要的研究方向，图像分割是指将图像分成若干具有相似性质的区域的过程。该技术相关的场景物体分割、人体前背景分割、三维重建等技术已经在无人驾驶、增强现实、安防监控等行业都得到了广泛的应用。基于深度学习的图像分割算法研究对象是像素级别的，在输电线路防外破监控系统应用中，分割的精准度非常高，适用于户外输电线路场景的多目标检测分割。

现有的舞动检测技术可以采用传感器检测、卫星定位检测等。传感器的测量精度易受温度的影响，观测抖动误差较大，而且抗干扰能力弱，运用传感器检测高压架空输电线路舞动，存在较大误差、预测高压架空输电线事故风险的能力差的问题。现有的卫星定位检测导线舞动状态的方法也存在诸多问题，包括定位模块定位高度误差较大、定位精度不高、计算误差较大以及算法反馈时间长等。综上，现有的高压架空输电线舞动检测技术存在各种问题。

发明内容

为解决上述背景技术中存在的问题，本发明提供了一种基于双目测距和图像分割技术的输电线舞动的检测方法，本发明提供的检测方法能通过深度学习图像分割算法模型进行推理识别，再将识别结果传送给双目测距系统，双目测距系统通过识别结果判断是否需要计算距离，最后将识别结果和计算的障碍物距离信息发送到手机APP端和设备终端，在手机APP端查看图片，导线和障碍物的轮廓和距离信息会以不同颜色标出，并和原图做了对比，根据在同一场景不同时刻的固定障碍物距离的异同，便可判断导线是否舞动以及舞动的剧烈程度。本发明的技术方案是这样的：

一种基于双目测距和图像分割对输电线舞动的检测方法，基于安装在输电线上的在线监测装置实时采集导线舞动、震动和风偏等工况图像信息，构建输电线三维运行姿态信息，检测过程中应用有包括硬件设备端、AI图像识别、双目测距系统、后端服务、APP端五大功能模块在内的检测系统，所述检测方法的步骤包括：

S1: 在输电线上安装好图像采集终端设备，标定准确双目相机；

S2:终端设备获取双目图片并转发给AI服务器，AI服务器获取图片后，通过图像分割技术推理出图片中是否存在危险目标以及危险目标位置及类别信息；

S3: 双目测距系统获取到AI服务器提供的危险目标在图片中的位置信息，根据公式计算出危险目标和导线的距离以及危险目标和设备的距离，同时可构建出危险目标、导线和设备的三维姿态信息；

S4:预警系统利用图像分割技术提供的目标类别和双目测距技术提供的危险等级；同时根据一段时间内的变化情况，计算出导线的舞动剧烈程度。