[发明专利]一种电力检修车的安全态势感知与危险预警方法

说明书

本发明公开了一种电力检修车的安全态势感知与危险预警方法，其包括以下步骤：构建电力作业现场三维模型；获取电力检修车在电力作业现场三维模型中的位置坐标；确定曲臂工作的允许阈值；采用训练后的融合注意力机制的R‑YOLOV5网络对目标图像中电力检修车的曲臂进行提取，得到包含电力检修车的曲臂的图像；获取曲臂位置数据；判断电力检修车是否处于禁止区域，若是则预警输出；否则判断电力检修车的曲臂是否处于曲臂工作的允许阈值内，若是则判定为安全；否则预警输出。本发明利用北斗定位技术、三维建模技术、机器视觉技术实现电力检修车的安全态势感知，并在变电站三维模型中实时呈现，最终实现了危险预警。

技术领域

本发明涉及电力作业预警领域，具体涉及一种电力检修车的安全态势感知与危险预警方法。

背景技术

电力生产环境复杂，在电力作业空间中存在高危的设备与线路，电力检修车在变电站作业时风险系数极高，检修车曲臂是引起安全事故发生的几率极高。检修车曲臂的伸展高度、宽度(与水平张角有关)是造成曲臂车安全事故的主要原因。若要有效的降低电力检修车在变电站作业时的风险系数，则需要对电力检修车的工作过程进行监督。现有的方式通常为人工监督，但人工监督存在浪费人力资源，监督存在盲区或空隙，导致效率低下的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种电力检修车的安全态势感知与危险预警方法解决了人工监督浪费人力资源、效率低下的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种电力检修车的安全态势感知与危险预警方法，其包括以下步骤：

S1、构建电力作业现场三维模型；

S2、通过北斗地基增强定位获取电力检修车在电力作业现场三维模型中的位置坐标；

S3、根据电力检修车的位置坐标确定曲臂工作的允许阈值；

S4、构建并训练融合注意力机制的R-YOLOV5网络；采用训练后的融合注意力机制的R-YOLOV5网络对目标图像中电力检修车的曲臂进行提取，得到包含电力检修车的曲臂的图像；

S5、获取包含电力检修车的曲臂的图像中电力检修车的曲臂位置数据；

S6、判断电力检修车是否处于禁止区域，若是则预警输出；否则进入步骤S7；

S7、根据电力检修车的曲臂位置数据判断电力检修车的曲臂是否处于曲臂工作的允许阈值内，若是则判定为安全；否则预警输出。

进一步地，步骤S1的具体方法包括以下子步骤：

S1-1、通过自带卫星定位模块的无人机进行电力作业现场图片拍摄，得到带有POS数据的现场图片；

S1-2、通过空中三角测量解算出有POS数据的现场图片的每一像对的相对位置；

S1-3、通过多视角影像联合光束平差法获取外方位元素；

S1-4、对带有POS数据的现场图片采用速稳健特征提取方法进行特征点检测，将同一物体的同一特征点标记为同名特征点；

S1-5、基于同名特征点对带有POS数据的现场图片进行匹配，并通过同名特征点的相对位置与外方位元素信息确定像片的具体位置，生成密集点云；

S1-6、采用Delaunay三角剖分算法对点云三角剖分，得到立体网状骨架模型；

S1-7、提取带有POS数据的现场图片的纹理信息并映射到立体网状骨架模型，得到实景三维模型；

S1-8、以站点为基本单位通过激光雷达点云扫描仪获取电力作业现场激光点云数据；