一种基于空间计算的电网设施灾损识别、系统、介质及电子设备的制作方法

摘要: 本发明涉及电网灾害应急评估,并且更具体地,涉及一种基于空间计算的电网设施灾损识别、系统、介质及电子设备。背景技术:1、电网设施在台风、洪水、地震、火灾等极端灾害...
一种基于空间计算的电网设施灾损识别、系统、介质及电子设备的制作方法

本发明涉及电网灾害应急评估,并且更具体地,涉及一种基于空间计算的电网设施灾损识别、系统、介质及电子设备。

背景技术:

1、电网设施在台风、洪水、地震、火灾等极端灾害事件中极易遭受结构性损伤,快速准确地识别灾损位置、评估灾损程度,是灾后应急抢修和资源调配的关键前提。当前电网设施灾损识别技术存在以下不足:

2、(1)无人机巡检虽已广泛应用于日常电力巡检,但现有方案多为预编程航线飞行,缺乏对灾后场景的自主适应能力,无法针对灾损区域进行智能化的细粒度分析;

3、(2)在杆塔密集区域,多个杆塔在无人机拍摄画面中相互重叠,现有视觉方法难以将各杆塔有效分离,导致灾损分析无法针对单个杆塔进行;现有方案通常被动接受重叠现象,缺乏主动规避重叠的拍摄策略;

4、(3)现有搭载激光雷达的无人机方案中,激光雷达数据与视觉图像数据通常各自独立处理,缺乏根据目标距离自适应切换和深度融合的机制:杆塔距离较远时激光雷达点云稀疏无法有效利用,距离较近时视觉图像又难以精确获取杆塔与地面的三维角度关系,两种传感器各有所长但未能协同互补。

技术实现思路

1、本发明提出一种基于空间计算的电网设施灾损识别方法及系统,旨在解决灾后电网设施灾损快速评估中存在的多杆塔重叠难以分离、灾损类型覆盖不全、形变检测依赖预装传感器且灾后通信中断导致数据无法回传、视觉与激光雷达数据未能有效融合的问题。

2、为了解决上述问题,根据本发明的一个方面,提供了一种基于空间计算的电网设施灾损识别方法,所述方法包括:

3、基于目标设备精确坐标对目标设备进行遮挡分析,在未被遮挡的区间中选取预设拍摄角度;

4、根据自适应选择策略,基于所述预设拍摄角度采集目标设备数据,结合边缘端实例分割模型,获取每座目标设备的像素级目标设备分割区域;

5、基于至少两个拍摄角度的目标设备分割区域,提取目标设备的多维特征数据;所述多维特征数据包括目标设备三个角边,其中一个角边为两个角度共同提取;

6、基于所述多维特征数据,通过视觉-点云融合判定,识别目标设备的灾损。

7、优选地,所述基于目标设备精确坐标对目标设备进行遮挡分析,在未被遮挡的区间中选取预设拍摄角度,包括:

8、将目标设备精确坐标映射至实际地理空间;

9、以完成映射的当前目标设备坐标为原点,计算相邻设备相对于当前目标设备的方位角与距离;

10、将各相邻设备按对应方位角和距离投影至以当前目标设备为中心的360°方位圆上,各相邻设备对应形成扇形遮挡区间;

11、求取当前目标设备的全部相邻设备对应的扇形遮挡区间,叠加当前目标设备的全部相邻设备的扇形遮挡区间,获取当前目标设备的完整遮挡方位区间;

12、在剩余未被遮挡的方位区间内,选取两个平面方位角的夹角相差预设角度的方向作为预设拍摄角度。

13、优选地,所述自适应选择策略包括:

14、远距离层级:当激光雷达无法有效覆盖目标设备时,自动切换为纯视觉模式,仅使用云台相机图像数据获取像素级目标设备分割区域;

15、中距离层级:当激光雷达采集范围能够完整覆盖目标设备主体,启用视觉-点云深度融合策略;通过激光雷达点云数据辅助视觉分割模型确定像素级目标设备分割区域;

16、近距离局部层级:当激光雷达仅能覆盖目标设备局部区域时,主动调整激光雷达扫描角度,获取目标设备的像素级目标设备分割区域。

17、优选地,所述提取目标设备的多维特征数据,包括:

18、对于至少两个拍摄角度对应的目标设备分割区域,所述多维特征数据包括目标设备三个角边,其中一个角边为两个角度共同提取;分别采用形态学细化算法提取骨架线;从骨架线中筛选出表征目标设备主体结构的外围轮廓骨干曲线;

19、若激光雷达完整覆盖目标设备主体,从多视角激光雷达点云数据中提取目标设备主体曲面特征与三维轮廓曲线,获取目标设备各立面的三维形变信息;

20、若激光雷达仅覆盖目标设备局部区域,采集目标设备塔脚与地面结合点区域的点云数据,分别提取目标设备塔脚点云数据与地面点云数据;通过塔脚点云数据与地面点云数据,计算目标设备主体方向与地面法向量之间的夹角,生成目标设备倾斜几何特征数据;

21、将所述多维特征数据与点云数据进行视觉-点云融合,得到融合三维几何数据;从所述融合三维几何数据中提取目标设备骨干曲线;

22、将两个拍摄角度对应的四条视觉骨干曲线通过投影变换映射至同一三维参考坐标系,进行多角度骨干曲线的归一化处理。

23、优选地,所述基于所述多维特征数据,通过视觉-点云融合判定,识别目标设备的灾损,包括:

24、将归一化后的目标设备骨干曲线的塔头端点高度与同线路相邻同类设备的塔头端点高度进行横向比对;

25、当比对出的高度差值超过预设塔头脱落阈值时,判定目标设备发生塔头脱落故障。

26、优选地,所述识别目标设备的灾损,包括:

27、基于归一化后的四条骨干曲线整体走向判断目标设备是否倾斜;若相对竖直方向存在一致性偏转角,则初步判定目标设备倾斜方向;

28、当点云数据完整覆盖目标设备主体时,结合目标设备各立面的三维形变信息中主体曲面特征进行交叉验证;当获取到目标设备塔脚点云数据与地面点云数据时,以目标设备倾斜几何特征数据作为精准倾斜度量,对比预设倾斜容许阈值,判定目标设备倾斜严重程度。

29、优选地,所述识别目标设备的灾损,包括:

30、判断正常工况下,归一化后的四条骨干曲线结构形态是否保持一致;若骨干曲线出现局部曲率突变、曲线断裂不连续、单条曲线与其余曲线走向及形态存在显著偏差中的任一异常情况,判定目标设备对应位置发生非对称变形或局部断裂;当点云数据覆盖折断区域时,利用目标设备各立面的三维形变信息验证折断位置,并量化目标设备折断形变严重程度。

31、基于本发明的另一方面,本发明提供一种基于空间计算的电网设施灾损识别系统,所述系统包括:

32、选取单元,用于基于目标设备精确坐标对目标设备进行遮挡分析,在未被遮挡的区间中选取预设拍摄角度;

33、分割单元,用于根据自适应选择策略,基于所述预设拍摄角度采集目标设备数据,结合边缘端实例分割模型,获取每座目标设备的像素级目标设备分割区域;

34、提取单元,用于基于至少两个拍摄角度的目标设备分割区域,提取目标设备的多维特征数据;

35、识别单元,用于基于所述多维特征数据,通过视觉-点云融合判定,识别目标设备的灾损。

36、优选地,所述选取单元,还用于:

37、将目标设备精确坐标映射至实际地理空间;

38、以完成映射的当前目标设备坐标为原点,计算相邻设备相对于当前目标设备的方位角与距离;

39、将各相邻设备按对应方位解和距离投影至以当前目标设备为中心的360°方位圆上,各相邻设备对应形成扇形遮挡区间;

40、求取当前目标设备的全部相邻设备对应的扇形遮挡区间,叠加当前目标设备的全部相邻设备的扇形遮挡区间,获取当前目标设备的完整遮挡方位区间;

41、在剩余未被遮挡的方位区间内,选取两个平面方位角的夹角相差预设角度的方向作为预设拍摄角度。

42、优选地,所述自适应选择策略包括:

43、远距离层级:当激光雷达无法有效覆盖目标设备时,自动切换为纯视觉模式,仅使用云台相机图像数据获取像素级目标设备分割区域;

44、中距离层级:当激光雷达采集范围能够完整覆盖目标设备主体,启用视觉-点云深度融合策略;通过激光雷达点云数据辅助视觉分割模型确定像素级目标设备分割区域;

45、近距离局部层级:当激光雷达仅能覆盖目标设备局部区域时,主动调整激光雷达扫描角度,获取目标设备的像素级目标设备分割区域。

46、优选地,所述提取单元,还用于:

47、对于至少两个拍摄角度对应的目标设备分割区域,所述多维特征数据包括目标设备三个角边,其中一个角边为两个角度共同提取;分别采用形态学细化算法提取骨架线;从骨架线中筛选出表征目标设备主体结构的外围轮廓骨干曲线;

48、若激光雷达完整覆盖目标设备主体,从多视角激光雷达点云数据中提取目标设备主体曲面特征与三维轮廓曲线,获取目标设备各立面的三维形变信息;

49、若激光雷达仅覆盖目标设备局部区域,采集目标设备塔脚与地面结合点区域的点云数据,分别提取目标设备塔脚点云数据与地面点云数据;通过塔脚点云数据与地面点云数据,计算目标设备主体方向与地面法向量之间的夹角,生成目标设备倾斜几何特征数据;

50、将所述多维特征数据与点云数据进行视觉-点云融合,得到融合三维几何数据;从所述融合三维几何数据中提取目标设备骨干曲线;

51、将两个拍摄角度对应的四条视觉骨干曲线通过投影变换映射至同一三维参考坐标系,进行多角度骨干曲线的归一化处理。

52、优选地,所述识别单元,还用于:

53、将归一化后的目标设备骨干曲线的塔头端点高度与同线路相邻同类设备的塔头端点高度进行横向比对;

54、当比对出的高度差值超过预设塔头脱落阈值时,判定目标设备发生塔头脱落故障。

55、优选地,所述识别单元,还用于:

56、基于归一化后的四条骨干曲线整体走向判断目标设备是否倾斜;若相对竖直方向存在一致性偏转角,则初步判定目标设备倾斜方向;

57、当点云数据完整覆盖目标设备主体时,结合目标设备各立面的三维形变信息中主体曲面特征进行交叉验证;当获取到目标设备塔脚点云数据与地面点云数据时,以目标设备倾斜几何特征数据作为精准倾斜度量,对比预设倾斜容许阈值,判定目标设备倾斜严重程度。

58、优选地,所述识别单元,还用于:

59、判断正常工况下,归一化后的四条骨干曲线结构形态是否保持一致;若骨干曲线出现局部曲率突变、曲线断裂不连续、单条曲线与其余曲线走向及形态存在显著偏差中的任一异常情况,判定目标设备对应位置发生非对称变形或局部断裂;当点云数据覆盖折断区域时,利用目标设备各立面的三维形变信息验证折断位置,并量化目标设备折断形变严重程度。

60、基于本发明的另一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现一种基于空间计算的电网设施灾损识别方法的步骤。

61、基于本发明的另一方面,本发明提供一种电子设备,包括:

62、上述的计算机可读存储介质;以及

63、一个或多个处理器,用于执行所述计算机可读存储介质中的程序。

64、本发明技术方案提供了一种基于空间计算的电网设施灾损识别方法及系统,其中方法包括:基于目标设备精确坐标对目标设备进行遮挡分析,在未被遮挡的区间中选取预设拍摄角度;根据自适应选择策略,基于预设拍摄角度采集目标设备数据,结合边缘端实例分割模型,获取每座目标设备的像素级目标设备分割区域;基于至少两个拍摄角度的目标设备分割区域,提取目标设备的多维特征数据;多维特征数据包括目标设备三个角边,其中一个角边为两个角度共同提取;基于多维特征数据,通过视觉-点云融合判定,识别目标设备的灾损。本发明技术方案利用已有的杆塔台账坐标,在飞行前主动规划每座杆塔的无重叠拍摄角度,从根源上解决多杆塔遮挡问题;引入同线路杆塔横向对比机制,无需灾前历史数据即可检测塔头脱落;建立视觉-点云融合的灾损分析架构,根据目标杆塔距离自适应选择传感器策略并深度融合分析。本发明技术方案在无人机边缘计算单元全自动完成,不依赖公网通信。