基于视频扩散伪视角增强与细节分层的温度场重建方法
本申请涉及电力设备智能巡检,特别是涉及一种基于视频扩散伪视角增强与细节分层的温度场重建方法。
背景技术:
1、无人机红外巡检这项技术能够在不断电的条件下获取变电站、套管、绝缘子、母线接头和主变压器等变电设备的表面温度分布情况,是识别局部过热、接触不良和绝缘异常的重要手段。
2、传统方案中,在设备周围密集地采集上百张红外图像来获得完整的三维温度模型。这种方式虽然对设备的三维模型建模准确,但也带来了无人机红外巡检的飞行时间长、数据传输时间长、人工筛查时间长的问题,此外,密集的多个红外图像建模后采用单一高斯表达,缺少面向远近观察尺度层级组织的能力。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够解决上述问题的基于视频扩散伪视角增强与细节分层的温度场重建方法。
2、本申请提供了一种基于视频扩散伪视角增强与细节分层的温度场重建方法。所述方法包括:
3、获取目标变电设备多个真实视角各自的真实红外图像,以及多个伪视角对应的结构条件图;各所述伪视角各自对应的相机位姿和各所述真实视角各自对应的相机位姿属于同一相机轨迹;
4、将所述结构条件图中红外边缘条件图、深度边缘条件图、可选热异常图,以及所述伪视角的深度图,输入到视频扩散模型的控制分支,输出多尺度残差;
5、通过所述视频扩散模型的扩散去噪网络,对所述多尺度残差,以及与所述真实红外图像对应的预测连续红外图像进行处理,得到所述伪视角对应的预测红外图像;
6、对所述预测红外图像进行修复,得到所述伪视角的修复红外图像;
7、根据所述修复红外图像和所述真实红外图像,对所述目标变电设备进行温度场重建,得到所述目标变电设备的三维温度场模型;所述三维温度场模型包含至少一个细节层级的红外层级图像。
8、上述基于视频扩散伪视角增强与细节分层的温度场重建方法,获取目标变电设备多个真实视角各自的真实红外图像,以及多个伪视角对应的结构条件图;各伪视角各自对应的相机位姿和各真实视角各自对应的相机位姿属于同一相机轨迹。通过获取目标变电设备多个真实视角的红外图像及同一相机轨迹下伪视角的结构条件图,为后续生成与重建提供了多模态、几何对齐的数据基础,减少了对高密度真实采样视角的依赖,从而有效缩短无人机红外巡检的飞行时间和数据传输时间。
9、将结构条件图中红外边缘条件图、深度边缘条件图、可选热异常图,以及伪视角的深度图,输入视频扩散模型的控制分支,输出多尺度残差,实现了对生成过程在几何边界、深度结构和热场分布上的多层次精确约束,显著抑制了扩散模型的无约束行为,提升了伪视角红外图像的结构保真度和热场一致性,降低了人工筛查时因图像失真导致的误判和重复筛查时间。
10、通过视频扩散模型的扩散去噪网络,对多尺度残差,以及与真实红外图像对应的预测连续红外图像进行处理,得到伪视角对应的预测红外图像,得到时序连贯、几何稳定的伪视角预测红外图像,解决了相邻伪视角之间因生成随机性导致的图像闪烁和结构跳变问题,使得三维温度场重建所需的中间观测数据更具可靠性,从而进一步减少为消除闪烁而进行的重复采集与后处理时间。
11、对预测红外图像进行修复,得到伪视角的修复红外图像,提升了伪视角图像的数据质量。
12、根据修复红外图像和真实红外图像,对目标变电设备进行温度场重建,得到目标变电设备的三维温度场模型;三维温度场模型包含至少一个细节层级的红外层级图像。使得三维温度模型能够依据热辐射特征来区分并显示不同高斯层级,同时提升了高温关键区域在不同观察距离下的可辨识度,进一步减少人工筛查时对异常区域的定位时间。
1.一种基于视频扩散伪视角增强与细节分层的温度场重建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,获取多个伪视角对应的结构条件图,包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求1所述的方法,其特征在于,所述对所述预测红外图像进行修复,得到所述伪视角的修复红外图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述预测红外图像、所述像素级可信度掩膜,以及所述伪视角的粗红外图像,确定所述伪视角的修复红外图像,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述根据第一层级阈值和第二层级阈值与所述投影半径的大小关系,确定与所述投影半径适配的细节层级,包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述修复红外图像和所述真实红外图像,对所述目标变电设备进行温度场重建,得到所述目标变电设备的三维温度场模型,包括:
9.根据权利要求8所述的方法,其特征在于,所述基础热场层的权重包括:低频热场、等热平台平滑和热强度统计量约束的权重;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com