光伏组件全景图像校正方法、装置及电子设备与流程

摘要: 本申请属于图像视觉领域,尤其涉及一种光伏组件全景图像校正方法、装置及电子设备。背景技术:1、随着自动化巡检技术的发展,光伏机器人在光伏电站中被广泛应用,用于对光...
光伏组件全景图像校正方法、装置及电子设备与流程

本申请属于图像视觉领域,尤其涉及一种光伏组件全景图像校正方法、装置及电子设备。

背景技术:

1、随着自动化巡检技术的发展,光伏机器人在光伏电站中被广泛应用,用于对光伏组件的运行状态进行监测和分析。这类技术能够通过多视场图像获取光伏板的俯视信息,并为巡检、定位和运维提供数据支持,提高巡检效率和作业安全性

2、多视场图像通常需要通过拼接或投影处理生成全景图,以便获得整体的光伏组件阵列视图。现有方法一般依赖图像配准、投影变换或像素域融合等方式进行图像拼接。

3、然而,由于图像拍摄角度和现场环境的复杂性,拼接后的全景图像容易出现边界错位、几何畸变以及相邻图像之间的不连续现象。同时,当光伏组件排列密集或重复结构明显时,难以保持整体排列的一致性和边界的规整性。这些问题导致全景图像在后续巡检、定位或分析过程中存在精度和可靠性不足的情况。

技术实现思路

1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种光伏组件全景图像校正方法、装置及电子设备,以提高全景图像的可靠性和一致性。

2、第一方面,本申请提供了一种光伏组件全景图像校正方法,该方法包括:

3、获取初始全景图像,所述初始全景图像由在多个视场区域下各光伏组件的俯视图像拼接得到;

4、识别所述初始全景图像中各光伏组件的边界,得到边界识别信息;

5、基于所述边界识别信息,分别确定光伏组件边界与预期边界形态之间的形状偏差、不同视场区域交界处光伏组件边界之间的对齐偏差、以及光伏组件阵列中各光伏组件之间的排列偏差;

6、联合所述形状偏差、对齐偏差以及排列偏差,对所述初始全景图像进行校正,得到目标全景图像。

7、第二方面,本申请提供了一种光伏组件全景图像校正装置,该装置包括:

8、全景拼接模块,用于获取初始全景图像,所述初始全景图像由在多个视场区域下各光伏组件的俯视图像拼接得到;

9、边界识别模块,用于识别所述初始全景图像中各光伏组件的边界,得到边界识别信息;

10、约束生成模块,用于基于所述边界识别信息,分别确定光伏组件边界与预期边界形态之间的形状偏差、不同视场区域交界处光伏组件边界之间的对齐偏差、以及光伏组件阵列中各光伏组件之间的排列偏差;

11、全景校正模块,用于联合所述形状偏差、对齐偏差以及排列偏差,对所述初始全景图像进行校正,得到目标全景图像。

12、第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的光伏组件全景图像校正方法。

13、第四方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的光伏组件全景图像校正方法。

14、第五方面,本申请提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的光伏组件全景图像校正方法。

15、第六方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的光伏组件全景图像校正方法。

16、本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:

17、在获取由多个视场区域下各光伏组件的俯视图像拼接形成的初始全景图像后,通过识别初始全景图像中各光伏组件的边界,得到能够表征组件位置、轮廓和空间分布的边界识别信息,使图像校正过程能够从光伏组件本身的结构特征出发,而不是仅依赖像素融合或普通图像配准;再基于边界识别信息分别确定光伏组件边界与预期边界形态之间的形状偏差、不同视场区域交界处光伏组件边界之间的对齐偏差、以及光伏组件阵列中各光伏组件之间的排列偏差,使校正过程能够同时考虑单个组件边界的形态规整性、跨视场区域的边界衔接关系以及多个光伏组件之间的整体阵列关系;进而,联合形状偏差、对齐偏差和排列偏差对初始全景图像进行校正,能够避免仅依据单一边界特征或分步校正造成的局部优化和误差累积,使目标全景图像中的光伏组件边界更接近预期边界形态、不同视场区域交界处的边界更加连续、光伏组件阵列排列更加稳定,从而提高目标全景图像在后续巡检、定位、识别和路径规划等视觉任务中的可靠性和可用性。

18、本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

1.一种光伏组件全景图像校正方法,其特征在于,包括:

2.根据权利要求1所述的光伏组件全景图像校正方法,其特征在于,所述基于所述边界识别信息,分别确定光伏组件边界与预期边界形态之间的形状偏差、不同视场区域交界处光伏组件边界之间的对齐偏差、以及光伏组件阵列中各光伏组件之间的排列偏差,包括:

3.根据权利要求2所述的光伏组件全景图像校正方法,其特征在于,所述基于所述轮廓信息和预期边界形态,确定所述形状偏差,包括:

4.根据权利要求3所述的光伏组件全景图像校正方法,其特征在于,所述对完整可见的光伏组件边界进行拟合,得到拟合矩形,包括:

5.根据权利要求3或4所述的光伏组件全景图像校正方法,其特征在于,所述对部分可见的光伏组件边界,利用其他完整可见的光伏组件边界的阵列排列信息进行拟合,生成推断矩形,包括:

6.根据权利要求2所述的光伏组件全景图像校正方法,其特征在于,所述基于所述空间关系信息,确定所述对齐偏差,包括:

7.根据权利要求2所述的光伏组件全景图像校正方法,其特征在于,所述基于所述分布统计信息,确定所述排列偏差,包括:

8.根据权利要求1所述的光伏组件全景图像校正方法,其特征在于,所述联合所述形状偏差、对齐偏差以及排列偏差,对所述初始全景图像进行校正,得到目标全景图像,包括:

9.根据权利要求8所述的光伏组件全景图像校正方法,其特征在于,所述多约束优化函数还基于空间平滑偏差构建得到,所述空间平滑偏差用于表征光伏组件边界在全景图像中的平滑连续程度。

10.根据权利要求1所述的光伏组件全景图像校正方法,其特征在于,所述获取初始全景图像,包括:

11.一种光伏机器人,其特征在于,包括:

12.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-10中任一项所述的光伏组件全景图像校正方法。