一种跳线与铁塔间的测距方法、系统、计算机及存储介质与流程

1.本发明涉及无人飞行设备电力设备安全巡检的技术领域，尤其涉及到一种跳线与铁塔间的测距方法、系统、计算机及存储介质。


背景技术：

2.随着我国电力行业的快速发展，国民日用电量需求日益增加，对于用电的可靠性要求越来越高，电网时刻影响着输电的稳定性和可靠性，现输电塔的分布点越来越广泛，且地形错综复杂。在电力传输的过程中，架空输电线路是电能传输的主要途径，其中连接在输电塔的横担上的跳线系统是架空输电线路的重要组成部分，其由金具和绝缘子组成，可承受一条导线或分裂导线的张力，使导线与塔身的距离满足电气要求。
3.为了保证受台风等自然灾害的影响后，导线与塔身的距离仍满足电气要求，需要对导线的跳线与铁塔之间的净距进行定时或不定时的检测测量，而测量跳线与铁塔之间的净距时，传统的人工所测量的数据误差较大，测量结果不精准，且无法快速判断周边的地形，已经不能满足电力行业快速发展的需求。
4.随着科技的快速发展，无人飞行设备技术逐渐进入人们的视野，代替了传统的人工作业。在人工智能时代的背景下，人工智能逐渐被应用在无人飞行设备的作业上，相对的，智能测量技术也被应用起来，随着科技的进步，智能测量技术也不断完善。
5.其中，专利《一种输电线路跳线电气间隙确定方法及装置》公开了根据输电线路的跳线类型按照预定顺序设置跳线端点；将相邻的两个跳线的端点确定为一个区间，并根据预先采集的跳线的点云数据提取每个区间内的跳线点云数据；根据所述每个区间内的跳线点云数据确定所述每个区间内的最大弧垂，确定所述每个区间内的最大弧垂对应跳线上的弧垂点；根据所述弧垂点与预先采集的跳线的点云数据、杆塔的点云数据确定跳线的电气间隙。
6.但该专利公开的技术中，所测量的跳线有一定的局限性，需要根据跳线的类型而设定跳线的端点，还需通过两个端点之间的区间确定点云数据，且跳线的两个端点之间的区间不是固定的，因此测量的精度不高，不适用于测量精度要求较高的跳线与铁塔间的距离测量。


技术实现要素：

7.本发明的目的在于克服现有技术的不足，提供一种能适用各种作业环境、准确度、测量效率和安全性高的跳线与铁塔间的测距方法。
8.为实现上述目的，本发明所提供的技术方案为：
9.一种跳线与铁塔间的测距方法，通过无人飞行设备进行远程测量，具体包括以下步骤：
10.s1、对双目相机进行参数标定，得到左右相机的内外参数；
11.s2、通过双目相机采集同时包含有跳线和铁塔的左右图像，并对左右图像进行灰
度化；
12.s3、对已转化为灰度图的左右图像畸变纠正，得到畸变纠正后的左右灰度图像；
13.s4、对畸变纠正后的左右灰度图像进行空间立体匹配，使匹配后的图像能量值最小，并获取最小能量值时各像素点的视差值；
14.s5、通过边缘检测算法检测畸变纠正后的左右灰度图像中跳线与铁塔的边缘点；
15.s6、利用双目成像原理，结合步骤s4得到的各像素点的视差值，获取跳线与铁塔的边缘点的三维坐标；
16.s7、通过三维坐标进行点到点测距，从而得到跳线与铁塔间的距离。
17.进一步地，所述步骤s1利用张正友标定法对双目相机进行参数标定，包括内参数和外参数；然后获取参数信息，包括相机焦距f、图像畸变参数、相机旋转矩阵t、平移矢量e。
18.进一步地，所述步骤s3中，对已转化为灰度图的左右图像畸变纠正，具体包括：
19.畸变包括径向畸变和切向畸变，畸变纠正公式如下：
[0020][0021][0022]
式(1)中，d1,d2,d3为径向畸变参数；q1,q2为切向畸变参数；a1,b1分别为像素点在水平、竖直上的径向畸变；a2,b2分别为像素点在水平、竖直方向上不存在畸变的像素坐标；a3,b3分别为像素点在水平、竖直方向上的切向畸变；
[0023]
然后利用相机旋转矩阵t和平移矢量e，将双目相机的两个像平面进行旋转平移，使其保持在同一水平点上。
[0024]
进一步地，所述步骤s4中，对畸变纠正后的灰度图像信息采用半全局匹配sgm算法进行空间立体匹配，反复迭代得到图像最小能量值，并获取图像最小能量值时各像素点的视差值；半全局匹配sgm算法所采用的能量函数如下：
[0025][0026]
式(2)中，c(k,fk)为当前像素点k在视差值为fk时的匹配代价；fk为像素点k的视差值；fj为像素点j的视差值；k1,k2为惩罚系数；q(.)为判断函数，是则返回1，否则返回0。
[0027]
进一步地，所述步骤s5通过边缘检测算法检测跳线与铁塔的边缘点，具体包括：
[0028]
采用sobel边缘检测算子处理图像，得到图像的边缘点像素，设跳线边缘点和铁塔边缘点的三维空间坐标中，x轴方向距离的最小值x1，y轴方向距离的最小值y1，进而得到跳线与铁塔的边缘点坐标计算公式：
[0029]
[0030]
式(3)中，分别为x轴方向上跳线和铁塔边缘点的坐标；分别为y轴方向上跳线和铁塔边缘点的坐标；θ＝1,2,...,n1；n1,n0分别为水平方向上跳线与铁塔边缘点的个数。
[0031]
进一步地，所述步骤s6中，获取跳线与铁塔的边缘点的三维坐标的过程包括：
[0032]
设有点p，以左相机的光心为三维空间原点，根据相似三角形原理，推出p点三维坐标的关系，即：
[0033][0034]
式中，x
p
、y
p
分别为点p在x、y轴的坐标；y
pl
、y
pr
分别为在y-z投影平面上，左右图像投影点p
l
、pr距坐标原点的距离；x
pl
、x
pr
分别为投影点p
l
、pr在左右图像坐标上距各自坐标原点的距离；f为焦距；b为双目间距；
[0035]
由上式整理得，p(x
p
，y
p
，z
p
)点的三维坐标为:
[0036][0037]
式中，d1为点p在双目成像过程中的视差值；
[0038]
根据相机参数、各边缘点坐标，结合对应的视差值，即可获取跳线与铁塔的边缘点的三维坐标。
[0039]
为实现上述目的，本发明另外提供一种跳线与铁塔间的测距系统，所述跳线与铁塔间的测距系统搭载在无人飞行设备上用于实现上述跳线与铁塔间的测距方法，系统包括顺序连接的双目相机、灰度化模块、畸变纠正模块、空间立体匹配模块、边缘检测模块、边缘点三维坐标转换模块以及距离计算模块；
[0040]
其中，所述双目相机，用于采集跳线和铁塔的左右图像；
[0041]
所述灰度化模块，对采集到的包含有跳线和铁塔的左右图像进行灰度图转化；
[0042]
所述畸变纠正模块，对已转化为灰度图的左右图像进行畸变纠正；
[0043]
所述空间立体匹配模块，用于对畸变纠正后的左右灰度图像进行空间立体匹配；
[0044]
所述边缘检测模块，用于通过边缘检测算法检测跳线与铁塔的边缘点；
[0045]
所述边缘点三维坐标转换模块，利用双目成像原理，结合得到的视差值，获取跳线与铁塔的边缘点的三维坐标；
[0046]
所述距离计算模块，通过三维坐标进行点到点测距，从而得到跳线与铁塔间的距离。
[0047]
为实现上述目的，本发明另外提供一种计算机，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，所述处理器执行所述程序时实现上述跳线与铁塔间的测距方法的步骤。
[0048]
为实现上述目的，本发明另外提供一种存储介质，其存储有计算机程序，该程序被处理器执行时实现上述跳线与铁塔间的测距方法的步骤。
[0049]
与现有技术相比，本技术方案的原理及优点如下：
[0050]
本技术方案首先对双目相机进行参数标定，得到左右相机的内外参数；然后对双目相机采集到的包含有跳线和铁塔的左右图像进行灰度图转化，以及对已转化为灰度图的左右图像畸变纠正，得到畸变纠正后的左右灰度图像；接着对畸变纠正后的左右灰度图像进行空间立体匹配，得到视差值，以及通过边缘检测算法检测跳线与铁塔的边缘点；再接着利用双目成像原理，结合得到的视差值，获取跳线与铁塔的边缘点的三维坐标；最后通过三维坐标进行点到点测距，从而得到跳线与铁塔间的距离。
[0051]
本技术方案能够安全、快速地收集数据，适用各种作业环境，有效识别及精准计算跳线与铁塔间的距离。
附图说明
[0052]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0053]
图1为本发明实施例中一种跳线与铁塔间的测距方法的原理流程图；
[0054]
图2为本发明实施例中一种跳线与铁塔间的测距系统的结构示意图。
具体实施方式
[0055]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0056]
如图1所示，本实施例所述的一种跳线与铁塔间的测距方法，通过搭载在无人飞行设备上的跳线与铁塔间的测距系统进行远程测量，具体包括以下步骤：
[0057]
s1、利用张正友标定法对搭载在无人飞行设备上的双目相机进行参数标定，包括内参数和外参数；然后获取参数信息，包括相机焦距f、图像畸变参数、相机旋转矩阵t、平移矢量e。
[0058]
s2、通过双目相机采集同时包含有跳线和铁塔的左右图像，并采用现有的常用方法对左右图像进行灰度化；
[0059]
s3、对已转化为灰度图的左右图像畸变纠正，得到畸变纠正后的左右灰度图像；
[0060]
对已转化为灰度图的左右图像畸变纠正，具体包括：
[0061]
畸变包括径向畸变和切向畸变，畸变纠正公式如下：
[0062]
[0063][0064]
式(1)中，d1,d2,d3为径向畸变参数；q1,q2为切向畸变参数；a1,b1分别为像素点在水平、竖直上的径向畸变；a2,b2分别为像素点在水平、竖直方向上不存在畸变的像素坐标；a3,b3分别为像素点在水平、竖直方向上的切向畸变；
[0065]
然后利用相机旋转矩阵t和平移矢量e，将双目相机的两个像平面进行旋转平移，使其保持在同一水平点上。
[0066]
s4、对畸变纠正后的左右灰度图像进行空间立体匹配，使匹配后的图像能量值最小，并获取最小能量值时各像素点的视差值；
[0067]
本步骤中，对畸变纠正后的灰度图像信息采用半全局匹配sgm算法进行空间立体匹配，反复迭代得到图像最小能量值，并获取图像最小能量值时各像素点的视差值；半全局匹配sgm算法所采用的能量函数如下：
[0068][0069]
式(2)中，c(k,fk)为当前像素点k在视差值为fk时的匹配代价；fk为像素点k的视差值；fj为像素点j的视差值；k1,k2为惩罚系数；q(.)为判断函数，是则返回1，否则返回0。
[0070]
s5、通过边缘检测算法检测畸变纠正后的左右灰度图像中跳线与铁塔的边缘点，具体包括：
[0071]
采用sobel边缘检测算子处理图像，得到图像的边缘点像素，设跳线边缘点和铁塔边缘点的三维空间坐标中，x轴方向距离的最小值x1，y轴方向距离的最小值y1，进而得到跳线与铁塔的边缘点坐标计算公式：
[0072][0073]
式(3)中，分别为x轴方向上跳线和铁塔边缘点的坐标；分别为y轴方向上跳线和铁塔边缘点的坐标；θ＝1,2,...,n1；n1,n0分别为水平方向上跳线与铁塔边缘点的个数。
[0074]
s6、利用双目成像原理，结合步骤s4得到的视差值，获取跳线与铁塔的边缘点的三维坐标；
[0075]
本步骤中，获取跳线与铁塔的边缘点的三维坐标的过程包括：
[0076]
设有点p，以左相机的光心为三维空间原点，根据相似三角形原理，推出p点三维坐标的关系，即：
[0077][0078]
式中，x
p
、y
p
分别为点p在x、y轴的坐标；y
pl
、y
pr
分别为在y-z投影平面上，左右图像投影点p
l
、pr距坐标原点的距离；x
pl
、x
pr
分别为投影点p
l
、pr在左右图像坐标上距各自坐标原点的距离；f为焦距；b为双目间距；
[0079]
由上式整理得，p(x
p
，y
p
，z
p
)点的三维坐标为:
[0080][0081]
式中，d1为点p在双目成像过程中的视差值；
[0082]
根据相机参数、各边缘点坐标，结合对应的视差值，即可获取跳线与铁塔的边缘点的三维坐标。
[0083]
s7、通过三维坐标进行点到点测距，从而得到跳线与铁塔间的距离。
[0084]
下面对涉及到的搭载在无人飞行设备上跳线与铁塔间的测距系统进行描述：
[0085]
如图2所示，一种跳线与铁塔间的测距系统，包括顺序连接的双目相机1、灰度化模块2、畸变纠正模块3、空间立体匹配模块4、边缘检测模块5、边缘点三维坐标转换模块6以及距离计算模块7；
[0086]
其中，双目相机1，用于采集跳线和铁塔的左右图像；
[0087]
灰度化模块2，对采集到的包含有跳线和铁塔的左右图像进行灰度图转化；
[0088]
畸变纠正模块3，对已转化为灰度图的左右图像进行畸变纠正；
[0089]
空间立体匹配模块4，用于对畸变纠正后的左右灰度图像进行空间立体匹配；
[0090]
边缘检测模块5，用于通过边缘检测算法检测跳线与铁塔的边缘点；
[0091]
边缘点三维坐标转换模块6，利用双目成像原理，结合得到的视差值，获取跳线与铁塔的边缘点的三维坐标；
[0092]
距离计算模块7，通过三维坐标进行点到点测距，从而得到跳线与铁塔间的距离。
[0093]
具体地，本实施例还包括有一种计算机，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，该处理器执行所述程序时实现上述跳线与铁塔间的测距方法的步骤。
[0094]
具体地，本实施例还包括有一种存储介质，其存储有计算机程序，该程序被处理器执行时实现上述跳线与铁塔间的测距方法的步骤。
[0095]
本实施例具有能够安全、快速地收集数据、适用各种作业环境、有效识别及精准计算跳线与铁塔间的距离等优点。
[0096]
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范
围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。