风险电塔的位置确定方法、装置、电子设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种风险电塔的位置确定方法、装置、电子设备及存储介质。


背景技术：

2.电力传输基础设施，特别是高压输电塔，在供电系统的正常运作中起着至关重要的作用。但目前，许多电塔是沿海、河流或林区建造的，这些地区通常易受自然灾害(例如野火，地震和洪水)的影响。
3.目前，传统的方式一般是采用人工对电塔进行巡检，以确定风险电塔存在的位置。但由于电塔遍布比较分散，因此通过人工方式确定风险电塔位置的效率较低。


技术实现要素：

4.有鉴于此，本技术提供一种风险电塔的位置确定方法、装置、电子设备及存储介质，用于提高风险电塔的位置确定的效率。
5.第一方面，本技术实施例提供一种风险电塔的位置确定方法，该方法包括：获取数字高程图对应的电塔位置标记图；所述电塔位置标记图中包括多个电塔标记点，每个电塔标记点为电塔位置标记图中预置区域内亮度最高像素点对应的位置坐标；通过所述数字高程图中各像素点对应的高度、归一化植被指数，以及电塔高度对所述电塔位置标记图中的电塔标记点进行过滤；将所述数字高程图和数字高程图对应的多波段正射影像或rgb图像融合为三通道信息图像；根据所述三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型；将目标图像输入到所述电塔位置识别模型，得到电塔位置识别结果，所述电塔位置识别结果中包括多个识别的电塔对应的位置坐标；针对所述电塔位置识别结果中每个所述电塔，确定其预置半径内是否存在两个其他的电塔；所述预置半径对应实际电塔间隔；若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。
6.第二方面，本技术实施例还提供一种风险电塔的位置确定装置，该装置包括：获取模块，用于获取数字高程图对应的电塔位置标记图；所述电塔位置标记图中包括多个电塔标记点，每个电塔标记点为电塔位置标记图中预置区域内亮度最高像素点对应的位置坐标；过滤模块，用于通过所述数字高程图中各像素点对应的高度、归一化植被指数，以及电塔高度对所述电塔位置标记图中的电塔标记点进行过滤；融合模块，用于将所述数字高程图和数字高程图对应的多波段正射影像或rgb图
像融合为三通道信息图像；训练模块，用于根据所述三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型；识别模块，用于将目标图像输入到所述电塔位置识别模型，得到电塔位置识别结果，所述电塔位置识别结果中包括多个识别的电塔对应的位置坐标；确定模块，用于针对所述电塔位置识别结果中每个所述电塔，确定其预置半径内是否存在两个其他的电塔；所述预置半径对应实际电塔间隔；所述确定模块，还用于若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。
7.第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线进行通信，机器可读指令被所述处理器运行时执行第一方面的风险电塔的位置确定方法的步骤。
8.第四方面，本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面中的风险电塔的位置确定方法的步骤。
9.本技术实施例提供的一种风险电塔的位置确定方法、装置、电子设备及存储介质，获取数字高程图对应的电塔位置标记图；将数字高程图和数字高程图对应的多波段正射影像或rgb图像融合为三通道信息图像；根据三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型；将目标图像输入到电塔位置识别模型，得到电塔位置识别结果；针对电塔位置识别结果中每电塔，确定其预置半径内是否存在两个其他的电塔；若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。由于本实施例中的电塔位置识别模型是根据三通道信息图像和过滤后的电塔位置标记图训练得到的，因此通过电塔位置识别模型可得到电塔位置识别结果，从而可基于电塔识别位置结果确定风险电塔所在的位置区域，进而提高了风险电塔位置确定的效率。另外，由于本实施例中电塔位置标记图是通过数字高程图自动标记的，从而节省了人工对数字高程图进行标记的工作，提高了电塔位置识别模型的训练效率。
10.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
11.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
12.图1示出了本技术实施例所提供的一种风险电塔的位置确定方法的流程图；图2示出了本技术实施例所提供的一种电塔位置识别结果示意图；图3示出了本技术实施例所提供的另一种电塔位置识别结果示意图；图4示出了本技术实施例所提供的一种风险电塔的位置确定装置的结构框图。
具体实施方式
13.本技术说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。
14.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。
15.在本技术的描述中，除非另有说明，“/”表示前后关联的对象是一种“或”的关系，例如，a/b可以表示a或b；本技术中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况，其中a，b可以是单数或者复数。并且，在本技术的描述中，除非另有说明，“多个”是指两个或多于两个。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b，或c中的至少一项（个），可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
16.在本技术实施例中，至少一个还可以描述为一个或多个，多个可以是两个、三个、四个或者更多个，本技术不做限制。
17.如图1所示，本技术实施例提供一种风险电塔的位置确定方法，本技术提供的风险电塔的位置确定方法可以包括：s10、获取数字高程图对应的电塔位置标记图。
18.其中，电塔位置标记图中包括多个电塔标记点，每个电塔标记点为电塔位置标记图中预置区域内亮度最高像素点对应的位置坐标。具体的，预置区域可以为由n个临近的像素点组成。数字高程图为数字地表模型（digital surface model，dsm），其包含了地表建筑物、桥梁和树木等物体的高度，即数字高程图中每个像素点都有对应有高度值，该高度值可通过像素点的亮度值进行表示，像素点的亮度越大，其所代表的高度值也就越高。
19.本实施例在获取到数字高程图之后，可以通过分析数字高程图中的各像素点的亮度值来确定电塔位置标记图。具体的，首先获取电塔位置标记图中预置区域内亮度最高像素点对应的位置坐标，然后将获取的像素点的位置坐标确定为电塔标记点，之后根据确定的电塔标记点，以及数字高程图中未进行标记的像素点，生成电塔位置标记图。需要说明的是，本实施例中的电塔位置标记图是由0和1组合成的二值图，其中1代表电塔标记点，0代表未进行标记的像素点。
20.在一个可选实施例中，获取数字高程图对应的电塔位置标记图，包括：s101、使用圆盘形结构元素在每个数字高程图上进行灰度形态侵蚀以生成标记图像；所述圆盘形结构元素是根据电塔的大小确定的。
21.其中，标记图像为灰度值代表的二值图，圆盘形结构元素根据电塔的实际大小确定。
22.s102、通过迭代过程从所述标记图像生成形态重建掩码。
23.其中，形态重建掩码是数字高程图经过形态学滤波后的结果。
24.s103、通过从数字高程图中减去形态重建掩模，标记电塔位置标记图中各个圆盘形结构元素内亮度最高像素点对应的位置坐标，得到电塔位置标记图。
25.在本实施例中，由于大多数电塔在数字高程图中都呈现出类似锥形的地表突出物形象。因此，本实施可通过tophat重构方法可以检测到数字高程图中电塔所在的位置。与许多其他局部最大值检测器相比，通过重建操作的灰度形态学冒顶是斑点状形状检测的有效方法，并且对滤光片大小不太敏感。形态学顶级帽被定义为通过形态学操作计算的图像网格的峰值，并且几种最先进的突出物检测方法已经使用这种形态学操作来成功的进行了检测。
26.具体的，tophat检测使用圆盘形结构元素（e）在dsm上进行灰度形态侵蚀以生成标记图像。然后，通过迭代过程从标记图像生成形态重建掩码。最后，通过从dsm中减去形态重建掩模，可以提取dsm上各个圆盘形结构元素内亮度最高像素点对应的位置坐标，即检测到的电塔。至于本实施例中电塔和数字高程图中其他类似物体的区分，例如楼房、风力发电机等，可以通过尝试大小最适合的圆盘结构元素来进行区分不同的物体，即根据电塔的大小设置对应的圆盘结构元素，以此实现识别数字高程图中电塔所在的位置。
27.在另一个可选实施例中，所述获取数字高程图对应的电塔位置标记图，包括：对每个数字高程图进行滑动固定窗口，根据所述数字高程图中各个固定窗口内亮度最高像素点对应的位置坐标，得到电塔位置标记图。
28.在本实施例中，作为使用不同无监督检测器的比较，在dsm上还可利用具有固定窗口的局部最大值滤波器来检测电塔。在某一个固定大小的区域内（固定窗口内），如果存在明显的亮度最高像素点，则可将该固定窗口内亮度最高像素点对应的位置坐标视为电塔的潜在位置。可选的，本实施例中的固定窗口可以为7个连续像素点，即本实施例选择具有 7个像素点（对应于 2.1 米）的滑动窗口大小，因为它在测试方案中具有最佳的平均性能，同时能够排除例如楼宇等易混淆的物体。
29.进一步的，为了避免存在电塔没有识别到的情况，本实施例可对上述两种方式得到的电塔位置标记图进行叠加，然后基于叠加的电塔位置标记图进行处理，即在得到叠加的电塔位置标记图之后，跳转到s20继续执行。
30.s20、通过数字高程图中各像素点对应的高度、归一化植被指数，以及电塔高度对电塔位置标记图中的电塔标记点进行过滤。
31.其中，本实施例中的电塔高度为电塔实际高度。归一化植被指数（normalized difference vegetation index，ndvi）通过测量近红外（植被强烈反射） 和红光（植被吸收）之间的差异来量化植被。ndvi的范围始终为-1至 1。但是每种类型的土地覆盖并没有明确的界限。例如，当值为负数时，很可能是水。另一方面，如果ndvi值接近 1，则很有可能是茂密的绿叶。然而，当ndvi接近于零时，没有绿叶，甚至可能是城市化区域。具体的，归一化植被指数：ndvi=(nir-r)/(nir r)，nir为近红外波段的反射值，r为红光波段的反射值。
32.具体的，所述通过所述数字高程图中各像素点对应的高度、归一化植被指数，以及电塔高度对所述电塔位置标记图中的电塔标记点进行过滤，包括：1、采用归一化差值植被指数过滤所述电塔位置标记图中属于植被的电塔标记点。
33.由于，ndvi的值越大，则说明越有植被覆盖，因此本实施例可通过设定一个合理的阈值来检测植被覆盖区域，若电塔位置标记图中某一个电塔标记点对应的ndvi在较大的区域里，则说明该电塔标记点为植被点（如树木等），即该电塔标记点是不准确，因此需要将该电塔标记点从电塔位置标记图中剔除。
34.2、对电塔位置标记图中不属于电塔高度的电塔标记点进行过滤。
35.由于本实施中的数字高程图中有每个像素点对应的高度值，本实施例在获取到电塔位置标记图之后，根据电塔标记点在数字高程图中对应的高度值对不属于电塔高度的电塔标记点进行过滤。例如，电塔高度为20米，则确定电塔标记点在数字高程图中对应的高度值，然后高度值将明显高于20米或20米的电塔标记点过滤，具体的可以将高度值不在18-22米的电塔标记点过滤。
36.3、根据电塔高度的平均值，对电塔位置标记图中预置范围内存在的多个电塔标记点进行过滤。
37.其中，预置范围可以根据单个电塔所占用的区域大小来确定。如半径50米仅可存在一个电塔，则该预置范围可以根据半径50米在电塔位置标记图中所对应的范围确定。例如，在电塔位置标记图中的预置范围内存在多个电塔标记点，根据电塔高度的平均值对该预置范围内的多个电塔标记点进行过滤，即保留该预置范围内高度值最接近电塔高度的平均值的电塔标记点。
38.需要说明的是，本实施不对过滤电塔标记点的顺序进行限定，即本实施可先根据归一化植被指数对电塔标记点进行过滤，也可以先根据像素点对应的高度对电塔标记点进行过滤，本实施例对此不做具体限定。
39.s30、将数字高程图和数字高程图对应的多波段正射影像或rgb图像融合为三通道信息图像。
40.其中，三通道信息图像包含了三个维度的信息，即三通道信息图像中包括红色波段、归一化植被指数和高度。
41.具体的，本实施通过多视图影像的摄影测量处理，可以得到数字高程图、多波段正射影像和rgb图像。可将数字高程图和数字高程图对应的多波段正射影像进行融合，得到三通道信息图像，其中本实施例根据多波段正射影像计算各个像素点的红色波段、归一化植被指数，根据数字高程图确定各像素点的高度，然后将两幅图像的结果融合到三通道信息图像中。
42.另外，本实施例还可将数字高程图和数字高程图对应的rgb图像进行融合，得到三通道信息图像。其中，根据数字高程图确定各像素点的高度，根据rgb图像计算各个像素点的红色波段、归一化植被指数。具体的，通过下述公式计算归一化植被指数：ndvi=(2*g'-r'-b')
–
(1.4*r'-g')；其中，g'=g/(r g b)，r'=r/(r g b)，b'=b/(r g b)。
43.s40、根据三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型。
44.在本发明提供的一个实施例中，所述根据所述三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型，包括：根据所述三通道信息图像和过滤后的电塔位置标记图进行全卷积网络模型训练，得到电塔位置识别模型；所述三通道信息图像中包括各像素点分别对应的归一化为0-1的红色波段、归一化植被指数和高度；需要说明的是，本实施例中的三通道信息图像为样本图像，过滤后的电塔位置标记图为样本标签，通过对三通道信息图像和过滤后的电塔位置标记图进行全卷积网络模型训练，可以得到电塔位置识别模型。通过该电塔位置识别模型可以识别输入目标图像对应
的电塔位置识别结果。
45.在一个可选的实施例中，本发明为了提高电塔位置模型的训练效率，对全卷积网络的内部结构进行了修改，具体的本技术中的全卷积网络包为3个模块及上采样层，即第一模块、第二模块、第三模块和上采样层，每个模块包括卷积层和最大池化层。优选的，将三通道信息图像的输入大小设置为48*48。因为三通道信息图像的输入大小较小（48
×
48），并且模型任务更简单（二进制），在三个模块中最大池化层之后（一个模块中的池化层让输入数据缩小2倍，三次就是缩小8倍），三通道信息图像的大小将减小到 6
ꢀ×ꢀ
6，并且以下两个完全卷积层将以缩减采样分辨率（6
ꢀ×ꢀ
6）生成两个类（电塔和背景）的预测。最后一层是向上采样层，用于调整与输入图像一样大的输出图像的大小，为了让最后的输出数据和输入数据保持一样大小，需要在最后的上采样层将所有数据扩大8倍。
46.由于通过电塔位置识别模型检测到的电塔通常表示为区域，因此本发明需要通过查找每个区域中的最高点来进一步定位它们在像素级别的位置，即根据电塔位置识别模型得到的电塔位置识别结果之后，需要对识别结果进一步的验证。具体的，本实施例在将目标图像输入到所述电塔位置识别模型，得到电塔位置识别结果之后，所述方法还包括：s401、根据三通道信息图像中各像素点分别对应的归一化植被指数，对得到的所述电塔位置识别结果中错误识别的电塔进行标记。
47.s402、根据三通道信息图像中各像素点分别对应的高度及所述电塔高度的平均值，对得到的所述电塔位置识别结果中错误识别的电塔进行标记。
48.需要说明的是，本实施中的s401和s402与s20中错误识别电塔的确认方式相同，本实施例在此不再赘述。
49.s403、根据标记的电塔位置识别结果及对应的目标图像进行模型训练，更新所述电塔位置识别模型。
50.在本实施例中，在通过s401和s402对电塔位置识别结果中错误识别的电塔进行标记之后，对于每个错误识别到的电塔，在其周围随机生成四个训练样本，并作为负训练样本合并到训练数据中，以便根据该训练数据重新对电塔位置识别模型进行训练，从而实现更新电塔位置识别模型的目的，进而保证通过电塔位置识别模型得到的电塔位置识别结果的准确性。
51.s50、将目标图像输入到电塔位置识别模型，得到电塔位置识别结果，电塔位置识别结果中包括多个识别的电塔对应的位置坐标。
52.其中，目标图像可以是数字高程图和数字高程图对应的多波段正射影像融合得到的三通信息图，也可以是数字高程图和数字高程图对应的rgb图像融合得到的三通道信息图，还可以是rgb图像、数字高程图、多波段正射影像等，本实施例不做具体限定。优选的，本实施例中的目标图像为融合的三通道信息图。
53.需要说明的是，输入到电塔位置识别模型中的目标图像的大小可以任意设定，如该图像可以为256*256、1024*1024等，本实施不对目标图像大小进行限定。本实施例中，通过电塔位置识别模型得到的电塔位置识别结果可如图2所示，图中1代表识别到的电塔，0代表除电塔外的其他物体。
54.s60、针对电塔位置识别结果中每个电塔，确定其预置半径内是否存在两个其他的电塔。
55.其中，所述预置半径对应实际情况下的两个相邻电塔的平均间隔。例如，实际两个电塔间隔的平均距离为50米，则在通过电塔位置识别模型得到电塔位置识别结果之后，针对电塔位置识别结果中每个电塔，确定其预置半径内是否存在两个其他的电塔，如图2中若3个像素点代表距离为50米，则在图2中电塔a和电塔c分别对应的50米范围内不存在两个其他识别到的电塔，说明电塔a和电塔c之间存在一个没有识别到的电塔。
56.s70、若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。
57.需要说明的是，由于现实中的风险电塔可以为因台风、地震或是其他等外在原因而导致的倾斜或是倒塌现象，而本实施例可以通过电塔位置识别模型确定出正常状态下的电塔，基于现实中电塔之间的间隔距离，以及识别的正常状态下的电塔的位置，可以确定出未识别出的电塔的位置区域，即本发明若某个电塔在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。
58.在本实施例提供的一种风险电塔位置确定方式中，将该电塔的预置半径范围内确定为风险电塔的所在位置区域之后，还可以进一步的确定风险电塔在位置区域内的具体位置，具体过程可以为：在确定电塔识别结果中某个电塔在预置半径内仅存在一个电塔，则获取距离该电塔第二近的电塔，然后将该电塔和第二近的电塔之间的中间点确定为风险电塔的所在位置。如图2中，电塔a在预置半径内仅存在一个电塔e，与电塔a相邻的为电塔e和电塔c。其中，电塔c是与电塔a第二近的电塔，则将电塔a和电塔c之间连线的中间点可确定为风险电塔的位置（由于倾斜或是倒塌未识别到），由此可得到风险电塔的位置为b点所对应的位置。
59.在本实施例提供的另一种风险电塔位置确定方式中，由于地形等原因，在野外分布的电塔会存在不在一条直线的情况，即电塔的分布成不规则性，为了解决上述问题，本发明将该电塔的预置半径范围内确定为风险电塔的所在位置区域之后，还可以进一步的确定风险电塔在位置区域内的具体位置，具体过程可以为：在确定电塔识别结果中某个电塔在预置半径内仅存在一个电塔，则获取与该电塔相邻的两个电塔，将与该电塔第二近的电塔作为目标电塔，然后分别以该电塔和目标电塔为圆心绘制两个圆，将两个圆的交点确定为风险电塔的位置。其中，该电梯和目标电塔对应的半径为与其最为临近电塔之间的距离。如图2中，电塔a在预置半径内仅存在一个电塔e，电塔c在预置半径内仅存在一个电塔f，电塔a和电塔c为相邻的电塔。与电塔a最相邻的为电塔e，与电塔c最相邻的为电塔f，则分别以电塔a和电塔e为圆心画圆，将两个圆的交点作为风险电塔的位置。其中，电塔a对应的半径为电塔a到电塔e之间的距离，电塔c对应的半径为电塔c到电塔f之间的距离。
60.进一步的，若得到的电塔位置识别结果中，存在连续的多处无法识别到的电塔，则无法上述两种方式确定风险电塔的具体位置，即上述两种确定风险电塔位置的方式，是在确定仅仅两个电塔之间无法识别到一个电塔的情况，即图2中电塔a和电塔c之间仅可能存在一个没有识别到电塔情况（该处存在倾斜或倒塌的电塔），具体的可通过电塔a和电塔c之间的距离是否远远大于2倍预置半径，若是则可确定电塔a和电塔c之间存在多个风险没有识别到的电塔，若否则可确定电塔a和电塔c之间仅存在一个没有识别到的风险电塔。
61.本实施例中，为解决存在的连续的多处无法识别到的风险电塔的情况，本实施例可以通过调用目标图像所对应的正常状态下的图像，该正常状态下的图像中的所有电塔都
可以识别到，通过比对目标图像与正常状态下的图像，确定连续的多处无法识别到的风险电塔的位置。
62.在一个可选实施例中，若本实施例在某个电塔在其预置范围内存在多个其他的电塔，也可以将该种情况确定风险电塔，该种情况可对应现实中该电塔所在周围出现了其他干扰物体（如树木等），该预置范围为小于预置半径所对应的范围。如图3所示，若图中电塔a在预置范围内存在电塔d、电塔c和电塔f，说明该电塔a、电塔d、电塔c和电塔f所在的位置存在风险，即其中仅有一个点为识别到的电塔，另外三个点为误识别的电塔，为了准确的获取的存在风险电塔的位置，本实施例可以通过归一化差值植被指数确定电塔a、电塔d、电塔c和电塔f中属于植被的标记点；或对电塔a、电塔d、电塔c和电塔f中不属于电塔高度的电塔标记点进行过滤；或根据电塔高度的平均值，对电塔a、电塔d、电塔c和电塔f中预置范围内存在的多个标记点进行过滤。以此实现获取电塔a、电塔d、电塔c和电塔f中真正的电塔位置。
63.进一步的，在根据上述三种方式对电塔a、电塔d、电塔c和电塔f进行过滤时，若过滤后仍存在两个电塔，则还可以根据预置半径确定真正的电塔位置。例如，在图3中通过上述方式可过滤掉电塔d和电塔c，还有两个电塔a和电塔f，此时根据预置半径确定电塔a和电塔f中的真正的电塔位置，若预置半径对应图3中的三个像素点，则最终可确定电塔a为真正的电塔所在位置。
64.本技术实施例提供的一种风险电塔的位置确定方法，获取数字高程图对应的电塔位置标记图；将数字高程图和数字高程图对应的多波段正射影像或rgb图像融合为三通道信息图像；根据三通道信息图像和过滤后的电塔位置标记图进行模型训练，得到电塔位置识别模型；将目标图像输入到电塔位置识别模型，得到电塔位置识别结果；针对电塔位置识别结果中每电塔，确定其预置半径内是否存在两个其他的电塔；若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。由于本实施例中的电塔位置识别模型是根据三通道信息图像和过滤后的电塔位置标记图训练得到的，因此通过电塔位置识别模型可得到电塔位置识别结果，从而可基于电塔识别位置结果确定风险电塔所在的位置区域，进而提高了风险电塔位置确定的效率。另外，由于本实施例中电塔位置标记图是通过数字高程图自动标记的，从而节省了人工对数字高程图进行标记的工作，提高了电塔位置识别模型的训练效率。
65.在采用对应各个功能划分各个功能模块的情况下，图4示出了上述和实施例中涉及的风险电塔的位置确定装置的一种可能的组成示意图，如图4所示，该风险电塔的位置确定装置可以包括：获取模块41，用于获取数字高程图对应的电塔位置标记图；所述电塔位置标记图中包括多个电塔标记点，每个电塔标记点为电塔位置标记图中预置区域内亮度最高像素点对应的位置坐标；过滤模块42，用于通过所述数字高程图中各像素点对应的高度、归一化植被指数，以及电塔高度对所述电塔位置标记图中的电塔标记点进行过滤；融合模块43，用于将所述数字高程图和数字高程图对应的多波段正射影像或rgb图像融合为三通道信息图像；训练模块44，用于根据所述三通道信息图像和过滤后的电塔位置标记图进行模型
训练，得到电塔位置识别模型；识别模块45，用于将目标图像输入到所述电塔位置识别模型，得到电塔位置识别结果，所述电塔位置识别结果中包括多个识别的电塔对应的位置坐标；确定模块46，用于针对所述电塔位置识别结果中每个所述电塔，确定其预置半径内是否存在两个其他的电塔；所述预置半径对应实际电塔间隔；所述确定模块46，还用于若在预置半径内不存在两个其他的电塔，则将该电塔的预置半径范围内确定为风险电塔的所在位置区域。
66.在一个可选的实施例中，所述获取模块41，具体用于：使用圆盘形结构元素在每个数字高程图上进行灰度形态侵蚀以生成标记图像；所述圆盘形结构元素是根据所述电塔的大小确定的；通过迭代过程从所述标记图像生成形态重建掩码；通过从所述数字高程图中减去所述形态重建掩模，标记所述电塔位置标记图中各个圆盘形结构元素内亮度最高像素点对应的位置坐标，得到所述电塔位置标记图。
67.在一个可选的实施例中，所述获取模块41，用于对每个数字高程图进行滑动固定窗口，根据所述数字高程图中各个固定窗口内亮度最高像素点对应的位置坐标，得到所述电塔位置标记图。
68.在一个可选的实施例中，过滤模块42，具体用于：采用归一化差值植被指数过滤所述电塔位置标记图中属于植被的电塔标记点；对所述电塔位置标记图中不属于所述电塔高度的电塔标记点进行过滤；根据所述电塔高度的平均值，对所述电塔位置标记图中预置范围内存在的多个电塔标记点进行过滤。
69.在一个可选的实施例中，训练模块44，具体用于：根据所述三通道信息图像和过滤后的电塔位置标记图进行全卷积网络模型训练，得到电塔位置识别模型；所述三通道信息图像中包括各像素点分别对应的归一化为0-1的红色波段、归一化植被指数和高度；所述全卷积网络中包括3个模块以及上采样层，每个模块中包括卷积层和上采样层。
70.在一个可选的实施例中，所述三通道信息图像的大小为48*48，所述模块包括第一模块、第二模块和第三模块，所述三通道信息图像通过第一模块、第二模块和第三模块依次缩小2倍、4倍、8倍；所述上采样层的大小为8倍。
71.在一个可选的实施例中，训练模块44，具体用于：根据所述三通道信息图像中各像素点分别对应的归一化植被指数，对得到的所述电塔位置识别结果中错误识别的电塔进行标记；根据所述三通道信息图像中各像素点分别对应的高度及所述电塔高度的平均值，对得到的所述电塔位置识别结果中错误识别的电塔进行标记；还用于根据标记的电塔位置识别结果及对应的目标图像进行模型训练，更新所述电塔位置识别模型。
72.基于同一申请构思，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提
供的风险电塔的位置确定方法的步骤。
73.具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述风险电塔的位置确定方法，通过用户对标记控制控件的操作，可实现控制标记图标在虚拟游戏环境中的虚拟对象的表面上进行移动，然后对虚拟对象的特定位置进行标记，从而通过本发明可以提高虚拟对象标记的精度。
74.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本技术所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
75.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
76.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
77.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
78.以上仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。