一种基于去雾算法的线路弧垂监测方法与流程

1.本发明涉及电力线路施工技术领域，尤其涉及一种基于去雾算法的线路弧垂监测方法。


背景技术：

2.雾天状况下，施工单位完成线路导地线架设后，如何确定在自然条件下，也满足设计条件，在雾天测量弧垂，往往会出现弧垂最低点不是自然气候下的弧垂最低点，弧垂值不是准确的值等问题，而如果施工单位在该条件下即完成导地线架设，势必与设计不符，从而带来隐患。


技术实现要素：

3.本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于去雾算法的线路弧垂监测方法，以达到减少雾天对施工造成影响的目的。为此，本发明采取以下技术方案。
4.一种基于去雾算法的线路弧垂监测方法，包括以下步骤：
5.1)建立去雾算法模型
6.101)建立视觉系统，视觉系统包括视觉传感器、图像采集模块、图像处理模块，所述的视觉传感器包括相机；根据水平面以及线路的高度，确定照机的位置，使照机在拍摄过程中能准确拍摄到线路弧垂位置；并在不同时段在多个位置、多个角度拍摄照片，并记录包括当地的温度、湿度的气象条件；
7.102)对在有雾时拍摄的图片进行去雾处理，并对大气光值进行改进，得到去雾后的效果图，增强图像的对比度，使边缘变得清晰；
8.103)将去雾后的图像进行图像预处理，采用边缘检测法，定位线路位置，并确保线路边缘信息的完整度；
9.104)根据对线路多次、多角度、多位置拍摄的图像，得到场景的三维重建结构，并根据世界坐标与像素坐标的关系，计算实际线路各点和弧垂最低点的三维坐标；得到形成雾天弧垂图，完成像素坐标与实际三维坐标的转换；
10.105)当雾气散去后，重复步骤101)、103)、104)，形成自然气候下弧垂图，结合温度、湿度进行有关弧垂数据的统计，并对所统计的弧垂进行训练，得到去雾算法模型；
11.2)当线路在雾天施工时，根据温度和湿度，通过去雾算法模型计算出当前状态下弧垂与基准状态下弧垂的差值，从而调整施工时线路的弧垂，确定弧垂最低点位置。
12.对过相机运动对线路进行多次、多角度、多位置的拍摄，得到该场景的三维重建结构，从而解决：检测两基塔之间线路的弧垂，因场景的限制，不可能使用标定物，而将标定物通过攀爬等方式放在线路附近，失去非接触测量意义的问题。
13.本技术方案结合去雾算法图像处理和像素三维技术，形成各类温湿度条件下的雾天测量图形，基于去雾算法模型，得到当前状态下弧垂与基准状态下弧垂的差值，基于差值
对线路弧垂进行修正，使得即使在雾天施工，也能使线路在自然气候下的弧垂最低点与设计相符，消除雾天的施工影响，提高雾天线路安装精度，并为后续同类工程的弧垂测量提供参考选择图形。
14.作为优选技术手段：在步骤101)中，在雾天，对已施工挂线拍照时，相机位于弧垂附近。使得在雾天也能得到弧垂最低点的相对清晰图像。
15.作为优选技术手段：在步骤102)中，采用基于暗通道原理进行去雾处理。从而获取更多的边缘信息，并提高图像的实时性。
16.作为优选技术手段：在步骤103)中，预处理包括图像灰度化、滤波去噪；在预处理后，采用canny检测算子及八邻域边缘跟踪的融合算法，并其于canny算子中的双阈值，对线路位置进行精确定位，以确保线路边缘信息的完整度。采用canny检测算子及八邻域边缘跟踪的融合算法，避免丢失边缘信息，从而确保线路边缘信息的完整度。
17.作为优选技术手段：在步骤105中，在统计时，将温度，湿度设置为基准值，基于tensorflow框架，通过机器学习，对所统计的弧垂进行训练。通过机器学习进行自动学习，实现人工智能。
18.有益效果：本技术方案基于机器视觉识别技术，结合线路雾天施工过程中控制弧垂安装精度，从而控制铁塔受力指标，使施工更高要求的满足设计需要，达到精益化施工目标，掌握雾天过程中施工工艺的高精度控制需要，保障线路工程运行安全，其具有精度高，速度快，监测面广的优点。
附图说明
19.图1是本发明的流程图。
20.图2是本发明的视觉系统框图。
21.图3是本发明的现场结构示意图。
具体实施方式
22.以下结合说明书附图对本发明的技术方案做进一步的详细说明。
23.如图1所示，本发明包括建立去雾算法模型步骤1和在施工时弧垂调整步骤2。
24.建立去雾算法模型步骤1包括：
25.步骤101：建立计算机视觉系统(如图2)，根据水平面以及线路的高度，确保摄像机拍摄过程中可以准确拍摄到线路弧垂位置。雾天在已施工挂线的弧垂附近设置相机一台，并在不同时段在各个位置，多角度拍摄多张照片，并记录当地的温度、湿度等气象条件；
26.步骤102：对已拍摄的图片进行去雾处理，图像去雾的方法一般有三大类，分别有图像增强、图像融合，以及图像复原。不同的需求对应着不同的去雾方法，在本实施例中，为了获取更多的边缘信息以及图像的实时性，本实施例采用了基于暗通道原理的去雾处理方法，并对大气光值进行改进，得到去雾后的效果图，增强图像的对比度，使边缘变得清晰；
27.步骤103：将去雾后的图像进行图像预处理，首先进行图像预处理，包括图像灰度化，滤波去噪等等。然后分析常用的边缘检测算子，边缘检测算子有sobel算子、log算子、roberts算子、canny等等。roberts算子和sobel算子等一阶微分算子定位精度高，实时性好，但往往容易丢失一部分的边缘信息，有时还会出现虚假边缘的情况；log算子算是在
laplace算子上进行了改进，解决了噪声的毛病，但是仍会将部分边缘信息平滑掉，经过与其他检测算子的对比，选取了效果较好的canny边缘检测算子，这里采用了canny检测算子及八邻域边缘跟踪的融合算法，并对canny算子中的双阈值的设定进行了改进，精确定位线路位置，并确保线路边缘信息的完整度。
28.步骤104：本技术方案需检测两基塔之间线路的弧垂，而由于场景的限制，不可能使用标定物，而将标定物通过攀爬等方式放在线路附近，也会失去非接触测量的意义。故本实施例采用一种基于sfm相机的自标定法，即用一个相机运动对线路进行多次、多角度、多位置的拍摄，通过已拍摄的图像从而获取到该场景的三维重建结构。并根据世界坐标与像素坐标的关系，计算出实际线路各点和弧垂最低点的三维坐标；
29.步骤105：雾气散去后，重复步骤101、103、104，形成雾天弧垂图和自然气候下弧垂图，进行有关弧垂数据的统计(温度，湿度设置一个基准值)，并基于tensorflow框架，采用人工智能的方法，对所统计的弧垂进行训练，以此通过温度和湿度等条件，来计算出弧垂与基准状态下的差值。
30.在施工时弧垂调整步骤:
31.当线路在雾天施工时，根据温度和湿度，通过去雾算法模型计算出当前状态下弧垂与基准状态下弧垂的差值，从而调整施工时线路的弧垂，确定弧垂最低点位置。
32.本技术方案基于机器视觉识别技术，结合线路雾天施工过程中控制弧垂安装精度，从而控制铁塔受力指标，使施工更高要求的满足设计需要，达到精益化施工目标，掌握雾天过程中施工工艺的高精度控制需要，保障线路工程运行安全。
33.以上所示的一种基于去雾算法的线路弧垂监测方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。