【技術實現步驟摘要】
本專利技術涉及電力系統安全監測，具體涉及一種輸電線路異物入侵測距算法及相關產品。
技術介紹
1、隨著電力傳輸網絡的迅速擴展，輸電線路的安全性和可靠性受到廣泛關注。輸電線路運行環境復雜，通常位于野外，受到風雨雷電、動植物等多種因素影響，線路通道內的異物侵入成為影響電力傳輸的重要隱患之一。傳統的輸電線路安全監控方法，如定期巡檢，既費時費力又難以及時發現異物，因而引入自動化、智能化的監控手段成為行業需求。
2、在計算機
，測距技術包括卷尺測距、紅外測距、激光測距、毫米波雷達測距、雙目立體視覺測距等，這些方法各具特點，適用于不同的應用場景。例如，卷尺適用于簡單的物理測量，紅外測距和激光測距儀在短距離測量上較為便捷，但精度受現場環境及天氣影響較大；毫米波雷達雖然不受天氣干擾，但其分辨率有限，難以準確識別具體目標。雙目立體視覺測距雖然成本較低，但對環境光的敏感性較高，且計算復雜度高，導致其在戶外應用中難以推廣。激光雷達技術因其精度高、響應快且抗干擾能力強，在諸多場合具有較好的應用前景，但在濃霧、雨雪等惡劣天氣條件下，其穿透力受到一定限制。
3、當前輸電線路的入侵檢測系統主要依賴硬件和軟件獨立運行，存在功耗較高、測距精度和實時性不理想、軟硬件結合度低等問題，難以滿足現場復雜環境下的檢測要求。例如，雙目立體視覺系統基于視差原理，易受天氣影響，導致特征點提取困難，并且在灰度失真、幾何畸變、噪聲干擾和遮擋物體匹配問題上表現出明顯不足。此外，近年來，深度學習和3d結構光技術在目標檢測和測距應用方面發展迅速，但純粹基于軟件
技術實現思路
1、本專利技術所要解決的技術問題是現有輸電線路異物入侵檢測方法在復雜戶外環境中無法兼顧高精度、實時性和低功耗的難題，尤其是當前技術手段難以在惡劣天氣條件下穩定檢測入侵物體，且難以精確計算入侵物體與輸電線路的距離，目的在于提供一種輸電線路異物入侵測距算法及相關產品，實現了對異物入侵的高效識別和精確測距，能夠實時計算入侵物體與導線的距離，并在達到預警閾值時自動觸發報警機制，有效提升了檢測系統的精度、實時性和穩定性。
2、本專利技術通過下述技術方案實現：
3、一種輸電線路異物入侵測距算法，包括：
4、獲取目標區域的機載點云數據和地面點云數據，融合后獲得精化點云數據，并將精化點云數據與可見光圖像融合，生成目標區域的三維模型數據；
5、收集并構建包含正負樣本的目標檢測數據集，構建壓縮型yolo模型，并結合ca注意力機制進行訓練，生成用于入侵物體識別的目標識別模型；
6、實時采集目標區域的可見光圖像，并通過目標識別模型和多幀差分法進行入侵物體識別，若任意方法檢測到入侵物時觸發測距機制；
7、對激光點云數據進行處理，構建點云模型；計算入侵物體中心點，并測算入侵物體中心點與導線的初步距離；
8、將可見光圖像和點云模型進行拼接，生成最終三維模型并計算入侵物體中心點與導線的最終距離，若最終距離小于設定閾值，則觸發報警。
9、具體地，生成目標區域的三維模型數據的方法包括：
10、通過機載激光雷達和地面激光雷達對目標區域進行環境掃描，獲得機載點云數據和地面點云數據；
11、計算點云數據di的局部熵其中，pk為di的鄰域中不同距離級別下的概率密度，k為鄰域范圍內的分段數量；
12、設定熵閾值，若局部熵小于熵閾值，則刪除對應點云數據；若局部熵不小于熵閾值，則保留對應點云數據；
13、獲得抽稀后的機載點云數據q＝{q1，q2，...，qn}；抽稀后的地面點云數據p＝{p1，p2，...，pm}；
14、定義初步旋轉矩陣r和平移矩陣t，并通過配準誤差函數對機載點云數據和地面點云數據進行初步配準，配準誤差函數其中，為加權因子，α為調整參數，為點pi的梯度，為點qi的梯度，m為機載點云數據中點數量；
15、完成初步配準后，通過多層次配準誤差函數對不同分辨率層次的點云數據進行配準，多層次配準誤差函數其中，βl為層次權重因子，rl為第l層的旋轉矩陣，tl為第l層的平移矩陣，l為多分辨率的層次數量；
16、完成多次配準后，獲得融合后的點云數據，使用高斯核或鄰域平均法對點云數據進行平滑處理后，獲得精化點云數據；
17、通過最小化誤差函數將可見光圖像中的特征點和精化點云數據中的特征點進行匹配，獲得點云數據在圖像空間的映射，誤差函數其中，(ui，vi)為圖像中檢測到的特征點的像素坐標，(xi，yi，zi)為點云數據中的三維坐標，(fx，fy)為相機的焦距，(cx，cy)為圖像中心的光心坐標；
18、利用精化點云數據的三維坐標和可見光圖像的顏色信息，將點云數據映射到圖像紋理，生成目標區域三維模型數據。
19、具體地，目標識別模型的生成方法包括：
20、對目標檢測數據集內的樣本圖片進行標注，并通過數據增強策略進行增強，t(x)＝{t1(x)，t2(x)，...，tz(x)}，其中，t(x)為增強后的樣本集合，tz(x)為第z種增強操作；
21、構建壓縮型yolo網絡，利用剪枝或量化方法減少網絡參數量，將增強后的樣本集合輸入至壓縮型yolo網絡，經過卷積運算和池化操作后得到第l個尺度的特征圖fl；
22、設定特征圖的通道注意力權重為和確定ca注意力機制的輸出其中，fl，c(i，j)為輸入特征圖fl第c通道位置(i，j)的像素值，和分別為高度和寬度方向的注意力權重，和分別為特征圖在高度和寬度方向上的平均值，conv表示卷積層；
23、對所有像素點進行注意力增強后獲得增強后的特征圖；
24、完成對所有尺度的特征圖的注意力增強，融合后的獲得融合特征圖其中，αs為第s個尺度的融合權重，fs為經過注意力增強后的第s個尺度的特征圖，s為尺度數量；
25、定義損失函數其中：為位置損失，為分類損失，為目標損失，λloc，λcls，λobj分別為各項損失的權重系數；
26、將融合特征圖作為訓練數據，使用隨機梯度下降或adam優化算法對壓縮型yolo網絡進行迭代訓練，直至損失函數收斂，獲得最終的目標識別模型。
27、具體地，通過目標識別模型進行入侵物體識別的方法包括：
28、實時采集目標區域的可見光圖像，獲取連續幀圖像流；
29、對連續幀圖像流中的每一幀進行數據預處理，將其輸入至目標識別模型，經模型內部的特征提取和注意力機制處理，生成檢測結果；
30、若檢測到符合特定類別的入侵物體，則模型返回該入侵物體的邊界框坐標和類別信息；
31、根據邊界框信息計算入侵物體的中心點位置，若中心點與導線之間的距離小于觸發閾值，則觸發測距機制。
32、具體地，通過多幀差分法進行入侵物體識別的方法包括：
33、實時采集目標區域的可見光圖像，獲本文檔來自技高網...
【技術保護點】
1.一種輸電線路異物入侵測距算法，其特征在于，包括：
2.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，生成目標區域的三維模型數據的方法包括：
3.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，目標識別模型的生成方法包括：
4.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，通過目標識別模型進行入侵物體識別的方法包括：
5.根據權利要求4所述的一種輸電線路異物入侵測距算法，其特征在于，通過多幀差分法進行入侵物體識別的方法包括：
6.根據權利要求5所述的一種輸電線路異物入侵測距算法，其特征在于，初步距離的計算方法包括：
7.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，最終距離的獲得方法包括：
8.一種輸電線路異物入侵測距終端，包括存儲器、處理器以及存儲在存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-7中任一項所述的一種輸電線路異物入侵測距方法。
9.一種計算機可讀存儲
10.一種計算機程序產品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執行時實現如權利要求1-7中任意一項所述的一種輸電線路異物入侵測距算法。
...【技術特征摘要】
1.一種輸電線路異物入侵測距算法，其特征在于，包括：
2.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，生成目標區域的三維模型數據的方法包括：
3.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，目標識別模型的生成方法包括：
4.根據權利要求1所述的一種輸電線路異物入侵測距算法，其特征在于，通過目標識別模型進行入侵物體識別的方法包括：
5.根據權利要求4所述的一種輸電線路異物入侵測距算法，其特征在于，通過多幀差分法進行入侵物體識別的方法包括：
6.根據權利要求5所述的一種輸電線路異物入侵測距算法，其特征在于，初步距離的計算方法包括：
7.根據權利要求...
【專利技術屬性】
技術研發人員：艾琳豐，李維強，程昌奎，龐軍，劉雨龍，王瀚琳，閔也，劉東霖，唐靖杰，葉宇辰，徐昱，林徐文，
申請(專利權)人：國網四川省電力公司天府新區供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。