基于激光雷达和可见光立体测量的无人机电力巡线技术研究

随着社会经济的迅速发展,电力供电可靠性要求在不断提高,输配电线路的覆盖范围越来越广,电力巡检技术正在向自动化、智能化方向不断发展.随着无人机技术的发展与普及,将其应用于电力线路巡检技术中将极大提高电力工人在线路巡线、紧急抢修及状态监测等方面的工作效率.本文基于激光雷达和可见光立体测量技术,对无人机激光雷达巡线作业模式下的激光点云自动分类方式进行了研究,并基于多旋翼可见光立体测量的电力线路走廊进行三维建模,以达到有效提升模型生产效率的目的.基于本文提出的方法,对某段电力线路巡检,验证了本文所提出的无人机电力巡线技术的有效性及可行性.     

无人机激光雷达智能识别输电线路缺陷

针对我国高压输电线路巡检周期长、作业强度大、无法保证巡检结果客观性与完整性的问题,提出了一套无人机三维激光雷达智能识别输电线路缺陷的研究方法。该方法首先使用自动化分类方法将走廊三维点云进行金字塔式数据重采样及分档式处理;其次将分档数据自动划分为地面、植被、杆塔、导线4个类别,结合人工判读识别低等电力线、公路等其他类别;最终,根据国网相关安全局规程提取当前工况下导线与周围地物存在的安全缺陷。实验数据表明,所提出的方法可有效识别导线-植被、导线-建筑物、导线-交跨等多类重要缺陷,可大幅提升现有高压输电线路巡检流程的质量与效率。     

基于多传感器融合的无人机电力线巡检

电力线与下方物体的距离是输电线路安全运行的重要指标,需要对其巡检以保证其距离满足安全距离条件.提出一种测距方案,使用无人机基于三维场景重建测量电力线与下面的地物间的距离.通过将激光点云数据、影像数据和位置信息在时空维度配准,实时生成电力线路附近区域彩色图像与激光雷达的融合信息,利用深度学习算法多模态神经网络的RGB-Depth语义分割提取输电线路特征,基于体素、大规模语义场景重建以及导线建模,通过拟合线模型铅垂线方法对下方地物安全距离进行实时检测,实现了判断电力线下方地物距离是否符合安全生产条件.实验结果证明该测距方案具有实用性和准确性,有助于提高输电线路运维水平.     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

基于LiDAR与可见光融合的自动风电叶片巡检方法

传统风机叶片使用人工吊篮、望远镜、手动操控无人机的方式进行巡检,存在巡检难度大、巡检效率低、拍摄数据规范性差等问题。为此,提出了一种在无人机平台上基于LiDAR与可见光融合的风机叶片自动化巡检的方法。通过融合可见光相机、激光雷达采集的多源数据自动规划风机状态的智能感知和无人机航线,可实现拍摄风机叶片的不同部位（前缘、后缘、迎风面、背风面）并选择最佳角度、最佳距离,在保证巡检安全的前提下极大地提升了叶片巡检的质量,同时降低了风机巡检人员的作业难度,提升了风机叶片的巡检效率。     

基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

输电线路无人机自主巡检方法研究与应用

为了解决输电线路无人机巡检作业易受恶劣天气影响、远距离遥控不及时、通信稳定性差等问题,提出了一种输电线路无人机自主巡检方法.首先,利用卡尔曼滤波算滤除原始线路中的轨迹噪点,采用垂距法对轨迹冗余点进行过滤,优化巡检航线;其次,提出基于巡检对象差异特性的动态优化定位方法提升无人机巡检质量.以某220 kV输电线路杆塔进行测试,测试结果表明,提出的方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了无人机自主巡检效率以及巡检精确度.     

基于无人机多传感器数据采集的电力线路安全巡检及智能诊断

随着我国经济社会的不断发展,国家的电力网络系统在不断的完善之中。然而,电力系统不断庞大与电路应急抢修、电路安全巡检、电路安全隐患等高效排查的矛盾日趋凸显。为了能更高效、自动化的满足电力系统巡线和智能诊断需求,笔者研发了一套基于无人机多传感器数据采集技术的电力线路安全巡检系统。巡检人员能利用这一技术构建起高效的巡检系统,并通过高精确度的授时与定位系统,统一紫外、红外和激光传感器的时间、空间数据,然后在后台进行数据的整合与处理,完成对输电线路高精准度的检测和诊断。同时,这种检测系统还能够智能诊断电力线路中缺陷和隐患、获取隐患位置场景信息等,方便施工人员采取下一步工作,提高输电线路的巡检效率。     

基于Faster R-CNN的输电线路缺陷识别模型研究

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。     

基于MSER-Otsu与直线矫正的仪表指针定位算法

针对配电站无人值守作业机器人执行巡检任务时对指针式仪表的识读需求,提出一种结合MSER-Otsu阈值分割与Hough变换直线矫正的仪表指针定位算法。利用最大稳定极值区域算法从表盘图像中粗提取出指针区域,引入迭代Otsu算法进一步对该区域进行阈值分割,将指针、阴影和背景区域像素点分离后仅保留指针的二值化图像,对其采用Hough变换进行指针中心线预定位,再以Huber loss为最优化函数对预定位直线进行矫正,最终完成指针中心线的定位。实验结果表明,该算法能在复杂环境中对仪表指针进行精确定位并计算指针偏转角度,与Hough变换算法和Huber loss拟合算法等相比,其处理速度更快且鲁棒性更高,能满足配电站巡检机器人的实际需求。     

彩色印刷品套准精度分析算法

将图像处理技术和分色原理应用于彩色印刷品套准精度检测中，提出一种新的套印精度分析算法。对标准图像与待检图像分色后，对应色的灰度图像进行配准，最后利用图像固有的信息和配准信息获得套印误差。新算法不需要在印刷品边缘印刷套印色标，从而减少了纸张切边等额外工序。实验结果表明，该算法的检测精度和效率均高于传统套印误差检测方法，完全满足精密彩色印刷品套印误差检测的要求。     

基于机载LiDAR点云的电力线自动提取

基于机载激光雷达数据提出了一种在林区中电力线自动提取方法,该方法是基于统计分析和二值化图像处理技术设计。首先采用高度阈值,分离出电力线候选数据集,并采用一组标准(例如,高度标准,密度标准和直方图阈值)来对候选集进行统计分析,选择电力线的候选点。然后将候选点转化为二值化图像,并进行形态学优化,采用基于图像的处理技术,利用渐进概率霍夫线性变换对图像进行直线分割。最后将分割出来的电力线二值化图像转换成三维点云,并利用区域增长精细化提取电力线点云。使用不同林区环境下的4组机载激光雷达数据进行实验,实验结果表明,算法在林区环境下能够完整地提取出电力线,且电力线分类精度较高,对于电力巡线具有较高的利用价值。     

基于圆结构光的复杂深孔内轮廓尺寸测量方法

涡流法、超声法测量深孔截面轮廓尺寸精度低,而光学单点扫描法测量效率低。介绍了一种基于圆结构光的复杂深孔内轮廓3维测量系统,提出了一种采用FFT分析和差分分析进行测试数据处理的方法,能够实现快速高精度测量。测试系统主要由圆结构光发生器、扩束锥镜、成像锥镜、镜头和CCD组成,对于获取的每一幅被测截面的结构光图像,首先提取光条中心,对光条中心上的点作最小二乘法拟合获取光条中心拟合圆心,并以此圆心点将光条中心线展开,展开波形中存在整体形状误差,主要由圆心偏心误差、椭圆形状误差两个周期性误差分量构成,由于二者振动频率与细节分量的振动频率不相同,借助于FFT分析,将两个误差分量分离出来,进而采取措施减小其对系统的影响;差分分析用于去除阴线和阳线之间的过渡线。该方法提高了阴线圆与阳线圆尺寸计算的精度和效率,实验结果表明,系统内径测量精度达到005mm。     

Automated visual inspection of rolled metal surfaces

A prototype for an automated visual on-line metal strip inspection system is described. The system is capable of both detecting and classifying surface defects in copper alloy strips, and it has been installed for evaluation in a production line in a rolling mill. The image acquisition part of the system is based on a CCD line scan camera and condensing bright field illuminators. The inspection algorithms are based on morphological preprocessing and combined statistical and structural defect recognition. The image processing hardware consists of commercial modules. An analysis of this implementation is presented. A similar inspection principle has also been successfully applied to steel strip inspection.     

基于图像识别技术的轨道交通缺陷检测研究

传统人工巡检轨道交通缺陷存在效率低、误差大等缺点,运用综合轨道检查车(CTIV)为检测平台,建立了一种车载式轨道交通图像识别智能巡检系统。利用CTIV采集连续轨道边界框图像建立数据集,在C++中使用应用程序开发框架(QT)设计了可视化数据标注的定制软件工具。通过全卷积网络(FCN)建立了多任务学习扩展网络架构,结合多个...     

应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统设计

野外电力线路易发生损坏,且时变特性干扰较大,检测准确度较低,因此,设计应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统。该系统通过数据采集模块和飞行状态检测模块,分别进行电力线路图像数据获取与飞行状态监测,飞行控制模块接收图像与状态数据,并在轨迹跟踪控制子模块中使用自适应鲁棒滑模控制算法,实现无人机的轨迹跟踪,同时,该模块经无线数据传输模块将数据传输至地面站,在巡检数据智能分析管理模块中,地面站根据数据信息,完成电力线路故障识别,进而实现电力线路无人机智能化巡检。实验结果表明,该系统具有良好的轨迹跟踪效果,且巡检准确率较高,满足多种天气作业需求。     

输电线路部件视觉缺陷检测综述

随着我国电网系统的不断发展，基层巡检作业负担越来越重，运维成本越来越高，如何实现输电线路部件缺陷的智能化检测变得愈发重要。同时，由于国家《新一代人工智能发展规划》的提出和国家电网"数字新基建"的部署，人工智能应用于电力设备运维的相关技术得到了快速发展，对输电线路部件视觉缺陷准确检测成为亟待解决的关键问题之一。早期基于图像处理和特征工程的部件视觉缺陷检测方法对图像质量的要求较高，无法真正应用于现实复杂的输电线路作业环境；随着深度学习的兴起，基于深度学习的检测模型可以有效地将部件目标及其缺陷从复杂的输电线路航拍图像中提取出来，既节省了人工设计特征的时间，又在性能上达到了显著提升，因此逐渐成为主流研究方法。本文首先描述了基于传统算法的输电线路关键部件视觉缺陷检测技术，回顾了深度学习的发展过程并分析了深度学习在缺陷检测领域的优缺点；围绕输电线路上3个重要的部件：绝缘子、金具以及螺栓，介绍了其定位与缺陷检测的研究现状；分析了输电线路部件缺陷检测中研究的样本不平衡问题、小目标检测问题、细粒度检测问题等几个关键问题；分析了符合电网巡检任务复杂场景需求和故障诊断标准的输电线路部件缺陷检测技术的未来发展趋势。     

An on‐line grid‐gaps inspection system for electron‐gun manufacturing

An on‐line grid gaps inspection system (GGIS) for color‐CRT electron‐gun manufacturing has been developed. The measuring principle is based on the digital‐image‐processing technique and incorporates a design of stepping motor motion control. By utilizing the arrangement of stepping path image processing, the measurements for different types of guns and for different gaps on a gun can be effectively executed with higher resolution, and are easily implemented for the purposes of on‐line inspection and statistical quality control. Experimental results show that the system resolution is about 8.5–10 μm and the on‐line inspection index has been improved to about 120 pieces/hour.     

基于无人机巡检的输电线路规避系统设计

针对无人机进行输电线路巡检时存在与线路发生碰撞的风险,影响无人机巡线系统及输电线路运行安全。基于毫米波雷达传感器,采用LTCC多层技术,设计了输电线路规避系统,通过采用恒虚警算法和多目标检测算法,设计了规避算法。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。