System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于高精激光点云的输电通道隐患检测方法及系统技术方案_技高网

一种基于高精激光点云的输电通道隐患检测方法及系统技术方案

技术编号:43544719 阅读:2 留言:0更新日期:2024-12-03 12:25
本发明专利技术公开了一种基于高精激光点云的输电通道隐患检测方法,包括以下步骤:S1:获取待检测输电通道的高精激光点云数据;S2:将所述待检测输电通道的高精激光点云数据转换为待检测输电通道的RGB图像;S3:将所述待检测输电通道的RGB图像输入到预训练的改进YOLOv7模型,获得待检测输电通道存在的隐患。本发明专利技术不仅效率高且成本低。

【技术实现步骤摘要】

本专利技术涉及输电通道隐患检测,更具体的说是涉及一种基于高精激光点云的输电通道隐患检测方法及系统


技术介绍

1、目前多采用人工方式对输电通道存在的隐患进行检测,其不仅效率低且成本高;

2、因此,如何提供一种高效低成本的输电通道隐患检测方法及系统是本领域技术人员亟需解决的问题。


技术实现思路

1、有鉴于此,本专利技术的目的是提供一种基于高精激光点云的输电通道隐患检测方法及系统,其不仅效率高且成本低。

2、为了实现上述目的,本专利技术采用如下技术方案:

3、一种基于高精激光点云的输电通道隐患检测方法,包括以下步骤:

4、s1:获取待检测输电通道的高精激光点云数据;

5、s2:将所述待检测输电通道的高精激光点云数据转换为待检测输电通道的rgb图像;

6、s3:将所述待检测输电通道的rgb图像输入到预训练的改进yolov7模型,获得待检测输电通道存在的隐患。

7、优选的,所述改进yolov7模型将backbone网络中的所有cbs模块替换为pp-cbs模块,所述pp-cbs模块是在所述cbs模块的传统卷积层与批量归一化层之间依次增加了一个部分卷积层和一个逐点卷积层。

8、优选的,采用以下步骤获取所述预训练的改进yolov7模型:

9、s31:获取若干输电通道的高精激光点云数据;

10、s32:将所述若干输电通道的高精激光点云数据转换为若干输电通道的rgb图像;

<p>11、s33:对所述若干输电通道的rgb图像中各个安全隐患进行标注,获得训练集;

12、s34:基于所述训练集对所述改进yolov7模型进行训练,以获得所述预训练的改进yolov7模型。

13、优选的,所述各个安全隐患包括导线松弛、树木接近电线、杆塔损坏和绝缘子缺失。

14、优选的,采用以下步骤将高精激光点云数据转换为rgb图像:

15、对高精激光点云数据进行预处理;

16、将预处理后的高精激光点云数据转换为体素化数据;

17、根据marching cubes算法从所述体素化数据中重建三维表面;

18、获取高精激光点云数据的颜色信息;

19、根据预先选择的视角将包含颜色信息的三维表面投影到二维平面上;

20、根据投影后的二维坐标和颜色信息,生成栅格图像;

21、调整栅格图像的亮度、对比度和饱和度,并根据需要裁剪和缩放栅格图像,以获得rgb图像。

22、一种基于高精激光点云的输电通道隐患检测系统,包括高精激光点云数据获取模块、图像转换模块以及隐患检测模块;

23、所述高精激光点云数据获取模块用于获取待检测输电通道的高精激光点云数据;

24、所述图像转换模块用于将所述待检测输电通道的高精激光点云数据转换为待检测输电通道的rgb图像;

25、所述隐患检测模块为预训练的改进yolov7模型,用于对所述待检测输电通道的rgb图像进行检测,获得待检测输电通道存在的隐患。

26、优选的,所述改进yolov7模型将backbone网络中的所有cbs模块替换为pp-cbs模块,所述pp-cbs模块是在所述cbs模块的传统卷积层与批量归一化层之间依次增加了一个部分卷积层和一个逐点卷积层。

27、优选的,上述系统还包括改进yolov7模型训练模块;

28、所述改进yolov7模型训练模块包括所述高精激光点云数据获取模块、所述图像转换模块、数据标注模块以及预训练模块;

29、所述高精激光点云数据获取模块用于获取若干输电通道的高精激光点云数据;

30、所述图像转换模块用于将所述若干输电通道的高精激光点云数据转换为若干输电通道的rgb图像;

31、所述数据标注模块用于对所述若干输电通道的rgb图像中各个安全隐患进行标注,获得训练集;

32、所述预训练模块用于基于所述训练集对所述改进yolov7模型进行训练,以获得所述预训练的改进yolov7模型。

33、优选的,所述各个安全隐患包括导线松弛、树木接近电线、杆塔损坏和绝缘子缺失。

34、优选的,所述图像转换模块包括预处理模块、体素化数据转换模块、三维表面重建模块、颜色信息获取模块、投影模块、栅格图像生成模块以及图形调整模块;

35、所述预处理模块用于对高精激光点云数据进行预处理;

36、所述体素化数据转换模块用于将预处理后的高精激光点云数据转换为体素化数据;

37、所述三维表面重建模块用于根据marching cubes算法从所述体素化数据中重建三维表面;

38、所述颜色信息获取模块用于获取高精激光点云数据的颜色信息;

39、所述投影模块用于根据预先选择的视角将包含颜色信息的三维表面投影到二维平面上;

40、所述栅格图像生成模块用于根据投影后的二维坐标和颜色信息,生成栅格图像;

41、所述图形调整模块用于调整栅格图像的亮度、对比度和饱和度,并根据需要裁剪和缩放栅格图像,以获得rgb图像。

42、经由上述的技术方案可知,与现有技术相比,本专利技术公开提供了一种基于高精激光点云的输电通道隐患检测方法及系统,其不仅效率高且成本低。

本文档来自技高网
...

【技术保护点】

1.一种基于高精激光点云的输电通道隐患检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,所述改进YOLOv7模型将BackBone网络中的所有CBS模块替换为PP-CBS模块,所述PP-CBS模块是在所述CBS模块的传统卷积层与批量归一化层之间依次增加了一个部分卷积层和一个逐点卷积层。

3.根据权利要求1所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,采用以下步骤获取所述预训练的改进YOLOv7模型:

4.根据权利要求3所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,所述各个安全隐患包括导线松弛、树木接近电线、杆塔损坏和绝缘子缺失。

5.根据权利要求1或3所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,采用以下步骤将高精激光点云数据转换为RGB图像:

6.一种基于高精激光点云的输电通道隐患检测系统,其特征在于,包括高精激光点云数据获取模块、图像转换模块以及隐患检测模块;

7.根据权利要求6所述的一种基于高精激光点云的输电通道隐患检测系统,其特征在于,所述改进YOLOv7模型将BackBone网络中的所有CBS模块替换为PP-CBS模块,所述PP-CBS模块是在所述CBS模块的传统卷积层与批量归一化层之间依次增加了一个部分卷积层和一个逐点卷积层。

8.根据权利要求6所示的一种基于高精激光点云的输电通道隐患检测系统,其特征在于,还包括改进YOLOv7模型训练模块;

9.根据权利要求8所述的一种基于高精激光点云的输电通道隐患检测系统,其特征在于,所述各个安全隐患包括导线松弛、树木接近电线、杆塔损坏和绝缘子缺失。

10.根据权利要求6或8所述的一种基于高精激光点云的输电通道隐患检测系统,其特征在于,所述图像转换模块包括预处理模块、体素化数据转换模块、三维表面重建模块、颜色信息获取模块、投影模块、栅格图像生成模块以及图形调整模块;

...

【技术特征摘要】

1.一种基于高精激光点云的输电通道隐患检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,所述改进yolov7模型将backbone网络中的所有cbs模块替换为pp-cbs模块,所述pp-cbs模块是在所述cbs模块的传统卷积层与批量归一化层之间依次增加了一个部分卷积层和一个逐点卷积层。

3.根据权利要求1所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,采用以下步骤获取所述预训练的改进yolov7模型:

4.根据权利要求3所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,所述各个安全隐患包括导线松弛、树木接近电线、杆塔损坏和绝缘子缺失。

5.根据权利要求1或3所述的一种基于高精激光点云的输电通道隐患检测方法,其特征在于,采用以下步骤将高精激光点云数据转换为rgb图像:

6.一种基于高精激光点云的输电通道隐患检测系统,其特...

【专利技术属性】
技术研发人员:赵邦博胡伟刘伟东杨大兵李俊磊李致东马春田李丹
申请(专利权)人:国网电力空间技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1