【技术实现步骤摘要】
本专利技术涉及电网三维构建，尤其涉及一种配网线路导线三维构建方法、装置、终端设备及存储介质。
技术介绍
1、由于配电网线路电压等级较低，其导线与输电线路相比规格较小。使用无人机对配网线路进行巡检时，为了避免无人机触碰到配电网复杂环境下的障碍物，无人机飞行时往往会保持较高的海拔，这就导致拍摄图像中配网线路导线占据的像素比例很低。配网导线本身细长且导线直径较细，在图像中占比小，视觉特征不明显，容易被忽略，导致普通的视觉三维重建算法无法提取图像中配网导线的有效特征，进而导致重建的三维点云存在导线断续的情况，严重影响配网线路三维重建的准确性。
技术实现思路
1、本专利技术实施例提供一种配网线路导线三维构建方法、装置、终端设备及存储介质，能有效解决现有技术无法提取图像中配网导线的有效特征，进而导致重建的三维点云存在导线断续的情况，严重影响配网线路三维重建的准确性的问题。
2、本专利技术一实施例提供一种配网线路导线三维构建方法，包括：
3、获取待处理配网线路图像以及相机内外参数；
4、根据所述待处理配网线路图像以及预设的图像增强方式进行图像预处理，得到目标配网线路图像；
5、根据所述待处理配网线路图像计算结构张量，得到待处理配网线路图像的图像结构张量；
6、将所述待处理配网线路图像、所述目标配网线路图像以及所述图像结构张量，输入至预设的图像特征提取神经网络中进行特征融合，得到导线特征点位置以及导线特征向量；
7、根据所述导
8、进一步地，所述图像增强方式包括：多尺度边缘检测以及局部对比度增强；
9、根据所述待处理配网线路图像以及预设的图像增强方式进行图像预处理，得到目标配网线路图像，包括：
10、根据所述待处理配网线路图像进行若干次高斯模糊和下采样操作，生成若干个不同分辨率的图像层；
11、在每一分辨率上，对所对应的图像层进行边缘检测，提取得到图像边缘信息；
12、将若干不同分辨率的图像边缘信息进行融合，得到第一特征图像；
13、将所述第一特征图像划分为若干个特征小块，并对每一特小块的亮度直方图进行均衡化，得到若干目标特征小块；
14、对每一目标特征小块进行平滑过渡，得到目标配网线路图像。
15、进一步地，根据所述待处理配网线路图像计算结构张量，得到待处理配网线路图像的图像结构张量，包括：
16、根据所述待处理配网线路图像，确定所述待处理配网线路图像中各像素点的坐标；
17、根据各像素点的坐标，分别计算得到所述待处理配网线路图像的水平方向梯度以及垂直方向梯度；
18、根据各像素点的坐标，计算得到高斯加权函数；
19、根据所述水平方向梯度、所述垂直方向梯度以及所述高斯加权函数，计算得到待处理配网线路图像的图像结构张量。
20、进一步地，将所述待处理配网线路图像、所述目标配网线路图像以及所述图像结构张量，输入至预设的图像特征提取神经网络中进行特征融合，得到导线特征点位置以及导线特征向量，包括：
21、将所述待处理配网线路图像，输入至预设的图像特征提取神经网络中，根据预设的第一卷积层数，进行卷积计算，得到第一卷积特征；
22、将所述目标配网线路图像，输入至预设的图像特征提取神经网络中，根据预设的第二卷积层数，进行卷积计算，得到第二卷积特征；
23、将所述图像结构张量，输入至预设的图像特征提取神经网络中，根据预设的第三卷积层数，进行卷积计算，得到第三卷积特征；
24、根据所述第一卷积特征、所述第二卷积特征、所述第三卷积特征以及预设的权重进行加权特征融合，得到导线特征点位置以及导线特征向量；
25、其中，所述第一卷积层数、所述第二卷积层数以及所述第三卷积层数各不相同。
26、进一步地，所述图像特征提取神经网络还包括：用于表示低层次特征学习的第一多层感知机以及用于表示高层次特征学习的第二多层感知机；
27、根据所述第一卷积特征、所述第二卷积特征、所述第三卷积特征以及预设的权重进行加权特征融合，得到导线特征点位置以及导线特征向量，包括：
28、根据所述第一卷积特征、所述第二卷积特征以及所述第三卷积特征进行维度对齐操作，得到对齐维度后的第一卷积特征、第二卷积特征以及第三卷积特征；
29、根据预设的权重、对齐维度后的第一卷积特征、第二卷积特征以及第三卷积特征采用特征拼接的方式进行特征融合，得到初始融合特征；
30、将所述初始融合特征输入至所述第一多层感知机中，以使捕获导线的边缘特征、角点特征以及纹理特征，根据导线的边缘特征、角点特征以及纹理特征得到目标融合特征；
31、将所述目标融合特征输入至所述第二多层感知机中，以使捕获导线的空间位置特征以及空间结构特征，根据导线的空间位置特征以及空间结构特征，得到最终的导线特征点位置以及导线特征向量。
32、进一步地，根据所述导线特征点位置、导线特征向量以及所述相机内外参数构建三维模型，得到待处理配网线路图像的配网线路导线三维模型，包括：
33、根据所述导线特征向量，计算每一导线特征点的相似度；
34、根据每一导线特征点的相似度以及所述导线特征点位置，求解得到基础矩阵；
35、根据所述基础矩阵以及所述相机内外参数进行矩阵分解，得到相机位姿；
36、根据所述相机位姿以及所述导线特征点位置进行点云融合，生成待处理配网线路图像的配网线路导线三维模型。
37、作为上述方案的改进，本专利技术另一实施例对应提供了一种配网线路导线三维构建装置，包括：
38、导线图像获取模块，用于获取待处理配网线路图像；
39、图像预处理模块，用于根据所述待处理配网线路图像以及预设的图像增强方式进行图像预处理，得到目标配网线路图像；
40、结构张量计算模块，用于根据所述待处理配网线路图像计算结构张量，得到待处理配网线路图像的图像结构张量；
41、图像特征融合模块，用于将所述待处理配网线路图像、所述目标配网线路图像以及所述图像结构张量，输入至预设的图像特征提取神经网络中进行特征融合，得到导线特征点位置以及导线特征向量；
42、导线模型构建模块，用于根据所述导线特征点位置、导线特征向量以及所述相机内外参数构建三维模型，得到待处理配网线路图像的配网线路导线三维模型。
43、进一步地，所述图像增强方式包括：多尺度边缘检测以及局部对比度增强；
44、所述图像预处理模块，用于根据所述待处理配网线路图像以及预设的图像增强方式进行图像预处理，得到目标配网线路图像；
45、根据所述待处理配网线路图像以及预设的图像增强方式进行图像预处理，得到目标本文档来自技高网...
【技术保护点】
1.一种配网线路导线三维构建方法，其特征在于，包括：
2.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，所述图像增强方式包括：多尺度边缘检测以及局部对比度增强；
3.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，根据所述待处理配网线路图像计算结构张量，得到待处理配网线路图像的图像结构张量，包括：
4.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，将所述待处理配网线路图像、所述目标配网线路图像以及所述图像结构张量，输入至预设的图像特征提取神经网络中进行特征融合，得到导线特征点位置以及导线特征向量，包括：
5.如权利要求4所述的一种配网线路导线三维构建方法，其特征在于，所述图像特征提取神经网络还包括：用于表示低层次特征学习的第一多层感知机以及用于表示高层次特征学习的第二多层感知机；
6.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，根据所述导线特征点位置、导线特征向量以及所述相机内外参数构建三维模型，得到待处理配网线路图像的配网线路导线三维模型，包括：
7.
8.如权利要求7所述的一种配网线路导线三维构建装置，其特征在于，所述图像增强方式包括：多尺度边缘检测以及局部对比度增强；
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的一种配网线路导线三维构建方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的一种配网线路导线三维构建方法。
...【技术特征摘要】
1.一种配网线路导线三维构建方法，其特征在于，包括：
2.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，所述图像增强方式包括：多尺度边缘检测以及局部对比度增强；
3.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，根据所述待处理配网线路图像计算结构张量，得到待处理配网线路图像的图像结构张量，包括：
4.如权利要求1所述的一种配网线路导线三维构建方法，其特征在于，将所述待处理配网线路图像、所述目标配网线路图像以及所述图像结构张量，输入至预设的图像特征提取神经网络中进行特征融合，得到导线特征点位置以及导线特征向量，包括：
5.如权利要求4所述的一种配网线路导线三维构建方法，其特征在于，所述图像特征提取神经网络还包括：用于表示低层次特征学习的第一多层感知机以及用于表示高层次特征学习的第二多层感知机；
6.如权利要求1所述的...
【专利技术属性】
技术研发人员：李端姣，章坚，罗劲斌，刘高，张峰，廖如超，廖建东，饶成成，刘成洋，黄振瑜，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
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。