本發(fā)明涉及點(diǎn)云信息處理領(lǐng)域，特別是涉及一種基于點(diǎn)云數(shù)據(jù)的無(wú)人機(jī)電力線巡檢異常檢測(cè)方法。

背景技術(shù)：

1、電力行業(yè)的設(shè)備和設(shè)施往往分布在廣大的地域范圍內(nèi)，如何快速、準(zhǔn)確地發(fā)現(xiàn)設(shè)備故障并及時(shí)處理，一直是電力行業(yè)工作人員關(guān)注的焦點(diǎn)。

2、絕緣子是保障輸電線正常運(yùn)行的重要部件，而傳統(tǒng)通過(guò)人工目視判斷的絕緣子缺陷檢測(cè)方式耗材耗力，近年來(lái)得到大力推廣的無(wú)人機(jī)電力巡檢，通過(guò)多角度進(jìn)行圖像拍攝，然后后期人工分析拍攝圖像，標(biāo)注問(wèn)題，最后反饋的方法，是目前主流的巡檢方法。但是由于無(wú)人機(jī)拍攝圖片數(shù)目多，單個(gè)高架塔拍攝圖像大于?300?張，人工進(jìn)行一張圖片標(biāo)注就需要?5~10?分鐘，工作量巨大。同時(shí)執(zhí)行標(biāo)注工作的相關(guān)人員極易用眼疲勞，從而導(dǎo)致漏標(biāo)，錯(cuò)標(biāo)。

3、而近些年使用圖像處理與深度學(xué)習(xí)的方法，對(duì)圖片進(jìn)行標(biāo)注，對(duì)拍攝圖像進(jìn)行預(yù)處理與圖像增強(qiáng)訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提高了一定的識(shí)別效率，贠衛(wèi)國(guó)等人提出了一種基于yolov5-em的電網(wǎng)缺陷檢測(cè)與識(shí)別方法，訓(xùn)練yolov5-em目標(biāo)檢測(cè)模型對(duì)測(cè)試集圖片和網(wǎng)絡(luò)無(wú)人機(jī)隨機(jī)拍攝視頻進(jìn)行檢測(cè)，但識(shí)別過(guò)程還會(huì)隨著拍攝情況產(chǎn)生一定的影響，存在絕緣子被遮擋的情況，不能及時(shí)從多張圖片中對(duì)輸電塔構(gòu)建立體的信息進(jìn)行全面分析，并且還存在使用深度學(xué)習(xí)網(wǎng)絡(luò)所搭建的計(jì)算中心計(jì)算成本高、多張圖片識(shí)別后統(tǒng)一信息差等缺點(diǎn)，所以基于圖像識(shí)別的絕緣子檢測(cè)難以建立完整的巡檢體系，定位精準(zhǔn)的自爆絕緣子在整個(gè)輸電塔的位置。

4、隨著三維掃描技術(shù)的不斷發(fā)展，通過(guò)使用深度相機(jī)和intel?t265空間慣導(dǎo)相機(jī)進(jìn)行機(jī)載掃描，可以實(shí)現(xiàn)對(duì)各類物體的快速、準(zhǔn)確識(shí)別和定位。另一方面，intel?t265空間慣導(dǎo)相機(jī)可以實(shí)現(xiàn)對(duì)物體的精確定位和跟蹤。通過(guò)將intel?t265空間慣導(dǎo)相機(jī)與深度相機(jī)相結(jié)合，可以實(shí)現(xiàn)對(duì)物體的點(diǎn)云掃描。

5、基于點(diǎn)云數(shù)據(jù)的電力線異常巡檢方法能夠融合多次采樣掃描的點(diǎn)云數(shù)據(jù)信息，點(diǎn)云數(shù)據(jù)包含了被掃描物體及周圍環(huán)境的點(diǎn)云空間分布，通過(guò)絕緣子鏈特征進(jìn)行點(diǎn)云分割，得到目標(biāo)絕緣子區(qū)域。徐梁剛等人提出一種三維激光點(diǎn)云數(shù)據(jù)中絕緣子串檢測(cè)方法，利用基于混合體素網(wǎng)絡(luò)的絕緣子串點(diǎn)云檢測(cè)方法檢測(cè)出絕緣子串點(diǎn)云。但該方法在復(fù)雜環(huán)境下對(duì)噪聲處理和遮擋分離不足，因此本發(fā)明通過(guò)改進(jìn)數(shù)據(jù)預(yù)處理和異常檢測(cè)算法，有效提高了檢測(cè)的精度和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于開(kāi)發(fā)一種基于點(diǎn)云數(shù)據(jù)的無(wú)人機(jī)電力線巡檢異常檢測(cè)方法，通過(guò)無(wú)人機(jī)掃描輸電塔區(qū)域并對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行處理，結(jié)合智能算法，實(shí)現(xiàn)對(duì)輸電塔絕緣子的異常檢測(cè)，提高巡檢效率和準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于點(diǎn)云數(shù)據(jù)的無(wú)人機(jī)電力線巡檢異常檢測(cè)方法，其中包括以下步驟：

3、a、數(shù)據(jù)采集；

4、b、數(shù)據(jù)預(yù)處理；

5、c、絕緣子鏈目標(biāo)分割；

6、d、絕緣子鏈平面擬合與投影；

7、e、時(shí)序異常檢測(cè)；

8、具體步驟如下：

9、a、數(shù)據(jù)采集?獲取輸電塔的三維點(diǎn)云空間位置信息及顏色信息。

10、b1、對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理；

11、b2、對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行降采樣處理；

12、b3、對(duì)多次采集的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)處理，消除不同位置掃描數(shù)據(jù)之間的誤差。

13、c1、根據(jù)絕緣子鏈在點(diǎn)云中的顏色特征，識(shí)別并分割出絕緣子鏈；

14、c2、通過(guò)絕緣子鏈的幾何形態(tài)特征進(jìn)行進(jìn)一步的分割，使點(diǎn)云數(shù)據(jù)僅包含絕緣子鏈的點(diǎn)云。

15、d1、使用最小二乘法擬合絕緣子鏈的點(diǎn)云數(shù)據(jù)，生成絕緣子鏈的軸向平面方程z=ax+by+c；

16、d2、將擬合后的三維點(diǎn)云數(shù)據(jù)投影到二維圖像平面上，生成平面投影的點(diǎn)云二維圖像；

17、d3、在生成二維投影圖像后，統(tǒng)計(jì)每個(gè)區(qū)間中的點(diǎn)云數(shù)據(jù)量，利用生成的二維投影數(shù)據(jù)創(chuàng)建分布直方圖數(shù)據(jù)序列。

18、e1：生成時(shí)間序列，沿著絕緣子鏈的軸向方向，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分段，生成等間隔的區(qū)間，對(duì)于每個(gè)區(qū)間i，統(tǒng)計(jì)點(diǎn)云數(shù)據(jù)在該區(qū)間的最大值和最小值，并計(jì)算差值，通過(guò)此差值，生成每個(gè)區(qū)間的直方圖數(shù)據(jù)序列，將每個(gè)區(qū)間的差值數(shù)據(jù)按順序排列，形成完整的時(shí)間序列；

19、e2：構(gòu)建結(jié)合絕緣子鏈幾何特征的時(shí)序異常檢測(cè)模型，建立oneclass?svm進(jìn)行序列檢測(cè)，基于生成的時(shí)間序列作為訓(xùn)練數(shù)據(jù)，構(gòu)建時(shí)序異常檢測(cè)模型，使用oneclass?svm作為異常檢測(cè)的核心算法，使用徑向基函數(shù)rbf作為核函數(shù)，其形式為：其中，γ=0.001，γ是核參數(shù)；訓(xùn)練完成后，將新的時(shí)間序列輸入到oneclass?svm模型中進(jìn)行檢測(cè)，通過(guò)計(jì)算每個(gè)點(diǎn)相對(duì)于超平面的距離，若距離超過(guò)一定的閾值，則該點(diǎn)被判定為異常點(diǎn)；

20、e3：確定連續(xù)異常區(qū)間，根據(jù)統(tǒng)計(jì)公式：>,?其中是一個(gè)設(shè)定的最小閾值，表示每個(gè)連續(xù)區(qū)間至少包含的異常點(diǎn)數(shù)量，篩選出異常點(diǎn)數(shù)量大于閾值的區(qū)間，作為潛在的異常殘缺位置；

21、e4：異常點(diǎn)三維復(fù)原與標(biāo)記，通過(guò)步驟d中的投影方程：z=ax+by+c將二維平面中的異常點(diǎn)映射回絕緣子鏈的三維空間坐標(biāo)，確定絕緣子鏈中自爆絕緣子的具體位置；將這些異常點(diǎn)標(biāo)記在輸電塔的三維點(diǎn)云模型中，并生成異常報(bào)告。

22、進(jìn)一步的，步驟a中使用搭載有intel?d435i深度相機(jī)和t265慣性導(dǎo)航相機(jī)的無(wú)人機(jī)，對(duì)輸電塔進(jìn)行全方位掃描。

23、進(jìn)一步的，步驟b1中的濾波處理使用高斯濾波技術(shù)，以去除點(diǎn)云數(shù)據(jù)中的噪聲和誤差點(diǎn)，同時(shí)保持重要的邊緣信息，b2中的降采樣處理采用體素網(wǎng)格降采樣方法，通過(guò)減少數(shù)據(jù)點(diǎn)的密度來(lái)減少計(jì)算負(fù)荷，同時(shí)保持點(diǎn)云數(shù)據(jù)的結(jié)構(gòu)特征。

24、進(jìn)一步的，步驟d1中的最小二乘法擬合步驟：首先，通過(guò)從點(diǎn)云數(shù)據(jù)中提取絕緣子鏈的坐標(biāo)點(diǎn)集，構(gòu)造出線性方程組：ax=b其中，a為系數(shù)矩陣，x為待求解的系數(shù)向量，b為常數(shù)向量，基于以下線性關(guān)系，可以構(gòu)造具體的方程組：接著，對(duì)上述方程組進(jìn)行求解，得到平面方程的系數(shù)a、b和c：最后生成絕緣子鏈的軸向平面方程z=ax+by+c。

25、進(jìn)一步的，步驟d中的最小二乘法擬合進(jìn)行直線檢測(cè)，保證絕緣子鏈的軸向投影擬合精度。

26、本發(fā)明的有益效果為：

27、本發(fā)明通過(guò)高效的點(diǎn)云數(shù)據(jù)采集和處理技術(shù)，能夠快速構(gòu)建輸電塔的三維模型，實(shí)現(xiàn)了高精度的電力線巡檢；

28、本發(fā)明采用基于顏色和幾何特征的絕緣子鏈分割方法，能夠精確提取絕緣子鏈的點(diǎn)云數(shù)據(jù)，提高了分割的準(zhǔn)確性；

29、本發(fā)明結(jié)合最小二乘法和平面投影技術(shù)，保證了絕緣子鏈軸向的精確擬合，為后續(xù)異常檢測(cè)提供了可靠的數(shù)據(jù)支持；

30、本發(fā)明采用oneclass?svm時(shí)序異常檢測(cè)算法，有效識(shí)別并定位自爆絕緣子，提高了電力線巡檢的自動(dòng)化水平和檢測(cè)精度；

31、本發(fā)明通過(guò)自動(dòng)標(biāo)記異常點(diǎn)并生成巡檢報(bào)告，為后續(xù)的維護(hù)工作提供了直接的支持，顯著提升了電力線巡檢的效率和智能化程度；

32、本發(fā)明將無(wú)人機(jī)巡檢、點(diǎn)云數(shù)據(jù)處理、異常檢測(cè)與遠(yuǎn)程維護(hù)系統(tǒng)集成，構(gòu)建了一個(gè)完整的電力巡檢自動(dòng)化解決方案，適用于大規(guī)模電力線路巡檢任務(wù)，有助于提升電力行業(yè)的巡檢效率并降低維護(hù)成本。