[發明專利]一種用于架空線路無人機自主巡檢缺陷識別的方法及系統

在審

• 申請號: 202010779989.6
• 申請日: 2020-08-05
• 公開（公告）號: CN112115770A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 邵瑰瑋;談家英;付晶;劉壯;周立瑋;蔡煥青;毛峰;文志科;高超;胡霽;仲堅;陳怡;曾云飛
• 申請（專利權）人: 中國電力科學研究院有限公司;國網江蘇省電力有限公司泰州供電分公司;國網江蘇省電力有限公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 姜麗樓

1.一種用于架空線路無人機自主巡檢缺陷識別的方法，所述方法包括：

獲取固化航線巡檢當次巡檢圖像及相同位置的歷史圖像；

在所述當次巡檢圖像和所述歷史圖像中分別生成關鍵點；

對所述當次巡檢圖像中的關鍵點與所述歷史圖像中的關鍵點進行匹配，將所述當次巡檢圖像中與所述歷史圖像中的關鍵點匹配成功的關鍵點確定為特征點；

通過深度學習模型在所述當次巡檢圖像中定位出電力設備的最小外接矩形區域；

將所述最小外接矩形區域內屬于背景的特征點刪除；以及

基于所述最小外接矩形區域中剩余的特征點的概率分布，識別所述最小外接矩形區域內的電力設備是否存在缺陷。

2.根據權利要求1所述的方法，其中對所述當次巡檢圖像中的關鍵點與所述歷史圖像中的關鍵點進行匹配包括：

基于確定相應的關鍵點之間的綜合歐氏距離和漢明距離，對所述當次巡檢圖像中的關鍵點與所述歷史圖像中的關鍵點進行匹配。

3.根據權利要求2所述的方法，其中將所述當次巡檢圖像中與所述歷史圖像中的關鍵點匹配成功的關鍵點確定為特征點包括：

通過K臨近算法尋找所述當次巡檢圖像中與歷史圖像的關鍵點P₁的漢明距離最近特征點P₂和次近特征點P₃，并將P₁和P₂的漢明距離定義為H₁，P₁和P₃的漢明距離定義為H₂；

設立第一閾值r，若H₁/H₂r，則P₂為P₁的正確匹配點；

獲取所述當次巡檢圖像中的初始特征點集S₁和S₂；

計算所述當次巡檢圖像中的初始特征點集S₁和S₂的坐標的歐氏距離，獲取特征點集S₁和S₂的歐氏距離集S₃，并求出S₃的均值m；

若特征點集S₃中的值小于m，則對應的特征點集S₁和S₂中的特征點P₁和P₂對為正確匹配的特征點，否則為匹配失敗的特征點。

4.根據權利要求1所述的方法，其中將所述最小外接矩形區域內屬于背景的特征點刪除，包括：

將電力設備的最小外接矩形區域劃分成多個等分分塊，獲取每個等分分塊中特征點的數量；

根據每個等分分塊中特征點的數量判斷所述最小外接矩形區域內屬于背景的特征點，將所述最小外接矩形區域內屬于背景的特征點刪除。

5.根據權利要求4所述的方法，其中基于所述最小外接矩形區域中剩余的特征點的概率分布，識別所述最小外接矩形區域內的電力設備是否存在缺陷，包括：

對所述最小外接矩形區域中剩余的特征點的概率進行計算：

N_i為多個等分分塊中第i個等分塊中特征點的數量；其中i為自然數并且2≤i；min(N_i)是多個等分分塊中的最小特征點數量；aver(N_i)是多個等分分塊的特征點數量的平均值；

若δ值小于第二閾值，則確定所述電力設備存在缺陷。