پهپاد فتوگرامتری ارتفاع پایین برای بازرسی خطوط برق

خلاصه

هنگامی که فاصله بین یک مانع و یک خط برق کمتر از فاصله تخلیه باشد، یک قوس تخلیه می تواند ایجاد شود و در نتیجه منبع تغذیه قطع شود. بنابراین، بازرسی های ایمنی منظم برای اطمینان از عملکرد ایمن شبکه های برق ضروری است. پوشش گیاهی بلند و ساختمان‌ها عوامل کلیدی هستند که عملکرد ایمن خطوط انتقال فشار قوی در یک راهرو خط برق را تهدید می‌کنند. بازرسی‌های مبتنی بر جهت و محدوده شدت لیزری یا دستی (LiDAR) زمان‌بر و پرهزینه هستند. برای کارآمدتر و انعطاف‌پذیرتر کردن بازرسی‌های ایمنی، از یک پلت‌فرم سنجش از راه دور وسیله نقلیه هوایی بدون سرنشین (UAV) در ارتفاع پایین، مجهز به دوربین دیجیتال نوری، برای بازرسی راهروهای خطوط برق استفاده شد. ما یک الگوریتم تطبیق نیمه پچ را بر اساس محدودیت های اپی قطبی پیشنهاد می کنیم، با استفاده از ضریب همبستگی (CC) و شکل منحنی آن برای استخراج ابرهای نقطه سه بعدی (3D) برای یک راهرو خط برق. ما از یک جفت تصویر استریو از بین نوار برای بهبود دقت اندازه گیری خط برق با تبدیل جهت خط برق به یک خط تقریباً عمود بر اپی قطبی استفاده می کنیم. فاصله بین خطوط برق و ابر نقطه سه بعدی به عنوان معیاری برای مکان یابی خودکار موانع در راهرو خط برق در نظر گرفته می شود. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش قابل اعتماد، مقرون‌به‌صرفه و کاربردی برای بازرسی عملی خط برق است و می‌تواند موانع را در راهرو خط برق با دقت بهتر از 0.5 ± متر تعیین کند. ما از یک جفت تصویر استریو از بین نوار برای بهبود دقت اندازه گیری خط برق با تبدیل جهت خط برق به یک خط تقریباً عمود بر اپی قطبی استفاده می کنیم. فاصله بین خطوط برق و ابر نقطه سه بعدی به عنوان معیاری برای مکان یابی خودکار موانع در راهرو خط برق در نظر گرفته می شود. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش قابل اعتماد، مقرون‌به‌صرفه و کاربردی برای بازرسی عملی خط برق است و می‌تواند موانع را در راهرو خط برق با دقت بهتر از 0.5 ± متر تعیین کند. ما از یک جفت تصویر استریو از بین نوار برای بهبود دقت اندازه گیری خط برق با تبدیل جهت خط برق به یک خط تقریباً عمود بر اپی قطبی استفاده می کنیم. فاصله بین خطوط برق و ابر نقطه سه بعدی به عنوان معیاری برای مکان یابی خودکار موانع در راهرو خط برق در نظر گرفته می شود. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش قابل اعتماد، مقرون‌به‌صرفه و کاربردی برای بازرسی عملی خط برق است و می‌تواند موانع را در راهرو خط برق با دقت بهتر از 0.5 ± متر تعیین کند. فاصله بین خطوط برق و ابر نقطه سه بعدی به عنوان معیاری برای مکان یابی خودکار موانع در راهرو خط برق در نظر گرفته می شود. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش قابل اعتماد، مقرون‌به‌صرفه و کاربردی برای بازرسی عملی خط برق است و می‌تواند موانع را در راهرو خط برق با دقت بهتر از 0.5 ± متر تعیین کند. فاصله بین خطوط برق و ابر نقطه سه بعدی به عنوان معیاری برای مکان یابی خودکار موانع در راهرو خط برق در نظر گرفته می شود. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش قابل اعتماد، مقرون‌به‌صرفه و کاربردی برای بازرسی عملی خط برق است و می‌تواند موانع را در راهرو خط برق با دقت بهتر از 0.5 ± متر تعیین کند.

کلید واژه ها:

سنجش از راه دور پهپاد ; بازرسی خطوط برق ؛ تطبیق متراکم ؛ تشخیص خودکار موانع در راهرو خطوط برق

1. معرفی

توسعه سیستم خط انتقال 500 کیلوولت ولتاژ فوق العاده بالا (EHV) برای وظایف تامین برق بین استانی و منطقه بزرگ در حال حاضر یک پروژه بزرگ در چین است. اطمینان از عملکرد ایمن این خطوط یکی از وظایف مهم بخش تعمیر و نگهداری برق در تمام سطوح می باشد. ساختمان ها و گیاهان بلند، مانند اکالیپتوس و بامبو، موانع معمولی هستند که عملکرد ایمن خطوط انتقال EHV را در راهروهای خطوط برق تهدید می کنند. بنابراین، شرکت های تعمیر و نگهداری نیرو باید مقدار زیادی از نیروی کار و منابع مادی را به بازرسی راهرو خطوط برق اختصاص دهند و برای حذف به موقع این خطرات ایمنی تلاش کنند.

روش های موجود برای بازرسی خطوط برق به سه دسته تقسیم می شوند. رویکردهای بازرسی دستی، هوابرد LiDAR و پهپاد. در بازرسی دستی زمینی، هر بخش در یک بخش از راهرو خط برق به یک تیم بازرسی ثابت اختصاص داده می شود. تفسیر بصری دستی برای یافتن و ثبت موانع در امتداد راهرو خط برق استفاده می شود. انجام بازرسی زمینی دستی برای نصب خطوط انتقال EHV دشوار است زیرا خطوط انتقال EHV عمدتا در مناطقی قرار دارند که فاقد حمل و نقل هستند. تفسیر موانع به وظیفه شناسی و تجربه پرسنل بازرسی بستگی دارد و بازرسی را ذهنی می کند. علاوه بر این، بازرسی دستی به دید بستگی دارد، بنابراین نقاط کور اجتناب ناپذیر هستند [ 1 ]]. در بازرسی خط برق LiDAR در هوا، یک اسکنر لیزری بر روی یک هلیکوپتر سرنشین دار قرار می گیرد تا ابرهای نقطه سه بعدی اشیاء و خط برق را در راهروی خط برق بدست آورد. در طول پردازش پس، داده های ابر نقطه برای استخراج اشیاء و خطوط برق در راهرو خط طبقه بندی می شوند. فاصله بین اشیا و خطوط برق برای تعیین موقعیت موانع استفاده می شود. تحقیقات موجود نشان می‌دهد که اگرچه ابرهای نقطه‌ای LiDAR در هوا نتایج بازرسی دقیق‌تر و کمتر ذهنی نسبت به بازرسی دستی [ 2 ] ارائه می‌دهند، اما سیستم‌های گران قیمت LiDAR هوابرد هزینه‌های نگهداری بالایی دارند [ 3 ]] در عملیات عملی. این به طور جدی کاربرد و محبوبیت این روش را محدود می کند. برای بازرسی خطوط برق پهپاد در چین، مقررات مربوط به بار پهپاد، ارتفاع پرواز، سرعت و برد پرواز بسیار سختگیرانه است. پروازهای پهپاد باید در محدوده بصری پرواز کنند. در صورتی که پرواز پهپاد مطابق مقررات نباشد، باید از مراجع رسمی مجوز گرفته شود و این امر باعث ایجاد مزاحمت و تاخیر در بازرسی خطوط برق می شود. با این حال، پهپادها مزایای کم هزینه و سهولت کار را دارند، بنابراین یک گزینه جذاب و محبوب برای بازرسی خطوط برق هستند [ 4 ، 5 ، 6 ]، و هم پهپادهای بال ثابت و هم پهپادهای چند روتوری مورد استفاده قرار گرفته اند. سیستم های پهپاد انعطاف پذیر هستند. دوربین های دیجیتال و همچنین دوربین های فیلمبرداری به عنوان حسگرهای پهپاد حمل می شوند [ 7]. مقاله [ 8 ] به طور جامع چگونگی استفاده از فناوری بینایی کامپیوتری در بهره برداری و نگهداری خطوط انتقال را تحلیل کرد.

توجه کمی به استفاده از تصاویر پهپاد در ارتفاع پایین برای تعیین دقیق فاصله بین خطوط برق و اشیاء زمینی و برای تشخیص خودکار موانع موجود در راهروهای خطوط برق شده است. در این مقاله، ما روشی برای بازرسی خطوط برق پهپاد، از طریق تشخیص خودکار موانع با استفاده از روش‌های فتوگرامتری، پیشنهاد می‌کنیم، بنابراین به طور کامل از پتانسیل بازرسی خط برق پهپاد استفاده می‌کنیم. برای استفاده از پهپاد برای شناسایی موانع در راهرو خط برق، سه مشکل کلیدی باید حل شود. بازسازی سه بعدی زمین راهرو خط برق، اندازه گیری خط برق و تشخیص خودکار موانع. برای بازسازی زمینی راهرو خط برق، می‌توان از تکنیک‌های تطبیق تصویر متراکم برای استخراج ابرهای نقطه‌ای متراکم از راهرو خط برق استفاده کرد.9 ، 10 ، 11 ]. در بازرسی خطوط برق پهپاد، الگوریتم های تطبیق تصویر باید با شرایط زمینی با پوشش گیاهی متراکم تطبیق داده شوند. در عین حال، الگوریتم ها باید قادر به استخراج سایبان درختان و ساختمان ها به طور پایدار و قابل اعتماد باشند. هنگام عکسبرداری از یک راهرو خط برق، جهت پرواز پهپاد باید با جهت خط برق مطابقت داشته باشد. بنابراین، جهت خط برق تقریباً موازی با جهت خط اپی قطبی تصویر خواهد بود. در یک محیط نقشه برداری استریو، علامت گذاری صحیح خط برق و کنترل خطای اندازه گیری دشوار است. ژنگ و همکاران [ 12] روشی را برای موقعیت یابی خطوط برق تحت محدودیت خط عمودی پیشنهاد کرد، اما هنوز خطاهای اندازه گیری بزرگی وجود دارد. همانطور که هدف در طول خط عمودی بالا و پایین می رود، مکان نما اندازه گیری در امتداد خط اپی قطبی در تصاویر چپ و راست حرکت می کند و در نتیجه باعث خطای اندازه گیری می شود.

در این مقاله، تطبیق نیمه پچ بر اساس محدودیت‌های اپی قطبی (SPMEC) برای استخراج ابرهای نقطه متراکم برای بازسازی سه‌بعدی اشیاء زمینی در یک راهرو خط برق پیشنهاد شد. با شرایط زمین با پوشش گیاهی متراکم سازگار می شود و می تواند با موفقیت سایبان درختان و پشت بام ها را به طور پایدار و قابل اطمینان استخراج کند. یک جفت تصویر استریو از بین نوار برای بهبود دقت اندازه‌گیری استریو خط برق استفاده می‌شود، که جهت خط برق را از تقریباً موازی به تقریباً عمود بر خط اپی قطبی برای دقت بیشتر در اندازه‌گیری‌های استریو تغییر می‌دهد. در نهایت، یک خط برق به عنوان یک باس بار استفاده می‌شود و یک تحلیل فضای بافر با توجه به فاصله ایمنی تعیین‌شده در کد مشخصات انجام می‌شود تا موانع به طور خودکار شناسایی شوند.

2. تشخیص خودکار موانع در راهروهای خطوط برق

کلیه اشیاء موجود در راهرو خط برق با فاصله کمتر از فاصله ایمنی تا خط برق به عنوان موانع تعریف می شوند. اگر بازسازی سطح سه بعدی یک راهرو خط برق کامل شود، خط برق اندازه‌گیری شود و آستانه فاصله ایمن داده شود، می‌توان موانع را به‌طور خودکار تعیین کرد. تصاویر پهپاد در ارتفاع پایین، پس از پشتیبانی سیستم ماهواره‌ای ناوبری جهانی (GNSS) از مثلث‌سازی هوایی [ 13] .]، اشیایی هستند که باید پردازش شوند. ابتدا، SPMEC برای استخراج ابرهای نقطه متراکم درون راهرو برای بازسازی سه بعدی اشیاء زمین، از جمله سایبان ها، ساختمان ها، و سایر پیوست های زمینی پیشنهاد شد. سپس، اندازه‌گیری خط برق دستی برای استخراج خط برق در جفت‌های تصویر استریو متشکل از تصاویر مربوطه از نوارهای مختلف اعمال شد. در نهایت، در امتداد جهت خط برق در یک فاصله زمانی تعیین شده، فاصله بین خط برق و ابر نقطه سطحی را محاسبه می کنیم تا مشخص کنیم که آیا در محدوده فاصله ایمن قرار دارد یا خیر. یک مانع زمانی شناسایی می شود که نقاط زمینی در فاصله ای کمتر از آستانه فاصله ایمنی تعیین شده قرار گیرند.

2.1. الگوریتم تطبیق نیمه پچ بر اساس محدودیت های اپی قطبی

در این مقاله، تصاویر اپی قطبی واحد پردازش هستند و یک استراتژی تطبیق تصویر درشت تا ریز اتخاذ شده است. در روش پیشنهادی ما، تحت محدودیت اختلاف منظر اولیه، یک پنجره تطبیق بزرگ یک تصویر یک بعدی را در امتداد خط اپی قطبی جستجو می‌کند و برای استخراج نقاط دانه تطبیق درشت استفاده می‌شود. اگر اختلاف منظر درون یک جسم پیوسته باشد و همان شیء دارای بافتی ثابت در تصویر باشد، آنگاه نقطه بذر تطبیق درشت مرکز پنجره تطبیق ظریف در نظر گرفته می‌شود. در تصویر قطعه‌بندی‌شده، بر اساس شی قطعه‌بندی شده نقطه اولیه، یک محدودیت تطبیق وصله ایجاد می‌شود (نتیجه تقسیم‌بندی یک شی فقط بخشی از منطقه را در w × w اشغال می‌کند.پیکسل ها در اطراف نقطه بذر قرار دارند، بنابراین به آن نیمه پچ می گویند). سپس، اختلاف منظر اولیه نقاطی که باید در داخل نیم پچ مطابقت داده شوند، با توجه به شرایط هندسی نیم پچ تعیین می شود. جستجوی یک بعدی در محدوده جستجوی کوچکتری انجام می شود. در نهایت، یک الگوریتم تشخیص بیرونی برای حذف نقاط ناهماهنگ اعمال می شود.

(1) ساخت شبکه مثلثی اختلاف منظر

جهت گیری نسبی با استفاده از نقاط اتصال تصویر به طور خودکار اندازه گیری شده در جفت های تصویر استریو انجام می شود و جفت های تصویر اپی قطبی تولید می شوند. در همین حال، نقاط پیوند به تصویر اپی قطبی نمایش داده می شوند و مختصات و اختلاف منظر نقطه پیوند p _i ( x , y ) ( i = 1, 2, …, n ) در تصویر اپی قطبی سمت چپ به دست می آید که با P _ei نمایش داده می شود . x _ei ، y _ei ، d _ei ). با توجه به الگوریتم تولید یک شبکه مثلثی نامنظم [ 14 ]، یک شبکه نامنظم مثلثی (TIN) با استفاده ازn نقطه جهت گیری نسبی و شبه رنگ های متناظر با توجه به تفاوت مقدار اختلاف منظر d _ei به رئوس مثلث داده می شود . یک TIN اختلاف منظر در شکل 1 نشان داده شده است .

در شکل 1 ، رئوس مثلث ها از نقاط جهت نسبی تشکیل شده اند و شبه رنگ های متناظر با توجه به تفاوت مقدار اختلاف منظر به رئوس مثلث داده شده است.

(2) تطبیق تصویر استریو بر اساس شبکه کنترل شده اختلاف منظر

ابتدا، یک شبکه کنترل شده با اختلاف منظر P _egi ( x _egi ، y _egi ) در تصویر اپی قطبی سمت چپ به فاصله 15 پیکسل تنظیم می شود. سپس، نقاط شبکه در یک TIN اختلاف منظر قرار می گیرند و مثلث Δ P _ei P _ej P _ek که در آن P _egi نهفته است، به دست می آید. درون یابی دوخطی بر روی منظرهای سه راس مثلث [ 15 ] انجام می شود تا منظر اولیه P _egi به دست آید . سپس از 61 × 61 پیکسل به عنوان پنجره منطبق استفاده می شود. داخل [ x _egi − 100, x_egi + 100] در تصویر اپی قطبی سمت راست. برای هر پیکسل، ضریب همبستگی نرمال شده (CC) پنجره مربوطه مطابق با رابطه (1) محاسبه می شود و منحنی CC همانطور که در شکل 2 نشان داده شده است، تولید می شود .

ρ ج ، ر = \sum i = 0 n \sum j = 0 n [ g 1 ( j ، i ) - g ¯ 1 ] \times [ g 2 ( j + c , i + r ) - g ¯ 2 ] \sum i = 0 n \sum j = 0 n [ g 1 ( j ، i ) - g ¯ 1 ] 2 \times \sum i = 0 n \sum j = 0 n [ g 2 ( j + c , i + r ) - g ¯ 2 ] 2 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -  ⎷  

(1)

که در آن ( c , r ) مختصات پیکسل متناظر پیکسل نقطه مرکزی پنجره منطبق در تصویر اپی قطبی سمت راست و مقادیر هستند ${\bar{g}}_{1}$ و ${\bar{g}}_{2}$ به ترتیب میانگین سطوح خاکستری پنجره منطبق در تصویر اپی قطبی چپ و راست هستند. اندازه پنجره منطبق n و i است ، j شماره خط و شماره ستون پیکسل های داخل پنجره مطابق است، و $g_{1} (j, i)$ و $g_{2} (j, i)$ مقادیر خاکستری پیکسل ( j , i ) در تصویر اپی قطبی سمت راست چپ و راست به ترتیب هستند.

در شکل 2 ،

ρ_{\max}

مقدار اوج CC نرمال شده پنجره مطابق و پنجره جستجو در پیکسل مربوطه است.

ρ_{l}

ρ_{r}

به ترتیب CC نرمال شده از پایین ترین نقاط کاهش یکنواخت در هر دو طرف مقدار پیک هستند. برای تعیین موفقیت آمیز بودن تطابق، معادله (2) را به صورت زیر اعمال می کنیم:

⎧⎩⎨⎪⎪s u c c e s s fتو من _s u c c e s s fتو من _fa i l e d،چه زمانی ρحداکثر≥ 0.9چه زمانی ρحداکثر< 0.9 و |  ρل–ρr| < 0.2 و |  لل–لr| < 5.0 و [  ρحداکثر– (ρل+ρr) / 2 ] ≥ 0.6دیگر{ستوججهسس�تول،چه زمانی �حداکثر≥0.9ستوججهسس�تول،چه زمانی �حداکثر<0.9 و |�ل–��|<0.2 و |لل–ل�|<5.0 و [�حداکثر–(�ل+��)/2]≥0.6�آمنلهد،دیگر

(2)

که در آن l _l و l _r به ترتیب فواصل پیکسلی بین مقدار پیک و پایین ترین نقاط در دو طرف مقدار پیک هستند.

از معادله (2) می توان دریافت، برخلاف اکثر الگوریتم های تطبیق مبتنی بر یک CC نرمال شده، هنگام طراحی معیار شباهت، ما نه تنها از مقدار CC نرمال شده بلکه از ویژگی های منحنی CC نیز استفاده می کنیم. در طول همبستگی تصویر، هنگام لغزش پنجره تطبیق، اگر نقطه تصویر مربوطه در منطقه جستجوی تصویر سمت راست پیدا شود، CC مطابق با یک قانون از کوچک به بزرگ و سپس از بزرگ به کوچک با نزدیک‌تر شدن پنجره مطابقت تغییر می‌کند. و از نقطه مربوطه دور می شود. قله های جدا شده در داده ها مشهود است. دو طرف مقدار پیک تقریباً متقارن هستند (همانطور که در شکل 2 نشان داده شده است ). در معادله (2)

| ρ_{l} - ρ_{r} | < 0.2

| l_{l} - l_{r} | < 5.0

به ترتیب برای محدود کردن تقارن هر دو طرف قله CC استفاده می شود.

[ρ_{m a x} - (ρ_{l} + ρ_{r}) / 2] \geq 0.6

برای محدود کردن متمایز بودن قله CC استفاده می شود.

همانطور که از شکل 3 مشاهده می شود، پنجره مطابق 1 دارای بافت غنی است و اوج CC در پنجره جستجو بیشتر از 0.9 است، به این معنی که یک تطابق موفق است. منطبق با پنجره 2 همچنین دارای بافت غنی است زیرا روی سایبان قرار دارد، اما نسبتاً همگن است. اوج CC فقط 0.2 است. با این حال، یک شکل متقارن در منحنی CC نزدیک به قله وجود دارد و اختلاف CC بین قله و فرورفتگی بیشتر از 0.6 است. همچنین یک مسابقه موفق است. پنجره 3 مطابق در سایه قرار دارد. اوج CC در پنجره جستجو 0.6 را بررسی می کند، اما هیچ الگوی آشکاری از شکل منحنی CC وجود ندارد، بنابراین یک تطابق ناموفق است. از این سه حالت تطبیق معمولی، می‌توانیم ببینیم که معادله (2) می‌تواند نرخ تطابق موفقیت‌آمیز را بدون معرفی نقاط عدم تطابق بیش از حد، در مقایسه با تنظیم ساده آستانه CC روی یک مقدار کمتر به منظور تطبیق نقاط چگالی، بهبود بخشد.

(3) تطبیق تصویر متراکم نیمه پچ

ما از روش تقسیم‌بندی تصویر مبتنی بر نمودار [ 16 ] برای بخش‌بندی تصویر اپی قطبی چپ استفاده می‌کنیم و نتیجه تقسیم‌بندی در شکل 4 نشان داده شده است .

برای تطبیق پیکسل p _{i ،}

P = {p_{1}, p_{2}, ..., p_{n}}

، مجموعه ای از گره های شبکه واقع در ناحیه قطعه بندی شده مربوطه در شبکه کمربندی منظم اختلاف منظر، و

D = {d_{1}, d_{2}, ..., d_{n}}

، اختلاف منظر پیکسل ها در مجموعه را می توان به دست آورد. از آنجایی که پیکسل‌ها در مناطق هم‌قطعه دارای ویژگی‌های بافت مشابهی در یک همسایگی محلی از فضای هدف هستند، با این فرض که سطح جسم منظم دارای بافت تصویر ثابت است،

π (p_{x}, p_{y}, d)

، صفحه فضای اختلاف منظر را می توان با استفاده از مختصات نقطه تصویر در مجموعه ساخت

P

و اختلاف منظر مربوطه. p _i را در آن قرار دهید

π

, معادله هواپیما; سپس d _i ، اختلاف منظر اولیه را می توان به دست آورد. سپس 11 × 11 پیکسل را به عنوان یک پنجره منطبق در نظر بگیرید، در تصویر اپی قطبی سمت راست، داخل [ x _egi − 20, x _{egi + 20] اسلاید کنید.}برای هر پیکسل، CC نرمال شده پنجره مربوطه طبق رابطه (1) محاسبه می شود. سپس با توجه به رابطه (2) تعیین می کنیم که آیا تطبیق موفقیت آمیز بوده است یا خیر. مقایسه ابر نقطه منطبق با و بدون استفاده از نیمه پچ در شکل 5 نشان داده شده است .

از شکل 5 می بینیم که ابر نقطه ای که از نیمه پچ استفاده می کند، سوراخ های کمتری در مناطق جاده و پشت بام نسبت به آن بدون استفاده از نیمه لکه دارد. سوراخ ها به دلیل بافت همگن در پنجره کبریت و اختلاف منظر اولیه اجسام اطراف ایجاد می شوند. پس از استفاده از نیمه پچ، به دلیل اینکه اختلاف منظر اولیه پنجره مسابقه توسط بخش مربوطه تعیین می شود، نرخ تطابق موفقیت آمیز به ویژه در جاده ها و مناطق پشت بام بهبود می یابد. نرخ تطابق موفق در منطقه پوشش گیاهی نیز بهبود می یابد.

(4) حذف نقاط نامتناسب

همیشه برخی نقاط دورتر در ابر نقطه وجود دارد که باعث ایجاد آلارم کاذب در بازرسی راهرو خطوط برق می شود که باید حذف شوند. فاصله بین نقاط پرت و نقاط استراحت با فاصله بین نقاط غیر پرت و نقاط استراحت متفاوت است. برای ابر نقطه‌ای حاوی N نقطه، اگر طولانی‌ترین فاصله L بین آن نقاط غیر پرت و احتمال نقطه پرت b تنظیم شود، تعداد نقاط غیر پرت، M،را می توان تخمین زد. سپس برای هر نقطه PT در ابر نقطه یک عدد NUM می شماریم. اگر NUM کمتر از M باشد، یک عدد پرت پیدا می شود. NUM به صورت زیر محاسبه می شود: برای هر نقطه PT در ابر نقطه، NUM اولیه روی صفر تنظیم می شود، سپس در ابر نقطه تکرار می شود. اگر فاصله بین نقطه فعلی و PT کمتر از L است، یک را به NUM اضافه کنید.

فرض کنید نقطه ای که باید مطابقت داده شود p ( x , y , z ) باشد. نتایج تطبیق

T

به عنوان مجموعه بیان می شود

p

. اگر مجموعه دارای مجموع n نقطه باشد، فاصله بین هر دو نقطه در مجموعه را می توان به صورت زیر بیان کرد:

l (i ، j) = (ایکس من - ایکس j) 2 + (y من - y j) 2 + (z من - z j) 2 - - - - - - - - - - - - - - - - - - - - - - - - - - - \sqrt (پ من ، پ j \in تی)

(3)

فرض کنید که احتمال عدم تطابق نقاط در مجموعه نقاط منطبق b است ، بنابراین تعداد نقاط به درستی تطبیق که ممکن است در مجموعه نقاط گنجانده شود، است.

M = (1.0 - b) \times n

. برای o ، هر نقطه در

T

، اگر L ، فاصله داده شود، N ، تعداد نقاط در محدوده با مبدا o ، L به عنوان شعاع بدست می آید. اگر

N < M

، o یک پرت است. در غیر این صورت، این یک نقطه به درستی تطبیق داده شده است. بنابراین، معیار مورد استفاده در این مقاله به دو پارامتر b و L بستگی دارد . آزمایش ها نشان داده اند که مصرف آن مناسب تر است

b = 20 %

و L با استفاده از روش RANSAC [ 17 ] به دست می آید. برای تکرار اول ، به طور تصادفی یک نقطه را از ابر نقطه نمونه برداری کنید و انحراف استاندارد فاصله بین این نقطه و هر نقطه در ابر نقطه باقیمانده را محاسبه کنید. پس از حذف نقاطی که فاصله آنها از سه برابر این انحراف استاندارد بیشتر است، بزرگترین مقدار فاصله را به عنوان L _i در نظر بگیرید . از ابر نقطه 500 بار نمونه برداری می کنیم و

L = a r g m i n {L_{i}; i = 0 ... 500}

پس از 4 مرحله بالا، در نظر گرفتن تصاویر اپی قطبی به عنوان اشیایی که باید مطابقت داده شوند، نقاط پیوند تصویر به‌دست‌آمده توسط مثلث‌سازی هوایی با پشتیبانی GNSS به عنوان شرایط اولیه استفاده شد. یک شبکه نامنظم مثلثی که توسط اختلاف منظر اولیه کنترل می شود ساخته شد. پس از درونیابی شبکه کنترل شده با اختلاف منظر، تطبیق نیمه وصله، و حذف نقاط ناهماهنگ، ابرهای نقطه متراکم زمین را می توان همانطور که در شکل 6 نشان داده شده است به دست آورد . رنگ بافت ابرهای نقطه ای از تصویر اپی قطبی سمت چپ گرفته شده است.

همانطور که در شکل 6 مشاهده می شود، SPMEC به بازسازی زمینی 3 بعدی راهرو خط برق، با سایبان های مورفولوژیکی دست نخورده، لبه های ساختمانی منظم، و اجزای کوچک ساختمانی شفاف مانند دودکش ها و آبگرمکن های خورشیدی، یک مدل سطح دیجیتال دقیق را برای تشخیص خودکار آن ارائه می کند. موانع در راهروهای خطوط برق برای اطلاعات بیشتر در مورد SPMEC، لطفاً ویدیو S1 (مواد تکمیلی) را ببینید . این ویدئو بازسازی سه منظره معمولی را در دالان خط برق با استفاده از SPMEC نشان می‌دهد: صحنه اول شامل خط برق و سطح زمین است، صحنه دوم یک سکونتگاه روستایی و صحنه سوم یک منطقه کوهستانی است.

2.2. اندازه گیری خط برق بر اساس جفت تصویر استریو از Inter-Strips

دو تصویر نوار پروازی وجود دارد که توسط پهپاد در طول بازرسی راهرو خطوط برق گرفته شده است. هر طرف خط برق یک نوار دارد. جهت خط اپی قطبی جفت تصاویر استریو در یک نوار تقریباً موازی با خط برق است و قرار دادن مکان نما بر روی نقاط مربوطه روی خط برق را دشوار می کند و ممکن است اندازه گیری خط برق با شکست مواجه شود.

همانطور که در شکل 7 نشان داده شده است ، دو نوار پرواز در امتداد خط برق وجود دارد. اهرام به معنای موقعیت و جهت تصاویر هستند. نقاط رنگی شبه نقاط عبور هستند. در حین مشاهده دستی استریو، ارتفاع مکان نما اندازه گیری توسط x-parallax تنظیم می شود. از آنجایی که جهت خط برق تقریباً موازی با خط اپی قطبی است، هنگام تنظیم پارالاکس x، مسیر حرکت مکان نما اندازه گیری با خط اپی قطبی منطبق است (نشان داده شده در شکل 8) .الف) اندازه گیری نقطه مربوطه در خط برق را دشوار می کند. برای سهولت اندازه گیری استریو، باید خط اپی قطبی جفت تصویر استریو را عمود بر خط برق قرار دهیم، چنین جفت تصویر استریو را می توان با استفاده از تصاویر در طرف های مختلف سیم برق به دست آورد.

همانطور که در شکل 8 ب مشاهده می شود، با استفاده از جفت های تصویر استریو که نوارهای بین نواری را برای اندازه گیری خط برق تشکیل می دهند، جهت خط پایه جفت تصویر استریو تقریباً بر جهت خط برق عمود است. بنابراین، جهت اپی قطبی جفت های تصویر استریو تقریباً عمود بر جهت خط برق است. نقطه تقاطع خط اپی قطبی و خط برق نقطه مربوطه در خط برق است.

هنگام انجام اندازه گیری دستی، اپراتور فقط باید مکان نما اندازه گیری (صلیب قرمز) را در نقطه مربوطه در خط برق تنظیم کند. به دلیل گرانش، خط برق باید با استفاده از چند خط به جای یک خط مستقیم مدل‌سازی شود. بنابراین، کل خط برق بین دو پست نیاز به اندازه گیری حدود 30 جفت نقطه متناظر برای مدل سازی چند خط دارد. دقت اندازه گیری دستی خط برق تنها به وضوح تصویر زمینی تصاویر پهپاد بستگی دارد. به منظور دستیابی به وضوح تصویر کافی، قبل از بازرسی راهرو خط برق، ارتفاع پرواز مناسبی را با استفاده از فاصله کانونی دوربین طراحی کردیم. از این رو، برای اندازه‌گیری خط برق، تنها چیزی که لازم است این است که مطمئن شوید مکان‌نمای اندازه‌گیری چپ و راست در خط برق مربوطه تراز هستند.

2.3. تشخیص خودکار موانع در راهرو خط برق

پس از استخراج خط برق و ابرهای نقطه سه بعدی راهرو خط برق، خط برق را به عنوان خط اتوبوس در نظر می گیریم و یک منطقه بافر فضایی در اطراف خط برق با فاصله ایمن r ایجاد می کنیم (نشان داده شده در شکل 9 ) . هنگامی که ابرهای نقطه سه بعدی با منطقه بافر فضایی تلاقی می کنند، می توان یک مانع را تشخیص داد.

در شکل 9 ، خط برق به n بخش با δ به عنوان فاصله پله تقسیم شده است. پایانه ها را می توان به صورت بیان کرد

δ_{1}, δ_{2}, ..., δ_{n}, δ_{n + 1}

. وقتی δ به اندازه کافی کوچک باشد، هر بخش را می توان به عنوان یک خط مستقیم در نظر گرفت. بردار جهت پاره خط تشکیل شده توسط

δ_{i} (X_{i}, Y_{i}, Z_{i})

δ_{i + 1} (X_{i + 1}, Y_{i + 1}, Z_{i + 1})

است

\vec{v} = {[\begin{matrix} A & B & C \end{matrix}]}^{T} = [\begin{matrix} X_{i + 1} - X_{i} & Y_{i + 1} - Y_{i} & Z_{i + 1} - Z_{i} \end{matrix}]

. اگر نقاطی در ابرهای نقطه سطح دیجیتال وجود داشته باشد که شرایط زیر را برآورده کند:

⎧ ⎩ ⎨ ⎪ ⎪ (A t - X + ایکس من) 2 + (B t - Y + Y من) 2 + (سی t - Z + ز من) 2 \leq r 2 | یک X + B Y + سی ز - ( الف ایکس من + ب Y من + سی ز من ) | + | یک X + B Y + سی ز - ( الف ایکس من + 1 + ب Y من + 1 + سی ز من + 1 ) | آ 2 + ب 2 + سی 2 \sqrt \leq δ

(4)

سپس این نقاط به عنوان موانع در نظر گرفته می شوند. فاصله بین این نقاط و خط مستقیم، فاصله بین موانع و خط برق است. به این ترتیب موقعیت دقیق موانع شناسایی شده مشخص می شود.

3. نتایج و بحث

3.1. آزمایشات و تجزیه و تحلیل تشخیص موانع راهرو خط برق

به منظور تأیید اعتبار روش پیشنهادی، نویسندگان یک برنامه آزمایشی با استفاده از زبان VC++ نوشتند. بخشی از یک خط برق 220 کیلوولت در Yichang، استان هوبی، چین، به طول حدود 16.5 کیلومتر، برای آزمایش بازرسی انتخاب شد، که معمولاً منطقه دشواری برای بازرسی راهرو خطوط برق است. یک پهپاد بال ثابت (در شکل 10 نشان داده شده است) با دوربین Nikon D810 (فاصله کانونی 50 میلی متر، سنسور CMOS، 35.9 میلی متر × 24.0 میلی متر، 7360 × 4912 پیکسل، اندازه پیکسل 4.88 میکرومتر) برای عکاسی در ارتفاع کم از راهرو خط برق استفاده شد. تصاویر از فاصله ثابت گرفته شده است. همپوشانی نوار و همپوشانی نوار کناری هر دو 80٪ بود. این پهپاد مجهز به گیرنده GNSS (GPS L1/L2) بود. مختصات نقطه نوردهی با استفاده از موقعیت نقطه دقیق (PPP) به دست می آید. مختصات در مثلث بندی هوایی با پشتیبانی GNSS اعمال شد.

فاصله نمونه زمین (GSD) حدود 3.5 سانتی متر بود. دو سورتی پرواز انجام شد و 1066 تصویر به دست آمد. تصاویر واضح هستند و کنتراست متوسط است که می تواند الزامات بازرسی خط برق را برآورده کند. پارامترهای جهت گیری بیرونی تصاویر توسط مثلث سازی هوایی با پشتیبانی GNSS به دست آمد. ما نوار بلند را در هر 10 کیلومتر به بخش‌هایی تقسیم کردیم تا اثر بد ناشی از نوار طولانی در تنظیم بسته‌ها را کنترل کنیم، و همه تصاویر طبق رویه‌های ذکر شده در بخش 2 پردازش شدند . ابرهای نقطه سه بعدی زمینی استخراج شده از جفت های تصویر استریو در امتداد هر نوار و برخی از بخش های خط برق با استفاده از جفت تصویر بین نواری در شکل 11 نشان داده شده است .

در شکل 11 ، ابرهای نقطه سه بعدی زمین توسط SPMEC استخراج شدند، نقاط قرمز موانع هستند، و سیم های قرمز، زرد و آبی با جفت تصویر استریو از اندازه گیری بین نواری و دستی به دست آمده اند. برج ها مدل های سه بعدی موجود هستند که در صحنه قرار گرفته اند تا آن را بصری تر کنند.

3.2. تشخیص موانع در راهرو خط برق

بر اساس نتایج نشان داده شده در شکل 11 ، زمانی که آستانه فاصله ایمنی بین خط برق و ابرهای نقطه سه بعدی روی 15 متر تنظیم شد، مکان موانع با استفاده از روش ذکر شده در بخش 2.3 در جدول 1 فهرست شده است . یک مانع در شکل 12 نشان داده شده است .

همانطور که در جدول 1 نشان داده شده است، ستون اول تعداد برج ها را نشان می دهد، ستون دوم نشان دهنده فاصله بین موانع و برج K182 و ستون سوم فاصله بین موانع و خطوط برق را نشان می دهد.

همانطور که در شکل 12 نشان داده شده است ، یک مانع تداوم خاصی در فضا دارد. بنابراین، در جدول 1 ، موقعیت مانع به صورت یک محدوده پیوسته بیان شده است. حداقل فاصله در این محدوده به عنوان فاصله بین یک مانع و خط برق در نظر گرفته می شود. دقت اندازه گیری موانع بیشتر بررسی خواهد شد.

از آنجایی که خط برق انتخاب شده برای آزمایش عملیاتی است، اندازه گیری مستقیم فاصله خط برق و اشیاء غیرممکن است. همچنین هدف گیری خط برق با ابزار توتال استیشن دشوار است. در نتیجه، در این مقاله از دو روش برای بررسی دقت بازرسی خطوط برق و اندازه‌گیری ابرهای نقطه زمین استفاده شده است. یک بررسی میدانی انجام شد و نتایج با بازرسی دستی برای تأیید اعتبار روش و صحت تشخیص خودکار بررسی شد.

روش 1 : یک اسکنر لیزری زمینی Trimble TX8 برای اسکن سه بعدی برج K182 و خط برق آن استفاده شد. ابتدا، GPS Real-time kinematic (RTK)، Trimble R10، برای مکان یابی دقیق موقعیت اسکنر TX8 استفاده شد، و سپس، مختصات نقطه جهت گیری TX8 اندازه گیری شد و جهت گیری تجهیزات تکمیل شد. ابر نقطه لیزری سه بعدی با اسکن سه بعدی TX8 همانطور که در شکل 13 نشان داده شده است به دست آمد.. ما داده‌های ابر نقطه‌ای جمع‌آوری‌شده توسط اسکنر TX8 و بردارهای خط برق اندازه‌گیری شده با کار دستی را همپوشانی کردیم. با در نظر گرفتن خط برق گرفته شده توسط TX8 به عنوان “زمین واقعی”، ما یک بخش را با فاصله 1 متر تعیین می کنیم. هر بخش دارای یک مرکز ثقل ابر نقطه و یک نقطه تقاطع خط برق است. ما اختلاف ارتفاع بین مرکز ثقل و نقطه تقاطع را محاسبه کردیم. سپس خطای اختلاف ارتفاع به عنوان معیاری برای ارزیابی دقت اندازه گیری خط برق در نظر گرفته شد. چندین نقطه نمونه برداری و تفاوت های ارتفاعی همانطور که در جدول 2 نشان داده شده است .

از جدول 2 مشاهده می شود که اندازه گیری خط برق بر اساس کار دستی اتخاذ شده در این مقاله، جهت خط برق را از موازی تقریباً با جهت اپی قطبی به عمود بودن تقریباً بر جهت اپی قطبی تبدیل می کند، به طوری که مکان نما اندازه گیری می شود. در حالی که در امتداد خط اپی قطبی حرکت می کند، به طور دقیق با خط برق تراز شده است. دقت اندازه گیری دستی ارتفاع به 0.326 ± متر بر روی زمین رسید.

روش 2 : 20 شی زمینی متمایز در راهرو خط برق انتخاب شدند که مختصات زمینی سه بعدی آنها در میدان توسط GPS RTK اندازه گیری شد. دقت پلان سنجی و ارتفاع هر دو به سطح سانتی متر در زمین می رسید [ 18 ]، بنابراین به عنوان “صحیح زمین” در نظر گرفته شد. مختصات سه بعدی به دست آمده در محیط اندازه گیری استریو با این مقادیر واقعی یک به یک مقایسه شد تا دقت ابر نقطه 3 بعدی متراکم استخراج شده به طور خودکار ارزیابی شود. تفاوت بین مختصات تمام نقاط بازرسی در جدول 3 فهرست شده است .

از جدول 3 می توان دید که مختصات اشیاء متمایز به دست آمده با مشاهده دستی در محیط اندازه گیری استریو کاملاً با مختصات اندازه گیری شده در میدان سازگار است. حداکثر اختلاف پلان سنجی و ارتفاع ابر نقطه ای 0.222 متر و 0.578- متر است و ریشه میانگین مربعات خطا به ترتیب 0.103 ± متر و 0.302 ± متر است. تجزیه و تحلیل بیشتر نشان می دهد که اگر خطای اندازه گیری “حقیقت زمین” کسر شود، دقت اندازه گیری ارتفاع به دست آمده توسط دو روش اساساً یکسان است. در نتیجه، نتایج جدول 3 را می توان به عنوان شواهدی در ارزیابی دقت روش ما برای استخراج خطوط برق و ابرهای نقطه زمین در نظر گرفت.

علاوه بر این، فرآیند تطبیق تصویر متراکم شبیه به اقدامات استریو دستی است. با استفاده از تطبیق تصویر برای جایگزینی اندازه گیری دستی استریو و استفاده از فیتینگ سهموی در طول تطبیق تصویر برای افزایش بیشتر دقت تطابق، می توان به دقت 0.29 ± پیکسل [ 19 ] دست یافت که به طور قابل توجهی خطای اندازه گیری دستی را کاهش می دهد. از این رو، در مقایسه با اندازه گیری استریو دستی، تطبیق تصویر متراکم از دقت بالاتری برخوردار است.

از جدول 2 و جدول 3 مشاهده می شود که دقت ارتفاع خطوط برق و ابرهای نقطه سه بعدی زمین به ترتیب 326/0± متر و 302/0± متر بوده است. بر اساس اصول انتشار خطا، دقت اختلاف ارتفاع نسبی خطوط برق و ابرهای نقطه سه بعدی زمین 0.444 ± متر برآورد شد. روش پیشنهادی ما دقت اندازه گیری فاصله را بهتر از 0.5 ± متر به دست آورد. چنین دقتی الزامات بازرسی خط برق را برآورده می کند.

4. نتیجه گیری

در این مقاله، یک روش بازرسی خطوط برق مبتنی بر پهپاد در ارتفاع پایین برای موانع موجود در راهروهای خطوط برق پیشنهاد شده است. تصاویر پردازش شده توسط مثلث هوایی با پشتیبانی از GNSS ورودی بودند و گزارش توزیع موانع خروجی بود. ما روی حل سه مشکل تمرکز کردیم. بازسازی سه بعدی سطح زمین راهرو خط برق، اندازه گیری خط برق و تشخیص خودکار موانع. با توجه به اندازه‌گیری شباهت، که CC نرمال شده و شکل منحنی ضریب را در نظر می‌گیرد، ابرهای نقطه‌ای متراکم از سایبان‌ها و ساختمان‌ها با خطوط مشخص می‌توانند توسط SPMEC در مناطق روستایی با پوشش گیاهی سرسبز استخراج شوند. حتی اجزای کوچک ساختمان مانند دودکش ها و آبگرمکن های خورشیدی را می توان به وضوح بیان کرد. یک جفت تصویر استریو از بین نوارها برای ساخت یک جفت تصویر استریو قابل اندازه‌گیری استفاده شد، که خط برق را از موازی با جهت به تقریباً عمود بر آن تبدیل می‌کند، که به طور موثر دقت اندازه‌گیری خطوط برق را بهبود می‌بخشد. نتایج تجربی نشان می‌دهد که رویکرد پیشنهادی ما می‌تواند به طور خودکار موانع را در راهروهای خطوط برق با دقت اندازه‌گیری بهتر از ۰.۵ ± متر پیدا کرده و به دقت مکان‌یابی کند، و ابزار جدیدی برای بازرسی کمی موانع برای عملکرد ایمن خطوط انتقال فوق‌العاده ولتاژ بالا فراهم می‌کند. با این حال، هنوز برخی از مسائل وجود دارد که باید به منظور بهبود اتوماسیون بازرسی خطوط برق، به ویژه اندازه گیری خطوط برق اتوماتیک، مورد توجه قرار گیرد. گلوگاه اتوماسیون استخراج خطوط برق از تصاویر است.

منابع

Mu, C. تحقیق در مورد روش استخراج ویژگی راهرو خط برق بر اساس داده های سنجش از راه دور چندگانه. Ph.D. پایان نامه، دانشگاه ووهان، ووهان، چین، 2010. [ Google Scholar ]
کوهنرت، KD; Kuhnert, L. بسته حسگر سبک وزن برای اندازه‌گیری سه بعدی دقیق با نظارت بر خط برق میکرو پهپاد EG. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2013 ، XL-1/W2 ، 235-240. [ Google Scholar ] [ CrossRef ]
احمد، ج. مالک، ع. شیا، ال. آشیکین، N. نظارت بر تجاوز گیاهی برای خطوط انتقال حق راه: یک بررسی. برق سیستم پاور Res. 2013 ، 95 ، 339-352. [ Google Scholar ] [ CrossRef ]
چانگ، آ. وانگ، سی. برنامه ریزی ماموریت ربات پرنده برای بازرسی خط برق. Prog. نات علمی 2009 ، 19 ، 1357-1363. [ Google Scholar ]
مولرو پازمانی، ام. سیاه پوست، جی جی. Ferrer, M. روشی کم هزینه برای ارزیابی خطرات خطر پرندگان در خطوط برق: سیستم های هواپیمای بدون سرنشین کوچک با بال ثابت. J. بدون سرنشین Veh. سیستم 2014 ، 2 ، 5-15. [ Google Scholar ] [ CrossRef ]
سرون، آ. موندراگون، IF; Prieto, F. ناوبری مبتنی بر بصری برای بازرسی خطوط برق با استفاده از محیط های مجازی. Proc. SPIE 2015 ، 9406 ، 94060J:1–94060J:7. [ Google Scholar ]
گونزالس-خورخه، اچ. پوئنته، آی. روکا، دی. مارتینز-سانچز، جی. کوند، بی. کاربرد مانیتورینگ پوتوگرامتری پهپاد آریاس، P. برای پایش موج شکن های تپه قلوه سنگ. J. اجرا کنید. ساخت و ساز آسان. 2016 , 30 , 04014194. [ Google Scholar ] [ CrossRef ]
میرالس، اف. پولیو، ن. Montamboult, S. بررسی پیشرفته بینایی کامپیوتر برای مدیریت خطوط انتقال نیرو. در مجموعه مقالات کنفرانس بین المللی IEEE در مورد رباتیک کاربردی برای صنعت برق (CARPI)، فوز دو ایگواسو، برزیل، 14 تا 16 اکتبر 2014.
Hirschmüller، H. پردازش استریو دقیق و کارآمد با تطبیق نیمه جهانی و اطلاعات متقابل. در مجموعه مقالات کنفرانس انجمن کامپیوتر IEEE در مورد CVPR، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 20-25 ژوئن 2005.
یاسوتاکا، اف. Jean, P. استریوپسی چند نمای دقیق، متراکم و قوی. IEEE Trans. الگوی مقعدی ماخ هوشمند 2010 ، 32 ، 1362-1376. [ Google Scholar ]
بلیر، ام. رامان، سی. Rother, C. Patchmatch stereo — تطبیق استریو با پنجره های پشتیبانی کج. در مجموعه مقالات کنفرانس بینایی ماشین بریتانیا، داندی، بریتانیا، 29 اوت تا 2 سپتامبر 2011.
ژنگ، اس. متعجب.؛ هوانگ، آر. جی، Z. محدوده بیدرنگ خط انتقال نیرو. Geomat. Inf. علمی دانشگاه ووهان 2011 ، 36 ، 704-707. [ Google Scholar ]
یوان، XX یک روش جدید برای جبران خطای سیستماتیک برای یک موقعیت و سیستم جهت گیری. Prog. نات علمی 2008 ، 18 ، 953-963. [ Google Scholar ] [ CrossRef ]
الگوریتم های اصلاح شوچوک، JR Delaunay برای تولید مش مثلثی. محاسبه کنید. Geom. 2002 ، 22 ، 21-74. [ Google Scholar ] [ CrossRef ]
گریبون، KT; بیلی، DG رویکردی جدید به درونیابی دوخطی بلادرنگ. در مجموعه مقالات کارگاه بین المللی دلتا IEEE در طراحی الکترونیکی، تست و برنامه های کاربردی، پرت، استرالیا، 28-30 ژانویه 2004. صص 126-131.
Felzenszwalb، PF; Huttenlocher، DP تقسیم بندی تصویر مبتنی بر نمودار کارآمد. بین المللی جی. کامپیوتر. Vis. 2004 ، 2 ، 167-181. [ Google Scholar ] [ CrossRef ]
فیشلر، MA; Bolles، نمونه تصادفی RC اجماع: الگوی مناسب برای مدل با کاربرد آنالیز تصویر و نقشه برداری خودکار. اشتراک. ACM 1981 ، 24 ، 381-395. [ Google Scholar ] [ CrossRef ]
لیمو، TR; گردان، GP تأثیر تعداد ماهواره ها بر دقت موقعیت های RTK GPS. اوست زنده ماندن. 1999 ، 44 ، 64-70. [ Google Scholar ] [ CrossRef ]
ژانگ، ZX; ژانگ، فتوگرامتری دیجیتال JQ ; انتشارات دانشگاه ووهان: ووهان، چین، 1997. [ Google Scholar ]

شکل 1. شبکه نامنظم مثلثی پارالاکس اولیه.

شکل 2. منحنی CC.

شکل 3. قضاوت شباهت با توجه به شکل منحنی CC. ( الف ) پنجره تطبیق ( ب ) منحنی ضریب همبستگی.

شکل 4. نتیجه تقسیم بندی تصویر. ( الف ) تصویر اصلی ( ب ) تصویر بخش‌بندی شده.

شکل 5. مقایسه ابر نقطه با/بدون استفاده از تطابق متراکم نیمه پچ. ( الف ) نتیجه را بدون استفاده از نیمه پچ مطابقت دهید ( ب ) نتیجه را با استفاده از نیمه پچ مطابقت دهید.

شکل 6. ابرهای نقطه سه بعدی متراکم استخراج شده توسط SPMEC (سه خط رنگارنگ نشان دهنده سه خط برق هستند).

شکل 7. موقعیت تصویر در دو طرف در امتداد خط برق.

شکل 8. جفت تصویر استریو برای اندازه گیری خط برق. ( الف ) جفت تصویر استریو از نوارهای بین نواری ( ب ) جفت تصویر استریو از نوارهای بین نواری تشکیل می شود.

شکل 9. نمودار اصل تشخیص خودکار مانع.

شکل 10. نمودار پهپاد بال ثابت.

شکل 11. نمودار ابرهای نقطه سه بعدی زمینی و خطوط برق در راهرو خط برق.

شکل 12. نمودار یک مانع در راهرو خط برق.

شکل 13. نمودار ابر نقطه ای اسکن شده توسط اسکنر سه بعدی لیزری در K182.

جدول 1. توزیع برخی از موانع در دالان خط برق (آستانه فاصله ایمنی 15 متر است).

جدول 2. توزیع اختلاف ارتفاع نقاط نمونه برداری در مشخصات خط برق (واحد: m).

جدول 3. تفاوت مختصات نقاط بازرسی (واحد: m).

© 2017 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب