一种配电网工程无人机复勘验收方法及其系统与流程

本技术涉及数据处理，特别是涉及一种配电网工程无人机复勘验收方法及其系统。

背景技术：

1、随着无人机技术的成熟，行业级无人机市场需求激增。无人机技术广泛应用于电力、农业、航拍等领域。随着经济的快速发展，对基础设施建设需求不断多大，电网工程建设规模逐年递增。面临压力巨大的工程建设管理工作压力，基于无人机宽广的观察范围、可从空间区域获取大量信息等硬件优势，国内外电力行业广泛将无人机技术应用于配电网建设及巡检业务领域。

2、线路工程档距作为电网工程验收的重点内容，对于线路档距获取，当前电网从业人员主要通过无人机rtk定位技术来获取杆塔经纬度和高程，以此计算线路档距，但该种方式对于地形高差较大处的线路杆塔，未能体现其真实线路档距，造成工程量验收误差较大，难以支撑工程量验收精度要求。此外，随着激光测距技术的不断发展，国内提出基于无人机机载激光测距设备获取杆塔桩位坐标、高程数据，用于杆塔档距计算。该方案主要依托机载激光设备发射激光束打到被测目标物后获取反射的激光，镜头记录激光往返时间，计算得出被测目标物距离，结合无人机当前定位，换算得出目标物体坐标。然而配网线路杆塔所处环境复杂，植被、树木对激光束发射及获取影像较大，其测量数据存有较大误差，不满足验收数据精度要求，仍需与其他技术手段融合应用，不断提升配电网工程档距复勘精度。

技术实现思路

1、本技术实施例提供了一种配电网工程无人机复勘验收方法及其系统，以至少解决上述相关技术中的不足。

2、第一方面，本技术实施例提供了一种配电网工程无人机复勘验收方法，以下步骤：

3、步骤一：获取无人机设备所采集到的配电网工程的图像信息，并对所述图像信息进行预处理，以得到预处理图像；

4、步骤二：对所述预处理图像进行特征提取，以识别出所述预处理图像中目标物的图像信息，并基于所述无人机设备的设备参数和所述目标物的图像信息计算出所述目标物的实际位置信息；

5、步骤三：将所述预处理图像输入至卷积神经网络模型中进行图像处理，以识别出所述预处理图像的特征图矩阵，对所述特征图矩阵进行卷积运算，以得到对应的特征图像；

6、步骤四：基于所述目标物的实际位置信息和所述特征图像进行物料识别，并利用物料识别结果对所述配电网工程进行数据比对，以实现所述配电网工程的复勘验收。

7、进一步的，所述步骤一包括：

8、获取无人机设备所采集到的配电网工程的图像信息，对所述图像信息进行滤波除噪，以得到第一处理图像；

9、对所述第一处理图像进行边缘检测，以分隔出所述第一处理图像的关键特征和背景，得到第二处理图像。

10、进一步的，所述步骤二包括：

11、利用图像深度学习算法对所述预处理图像进行特征提取，以识别提取出所述预处理图像中杆顶目标物；

12、获取所述无人机设备的拍摄分辨率以及拍摄像素，并根据所述拍摄分辨率和所述拍摄像素计算出所述杆顶目标物的像素尺寸；

13、根据所述杆顶目标物的像素尺寸和所述预处理图像的像素尺寸进行占比，并根据单目视觉测距算法计算出所述无人机设备与所述杆顶目标物之间的距离，并根据所述无人机设备与所述杆顶目标物之间的距离计算出所述杆顶目标物的实际坐标信息。

14、进一步的，所述步骤三包括：

15、将所述预处理图像定义为矩阵数据，并由所述卷积神经网络模型的卷积层对所述矩阵数据进行特征获取，以得到对应的特征图矩阵；

16、基于预设步长对所述特征图矩阵由左至右、由上至下进行卷积运算，并将卷积运算结果进行池化操作，以得到对应的特征图像。

17、进一步的，所述步骤四包括：

18、利用局部自适应二值化算法和所述目标物的实际位置信息对所述特征图像进行前景提取，以得到所述目标物对应的边界位置；

19、利用均值算法和所述边界位置对所述目标物进行坐标锚点，并利用重叠算法进行区域计算，以识别出所述配电网工程的图像信息中的物料信息。

20、第二方面，本技术实施例提供了一种配电网工程无人机复勘验收系统，包括：

21、预处理模块，用于获取无人机设备所采集到的配电网工程的图像信息，并对所述图像信息进行预处理，以得到预处理图像；

22、位置计算模块，用于对所述预处理图像进行特征提取，以识别出所述预处理图像中目标物的图像信息，并基于所述无人机设备的设备参数和所述目标物的图像信息计算出所述目标物的实际位置信息；

23、卷积处理模块，用于将所述预处理图像输入至卷积神经网络模型中进行图像处理，以识别出所述预处理图像的特征图矩阵，对所述特征图矩阵进行卷积运算，以得到对应的特征图像；

24、复勘验收模块，用于基于所述目标物的实际位置信息和所述特征图像进行物料识别，并利用物料识别结果对所述配电网工程进行数据比对，以实现所述配电网工程的复勘验收。

25、进一步的，所述预处理模块包括：

26、滤波除噪单元，用于获取无人机设备所采集到的配电网工程的图像信息，对所述图像信息进行滤波除噪，以得到第一处理图像；

27、边缘检测单元，用于对所述第一处理图像进行边缘检测，以分隔出所述第一处理图像的关键特征和背景，得到第二处理图像。

28、进一步的，所述位置计算模块包括：

29、特征提取单元，用于利用图像深度学习算法对所述预处理图像进行特征提取，以识别提取出所述预处理图像中杆顶目标物；

30、尺寸计算单元，用于获取所述无人机设备的拍摄分辨率以及拍摄像素，并根据所述拍摄分辨率和所述拍摄像素计算出所述杆顶目标物的像素尺寸；

31、坐标计算单元，用于根据所述杆顶目标物的像素尺寸和所述预处理图像的像素尺寸进行占比，并根据单目视觉测距算法计算出所述无人机设备与所述杆顶目标物之间的距离，根据所述无人机设备与所述杆顶目标物之间的距离计算出所述杆顶目标物的实际坐标信息。

32、进一步的，所述卷积处理模块包括：

33、特征获取单元，用于将所述预处理图像定义为矩阵数据，并由所述卷积神经网络模型的卷积层对所述矩阵数据进行特征获取，以得到对应的特征图矩阵；

34、池化处理单元，用于基于预设步长对所述特征图矩阵由左至右、由上至下进行卷积运算，并将卷积运算结果进行池化操作，以得到对应的特征图像。

35、进一步的，所述复勘验收模块包括：

36、前景提取单元，用于利用局部自适应二值化算法和所述目标物的实际位置信息对所述特征图像进行前景提取，以得到所述目标物对应的边界位置；

37、物料识别单元，用于利用均值算法和所述边界位置对所述目标物进行坐标锚点，并利用重叠算法进行区域计算，以识别出所述配电网工程的图像信息中的物料信息。

38、相比于相关技术，本技术实施例提供的一种配电网工程无人机复勘验收方法及其系统，根据无人机设备所采集的图像信息进行分析，改变传统人工现场采集线路设备数据验收的作业方式，基于无人机精准定位高清航拍优势，快速完成工程验收数据采集，利用图像分割技术将图像信息分成若干个特定的、具有独特性质的区域，结合智能识别技术，完成工程物资的自动识别统计，形成配网工程无人机验收作业数字化管控体系，实现无人机档距验收、台账数据采集、图像归点溯源、物料智能识别、结算验收的线上流转闭环管理，输出验收结算造价成果，提升配电网工程结算精度及效率。

39、申请的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。