摘要：为解决无人机航拍图像中输电线检测识别率低和误检率高的问题,分析航拍图像输电线的线性特征和区域分布特点,提出一种在复杂背景环境下输电线检测的改进随机霍夫变换方法。使用黑塞(Hessian)矩阵对输电线进行预处理,采用边界搜索和像素条分块对输电线区域和非输电线区域进行分割,降低输电线的误检率和漏检率,增强输电线目标检测识别率。实验结果表明,该方法比标准霍夫(Hough)变换方法和随机霍夫变换方法具有更快的处理速度和更优异的检测效果。

摘要：针对树障清理空中机器人作业时需规避输电线这一需求,本文提出一种基于级联聚类的输电线检测方法。使用基于海森(Hessian)矩阵的边缘增强算法进行图像预处理;采用霍夫(Hough)变换法提取候选直线;设计一种融合直线空间位置分布特征及长度特征的级联聚类法,有效地删减由复杂背景造成的与输电线特征不相匹配的干扰线,并最终得到对应于输电线边缘的所有直线。实验结果表明,该方法具有较高的准确率及较强的鲁棒性,为树障清理空中机器人的视觉避障研究提供了基础。

摘要：本文在人工智能的基础上利用深度学习结合红外光热成像技术对无人机巡检技术进行研究和优化。首先对红外光热成像技术在电力系统中的应用和无人机巡检技术进行了介绍;然后提出了基于卷积神经网络的目标检测算法,对卷积神经网络的计算原理以及目标检测算法进行说明,并设计了基于深度视觉系统的MobileNetV1-YOLOv3网络预测模型。通过实测分析发现,基于深度学习的轻量级的目标检测网络预测模型定位误差在X、Y、Z三个维度上均低于GPS系统,最小误差仅为0.06 m。

摘要：针对无人机高空输电线实时巡线识别速度慢、精度低等问题,提出基于图像特征检测识别EDLines算法,以去除背景干扰提高输电线识别精度。通过改进锚点判定的方式搜索锚节点,搜索邻域梯度最大值作为绘制边缘的路径,利用随机抽样一致性(RANSAC)算法拟合直线段,以亥姆霍兹原理对虚假线段进行滤波处理,采用K均值聚类筛选出输电线特征直线,设计方向模板二次滤波定位输电线的位置。实验结果表明:本文算法识别输电线准确率提高,抗干扰能力增强,运行效率高,具有工程实践意义。