无人机航拍图像中电力线检测方法研究进展
随着各大电力公司对无人机(unmanned aerial vehicle,UAV)巡检的大力推广,"机巡为主,人巡为辅"已成为我国电力巡检的主要运维模式.电力线检测作为电力巡检的关键技术,在无人机自主导航、低空避障飞行以及输电线路安全稳定运行等方面发挥着重要作用.众多研究者将输电线路的无人机航拍图像用于线路设备识别与故障诊断,利用机器视觉的方法在电力线检测技术研究中占据主导地位,也是未来的主要发展方向.本文综述了近10年来无人机航拍图像中电力线检测方法的研究进展.首先简述了电力线特征,阐明了电力线检测的传统处理方法的一般流程及所面临的挑战;然后重点阐述了使用传统图像处理方法及深度学习方法的电力线检测原理,前者包括基于Hough变换的方法、基于Radon变换的方法、基于LSD(line segment detector)的方法、基于扫描标记的方法及其他检测方法,后者根据深度卷积神经网络(deep convolutional neural network,DCNN)的结构不同分为基于DCNN的分类方法及基于DCNN的语义分割方法,评述各类方法的优缺点并进行分析与比较,与传统图像处理方法相比,深度学习方法能更有效地实现航拍图像中的电力线检测,并指出基于DCNN的语义分割方法在电力线目标智能识别与分析中发挥着重要作用;随后介绍了电力线检测的常用数据集及性能评价指标;最后针对电力线检测方法目前存在的问题,对下一步的研究方向进行展望.
机器视觉、电力线检测、无人机巡检、图像处理、深度学习、语义分割
28
TP391;TM726(计算技术、计算机技术)
2023-11-16(万方平台首次上网日期,不代表论文的发表时间)
共24页
3025-3048