CN118820557B 基于立体化数字模型的电缆线路精细化监测方法及系统 （国网青海省电力公司海东供电公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118820557B(45)授权公告日2025.01.10

(21)申请号202411291535.9

(22)申请日2024.09.14

(65)同一申请的已公布的文献号申请公布号CN118820557A

(43)申请公布日2024.10.22

(73)专利权人国网青海省电力公司海东供电公

司

地址810699青海省海东市平安镇平安大

道167号

专利权人国网青海省电力公司

(72)发明人罗义旺林翰郭毅徐欣杰林广宏陈金城

吐尔逊阿依·吾买尔王洁瑶

陈矗严安

(74)专利代理机构福州睿昊专利代理事务所(普通合伙)32277

专利代理师陈斌

(51)Int.CI.

GO6F16/904(2019.01)

GO6T17/00(2006.01)

(56)对比文件

CN118533176A,2024.08.23

审查员吴莎莎

权利要求书5页说明书12页附图2页

(54)发明名称

基于立体化数字模型的电缆线路精细化监测方法及系统

(57)摘要

CN118820557B本发明涉及基于立体化数字模型的电缆线路精细化监测方法及系统，包括以下步骤：S1:使用激光扫描、无人机、全站仪设备对电缆及其周边环境进行测绘获取三维点云数据、二维图像数据以及空间坐标数据；S2:提取图像中电缆及其附属设施的深度特征；S3:通过SfM算法从多视角图像中恢复摄像机的位置并生成三维点云数据；S4:将通过激光扫描和SfM算法生成的点云数据进行整合，统一到一个坐标系中，构建精细化三维模型；S5:在关键节点安装传感器，并将数据与三维模型同步；S6:基于机器学习算法，对传感器采集的运行数据进行智能预测，动态调整告警阈值，智能化生成告警信息。本发明能够有效提升

CN118820557B

S1

S1使:用激光扫描、无人机、全站仪设备对电缆及其周边环境进行测险获取三堆点云数据、二维图像数据以及空间坐标数据

对扶取的二堆街行致和三惟点云数振进

S2使用预训练的深度学习模型，对电德及其附属设施进行目标检测，并基于特

53基于理取屋像中电缆及其附属设施的深度特征，通过SM算法从多视角图像中恢复摄像机的位置并生成三维点云数

用三维可视化工具对整合后的点云数据进行立体化展示。构建精细化三维模型；

感器、湿度传感器，电流传感器、电压

传感器，监测电力参数及环境参数并将

数据与三维模型同步；

56:基于机器学习算法，对传感器采集的运行数据进行智能预到，并结合电境

所处环境数据，动态诞整告警阀值，智

能化生成告警信息；

CN118820557B权利要求书1/5页

2

1.一种基于立体化数字模型的电缆线路精细化监测方法，其特征在于，包括以下步骤：

S1:使用激光扫描、无人机、全站仪设备对电缆及其周边环境进行测绘获取三维点云数据、二维图像数据以及空间坐标数据，对获取的二维图像数据和三维点云数据进行预处理；

S2:使用预训练的深度学习模型，对电缆及其附属设施进行目标检测，并基于特征提取模型，提取图像中电缆及其附属设施的深度特征；

S3:基于提取图像中电缆及其附属设施的深度特征，通过SfM算法从多视角图像中恢复摄像机的位置并生成三维点云数据；

S4:将通过激光扫描和SfM算法生成的点云数据进行整合，统一到一个坐标系中，使用三维可视化工具对整合后的点云数据进行立体化展示，构建精细化三维模型；

S5:在关键节点安装传感器，包括温度传感器、湿度传感器、电流传感器、电压传感器，监测电力参数及环境参数，并将数据与三维模型同步；

S6:基于机器学习算法，对传感器采集的运行数据进行智能预测，并结合电缆所处环境数据，动态调整告警阈值，智能化生成告警信息；

所述使用预训练的深度学习模型，对电缆及其附属设施进行目标检测，采用YOL03深度学习模型，具体步骤如下：

将输入图像的像素值进行归一化处理：

其中，Ioriginal为输入图像，N?为输入图像的像素值；Inormalized

为归一化后的图像；

将输入图像缩放到模型期望的输入尺寸(input_width,input_height):

I,=Resize(Inomalized,(input_width,input_height));

其中，Resize()表示缩放操作；I,为缩放后的输入图像；

将