《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計
基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計
2021年電子技術(shù)應(yīng)用第6期
李國強1，彭熾剛1，汪 勇1，向東偉2，楊成城2
1.廣東電網(wǎng)有限責(zé)任公司 機巡作業(yè)中心，廣東 廣州510062；2.武漢匯卓航科技有限公司，湖北 武漢430070
摘要： 針對目前無人機航拍影像桿塔識別算法中，普遍是無人機通過傾斜攝影技術(shù)獲取到桿塔的原始遙觀影像數(shù)據(jù)，經(jīng)過機器學(xué)習(xí)訓(xùn)練，識別其余圖片數(shù)據(jù)中的桿塔。其中存在獲取機器訓(xùn)練所需的圖片數(shù)據(jù)來源緩慢、只能二維識別圖片中桿塔等問題。提出了基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計的算法。首先，通過三維平臺合成影像數(shù)據(jù)；其次，通過Deep-Object-Pose訓(xùn)練及其處理；然后測試真實的圖片數(shù)據(jù)或者實時視頻，達到智能識別桿塔的三維空間姿態(tài)信息。該算法為無人機自動尋找桿塔目標(biāo)和智能精細化巡檢提供新的思路。
中圖分類號： TN014；TP183
文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.200280
中文引用格式： 李國強，彭熾剛，汪勇，等. 基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計[J].電子技術(shù)應(yīng)用，2021，47(6)：87-91，95.
英文引用格式： Li Guoqiang，Peng Chigang，Wang Yong，et al. Real-time estimation of three-dimensional attitude of towers based on deep learning[J]. Application of Electronic Technique，2021，47(6)：87-91，95.
Real-time estimation of three-dimensional attitude of towers based on deep learning
Li Guoqiang1，Peng Chigang1，Wang Yong1，Xiang Dongwei2，Yang Chengcheng2
1.Machine Operation Center，Guangdong Power Grid Co.，Ltd.，Guangzhou 510062，China； 2.Wuhan Huizhuohang Technology Co.，Ltd.，Wuhan 430070，China
Abstract： According to the current aerial image tower identification algorithm of UAV, it is common for UAV to obtain the original remote viewing image data of the tower through tilt photography technology, and identify the tower in the rest image data through machine learning training.Among them, there are some problems such as slow source of image data needed for machine training and two-dimensional identification of the tower in the picture.In this paper, an algorithm based on deep-object-pose is proposed for real-time aerial aerial aerial aerial recognition of the three-dimensional attitude of the tower.Firstly, image data is synthesized by three-dimensional platform.Secondly, deep-object-pose training and treatment were carried out.Then test the real picture data or real-time video, to achieve intelligent recognition of the tower's three-dimensional attitude information.The experimental results show that this algorithm will provide a new idea for uav to automatically find the target of tower and intelligent fine inspection.
Key words : Deep-Object-Pose；3D attitude recognition of tower；UAV；aerial image

0 引言

    隨著國民經(jīng)濟的增長和無人機在電網(wǎng)的逐步應(yīng)用推廣，繁重的無人機作業(yè)任務(wù)讓無人機的智能化顯得尤為重要。同時，機器學(xué)習(xí)技術(shù)的飛速發(fā)展，給無人機的智能化提供了新的思路。但是，機器視覺的目前所需要的訓(xùn)練數(shù)據(jù)是通過無人機等手段采集的，不僅耗時長、耗人力，而且檢測往往只是針對單張圖片，進行二維平面上的識別，面對實時視頻檢測比較卡頓，同樣無法識別物體三維空間姿態(tài)。

    因此，需要改善視頻實時識別的卡頓，改進訓(xùn)練數(shù)據(jù)的采集技術(shù)。傳統(tǒng)的目標(biāo)檢測算法大多數(shù)以圖像識別為基礎(chǔ)。一般可以在圖片上使用窮舉法或者滑動窗口選出所有物體可能出現(xiàn)的區(qū)域框，對這些區(qū)域框提取特征并使用圖像識別分類方法，得到所有分類成功的區(qū)域后，通過非極大值抑制輸出結(jié)果。近些年來相關(guān)學(xué)者提出采用人工智能的方法實現(xiàn)目標(biāo)檢測，其中包括K最近鄰KNN[1]、隨機森林Random Forest[2]、線性向量機SVM[3]。這些淺層機器學(xué)習(xí)方法在建模過程中功能簡單，復(fù)雜函數(shù)和分類問題的表達有限，魯棒性差，準(zhǔn)確度和精度低。而對于難以應(yīng)對指數(shù)增長的遙感圖像目標(biāo)特征提取，也不能達到很好的特征分析和識別效果。




本文詳細內(nèi)容請下載：http://m.ihrv.cn/resource/share/2000003580。




作者信息：

李國強1，彭熾剛1，汪  勇1，向東偉2，楊成城2

(1.廣東電網(wǎng)有限責(zé)任公司 機巡作業(yè)中心，廣東 廣州510062；2.武漢匯卓航科技有限公司，湖北 武漢430070)





wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。