1.本发明涉及电力技术领域，尤其涉及一种输电线路重建方法、装置、电子设备及存储介质。
背景技术：2.随着电力技术的发展和进步，为了便于对输电线路的维护，会构建对应的数字化模型，从而提升了维护的便捷性。
3.然而，现有的模型构建方法是基于采集到的输电线路的影像信息直接完成输电线路的重建，或者是只能针对影像信息单一的场景完成重建，进而使得重建得到的输电线路模型精度较低，并且输电线路重建方法也无法满足用户的需求。
技术实现要素：4.本发明提供一种输电线路重建方法、装置、电子设备及存储介质，实现了在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。
5.第一方面，本发明提供了一种输电线路重建方法，包括：
6.基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息；
7.依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，其中，所述位姿信息为无人机拍摄图像时的角度信息；
8.根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建。
9.第二方面，本发明实施例还提供了一种输电线路重建装置，该装置包括：
10.位置信息获取模块，用于基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息；
11.坐标信息获取模块，用于依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，其中，所述位姿信息为无人机拍摄图像时的角度信息；
12.线路重建模块，用于根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建。
13.第三方面，本发明实施例还提供了一种电子设备，所述设备包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序；
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的输电线路重建方法。
17.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，该程序被处理器执行时实现如本发明实施例任一所述的输电线路重建方法。
18.本发明实施例的技术方案，通过基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息，进而依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，最终根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建，基于上述技术方案，在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。
19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
20.为了更加清楚地说明本发明实施例中的技术方案，下面对描述实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本发明实施例提供的一种输电线路重建方法的流程示意图；
22.图2是本发明实施例提供的一种输电线路重建方法的流程图；
23.图3是本发明实施例提供的一种输电线路重建方法的流程图；
24.图4是本发明实施例提供的一种输电线路重建装置的结构框图；
25.图5是本发明实施例提供的电子设备的结构示意图。
具体实施方式
26.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
27.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.实施例一
29.图1为本发明实施例提供的一种输电线路重建方法的流程示意图，本实施例可适用于对采集的输电线路图像信息进行分析，并根据分析结果对输电线路的位置进行重建的情形，该方法可以集成在电子设备中，该电子设备可以是pc端或服务端等。
30.如图1所示，所述方法包括：
31.s110、基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息。
32.其中，深度学习模型可以是基于人工神经网络构建成的模型，可以理解的是，由于不同模型的作用并不相同，因此深度学习模型可以是图像识别模型、语义分割模型等。目标图像可以理解为包含输电线路以及杆塔的图像。像素位置信息可以是输电线路像素的位置信息。
33.具体的，在得到目标图像之后，基于预设的深度学习模型对目标图像进行识别，进而得到目标图像中所有输电线路像素点的像素位置信息。例如，可以是先将获取的输入到图像识别模型中，识别出包括输电线路的图像，再将包括输电线路的图像输入到模型中识别出输电线路像素点的像素位置信息。
34.在上述技术方案的基础上，在基于预先训练的深度学习模型对目标图像识别之前，还包括：根据杆塔档距和目标杆塔的坐标信息确定目标区域，得到在所述目标区域内的所有图像，并将其作为所述目标图像。
35.其中，所述目标区域是以目标杆塔为圆心，以所述杆塔档距为半径构成的圆形区域。杆塔档距可以是架空线路在平行于相邻两杆塔间导线所受比载的平面内的两悬挂点之间的水平距离。目标杆塔可以理解为需要进行处理的杆塔。需要说明的是，杆塔是架空输电线路中用来支撑输电线的支撑物。杆塔多由钢材或钢筋混凝土制成，是架空输电线路的主要支撑结构。目标杆塔的坐标信息可以是目标杆塔在wgs84坐标中的坐标信息，wgs84坐标是为gps全球定位系统使用而建立的坐标系统。
36.具体的，以目标杆塔作为圆心，并以杆塔档距作为半径，拍摄图像时的无人机位置信息确定在目标区域内的所有图像，并将其作为目标图像，例如，可以是基于杆塔档距和目标杆塔的坐标信息确定目标区域后，根据无人机拍摄图像时的坐标信息得到在目标区域内拍摄的所有图像，并将其作为目标图像。
37.在上述技术方案的基础上，在得到所述目标图像之后，还包括：基于所述输电线路中的电流方向、预设识别物体和所述目标杆塔的坐标信息，将所述目标图像划分为至少一个子图像。
38.其中，至少一个子图像与预设型号的杆塔相对应。其中，电流方向可以是输电线路中电流流动的方向。预设识别物体可以是设置于输电线路上的物体，例如输电线路上的绝缘子串等。
39.具体的，根据输电线路中电流流向以及预设识别物体和杆塔的坐标信息可以将目标图像的种类进行划分，例如可以基于坐标信息将输电线路划分为三种子图像，大号杆塔端图像、中间目标图像、小号杆塔端图像。需要说明的是，预设杆塔型号可以是将杆塔分为大号杆塔和小号杆塔，例如，可以依据电流流向，将电流流入的杆塔作为大号杆塔，将电流流出的杆塔作为小号杆塔。进而，可以基于杆塔的类型以及预设识别物体和目标杆塔的坐标信息将目标图像划分为至少一个子图像，子图像中可以包括大号杆塔端图像、中间目标图像和小号杆塔端图像。
40.在实际应用的过程中，可以设置对应的图像识别模型，可以通过图像识别模型对预设识别物体进行识别后，将目标图像进行分类进而得到至少一个子图像。
41.在上述技术方案的基础上，所述基于预先训练的深度学习模型对所述目标图像识
别，以得到所述目标图像中输电线路像素点的像素位置信息，包括：基于预先训练的语义分割模型分别对所述至少一个子图像中的像素进行语义分割，并得到各个子图像对应的输电线路像素点的像素位置信息。
42.其中，语义分割模型可以是预先训练得到的用于对图像进行语义分割的模型，需要说明的是，语义分割就是将图像中感兴趣的目标进行识别，并将其标记出来的过程，也即是说，当至少一个子图像进行语音分割后，即可在图像中将输电线路的像素进行标记。像素位置信息可以是子图像中输电线路对应的像素的位置信息。
43.具体的，基于预先训练得到的语义分割模型对各个子图像进行语义分割处理后，得到各个子图像中输电线路对应的像素点像素位置信息。例如，可以将子图像输入到语义分割模型后，输出对应的完成语义标记的图像，并得到对应的像素位置信息。
44.需要说明的是，本发明实施例中所提及的深度学习模型，例如图像识别模型和语义分割模型，本发明不对其的训练的方式进行限定，本领域技术人员可以根据需求预先训练所需的模型。
45.s120、依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息。
46.其中，所述位姿信息为无人机拍摄图像时的角度信息。实际坐标信息可以理解为像素点在wgs84坐标中的坐标信息。需要说明的是，无人机的位姿信息可以包括无人机在进行拍摄时的偏航角信息、俯仰角信息和滚动角信息。
47.具体的，基于至少两个输电线路像素点的像素位置信息和无人机在拍摄对应的图像时的偏航角信息、俯仰角信息和滚动角信息，共同确定输电线路像素点对应的实际坐标信息。
48.在上述技术方案的基础上，所述依据所述点集中至少两个像素点的像素位置信息和目标图像的空间姿态信息确定输电线路像素点对应的实际坐标信息，包括：基于空间前方交会法对所述至少两个像素点的像素位置信息和所述位姿信息进行处理得到所述输电线路像素点对应的实际坐标信息
49.其中，空间前方交会可以是在恢复立体像对摄影时的光束和建立几何模型后，利用同名光线的交会确定模型点空间位置的方法。
50.具体的，可以是基于空间前方交会法对至少两个像素点的像素位置信息和位姿信息进行处理后得到像素点对应的实际坐标信息。
51.s130、根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建。
52.其中，参数可以是用于重建输电线路的参数信息。
53.具体的，在得到实际坐标信息后，可以基于实际坐标信息得到输电线路的参数，进而基于参数信息完成输电线路在坐标系上的重建，构建出对应的三维模型，例如可以直接将所有像素的实际坐标显示在坐标系上，进而基于坐标系中的点完成对电力线路重建。
54.在上述技术方案的基础上，在根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建之前，还包括：基于所述目标杆塔的坐标信息，将所述输电线路像素点对应的实际坐标信息进行分类，以及根据述输电线路像素点对应的实际坐标信息中的高度信息进行排序。
55.其中，高度信息可以理解为实际坐标信息中的z轴坐标信息。
56.具体的，根据单个杆塔档距之间的大小号杆塔坐标将输电线路像素点对应的实际坐标信息划分为大号杆塔坐标信息和小号杆塔坐标信息，例如可以根据杆塔档距信息找到两个杆塔之间的距离均分点，进而再基于均分点的位置将输电线路像素点的位置信息进行分类，并且根据输电线路像素点的高度信息将像素点进行排序。需要说明的是，由于一个杆塔上可能挂载了多条线路，因此，需要将不同高度下的线路按照高度信息进行排序，进而可以避免点位的重复选取。
57.在上述技术方案的基础上，所述根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建，包括：将所述实际坐标信息信息中至少三个点的实际坐标信息带入到悬链线方程中，以得到所述悬链线方程的相关参数，并基于所述相关参数完成所述输电线路的重建。
58.其中，悬链线方程可以是两端固定的一条(粗细与质量分布)均匀、柔软(不能伸长)的链条，在重力的作用下所具有的曲线形状。具体的，可以从实际坐标信息中选择三个点位的实际坐标信息带入到悬链线方程中，进而可以解出悬链线方程的参数信息，进而可以基于参数信息完成输电线路的重建。需要说明的是，适当选择坐标系后，悬链线的方程是一个双曲余弦函数，其标准方程为：y＝a cosh(x/a)，其中，a为曲线顶点到横坐标轴的距离。
59.在上述技术方案的基础上，还包括：将所有完成重建的输电线路投影到水平平面上，并计算对应的水平平面投影的斜率，若所述斜率不相等，则重新计算所述输电线路的参数；若所述斜率相等，则继续将所有完成重建的输电线路进行等分后投影到竖直平面上，并计算每等分之间的竖直坐标差值，若所述竖直坐标差值满足预设条件，则保留重建结果；若所述竖直坐标差值不满足预设条件，则重新计算所述输电线路的参数。
60.其中，水平平面可以理解为xoy平面。斜率可以是输电线路在水平平面投影的倾斜程度。竖直平面可以是xoz平面，相应的竖直坐标差值则可以理解为每一段竖直平面投影的高度值。预设条件可以是每一段竖直平面投影的高度值在相等，或者是误差在预设范围内，例如误差在为0.1米内。
61.具体的，为了保证输电线路重建的精度，因此可以选择多组坐标带入到悬链方程中得到对应的参数并完成重建，并且将重建完成的输电线路投影到xoy平面上，并分别计算在xoy平面上的斜率，并进行比较，当斜率相同时，则将重建后的线路投影到xoz平面，并将其在x轴上进行平分，可见将其按照x轴平分为4等分，比较每等分之间的高度值，若高度值满足预设的条件，则保留当前重建结果，进而保证了重建结果的精度。例如，每等份上取一个z值，每个z值按照大小排序之后，相邻之间的z值求得差值。若每等份上的差值基本上相等，而且每个差值不存在负数即保留各组悬链线方程，若是不满足每等份上的差值基本上相等，而且每个差值不存在负数即保留各组悬链线方程的条件即返回到悬链线方程计算处。
62.本发明实施例的技术方案，通过基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息，进而依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，最终根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建，基
于上述技术方案，在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。
63.实施例二
64.图2为本发明实施例提供的一种输电线路重建方法的流程图，本实施例在上述实例的基础上进一步细化了输电线路重建方法的实施流程，其具体的实施方式可以参见本实施例的技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。
65.需要说明的是，本发明在收到无人机采集的影像数据后，根据杆塔坐标筛选出该杆塔档距内相关影像，将这些影像进行空三三角测量技术解算相片姿态，相机内、外方元素。利用深度学习对影像的电力线进行语义分割，根据分割的像素点匹配之后，最后带入电力线悬链线方程中拟合出来电力线。
66.如图2所示，以单档距之间的线路计算为例，本方法的具体实施过程如下：
67.首先需要获取到单架次无人机采集的影像数据i0，进而对单架次无人机采集的影像数据利用空中三角测量技术手段分析得到照片的空间姿态信息(偏航角yaw，俯仰角pitch，滚动角roll)。其中，空中三角测量是立体摄影测量中，根据少量的野外控制点，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。
68.进一步的，利用杆塔的wgs84坐标信息对i0筛选出单档距内的影像数据in，同时通过杆塔wgs84坐标对i0筛选出单个档距中间位置的相关影像数据imid。需要说明的是，单个档距中间位置的相关影像数据imid可以是指输电线路中间位置的图像信息。
69.再利用深度学习对in识别出绝缘子串的位置ix(x＝1、2、3
…
n)，具体的可以是预先训练对应的图像识别模型，可以通过图像识别模型对图像进行识别后，标注出绝缘子串的位置。利用杆塔的wgs84坐标信息对绝缘子串的位置ix分为小号杆塔端iminx和大号杆塔端imaxx。需要说明的是，可以基于电流的流向，将杆塔分为大号杆塔和小号杆塔，并且电流的方向是从小号杆塔流向大号杆塔的。
70.在含有iminx、imaxx影像数据中对应的iminx、imaxx位置利用深度学习逐像素分割出电力线中的像素位置ipminxn(n＝1、2、3
…
n)、ipmaxxn(n＝1、2、3
…
n)。利用深度学习逐像素分割出电力线在影像数据imid中的像素位置ipmidn(n＝1、2、3
…
n)。具体的，可以是采用语义分割模型对图像进行处理，达到逐像素分割像素位置的效果。
71.对存在ipminxn、ipmaxxn、ipimidn像素点的影像数据集进行图像特征点匹配，依次找到ipminxn、ipmaxxn、ipmidn各自点集中两两对应的点组ipzminxn(n＝1、2、3
…
n)、ipzmaxxn(n＝1、2、3
…
n)、ipzmidn(n＝1、2、3
…
n)。对点组ipzminxn、ipzmaxxn、ipzmidn中每组中两个点利用照片的空间姿态信息进行空间前方交会得到对应的wgs84坐标ipzwminxn、ipzwmaxxn、ipzwmidn的坐标值。
72.利用单档距大小号杆塔坐标将ipzwminxn、ipzwmaxxn、ipzwmidn坐标分左边和右边ipzwlminxn、ipzwlmaxxn、ipzwlmidn、ipzwrminxn、ipzwrmaxxn、ipzwrmidn。并将得到的点位信息ipzwlminxn、ipzwlmaxxn、ipzwlmidn、ipzwrminxn、ipzwrmaxxn、ipzwrmidn按照海拔高度对各自点集从小到大排列。
73.首先在ipzwlminxn、ipzwlmaxxn、ipzwlmidn中各自随机取第一个、第二个、第三个等形成三个点为一组，依次将第一组、第二组、第三组等带入悬链线方程中求解出悬链线方程相关参数。
74.在实际应用的过程中，在完成了参数的计算并对输电线路进行重建后，还需要对重建的输电线路进行验证，从而保证重建的精度，验证方法如图3所示，首先，将第一组、第二组、第三组等求的悬链线方程投影在xoy平面上，计算出每组投影在xoy平面上的悬链线方程的斜率是否相等，若斜率相等将保留各组的点集，若不相等则重新返回上一步骤处继续点集计算。进而，在斜率相等保留对应点击的基础上，将各组的悬链线方程的x轴上分为4等份，每等份上取一个z值，每个z值按照大小排序之后，相邻之间的z值求得差值。若每等份上的差值基本上相等，而且每个差值不存在负数即保留各组悬链线方程，若是不满足每等份上的差值基本上相等，而且每个差值不存在负数即保留各组悬链线方程的条件即返回到悬链线方程计算处。
75.本发明实施例的技术方案，通过基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息，进而依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，最终根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建，基于上述技术方案，在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。
76.实施例三
77.图4为本发明实施例提供的一种输电线路重建装置。该装置包括：位置信息获取模块410、坐标信息获取模块420、线路重建模块430。
78.位置信息获取模块410，用于基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息；
79.坐标信息获取模块420，用于依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，其中，所述位姿信息为无人机拍摄图像时的角度信息；
80.线路重建模块430，用于根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建。
81.在上述技术方案的基础上，所述装置还包括：
82.目标图像获取模块，用于根据杆塔档距和目标杆塔的坐标信息确定目标区域，得到在所述目标区域内的所有图像，并将其作为目标图像，其中，所述目标区域是以目标杆塔为圆心，以所述杆塔档距为半径构成的圆形区域。
83.在上述技术方案的基础上，所述目标图像获取模块包括：
84.图像划分单元，用于基于所述输电线路中的电流方向、预设识别物体和所述目标杆塔的坐标信息，将所述目标图像划分为至少一个子图像；其中，所述至少一个子图像与预设型号的杆塔相对应。
85.在上述技术方案的基础上，所述坐标信息获取模块用于：基于预先设置的语义分割模型分别对所述至少一个子图像中的像素进行语义分割，并得到各个图像对应的输电线路像素点的像素位置信息。
86.在上述技术方案的基础上，所述坐标信息获取模块还用于：基于空间前方交会法对所述至少两个像素点的像素位置信息和所述位姿信息进行处理得到所述输电线路像素点对应的实际坐标信息。
87.在上述技术方案的基础上，所述坐标信息获取模块还包括：
88.分类单元，用于基于所述目标杆塔的坐标信息，将所述输电线路像素点对应的实际坐标信息进行分类，以及根据述输电线路像素点对应的实际坐标信息中的高度信息进行排序。
89.在上述技术方案的基础上，所述线路重建模块具体用于：将所述实际坐标信息信息中至少三个点的实际坐标信息带入到悬链线方程中，以得到所述悬链线方程的相关参数，并基于所述相关参数完成所述输电线路的重建。
90.在上述技术方案的基础上，所述线路重建模块还包括：
91.验证单元，用于将所有完成重建的输电线路投影到水平平面上，并计算对应的水平平面投影的斜率，若所述斜率不相等，则重新计算所述输电线路的相关参数；若所述斜率相等，则继续将所有完成重建的输电线路进行等分后投影到竖直平面上，并计算每等分之间的竖直坐标差值，若所述竖直坐标差值满足预设条件，则保留重建结果；若所述竖直坐标差值不满足预设条件，则重新计算所述输电线路的相关参数。
92.本发明实施例的技术方案，通过基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息，进而依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，最终根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建，基于上述技术方案，在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。
93.本发明实施例所提供的输电线路重建装置可执行本发明任一实施例所提供的输电线路重建方法，具备执行方法相应的功能模块和有益效果。
94.值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
95.实施例四
96.图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
97.如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
98.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通
信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
99.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如输电线路重建方法。
100.在一些实施例中，输电线路重建方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的输电线路重建方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行输电线路重建方法。
101.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
102.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
103.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
104.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且
可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
105.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
106.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
107.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
108.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
技术特征：1.一种输电线路重建方法，其特征在于，包括：基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息；依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，其中，所述位姿信息为无人机拍摄图像时的角度信息；根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建。2.根据权利要求1所述的方法，其特征在于，在基于预先训练的深度学习模型对目标图像识别之前，还包括：根据杆塔档距和目标杆塔的坐标信息确定目标区域，得到在所述目标区域内的所有图像，并将其作为目标图像，其中，所述目标区域是以目标杆塔为圆心，以所述杆塔档距为半径构成的圆形区域。3.根据权利要求2所述的方法，在得到所述目标图像之后，还包括：基于所述输电线路中的电流方向、预设识别物体和所述目标杆塔的坐标信息，将所述目标图像划分为至少一个子图像；其中，所述至少一个子图像与预设型号的杆塔相对应。4.根据权利要求1所述的方法，其特征在于，所述基于预先训练的深度学习模型对所述目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息，包括：基于预先设置的语义分割模型分别对所述至少一个子图像中的像素进行语义分割，并得到各个子图像对应的输电线路像素点的像素位置信息。5.根据权利要求1所述的方法，所述依据所述点集中至少两个像素点的像素位置信息和目标图像的空间姿态信息确定输电线路像素点对应的实际坐标信息，包括：基于空间前方交会法对所述至少两个像素点的像素位置信息和所述位姿信息进行处理得到所述输电线路像素点对应的实际坐标信息。6.根据权利要求1所述的方法，在根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建之前，还包括：基于所述目标杆塔的坐标信息，将所述输电线路像素点对应的实际坐标信息进行分类，以及根据述输电线路像素点对应的实际坐标信息中的高度信息进行排序。7.根据权利要求1所述的方法，所述根据所述实际坐标信息得到输电线路的参数，并基于所述输电线路的参数进行线路重建，包括：将所述实际坐标信息信息中至少三个点的实际坐标信息带入到悬链线方程中，以得到所述悬链线方程的相关参数，并基于所述相关参数完成所述输电线路的重建。8.根据权利要求1所述的方法，其特征在于，还包括：将所有完成重建的输电线路投影到水平平面上，并计算对应的水平平面投影的斜率，若所述斜率不相等，则重新计算所述输电线路的相关参数；若所述斜率相等，则继续将所有完成重建的输电线路进行等分后投影到竖直平面上，并计算每等分之间的竖直坐标差值，若所述竖直坐标差值满足预设条件，则保留重建结果；若所述竖直坐标差值不满足预设条件，则重新计算所述输电线路的相关参数。9.一种输电线路重建装置，其特征在于，包括：
位置信息获取模块，用于基于预先训练的深度学习模型对目标图像识别，以得到所述目标图像中输电线路像素点的像素位置信息；坐标信息获取模块，用于依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息，其中，所述位姿信息为无人机拍摄图像时的角度信息；线路重建模块，用于根据所述实际坐标信息得到输电线路的相关参数，并基于所述输电线路的相关参数进行线路重建。10.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的输电线路重建方法。
技术总结本发明公开了一种输电线路重建方法、装置、电子设备及存储介质，其中，该方法包括：基于预先训练的深度学习模型对目标图像识别，以得到目标图像中输电线路像素点的像素位置信息；依据至少两个输电线路像素点的像素位置信息和位姿信息确定输电线路像素点对应的实际坐标信息；根据实际坐标信息得到输电线路的参数，并基于输电线路的参数进行线路重建。基于上述技术方案，在输电线路重建过程中的线路点位的精准匹配，进而达到了提高输电线路重建的精准度的技术效果。精准度的技术效果。精准度的技术效果。
技术研发人员：杨帆 乔嘉赓 彭子平 易淑智 贾恒杰 蓝海文 吴兰 江贵贵 罗顺 向东伟 杨成城
受保护的技术使用者：广东电网有限责任公司韶关供电局
技术研发日：2022.07.26
技术公布日：2022/11/1
