CN119229097B 基于贝塞尔曲线建模的无人机自主巡检导线检测方法及系统 （中科方寸知微(南京)科技有限公司）

司技创新园创研路266号人工智能产业基于贝塞尔曲线建模的无人机自主巡检导本发明公开了一种基于贝塞尔曲线建模的22.根据权利要求1所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特多源数据中的所有数据源的采样时刻对齐到统一时间基准上，生成对齐后的多模态数据S13、将对齐后的多模态数据流中的图像数据和场景动态评估值输入到图像增强网络3.根据权利要求2所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特34.根据权利要求3所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特刻的贝塞尔曲线参数之间的欧氏距离；基于欧氏距离，通过sigmoid函数计算平滑权重系5.根据权利要求4所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特6.根据权利要求5所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特像序列；4S113、将预处理后的图像序列、校准后的位置数据7.根据权利要求5所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特S132、将图像数据和光照特征向量输入到噪8.根据权利要求5所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特S222、基于方向特征集和局部方向置信度矩阵，通过S223、将结构特征图谱和连续性测度矩阵输入59.根据权利要求5所述的基于贝塞尔曲线建模的无人机自主巡检导线检测方法，其特所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1~9任一项所述的基于贝塞尔曲线建模的无人机自主巡6[0002]电力输电线路的安全运行是电网可靠运行的重要保障。[0005]发明目的，提出一种基于贝塞尔曲线建模的无人机自主巡检导线检测方法及系7[0021]如图1所示，本申请提出了一种基于贝塞尔曲线建模的无人机自主巡检导线检测8[0029]S13、将对齐后的多模态数据流中的图像数据和场景动态评估值输入到图像增强续的导线检测奠定了可靠基础。特别是在无人机快速机动或光照条件剧烈变化的场景下，塔集合{P_k(t)}输入到场景动态特性分析模块，采用光流估计算法计算场景运动矢量场；9的图像序列；2target)2+λ2σ2)为水平移动权重；γ_d=exp(_|v_d|/σ2)为对角移动权重；γ_v=exp(_|v_v|/σ2)为[0052]小波变换分解算法的过程具体为：构建自适应小波基函数ψa，b(t)=|a|_1/2·ψ1/22I2r1t)为目标为基根据起点位置(X,Y)获取特征图F1*中对应的特征，将这些特征输入到3层全连接输出控制层次表示和环境上下文信息的有效利用。通过不同尺度的特征提取函数构建特征金字塔，[0070]在本申请的一个实施例中，非最大抑制算法的过程具体为：计算响应强度Sij=σr为半径调节参[0071]局部二值模式算子的过程具体为：自适应采2/2σt2)ii为ij2/2σd2)iijj)为边int为区域i对导线的自注意力模块。导线在画面中比较细长，无论传统的卷积神经网络，还是上具有全局感受野，在横向方向具有局部感受野的特征提取模块，称之为Verticalθ[0080]多头注意力机制允许模型在不同的表示空间中关注不同的部分。对应每个向量V；[0082]多个头的输出被串联并通过线性变换：MultiHead(Q，K，V)=Concat(head1，是n_t)n_i的控制点，因此需要生成控制点为计算损失。给定导线上的标注点集合{(kxi，kyi)}i=1m，[0098]S323、将局部曲线参数集L_b(t)和分段连接关系矩阵J(tijmax为最大局部方差。riiσs_1t=μ0t+1扑一致性检验评估曲线的结构合理性，采用形状相似性度量比较相邻曲线段的形状特征。[0109]S42、将优化后的贝塞尔曲线参数投影到多层次特征金字塔集合的每个尺度层级习提高特征匹配的鲁棒性；输出优化后的特征匹配结果M_f(t)和匹配置信度矩阵C_m(t)。化评分权重分配；利用贝叶斯推理框架融合多源评估结果；输出修正后的一致性评分S_c[0114]S421、获取优化后的贝塞尔曲线参数B*(t)和多层次特征金字塔集合{P_k(t)}并[0116]S423、将特征匹配图谱S_m(t)和匹配可信度矩阵R_m(t)[0118]在本申请的一个实施例中，几何验证算法的过程具体为：估计变换矩阵H=iix')ii)为特征距itttR0为初始噪声协方μ为角i)为样ijiji[0145]在本申请的一个实施例中，基于贝塞尔曲线建模的无人机自主巡检导线检测方[0148]传统的基于分割或基于关键点的方法通常需要去解码预测结果或制定大量锚点，[0150]本实施例模型能有效检出配网线路中导线的起始点，并[0152]考虑到起点区域和非起点区域的不平衡的问题，导线起点Heatmap损失函数采用Yyx=1；[0160]网络学习贝塞尔曲线的关键是定义一个好的距离评价指标去评估真实导线与预；；[0169]