稠密电力场景中的双目复空间立体定位与识别方法

为解决数字孪生三维运检中小尺度、复杂多目标电力设备的精准定位、语义关联及类型识别问题,构建了二维平面视觉三基色和深度维(three primary colors and depth dimension,RGB-D)的复数空间融合模型.通过提取稠密电力场景下二维图像三基色、纹理和双目立体三维图像深度等多要素的像素灰度值特征,在RGB-D复空间中对小尺度、遮挡及倾斜设备的3个特征要素进行了表征.采用要素线性叠加融合的方式实现目标体空间结构表达,并利用复空间要素归一均衡化增强了目标体的深度特征,从而达到小尺寸、复杂多目标体的空间定位量化目的.在此基础上,基于优化非极大值抑制(optimized non-maximum suppression,NMS)算法对目标定位映射结果进行了优化筛选,经过鲁棒分析得知,该方法具有较强的抗遮挡鲁棒性.以隔离开关、断路器等设备为对象的实验结果表明:该方法相对于传统目标检测方法不仅在目标的定位与识别准确率方面得到显著提高,且在应对稠密电力场景中设备复杂遮挡解决方面具备较大优势,可有力促进电力数字孪生化的理论和技术发展.