本發(fā)明涉及管道檢測，具體涉及一種基于圖像在豎井中識(shí)別橫管的方法及其相關(guān)設(shè)備。

背景技術(shù)：

1、在石油、天然氣、電力、通信以及市政建設(shè)等行業(yè)中，豎井內(nèi)的橫管(如電纜管道、水管道等)的巡檢和維護(hù)工作至關(guān)重要。這些橫管負(fù)責(zé)輸送各種流體或信號(hào)，其安全性和可靠性直接影響到整個(gè)系統(tǒng)的運(yùn)行。然而，由于豎井環(huán)境的特殊性(如空間狹小、光線不足、環(huán)境復(fù)雜等)，傳統(tǒng)的巡檢方法(如人工巡檢、固定攝像頭監(jiān)控等)存在諸多局限。如人工巡檢需要派遣人員進(jìn)入豎井內(nèi)部，這不僅費(fèi)時(shí)費(fèi)力，而且存在安全隱患，且豎井內(nèi)可能存在有毒氣體、缺氧、高溫等危險(xiǎn)因素，對巡檢人員的身體健康構(gòu)成威脅，此外，人工巡檢還受限于人員的經(jīng)驗(yàn)和主觀判斷，容易出現(xiàn)誤判或遺漏；固定攝像頭監(jiān)控雖然可以實(shí)時(shí)監(jiān)控豎井內(nèi)的情況，但攝像頭的安裝位置和數(shù)量有限，無法觀察到整個(gè)橫管區(qū)域。

2、近年來，隨著無人機(jī)技術(shù)的快速發(fā)展，無人機(jī)在巡檢領(lǐng)域的應(yīng)用越來越廣泛。無人機(jī)具有靈活機(jī)動(dòng)、高效便捷的特點(diǎn)，可以迅速到達(dá)豎井內(nèi)部，并通過掛載的攝像頭拍攝高清圖像。然而，僅僅通過無人機(jī)拍攝圖像并不足以實(shí)現(xiàn)橫管的準(zhǔn)確識(shí)別和定位。

3、也即，如何提供一種基于圖像在豎井中識(shí)別橫管的方法，以達(dá)到對豎井內(nèi)橫管的快速識(shí)別和準(zhǔn)確定位的技術(shù)效果是本領(lǐng)域亟需解決的技術(shù)難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種基于圖像在豎井中識(shí)別橫管的方法及其相關(guān)設(shè)備，以解決上述至少一種技術(shù)問題。

2、第一方面，本技術(shù)提供了一種基于圖像在豎井中識(shí)別橫管的方法，所述方法應(yīng)用于對地下管道進(jìn)行巡檢的無人機(jī)，所述無人機(jī)的正前方安裝有攝像頭，其特征在于，所述方法包括：

3、構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型，并對所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到橫管識(shí)別模型；

4、當(dāng)所述無人機(jī)在目標(biāo)豎井中巡檢時(shí)，通過安裝在所述無人機(jī)上的所述攝像頭實(shí)時(shí)采集所述目標(biāo)豎井的實(shí)時(shí)井壁圖像；

5、將所述實(shí)時(shí)井壁圖像輸入所述橫管識(shí)別模型中，得到橫管識(shí)別結(jié)果，所述橫管識(shí)別結(jié)果包括第一識(shí)別結(jié)果和第二識(shí)別結(jié)果，所述第一識(shí)別結(jié)果為所述實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處不存在目標(biāo)橫管的判斷結(jié)果，所述第二識(shí)別結(jié)果包括所述實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處存在目標(biāo)橫管的判斷結(jié)果以及在判斷存在目標(biāo)橫管時(shí)所述目標(biāo)橫管在對應(yīng)的所述實(shí)時(shí)井壁圖像中的像素坐標(biāo)結(jié)果；

6、其中，所述目標(biāo)橫管與所述目標(biāo)豎井相連通。

7、優(yōu)選地，所述構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型，并對所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到橫管識(shí)別模型，包括：

8、獲取用于訓(xùn)練所述深度學(xué)習(xí)網(wǎng)絡(luò)模型的待訓(xùn)練樣本集合；

9、依據(jù)yolo算法構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型；

10、將所述待訓(xùn)練樣本集合輸入所述深度學(xué)習(xí)網(wǎng)絡(luò)模型中對所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到橫管識(shí)別模型。

11、優(yōu)選地，所述獲取用于訓(xùn)練所述深度學(xué)習(xí)網(wǎng)絡(luò)模型的待訓(xùn)練樣本集合，包括：

12、獲取豎井中與所述豎井連通的橫管在不同角度和不同光照條件下的歷史圖像集；

13、將所述歷史圖像集中的所有歷史圖像進(jìn)行統(tǒng)一像素處理；

14、對統(tǒng)一像素處理后的所述歷史圖像集中的每一張歷史圖像中的橫管通過標(biāo)記框進(jìn)行標(biāo)記，所述標(biāo)記框?yàn)樗鰵v史圖像中將所述橫管包裹在內(nèi)的最小矩形框；

15、獲取每一張歷史圖像中的所述標(biāo)記框的像素坐標(biāo)信息，并將所述像素坐標(biāo)信息與對應(yīng)的所述歷史圖像關(guān)聯(lián)起來，得到用于訓(xùn)練所述深度學(xué)習(xí)網(wǎng)絡(luò)模型的待訓(xùn)練樣本集合；

16、其中，所述像素坐標(biāo)信息包括所述標(biāo)記框的四個(gè)頂點(diǎn)的頂點(diǎn)像素坐標(biāo)，所述待訓(xùn)練樣本集合包括所述歷史圖像集、所述像素坐標(biāo)信息以及所述像素坐標(biāo)信息與對應(yīng)的所述歷史圖像的關(guān)聯(lián)關(guān)系。

17、優(yōu)選地，在將所述實(shí)時(shí)井壁圖像輸入所述橫管識(shí)別模型中，得到橫管識(shí)別結(jié)果之后，所述方法還包括：

18、當(dāng)所述橫管識(shí)別結(jié)果為所述第二識(shí)別結(jié)果時(shí)，依據(jù)所述第二識(shí)別結(jié)果中所述目標(biāo)橫管的所述像素坐標(biāo)結(jié)果計(jì)算所述目標(biāo)橫管的橫管中心像素坐標(biāo)；

19、判斷所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的方位信息，依據(jù)所述方位信息控制所述無人機(jī)飛入所述目標(biāo)橫管中。

20、優(yōu)選地，所述像素坐標(biāo)結(jié)果包括將所述實(shí)時(shí)井壁圖像中的目標(biāo)橫管包裹在內(nèi)的最小矩形框的四個(gè)頂點(diǎn)的實(shí)時(shí)頂點(diǎn)像素坐標(biāo)，依據(jù)所述第二識(shí)別結(jié)果中所述目標(biāo)橫管的所述像素坐標(biāo)結(jié)果計(jì)算所述目標(biāo)橫管的橫管中心像素坐標(biāo)包括：

21、計(jì)算四個(gè)所述實(shí)時(shí)頂點(diǎn)像素坐標(biāo)的橫像素坐標(biāo)的平均值，得到平均橫像素坐標(biāo)值；

22、計(jì)算四個(gè)所述實(shí)時(shí)頂點(diǎn)像素坐標(biāo)的縱像素坐標(biāo)的平均值，得到平均縱像素坐標(biāo)值；

23、所述平均橫像素坐標(biāo)值和所述平均縱像素坐標(biāo)值形成所述橫管中心像素坐標(biāo)。

24、優(yōu)選地，所述判斷所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的方位信息，依據(jù)所述方位信息控制所述無人機(jī)飛入所述目標(biāo)橫管中，包括：

25、若所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的上方，則控制所述無人機(jī)朝所述攝像頭的上方飛行；

26、若所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的下方，則控制所述無人機(jī)朝所述攝像頭的下方飛行；

27、若所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的左側(cè)，則控制所述無人機(jī)朝所述攝像頭的左側(cè)旋轉(zhuǎn)飛行；

28、若所述橫管中心像素坐標(biāo)位于對應(yīng)的所述實(shí)時(shí)井壁圖像中的右側(cè)，則控制所述無人機(jī)朝所述攝像頭的右側(cè)旋轉(zhuǎn)飛行。

29、優(yōu)選地，在所述獲取用于訓(xùn)練所述深度學(xué)習(xí)網(wǎng)絡(luò)模型的待訓(xùn)練樣本集合之后以及所述依據(jù)yolo算法構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型之前，所述方法還包括：

30、通過數(shù)據(jù)增強(qiáng)技術(shù)對所述待訓(xùn)練樣本集合進(jìn)行數(shù)據(jù)樣本增加處理。

31、第二方面，本技術(shù)提供一種基于圖像在豎井中識(shí)別橫管的裝置，所述裝置包括：

32、模型構(gòu)建單元，用于構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型，并對所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到橫管識(shí)別模型；

33、圖像采集單元，當(dāng)所述無人機(jī)在目標(biāo)豎井中巡檢時(shí)，用于通過安裝在所述無人機(jī)上的所述攝像頭實(shí)時(shí)采集所述目標(biāo)豎井的實(shí)時(shí)井壁圖像；

34、信息輸入單元，用于將所述實(shí)時(shí)井壁圖像輸入所述橫管識(shí)別模型中，得到橫管識(shí)別結(jié)果，所述橫管識(shí)別結(jié)果包括第一識(shí)別結(jié)果和第二識(shí)別結(jié)果，所述第一識(shí)別結(jié)果為所述實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處不存在目標(biāo)橫管的判斷結(jié)果，所述第二識(shí)別結(jié)果包括所述實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處存在目標(biāo)橫管的判斷結(jié)果以及在判斷存在目標(biāo)橫管時(shí)所述目標(biāo)橫管在對應(yīng)的所述實(shí)時(shí)井壁圖像中的像素坐標(biāo)結(jié)果，所述目標(biāo)橫管與所述目標(biāo)豎井相連通。

35、第三方面，本技術(shù)還提供一種電子設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器中并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器用于執(zhí)行存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)第一方面中任一項(xiàng)一種基于圖像在豎井中識(shí)別橫管的方法。

36、第四方面，本技術(shù)還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面中任一項(xiàng)一種基于圖像在豎井中識(shí)別橫管的方法。

37、本發(fā)明應(yīng)用于對地下管道進(jìn)行巡檢的無人機(jī)，在無人機(jī)的正前方安裝有攝像頭，首先通過構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型，并對該深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到橫管識(shí)別模型；當(dāng)無人機(jī)在目標(biāo)豎井中巡檢時(shí)，通過安裝在無人機(jī)上的攝像頭實(shí)時(shí)采集目標(biāo)豎井的實(shí)時(shí)井壁圖像；將實(shí)時(shí)井壁圖像輸入橫管識(shí)別模型中，得到橫管識(shí)別結(jié)果，橫管識(shí)別結(jié)果包括第一識(shí)別結(jié)果和第二識(shí)別結(jié)果，其中，第一識(shí)別結(jié)果為實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處不存在目標(biāo)橫管的判斷結(jié)果，第二識(shí)別結(jié)果包括實(shí)時(shí)井壁圖像所對應(yīng)的井壁位置處存在目標(biāo)橫管的判斷結(jié)果以及在判斷存在目標(biāo)橫管時(shí)目標(biāo)橫管在對應(yīng)的實(shí)時(shí)井壁圖像中的像素坐標(biāo)結(jié)果。本發(fā)明提供的基于圖像在豎井中識(shí)別橫管的方法，通過無人機(jī)搭載的攝像頭實(shí)時(shí)采集圖像數(shù)據(jù)，并利用深度學(xué)習(xí)模型進(jìn)行橫管中心方位的識(shí)別，實(shí)現(xiàn)了無人機(jī)自主識(shí)別和定位橫管的能力，大大提高了巡檢和維護(hù)的效率和安全性。