基于运动恢复结构的航拍红外视频中光伏组件地理配准
计算机视觉与模式识别
2022-04-07 v1
摘要
为经济地识别大规模光伏电站中的异常光伏（PV）组件，常使用搭载无人机红外（IR）相机与自动化视频处理算法。现有相关工作多聚焦于异常组件检测，而自动定位电站内这些组件的研究甚少。本工作中，我们利用增量式运动恢复结构（structure-from-motion），基于视觉线索与无人机实测 GPS 轨迹，自动获取电站中所有 PV 组件的地理坐标。此外，我们提取每个 PV 组件的多张 IR 图像。利用我们的方法，我们成功映射了四个大规模电站与一个屋顶电站中 35084 个组件的 99.3%，并提取超过 220 万张组件图像。相较我们此前工作，提取遗漏组件数减少 18 倍（由每八块中一块降至每 140 块中一块）。进而，可同时处理两到三排电站阵列，使组件吞吐量与飞行时长分别提升 2.1 倍与降低 3.7 倍。与某大规模电站的精确正射影像对比，所得组件估计地理坐标的均方根误差为 5.87 m，各电站阵列内相对误差为 0.22 m 至 0.82 m。最后，我们利用组件地理坐标与提取的 IR 图像，在地图上可视化组件温度分布及深度学习分类器的异常预测。温度分布有助于识别断开组串，我们还发现其对十类常见异常中七类的检测精度达到甚至超过深度学习分类器。该软件发布于 https://github.com/LukasBommes/PV-Hawk。
引用
@article{arxiv.2204.02733,
title = {Georeferencing of Photovoltaic Modules from Aerial Infrared Videos using Structure-from-Motion},
author = {Lukas Bommes and Claudia Buerhop-Lutz and Tobias Pickel and Jens Hauch and Christoph Brabec and Ian Marius Peters},
journal= {arXiv preprint arXiv:2204.02733},
year = {2022}
}