面向低空飞行器的基于视觉的电力线缆与电塔检测

电力线对低空飞行器是危险的，尤其是在低能见度条件下。因此，一个能够分析飞行器周围环境并为飞行员提供“第二双眼睛”的基于视觉的系统，有助于增强他们的安全。为此，我们开发了一种深度学习方法，用于从机载相机在数百米距离外拍摄的图像中联合检测电力线缆和电塔。在此过程中，我们将现代卷积架构与迁移学习以及适应于曲线结构描绘的损失函数相结合。我们使用单一网络完成两项检测任务，并在两个基准数据集上展示了其性能。我们已将其集成到一个机载系统中并在飞行中运行，通过实验证明，在两个数据集上，该方法均优于先前的远距离线缆检测方法，同时在数据提供电塔标注的情况下，也能成功检测电塔。