为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。

针对高速公路上车辆的逆行、停车、轨迹异常等事件的检测问题，提出了一种基于车道模型知识的自底上向的车辆异常检测方法。首先由车道线的连续性、共线性的感知搜索出车道线和消失点，自动建立车道模型；然后在多车辆检测与跟踪时，通过目标运动位置预测和KLT特征点跟踪的方法建立表示目标区域交叠关系图，依据后验关系通过对图中节点对应目标区域的合并与拆分实现目标与实际车辆的一一对应，建立可靠的跟踪轨迹；最后基于消失点的坐标变换，计算车辆实际位置与速度，采用轨迹滑动窗口方法判断目标运动趋势并计算窗口内轨迹点平均速度，判断车辆的异常行为。实验结果表明,所提方法在不同天气、不同车流量环境中均有80%以上的事件检测率，同时算法简单，具有很好的实时性，能够适应实际高速公路智能检测设备的需求。