本发明属于电力电缆领域，涉及一种结合数据融合与图像识别的电缆识别与定位方法。
背景技术：
1、地下电缆是电力传输环节中的一个关键部分。电力的正常运输确保了电网能够为所有客户提供可靠的电力供应服务，并在紧急情况下具备较强的供电保障能力。为了保证用电设备的正常运行，及时掌握电缆的运行数据和状态是基本要求。
2、目前，在电缆沟中，电缆的识别与定位对于维护和检修工作至关重要。电缆沟通常铺设在地下，用于容纳电力电缆、通信电缆和其他类型的电缆。由于电缆的数量众多、种类复杂且环境条件恶劣，传统的电缆识别与定位方法面临诸多挑战。
3、基于以上背景，本发明提出了一种电缆沟中电缆的识别与定位方法，结合数据融合算法用于整合来自gps等不同传感器的数据，以提高电缆定位的精度和稳定性，再结合图像处理方法提供了一种高效、准确的电缆识别与定位方法。
4、(1)人工记录方式
5、人工记录是最简单、最原始的巡检方式。工作人员需要将巡检任务的详细清单列在工作簿中，然后工作人员每巡检一项，就查找工作簿中该项参数是否符合标准，并记录在工作簿中。
6、(2)基于rfid的巡检方式
7、rfid，即射频识别技术，是一种基于物联网的电子标签通信技术。其不需要通过任何机械或者光学的接触，就能够通过无线电讯号进行特定目标的识别和相关数据的读取。
8、相较于现有电缆定位与识别方法，本发明提供的电缆沟中电缆识别与定位方法采用的是自动化识别，减少人工干预，提高识别与定位效率。而且利用数据融合算法，提高识别和定位的准确性和鲁棒性。适用于各种类型的电缆和复杂的电缆沟环境。通过本发明的方法，可以显著提高电缆沟中电缆识别与定位的效率和准确性，减少人工操作的误差，为电力和通信设施的维护和检修提供有力支持。
9、本方法可以确保在各种环境下提供高精度的定位信息，尤其是在城市密集区域和地下环境中。实时获取和更新电缆位置的数据，确保定位信息的准确性和及时性。开发可靠的图像识别算法，能够准确区分和识别不同类型的电缆，处理复杂背景中的电缆图像，提高识别的准确性和鲁棒性，包括在低光、遮挡和杂乱环境下的识别。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种结合数据融合与图像识别的电缆识别与定位方法。
2、为达到上述目的，本发明提供如下技术方案：
3、一种结合数据融合与图像识别的电缆识别与定位方法，该方法包括以下步骤：
4、获取电缆沟中的电缆图像；
5、所述电缆图像进行预处理，包括：
6、使用基于高斯函数的去噪算法对电缆图像进行去噪；
7、使用改进的sobel边缘检测算法对去噪后的电缆图像进行边缘检测；
8、提取所述边缘检测后的电缆图像中的电缆特征；
9、使用基于多新息理论的扩展卡尔曼滤波算法对所述电缆特征进行融合处理，得到电缆的位置信息。
10、进一步，所述基于高斯函数的去噪算法包括以下步骤：
11、步骤1：移动需要被测的电缆图像中的中心元素，使电缆图像中心元素处在该图像的正上方；
12、步骤2：将输入的电缆表面图像的像素值作为权重值与其相对应的核函数相乘得出相应的值；
13、步骤3：将步骤1和步骤2得到的数值相加后，进行输出；
14、步骤4：依据下式对电缆图像进行噪声分类；
15、
16、式中，(x,y)表示电缆图像所有点像素的点，f(x,y)则表示电缆表面图像的灰度值；a的值为判定为含有其它噪声的电缆图像像素值的点；b的值为含有高斯噪声的电缆图像像素值的点；min[f(x,y)]为所选用改进的去噪算法的5×5窗口内，电缆图像中灰度值的最小值；max[f(x,y)]为所选用改进的去噪算法的5×5窗口内电缆图像中灰度值的最大值；依据上述公式就可以进而对电缆灰度图像中可疑的其它噪声或者高斯噪声点逐一的进行分析；
17、为判断电缆灰度图像差异值的范围，定义一个判断阂值：
18、
19、式中：g为定义的判断阂值；h表示水平方向(x轴)上的偏移量；j表示垂直方向(y轴)上的偏移量；n表示邻域的窗口大小；
20、步骤5：依据下式对已分类的电缆图像进行去噪处理；
21、
22、式中，s表示输出的电缆图像；median filtering表示中值滤波器，对(x，y)进行中值筛选；a表示该电缆图像像素中含有其它噪声的点，b表示该电缆图像像素中含有高斯噪声的点；由改进的去噪算法滤除电缆图像的噪声，得到质量高的电缆图像。
23、进一步，所述改进的sobel边缘检测算法包括以下步骤：
24、步骤11：使用大小为3x3的八方向sobel算子模板与电缆图像进行卷积处理；
25、步骤12：求步骤11得到的数组n的所有元素的最大值；
26、步骤13：将最大值赋值给中心像素作为输出值。
27、进一步，所述基于多新息理论的扩展卡尔曼滤波算法包括以下步骤：
28、预测阶段：
29、根据当前时刻的系统状态和系统控制输入，预测下一时刻的系统状态；
30、根据预测的系统状态，预测下一时刻的观测信息；
31、观测阶段：
32、获取实际观测信息；
33、更新阶段：
34、计算观测信息与预测观测信息之间的差值，即新息；
35、使用新息更新系统状态，得到更精确的系统状态估计值。
36、进一步，所述电缆特征包括电缆的形状、大小和颜色的特征。
37、本发明的有益效果在于：针对现有电缆沟内部电缆的识别与定位排查依靠人工、耗费时间与人力的问题，本发明提供的电缆沟中电缆识别与定位方法采用的是自动化识别，减少人工干预，提高识别与定位效率，为电力和通信设施的维护和检修提供有力支持。
38、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
1.一种结合数据融合与图像识别的电缆识别与定位方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种结合数据融合与图像识别的电缆识别与定位方法，其特征在于：所述基于高斯函数的去噪算法包括以下步骤：
3.根据权利要求1所述的一种结合数据融合与图像识别的电缆识别与定位方法，其特征在于：所述改进的sobel边缘检测算法包括以下步骤：
4.根据权利要求1所述的一种结合数据融合与图像识别的电缆识别与定位方法，其特征在于：所述基于多新息理论的扩展卡尔曼滤波算法包括以下步骤：
5.根据权利要求1所述的一种结合数据融合与图像识别的电缆识别与定位方法，其特征在于：所述电缆特征包括电缆的形状、大小和颜色的特征。
