本发明涉及激光清障，具体为一种用于架空线路远程清障的激光清障远程控制系统。
背景技术：
1、激光清障是指利用激光技术进行远程、高效、精确的障碍物清除。它主要通过发射高能激光束，将目标物体表面瞬间加热并蒸发，从而达到清除障碍物的目的。
2、公告号为cn208890233u的中国专利公开了一种远距离激光清障系统，主要通过摄像机传回目标图像到智能设备，形成一个包含目标的视场，其中自动跟踪模块搜集异物的数据信息，通过控制中心模块，实现自动跟踪异物功能，在控制云台的配合下实现自动清障功能；同时，激光清障仪内的区域安全检测器检测到人、畜或其他影响激光发射的障碍物等进入发射安全区域，控制中心模块会自动切断激光发射，并发出报警声，以保障周围人员等安全，上述专利虽然解决了设备清障的问题，但是在实际操作中还存在以下问题：
3、1.激光清障设备对清障区域进行图像采集时，没有将采集的图像进行进一步的图像优化和处理，从而导致障碍物获取不精准。
4、2.没有将激光清障设备采集的障碍物进行准确的跟踪，从而导致障碍物偏移后无法清除。
5、3.没有根据周边的环境以及障碍物的实际距离进行进一步的确认，从而导致激光清障设备使用安全性降低。
技术实现思路
1、本发明的目的在于提供一种用于架空线路远程清障的激光清障远程控制系统，图像处理、动态调整和批量归一化等步骤的集成和优化，可以显著提高图像数据的处理效率，使得激光清障设备能够更快速地响应和识别障碍物，利用计算机学习算法将优化图像数据中的障碍物特征与障碍物模型进行训练计算，可以大大提高系统的自适应能力和鲁棒性。通过不断学习新的障碍物特征，系统能够逐渐改进其识别性能，通过粒子滤波方法对障碍物的特征和运行模式进行计算，并根据计算结果实时调整激光束的指向，从而确保了对障碍物位置的精确跟踪，可以解决现有技术中的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种用于架空线路远程清障的激光清障远程控制系统，包括：
4、激光清障设备确认检测单元，用于：
5、将激光清障设备中的各个组件进行功能检测，并根据检测结果判断激光清障设备是否在正常运行状态中；
6、障碍物识别分析单元，用于：
7、激光清障设备将清障区域的环境进行图像数据采集，将采集的图像数据进图像优化和分析，根据分析结果判断清障区域中障碍物的位置，并将清障区域中障碍物的位置标注为障碍物位置数据；
8、障碍物瞄准跟踪单元，用于：
9、激光清障设备将障碍物位置数据进行瞄准，激光清障设备将障碍物位置数据瞄准后进行跟踪，同时，在进行跟踪时对障碍物位置数据进行实时监测，并将监测数据标注为障碍物跟踪数据；
10、激光测距控制清除单元，用于：
11、激光清障设备将障碍物跟踪数据传输至控制中心进行距离测量，距离测量完成后根据障碍物的特性和距离进行清除激光参数调整，清除激光参数调整完成后进行激光清除。
12、优选的，所述激光清障设备中的各个组件包括辅助红点瞄具、人体感应传感器、快装机构、电动云台、三脚架、摄像头、光纤、电池组件和光电传感器；
13、所述激光清障设备确认检测单元，还用于：
14、将激光清障设备中的各个组件确认完成后进行功能检测，根据每个组件的特性需求分别进行检测。
15、优选的，所述障碍物识别分析单元，包括：
16、采集图像优化模块，用于：
17、利用激光清障设备中的摄像头对清障区域进行环境拍摄，环境拍摄完成后得到多个环境图像数据；
18、对环境图像数据进行优化，包括对环境图像数据进行图像处理、动态调整和批量归一；
19、其中，图像处理为将环境图像数据依次进行降噪、增强、分割和压缩；
20、图像处理完成后进行动态调整，动态调整为利用指数衰减将图像处理后的环境图像数据进行动态训练，并且，在训练过程中将环境图像数据的学习率进行逐步降低；
21、动态调整完成后进行批量归一，批量归一为利用神经网络模型将动态调整后的环境图像数据对每一层的输入进行归一化处理；
22、最终得到优化后的环境图像数据，并标注为优化图像数据。
23、优选的，所述障碍物识别分析单元，还包括：
24、优化图像分析模块，用于：
25、将优化图像数据先进行边缘检测；
26、将优化图像数据进行网格划分，网格划分为将优化图像数据划分成若干个尺寸一致的网格区域；
27、将每个网格区域中像素点的灰度值进行提取，并根据每个像素点的灰度值和网格区域范围内的灰度变化关系，获取每个网格区域中的边缘信息；
28、将每个边缘信息进行细化、去噪和连接，获取网格区域中的边缘轮廓；
29、对网格区域中的边缘轮廓进行特征提取，提取的特征包括图像的形状特征、纹理特性和颜色特征；
30、利用计算机学习算法对优化图像数据中的障碍物特征与障碍物模型进行训练计算，其中，障碍物模型从数据库中进行调取；
31、将优化图像数据中的障碍物特征与障碍物模型进行相似度比对，根据相似度比对结果确认优化图像数据中的障碍物位置；
32、其中，相似度越高优化图像数据中的障碍物特征越明显；
33、确认优化图像数据中的障碍物位置后将障碍物位置标注为障碍物位置数据。
34、优选的，将优化图像数据进行网格划分，包括：
35、提取所述优化图像数据的像素块数量；
36、利用所述优化图像数据的每个像素块的灰度值获取第一划分系数；
37、提取所述优化图像数据的灰度最大值对应像素块数量和优化图像数据的非0灰度值中的灰度最小值对应像素块数量；
38、利用所述优化图像数据的灰度最大值对应像素块数量和优化图像数据的非0灰度值中的灰度最小值对应像素块数量及其对应的灰度最大值和灰度最小值获取第二划分系数；
39、利用所述第一划分系数和第二划分系数获取网格尺寸范围的上限值和下限值；其中，所述网格尺寸范围的上限值和下限值通过如下公式获取：
40、；
41、其中，md表示网格尺寸范围的下限值，并且，所述网格尺寸范围的下限值为向下取整；mu表示网格尺寸范围的上限值，并且，所述网格尺寸范围的上限值为向上取整；md0和mu0分别表示预设的初始网格尺寸范围的下限值和上限值；r表示灰度值系数；e表示第二划分系数；
42、按照所述网格尺寸范围的上限值和下限值对所述优化图像数据进行网格划分。
43、优选的，利用所述优化图像数据的每个像素块的灰度值获取第一划分系数，包括：
44、提取所述优化图像数据的每个像素块的灰度值；
45、提取所述优化图像数据的所包含像素块对应的灰度值中值；
46、利用所述优化图像数据的所包含像素块对应的灰度值中值获取所述优化图像数据对应的参照灰度值，其中，所述优化图像数据对应的参照灰度值通过如下公式获取：
47、；
48、其中，r表示参照灰度值；n表示优化图像数据所包含像素块的总个数；hi表示第i个像素块对应的灰度值；hc表示优化图像数据所包含像素块对应的灰度值中值；
49、提取所述参照灰度值；
50、利用所述优化图像数据的每个像素块的灰度值结合参照灰度值获取灰度值系数；其中，所述灰度值系数通过如下公式获取：
51、；
52、其中，r表示灰度值系数；hmin和hmax分别表示优化图像数据所包含像素块的灰度最小值和灰度最大值；r表示参照灰度值，并且，所述参照灰度值通过如下公式获取。
53、优选的，利用所述优化图像数据的灰度最大值对应像素块数量和优化图像数据的非0灰度值中的灰度最小值对应像素块数量及其对应的灰度最大值和灰度最小值获取第二划分系数，包括：
54、提取所述优化图像数据的灰度最大值对应像素块数量和所述灰度最大值对应数值；
55、利用所述优化图像数据的灰度最大值对应像素块数量和所述灰度最大值对应数值获取第一灰度值参量，其中，所述第一灰度值参量通过如下公式获取：
56、；
57、其中，e01表示第一灰度值参量；m表示灰度最大值对应像素块数量；k表示优化图像数据的非0灰度值中的灰度最小值对应像素块数量；hmax表示优化图像数据所包含像素块的灰度最大值；hp表示优化图像数据所包含像素块的灰度平均值；n表示优化图像数据所包含像素块的总个数；
58、提取所述优化图像数据的非0灰度值中的灰度最小值对应像素块数量和非0灰度值中的灰度最小值对应数值；
59、利用所述优化图像数据的非0灰度值中的灰度最小值对应像素块数量和非0灰度值中的灰度最小值对应数值获取第二灰度值参量，其中，所述第二灰度值参量通过如下公式获取：
60、；
61、其中，e02表示第二灰度值参量；k表示优化图像数据的非0灰度值中的灰度最小值对应像素块数量；m表示灰度最大值对应像素块数量；hfmin表示非0灰度值中的灰度最小值对应数值；hp表示优化图像数据所包含像素块的灰度平均值；n表示优化图像数据所包含像素块的总个数；
62、利用所述第一灰度值参量和第二灰度值参量获取第二划分系数；其中，所述第二划分系数通过如下公式获取：
63、；
64、其中，e表示第二划分系数；e01表示第一灰度值参量；e02表示第二灰度值参量；k表示优化图像数据的非0灰度值中的灰度最小值对应像素块数量；m表示灰度最大值对应像素块数量。
65、优选的，所述障碍物瞄准跟踪单元，包括：
66、障碍物瞄准模块，用于：
67、对障碍物位置数据中的坐标系数进行获取；
68、激光清障设备中的辅助红点瞄具发射激光束，根据所述坐标系数对障碍物进行瞄准照射；
69、同时，确认激光束对障碍物每次瞄准照射时的变化距离和时间。
70、优选的，所述障碍物瞄准跟踪单元，还包括：
71、障碍物跟踪模块，用于：
72、当激光束对障碍物位置数据中的障碍物进行瞄准后，对障碍物进行实时监测跟踪；
73、利用粒子滤波方法对障碍物的特征和运行模式进行计算，并根据计算结果实时调整激光束的指向；
74、激光束对障碍物进行跟踪之前，粒子滤波方法根据障碍物位置数据中障碍物的初始位置初始化一组粒子，初始化粒子为激光清障设备获取的图像数据中障碍物的第一位置；
75、根据激光束对障碍物每次瞄准照射时的变化距离和时间的确认，将每次变化的粒子数据进行获取；
76、将每次变化的粒子与初始化粒子进行状态对比，根据对比结果得出若干个权重值；
77、将每个权重值进行粒子判断，将权重值中粒子低的权重值进行删除；
78、权重值中粒子低的权重值删除后得到激光束跟踪障碍物的障碍物跟踪数据。
79、优选的，所述激光测距控制清除单元，包括：
80、障碍物控制测距模块，用于：
81、激光清障设备中的激光束接触到障碍物时，激光清障设备中的光电传感器对障碍物反射回来的激光信号进行获取，并将激光信号转化为电信号，将电信号传输至控制中心；
82、控制中心将传输的电信号进行信号特性分析，其中，信号特性分析为分析传输的电信号的振幅、频率和相位；
83、根据激光束在空气中的传播速度和传播时间，计算激光束与障碍物之间的距离；
84、障碍物控制清除模块，用于：
85、根据激光清障设备中激光束与障碍物之间的距离、障碍物的材质、形状和尺寸，确认激光束的清除激光参数；
86、其中，清除激光参数包括激光束的功率、频率和扫描角度；
87、人体感应传感器基于清除激光参数确认清障区域是否有人；
88、若人体感应传感器感应到清障区域有人时，则激光清障设备停止发射激光束；
89、若人体感应传感器未感应到清障区域有人时，发射清障激光进行障碍物清除，并且，清障激光的功率、频率和扫描角度与激光束一致。
90、与现有技术相比，本发明的有益效果如下：
91、1.本发明提供的一种用于架空线路远程清障的激光清障远程控制系统，图像处理、动态调整和批量归一化等步骤的集成和优化，可以显著提高图像数据的处理效率，使得激光清障设备能够更快速地响应和识别障碍物，利用计算机学习算法将优化图像数据中的障碍物特征与障碍物模型进行训练计算，可以大大提高系统的自适应能力和鲁棒性。通过不断学习新的障碍物特征，系统能够逐渐改进其识别性能。
92、2.本发明提供的一种用于架空线路远程清障的激光清障远程控制系统，辅助红点瞄具的使用简化了瞄准过程，使操作人员能够更快速、更准确地完成瞄准操作，通过粒子滤波方法对障碍物的特征和运行模式进行计算，并根据计算结果实时调整激光束的指向，从而确保了对障碍物位置的精确跟踪，通过精确跟踪障碍物的位置和运动模式，激光清障设备可以更加准确地瞄准并清除障碍物。
93、3.本发明提供的一种用于架空线路远程清障的激光清障远程控制系统，通过实时测量激光束与障碍物之间的距离，操作人员可以确保激光清障设备在安全距离内进行操作，避免对周围环境和人员造成潜在危害，根据障碍物的特性调整激光参数，如功率、频率和扫描角度，可以确保激光束能够精确地清除障碍物，避免了不必要的能量浪费和对周围环境的潜在影响。
1.一种用于架空线路远程清障的激光清障远程控制系统，其特征在于，包括：
2.根据权利要求1所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述激光清障设备中的各个组件包括辅助红点瞄具、人体感应传感器、快装机构、电动云台、三脚架、摄像头、光纤、电池组件和光电传感器；
3.根据权利要求2所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述障碍物识别分析单元，包括：
4.根据权利要求3所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述障碍物识别分析单元，还包括：
5.根据权利要求4所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：将优化图像数据进行网格划分，包括：
6.根据权利要求5所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：利用所述优化图像数据的每个像素块的灰度值获取第一划分系数，包括：
7.根据权利要求6所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：利用所述优化图像数据的灰度最大值对应像素块数量和优化图像数据的非0灰度值中的灰度最小值对应像素块数量及其对应的灰度最大值和灰度最小值获取第二划分系数，包括：
8.根据权利要求4所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述障碍物瞄准跟踪单元，包括：
9.根据权利要求8所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述障碍物瞄准跟踪单元，还包括：
10.根据权利要求9所述的一种用于架空线路远程清障的激光清障远程控制系统，其特征在于：所述激光测距控制清除单元，包括：
