本發(fā)明涉及一種基于GPU與CPU混合數(shù)據(jù)處理的輸電線路部件識(shí)別方法。

背景技術(shù)：

隨著我國(guó)國(guó)民經(jīng)濟(jì)的飛速發(fā)展和城市建設(shè)規(guī)模的日益擴(kuò)大，通過(guò)增架高壓、超高壓線路來(lái)滿(mǎn)足日益增強(qiáng)的電力能源需求。為保證整個(gè)電網(wǎng)的穩(wěn)定供電與安全運(yùn)行，要求對(duì)輸電線路進(jìn)行常規(guī)巡檢和特殊巡檢。人工巡檢通常依靠巡檢人員攜帶相關(guān)設(shè)備(望遠(yuǎn)鏡、紅外成像儀等)進(jìn)行觀察，無(wú)法全面的觀察輸電線路及設(shè)備的運(yùn)行狀態(tài)，而且勞動(dòng)強(qiáng)度大。這種傳統(tǒng)巡檢模式已無(wú)法滿(mǎn)足現(xiàn)階段的巡檢需求，無(wú)人機(jī)作為一種新型、高效的巡檢模式被引入到日常巡檢工作中。無(wú)人機(jī)巡檢模式具有機(jī)動(dòng)性高、受地域環(huán)境限制小、維護(hù)費(fèi)用低等特點(diǎn)，可以實(shí)現(xiàn)對(duì)輸電線路近距離的信息采集，獲取到的輸電線路狀態(tài)信息更為準(zhǔn)確。

現(xiàn)有無(wú)人機(jī)搭載的數(shù)據(jù)采集設(shè)備圖像分辨率較高(1500W像素及以上)，而且對(duì)每基輸電線路桿塔采集幾十張甚至上百?gòu)垐D像，數(shù)據(jù)量較大。依靠人工對(duì)圖像進(jìn)行處理、識(shí)別圖像中的部件，勞動(dòng)量大而且由于操作人員經(jīng)驗(yàn)、熟練程度不同會(huì)造成識(shí)別不準(zhǔn)確與部分部件的漏識(shí)別，從而造成安全隱患。利用圖像處理的手段對(duì)圖像中部件進(jìn)行識(shí)別，可以大大的提高工作效率，而且采用統(tǒng)一的識(shí)別標(biāo)準(zhǔn)不會(huì)因?yàn)橹饔^因素造成識(shí)別誤差?，F(xiàn)有的處理方式采用基于CPU單獨(dú)處理數(shù)據(jù)的方式完成部件的識(shí)別任務(wù)，但是在現(xiàn)在的巡檢中，每次巡檢獲取到的圖像數(shù)目多、數(shù)據(jù)量大，只用CPU進(jìn)行數(shù)據(jù)處理耗時(shí)較長(zhǎng)，無(wú)法滿(mǎn)足現(xiàn)在巡檢的后期數(shù)據(jù)處理要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決上述問(wèn)題，提出了一種基于GPU與CPU混合數(shù)據(jù)處理的輸電線路部件識(shí)別方法，本方法利用圖形處理器GPU處理簡(jiǎn)單、重復(fù)但是運(yùn)算次數(shù)較多的數(shù)據(jù)運(yùn)算步驟，利用CPU處理邏輯推理、數(shù)據(jù)分析等計(jì)算量小、控制復(fù)雜的數(shù)據(jù)處理步驟，利用CPU與GPU的特性進(jìn)行數(shù)據(jù)運(yùn)算上的互補(bǔ)，提高整體的數(shù)據(jù)處理效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于GPU與CPU混合數(shù)據(jù)處理的輸電線路部件識(shí)別方法，包括以下步驟：

(1)根據(jù)輸入的圖像文件夾路徑，將該路徑下的圖像形成數(shù)據(jù)流文件，依據(jù)圖像數(shù)據(jù)大小開(kāi)辟圖像處理器的內(nèi)存空間；

(2)提取圖像的像素值，進(jìn)行中央處理器內(nèi)存與圖像處理器的內(nèi)存數(shù)據(jù)的交換；

(3)根據(jù)圖像原始數(shù)據(jù)大小及內(nèi)核數(shù)目，在保證填充滿(mǎn)每個(gè)線程內(nèi)存的基礎(chǔ)上向每個(gè)線程分配內(nèi)存，同時(shí)確保處理后數(shù)據(jù)與原始數(shù)據(jù)的對(duì)應(yīng)關(guān)系；

(4)利用prewitt算子提取圖像的邊緣特征，利用線程同步機(jī)制保持?jǐn)?shù)據(jù)的一致性；

(5)中央處理器根據(jù)圖像處理器計(jì)算得到的邊緣數(shù)據(jù)，確定圖像中的桿塔或?qū)Ь€部件。

所述步驟(1)中，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)圖像所在文件路徑，形成數(shù)據(jù)流信息；根據(jù)這些信息在CPU上開(kāi)辟內(nèi)存空間將圖像讀入內(nèi)存中并提取圖像的灰度信息。

所述步驟(1)中，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，具體包括：

(1-1)形成圖像數(shù)據(jù)流：通過(guò)輸入的圖像文件夾路徑依次讀取路徑下的圖像數(shù)據(jù)，并記錄圖像的基本信息形成數(shù)據(jù)流；

(1-2)讀取機(jī)載GPU版本信息以及此次處理是否使用GPU的標(biāo)識(shí)符的狀態(tài)信息。

所述步驟(1-1)中，記錄的圖像的基本信息包括：圖像的絕對(duì)路徑、圖像名稱(chēng)和圖像的長(zhǎng)寬尺寸。

所述步驟(1-2)中，GPU版本信息包括GPU型號(hào)、GPU內(nèi)存大小和GPU內(nèi)核數(shù)量。

所述步驟(3)中，根據(jù)GPU的內(nèi)核數(shù)量設(shè)計(jì)kernel函數(shù)，GPU利用kernel函數(shù)使數(shù)據(jù)填充滿(mǎn)每個(gè)線程的內(nèi)存，對(duì)數(shù)據(jù)進(jìn)行預(yù)取，提前準(zhǔn)備GPU kernel所需要的數(shù)據(jù)，在GPU kernel計(jì)算的同時(shí)在多管道中同時(shí)對(duì)數(shù)據(jù)進(jìn)行拷貝完成數(shù)據(jù)傳送。

所述步驟(3)中，利用同步鎖實(shí)現(xiàn)數(shù)據(jù)處理過(guò)程中的一致性。

所述步驟(4)中，利用八方向prewitt算子操作提取圖像的邊緣信息，同時(shí)利用數(shù)據(jù)同步機(jī)制確保邊緣提取后數(shù)據(jù)的一致性。

所述步驟(5)中，對(duì)于桿塔的識(shí)別過(guò)程包括：將圖像分割為多個(gè)圖像塊，分析每個(gè)圖像塊的邊緣信息，按照其傾斜類(lèi)型與角度對(duì)其進(jìn)行分組，設(shè)定邊緣數(shù)目閾值，根據(jù)邊緣的數(shù)目判斷圖像塊是否為桿塔，對(duì)是桿塔的圖像塊進(jìn)行標(biāo)記。

如果每個(gè)分塊中有多個(gè)角度的分組中都存在邊緣，則判斷為桿塔；如果只有一組角度的邊緣且邊緣數(shù)目小于3，則判為不是桿塔目標(biāo)。

所述步驟(5)中，對(duì)于導(dǎo)線的識(shí)別過(guò)程，具體包括：提取邊緣信息中的垂直和水平邊緣信息，計(jì)算每條邊緣的屬性，包括每條線段上下左右端點(diǎn)位置坐標(biāo)、線段的中心點(diǎn)坐標(biāo)和線段的長(zhǎng)度，設(shè)定直線融合角度閾值，根據(jù)每條線段的坐標(biāo)信息和中心坐標(biāo)，當(dāng)相鄰的兩條邊緣的角度差值小于閾值時(shí)，將兩條邊緣合并成一條邊緣，遍歷圖像中所有的邊緣完成邊緣的合并，分析合并邊緣的長(zhǎng)度、貫穿性與平行性特性，從而確定導(dǎo)線目標(biāo)。

本發(fā)明的有益效果為：

(1)本發(fā)明提出了優(yōu)化數(shù)據(jù)分配策略，根據(jù)圖像特點(diǎn)及GPU屬性信息，自動(dòng)的計(jì)算分塊數(shù)據(jù)的數(shù)目及分塊大小，根據(jù)分塊處理的特點(diǎn)，弱化了數(shù)據(jù)間的關(guān)聯(lián)性，提高了并行計(jì)算的能力；

(2)本發(fā)明采用GPU與CPU的混合計(jì)算的模式，實(shí)現(xiàn)了輸電線路部件的快速識(shí)別。通過(guò)將簡(jiǎn)單、重復(fù)性計(jì)算移植到GPU模塊，CPU只負(fù)責(zé)處理邏輯推理、判斷的計(jì)算，充分發(fā)揮了CPU與GPU的性能優(yōu)勢(shì)，提高了識(shí)別任務(wù)的執(zhí)行效率。

附圖說(shuō)明

圖1為本發(fā)明的流程示意圖；

圖2為本發(fā)明的桿塔識(shí)別流程示意圖；

圖3為本發(fā)明的導(dǎo)線識(shí)別流程示意圖；

圖4為本發(fā)明的GPU線程塊與線程的關(guān)系示意圖。

具體實(shí)施方式：

下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

一種基于GPU與CPU混合數(shù)據(jù)處理的輸電線路部件識(shí)別方法。利用GPU處理簡(jiǎn)單、重復(fù)但是運(yùn)算次數(shù)較多的數(shù)據(jù)運(yùn)算步驟，利用CPU處理邏輯推理、數(shù)據(jù)分析等計(jì)算量小、控制復(fù)雜的數(shù)據(jù)處理步驟，利用CPU與GPU的特性進(jìn)行數(shù)據(jù)運(yùn)算上的互補(bǔ)，提高整體的數(shù)據(jù)處理效率。

如圖1所示，具體步驟包括：

(1)數(shù)據(jù)預(yù)處理。將文件路徑下的圖像形成數(shù)據(jù)流文件，判斷現(xiàn)有GPU是否滿(mǎn)足數(shù)據(jù)處理要求。

(2)數(shù)據(jù)管理。提取圖像像素值，并實(shí)現(xiàn)CPU內(nèi)存與GPU內(nèi)存數(shù)據(jù)的交換。

(3)數(shù)據(jù)分配。根據(jù)GPU的信息創(chuàng)建kernel序列，使數(shù)據(jù)填充滿(mǎn)每個(gè)線程的內(nèi)存。利用多通道數(shù)據(jù)傳輸技術(shù)，實(shí)現(xiàn)GPU計(jì)算的同時(shí)完成數(shù)據(jù)的傳輸，并增加數(shù)據(jù)同步機(jī)制，確保數(shù)據(jù)的一致性。

(4)特征提取。利用優(yōu)化的prewitt算子提取圖像的邊緣特征，并使用同步技術(shù)保證數(shù)據(jù)的一致性。

(5)特征分析。通過(guò)分析GPU計(jì)算得到的邊緣數(shù)據(jù)，確定圖像中的桿塔、導(dǎo)線部件。

所述步驟(1)的數(shù)據(jù)預(yù)處理包括：

(1)形成圖像數(shù)據(jù)流。通過(guò)輸入的圖像文件夾路徑依次讀取路徑下的圖像數(shù)據(jù)，并記錄圖像的基本信息：圖像的絕對(duì)路徑、圖像名稱(chēng)、圖像的長(zhǎng)寬尺寸。

(2)獲取GPU信息及狀態(tài)信息。讀取機(jī)載GPU版本信息：GPU型號(hào)、GPU內(nèi)存大小、GPU內(nèi)核數(shù)量。狀態(tài)信息為此次處理是否使用GPU的標(biāo)識(shí)符。

數(shù)據(jù)預(yù)處理完成后，根據(jù)圖像數(shù)據(jù)流信息，將圖像讀入內(nèi)存中提取圖像的灰度值信息。根據(jù)NAVDIA推出的針對(duì)GPU的通用并行計(jì)算結(jié)構(gòu)CUDA(Compute Unified Device Architecture)語(yǔ)言的支持實(shí)現(xiàn)CPU存儲(chǔ)單元與GPU存儲(chǔ)單元間的數(shù)據(jù)交換，根據(jù)圖像大小開(kāi)辟GPU內(nèi)存空間，采用數(shù)據(jù)預(yù)取、多管道數(shù)據(jù)拷貝的方式，利用PCI-E總線實(shí)現(xiàn)數(shù)據(jù)的傳輸，減少數(shù)據(jù)交換時(shí)的開(kāi)銷(xiāo)。

步驟(3)數(shù)據(jù)分配，主要包括；

(1)數(shù)據(jù)分塊：根據(jù)GPU的內(nèi)核數(shù)量設(shè)計(jì)kernel函數(shù)，主要包括GPU包含的線程塊數(shù)目，每個(gè)線程塊中包含的線程數(shù)目。在GPU運(yùn)算前，在CPU端為GPU的計(jì)算根據(jù)數(shù)據(jù)的大小提前開(kāi)辟GPU數(shù)據(jù)內(nèi)存空間，并進(jìn)行數(shù)據(jù)復(fù)制。根據(jù)圖像原始數(shù)據(jù)大小及內(nèi)核數(shù)目，在保證填充滿(mǎn)每個(gè)線程內(nèi)存的基礎(chǔ)上向每個(gè)線程分配內(nèi)存，該步驟在GPU中執(zhí)行完成。

線程塊與線程的二維層次結(jié)構(gòu)如圖4所示。

(2)數(shù)據(jù)傳輸：數(shù)據(jù)傳輸主要是多管道的數(shù)據(jù)拷貝。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)取，提前準(zhǔn)備GPU kernel所需要的數(shù)據(jù)，在GPU kernel計(jì)算的同時(shí)采用CUDA Stream的方式在多管道中同時(shí)對(duì)數(shù)據(jù)進(jìn)行拷貝完成數(shù)據(jù)傳送，從而減少數(shù)據(jù)拷貝的開(kāi)銷(xiāo)。

(3)數(shù)據(jù)同步：為了保證處理后數(shù)據(jù)與原始數(shù)據(jù)的對(duì)應(yīng)關(guān)系，利用同步鎖實(shí)現(xiàn)數(shù)據(jù)的一致性。該步驟在GPU中完成。

輸電線路是具有典型線性結(jié)構(gòu)的人造物體，通過(guò)邊緣特征算法來(lái)提取邊緣特征并根據(jù)不同部件的固有屬性進(jìn)行分析，從而完成部件的識(shí)別任務(wù)。目前，輸電線路典型設(shè)備主要包括：桿塔、導(dǎo)線及絕緣子三大類(lèi)以及其上的附屬設(shè)備等。為了在GPU上實(shí)現(xiàn)邊緣特征提取，主要包括以下步驟：

(1)邊緣提取prewitt算子。數(shù)據(jù)載入GPU模塊后，執(zhí)行prewitt算子操作提取圖像的邊緣信息。這里的八方向prewitt算子：水平方向、垂直方向及其余六個(gè)方向。其中prewitt算子為：

{1,1,1,1,-2,1,-1,-1,-1,

1,1,1,1,-2,-1,1,-1,-1,

1,1,-1,1,-2,-1,1,1,-1,

1,-1,-1,1,-2,-1,1,1,1,

-1,-1,-1,1,-2,1,1,1,1,

-1,-1,1,-1,-2,1,1,1,1,

-1,1,1,-1,-2,1,-1,1,1,

1,1,1,-1,-2,1,-1,-1,1}；

(2)數(shù)據(jù)同步。在CUDA語(yǔ)言中提供了數(shù)據(jù)同步機(jī)制，使用函數(shù)cudaDeviceSynchronize完成數(shù)據(jù)的同步操作，確保邊緣提取后數(shù)據(jù)的一致性，避免因?yàn)閿?shù)據(jù)對(duì)齊問(wèn)題導(dǎo)致的數(shù)據(jù)尋址錯(cuò)誤。

步驟(5)在經(jīng)過(guò)GPU計(jì)算提取到圖像的邊緣特征后，需要通過(guò)計(jì)算邊緣位置關(guān)系、角度信息等信息，對(duì)邊緣特征進(jìn)行分析、組合從而確定輸電線路各部件的位置。因此本步驟在CPU端完成。主要包括：

(1)桿塔識(shí)別。首先根據(jù)圖像的尺寸，將圖像切割成4*3的圖像塊；第二：分析每個(gè)圖像塊中的邊緣信息，將邊緣分類(lèi)為4組：-5°～5°：水平線段；小于-85°或大于85°：垂直線段；5°～85°：斜上線段；-85°～-5°：斜下線段；第三：設(shè)定邊緣數(shù)目閾值，根據(jù)邊緣的數(shù)目判斷圖像塊是否為桿塔；最后，將屬于桿塔的圖像塊邊緣標(biāo)記為紅色，從而完成桿塔目標(biāo)的識(shí)別。具體流程如圖2所示。

(2)導(dǎo)線識(shí)別。首先，提取邊緣信息中的垂直和水平邊緣信息；第二，計(jì)算每條邊緣的屬性，包括每條線段上下左右端點(diǎn)位置坐標(biāo)、線段的中心點(diǎn)坐標(biāo)、線段的長(zhǎng)度；第三，設(shè)定直線融合角度閾值，根據(jù)每條線段的坐標(biāo)信息和中心坐標(biāo)，當(dāng)相鄰的兩條邊緣的角度差值小于閾值時(shí)，將兩條邊緣合并成一條邊緣；最后，遍歷圖像中所有的邊緣完成邊緣的合并。導(dǎo)線通常在無(wú)人拍攝的圖像中呈現(xiàn)平行、貫穿圖像的特性，通過(guò)分析合并邊緣的平行性、貫穿性的特點(diǎn)從而確定導(dǎo)線目標(biāo)。具體流程如圖3所示。

GPU線程塊與線程的關(guān)系如圖4所示，根據(jù)數(shù)據(jù)的大小，創(chuàng)建線程塊，并設(shè)定線程塊中包含的數(shù)目，每個(gè)線程處理一個(gè)數(shù)據(jù)，從而實(shí)現(xiàn)了并行運(yùn)算。

上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以?xún)?nèi)。