朱 靜，孫德利，孫艷鶴

（國(guó)網(wǎng)遼寧省電力有限公司 檢修分公司，遼寧 沈陽(yáng)110000）

閥廳智能巡檢機(jī)器人系統(tǒng)的紅外成像設(shè)備定位

朱 靜，孫德利，孫艷鶴

（國(guó)網(wǎng)遼寧省電力有限公司 檢修分公司，遼寧 沈陽(yáng)110000）

為了實(shí)現(xiàn)閥廳智能巡檢機(jī)器人系統(tǒng)對(duì)設(shè)備的精確測(cè)溫，需要對(duì)閥廳中紅外圖像設(shè)備精確定位，文中提出了一種新的定位紅外設(shè)備的方法。對(duì)已有的一幅紅外圖像，先進(jìn)行圖像預(yù)處理，然后使用SURF（Speeded Robust Features）算法提取整幅圖像的特征，最終將這幅圖像的特征點(diǎn)與待檢測(cè)圖像的特征點(diǎn)進(jìn)行匹配，便可精確的定位出待檢測(cè)的設(shè)備。實(shí)驗(yàn)證明，該方法對(duì)紅外圖像的設(shè)備定位的效果較好，精確度也較高。

閥廳；巡檢機(jī)器人；SURF；設(shè)備定位

閥廳作為換流站的核心部分，是放置換流閥的封閉建筑，換流站及直流輸電系統(tǒng)的運(yùn)行性能和安全可靠程度與閥廳內(nèi)電力設(shè)備的安全運(yùn)行度密切相關(guān)，對(duì)整個(gè)電力系統(tǒng)的運(yùn)行也有重要的影響［1］。換流閥在工作時(shí)會(huì)因自身功率耗散產(chǎn)生大量的熱，故其配有可靠性很高的高效冷卻系統(tǒng)和溫度監(jiān)控系統(tǒng)［2］，但冷卻和溫控系統(tǒng)也存在出現(xiàn)故障的風(fēng)險(xiǎn)，比如冷卻系統(tǒng)泄露等情況［3］。因此，對(duì)閥廳設(shè)備的實(shí)時(shí)監(jiān)控和定期巡視都必不可少。

而在傳統(tǒng)的智能巡檢機(jī)器人系統(tǒng)中，由于設(shè)備結(jié)構(gòu)復(fù)雜多樣，安裝設(shè)備時(shí)候會(huì)不可避免的出現(xiàn)遮擋的情況，因此測(cè)溫只是針對(duì)設(shè)備整體的測(cè)溫?；诖朔N情況，研究能滿足精確測(cè)溫的方法對(duì)智能巡檢機(jī)器人系統(tǒng)的發(fā)展具有很大的意義。本文的目的就在巡檢機(jī)器人系統(tǒng)可對(duì)閥塔等閥廳內(nèi)設(shè)備進(jìn)行大范圍、多角度檢測(cè)的基礎(chǔ)上，研究了一種測(cè)溫精度更高的方法，以滿足能自動(dòng)進(jìn)行模式識(shí)別和故障診斷，為閥廳內(nèi)設(shè)備的運(yùn)行狀態(tài)提供客觀的判斷依據(jù)［4-5］。

1　圖像預(yù)處理

1.1標(biāo)定待檢測(cè)區(qū)域

為了定位待檢測(cè)區(qū)域，我們首先對(duì)已有圖像中目標(biāo)進(jìn)行標(biāo)定，即標(biāo)準(zhǔn)圖像進(jìn)行標(biāo)定。標(biāo)定的方式是用矩形把待檢測(cè)區(qū)域標(biāo)注出來(lái)，以得到設(shè)備在圖像中的相對(duì)位置。

1.2圖像濾波

為了使待檢測(cè)的設(shè)備更加清晰，需要對(duì)智能巡檢機(jī)器人采集到的圖像進(jìn)行預(yù)處理。為了除去非均勻光照的影響，突顯圖像中的細(xì)節(jié)部分，本文采取在頻域空間建立同態(tài)濾波器的方法對(duì)存在光照不足或光照變化的圖像進(jìn)行預(yù)處理，來(lái)消減由于光照因素導(dǎo)致的圖像質(zhì)量下降，同時(shí)增強(qiáng)圖像中感興趣的景物區(qū)域，從而實(shí)現(xiàn)在很大程度地保留了圖像原貌，且同時(shí)增強(qiáng)了圖像細(xì)節(jié)。同態(tài)濾波是一種比較特殊的濾波方法，其通過(guò)在頻域空間壓縮圖像的亮度范圍和增強(qiáng)圖像的對(duì)比度來(lái)改善圖像質(zhì)量，并能減少低頻、增加高頻。因此，能降低光照變化同時(shí)銳化邊緣或細(xì)節(jié)。

2　圖像配準(zhǔn)

2.1配準(zhǔn)算法選擇

通常常見的圖像配準(zhǔn)方法主要分兩類：基于圖像灰度的圖像配準(zhǔn)方法和基于圖像特征的圖像配準(zhǔn)方法。

基于灰度的圖像配準(zhǔn)方法通常是運(yùn)用整個(gè)圖像所攜帶的全部灰度信息來(lái)構(gòu)建圖像之間的相似性度量，然后通過(guò)合適的搜索算法，找尋能使相似性度量值達(dá)到最大或最小時(shí)的變換模型的參數(shù)值。基于特征的圖像配準(zhǔn)方法通常首先獲取圖像中的穩(wěn)定特征，然后利用這些穩(wěn)定的特征來(lái)進(jìn)行圖像間的匹配，從而獲取最后的圖像配準(zhǔn)。在這種方法中，所獲取的穩(wěn)定特征分兩種：全局特征和局部特征。局部特征具有較強(qiáng)的魯棒性，因?yàn)樗蔷植刻崛〉挠杏锰卣髅枋鲎樱痔卣鲗?duì)圖像的表述過(guò)于簡(jiǎn)單［6］。

對(duì)于圖像結(jié)構(gòu)信息充足且圖像中物體容易檢測(cè)和區(qū)分的情況，宜采用基于特征的配準(zhǔn)方法，但不足是提取的特征結(jié)果受圖像質(zhì)量和內(nèi)容的制約。圖像的本質(zhì)特征主要包括邊緣、紋理和輪廓等。同時(shí)，同一個(gè)物體在不同的波段總會(huì)具備類似的特征，因此特征具有高度相關(guān)性。基于特征的配準(zhǔn)方法能夠獲取到圖像中不會(huì)因?yàn)槠揭?、光照和旋轉(zhuǎn)等因素影響而改變的特征，這些穩(wěn)定的特征主要包括點(diǎn)特征、線特征和區(qū)域特征等不同類型。

景物的輻射信息通過(guò)紅外光反應(yīng)，所以，紅外圖像配準(zhǔn)不僅要把圖像的尺寸變化、旋轉(zhuǎn)變化和仿射變形考慮在內(nèi)，還必須要考慮因成像機(jī)理而產(chǎn)生的其他因素，例如灰度差異，相似幾何特征的難以提取，對(duì)溫濕度的不同反應(yīng)等。由于兩幅紅外圖像間的灰度差異特別大，且像素灰度間沒(méi)有明顯的相關(guān)性，所以本文采用的是基于特征的圖像配準(zhǔn)方法。

2.2圖像多尺度表示

多分辨率方法適用于應(yīng)用于計(jì)算圖像數(shù)據(jù)的特征。其中，高斯卷積核就是實(shí)現(xiàn)多分辨率圖像變換的線性核［7］。函數(shù)L（x，y，σ）為圖像的多分辨率定義，其使用函數(shù)G（x，y，σ）和一幅輸入圖像I（x，y）之間的卷積運(yùn)算，即

上式中，（x，y）表示圖像的像素坐標(biāo)，σ表示高斯方差。

因此，該方法使得特征同時(shí)具備優(yōu)良的穩(wěn)定性以及獨(dú)特性，便在高斯函數(shù)差分尺度空間和圖像的多維平面空間一起檢測(cè)局部空間的極值，并以這樣的極值為特征點(diǎn)［7］。不相同的尺度的高斯核的差分就是DoG算子，即

在上式中，k表示兩個(gè)相似尺度的比例。

2.3SURF算法

SURF算法是對(duì)SIFT特征匹配算法的一種改進(jìn)，提高了算法的執(zhí)行效率。SURF算法的具體實(shí)現(xiàn)步驟是：

1）建立Hessian矩陣。SURF算法的核心步驟是建立Hessian矩陣，函數(shù)f（x，y）的偏導(dǎo)數(shù)構(gòu)成Hessian矩陣H，則

矩陣H的判別式為：

判別式det（H）的值就是矩陣H的特征值，依據(jù)det（H）取值的正負(fù)來(lái)判斷是不是極值點(diǎn)，繼而將所有點(diǎn)進(jìn)行分類。

SURF算法中，函數(shù)值f（x，y）表示圖像的像素，（x，y）則是對(duì)應(yīng)像素的空間坐標(biāo)。為計(jì)算出矩陣H中的3個(gè)元素Lxx（X，t）、Lxy（X，t）、Lyy（X，t），濾波器選擇的是二階標(biāo)準(zhǔn)的高斯函數(shù)，使用標(biāo)準(zhǔn)核間的卷積運(yùn)算得到二階偏導(dǎo)數(shù)，進(jìn)而可得到矩陣H。

其中，

在（4）中，G（t）為高斯核，F(xiàn)（X）為圖像表達(dá)式。

函數(shù)G（t）由（5）得到，g（t）是高斯函數(shù)，t是方差。Lxx（X，t）、Lxy（X，t）、Lyy（X，t）是圖像在不同的尺度下的表達(dá)式，是由表達(dá)式（4）得到。

2）建立尺度空間。圖像F（X）在不相同尺度下的表示就是這幅圖像的尺度空間，可由表達(dá)式（4）利用與高斯核G（t）的卷積來(lái)計(jì)算，圖像的大小通常由σ來(lái)獲得。SURF算法是根據(jù)SIFT算法的尺度空間的理論上增加了圖像核的方法，該算法可在尺度空間中的多層圖像被同時(shí)進(jìn)行計(jì)算，而不必再對(duì)圖像二次抽樣，從而提高了計(jì)算效率。圖1中的左圖像金字塔結(jié)構(gòu)是由傳統(tǒng)方式建立的，本方法中圖像的大小是在不斷變化的，同時(shí)本算法重復(fù)地使用高斯函數(shù)對(duì)每一層圖像進(jìn)行平滑。圖1中的右圖表示SURF算法中建立的金字塔，該金字塔中的濾波器的大小是不斷變化的，原始圖像是保持不變，從而提高了效率。

圖1　圖像濾波金字塔

3）精確定位圖像中的特征點(diǎn)。特征點(diǎn)定位過(guò)程中，丟棄掉小于預(yù)設(shè)極值的每個(gè)取值，經(jīng)過(guò)多次增加極值來(lái)使檢測(cè)得到的特征點(diǎn)的數(shù)目減少，直到最后僅有幾個(gè)特征最強(qiáng)的特征點(diǎn)被檢測(cè)到。在檢測(cè)的過(guò)程中，采用同當(dāng)前尺度層的圖像解析度同樣大小的濾波器，如圖2中所示，示例中采用的是3×3的濾波器。在對(duì)尺度空間中的極值進(jìn)行檢測(cè)時(shí)，圖示中用叉號(hào)標(biāo)記的像素比圖中同尺度的相鄰的8個(gè)像素和上下相鄰的兩個(gè)尺度對(duì)應(yīng)處的2*9個(gè)像素（即用綠色標(biāo)記的像素）的值都要大［8］，目的是要保證在二維的圖像空間以及尺度空間均能檢測(cè)出局部區(qū)域的極大值，則該極大值即為該區(qū)域的特征點(diǎn)。

4）確定特征點(diǎn)處的主方向。為了使算子具有旋轉(zhuǎn)不變的特性，該算法以特征點(diǎn)所在位置為中心，以6 s（s表示該特征點(diǎn)所在的尺度值）為半徑，計(jì)算此圓所包含區(qū)域中的點(diǎn)分別在x，y方向上的Haar小波響應(yīng)，其中Haar小波邊長(zhǎng)為4 s。與此同時(shí)把高斯權(quán)重系數(shù)賦給這些響應(yīng)，以便使得響應(yīng)的貢獻(xiàn)隨與特征點(diǎn)間的距離大小呈反比；然后將60°區(qū)域里的響應(yīng)通過(guò)相加運(yùn)算獲得新的矢量；最后選取整個(gè)圓形區(qū)域中最長(zhǎng)矢量的方向作為此特征點(diǎn)的主方向，如圖3所示。

圖2　檢測(cè)特征點(diǎn)

圖3　確定的主方向

5）生成特征點(diǎn)描述子。首先以特征點(diǎn)為中心，將坐標(biāo)軸旋轉(zhuǎn)到特征點(diǎn)的主方向，然將特征點(diǎn)作為中心選取一個(gè)8×8的方形窗口。采用高斯窗口對(duì)鄰域中的向量進(jìn)行加權(quán)計(jì)算，最后通過(guò)在每一個(gè)4×4的小塊區(qū)域里計(jì)算獲得8個(gè)方向上的梯度方向直方圖，從而繪制出每一個(gè)梯度方向上的累加值，繼而就形成一個(gè)種子點(diǎn)。每個(gè)特征點(diǎn)是由2×2個(gè)種子點(diǎn)構(gòu)成，并且每一個(gè)種子點(diǎn)都含有8個(gè)方向上的向量信息［8］。該種方法是將鄰域中的方向性信息相聯(lián)合加強(qiáng)算法的抗噪聲性能，同時(shí)為定位存在誤差的特征匹配算法提供較好的容錯(cuò)性。

在實(shí)際計(jì)算過(guò)程中，采用4*4個(gè)種子點(diǎn)來(lái)描述每一個(gè)關(guān)鍵點(diǎn)以便加強(qiáng)匹配的穩(wěn)定性，這樣每一個(gè)特征點(diǎn)就采用128維的向量。來(lái)表示。通過(guò)歸一化特征向量的長(zhǎng)度，便可根據(jù)兩幅圖像整體的偏移量，偏移后的以去除掉由光照變化所帶來(lái)的影響。

2.4SURF特征點(diǎn)的匹配

在獲取了兩幅圖像的SURF特征向量之后，這兩幅圖像中關(guān)鍵點(diǎn)相似性的判斷度量用關(guān)鍵點(diǎn)特征向量的歐幾里得距離來(lái)代替。依據(jù)最近鄰與次近鄰特征點(diǎn)的歐幾里得距離之間的比值，選取可靠性相對(duì)比較高的匹配點(diǎn)，并取該匹配點(diǎn)作為求得兩幅圖像計(jì)算參數(shù)的確定點(diǎn)。先選取左圖中的一個(gè)關(guān)鍵點(diǎn)，再找出這一關(guān)鍵點(diǎn)與右圖中距離最近的兩個(gè)關(guān)鍵點(diǎn)，在得到的這兩個(gè)關(guān)鍵點(diǎn)中，若最小的距離除以次小距離小于已設(shè)置的閾值，則認(rèn)為這一對(duì)匹配點(diǎn)。若降低這個(gè)閾值，SURF匹配點(diǎn)數(shù)量通常會(huì)減少，其優(yōu)點(diǎn)是穩(wěn)定性增加。

3　實(shí)　驗(yàn)

采用FLIR紅外攝像機(jī)，采集的圖像大小為320*240，對(duì)同一位置的兩幅有偏差的圖像進(jìn)行配準(zhǔn)實(shí)驗(yàn)，由于文中已標(biāo)定出待檢測(cè)設(shè)備的位置，并存入數(shù)據(jù)庫(kù)。所以，根據(jù)整幅圖像的偏移量便可計(jì)算出設(shè)備位置。結(jié)果如圖4所示。

圖4　濾波后的兩幅圖像進(jìn)行配準(zhǔn)

待檢測(cè)圖像，如圖5所示。

圖5　移動(dòng)后的待檢測(cè)圖像

4　結(jié)束語(yǔ)

文中提出了一種基于同態(tài)濾波的SURF特征紅外圖像配準(zhǔn)方法，解決了電力巡檢機(jī)器人在閥廳內(nèi)移動(dòng)檢測(cè)時(shí)，由于產(chǎn)生圖像偏移導(dǎo)致的無(wú)法精確測(cè)溫的問(wèn)題。對(duì)比試驗(yàn)結(jié)果顯示，經(jīng)過(guò)同態(tài)濾波的方法處理過(guò)的紅外圖像，特征點(diǎn)更加明顯，比較適合配準(zhǔn)算法，從而可較為準(zhǔn)確定位待檢測(cè)設(shè)備。由于有的閥廳設(shè)備結(jié)構(gòu)簡(jiǎn)單，表面光滑，通常提取不到足夠的特征點(diǎn)，這說(shuō)明本算法有其局限性，在實(shí)際配準(zhǔn)過(guò)程中，可綜合使用不同的配準(zhǔn)算法以獲得更好的配準(zhǔn)結(jié)果。

［1］王華鋒，陳龍龍，林志光，等.±800 kV特高壓直流輸電換流閥控制保護(hù)系統(tǒng)工作原理及其工程應(yīng)用［J］.電力建設(shè)，2013，34（4）:32-36.

［2］許根富，尚立新.高壓晶閘管換流閥外水冷系統(tǒng)分析［J］.中國(guó)電力，2009，42（12）:42-44.

［3］姚其新，饒洪林.換流站閥水冷系統(tǒng)隱患分析及治理［J］.華中電力，2010，23（5）:56-58.

［4］馮杰，陳圣儉，陳東.圖像識(shí)別技術(shù)在換流站監(jiān)控系統(tǒng)中的應(yīng)用［J］.電網(wǎng)技術(shù)，2010，34（2）:174-178.

［5］衡曉鵬，牛英俊.變電站自動(dòng)化系統(tǒng)中以太網(wǎng)通信模塊設(shè)計(jì)［J］.電子科技，2006（1）:36-39.

［6］Mokhtarian F，Suomela R，Robust image corner detection throughcurvaturescale-space［J］.IEEETransactions on Pattern Analysis and Machine Intelligence，2010，20（12）: 1376-1381.

［7］Schaffalitzky F，ZissermanA.Multi-Viewmatching for unordered image sets，"Proc.seventh europeanConf［J］. Computer Vision，2002:414-431.

［8］Mikolajczyk K，Schmid C.Indexing based on scale invariant interest points，proc.Eighth Int'l conf［J］.Computer Vision，2007:525-531.

Infrared imaging equipment positioning in the intelligent inspection robot of valve hall

ZHU Jing，SUN De-li，SUN Yan-he
（State Grid Electric Power Co.overhaul Liaoning Province Branch，Shenyang 110000，China）

In order to realize accurate temperature-measuring in the intelligent inspection robot of valve hall，we need accurate positioning for theequipmentin infrared image，a newmethod ofequipmentpositioning in infrared image put forward. First，making pre-processing to the standard infrared image，and then，using themethod of SURF（Speeded Robust Features）to extract the features ofwhole standard image，finally，matching the features of standard image and the detective image and the detective equipmentwillbe positioned accurately.Testproves that themethod ofequipmentposition in infrared image has a good effectand high precision.

valve hall；the intelligent inspection robot；SURF；equipment position

TN0

A

1674-6236（2016）19-0152-03

2015-09-18稿件編號(hào)：201509130

朱靜（1964-），男，遼寧撫順人，碩士，高級(jí)工程師。研究方向：電力系統(tǒng)直流管理。