， ，，

(1.國網(wǎng)福建省電力有限公司，福州 350003；2.國網(wǎng)福建省電力有限公司三明供電公司，福建 三明 365000；3.廈門億力吉奧信息科技有限公司，福建 廈門 361009)

0 引言

輸電線路是我國遠(yuǎn)距離輸送電能源的主要途徑，它的狀態(tài)決定了電網(wǎng)能否安全運(yùn)行[1]。頻發(fā)的自然災(zāi)害對輸電線路造成了嚴(yán)重影響[2]。現(xiàn)有技術(shù)通過采集輸電線路圖像，對輸電線路進(jìn)行重建來提高輸電線路質(zhì)量，以便確保輸電線路安全運(yùn)行，但受到輸電線路鋪設(shè)位置的局限性，往往圖像信息采集不完全[3]。智能技術(shù)和機(jī)器視覺技術(shù)的不斷進(jìn)步，使無人機(jī)可以智能地拍攝輸電線路全景，且能夠?qū)崿F(xiàn)在輸電線路同一點(diǎn)多角度多幅圖像的拍攝[4]。將無人機(jī)智能視覺技術(shù)應(yīng)用到輸電線路全息全景重建方法中，能夠更逼真、更準(zhǔn)確地完成輸電線路的重建。傳統(tǒng)方法基于雙目視覺稀疏點(diǎn)云技術(shù)對輸電線路圖像進(jìn)行提取和定位，獲取電纜走廊影像，采用核線約束算法得到輸電線路稀疏點(diǎn)云，引入懸鏈線擬合技術(shù)對輸電線路的全息全景進(jìn)行重建[5]。該方法包含大量復(fù)雜算法，易出現(xiàn)誤差，導(dǎo)致重建結(jié)果不準(zhǔn)確。為解決上述問題，提出一種基于無人機(jī)智能視覺的輸電線路全息全景重建方法。

1 輸電線路全息全景重建原理

基于無人機(jī)智能視覺的輸電線路全息全景重建方法利用視差原理，由無人機(jī)從不同角度對輸電線路進(jìn)行觀察，引入全息照相技術(shù)對輸電線路全景進(jìn)行拍照，通過底片成像獲取輸電線路全景圖像，使輸電線路同一個點(diǎn)在多幅圖像中呈現(xiàn)出不同的視覺效果。根據(jù)無人機(jī)智能視覺成像的原理得到像點(diǎn)之間的集合關(guān)系，通過計算得到像點(diǎn)的三維坐標(biāo)。

圖1為輸電線路全息全景重建原理圖，其中圖像a和圖像b是同段輸電線路上的電路圖像，是由無人機(jī)從不同角度進(jìn)行拍攝得到的。

圖1 輸電線路全息全景重建原理圖

圖1中基線距代表無人機(jī)視覺中心的連線距離；f代表無人機(jī)的焦距，即無人機(jī)到輸電線路全息全景圖像平面的距離；Q1和Q2代表輸電線路全息全景圖像平面的坐標(biāo)原點(diǎn)。以左面無人機(jī)的中心為原點(diǎn)建立坐標(biāo)系Xc-Yc-Zc，P代表空間中輸電線路上的某一點(diǎn)，其坐標(biāo)為(xc,yc,zc)，在兩幅輸電線路全息全景圖像上的成像位置為Pa(x1,y1)、Pb(x2,y2)，根據(jù)三角的幾何關(guān)系可以得到下式：

(1)

因為無人機(jī)一直在垂直方向并且保持同一平面，所以y=y1=y2，無人機(jī)的視差為|x1-x2|。輸電線路上的P點(diǎn)可以通過無人機(jī)內(nèi)外參數(shù)并結(jié)合視差進(jìn)行計算。

利用以上輸電線路全息全景重建原理，完成基于無人機(jī)智能視覺的輸電線路全息全景的重建。

2 輸電線路全息全景圖像預(yù)處理

在進(jìn)行輸電線路全息全景重建之前，對輸電線路的全息全景圖像進(jìn)行預(yù)處理。預(yù)處理主要包括：輸電線路圖像的采集和全息全景圖像特征提取。圖像采集和特征提取的準(zhǔn)確性是確保輸電線路全息全景重建高精度的關(guān)鍵。

2.1 輸電線路圖像的采集

采用無人機(jī)智能視覺的技術(shù)對輸電線路圖像進(jìn)行采集。無人機(jī)具有時效性強(qiáng)、成本低和機(jī)動靈活的特點(diǎn)[6]，適用于輸電線路圖像的采集。無人機(jī)智能視覺技術(shù)圖像數(shù)據(jù)的獲取是通過無人機(jī)搭載的攝影機(jī)，結(jié)合高精度IMU和GPS接收機(jī)完成。攝影機(jī)用來獲取輸電線路圖像，IMU和GPS用來提供坐標(biāo)信息和位置。一般在數(shù)據(jù)處理中根據(jù)空間三角的測量方法對輸電線路圖像提供準(zhǔn)確的位置信息。

無人機(jī)智能視覺技術(shù)由檢校場設(shè)計、地標(biāo)點(diǎn)設(shè)計和飛行方案設(shè)計構(gòu)成。無人機(jī)飛行設(shè)計中航飛設(shè)計底圖通常采用高清的影像圖[7]。在無人機(jī)航飛設(shè)計的地圖中對飛行范圍進(jìn)行標(biāo)注，調(diào)查該區(qū)域的地形情況。通過專用的航線設(shè)計軟件對無人機(jī)的航線進(jìn)行設(shè)計，要求物理像元尺寸、地面分辨率和行高滿足三角的比例關(guān)系。采用航線設(shè)計軟件生成一個包含相機(jī)曝光點(diǎn)坐標(biāo)和航線坐標(biāo)的飛行計劃文件。在實際的無人機(jī)飛行中，無人機(jī)上的相機(jī)通過相對應(yīng)的曝光點(diǎn)坐標(biāo)對輸電線路進(jìn)行自動的曝光拍攝。

無人機(jī)在飛行前需要進(jìn)行輸電線路的地標(biāo)點(diǎn)設(shè)計，方便輸電線路圖像數(shù)據(jù)的處理。輸電線路地標(biāo)點(diǎn)的設(shè)計原則為：

(1)沿?zé)o人機(jī)航行路線每隔1千米設(shè)置一個地標(biāo)點(diǎn)，輸電線路的重要地區(qū)每隔500米設(shè)置一個地標(biāo)點(diǎn)。

(2)沿?zé)o人機(jī)航行線路每隔10千米設(shè)置雙地標(biāo)點(diǎn)，在輸電線路的左面和右面各放置一個地標(biāo)點(diǎn)。

(3)將地標(biāo)點(diǎn)放置在無人機(jī)飛行范圍的邊緣，不能將地標(biāo)點(diǎn)放置在輸電線路的正下方。

2.2 全息全景圖像特征提取

1)圖像初始邊緣提取：

根據(jù)輸電線路全息全景圖像的灰度變化決定輸電線路圖像的分塊大小，將目標(biāo)區(qū)域灰度值和背景接近區(qū)域作為圖像待處理的區(qū)域，使用梯度幅值檢測邊緣對輸電線路全息全景圖像進(jìn)行檢測。分析圖像中存在目標(biāo)灰度值和背景灰度值接近的區(qū)域，需要考慮：因為圖像的目標(biāo)灰度值和背景灰度值區(qū)域的梯度幅值較小，使用整幅圖像的方差和梯度幅值均值作為閾值進(jìn)行全息全景圖像邊緣點(diǎn)的監(jiān)測時，會出現(xiàn)斷裂的情況；若先采用單閾值對輸電線路全息全景圖像邊緣點(diǎn)進(jìn)行檢測，圖像區(qū)域中出現(xiàn)了斷裂的情況，表明該區(qū)域為輸電線路圖像目標(biāo)區(qū)域灰度值和背景灰度值接近的區(qū)域。

采用全息全景圖像方差和梯度幅值作為閾值檢測輸電線路圖像的初始邊緣。在圖像的初始邊緣檢測圖像邊緣中的斷點(diǎn)，尋找輸電線路目標(biāo)區(qū)域和背景灰度接近的圖像區(qū)域作為窗口，檢測原始輸電線路窗口內(nèi)的邊緣。將傳統(tǒng)算法檢測的輸電線路圖像邊緣init-edge二值圖像作為初始邊緣[8]，其大小為N1×N2。

2)全息全景圖像邊緣斷點(diǎn)檢測：

通過在輸電線路全息全景圖像的初始邊緣上檢測圖像邊緣斷點(diǎn)，尋找圖像目標(biāo)灰度值和背景灰度值接近的區(qū)域，即在細(xì)化后的輸電線路全息全景圖像初始邊緣中尋找斷點(diǎn)。細(xì)化后的初始邊緣寬度為1個像素，所以只需在輸電線路的二值邊緣圖像中尋找斷點(diǎn)即可，圖2為簡化的輸電線路初始邊緣init-edge示意圖。

圖2 邊緣斷點(diǎn)示意圖

在初始邊緣中輸電線路全息全景圖像的像素分為中間點(diǎn)和端點(diǎn)。中間點(diǎn)代表的是全息全景圖像中一條邊緣線條中間的像素點(diǎn)。端點(diǎn)代表的是全息全景圖像中邊緣的頭部或尾部的像素點(diǎn)，根據(jù)像素點(diǎn)的特征，對輸電線路全息全景圖像中的初始邊緣端點(diǎn)進(jìn)行檢測。

3)自適應(yīng)窗口大?。?/p>

根據(jù)檢測輸電線路全息全景圖像初始邊緣中的斷點(diǎn)確定目標(biāo)灰度值和背景灰度值接近的區(qū)域，但無法確定全息全景圖像區(qū)域的窗口大小。將輸電線路圖像中端點(diǎn)密度大的區(qū)域大小作為圖像窗口的大小，使用窗口內(nèi)方差和梯度幅值均值對區(qū)域內(nèi)的邊緣進(jìn)行檢測。

將輸電線路全息全景圖像中的斷點(diǎn)進(jìn)行分類確定斷點(diǎn)密度較大區(qū)域的大小，采用k均值聚類方法對圖像邊緣斷點(diǎn)進(jìn)行聚類。

設(shè)N為輸電線路全息全景圖像初始邊緣斷點(diǎn)個數(shù)，設(shè)為{(x1,y1),(x2,y2),(x3,y3)…(xN,yN)}，采用k均值聚類方法將N個初始邊緣斷點(diǎn)分為k類，其中第i個分類中的集合表達(dá)式為Li={(x1i,y1i),(x2i,y2i),(x3i,y3i)…(xni,yni)}，采用矩形框確定輸電線路圖像聚類區(qū)域，其中輸電線路圖像邊緣中第i個窗口上的邊界為：

(2)

所以第i個窗口的大小為wini=(lefti:righti:upi:downi)。

4)圖像最終邊緣提?。?/p>

采用k均值聚類方法確定輸電線路全息全景圖像中目標(biāo)區(qū)域灰度值和背景圖像灰度值接近的區(qū)域。然后將聚類出的窗口映射到輸電線路的原始圖像中，使用梯度幅值檢測法對輸電線路的邊緣進(jìn)行檢測[9]。

采用梯度幅值算法對輸電線路全息全景圖像的窗口邊緣進(jìn)行檢測，得到連續(xù)的邊緣，計算圖像初始邊緣和窗口內(nèi)邊緣的集，得到完整的全息全景圖像的邊緣。設(shè)輸電線路圖像中第i個窗口檢測的邊緣為edge-wini，輸電線路全息全景圖像最終邊緣的計算公式為：

(3)

綜上所述，對輸電線路全息全景圖像進(jìn)行預(yù)處理，為輸電線路全息全景重建方法的實現(xiàn)奠定了良好的基礎(chǔ)。

3 重建方法的實現(xiàn)

基于無人機(jī)智能視覺的輸電線路全息全景重建方法，先對圖像特征進(jìn)行跟蹤，檢查圖像領(lǐng)域內(nèi)像素點(diǎn)，選取最優(yōu)圖像分支。采用立體匹配算法，尋找同意輸電線路不同像素的對應(yīng)關(guān)系，計算圖像深度信息，實現(xiàn)輸電線路全息全景的重建。具體方法描述如下：

3.1 圖像特征跟蹤

利用下述函數(shù)對輸電線路全息全景圖像進(jìn)行卷積，在圖像中選擇響應(yīng)為3的像素為種子點(diǎn)。

(4)

特征跟蹤從輸電線路全息全景圖像中的種子點(diǎn)開始，對圖像鄰域內(nèi)的像素點(diǎn)進(jìn)行檢查，向兩個方向分別進(jìn)行生長。當(dāng)圖像鄰域內(nèi)只存在兩個有效值時跟蹤結(jié)束。因為無人機(jī)智能視覺技術(shù)造成的線路圖像存在復(fù)雜的冰晶和重疊的問題[10]，使跟蹤的輸電線路全息全景圖像存在多個候選點(diǎn)。此時選擇與當(dāng)前無人機(jī)線路最近的點(diǎn)作為生長點(diǎn)。跟蹤完圖像中所有分支后，根據(jù)分支的方向和長度的夾角選取最優(yōu)的分支。

3.2 基于立體匹配的重建方法

根據(jù)無人機(jī)的多個觀察點(diǎn)對同一場景進(jìn)行觀察，得到不同視覺位置下的輸電線路全息全景圖像。立體匹配的目的是尋找同一輸電線路場景不同圖像像素中的對應(yīng)關(guān)系，獲取輸電線路圖像的深度信息。

立體視覺是輸電線路成像過程的逆過程，存在不確定性，在投影的過程中會造成輸電線路圖像信息的損失，需要視差范圍約束、極線約束、順序性約束、相容性約束、連續(xù)性約束和唯一性約束等約束條件進(jìn)行約束。計算輸電線路全息全景圖像深度信息是立體匹配算法的最終目的，分為匹配問題和計算深度信息兩個步驟。

圖3 平面示意圖

設(shè)f1(x,y)、f2(x,y)代表的是大小為N1×N2的輸電線路圖像(x,y)的灰度值，輸電線路圖像處的視差為d(x,y)，D代表的是無人機(jī)的最大視差，以右面的圖像為基礎(chǔ)和以左面的圖像為基礎(chǔ)分別形成下式：

(5)

通過公式(5)完成輸電線路圖像的立體匹配。

根據(jù)以上步驟，完成了基于無人機(jī)智能視覺的輸電線路全息全景重建。

4 實驗結(jié)果分析

為了驗證基于無人機(jī)智能視覺的全息全景重建方法在輸電線路重建中的有效性及可行性，實驗選取易對重建效果造成干擾的三個指標(biāo)進(jìn)行分析，三個指標(biāo)分別為：覆冰重量、覆冰體積及覆冰厚度。實驗在Visual Studio 2015 C++開發(fā)環(huán)境上實施，選取兩段不同的輸電線路全息全景進(jìn)行重建，輸電線路如圖4所示，第一段輸電線路的長度為500 m，厚度為20 mm，第二段輸電線路的長度為700 m，厚度為25 m。

圖4 兩段不同的輸電線路

計算兩段不同輸電線路的長度和厚度并將測量得到的數(shù)據(jù)與人工測量的數(shù)據(jù)進(jìn)行對比，測試結(jié)果如表1所示。

表1 兩種不同方法的測量結(jié)果

分析表1可知，通過改進(jìn)方法測得第一段輸電線路的長度為500 m，厚度為20 mm，第二段輸電線路的長度為700 m，厚度為25 m，與實際結(jié)果相同。采用人工測量的方法測得第一段輸電線路的長度為450 m，厚度為18 mm，第二段輸電線路的長度為600 m，厚度為27 mm，與實際測量結(jié)果相比存在誤差，證明基于無人機(jī)智能視覺的輸電線路全息全景重建方法重建的結(jié)果較為精準(zhǔn)。

分別采用改進(jìn)方法和基于RANK的輸電線路全息全景重建方法對某段覆冰體積為217 210mm3，覆冰重量為15.60 g的輸電線路進(jìn)行重建，測量重建后輸電線路的覆冰重量和覆冰體積，測量結(jié)果如圖5，圖6所示。

圖5 兩種不同方法的測量覆冰重量對比結(jié)果

由圖5可知，采用RANK方法對輸電線路全息全景重建，其最高覆冰重量達(dá)到17.93 g，最低覆冰重量為17.17 g，三次測量平均覆冰重量為17.57 g，與實際輸電線路覆冰重量相差約2 g。采用改進(jìn)方法對輸電線路全息全景重建，最高覆冰重量達(dá)到15.90 g，最低覆冰重量為15.67 g，三次測量平均覆冰重量為15.79 g，與實際輸電線路覆冰重量相差約0.2 g。對比兩種方法的實驗結(jié)果，可明顯看出，采用RANK方法重建的輸電線路覆冰重量與實際值存在較大誤差，而改進(jìn)方法重建的輸電線路覆冰重量與實際值基本相同。因此說明，改進(jìn)方法對輸電線路全景全息重建的效果十分逼真，可完整展現(xiàn)輸電線路的實際情況，重建精度高，驗證了改進(jìn)方法的可行性。

圖6 兩種不同方法的測量覆冰體積對比結(jié)果

分析圖6可知，通過3次實驗分別采用RANK方法和改進(jìn)方法對重建后輸電線路的覆冰體積進(jìn)行測量。采用RANK方法對輸電線路全息全景重構(gòu)，其最大覆冰體積達(dá)到221980 mm3，三次測量平均覆冰體積為221613 mm3，與實際覆冰體積相比存在較大誤差。采用改進(jìn)方法對輸電線路全息全景重構(gòu)，最大覆冰體積達(dá)到217220 mm3，三次測量平均覆冰體積為217200 mm3，與實際覆冰體積相同。對比兩種方法的實驗結(jié)果發(fā)現(xiàn)，改進(jìn)方法能夠更加有效的完成輸電線路全景全息的重構(gòu)，且重構(gòu)的輸電線路情況與實際情況完全相同，充分說明改進(jìn)方法的重構(gòu)精度高，驗證了改進(jìn)方法的可用性。

導(dǎo)出改進(jìn)方法測得的數(shù)據(jù)與實際最大覆冰厚度23 mm相對比，以圖的形式表現(xiàn)出來，測量以導(dǎo)線軸線距離為橫坐標(biāo)的重建后輸電線路覆冰厚度，如圖7所示。

圖7 兩種方法重建輸電線路的覆冰厚度對比結(jié)果

分析圖7(a)、圖7(b)可知，采用RANK方法對輸電線路全息全景重建，其最大覆冰厚度為43 mm，出現(xiàn)在輸電線路的215 mm處，超出實際最大覆冰厚度20 mm。通過改進(jìn)方法對輸電線路進(jìn)行全息全景的重建，可以發(fā)現(xiàn)輸電線路最大覆冰厚度只有23 mm，出現(xiàn)在輸電線路的250 mm處，與實際最大覆冰厚度完全一致。對比兩種方法的實驗結(jié)果，采用改進(jìn)方法進(jìn)行輸電線路全息全景重建，與實際情況完全匹配，充分說明改進(jìn)方法重建精度高，重建效果十分逼真，驗證了改進(jìn)方法的有效性。

綜合以上實驗結(jié)果分析可知，采用基于無人機(jī)智能視覺的輸電線路全息全景重建方法，重建精度高，輸電線路質(zhì)量明顯提高，同時可預(yù)防覆冰災(zāi)害對輸電線路造成的危害。

5 結(jié)論

針對傳統(tǒng)輸電線路全息全景重建方法的不足，提出一種基于無人機(jī)智能視覺的輸電線路全息全景重建方法，解決了傳統(tǒng)方法對覆冰輸電線路進(jìn)行全息全景重建時存在誤差和精準(zhǔn)度差的問題，并進(jìn)行了優(yōu)化和提升。引入無人機(jī)智能視覺技術(shù)及全息照相技術(shù)對輸電線路全息全景重建，使得重建精度更高，視覺效果更逼真。輸電線路的安全運(yùn)行是電網(wǎng)安全問題的關(guān)鍵，對輸電線路運(yùn)行時的抗腐蝕性是我們進(jìn)一步研究的主要課題。

[1] 李國鵬, 季鵬程, 陳 怡,等. 基于分布式結(jié)構(gòu)輸電線路防外力破壞檢測與預(yù)警系統(tǒng)設(shè)計[J]. 電子設(shè)計工程, 2016, 24(24):95-97.

[2] 廖圣龍, 安居白. 輸電線路對絕緣子破損航拍圖像檢測仿真[J]. 計算機(jī)仿真, 2016, 33(4):176-179.

[3] 吳姝雯, 張化昭, 趙 淳. 110kV雙回輸電線路復(fù)合材料桿塔防雷優(yōu)化設(shè)計研究[J]. 科技通報, 2015, 31(10):258-261.

[4] 楊耀權(quán), 楊 朔. 基于數(shù)字圖像處理的單條輸電線路曲線提取[J]. 科學(xué)技術(shù)與工程, 2016, 16(28):90-94.

[5] 鄧榮軍, 王 斌, 熊 典,等. 基于遺傳算法的輸電線路無人機(jī)巡檢路徑規(guī)劃[J]. 計算機(jī)測量與控制, 2015, 23(4):1299-1301.

[6] 司馬文霞, 楊 慶, 李永福,等. 輸電線路雷電繞擊評估方法分析及展望[J]. 高電壓技術(shù), 2015, 41(8):2500-2513.

[7] 樓文娟, 楊 悅, 盧 明,等. 連續(xù)多跨輸電線路動態(tài)風(fēng)偏特征及計算模型[J]. 電力建設(shè), 2015, 36(2):1-8.

[8] 王禮田, 邵鳳瑩, 蕭寶瑾. 基于雙目視覺稀疏點(diǎn)云重建的輸電線路弧垂測量方法[J]. 太原理工大學(xué)學(xué)報, 2016, 47(6):747-751.

[9] 林祥國, 段敏燕, 張繼賢,等. 一種機(jī)載LiDAR點(diǎn)云電力線三維重建方法[J]. 測繪科學(xué), 2016, 41(1):109-114.

[10] 汪 駿, 夏少波, 王和平,等. 基于直升機(jī)激光點(diǎn)云的分裂導(dǎo)線重建研究[J]. 遙感技術(shù)與應(yīng)用, 2015, 30(6):1189-1194.