張 俊，龐世強，李曉斌?，張浩民

(1.廣東電網(wǎng)有限責任公司江門供電局，廣東 江門 529000；2.江門電力設計院有限公司，廣東 江門 529000)

伴隨著國民經(jīng)濟的快速發(fā)展，對于電能需求進一步增長，由此架空線路的規(guī)模逐漸增大。架空線路多處于地貌復雜、交通不便地區(qū)且結構較為復雜，人力開展巡檢已經(jīng)無法滿足其需求[1－2]。與傳統(tǒng)的人工巡視檢查方式相比，無人機巡檢不僅降低檢測成本和人員危險性，而且可以數(shù)字化、圖像化、三維化。通過航拍建模的方式展示空中視角的架空線路和走廊，很大程度克服人工巡視檢查的局限性，因此研究輸電線路三維建模技術具有一定的研究價值[3－4]。

近年來，國內(nèi)外對于無人機航拍圖像進行三維建模發(fā)展保持著較高水平。利用無人機圖像的特征點匹配算法所建立的三維模型僅僅包含架空線路和走廊，并未包含線路桿塔。這是因為與地表物和架空線路不同，桿塔屬于鏤空結構，難以通過特征點匹配進行建模。強行使用算法建模易造成桿塔結構不全等錯誤[5－6]。

目前國內(nèi)外人們對線路桿塔的三維建模進行了許多研究。文獻[7]中提出了一種模型驅動的激光點云輸電線路桿塔建模方法，利用輸電網(wǎng)點云計算和云分布的方向特征，確定輸電桿塔的主方向。文獻[8]中提出通過對不同類型輸電桿塔的現(xiàn)有三維模型進行分解，建立輸電桿塔的全要素組件模型庫，實現(xiàn)模型庫中的不同組件能夠根據(jù)其固定的連接關系自動拼接。文獻[9]提出一種結合塔架結構的分布參數(shù)特征模型，它可以應用于具有不同塔架結構和線路參數(shù)的短線路。文獻[10]基于多視幾何進行桿塔三維重建。

本文為實現(xiàn)無人機圖像中復雜背景下線路桿塔的準確提取，提出一種自動提取方法。該方法利用RGB閾值法、LSD 算法和Hough 變換，對線路桿塔進行提取，并根據(jù)線路桿塔幾何特征對直線段編組合并，能夠快速、高效地完成對線路桿塔目標的三維建模。

1 算法總體框架

算法設計總體流程如圖1 所示，本文為實現(xiàn)復雜圖像背景中輸電桿塔的準確提取，主要思路首先采用RGB 閾值對于桿塔輻射特征進行粗提取，并結合連通域完成對背景進行初步去除。其次針對線路桿塔在空間中的鏤空特征，通過LSD 算法對直線段初步提取，將連通域和LSD 算法的處理結果進行交運算。最后通過Hough 變化將直線段編為一個組別，那么相同組別中線段有無重合或者側向距離大于一定閾值即可判斷是否為同一直線。需要注意的是，直線段端點的連接需設置合適的閾值，且遵循最小二乘擬合原則，則可以提取出完整的線路桿塔。

圖1 算法設計總體流程

2 邊緣檢測與直線段提取

2.1 RGB 閾值粗提取桿塔

文獻[11]分別通過分析Phong 光照模型，發(fā)現(xiàn)在陰影區(qū)域的三個通道中，R 通道下降的最多，G 通道次之，B 通道下降的最少，這相當于增加了陰影區(qū)域的藍色分量。本文充分利用了陰影區(qū)域的這一屬性，通過對彩色RGB 影像進行如下的歸一化處理:

式中:R、G、B分別為原始RGB 分量，R′、G′、B′分別為歸一化后的RGB 分量。通過前面的分析可知，由于在陰影區(qū)域B 通道灰度下降得最少，所以在B′分量中，陰影區(qū)域主要占據(jù)的是高像素值端，通過對B′分量圖采用閾值分割的方法，設置一個較高的閾值就可以得到大致的陰影區(qū)域。但原始影像中的偏藍色地物在B′分量中也具有很高的像素值，需要將這些區(qū)域從陰影區(qū)域中去除。基于此，本文在原始的B分量圖中引入了一個閾值來保證陰影檢測的精度。只有在B′分量中高于某個閾值，并在B分量中低于某個閾值的區(qū)域，才被檢測成為陰影區(qū)域[12]。

如圖2 所示，鐵塔和導線在航拍影像上具有較為明顯的輻射特征，利用輻射特征可以排除大部分的背景信息，特別是和鐵塔、導線輻射特征差別較大的背景，如地表植被等。本算法采用影像RGB 閾值法，通過閾值的調整和控制達到保留鐵塔與導線信息，同時排除大量背景信息的目標。

圖2 原始桿塔和RGB 提取后圖像

2.2 連通域去除背景

由于無植被的裸地或混凝土路面等反射強度大的地方，其輻射特征和鐵塔、導線較為相似，上一步使用基于輻射特征直線檢測的結果必然仍然帶有大量背景信息。但是這種背景信息與鐵塔、導線信息相比大都是離散的點，或者非常小的區(qū)域。而鐵塔塔材連通處眾多、導線更是貫穿整幅影像。根據(jù)這一特征，本算法根據(jù)區(qū)域連通性的篩選將那些離散點，短線段和小面積的封閉區(qū)域進行去除，最大限度剔除復雜的背景影像信息，如圖3 所示。

圖3 RGB 圖像和基于連通域提取后圖像

2.3 LSD 算法直線檢測提取

LSD 算法的基本思想是檢測圖像中梯度變化較大的像素點集，因此輸入圖像必須是灰度圖，檢測目標即是圖像中灰度從黑到白或是從白到黑變化的像素點，以達到在線性時間內(nèi)獲取亞像素精度的線段檢測結果。

LSD 涉及到2 個基本概念:梯度和圖像的基準線，如圖4 所示。LSD 先計算每個像素與基準線的夾角以構建基準線場，然后利用區(qū)域生長算法合并場里方向近似一致的像素，得到一系列線支撐域，如圖5所示；最后在這些域內(nèi)進行像素合并提取直線段。

圖5 線支撐域示意圖

LSD 算法流程如圖6 所示，經(jīng)過LSD 直線提取算法處理，可得所有檢測出線段基元的左右端點及線段寬度，如圖7 所示。

圖6 LSD 直線提取算法流程

圖7 LSD 算法處理結果

但是LSD 直線提取算法還存在一些問題，一方面，在真實圖像中，往往由噪聲和畸變等影響，致使直線變成有較小曲率的弧線；另一方面，從LSD 像素合并和控制誤差的準則可以看出，這種算法只對直線段有用，對其他線結構將失效，如弧段或折線等，即使是曲率較小的弧段也難以有效[14]。

2.4 交運算提取鐵塔

LSD 算法有很強的抗噪性。但是，該算法無法排除背景信息的影響，利用LSD 算法的線段檢測結果與基于連通性去除背景的提取結果進行“交”運算，即一個像素在兩組數(shù)據(jù)中都為目標時，將其推斷為鐵塔即提取目標。交運算的處理結果如圖8 所示。

圖8 交運算處理結果

2.5 基于Hough 變換的線段編組

Hough 具有良好的抗噪性能，可將具有相同特征的幾何圖形從灰度圖像中分離出來[15]。其主要基于點與線的對偶性來實現(xiàn)直線檢測，極坐標系下直線方程表示為:

平面直角坐標系下任一點的坐標(x，y)，對應于與極坐標系下的過點(ρ，θ)的正弦曲線，而直角坐標系下同屬于一條直線上的點在極坐標系下會出現(xiàn)交集。首先，由定義θ∈[0，180)，ρ表示為坐標原點到該直線的距離，那么可以根據(jù)每一個點(x，y)及離散的θ值將ρ計算出來，通過累計所有的(ρ，θ)可以獲得最終的權值，并選擇其最大值，記作Am(ρ，θ)。如果Am(ρ，θ)的值大于設定的閾值，即可以找到直角坐標系中直線的位置。Hough 變換原理分析如圖9 所示。

圖9 Hough 變換原理

由以上分析可知，直線檢測的Hough 變換可以定義為:

式中:A(xi，yj)表示提取的每個像素的灰度值，Q是關于ρ的總體樣本數(shù)，P是所取離散的θ總數(shù)，二值圖像尺寸則定義為N×N。

將Hough 變換應用于基于RGB 閾值后的二值圖像，如圖10 所示。由于初始圖像中背景信息較單一，且無其他的線性干擾，可以看到使用Hough 變換能夠使一些處于相同直線的短線段得到了較好的連接，但對于桿塔背景圖像復雜程度提升，要想獲取圖像中的完整的桿塔，仍有必要對初步提取后的線路作進一步處理。

圖10 Hough 變換二值圖像直線提取

4 實驗驗證

為驗證本文采用以上算法能夠準確提取出航拍圖像中復雜背景下的線路桿塔，實驗針對無人機的輸電線航拍桿塔圖像信息，采用本文所提出的算法分別對酒杯桿塔、干字塔進行建模分析對比。最終可得實驗效果對比如圖11 所示。

圖11 實驗結果分析

表1 統(tǒng)計部分桿塔實測與建模結果的最大誤差，可以看出，水平偏差最大僅為0.132 m，垂直偏差最大僅為0.268 m，反映出本研究三維重建的立體模型精度是很好的。由以上結果可以看出，當圖像背景信息比較復雜時，使用本文所設計的算法，如圖11(b)、11(c)所示，所提取的線路桿塔受背景信息干擾較小，最終得到的線路桿塔圖像較為清晰，且未出現(xiàn)破碎，驗證了該算法能夠實現(xiàn)復雜背景圖像中線路桿塔的準確、完整的提取，有利于架空輸電線路設備本體的三維模型建立，可進一步豐富當前建模平臺化應用。

表1 部分桿塔建模點與實測點對比

5 結論

本文設計了一種基于無人機圖像的線路桿塔自動提取算法，能夠從復雜的背景圖像中完成線路桿塔的有效識別，進而達到三維建模的要求。首先由RGB 閾值結合連通域對圖像中桿塔進行初步提取，再經(jīng)LSD 算法直線分割檢測和交運算，最后通過Hough 變換線段編組合并最終完成線路桿塔的提取過程。由實驗結果可知，該方法能夠有效削弱復雜的背景噪聲的干擾，且基于線路桿塔鏤空特征進行合并，進一步實現(xiàn)了線路桿塔準確、完整的提取，驗證了此方法的有效性。