馬御棠， 潘浩， 周仿榮， 黃然， 趙加能， 羅繼強(qiáng)，劉靖,3， 孫浩軒， 賈偉潔， 張濤

(1.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院電力遙感技術(shù)聯(lián)合實(shí)驗(yàn)室，昆明 650217； 2.北京空間飛行器總體設(shè)計(jì)部，北京 100094； 3.華南理工大學(xué)計(jì)算機(jī)學(xué)院，廣州 510006； 4.武漢大學(xué)遙感信息工程學(xué)院，武漢 430079； 5.中國(guó)自然資源航空物探遙感中心，北京 100083； 6.軍委裝備發(fā)展部裝備采購(gòu)服務(wù)中心，北京 100009)

0 引言

電力工業(yè)是國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展的重要支柱產(chǎn)業(yè)，電力輸電線路的安全直接關(guān)系到電力系統(tǒng)的穩(wěn)定運(yùn)行。然而，輸電線路一直受到內(nèi)部壓力、外部侵害、交叉跨越危險(xiǎn)等諸多因素威脅[1]。線路巡檢是保障輸電線路安全運(yùn)行的重要手段。其中，獲取高精度的輸電線路桿塔坐標(biāo)是線路巡檢的關(guān)鍵目的之一，其在無(wú)人機(jī)安全巡檢[2]、雷電定位系統(tǒng)保障[3]、凈空距離測(cè)算[4]等方面發(fā)揮著重要作用。

傳統(tǒng)的輸電線路桿塔坐標(biāo)測(cè)量，往往采用人工巡檢方式，基于地理信息系統(tǒng)(geographic information system，GIS)及全球定位系統(tǒng)(global positioning system，GPS)技術(shù)，通過(guò)手持GPS直接得到桿塔坐標(biāo)[5-6]。然而，人工巡視的頻次有限，無(wú)法做到設(shè)備缺陷的及時(shí)發(fā)現(xiàn)，且人工成本高，管理成本維持困難。近年來(lái)，結(jié)合遙感技術(shù)的桿塔坐標(biāo)定位校準(zhǔn)方法開(kāi)始進(jìn)入視野。遙感技術(shù)，通過(guò)高頻次、大范圍的信息測(cè)量，已經(jīng)在提高巡檢效率上取得了成效[7-8]。研究精度更高、方法更便捷的遙感技術(shù)輔助坐標(biāo)校準(zhǔn)方法，將會(huì)有效減少人工巡檢頻次，使電力線路巡檢更加安全高效。

截至目前，基于遙感技術(shù)的輸電線路桿塔坐標(biāo)測(cè)量方法主要有3類： 基于定位設(shè)備的傳統(tǒng)方法、基于激光雷達(dá)的方法和基于影像的方法。基于定位設(shè)備的傳統(tǒng)方法利用單點(diǎn)定位設(shè)備進(jìn)行桿塔坐標(biāo)測(cè)量，利用GPS[3-4,9]、北斗[10-11]等定位衛(wèi)星進(jìn)行點(diǎn)目標(biāo)測(cè)量。基于激光雷達(dá)的方法利用激光雷達(dá)對(duì)整個(gè)輸電走廊區(qū)域進(jìn)行三維重建，利用地面激光雷達(dá)[12]或機(jī)載激光雷達(dá)[13-14]，通過(guò)點(diǎn)云重建桿塔及周邊地物的空間信息。基于遙感影像的方法利用地面相機(jī)進(jìn)行多視重建[15-16]，或利用Google Earth的多源影像進(jìn)行平面坐標(biāo)校準(zhǔn)[7-8,17-20]。

幾乎所有的現(xiàn)有方法在進(jìn)行桿塔坐標(biāo)測(cè)量時(shí)，都存在測(cè)量范圍小或重復(fù)測(cè)量周期長(zhǎng)的問(wèn)題。地面測(cè)量的桿塔定位方法，無(wú)論是基于定位衛(wèi)星的點(diǎn)測(cè)量，還是激光雷達(dá)與光學(xué)相機(jī)實(shí)現(xiàn)的區(qū)域測(cè)量，其測(cè)量頻率和測(cè)量范圍都難以保證?；跈C(jī)載的激光雷達(dá)及光學(xué)影像測(cè)量方法，受成本限制，存在空間覆蓋范圍不足和重訪周期過(guò)大等問(wèn)題，難以有效進(jìn)行大范圍桿塔坐標(biāo)校準(zhǔn)。

近年來(lái)，高空間分辨率衛(wèi)星數(shù)量及其對(duì)地觀測(cè)能力一直在不斷提升。衛(wèi)星遙感影像的分辨率達(dá)到亞米級(jí)，已經(jīng)能夠觀察到輸電桿塔的典型地物特征。與此同時(shí)，單景影像幾何糾正技術(shù)得到廣泛發(fā)展，在存在基準(zhǔn)底圖情況下，對(duì)衛(wèi)星影像進(jìn)行幾何糾正可獲得較高的平面定位精度[21-23]。

綜合上述研究，本文提出一種完全不依賴航空影像的衛(wèi)星影像輸電走廊桿塔坐標(biāo)校準(zhǔn)方法。首先對(duì)原始遙感影像進(jìn)行幾何糾正； 然后結(jié)合桿塔舊臺(tái)賬坐標(biāo)，從幾何糾正后的影像中辨識(shí)桿塔并獲取桿塔校準(zhǔn)后的坐標(biāo)。該方法旨在實(shí)現(xiàn)大面積區(qū)域的桿塔坐標(biāo)校準(zhǔn)，較之傳統(tǒng)方法，能夠快速獲取大范圍桿塔坐標(biāo)，降低巡線員的工作量與巡線風(fēng)險(xiǎn)，提高巡線效率； 并及時(shí)發(fā)現(xiàn)輸電線路運(yùn)行狀態(tài)的異常，以確保電網(wǎng)運(yùn)行安全，提升電網(wǎng)智能化水平。隨著遙感影像的數(shù)據(jù)量級(jí)爆發(fā)式增長(zhǎng)，空天地多源影像將不斷結(jié)合，基于衛(wèi)星遙感影像的輸電線路桿塔定位技術(shù)將有更加廣闊的發(fā)展前景。

1 桿塔坐標(biāo)校準(zhǔn)方法

1.1 基于參考底圖的幾何糾正

參考底圖幾何糾正方法根據(jù)已有的地面控制資料，即基準(zhǔn)參考底圖數(shù)字正射影像圖(digital orthophoto map，DOM)和數(shù)字高程模型(digital elevation model，DEM)，通過(guò)衛(wèi)星影像和控制資料自動(dòng)匹配提取地面控制點(diǎn)，對(duì)有理函數(shù)幾何成像模型的有理多項(xiàng)式系數(shù)(rational polynomial coefficients，RPC)進(jìn)行精化處理，以達(dá)到提升影像幾何定位精度目的。流程圖如圖1所示。

圖1 參考底圖幾何糾正流程圖

其主要由6個(gè)步驟組成：

1)將待校準(zhǔn)影像A中4個(gè)角點(diǎn)坐標(biāo)通過(guò)RPC計(jì)算出與參考底圖B的相交范圍區(qū)域C。

2)設(shè)置影像的分塊大小，對(duì)相交范圍區(qū)域C進(jìn)行網(wǎng)格分塊處理。

3)分別對(duì)影像A中與參考底圖B中每一塊區(qū)域進(jìn)行尺度不變特征變換(scale-invariant feature transform，SIFT)匹配，得到地面控制點(diǎn)像平面坐標(biāo)。

4)利用隨機(jī)抽樣一致性(random sample consensus，RANSAC)算法對(duì)SIFT匹配得到地面控制點(diǎn)中的粗差點(diǎn)進(jìn)行剔除,得到篩選后的控制點(diǎn)。

5)基于控制點(diǎn)的平面坐標(biāo)，參考DEM，利用插值的方式讀取每個(gè)控制點(diǎn)的高程，得到地面控制點(diǎn)物方三維坐標(biāo)。

6)利用控制點(diǎn)的物方三維坐標(biāo)和像方平面坐標(biāo)，通過(guò)仿射變換模型進(jìn)行系統(tǒng)誤差補(bǔ)償，實(shí)現(xiàn)待糾正影像的RPC模型精化和影像糾正。

方法的核心環(huán)節(jié)為： 光學(xué)影像的SIFT匹配、基于RANSAC算法的粗差剔除與RPC模型精化。

1.1.1 SIFT匹配

SIFT是用于影像局部特征點(diǎn)檢測(cè)與描述的一種算法，其生成特征保持了優(yōu)良的不變性。SIFT匹配建立在SIFT算法的生成特征上，主要分為特征檢測(cè)、特征描述和匹配3部分。

SIFT算法首先對(duì)影像進(jìn)行基于不同尺度高斯濾波器的模糊，隨后對(duì)相鄰尺度的模糊影像進(jìn)行差分，構(gòu)建得到尺度空間。在尺度空間中通過(guò)尋找極值來(lái)獲得潛在的具有尺度不變性的興趣點(diǎn)。同時(shí)在每個(gè)候選的位置上，通過(guò)擬合一個(gè)精細(xì)的模型來(lái)確定子像素位置和尺度。

對(duì)于已經(jīng)確定位置與尺度的關(guān)鍵點(diǎn)，SIFT基于影像局部的梯度方向來(lái)獲得相等信息量的像素窗口和對(duì)特征進(jìn)行描述。算法分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方向，最終生成一個(gè)128維特征向量。在匹配階段，通過(guò)各關(guān)鍵點(diǎn)的SIFT特征向量，進(jìn)行兩兩比較，找出相互匹配的若干對(duì)特征點(diǎn)，建立同名像點(diǎn)間的對(duì)應(yīng)關(guān)系。本文采用歐氏距離進(jìn)行匹配，即：

，

(1)

式中:Si和Rk為2幀影像S和R上分別生成的第i和第k個(gè)SIFT特征；j為其第j個(gè)特征。

1.1.2 RANSAC粗差剔除

RANSAC算法是一種粗差剔除算法。算法認(rèn)為適宜目標(biāo)模型的數(shù)據(jù)被稱為局內(nèi)點(diǎn)； 而局外點(diǎn)是不能適應(yīng)模型的數(shù)據(jù)，其出現(xiàn)往往由噪聲的極值、錯(cuò)誤的測(cè)量方法、對(duì)數(shù)據(jù)的錯(cuò)誤假設(shè)等產(chǎn)生，會(huì)對(duì)模型參數(shù)估計(jì)造成影響。RANSAC誤匹配剔除的目的是找出剔除掉誤匹配的同名點(diǎn)，通過(guò)迭代估計(jì)一個(gè)敏感模型參數(shù)的方式，不斷隨機(jī)抽取3個(gè)匹配點(diǎn)對(duì)進(jìn)行仿射變換估計(jì)，統(tǒng)計(jì)該仿射變換下匹配點(diǎn)與原匹配點(diǎn)的差異，獲取到適配最多匹配點(diǎn)的最佳仿射變換模型，從而剔除不適宜的同名點(diǎn)對(duì)。

1.1.3 基于RPC模型的像方平差

高分辨率衛(wèi)星影像通常采用嚴(yán)格的軌道模型來(lái)完成影像的高精度幾何定位[24-25]。由于星上測(cè)量參數(shù)保密等原因，嚴(yán)密模型參數(shù)難以獲取，取而代之的是采用一個(gè)比值多項(xiàng)式模型，稱之為RPC模型[26-28]。該模型能夠建立像方坐標(biāo)點(diǎn)與對(duì)應(yīng)物方坐標(biāo)點(diǎn)之間的幾何關(guān)系，一般來(lái)說(shuō)，影像初始狀態(tài)的RPC參數(shù)誤差比較大，通常采用的方法為建立一個(gè)像方誤差補(bǔ)償模型來(lái)對(duì)原始RPC模型進(jìn)行系統(tǒng)誤差補(bǔ)償。

根據(jù)像點(diǎn)坐標(biāo)以及對(duì)應(yīng)地面控制點(diǎn)的經(jīng)緯度和高程，基于單片空間后方交會(huì)方法，利用式(2)中的仿射變換模型對(duì)原始影像RPC參數(shù)進(jìn)行精化，仿射變換中的參數(shù)通過(guò)式(3)中的誤差方程進(jìn)行求解。

，

(2)

式中: (x,y)為控制點(diǎn)在影像上的量測(cè)坐標(biāo); (xRPC,yRPC)為基于RPC模型計(jì)算得到的像點(diǎn)坐標(biāo);e0,e1,e2,f0,f1,f2為待求解的6個(gè)仿射變換參數(shù)。對(duì)于每一個(gè)像點(diǎn)，可以列出如式(3)的誤差方程，迭代求解仿射變換參數(shù)改正值，公式為：

，

(3)

式中:vx，vy分別為像素列方向、行方向的坐標(biāo)改正值；Fx0，F(xiàn)y0分別為在當(dāng)前仿射變換參數(shù)下的列方向、行方向像點(diǎn)坐標(biāo)值與像點(diǎn)坐標(biāo)觀測(cè)值之差； Δe0,Δe1,Δe2,Δf0,Δf1,Δf2為本次仿射變換參數(shù)迭代改正。每個(gè)控制點(diǎn)都可以建立式(3)的誤差方程，最終通過(guò)最小二乘法，迭代求解得到最佳仿射變換參數(shù)，最終獲得影像的精確RPC參數(shù)。

1.2 桿塔坐標(biāo)校準(zhǔn)

1.2.1 陰影檢測(cè)

本文基于Rufenacht等[29]的陰影識(shí)別算法提取影像的陰影圖。首先通過(guò)式(4)所示非線性映射f(x)將可見(jiàn)光和近紅外波段的低亮度區(qū)域映射為高值，同時(shí)通過(guò)式(5)所示的乘性結(jié)合來(lái)識(shí)別在可見(jiàn)光和近紅外波段綜合較暗的像素，構(gòu)建陰影候選圖，即:

，

(4)

，

(5)

。

(6)

需要注意的是，Dij中暗區(qū)域同時(shí)包含可能的非陰影，因此將2個(gè)候選區(qū)域值的乘性結(jié)合，得到最終的陰影值Uij，公式為：

。

(7)

在原文中，作者基于陰影值Uij進(jìn)行一系列后處理進(jìn)行陰影區(qū)域提取[29]，本文并不確認(rèn)區(qū)域，而是利用陰影值Uij為后續(xù)桿塔坐標(biāo)校準(zhǔn)提供幫助。

1.2.2 桿塔坐標(biāo)校準(zhǔn)

檢出的陰影圖中仍然混有其他陰影，混淆陰影通常為樹(shù)林等團(tuán)狀陰影。由于輸電桿塔具有特殊的幾何結(jié)構(gòu)，中間接近鏤空，其影像陰影具有明顯的邊緣線結(jié)構(gòu)，易于團(tuán)狀陰影區(qū)分。因此，通過(guò)radon變換[30]進(jìn)行線識(shí)別，以定位桿塔邊緣線。隨后，對(duì)檢測(cè)出的邊緣線在極坐標(biāo)域進(jìn)行聚類，得到大致的桿塔位置。

然而，考慮到衛(wèi)星影像上的大部分桿塔特征微弱，識(shí)別困難。對(duì)于識(shí)別得到的點(diǎn)，應(yīng)當(dāng)與舊的桿塔臺(tái)賬合并，進(jìn)行逐點(diǎn)的人工目視判讀移點(diǎn)。則整個(gè)桿塔坐標(biāo)提取流程為： 通過(guò)識(shí)別結(jié)果進(jìn)行輔助，結(jié)合陰影檢測(cè)圖，目視判別桿塔位置，挪動(dòng)桿塔到合適的新位置以得到新的校準(zhǔn)桿塔坐標(biāo)。

1.2.3 桿塔校準(zhǔn)坐標(biāo)誤差評(píng)價(jià)

電網(wǎng)各應(yīng)用場(chǎng)景對(duì)桿塔的坐標(biāo)需求不一，桿塔坐標(biāo)精度主要影響自然災(zāi)害、外力破壞等作用于桿塔及沿線的定位及判斷。例如，1 km精度的落雷定位系統(tǒng)、氣象系統(tǒng)等，若僅考慮桿塔對(duì)象，則1 km左右的桿塔定位精度即可滿足桿塔區(qū)段的氣象獲取。然而，一些基于衛(wèi)星影像的巡檢任務(wù)，如洪澇災(zāi)害監(jiān)測(cè)、施工區(qū)域監(jiān)測(cè)，往往需要更高的桿塔定位精度，否則無(wú)法判斷具體受影響位置?？紤]到這類基于影像的識(shí)別與檢測(cè)任務(wù)(這類影像有時(shí)完全失去了桿塔特征，無(wú)法通過(guò)在同一景滿足受災(zāi)區(qū)域與桿塔的相對(duì)誤差來(lái)達(dá)成目的)，其自身影像也存在幾何誤差，桿塔坐標(biāo)往往需要盡量準(zhǔn)確。按照經(jīng)驗(yàn)，5～6 m的定位精度應(yīng)當(dāng)足以符合電網(wǎng)的基本任務(wù)預(yù)期。

通過(guò)校準(zhǔn)值與真值的評(píng)價(jià)x方向或y方向的誤差，公式為：

，

(9)

(10)

2 實(shí)驗(yàn)數(shù)據(jù)

本次實(shí)驗(yàn)選用高分二號(hào)(GF-2)和高景一號(hào)(SV-1)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。其中，GF-2衛(wèi)星作為我國(guó)首個(gè)空間分辨率優(yōu)于1 m的國(guó)產(chǎn)光學(xué)遙感衛(wèi)星，具有輻射精度高、定位精度高、姿態(tài)機(jī)動(dòng)能力快等特點(diǎn)[31]； 而SV-1是我國(guó)自主研發(fā)的高分辨率商用遙感衛(wèi)星，其數(shù)據(jù)經(jīng)過(guò)稀疏控制點(diǎn)區(qū)域網(wǎng)處理后的平面精度可以滿足1∶10 000比例尺測(cè)量的要求[32]。 二者詳細(xì)情況見(jiàn)表1。實(shí)驗(yàn)輔助數(shù)據(jù)中參考底圖(DOM)分辨率為0.3 m，由R，G，B 3波段組成； 參考DEM數(shù)據(jù)分辨率為10 m。

實(shí)驗(yàn)所用衛(wèi)星影像數(shù)據(jù)與參考底圖的位置關(guān)系如圖2所示。

(a) 2018.11.14 SV-1多光譜影像(b) 2018.11.14 SV-1全色影像(c) 2018.01.16 SV-1多光譜影像(d) 2018.01.16 SV-1全色影像

(e) 2019.01.23 GF-2多光譜影像(f) 2019.01.23 GF-2全色影像(g) 2019.10.31 GF-2多光譜影像(h) 2019.10.31 GF-2全色影像

對(duì)比影像與參考底圖的接邊情況。結(jié)果發(fā)現(xiàn)，在未經(jīng)過(guò)底圖校準(zhǔn)時(shí)，SV-1及GF-2影像數(shù)據(jù)均與參考底圖影像有較大的偏差，如圖3所示。

(a) 2018.11.14 SV-1多光譜細(xì)節(jié)(b) 2018.11.14 SV-1全色細(xì)節(jié)(c) 2018.01.16 SV-1多光譜細(xì)節(jié)(d) 2018.01.16 SV-1全色細(xì)節(jié)

(e) 2019.01.23 GF-2多光譜細(xì)節(jié)(f) 2019.01.23 GF-2全色細(xì)節(jié)(g) 2019.10.31 GF-2多光譜細(xì)節(jié)(h) 2019.10.31 GF-2全色細(xì)節(jié)

從圖3的細(xì)節(jié)圖中可以看出： 卷簾接邊左右道路、水域等存在明顯的接邊誤差，根據(jù)統(tǒng)計(jì)，接邊的偏差距離平均為65 m?？紤]到誤差的傳遞性，桿塔校準(zhǔn)坐標(biāo)誤差將大于參考底圖誤差，此結(jié)果已大幅超出一些電網(wǎng)場(chǎng)景中需要滿足的桿塔坐標(biāo)精度要求。因此，在利用衛(wèi)星影像數(shù)據(jù)獲取桿塔準(zhǔn)確坐標(biāo)之前，需要基于參考底圖對(duì)原始影像進(jìn)行校準(zhǔn)。

3 實(shí)驗(yàn)結(jié)果

3.1 影像坐標(biāo)校準(zhǔn)實(shí)例及效果分析

3.1.1 幾何糾正精度驗(yàn)核

對(duì)SV-1影像和GF-2影像進(jìn)行基于參考底圖幾何糾正實(shí)驗(yàn)。其中，4景影像均與底圖匹配多個(gè)點(diǎn)，選取其中10個(gè)作為控制點(diǎn)，將其余點(diǎn)作為檢查點(diǎn)進(jìn)行精度驗(yàn)證。匯總實(shí)驗(yàn)結(jié)果見(jiàn)表2。由表2分析可知，檢查點(diǎn)數(shù)量為10時(shí)，平面精度可達(dá)到2像元以內(nèi)。校準(zhǔn)后影像與參考底圖影像接邊情況如圖4所示。圖4中，(a)—(d)為SV-1接邊細(xì)節(jié)； (e)—(h)為GF-2接邊細(xì)節(jié)。由結(jié)果可見(jiàn)，幾何糾正后GF-2和SV-1的接邊誤差從糾正前的65 m左右提升到了2 m以內(nèi)，影像與底圖的接邊誤差有了明顯改善。實(shí)驗(yàn)表明，通過(guò)與參考底圖進(jìn)行匹配并糾正的方式可以實(shí)現(xiàn)桿塔坐標(biāo)的校準(zhǔn)，能夠滿足桿塔坐標(biāo)巡檢的需求，為下一步實(shí)現(xiàn)桿塔坐標(biāo)校準(zhǔn)提供有力支撐。

表2 實(shí)驗(yàn)影像與參考底圖校準(zhǔn)精度

(a) SV-1接邊細(xì)節(jié)1(b) SV-1接邊細(xì)節(jié)2(c) SV-1接邊細(xì)節(jié)3(d) SV-1接邊細(xì)節(jié)4

(e) GF-2接邊細(xì)節(jié)1(f) GF-2接邊細(xì)節(jié)2(g) GF-2接邊細(xì)節(jié)3(h) GF-2接邊細(xì)節(jié)4

3.1.2 陰影檢測(cè)與桿塔定位

在某段區(qū)域測(cè)試了共計(jì)72個(gè)桿塔的識(shí)別情況，檢出點(diǎn)在桿塔較近位置則判為檢出，部分桿塔識(shí)別示意圖見(jiàn)圖5。結(jié)果顯示，檢出桿塔個(gè)數(shù)僅為15個(gè)，識(shí)別率21%，盡管存在少數(shù)特征較清晰的桿塔，基于目前的衛(wèi)星影像進(jìn)行桿塔識(shí)別結(jié)果仍然較差，尚不能直接用于批量桿塔坐標(biāo)提取。然而，通過(guò)舊桿塔臺(tái)賬矢量輔助，當(dāng)內(nèi)業(yè)處理人員預(yù)先知道此處存在桿塔，可以結(jié)合陰影檢測(cè)圖、邊緣識(shí)別圖，通過(guò)目視判別決策桿塔位置，將其挪動(dòng)到合適的位置，得到新的校準(zhǔn)桿塔坐標(biāo)。這種識(shí)別輔助人工目視判讀的校點(diǎn)方案可以在內(nèi)業(yè)實(shí)現(xiàn)2個(gè)實(shí)驗(yàn)區(qū)的校點(diǎn)，避免繁雜的外業(yè)梭巡。

(a) 難識(shí)別弱特征桿塔(b) 清晰特征桿塔(c) 清晰特征桿塔的陰影檢測(cè)(d) 清晰特征桿塔的識(shí)別結(jié)果

圖5 桿塔識(shí)別輔助人工判讀示意圖

3.1.3 桿塔坐標(biāo)校準(zhǔn)結(jié)果

本文對(duì)云南省昆明市兩個(gè)區(qū)域的電力輸電線路桿塔校準(zhǔn)情況進(jìn)行實(shí)驗(yàn)。區(qū)域1中心地理坐標(biāo)為E102°35′，N24°35′，平均海拔為2 000 m左右，區(qū)域線路共有20級(jí)桿塔。區(qū)域2中心地理坐標(biāo)為E103°15′，N24°52′，平均海拔為1 860 m左右，區(qū)域線路共14級(jí)桿塔。

實(shí)驗(yàn)統(tǒng)計(jì)了桿塔校準(zhǔn)的誤差情況，表3列出了校準(zhǔn)前后桿塔坐標(biāo)與實(shí)驗(yàn)真值的誤差。其中，區(qū)域1桿塔坐標(biāo)真值取自高精度底圖的目視提取結(jié)果。區(qū)域2桿塔坐標(biāo)真值通過(guò)無(wú)人機(jī)航測(cè)三維激光測(cè)量獲得。由表3可知，校準(zhǔn)后桿塔坐標(biāo)偏差明顯低于校準(zhǔn)前舊桿塔臺(tái)賬偏差，通過(guò)衛(wèi)星影像的桿塔校準(zhǔn)可以實(shí)現(xiàn)對(duì)原有桿塔臺(tái)賬平面坐標(biāo)精度的提升。2個(gè)區(qū)域的校準(zhǔn)點(diǎn)平面中誤差都在6 m內(nèi)，按照電網(wǎng)相關(guān)經(jīng)驗(yàn)，通過(guò)參考底圖對(duì)衛(wèi)星影像進(jìn)行配準(zhǔn)并糾正的方法可以實(shí)現(xiàn)桿塔坐標(biāo)校準(zhǔn)，已能夠滿足桿塔坐標(biāo)巡檢的需求。

表3 桿塔校點(diǎn)精度

4 結(jié)論與討論

本文根據(jù)桿塔校準(zhǔn)目前遇到的實(shí)際問(wèn)題, 通過(guò)研究和實(shí)驗(yàn)測(cè)試, 提出了一種基于衛(wèi)星影像幾何糾正的輸電線路桿塔坐標(biāo)校準(zhǔn)的方法, 結(jié)論如下:

1)提出了一種根據(jù)參考底圖對(duì)待原始遙感影像進(jìn)行幾何糾正, 并根據(jù)陰影檢測(cè)、邊緣識(shí)別等技術(shù)與目視判讀對(duì)桿塔坐標(biāo)進(jìn)行校準(zhǔn)的方法。

2)以云南省昆明市為例，對(duì)該區(qū)域GF-2和SV-1影像進(jìn)行幾何糾正實(shí)驗(yàn)。結(jié)果表明，糾正前影像接邊點(diǎn)平均誤差65 m，糾正后平面中誤差分別為0.931 m和1.387 m，幾何糾正能有效提升幾何精度。

3)以云南省昆明市為例，對(duì)該區(qū)域2段輸電線路上的舊桿塔臺(tái)賬進(jìn)行校準(zhǔn)實(shí)驗(yàn)。結(jié)果表明，線路平面中誤差從舊臺(tái)賬的13.811 m和8.256 m分別提升至5.970 m和5.104 m，滿足基本的電網(wǎng)需求。

4)本文方法可以實(shí)現(xiàn)桿塔坐標(biāo)的校準(zhǔn)，減小人工巡檢的工作量，提高巡線效率。

本文提出了一種基于衛(wèi)星影像底圖幾何糾正的輸電線路桿塔坐標(biāo)校準(zhǔn)方法，分為基于參考底圖的影像幾何糾正與桿塔校準(zhǔn)2部分，桿塔校準(zhǔn)精度與幾何糾正的精度相關(guān)。通過(guò)實(shí)驗(yàn)驗(yàn)證了本文方法的基于參考底圖幾何糾正精度，然而，方法暫沒(méi)有考慮多景影像鑲嵌及多景區(qū)域網(wǎng)平差，獲得多景影像的桿塔校準(zhǔn)仍然需要經(jīng)后續(xù)工作進(jìn)一步研究。

文章還探討了一個(gè)困難任務(wù)，即基于衛(wèi)星影像的桿塔識(shí)別。研究并未采用基于學(xué)習(xí)的方法，其主要原因是獲得大量高分辨率影像的桿塔樣本需要極大成本，一景影像上的桿塔數(shù)量有限，且大多數(shù)桿塔特征的清晰程度有限難以作為訓(xùn)練樣本。方案采用陰影檢測(cè)、邊緣檢測(cè)等經(jīng)典技術(shù)，相較于因樣本不足而無(wú)法訓(xùn)練的基于學(xué)習(xí)的檢測(cè)模型，可以提供一種基于單景4波段影像和手工特征的桿塔定位方法，數(shù)據(jù)門(mén)檻更低。應(yīng)當(dāng)注意的是，方法仍然很難做到提取精確桿塔坐標(biāo)，實(shí)驗(yàn)結(jié)果也顯示了其識(shí)別率仍然受影像分辨率制約，當(dāng)前方案更適合作為人工目視判圖的參考。然而，當(dāng)前衛(wèi)星影像分辨率正在飛速提升，衛(wèi)星影像上的桿塔清晰程度持續(xù)增加，基于衛(wèi)星影像的電力系統(tǒng)監(jiān)測(cè)有極大的發(fā)展空間，作為基于衛(wèi)星影像的桿塔校準(zhǔn)的良好嘗試，筆者希望本文的工作可為未來(lái)的衛(wèi)星影像桿塔校準(zhǔn)研究提供參考。