一種無人機巡檢輸電線路圖像內(nèi)的桿塔目標提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于模式識別與智能計算技術(shù)領(lǐng)域，更具體地說，涉及一種無人機巡檢輸 電線路圖像內(nèi)的桿塔目標提取方法。
【背景技術(shù)】
[0002] 隨著我國國民經(jīng)濟持續(xù)快速發(fā)展和城市建設規(guī)模日益擴大，高科技產(chǎn)業(yè)、金融、醫(yī) 療衛(wèi)生等行業(yè)快速密集發(fā)展，對電力能源的需求日益增強，而經(jīng)濟發(fā)展不僅使城鄉(xiāng)電網(wǎng)負 荷快速增長，也對供電的可靠性和供電質(zhì)量提出了更高的要求。因此，電力公司需要對電力 線路設備尤其是電力線和電力桿塔進行定期巡檢，以保證電力傳輸系統(tǒng)的穩(wěn)定安全運行和 社會生產(chǎn)生活的正常進行。我國的電力線路走廊，經(jīng)常需要穿越各種復雜的地理環(huán)境，頻繁 經(jīng)過湖泊水庫以及崇山峻嶺等，因此，輸電線路具有覆蓋范圍大、分布區(qū)域廣、傳輸距離長、 地理條件復雜多變及受環(huán)境氣候影響顯著等特點，從而給線路的日常運行、維護和檢修帶 來極大挑戰(zhàn)。
[0003] 我國輸電線路的巡視一般采用人工巡視方式，這種方法雖簡單，但效率較低，周期 較長，且需要配備大量光學設備和素質(zhì)高、經(jīng)驗豐富的巡線人員，對人力、財力的要求較高。 且當桿塔較高、周圍地理環(huán)境較復雜時，人工巡線就更加困難，容易遺漏故障，造成巡線不 徹底，從而使得人工巡線方式逐漸難以滿足高壓電網(wǎng)的運行維護要求。
[0004] 從上世紀九十年代開始，歐美一些發(fā)達國家就已經(jīng)嘗試將無人機應用于輸電線路 搶修等工作。直升機巡檢輸電線路技術(shù)，具有安全快捷、受地域限制小、能快速發(fā)現(xiàn)故障等 優(yōu)點。我國從上世紀后期開始嘗試直升機巡線作業(yè)，近幾年來，我國加大了對無人機巡線 技術(shù)的研發(fā)投入，2012年山東電力在全國率先實現(xiàn)了將無人機巡線納入線路巡檢常態(tài)化應 用。2013年，由國家電網(wǎng)青海省電力公司檢修公司承擔的"高海拔地區(qū)輸電線路無人巡檢 技術(shù)的應用研究"順利通過國家電網(wǎng)公司的驗收，并通過了青海省科技廳的鑒定。
[0005] 電力桿塔是輸電線路中的重要組成部分，其按作用可以分為：直線桿塔、跨越桿 塔、耐張桿塔、轉(zhuǎn)角桿塔、T接桿塔、終端桿塔、換位桿塔七種。桿塔是架空電力線路最主要 的設備之一，用來支持導線、避雷線和各類連接金具，圖像中桿塔區(qū)域的確定對于直升機巡 檢有著深遠的意義。通過檢測圖像中的桿塔區(qū)域，可以給出檢測各類部件的小范圍區(qū)域，同 時，每具桿塔在電力部門都備用詳細的基建資料可供查詢，其中包括其地理信息、各類線路 部件安裝數(shù)目和位置信息等等，依據(jù)這些信息我們可以更加準確地提取圖像中各類部件包 括絕緣子、電力線、引流線、地線、防震錘、間隔棒、懸垂線夾等的具體位置及其數(shù)量，并且進 一步實現(xiàn)各類部件常見故障的智能診斷。
[0006]目前國內(nèi)外關(guān)于電力桿塔圖像識別方法的研究均較少，且由于電力桿塔的圖像背 景較為復雜，現(xiàn)有檢測方法的適應性不強，對電力桿塔的識別精度相對較低，從而不能對電 力桿塔中各部件的常見故障進行有效診斷。如，中國專利申請?zhí)枮镃N201210250850. 8的專 利公開了一種電力桿塔輪廓的快速圖像識別方法，該申請案是基于改進的Harris角點檢 測方法，來實現(xiàn)對已知區(qū)域形狀的輪廓圖像中電力塔桿像素的檢測，但由于航拍圖像噪聲 大，harris角點檢測對噪聲較為敏感，不利于角點量的提取，且其對于圖像幾何尺度變化不 具有不變性，即當圖像的幾何尺度發(fā)生變化時，Harris角點檢測的性能則下降，從而導致對 電力桿塔的識別精度降低。此外，角點檢測的速度關(guān)系到后續(xù)工作的效率，而harris角點 算法運行時間較長，不利于航拍圖像的實時處理，使得圖像的邊緣變的模糊，易造成人眼視 覺上的失真。

【發(fā)明內(nèi)容】

[0007] 1?發(fā)明要解決的技術(shù)問題
[0008] 本發(fā)明的目的在于克服采用現(xiàn)有電力桿塔圖像識別方法不能對輸電線路中的電 力桿塔圖像進行有效提取，提取精度較低，且運行時間較長，導致不能對電力桿塔圖像進行 實時提取的不足，提供了一種無人機巡檢輸電線路圖像內(nèi)的桿塔目標提取方法。通過使用 本發(fā)明中輸電線路圖像內(nèi)的桿塔目標提取方法，可以對輸電線路中的電力桿塔進行精確提 取，且運行時間較短，能夠?qū)崿F(xiàn)對圖像的實時處理，同時也為桿塔上絕緣子、金具等電力部 件的故障診斷提供了預研基礎(chǔ)。
[0009] 2?技術(shù)方案
[0010] 為達到上述目的，本發(fā)明提供的技術(shù)方案為：
[0011] 本發(fā)明的一種無人機巡檢輸電線路圖像內(nèi)的桿塔目標提取方法，其步驟為：
[0012] 步驟一、將航拍得到的圖像由RGB色彩空間轉(zhuǎn)換到HSI色度飽和度亮度空間，提取 HSI色度飽和度亮度空間的I分量圖像，并將該I分量圖像經(jīng)中值濾波后進行二值化處理得 到電力桿塔輪廓的二值圖像；
[0013] 步驟二、基于Susan角點檢測方法，結(jié)合電力桿塔在航拍圖像中表現(xiàn)為可視的中 軸對稱多邊形且呈角點密集分布的特征，采用經(jīng)過改進的Susan角點檢測方法對電力桿塔 輪廓的二值圖像進行角點檢測，并在電力桿塔輪廓的二值圖像中標記出所有角點的位置；
[0014] 步驟三、采用基于不變矩的質(zhì)心檢測算法檢測出上述角點序列的質(zhì)心，并以此為 中心，標注出電力桿塔在原圖中的位置。
[0015] 更進一步地，步驟一中將拍攝的圖像由RGB色彩空間轉(zhuǎn)換到HSI色度飽和度亮度 空間的轉(zhuǎn)換方程為：
[0016] (1),
[0017] 式（1)中，H、S、I分別為HSI色度飽和度亮度空間的色調(diào)分量、色飽和度分量和亮 度分量，
[0018] 更進一步地，步驟一中對提取的亮度I分量圖像進行中值濾波時，選用3*3中值濾 波模板遍歷亮度I分量圖像中的各像素點，對任一像素點，取以該像素點為中心3*3鄰域內(nèi) 的亮度平均值重新給該像素點賦值，即實現(xiàn)了對亮度I分量圖像的中值濾波。
[0019] 更進一步地，步驟一中采用最大類間方差法對亮度I分量圖像進行二值化處理， 其具體步驟為：遍歷亮度I分量圖像中每個像素點的亮度值，取出各像素點的亮度值，假設 亮度I分量圖像中各像素點的亮度取值范圍為〇~m-1，此處m-1為亮度I分量圖像中像素 點的最大亮度，上述亮度范圍內(nèi)的亮度均值為y，亮度為i的圖像出現(xiàn)的概率為Pi，給定亮 度閾值T，該亮度閾值T將圖像中的桿塔目標與背景分離為6。= {0~T-1}和G{T~ m-1}兩個亮度區(qū)間，且G。出現(xiàn)的概率為WyGi出現(xiàn)的概率為wi，則G。和G屈間內(nèi)的平均亮 度^以及這兩個區(qū)間的類間方差S2(T)分別為：
[0020] (2)，
[0021] 上式中，
且Wo+Wi: 1，w0yo+Wiy!=y;
[0022] 隨著亮度閾值T在0~m-1亮度范圍內(nèi)逐步遞增，使亮度閾值T取到0~m-1范 圍內(nèi)的所有數(shù)值，求解出最大類間方差maxS2 (T)，此時對應的T值即為亮度最佳分割閾值， 將亮度值小于該T值的像素點的亮度值設為0,大于該T值的像素點的亮度值設為1，即得 到電力桿塔輪廓的二值圖像。
[0023] 更進一步地，采用經(jīng)過改進的Susan角點檢測方法對電力桿塔輪廓的二值圖像進 行角點檢測的具體步驟為：
[0024] 步驟a、使用一個圓形窗口模版作為Susan角點檢測的模板，該圓形模板的半徑r =37個像素，且該圓形模板的中心為模板的核；
[0025] 步驟b、使上述圓形模板在電力桿塔輪廓的二值圖像上進行移動，對電力桿塔輪廓 的二值圖像上的每個像素點進行逐一檢測，使待檢測點處于圓形模板的核，給定閾值g，并 將圓形模板內(nèi)其他所有像素點的亮度值分別與待檢測點的亮度值按照式（3)進行運算：