面向無人機(jī)輸電線路巡檢的電力桿塔檢測(cè)框架模型

韓冰，尚方

（黑龍江省電力科學(xué)研究院，哈爾濱150030）

面向無人機(jī)輸電線路巡檢的電力桿塔檢測(cè)框架模型

韓冰，尚方

（黑龍江省電力科學(xué)研究院，哈爾濱150030）

高壓輸電線路定期的巡邏檢修是保障其安全可靠運(yùn)行的重要手段。相比于傳統(tǒng)的人工巡檢，利用無人駕駛飛機(jī)搭載攝像機(jī)航拍的巡檢方式具有速度快、人力成本低、人員風(fēng)險(xiǎn)小等優(yōu)勢(shì)。為了從海量的巡檢圖像中自動(dòng)篩選出桿塔可能存在故障的圖像，提出了一種融合多源信息的電力桿塔檢測(cè)框架模型，主要包括攝像機(jī)標(biāo)定、桿塔模型投影變換、桿塔模型聚類分析以及特征提取和匹配4個(gè)部分，并在實(shí)際的桿塔圖像上進(jìn)行了測(cè)試。結(jié)果表明，應(yīng)用檢測(cè)框架模型處理能夠自動(dòng)檢測(cè)出圖像中桿塔的精確位置，并判斷桿塔是否存在桿件丟失等異常狀態(tài)，驗(yàn)證了模型的有效性。

電力桿塔；無人機(jī)；輸電線路；巡檢；圖像

安全可靠的高壓輸電線路對(duì)于電力系統(tǒng)具有十分重要的意義。由于高壓線和桿塔等長期暴露在外，易受到自然界的侵蝕及人為破壞，導(dǎo)致電線斷開、桿塔歪斜、金件脫落或丟失等一系列問題，對(duì)整個(gè)電力系統(tǒng)帶來不可估量的損失。如何對(duì)高壓輸電線路進(jìn)行高效的巡邏檢修，保障其安全可靠的運(yùn)行，成為了電力部門所關(guān)注的重點(diǎn)[1]。

1 高壓輸電線路的巡檢方式

1.1 主要巡檢方式

高壓輸電線路巡檢目前主要可分為人工巡檢、機(jī)器人巡檢、載人直升機(jī)巡檢和無人機(jī)巡檢4種方式。由于高壓輸電線路具有分布點(diǎn)多面廣、所處地形復(fù)雜、自然環(huán)境惡劣等特點(diǎn)，傳統(tǒng)的人工巡檢方法不僅工作量大而且條件艱苦，特別是對(duì)山區(qū)以及跨越大江大河的輸電線路的巡檢，所花時(shí)間長、人力成本高、困難大、風(fēng)險(xiǎn)高。巡線機(jī)器人是針對(duì)架空高壓輸電線路的一種自動(dòng)化巡線裝置，主要巡檢輸電導(dǎo)線故障、絕緣子破損，防震錘松動(dòng)等[2]。由于巡線機(jī)器人能帶電工作，不僅可以替代人工巡檢，而且可以極大提高巡檢精度。然而機(jī)器人行進(jìn)速度慢、巡線距離短、跨越障礙困難等不足限制了應(yīng)用范圍。

直升機(jī)巡檢方式通過直升機(jī)搭載可見光和紅外成像設(shè)備對(duì)輸電線路拍攝圖像，相比人工巡檢和機(jī)器人巡檢，提高了電力維護(hù)和檢修的效率[3]。美國、法國、澳大利亞等國家都建立了用于巡檢的直升機(jī)機(jī)隊(duì)，國內(nèi)的南方電網(wǎng)、華中電網(wǎng)、福建省電力公司等也陸續(xù)開展了直升機(jī)載人巡檢。但建立直升機(jī)機(jī)隊(duì)投入大，開發(fā)專項(xiàng)技術(shù)也需要投入大量的人力資源，管理及技術(shù)準(zhǔn)備都十分復(fù)雜，限制了直升機(jī)巡檢在國內(nèi)的推廣應(yīng)用。

近些年來，利用無人駕駛飛機(jī)進(jìn)行輸電線路巡檢的方式漸漸興起。相比于載人直升機(jī)巡檢，無人機(jī)巡檢不需要搭載拍攝人員，因此飛機(jī)體積小、載重輕、成本低，操作也較為簡(jiǎn)單[4，5]。目前貴州、青海等省份已嘗試開展針對(duì)高海拔、復(fù)雜地形的無人機(jī)巡檢。

1.2 無人機(jī)巡檢的圖像處理

無人機(jī)巡檢過程中會(huì)拍攝大量的架空輸電線路的圖像，其中可能僅有極少量圖像包含線路故障，因此用人眼來檢測(cè)全部圖像不僅效率低下，而且會(huì)因疲勞以及桿塔的復(fù)雜結(jié)構(gòu)易于出錯(cuò)。為了解決這個(gè)問題，研究人員提出智能化的檢測(cè)方案，從全部圖像中自動(dòng)篩選出少量可能存在故障的圖像，再由人眼做進(jìn)一步判斷。

電力桿塔作為高壓輸電線路的重要組成部分，是巡檢圖像自動(dòng)檢測(cè)的關(guān)鍵目標(biāo)[6]。在圖像中準(zhǔn)確定位桿塔不僅是判定桿塔是否存在故障的首要步驟，也為桿塔上其它部件如絕緣子和金具等的檢測(cè)和故障判定提供重要信息。然而高壓輸電線路中的桿塔大都由桿件搭建而成，形態(tài)各異且結(jié)構(gòu)復(fù)雜。其鋼架結(jié)構(gòu)導(dǎo)致巡檢圖像中缺少穩(wěn)定的特征點(diǎn)和紋理特征，而且在成像過程中桿件之間遮擋非常嚴(yán)重，因此，在圖像中自動(dòng)檢測(cè)出所有類型的桿塔是非常困難的。

目前，國內(nèi)外僅有少量關(guān)于桿塔自動(dòng)檢測(cè)的研究。文獻(xiàn)[7]提出了一種從航空?qǐng)D像中檢測(cè)多個(gè)相似桿塔的方法。該方法利用桿塔在陽光照射下會(huì)產(chǎn)生陰影的特點(diǎn)，根據(jù)給定的模板提取陰影部分的邊緣特征，進(jìn)而在圖像中構(gòu)造滑動(dòng)窗口，判斷某個(gè)位置是否存在桿塔。由于該方法僅用于在航空?qǐng)D像中標(biāo)注桿塔的地理位置，精度較低，因此并不適用于電力線巡檢。文獻(xiàn)[6]提出一種基于快速高效啟發(fā)式聚類算法的電力桿塔檢測(cè)方法，對(duì)桿塔的灰度值和Lab空間顏色信息進(jìn)行聚類分析，可用于檢測(cè)簡(jiǎn)單背景中的電力桿塔。該方法屬于像素級(jí)的低層視覺方法，無法獲取上層的桿件信息及桿塔的結(jié)構(gòu)信息。

此外，文獻(xiàn)[8，9]分別提出利用全局自相似描述子和可變形部分模型進(jìn)行桿塔檢測(cè)，然而這兩種方法最終只能用矩形框標(biāo)識(shí)出桿塔的大致位置，也無法滿足電力線巡檢的需要。

2 電力桿塔檢測(cè)框架模型

2.1 框架的主要部分

針對(duì)無人機(jī)輸電線路巡檢問題，提出了一種融合多源信息的電力桿塔檢測(cè)框架模型。該框架主要包括4個(gè)部分。

（1）無人機(jī)載攝像機(jī)標(biāo)定，獲取攝像機(jī)內(nèi)參數(shù)矩陣。

（2）構(gòu)造參數(shù)相同的虛擬攝像機(jī)，根據(jù)虛擬攝像機(jī)的不同位姿對(duì)桿塔三維模型進(jìn)行投影變換，并計(jì)算投影后的直線段特征。

（3）計(jì)算不同位姿下桿塔投影的相似度并進(jìn)行聚類分析，獲取該模型的金字塔式的層級(jí)表示。

（4）在巡檢圖像中提取直線段特征，與桿塔三維模型的投影進(jìn)行匹配，并利用無人機(jī)GPS等信息縮小搜索范圍。

該方法可以在包含桿塔的巡檢圖像中自動(dòng)檢測(cè)出桿塔的精確位置，同時(shí)可以確定機(jī)載攝像機(jī)相對(duì)于桿塔的位姿，為判定桿塔的異常狀態(tài)以及自動(dòng)檢測(cè)桿塔上的其它部件提供重要信息。提出的電力桿塔檢測(cè)框架模型如圖1所示。

圖1 電力桿塔檢測(cè)框架模型

2.2 攝像機(jī)標(biāo)定

式中：s表示尺度因子；[R，t]表示物體相對(duì)于攝像機(jī)的旋轉(zhuǎn)和平移；A表示攝像機(jī)的內(nèi)參數(shù)矩陣。在矩陣A中，u0，v0表示主點(diǎn)坐標(biāo)；α和β表示圖像中u軸和v軸的尺度因子；γ表示2個(gè)軸的傾斜度。

攝像機(jī)標(biāo)定就是由已知特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)求解矩陣A的過程，目前常用的是攝像機(jī)自標(biāo)定方法見文獻(xiàn)[10]，即在未知攝像機(jī)外參數(shù)的情況下，利用多幅圖像間點(diǎn)或線的對(duì)應(yīng)關(guān)系求解攝像機(jī)內(nèi)參數(shù)，例如利用一維標(biāo)定物[11]、二維標(biāo)定物[12]和三維標(biāo)定物[13]的方法。

2.3 桿塔模型投影變換

桿塔是一種結(jié)構(gòu)復(fù)雜的三維物體。為了實(shí)現(xiàn)巡檢圖像中桿塔的自動(dòng)檢測(cè)，需要已知桿塔的三維結(jié)構(gòu)信息。常見的數(shù)據(jù)來源包括桿塔設(shè)計(jì)的CAD數(shù)據(jù)，施工圖紙，國家標(biāo)準(zhǔn)或通用設(shè)計(jì)規(guī)范[14]等，也可通過3D掃描儀或計(jì)算機(jī)三維重建的方法獲得桿塔的三維信息。

若已知桿塔三維數(shù)據(jù)及攝像機(jī)內(nèi)參數(shù)，那么桿塔在不同的攝像機(jī)位姿下所成的像就可以通過（1）式計(jì)算得到。以桿塔為中心建立世界坐標(biāo)系，并用Tx，Ty，Tz，α，β，γ表示攝像機(jī)位姿，其中Tx，Ty，Tz分別表示攝像機(jī)相對(duì)于桿塔在x，y，z軸上的平移，即：

α，β，γ分別表示攝像機(jī)繞x軸、y軸和z軸旋轉(zhuǎn)的角度，旋轉(zhuǎn)矩陣Rx，Ry，Rz可以表示為：

滿足：

通過設(shè)定不同的攝像機(jī)位姿，就可以計(jì)算桿塔在圖像上的投影，如圖2所示。

圖2 不同的攝像機(jī)位姿下桿塔的投影

2.4 桿塔投影的聚類分析

為了保證桿塔檢測(cè)的精度，在合理的位姿參數(shù)范圍內(nèi)，通常需要設(shè)定大量的采樣點(diǎn)，每個(gè)采樣點(diǎn)對(duì)應(yīng)于一個(gè)特定的位姿。然而，采樣點(diǎn)過多會(huì)帶來檢測(cè)速度慢的問題，較多的參數(shù)個(gè)數(shù)（Tx，Ty，Tz，α，β，γ共6個(gè)）導(dǎo)致這個(gè)問題變得非常嚴(yán)重?？紤]到隨著位姿參數(shù)的變化，桿塔投影也是一個(gè)逐漸變化的過程，也就是說，位姿參數(shù)差異小的對(duì)應(yīng)的桿塔投影差別也較小。因此，可以采用聚類分析的方法，將大量的桿塔投影表示為層次結(jié)構(gòu)，如圖3所示。這樣，在檢測(cè)階段就可以實(shí)現(xiàn)由粗到精的快速匹配。

圖3 桿塔投影的層次表示

2.5 特征提取和匹配

選擇直線段特征作為巡檢圖像和桿塔投影的特征，用于圖像和桿塔模型間的匹配。選擇直線段特征有以下優(yōu)勢(shì)。

（1）鑒于大多數(shù)高壓輸電線路中的桿塔都是由桿件搭建而成，而桿件大多為細(xì)長的鋼管或角鋼，用直線段表示桿塔模型自然直觀。

（2）直線段是巡檢圖像中非常明顯的特征，可以通過有效的圖像處理算法提取得到。

（3）直線段特征的表示和相似度量非常簡(jiǎn)單，僅需要2個(gè)端點(diǎn)的坐標(biāo)就可以完整的描述1條直線段，2條直線段間的相似度也可以通過簡(jiǎn)單的公式計(jì)算得到。

（4）構(gòu)成桿塔模型的直線段經(jīng)投影變換后仍舊為直線段，可由式（1）方便的計(jì)算出投影后直線段的端點(diǎn)坐標(biāo)。

在匹配階段，需要將圖像中提取的直線段特征，與桿塔模型的所有投影比對(duì)，并從中選出相似度最大的投影作為匹配的結(jié)果，其對(duì)應(yīng)的位姿即為拍攝巡檢圖像時(shí)的攝像機(jī)位姿。聚類分析的結(jié)果，可以用來構(gòu)造決策樹分類器，在匹配階段大幅提高速度。若已知桿塔和無人機(jī)的GPS信息以及攝像機(jī)的安裝角度、無人機(jī)的行進(jìn)方向等信息，位姿參數(shù)可以大致確定，在合理的參數(shù)范圍內(nèi)僅需要少量采樣點(diǎn)，此時(shí)為了提高檢測(cè)的精度可以采用逐一比對(duì)的方式。

3 框架模型的實(shí)現(xiàn)

3.1 攝像機(jī)標(biāo)定方法

攝像機(jī)自標(biāo)定方法有多個(gè)開源的標(biāo)定工具箱，這里選擇Jean-Yves Bouguet的工具箱[15]。該工具箱是采用Matlab實(shí)現(xiàn)的Janne Heikkil?等[16]提出的4步標(biāo)定法，僅需要一個(gè)棋盤格作為標(biāo)定物。將棋盤格置于攝像機(jī)前，變換角度和位置拍攝十幅左右圖像，就可以自動(dòng)計(jì)算出攝像機(jī)的內(nèi)參數(shù)。

3.2 建立桿塔三維模型

根據(jù)桿塔的施工圖紙建立了2種桿塔的三維模型。首先以桿塔底面中心點(diǎn)為坐標(biāo)系原點(diǎn)，水平向右為X軸正向，水平向正前方為Y軸正向，豎直向上為Z軸正向，建立滿足右手法則的世界坐標(biāo)系。其次采用1條直線段來表示1根桿件，根據(jù)施工圖紙標(biāo)注的桿件數(shù)量和每根桿件的位置，在以桿塔為中心的世界坐標(biāo)系中確定每根桿件的三維坐標(biāo)，從而建立起完整的桿塔三維模型。建成的桿塔模型如圖4所示。

圖4 2種桿塔的三維模型

3.3 桿塔投影的相似度量

對(duì)桿塔投影進(jìn)行聚類分析之前，首先需要定義投影間的相似度。由于桿塔由桿件組成，而桿件又是由直線段表示的，因此首先定義直線段的相似度量。設(shè)直線段a（p1，p2）的長度為la，它的2個(gè)端點(diǎn)p1和p2到直線段b所在直線的距離分別為v1和v2，那么直線段a到直線段b的距離定義為：

若模型中共有N條直線段，每條直線段的端點(diǎn)到對(duì)應(yīng)的直線段所在直線的距離為vi1和vi2，那么模型A到模型B的距離定義為：

式中：LA表示模型A中所有直線段的長度之和，有。

式（8）中的距離定義是非對(duì)稱的。為此，定義任意2個(gè)模型間的距離為：

3.4 直線段特征提取

直線段是圖像中最基本且非常重要的初級(jí)特征之一，大量存在于實(shí)際圖像中，尤其是包含人造目標(biāo)（如道路、橋梁、建筑等）的圖像。因此，直線段檢測(cè)在數(shù)字圖像處理和計(jì)算機(jī)視覺領(lǐng)域中都具有十分重要的意義[17]。LSD[18]是近來提出的一種基于局部特征的方法，相比于Hough變換等基于整體的方法，具有速度快、精度高的特點(diǎn)。該方法主要包括計(jì)算梯度、區(qū)域生長、區(qū)域矩形化、直線段有效性驗(yàn)證、有效點(diǎn)密度判斷等幾個(gè)步驟。在文獻(xiàn)[19]中有該方法的C語言實(shí)現(xiàn)。

LSD方法可以準(zhǔn)確地檢測(cè)出直線段的位置、長度、寬度、方向等信息。然而，由于LSD是一種局部方法，易受到噪聲的干擾，無法處理?xiàng)U件交叉導(dǎo)致的直線段斷開。因此，需要在后處理步驟中合并方向相同、間隔較短的直線段，以利于后續(xù)的特征匹配。

4 實(shí)際桿塔圖像的檢測(cè)試驗(yàn)

為了測(cè)試提出的框架模型的有效性，拍攝了實(shí)際的高壓輸電線路的桿塔圖像，并在圖像中檢測(cè)桿塔的準(zhǔn)確位置。采用佳能5D Mark II相機(jī)和佳能EF 85mm f/1.8鏡頭，并對(duì)其進(jìn)行了標(biāo)定。由于用于輸電線路檢測(cè)的無人機(jī)價(jià)格非常昂貴，因此這里采用手持相機(jī)拍攝的方式，來測(cè)試本文方法的有效性。一幅典型的桿塔圖像如圖5（a）所示。經(jīng)直線段提取和直線段合并之后，得到的圖像如圖5（b）所示。

圖5 已知攝像機(jī)大概位姿對(duì)桿塔進(jìn)行檢測(cè)

由于缺少桿塔和無人機(jī)的GPS信息以及無人機(jī)的行進(jìn)方向等信息，采用位姿估計(jì)[20]的方法，計(jì)算攝像機(jī)相對(duì)于桿塔的位姿。隨后以該位姿為中心，在一定范圍內(nèi)，對(duì)桿塔的三維模型進(jìn)行了投影。最后在圖5（b）中進(jìn)行桿塔的檢測(cè)，檢測(cè)結(jié)果如圖5（c）所示?？梢钥闯?，本文方法可以在巡檢圖像中自動(dòng)檢測(cè)出桿塔的精確位置。同時(shí)，根據(jù)圖像對(duì)應(yīng)的桿塔投影，也可以判斷出攝像機(jī)相對(duì)于桿塔的準(zhǔn)確位姿。

桿塔的異常狀態(tài)檢測(cè)是輸電線路巡檢的重要組成部分。桿塔的異常狀態(tài)主要包括絕緣子破損、桿件丟失、樹枝干擾、鳥巢搭建等。為了仿真桿塔的異常狀態(tài)，在桿塔圖像5（a）中，添加了1個(gè)鳥巢，并擦除了1根桿件，如圖6（a）所示。在檢測(cè)過程中，確定桿塔的精確位置之后，可以通過判斷桿件投影與對(duì)應(yīng)的直線段之間的長短關(guān)系來判斷桿件是否被遮擋或丟失，結(jié)果如圖6（b）所示。可以看出，桿件中丟失以及被鳥巢遮擋的部分都被準(zhǔn)確的檢測(cè)出來，極大地便利了進(jìn)一步的人工判斷。

圖6 桿塔異常狀態(tài)檢測(cè)

5 結(jié)論

作為無人機(jī)輸電線路巡檢的關(guān)鍵技術(shù)，桿塔的自動(dòng)檢測(cè)具有十分重要的意義。本文提出了一種融合多源信息的電力桿塔檢測(cè)框架模型，可有效應(yīng)用于無人機(jī)輸電線路巡檢及桿塔異常狀態(tài)檢測(cè)，可以在巡檢圖像中自動(dòng)檢測(cè)出已知類型桿塔的精確位置，并給出攝像機(jī)相對(duì)于桿塔的位姿。通過判斷桿件是否被遮擋，還可以檢測(cè)出桿塔是否存在某些異常狀態(tài)，如桿件丟失和存在鳥巢等，提高人工檢測(cè)圖像的效率。在實(shí)際拍攝的高壓輸電線路的桿塔圖像上，試驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。由于缺少實(shí)際有效的測(cè)試平臺(tái)，目前僅在仿真數(shù)據(jù)上初步驗(yàn)證了該框架模型的有效性，接下來還需在實(shí)際的無人機(jī)航拍環(huán)境下做進(jìn)一步的測(cè)試驗(yàn)證。

[1]DL/T 1006－2006架空輸電線路巡檢系統(tǒng)[S].北京：中國電力出版社，2007.

[2]李賀.基于ARM的電力線巡檢機(jī)器人運(yùn)動(dòng)控制器的研究[D].北京：華北電力大學(xué)，2008.

[3]張吳明，楊又華，閻廣建，等.機(jī)載多角度多光譜成像技術(shù)在電力系統(tǒng)中的應(yīng)用[J].華中電力，2006，19（6）∶1－3.[4]趙利坡，范慧杰，朱琳琳，等.面向巡線無人機(jī)高壓線實(shí)時(shí)檢測(cè)與識(shí)別算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2012，33（4）∶882－886.

[5]Z R LI，Y LIU，A W RODNEY，F(xiàn) H ROSS，J L ZHANG.Towards Automatic Power Line Detection for a UAV Surveillance System Using Pulse Coupled Neural Filter and An Improved Hough Transform[J].Machine Vision and Applications，2009，21（5）∶677－686.

[6]郭貞.基于快速高效啟發(fā)式聚類算法的電力桿塔檢測(cè)研究[D].北京：華北電力大學(xué)，2012.

[7]B CETIN，M BIKDASH，M MCINERNEY.Automated Electric Utility Pole Detection from Aerial Images[J].Southeastcon，2009∶44－49.

[8]吳華，郭貞，楊國田，等.基于全局自相似描述子的電塔檢測(cè)[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2011（39）∶437－440.

[9]柳長安，葉文，吳華，等.融合地理位置信息的電力桿塔檢測(cè)[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（39）∶208－211.

[10]邱茂林，馬頌德，李毅.計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)綜述[J].自動(dòng)化學(xué)報(bào)，2000，26（1）∶43－55.

[11]王亮，吳福朝.基于一維標(biāo)定物的多攝像機(jī)標(biāo)定[J].自動(dòng)化學(xué)報(bào)，2007，33（3）∶225－231.

[12]Z ZHANG.A Flexible New Technique for Camera Calibration[J].IEEE Trans.Pattern Analysis and Machine Intelligence，2000，22（11）∶1330－1334.

[13]J HEIKKIL?.Geometric Camera Calibration Using Circular Control Points[J].IEEE Trans.Pattern Analysis and Machine Intelligence，2000，22（10）∶1066－1077.

[14]劉振亞主編.國家電網(wǎng)公司輸變電工程通用設(shè)計(jì)―輸電線路鋼管塔分冊(cè)[M].北京：中國電力出版社，2010.

[15]J BOUGUET.Camera Calibration Toolbox for Matlab[OL].http∶//www.vision.caltech.edu/bouguetj/calib doc/，2015.

[16]J Heikkil?，O SILV′EN.A Four－step Camera Calibration Procedure with Implicit Image Correction[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，1997∶1106－1112.

[17]J R BEVERIDGE，E M RISEMAN.How Easy is Matching 2D Line Models Using Local Search[J].IEEE Trans.Pattern Analysis and Machine Intelligence，1997，19（6）∶564－579.

[18]R G GIOI，J JAKUBOWICZ，J M MOREL，G RANDALL.LSD∶A Fast Line Segment Detector with a False Detection Control[J].IEEE Trans.Pattern Analysis and Machine Intelligence，2010，32（4）∶722－732.

[19]R G GIOI，J JAKUBOWICZ，J M MOREL，G RANDALL.LSD∶a Line Segment Detector[OL].Image Processing On Line，2012，2∶35－55.

[20]L L ZHANG，C XU，K M LEE，R KOCH.Robust and Efficient Pose Estimation from Line Correspondences[C].Proceedings of the 11th Asian Conference on Computer Vision，2012，217－230.

（本文編輯：楊勇）

A Frame Model of Power Pylon Detection for UAV-based Power Transmission Line Inspection

HAN Bing，SHANG Fang
（Heilongjiang Electric Power Research Institute，Harbin 150030，China）

Regular inspection is key to operation safety and reliability of high-voltage transmission lines. Compared with the conventional manual inspection，inspection of UAV（unmanned aerial vehicle）with a camera for aerial photography is characterized by its fast speed，low labor cost，small personnel risk and so forth. In order to automatically select the images that may contain faulty power pylons from mass inspection images，the paper introduces a power pylon detection frame model that integrates multi-source information，including camera calibration，power pylon model projection transformation and cluster analysis as well as feature extraction and matching.Furthermore，the frame model is tested on actual pylon images.The results show that the frame model is able to automatically detect the precise power pylon location and determine abnormal status of power pylon such as member lost，which indicates the validity of the model.

power pylon；unmanned aerial vehicle（UAV）；transmission line；inspection；image

TM755

：A

：1007-1881（2016）04-0006-06

2015-10-08

韓冰（1973），男，高級(jí)工程師，主要從事計(jì)算機(jī)信息處理與模式識(shí)別工作。