基于無人機(jī)巡線圖像的地面油氣管道識(shí)別方法

雍歧衛(wèi),喻言家

(后勤工程學(xué)院 a.軍事供油系； b.研究生管理大隊(duì),重慶 401331)

?

【信息科學(xué)與控制工程】

基于無人機(jī)巡線圖像的地面油氣管道識(shí)別方法

雍歧衛(wèi)a,喻言家b

(后勤工程學(xué)院 a.軍事供油系； b.研究生管理大隊(duì),重慶 401331)

限于成本，無人機(jī)搭載的任務(wù)設(shè)備主要為普通數(shù)碼相機(jī)，采集的是可見光圖像，針對(duì)此種情況，提出了一種利用彩色分割及形狀檢測(cè)識(shí)別油氣管道的方法，首先需要設(shè)定感興趣區(qū)域ROI，計(jì)算出協(xié)方差矩陣C和均值m，并使用歐氏距離、馬氏距離對(duì)圖像進(jìn)行彩色聚類分割，然后對(duì)分割圖像填色后進(jìn)行邊緣檢測(cè)，最后根據(jù)邊緣圖像進(jìn)行霍夫變換來檢測(cè)直線特征，實(shí)現(xiàn)復(fù)雜環(huán)境下對(duì)管道位置的自動(dòng)定位。測(cè)試圖像庫包含300幅圖像，識(shí)別準(zhǔn)確率達(dá)到80.3%，實(shí)驗(yàn)結(jié)果表明，在色彩差異較大背景中，基于顏色和形狀特征的識(shí)別方法能有效進(jìn)行管線跟蹤定位。

油氣管道;無人機(jī)巡檢；彩色分割；形狀特征

目前，我國主要的油氣輸送方式依靠管道輸送，隨著管道覆蓋面不斷擴(kuò)大，為了確保油氣管線的安全運(yùn)行，展開無人機(jī)巡線技術(shù)研究能夠提高巡線效率，擁有巨大的市場(chǎng)潛力[1,2]。我國對(duì)無人機(jī)巡線系統(tǒng)的開發(fā)屬于起步階段，市場(chǎng)上的大多數(shù)無人機(jī)都只具備航線規(guī)劃，相機(jī)增穩(wěn)等簡單功能，扮演著一個(gè)小型飛行器的角色。圖像處理軟件還主要集中在圖像校正、圖像拼接、三維建模等方面，缺乏對(duì)智能飛行，遙感數(shù)據(jù)后處理方面的研究[3-5]。在依靠可見光圖像的目標(biāo)精確檢測(cè)與識(shí)別方面，主要依靠視覺特征、統(tǒng)計(jì)特征、變換特征、代數(shù)特征對(duì)目標(biāo)進(jìn)行識(shí)別判斷[6-7]?；诖?，作者提出了一種基于顏色與形狀特征的油氣管線識(shí)別方法，利用實(shí)驗(yàn)圖像在Matlab平臺(tái)進(jìn)行仿真實(shí)驗(yàn)，實(shí)現(xiàn)了復(fù)雜環(huán)境下對(duì)油氣管道的識(shí)別定位。

1 實(shí)驗(yàn)管道顏色與形狀特征分析

實(shí)驗(yàn)油氣管道鋪設(shè)環(huán)境復(fù)雜多樣，存在草叢、樹木、建筑等各種背景元素的干擾，采集的圖像如圖1所示，采集條件為晴天順光，管線目標(biāo)區(qū)域環(huán)境色差較小，目標(biāo)被部分遮擋，圖1(a)管線顏色呈亮銀色，圖1(b)管線顏色呈淡黃色；管線形狀均為直線。

圖1 實(shí)驗(yàn)管線圖像

2 油氣管道的識(shí)別方法

2.1 顏色空間的分析選擇

計(jì)算機(jī)將圖片顏色數(shù)值化處理，建立相應(yīng)的顏色空間模型，如RGB、HSI、HSV、Lab、CMYK、YUV、YIQ、YCbCr等，顏色空間之間可以互相轉(zhuǎn)換。RGB顏色空間用一個(gè)三維矩陣表達(dá)顏色信息，每個(gè)元素值在0～255之間，優(yōu)點(diǎn)為直觀方便，便于轉(zhuǎn)換，缺點(diǎn)是每個(gè)顏色分量都包含亮度信息，不利于圖像分割。HIS、HVS是符合人眼視覺規(guī)律的顏色空間，優(yōu)點(diǎn)是亮度與色度相互獨(dú)立，在光照不均環(huán)境下色彩辨識(shí)度高，便于顏色的提取，但是在低光條件下對(duì)噪聲敏感[8]。本研究利用實(shí)驗(yàn)圖像，通過在RGB、YCbCr、Lab、HSV 4種顏色空間對(duì)比實(shí)驗(yàn)分析，如圖2所示，發(fā)現(xiàn)目標(biāo)管線在HSV顏色空間下，與背景區(qū)分較大，受光強(qiáng)的影響小，特征明顯，適用于顏色的聚類分割。

2.2 顏色聚類分割

圖2 4種顏色空間下的顏色顯示

1) 歐氏距離

歐式距離是指對(duì)于一張圖像，將前景中像素的值轉(zhuǎn)化為該點(diǎn)到達(dá)最接近背景點(diǎn)的距離。該距離對(duì)圖像中屬性區(qū)別不敏感，對(duì)邊緣清晰的圖像分割效果好，計(jì)算式為

dk(euclid)=|X-μk|=

(1)

2) 馬氏距離

馬氏距離是多維空間中兩點(diǎn)相似性的度量，具有不受量綱影響的特點(diǎn)，但它放大了細(xì)微變化的作用。受協(xié)方差矩陣不穩(wěn)定的影響，馬氏距離并不總是能順利計(jì)算出，所以只適用于區(qū)域狹小的圖像。假設(shè)均值μ=(μ1, μ2, …, μp)，協(xié)方差矩陣是S，樣本向量X=(x1,x2,…,xp)T，馬氏距離可以由以下的公式定義

(2)

其中S為協(xié)方差矩陣為

(3)

圖3為不同T值下聚類分割的二值圖像。對(duì)于顏色區(qū)別較大的圖像，如圖3(a)所示的管線分割效果好，而圖3(b)中與管線顏色相近的地面也在顏色聚類范圍。

圖3 顏色聚類分割二值圖像

2.3 霍夫變換直線檢測(cè)

對(duì)分割圖像進(jìn)行填色處理后，利用Canny算子進(jìn)行邊緣檢測(cè)，邊緣輪廓明顯，噪聲較小。最后，通過霍夫變換可以非常容易地將這些直線檢測(cè)出來?；舴蜃儞Q就是利用點(diǎn)與線在直角坐標(biāo)系下和極坐標(biāo)系下的相互對(duì)應(yīng)關(guān)系，將直角坐標(biāo)系下的線轉(zhuǎn)換為極坐標(biāo)系下的點(diǎn)，通過圖像掃描，利用計(jì)數(shù)器對(duì)極坐標(biāo)系下的點(diǎn)累加，提取出代表峰值點(diǎn)作為目標(biāo)直線，完成直線的檢測(cè)，同時(shí)可以提取直線的端點(diǎn)坐標(biāo)以及對(duì)應(yīng)角度等相關(guān)信息。直線的極坐標(biāo)方程為

(4)

式中：ρ表示極坐標(biāo)系下原點(diǎn)到直線的距離；θ表示直線與x軸的夾角。

通過直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)換，直角坐標(biāo)系下中的直線就可以對(duì)應(yīng)極坐標(biāo)系下的點(diǎn)，用ρ值和θ值來表示?；舴蜃儞Q就是根據(jù)這個(gè)原理，設(shè)置累加器H(ρ,θ)；對(duì)直角坐標(biāo)系下圖像的每個(gè)像素點(diǎn)根據(jù)式(4)計(jì)算對(duì)應(yīng)的(ρ,θ)；利用計(jì)數(shù)器累加操作，提取出H(ρ,θ)的峰值坐標(biāo)，從而獲取檢測(cè)直線的ρ和θ值。

若提取直線區(qū)域接近，近似重合，對(duì)應(yīng)的ρ和θ值數(shù)值相近，即滿足

(5)

式中： Tp， Tσ分別代表閾值。

可將近似值進(jìn)行擬合處理：

(6)

實(shí)驗(yàn)管線直線提取圖像如圖4所示。

2.4 基于顏色與形狀特征的管線目標(biāo)識(shí)別算法流程

首先提取感興趣區(qū)域ROI，計(jì)算ROI樣本區(qū)域的顏色協(xié)方差矩陣C和均值m，進(jìn)行樣本的顏色聚類分割；然后，利用Canny算子對(duì)分割圖像進(jìn)行邊緣檢測(cè)，獲得分割圖像的區(qū)域輪廓，再進(jìn)行直線霍夫變換檢測(cè)圖像中的直線，并進(jìn)行直線擬合，提取出圖像中最長直線段作為管線目標(biāo)，并計(jì)算出直線中心點(diǎn)和端點(diǎn)坐標(biāo)以及方位角，用矩形標(biāo)記框標(biāo)記，流程如圖5所示。

圖4 霍夫變換直線峰值檢測(cè)

圖5 管線目標(biāo)的識(shí)別算法流程

3 實(shí)驗(yàn)結(jié)果分析

本文利用提出的方法在Matlab，Windows08平臺(tái)編程仿真，測(cè)試圖像庫包含300幅圖像，所有的圖像均為JPG格式下1280×723的24位彩色圖像，檢測(cè)結(jié)果如圖6所示。該方法能夠較快檢測(cè)出管線位置，通過測(cè)試圖像發(fā)現(xiàn)，在管線與背景色彩差別較大的情況下，識(shí)別效果較好。在光線影響和背景色彩相似條件下，會(huì)產(chǎn)生檢測(cè)偏差。圖7因樹干與管線形狀顏色相似，將樹木誤識(shí)別為管線目標(biāo)。

圖6 管線識(shí)別效果

圖7 誤識(shí)別效果

4 結(jié)束語

本研究針對(duì)無人機(jī)巡線條件下的地面管線識(shí)別跟蹤問題，提出了利用管線的顏色和形狀特征進(jìn)行管線目標(biāo)的識(shí)別方法。本方法對(duì)管線目標(biāo)特征進(jìn)行了分析歸類，相比單一依靠顏色、輪廓、紋理特征的目標(biāo)檢測(cè)方法具有更好的魯棒性。測(cè)試圖像庫包含300幅圖像，識(shí)別準(zhǔn)確圖像達(dá)到241張。實(shí)驗(yàn)表明，該方法在顏色區(qū)別較大的環(huán)境下識(shí)別效果良好，能夠快速地對(duì)目標(biāo)區(qū)域進(jìn)行標(biāo)定，為無人機(jī)進(jìn)行跟蹤巡線提供一種新的思路。對(duì)于動(dòng)態(tài)圖像中的管線目標(biāo)，需對(duì)每一幀圖像目標(biāo)進(jìn)行識(shí)別標(biāo)定，從而實(shí)現(xiàn)動(dòng)態(tài)跟蹤。本文所研究的內(nèi)容還是相對(duì)比較有限，對(duì)于管道巡線，還需要研究干擾更小的管線跟蹤方法、故障檢測(cè)方法、油氣泄漏識(shí)別方法等。

[1] 常文見，孟凡輝，王倉，等.無人機(jī)遙感技術(shù)在長輸管道中的應(yīng)用探討[J].價(jià)值工程,2013(32):197-198.

[2] 唐晏.基于無人機(jī)采集圖像的植被識(shí)別方法研究[D].成都：成都理工大學(xué),2014.

[3] 董鴻鵬，姜本清，方偉.面向雷達(dá)圖像仿真的三維實(shí)體模型表示方法[J].兵器裝備工程學(xué)報(bào),2016(2):154-158.

[4] 郝平.基于機(jī)器視覺的快速動(dòng)態(tài)檢測(cè)研究與應(yīng)用[J].兵器裝備工程學(xué)報(bào),2016(2):131-134.

[5] 桂振文，吳侹，彭欣.一種融合多傳感器信息的移動(dòng)圖像識(shí)別方法[J].自動(dòng)化學(xué)報(bào),2015(8):1394-1404.

[6] 楊旭，趙徑通，高升久.基于Harris算法的直線提取方法[J].電子技術(shù)與軟件工程,2016(4):81-82.

[7] 張振杰，郝向陽，劉松林，等.基于Hough一維變換的直線檢測(cè)算法[J].光學(xué)學(xué)報(bào),2016(4):166-173.

[8] 曹建秋，王華清，藍(lán)章禮.基于改進(jìn)YCrCb顏色空間的膚色分割[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2010(3):488-492.

[9] 高偉，王志衡，趙訓(xùn)坡，等.基于HSI顏色空間的棉花雜質(zhì)高速實(shí)時(shí)檢測(cè)方法[J].自動(dòng)化學(xué)報(bào),2008(7):729-735.

[10]虎曉紅，李炳軍，劉芳.多顏色空間中玉米葉部病害圖像圖論分割方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013(2):177-181.

[11]唐羊洋，葉華平，吳書金，等.基于波段與形狀特征的遙感影像建筑物分類提取[J].后勤工程學(xué)院學(xué)報(bào),2016(1):93-96.

(責(zé)任編輯 楊繼森)

Research on Recognition Method of Ground Oiland Gas Pipeline Based on UAV Patrol Line Image

YONG Qi-weia，YU Yan-jiab

(a. The Military Supply Department; b.Graduate Management School,Logistical Engineering University, Chongqing 401331, China)

Limited to the cost, the unmanned aerial vehicles are equipped with ordinary digital cameras for the main task, collecting the visible light image. In this paper, we proposed a method to identify oil and gas pipelines by color segmentation and shape detection. Firstly, we needed to set the ROI of the ROI, and calculated the covariance matrixCand meanm, and had image color cluster segmentation with Euclidean distance and Mahalanobis distance. Then, the edge detection was performed after that the image is segmented. Finally, the Hough transform is used to detect the line features according to the edge image to realize the automatic positioning of the pipe position in the complex environment. The test image bank contains 300 images, and the recognition accuracy is 80.3%. Experimental results show that the method based on color and shape features can effectively track and locate the pipeline in the background of large color difference.

gas pipeline; unmanned aerial vehicle inspection; color clustering segmentation; shape feature

2016-11-25；

2016-12-21 作者簡介：雍歧衛(wèi)(1967—)，男，碩士，教授，主要從事石油與天然氣研究。

10.11809/scbgxb2017.04.022

雍歧衛(wèi),喻言家.基于無人機(jī)巡線圖像的地面油氣管道識(shí)別方法[J].兵器裝備工程學(xué)報(bào)，2017(4):100-104.

format:YONG Qi-wei，YU Yan-jia.Research on Recognition Method of Ground Oil and Gas Pipeline Based on UAV Patrol Line Image[J].Journal of Ordnance Equipment Engineering,2017(4):100-104.

TE832

A

2096-2304(2017)04-0100-05