基于圖像處理的無(wú)人機(jī)電力巡線航向偏差檢測(cè)

楊 堅(jiān)，徐 碩，林中圣

（1.國(guó)網(wǎng)浙江省電力有限公司臺(tái)州供電公司，浙江 臺(tái)州 318000；2.國(guó)網(wǎng)浙江溫嶺市供電有限公司，浙江 溫嶺 317500）

0 引言

傳統(tǒng)電力線巡檢以人工檢測(cè)為主，效率低、成本高、困難大，且對(duì)巡檢人員的人身安全存在潛在的隱患[1]。無(wú)人機(jī)電力線巡檢因其具有效率高、成本低、受地理環(huán)境影響小等突出優(yōu)點(diǎn)而越來(lái)越受到電力行業(yè)的廣泛關(guān)注[2-3]。目前，國(guó)內(nèi)外主要采用無(wú)人機(jī)搭載LiDAR（激光探測(cè)及測(cè)距系統(tǒng)）提取三維要素生成點(diǎn)云地圖，根據(jù)巡線任務(wù)及智能規(guī)劃方法完成電力線的巡檢。但LiDAR 的傳感器設(shè)備昂貴，并且需要對(duì)巡檢區(qū)域提前拍攝以獲取點(diǎn)云地圖，成本較高[4]。

近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)基于圖象處理技術(shù)的電力線的實(shí)時(shí)檢測(cè)與提取進(jìn)行了大量研究。雖然利用Canny 算子提取物體邊緣進(jìn)行邊緣檢測(cè)在眾多領(lǐng)域得到了廣泛應(yīng)用，但背景復(fù)雜的電力線圖像、密集的線形邊緣結(jié)構(gòu)容易產(chǎn)生干擾，造成Canny 算法抗噪性較差。Ratio 算法雖然線性特征提取精度高，在直線檢測(cè)中應(yīng)用較廣，但計(jì)算量大、耗時(shí)長(zhǎng)。Radon 變換與Hough 變換常用于直線檢測(cè)，但Radon 變換無(wú)法準(zhǔn)確獲得直線長(zhǎng)度[5-7]。本文提出了無(wú)人機(jī)巡線圖像分析處理方法，用于獲得航向偏差，實(shí)現(xiàn)無(wú)人機(jī)航向控制，解決了無(wú)人機(jī)智能電力巡線的關(guān)鍵問(wèn)題。

1 基于圖像處理的電力線檢測(cè)

無(wú)人機(jī)巡線時(shí)的俯拍圖像具有背景復(fù)雜、電力線近似為豎直方向直線、水平方向像素少、顏色主要為灰色、大多分布于圖像中部等特點(diǎn)。對(duì)于無(wú)人機(jī)巡線時(shí)拍攝的圖像，去除噪聲是實(shí)現(xiàn)電力線提取的前提[8-9]。電力線提取流程如圖1 所示。首先，對(duì)原始圖像感興趣區(qū)域進(jìn)行濾波與灰度化預(yù)處理；其次，進(jìn)行邊緣檢測(cè)并對(duì)二值圖進(jìn)行形態(tài)學(xué)處理；最后，通過(guò)Hough 變換提取電力線段。

圖1 電力線識(shí)別流程

1.1 圖像預(yù)處理

對(duì)電力線圖像進(jìn)行預(yù)處理，以便對(duì)其進(jìn)行邊緣檢測(cè)，提高電力線提取精度。預(yù)處理步驟如下：

（1）ROI 提取。無(wú)人機(jī)俯拍圖像中電力線大多分布于圖像中部，因此，將中部區(qū)域視為電力線檢測(cè)感興趣區(qū)域，去除其他區(qū)域背景的干擾，簡(jiǎn)化后續(xù)處理。

（2）高斯濾波。高斯濾波是一種線性平滑濾波，可在降低圖像噪聲的同時(shí)保留更多的圖像細(xì)節(jié)，能夠有效抑制高斯噪聲，廣泛應(yīng)用于圖像降噪。對(duì)感興趣區(qū)域圖像采用高斯濾波降噪，能夠有效抑制噪聲并平滑圖像[10]。高斯濾波原理是將輸入圖像的目標(biāo)像素點(diǎn)和高斯濾波器進(jìn)行卷積運(yùn)算，再賦予目標(biāo)像素點(diǎn)灰度值，有效抑制服從正態(tài)分布的噪聲。高斯函數(shù)的表達(dá)式為：

式中：x，y 為目標(biāo)像素點(diǎn)；σ 為標(biāo)準(zhǔn)差。平滑程度由參數(shù)σ 決定，σ 越大，平滑程度越好。

在去除背景噪聲時(shí)，需要防止電力線像素模糊。由于5×5 濾波器比3×3 濾波器更容易模糊圖像中電力線，丟失電力線細(xì)節(jié)，因此，本文采用3×3 高斯濾波器。

（3）灰度化。為減小航拍光照對(duì)電力線圖像的影響，利用灰度處理突出電力線特征，降低無(wú)用干擾信息影響。對(duì)高斯濾波后的3 通道RGB圖像進(jìn)行灰度化處理，獲得原始圖像的單通道灰度圖。采用加權(quán)平均圖像灰度化方法，分別以不同的加權(quán)值對(duì)R，G，B 3 個(gè)分量進(jìn)行加權(quán)平均，計(jì)算式如下：

式中：G（x，y）為灰度圖像；R（x，y），G（x，y）和B（x，y）分別為3 個(gè)通道像素的分布矩陣，加權(quán)值影響灰度圖顏色分布。由于航拍電力線圖像背景主要為樹(shù)木、植被，干擾信息多為綠色，因此，調(diào)整加權(quán)分量，減少綠色通道權(quán)重。采用式（3）加權(quán)值對(duì)圖像進(jìn)行灰度化，可有效減少背景干擾并且不影響電力線信息，圖像處理效果最佳，能大幅提高后續(xù)邊緣檢出率。

1.2 電力線邊緣檢測(cè)

邊緣為圖像基本特征，是周圍像素灰度值表現(xiàn)屋頂狀或階梯狀變化的像素集合。Ratio 算子、Canny 算子和Sobel 算子是目前常用的邊緣檢測(cè)算子。Sobel 算子是由Sobel 提出的調(diào)節(jié)不同位置權(quán)重邊緣檢測(cè)的算子，相對(duì)于對(duì)角位置的像素灰度，該算子對(duì)相鄰位置的像素灰度具有更高的權(quán)重，使濾波結(jié)果對(duì)相鄰像素值突變產(chǎn)生更好的梯度響應(yīng)[11-12]。同時(shí)，由于Sobel 算子引入了類似局部平均運(yùn)算，對(duì)噪聲具有平滑作用，能很好地消除噪聲的影響，提供精確的邊緣方向信息。另外，Sobel 算子對(duì)于像素位置的影響做了加權(quán)，相對(duì)于Prewitt 算子和Roberts 算子，邊緣檢測(cè)效果更佳[13]。邊緣檢測(cè)效果比Roberts 算子更好的Canny算子雖然可較完整地提取圖像邊緣信息，但對(duì)背景中豎直電力線邊緣信息提取的同時(shí)，引入了更多其他方向線段干擾信息，處理時(shí)間比Sobel 算子慢。由于無(wú)人機(jī)拍攝圖像中的電力線近似為豎直方向，因此，針對(duì)電力線特征，采用Sobel 算子水平方向求導(dǎo)進(jìn)行邊緣檢測(cè)。

Sobel 邊緣檢測(cè)算法采用水平和垂直2 個(gè)方向?yàn)V波器與圖像空間像素點(diǎn)進(jìn)行鄰域卷積運(yùn)算，步驟如下：

（1）求x，y 方向一階微分

假設(shè)原圖為H，按式（4）和式（5）分別計(jì)算x、y 方向的一階微分：

（2）計(jì)算每個(gè)像素梯度

根據(jù)每個(gè)像素x，y 方向的一階微分，按照式（6）計(jì)算梯度：

如果梯度大于設(shè)定閾值則認(rèn)為該點(diǎn)為邊緣點(diǎn)。為提高效率，采用絕對(duì)值計(jì)算，如式（7）所示：

像素點(diǎn)的梯度方向采用式（8）計(jì)算：

如圖2 所示，由于電力線為近似垂直方向，僅采用Sobel 算子水平方向求導(dǎo)進(jìn)行邊緣檢測(cè)，便可提取出圖像中垂直方向的邊緣信息。由于圖2（a）采用水平求導(dǎo)，效果較差，圖2（b）采用垂直方向求導(dǎo)的檢出效果明顯，減少了由于背景干擾邊緣引起的錯(cuò)誤檢測(cè)?？梢?jiàn)，僅采用Sobel 算子水平方向求導(dǎo)進(jìn)行邊緣檢測(cè)，符合電力線檢測(cè)的實(shí)際需求。

圖2 Sobel 邊緣檢測(cè)

通過(guò)對(duì)邊緣檢測(cè)結(jié)果進(jìn)行閾值分割，得到二值圖。背景中仍有較多樹(shù)枝與樹(shù)葉邊緣的噪聲，但其豎直方向長(zhǎng)度與電力線相比較短。因此，利用在豎直方向上采用3×3 模板濾波腐蝕后膨脹的操作對(duì)圖像進(jìn)行形態(tài)學(xué)處理，在濾除背景中細(xì)小噪聲的同時(shí)保留了電力線像素，達(dá)到增強(qiáng)電力線邊緣效果的目的。

1.3 Hough 變換

Hough 變換為圖像中識(shí)別幾何形狀的常用方法，其基本原理是將圖像空間中的直線段變換成參數(shù)空間的點(diǎn)，即點(diǎn)線對(duì)偶性。通過(guò)檢測(cè)參數(shù)空間大于設(shè)定閾值的峰值點(diǎn)，找出直線描述參數(shù)，從圖像中提取出直線。其具有邊緣間斷影響不明顯、抗干擾性強(qiáng)等優(yōu)點(diǎn)[14]。

假設(shè)直角坐標(biāo)系坐標(biāo)中直線L 表達(dá)式為：

式中：k0為直線斜率；b0為直線截距。將x，y 作為已知量，k，b 作為未知量來(lái)表示參數(shù)空間坐標(biāo)系的參數(shù)ρ，θ。其中，ρ，θ 為直線L 上的任意點(diǎn)，將直線L 轉(zhuǎn)換至參數(shù)空間坐標(biāo)系，得到參數(shù)ρ0，θ0滿足：

式中：ρ0為x-y 坐標(biāo)原點(diǎn)到直線L 的距離；θ0為x-y 坐標(biāo)原點(diǎn)到直線L 的垂線與x 軸正方向的夾角，如圖3 所示。

圖3 Hough 變換原理

經(jīng)過(guò)Hough 變換后，x-y 坐標(biāo)系中每條直線對(duì)應(yīng)極坐標(biāo)系中唯一一對(duì)參數(shù)（ρ，θ）。由于直角坐標(biāo)系中屬于同一條直線上的點(diǎn)在參數(shù)空間的正弦曲線均交于同一點(diǎn)，則該點(diǎn)為該直線對(duì)應(yīng)的參數(shù)。通過(guò)參數(shù)空間中相交一點(diǎn)的曲線數(shù)量與設(shè)置的閾值進(jìn)行比較，檢測(cè)出圖像中的直線。

文獻(xiàn)[15]在Hough 變換直線斜率K-means 聚類的基礎(chǔ)上，加入對(duì)直線中心點(diǎn)x 坐標(biāo)位置Kmeans 聚類，對(duì)Hough 變換檢測(cè)出結(jié)果通過(guò)對(duì)直線斜率和直線中心點(diǎn)x 坐標(biāo)位置進(jìn)行K-means篩選，濾除斜率、中心點(diǎn)x 坐標(biāo)位置與整體電力線斜率、中心點(diǎn)x 坐標(biāo)位置相差較大的直線段，輸出電力線檢測(cè)結(jié)果。

2 航向偏差檢測(cè)

2.1 無(wú)人機(jī)航向擬合

通過(guò)處理航拍的電力線圖像，可以提取多條電力線信息。由于圖像中電力線方向近似平行，可通過(guò)電力線參數(shù)求和取平均值獲得巡線方向。

但是，僅通過(guò)擬合電力線方向確定無(wú)人機(jī)巡線方向易受電力線識(shí)別結(jié)果的影響，出現(xiàn)誤差較大和巡線方向突變等情況。因此，通過(guò)將當(dāng)前時(shí)刻擬合的巡線方向與前一時(shí)刻的按式（11）進(jìn)行擬合，最終得出當(dāng)前時(shí)刻無(wú)人機(jī)巡線方向。

式中：l（k）為當(dāng)前時(shí)刻擬合的巡線方向；l（k-1）為前一時(shí)刻巡線方向；a 取值范圍0～1；ε 為當(dāng)前時(shí)刻擬合的巡線方向與前一時(shí)刻巡線方向的差值；ε0為差值閾值。根據(jù)當(dāng)前時(shí)刻擬合的巡線方向與前一時(shí)刻巡線的方向差值，分別賦予當(dāng)前時(shí)刻擬合的巡線方向與前一時(shí)刻巡線方向不同的權(quán)重，最終擬合出可信度高的巡線方向。

2.2 航向偏差

無(wú)人機(jī)的航向偏差包括偏航角度偏差與側(cè)滾方向偏差，航向精度滿足要求是保證無(wú)人機(jī)順利完成電力巡線的重要參數(shù)。

偏航角度指無(wú)人機(jī)機(jī)頭方向與無(wú)人機(jī)巡線方向的角度偏差，即擬合出的無(wú)人機(jī)巡線方向與圖像垂線之間的角度。側(cè)滾方向偏差指無(wú)人機(jī)機(jī)體與巡線方向之間的距離偏差，即擬合出的無(wú)人機(jī)巡線方向與圖像中心的距離。如圖4 所示，無(wú)人機(jī)的偏航角度為θ，側(cè)滾方向偏差為x。

由于無(wú)人機(jī)側(cè)滾方向偏差受電力線檢測(cè)精度影響較大，容易產(chǎn)生波動(dòng)，其結(jié)果經(jīng)Kalman 濾波后輸出，可以有效減小波動(dòng)對(duì)無(wú)人機(jī)巡線的影響，并且其較好的跟蹤性，能夠保證輸出結(jié)果的實(shí)時(shí)性。

3 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證所提出方法的可行性，對(duì)無(wú)人機(jī)巡線過(guò)程中拍攝的電力線圖像進(jìn)行處理，根據(jù)背景情況分3 組進(jìn)行實(shí)驗(yàn)驗(yàn)證，分析對(duì)比不同背景下電力線提取與無(wú)人機(jī)巡線方向的擬合效果。電力線識(shí)別結(jié)果如圖5—圖7 和表1 所示，提取出的電力線以細(xì)直線標(biāo)識(shí)。擬合的無(wú)人機(jī)巡線方向如圖8 所示，擬合電力線方向以粗線標(biāo)識(shí)。

圖5 背景1 電力線識(shí)別結(jié)果

圖7 背景3 電力線識(shí)別結(jié)果

表1 電力線識(shí)別結(jié)果

由圖8 中3 種背景情況下擬合的無(wú)人機(jī)巡線方向可知，擬合的巡線方向能夠準(zhǔn)確地確定出電力線走向和位置。

圖8 無(wú)人機(jī)巡線方向擬合結(jié)果

通過(guò)濾波結(jié)果與手動(dòng)標(biāo)注的圖像中電力線對(duì)比，可計(jì)算得到檢測(cè)偏差，如圖9 所示，位置偏差檢測(cè)準(zhǔn)確率可達(dá)到97.45%，航向偏差檢測(cè)準(zhǔn)確率可達(dá)到98.67%，處理速度可達(dá)到12～24 幀/s。

圖9 無(wú)人機(jī)巡線航向位置偏差檢測(cè)結(jié)果

實(shí)驗(yàn)結(jié)果表明，本文提出的方法對(duì)多種背景均可以實(shí)時(shí)、準(zhǔn)確地識(shí)別出電力線和航向偏差，將電力線與航向偏差反饋至無(wú)人機(jī)飛控系統(tǒng)，可實(shí)現(xiàn)無(wú)人機(jī)航向角與偏航角的自動(dòng)修正，完成無(wú)人機(jī)電力線路自動(dòng)巡檢，具有重要的應(yīng)用價(jià)值。

4 結(jié)語(yǔ)

本文提出了一種基于無(wú)人機(jī)巡線拍攝圖像的電力線檢測(cè)并獲得航向偏差的方法。3 種背景下的實(shí)驗(yàn)與分析結(jié)果表明，該方法具有實(shí)時(shí)性強(qiáng)、準(zhǔn)確性高和穩(wěn)定性好的優(yōu)點(diǎn)。

圖6 背景2 電力線識(shí)別結(jié)果

傳統(tǒng)GPS 導(dǎo)航易受衛(wèi)星信號(hào)無(wú)法接收的影響。利用圖像處理實(shí)時(shí)檢測(cè)電力線并計(jì)算航向位置偏差作為反饋信號(hào)控制無(wú)人機(jī)巡線飛行，更加穩(wěn)定且不易受干擾，實(shí)現(xiàn)了無(wú)人機(jī)智能化飛行，降低了無(wú)人機(jī)操控人員的工作量。

配電網(wǎng)無(wú)人機(jī)智能巡檢主要包括智能飛行和缺陷智能檢測(cè)兩步。本文技術(shù)作為配電網(wǎng)無(wú)人機(jī)智能巡檢中智能飛行的算法基礎(chǔ)，可實(shí)現(xiàn)智能飛行，后期引入缺陷檢測(cè)等技術(shù)實(shí)現(xiàn)配電網(wǎng)無(wú)人機(jī)智能化作業(yè)，將節(jié)省人工巡檢中操控人員的投入，降低野外作業(yè)人員比例，實(shí)現(xiàn)“提質(zhì)增效”。

本方法在實(shí)際測(cè)試中雖然對(duì)與背景顏色相近的電力線識(shí)別不完整，出現(xiàn)漏檢現(xiàn)象，對(duì)于電力線識(shí)別結(jié)果具有一定的影響，但對(duì)無(wú)人機(jī)巡線航向偏差影響較小。針對(duì)于電力線檢測(cè)誤檢和漏檢的問(wèn)題，可通過(guò)多種視覺(jué)傳感信息融合、算法改進(jìn)等提升電力線識(shí)別的準(zhǔn)確性和完整度。經(jīng)實(shí)際飛行測(cè)試表明，該方法適用于無(wú)人機(jī)實(shí)時(shí)巡線，線路方向不發(fā)生突變的情況。對(duì)于線路突變情況，可通過(guò)線路走向算法判斷得以解決。