基于SLIC超像素分割和ICP配準(zhǔn)的牽引變壓器套管紅外三維立體重構(gòu)方法

曾 晗，林文萱，郭思雨，辛建波

(1.華東交通大學(xué) 電氣與自動(dòng)化工程學(xué)院，江西 南昌 330013；2.國(guó)網(wǎng)江西省電力有限公司 電力科學(xué)研究院, 江西 南昌 330096；3.中國(guó)鐵路武漢局集團(tuán)有限公司 信陽(yáng)供電段，河南 信陽(yáng) 464100)

隨著近年來(lái)我國(guó)高速鐵路的迅猛發(fā)展，鐵道電氣化水平得到了不斷的強(qiáng)化，牽引供電系統(tǒng)的設(shè)備數(shù)量也在逐年增加。牽引變壓器作為牽引供電系統(tǒng)的重要組成部分，其運(yùn)行的安全可靠性一直廣受關(guān)注[1-3]。從2015年至2020年間，由于鐵路線路的擴(kuò)增，武漢鐵路局集團(tuán)有限公司信陽(yáng)供電段管內(nèi)的牽引變壓器年平均增加約8%，按此遞增速度，到2030年，牽引變壓器數(shù)量將會(huì)是現(xiàn)有變壓器數(shù)量的兩倍，這會(huì)導(dǎo)致運(yùn)維人員的工作難度和工作量顯著增加。依據(jù)國(guó)鐵集團(tuán)下發(fā)的《關(guān)于進(jìn)一步深化高速鐵路綜合維修生產(chǎn)一體化站段改革的指導(dǎo)意見》(以下簡(jiǎn)稱“《指導(dǎo)意見》”)，如何提升鐵路運(yùn)維檢修的自動(dòng)化和友好性是目前急需解決的問(wèn)題。

牽引變壓器作為電力變壓器的一種，其狀態(tài)檢測(cè)主要采用紅外熱成像技術(shù)[4-5]。對(duì)變壓器等級(jí)在110 kV以上的缺陷統(tǒng)計(jì)分析可以發(fā)現(xiàn)，發(fā)熱缺陷占總?cè)毕莸?0%以上[6]。在不需停電的狀態(tài)下，當(dāng)變壓器因局部放電、產(chǎn)生泄漏電流以及水分子介質(zhì)損耗產(chǎn)生了小范圍的局部發(fā)熱現(xiàn)象時(shí)，利用紅外熱像儀對(duì)其進(jìn)行探測(cè)以便檢測(cè)出變壓器的內(nèi)部故障是電力設(shè)備運(yùn)維檢修中較為常用的一種方法[7-10]。但在對(duì)設(shè)備紅外圖像的處理中目前往往采用人工識(shí)別歸類的方式，對(duì)人員的實(shí)踐經(jīng)驗(yàn)要求較高，且處理中容易出現(xiàn)遺漏的現(xiàn)象，需要進(jìn)行二次復(fù)核，難以達(dá)到《指導(dǎo)意見》中提高自動(dòng)化減少工作量的要求。為降低運(yùn)維人員工作量及工作難度，提升檢測(cè)精度，文獻(xiàn)[11]提出了使用深度學(xué)習(xí)的方法對(duì)紅外目標(biāo)進(jìn)行自動(dòng)探測(cè)。文獻(xiàn)[12]通過(guò)特征提取和分類完成了基于紅外圖像的電力設(shè)備自主故障診斷過(guò)程。但紅外圖像具有信噪比低和紋理細(xì)節(jié)模糊的缺點(diǎn)，雖然文獻(xiàn)[13-14]分別提出了基于降噪和與可見光融合的解決方法，但其僅可展示二維數(shù)據(jù)，無(wú)景物深度信息的特質(zhì)也導(dǎo)致無(wú)法反映具體的設(shè)備故障位置，這為快速準(zhǔn)確地進(jìn)行實(shí)時(shí)故障定位帶來(lái)了困難。

為克服二維圖像的局限性，彌補(bǔ)位置信息的不足，國(guó)內(nèi)外各領(lǐng)域研究人員在提取了3D數(shù)據(jù)點(diǎn)并對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)化分析后，提出通過(guò)三維可視化展示數(shù)據(jù)[15]，這些三維數(shù)據(jù)可以被運(yùn)用在各類數(shù)字孿生模型構(gòu)造中。文獻(xiàn)[16]將利用點(diǎn)云數(shù)據(jù)進(jìn)行三維建模的技術(shù)應(yīng)用在測(cè)繪中。三維建模技術(shù)也被大量地運(yùn)用在醫(yī)學(xué)中[17]。隨著激光掃描成像技術(shù)和計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展，如今已有學(xué)者將三維激光技術(shù)應(yīng)用于鐵路之中。為了達(dá)成鐵路扣件的狀態(tài)檢測(cè)需求，文獻(xiàn)[18]提出一種利用三維數(shù)據(jù)自動(dòng)檢測(cè)扣件缺陷的方法。文獻(xiàn)[19]建立了牽引變壓器的三維有限元模型。文獻(xiàn)[20]提出了基于三維圖像技術(shù)的無(wú)砟軌道表面裂縫自動(dòng)識(shí)別技術(shù)。通過(guò)三維數(shù)據(jù)展示出的設(shè)備信息相較于二維圖像而言更具有可觀性，在提供了更強(qiáng)分析能力的同時(shí)，也可以協(xié)助運(yùn)維人員對(duì)設(shè)備狀態(tài)做出更加精確的判斷。但上述三維重構(gòu)方法僅限于可見光監(jiān)測(cè)，無(wú)法有效反映電力設(shè)備內(nèi)在的缺陷，不能滿足其運(yùn)維檢修的基本要求。

為解決傳統(tǒng)紅外圖像缺乏位置信息、三維模型缺乏熱力信息的問(wèn)題，文獻(xiàn)[21]結(jié)合熱成像技術(shù)和激光雷達(dá)掃描技術(shù)將紅外圖像與點(diǎn)云模型運(yùn)用在深空空間探測(cè)領(lǐng)域，但對(duì)于電力設(shè)備尺度下的紅外圖像三維可視化研究并不常見。

本文以牽引變壓器為例，在考慮到其故障產(chǎn)生機(jī)理的基礎(chǔ)上，基于SLIC算法對(duì)牽引變壓器套管紅外圖像進(jìn)行超像素分割以便提取其溫度數(shù)據(jù)，使用激光雷達(dá)掃描技術(shù)獲取套管的點(diǎn)云數(shù)據(jù)，經(jīng)ICP配準(zhǔn)及處理后構(gòu)建其三維模型。再將紅外測(cè)溫?cái)?shù)據(jù)與三維立體模型結(jié)合以便使故障檢測(cè)和診斷過(guò)程更加直觀。以武漢鐵路局集團(tuán)有限公司信陽(yáng)供電段110 kV變壓器套管實(shí)測(cè)圖片和數(shù)據(jù)為算例進(jìn)行測(cè)試。結(jié)果表明，本文提出的超像素分割算法和點(diǎn)云數(shù)據(jù)處理方法可有效提高分割效果與點(diǎn)云模型構(gòu)建效果，且紅外測(cè)溫?cái)?shù)據(jù)三維重構(gòu)作為牽引變壓器套管狀態(tài)評(píng)估手段的一種方法行之有效。

1 三維立體重構(gòu)方法設(shè)計(jì)

隨著鐵路系統(tǒng)發(fā)展的逐步壯大，牽引供電系統(tǒng)中包含的變壓器、避雷器、電流互感器和電壓互感器等一系列用電設(shè)備數(shù)量都在逐漸增加。表1為武漢鐵路局集團(tuán)有限公司某供電段管轄內(nèi)某一條鐵路沿線的用電設(shè)備種類及數(shù)量。在如此龐大的數(shù)據(jù)下，運(yùn)維人員檢修的難度逐年攀升。為解決該問(wèn)題，減少重復(fù)工作量、提高天窗檢修效率和精準(zhǔn)度尤為重要。

表1 某供電段管轄內(nèi)設(shè)備數(shù)量 臺(tái)

在設(shè)備運(yùn)行過(guò)程中，牽引變壓器套管受裝配工藝、運(yùn)行工況以及運(yùn)維檢修水平的制約，往往是容易出現(xiàn)缺陷的部位。綜合過(guò)往運(yùn)維檢修的數(shù)據(jù)可以發(fā)現(xiàn)，絕緣套管因接觸不良過(guò)熱而導(dǎo)致的故障屢見不鮮[22]。

由于水油比熱容的差異，當(dāng)變壓器套管中油量減少而散熱不均，套管內(nèi)外形成溫度差異時(shí)，紅外熱成像可以直觀準(zhǔn)確地將其工作狀態(tài)反映出來(lái)。因此考慮到工程中對(duì)于變壓器套管的檢修需要，同時(shí)為了降低運(yùn)維人員的工作難度，提出基于紅外影像的牽引變壓器套管三維立體重構(gòu)方法，其技術(shù)原理如圖1所示。

圖1 紅外三維模型重構(gòu)原理

此方法主要分為超像素分割、搭建三維紋理模型和紅外三維模型重構(gòu)三部分。為了在設(shè)備外表面模型上引入可展示內(nèi)部溫度信息的紅外圖像，使用超像素分割算法提取紅外圖片中的牽引變壓器套管，掃描采集變壓器套管的點(diǎn)云數(shù)據(jù)并處理，最后將紅外圖像投影至展開坐標(biāo)的套管三維模型上。因考慮了設(shè)備溫度和位置信息，此方法適用于與周圍自然環(huán)境存在溫差，且背景復(fù)雜的大型發(fā)熱用電設(shè)備故障檢修與維護(hù)。

2 基于超像素分割的目標(biāo)設(shè)備紅外圖像提取

為有利于紅外圖像和三維模型融合過(guò)程，對(duì)套管的紅外熱成像進(jìn)行目標(biāo)分割。使用紅外測(cè)溫儀拍攝牽引變壓器套管，獲取套管的紅外圖像。

使用簡(jiǎn)單線性迭代聚類(Simple Linear Iterative Clustering，SLIC)[23]超像素分割算法，考慮變電所環(huán)境復(fù)雜器械較多，采用六角網(wǎng)格對(duì)紅外圖像進(jìn)行超像素分割。六角網(wǎng)格的標(biāo)準(zhǔn)間距為

( 1 )

式中：S為六角網(wǎng)格的標(biāo)準(zhǔn)間距；R和C分別為牽引變壓器紅外圖片的行和列；k為超像素的個(gè)數(shù)。

定義初始聚類中心，形成矩陣Ci為

Ci=[liaibixiyii]T

( 2 )

式中：li為L(zhǎng)ab色彩空間的亮度；ai和bi為顏色對(duì)立維度；xi和yi分別為聚類中心的行和列；i為超像素的標(biāo)簽。

以聚類中心點(diǎn)為中心，搜索附近兩倍步長(zhǎng)范圍內(nèi)的所有像素點(diǎn)進(jìn)行聚類。根據(jù)像素和聚類中心的顏色以及空間距離，更新像素點(diǎn)的標(biāo)簽和信息，計(jì)算每個(gè)像素點(diǎn)和聚類中心的距離分別為

( 3 )

式中：dC、dS分別為顏色、空間距離；m為加權(quán)因子；lj、aj、bj分別為L(zhǎng)ab空間的亮度、空間坐標(biāo)。對(duì)超像素的邊界進(jìn)行劃分，得到超像素分割后的紅外圖像。

根據(jù)變壓器設(shè)備的紅外圖像特征和現(xiàn)場(chǎng)檢測(cè)要求[24]，為提高設(shè)備紅外信息的準(zhǔn)確性，應(yīng)在光照較弱無(wú)陽(yáng)光直射的時(shí)候進(jìn)行拍攝。同時(shí)在保證紅外圖像的背景對(duì)目標(biāo)設(shè)備產(chǎn)生的噪聲相對(duì)較小的前提下，應(yīng)盡量將目標(biāo)設(shè)備置于相機(jī)的中間部位。為此制定目標(biāo)和背景標(biāo)記規(guī)則，將圖像中央亮度最低的超像素塊和圖像邊緣亮度較大的超像素塊標(biāo)記為背景，將圖像中位于非邊緣區(qū)域亮度最高的超像素塊標(biāo)記為目標(biāo)。

為解決因目標(biāo)區(qū)域中包含多連通區(qū)而存在目標(biāo)設(shè)備欠分割的問(wèn)題，引入Otsu閾值作為預(yù)處理，預(yù)選背景區(qū)域。依據(jù)合并算法(Maximal Similarity based Region Merging,MSRM)把背景標(biāo)記區(qū)域與相鄰超像素塊合并，再對(duì)未標(biāo)記超像素塊進(jìn)行合并，最后用形態(tài)學(xué)運(yùn)算得到更光滑的圖像邊界，算法流程如圖2所示。

圖2 套管紅外圖像分割算法

在SLIC超像素分割的同時(shí)用Otsu閾值做背景預(yù)選，根據(jù)設(shè)定規(guī)則標(biāo)記目標(biāo)和背景超像素塊，基于MSRM算法融合超像素塊，再用形態(tài)學(xué)運(yùn)算處理圖像。

將Jaccard和Dice系數(shù)[25]作為提出算法和其他超像素分割算法的精度對(duì)比評(píng)估方案，KJ測(cè)量了兩組(θ1和θ2)的相交面積之比除以它們的并集面積

( 4 )

式中：θ1為樣本分割的結(jié)果；θ2為算法分割的結(jié)果。

Dice系數(shù)KD計(jì)算相交區(qū)域的比率除以每個(gè)單獨(dú)區(qū)域的平均和

( 5 )

3 點(diǎn)云數(shù)據(jù)獲取與三維模型重構(gòu)

為構(gòu)建牽引變壓器套管的三維立體模型，需獲取其點(diǎn)云數(shù)據(jù)并進(jìn)行數(shù)據(jù)處理，具體步驟如下：

Step1獲取牽引變壓器套管點(diǎn)云數(shù)據(jù)

目前獲取點(diǎn)云數(shù)據(jù)的方法主要分為主動(dòng)獲取和被動(dòng)獲取兩種，無(wú)人機(jī)作為常用的被動(dòng)獲取方法具有低成本的優(yōu)勢(shì)，但變電所的環(huán)境過(guò)于復(fù)雜，從安全和效率方面考慮，本文選擇采用激光雷達(dá)掃描(Light Detection and Ranging, LiDAR)的主動(dòng)方式采集套管表面的三維密集點(diǎn)云。

Step2點(diǎn)云數(shù)據(jù)處理

因相鄰變電設(shè)備點(diǎn)云采集幀中存在數(shù)據(jù)重疊，故需要對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)和拼接。選擇迭代最近點(diǎn)方法(Iterative Closest Point, ICP)[26]進(jìn)行點(diǎn)云精配準(zhǔn)，基于歐氏距離殘差的ICP最優(yōu)目標(biāo)模型f(R,T)為

( 6 )

式中：qi、pi為匹配點(diǎn)對(duì)；R、T為旋轉(zhuǎn)和平移矩陣。

為解決ICP算法模型對(duì)初始位置要求過(guò)高的問(wèn)題，在精配準(zhǔn)前采用SAC-IA算法對(duì)點(diǎn)云數(shù)據(jù)粗配準(zhǔn)，將粗配準(zhǔn)得到的值作為ICP算法的迭代初值以提升點(diǎn)云配準(zhǔn)精度。

因變電所環(huán)境較為復(fù)雜，點(diǎn)云數(shù)據(jù)采集過(guò)程中常因微波折射產(chǎn)生噪聲，故在計(jì)算高斯曲率和平均曲率后使用雙邊濾波算法[27]對(duì)點(diǎn)云模型進(jìn)行降噪處理，雙邊濾波式為

p′=p+αn

( 7 )

式中：n為數(shù)據(jù)點(diǎn)p的法向量；p′、α分別代表濾波完成后的數(shù)據(jù)點(diǎn)、雙邊濾波因子，α的表達(dá)式為

( 8 )

式中：x為數(shù)據(jù)點(diǎn)間距，x=p-pi；m為數(shù)據(jù)點(diǎn)p的M最近鄰域Nm(Pi)中的數(shù)據(jù)點(diǎn)個(gè)數(shù)；θp和θc分別為數(shù)據(jù)點(diǎn)p的M最近鄰域Nm(Pi)法向高度和內(nèi)切平面的高斯濾波。

旋轉(zhuǎn)誤差ER和平移誤差Et計(jì)算式分別為

( 9 )

(10)

式中：Ri和ti為定義的固定參考旋轉(zhuǎn)矩陣和平移矩陣；Rj和tj為算法生成的牽引變壓器套管旋轉(zhuǎn)和平移矩陣。

Step3點(diǎn)云數(shù)據(jù)處理后獲得目標(biāo)設(shè)備點(diǎn)云模型，利用Delaunay細(xì)分算法[28]進(jìn)行三角網(wǎng)格重建。常用的三角面質(zhì)量評(píng)估系數(shù)Q為

(11)

式中：dn和dmax分別為三角形第n邊和最長(zhǎng)邊長(zhǎng)。

Step4將牽引變壓器套管紅外二維圖像正交投影至展開三維坐標(biāo)的套管模型上，獲取可有效展示紅外特征的牽引變壓器套管三維模型。

紅外三維立體模型重構(gòu)具體操作流程如圖3所示。

圖3 三維模型重構(gòu)

選擇合適的采樣交疊率以激光雷達(dá)掃描的方式獲取牽引變壓器套管點(diǎn)云數(shù)據(jù)，經(jīng)粗配準(zhǔn)和精配準(zhǔn)后對(duì)數(shù)據(jù)濾波，重構(gòu)三角曲面完成套管三維立體重建，再將第二章中提取的套管紅外圖像投影至套管三維坐標(biāo)上得到變壓器套管紅外-三維立體模型。

4 算例測(cè)試及分析

4.1 分割紅外圖像

使用熱像儀FLIR T800拍攝紅外圖片，以武漢鐵路局集團(tuán)有限公司110 kV牽引變壓器套管為算例，按照?qǐng)D2流程對(duì)牽引變壓器套管進(jìn)行超像素分割，套管原始圖像和分割后圖像如圖4所示。

由圖4(b)可知，超像素塊與設(shè)備邊緣輪廓貼合度較高，表明利用SLIC算法可有效分割牽引變壓器套管紅外圖像。在此基礎(chǔ)上利用Otsu閾值預(yù)選背景超像素塊,按照標(biāo)記規(guī)則標(biāo)定目標(biāo)和背景超像素塊，用MSRM算法進(jìn)行超像素合并，最后基于數(shù)學(xué)形態(tài)學(xué)開閉運(yùn)算，消除與套管相連的高度干擾變壓器背景，得到分割完成的變壓器套管。為了利于套管分割后的紅外圖像與三維模型進(jìn)行有效融合，將分割后套管的黑色背景刪除，生成無(wú)背景變壓器套管紅外圖像如圖4(c)所示。通過(guò)目標(biāo)提取刪除復(fù)雜背景，簡(jiǎn)化了紅外三維重構(gòu)難度的同時(shí)也排除了背景溫度噪聲干擾。

4.2 分割性能對(duì)比測(cè)試

選擇20幅牽引變電紅外圖像，測(cè)試區(qū)域增長(zhǎng)算法(Regional Growth)、熵率算法(Entropy Rate)、隨機(jī)游走算法(Random Walks)、線性譜聚類算法(Linear Spectral Clustering, LSC)、SLIC+MSRM算法和設(shè)計(jì)標(biāo)記規(guī)則的SLIC+MSRM+Otsu算法分割性能，根據(jù)式( 4 )、式( 5 )分別計(jì)算每種方法的Jaccard與Dice系數(shù)，測(cè)試結(jié)果如圖5所示。

圖5 不同算法精度計(jì)算結(jié)果對(duì)比

由圖5可知，因SLIC算法將圖像亮度作為算法的參數(shù)之一，其分割紅外圖像的Dice、Jaccard均值比LSC算法分別增加了7.45%、7.96%。在牽引變電較為復(fù)雜的環(huán)境背景下，使用區(qū)域增長(zhǎng)算法，熵率算法和隨機(jī)游走算法分割編號(hào)6圖片時(shí)，得到Dice系數(shù)分別為0.75、0.7、0.71，而設(shè)計(jì)了背景標(biāo)記規(guī)則基于SLIC的分割算法精度值為0.958，此分割精度差別也出現(xiàn)在編號(hào)14、18等圖片中，可知本文提出的算法能保持更好的穩(wěn)定性。

4.3 點(diǎn)云數(shù)據(jù)獲取

為預(yù)防采集牽引變壓器套管點(diǎn)云數(shù)據(jù)時(shí)出現(xiàn)數(shù)據(jù)缺失的現(xiàn)象，用二維交疊式掃描方法獲取點(diǎn)云數(shù)據(jù)。設(shè)置采樣范圍交疊率ROA分別為0%、25%、50%，采樣結(jié)果如圖6所示。

圖6 套管點(diǎn)云數(shù)據(jù)采樣

當(dāng)采樣交疊率ROA=0時(shí)，牽引變壓器套管的多處點(diǎn)云數(shù)據(jù)缺失嚴(yán)重，噪聲干擾也相對(duì)較大，當(dāng)ROA=25%時(shí)，交疊區(qū)域彌補(bǔ)了部分缺失數(shù)據(jù)但仍存在漏洞，而當(dāng)交疊率ROA=50%時(shí)可以得到較完整的牽引變壓器套管點(diǎn)云模型如6(c)所示。圖6(d)展示了完整的測(cè)試結(jié)果，當(dāng)交疊率為40%已實(shí)現(xiàn)牽引變壓器套管點(diǎn)云數(shù)據(jù)的完整采集，但按照擬合曲線判定其存在一定偶然性，故本文選擇50%的交疊率獲取變壓器套管點(diǎn)云數(shù)據(jù)。

4.4 點(diǎn)云數(shù)據(jù)配準(zhǔn)

以交疊率ROA=50%掃描變壓器套管，獲得如圖7(a)所示套管點(diǎn)云數(shù)據(jù)。使用SAC-IA算法完成點(diǎn)云數(shù)據(jù)粗配準(zhǔn)，如圖7(b)所示。將粗配準(zhǔn)得到的數(shù)據(jù)作為原始數(shù)據(jù)輸入ICP算法進(jìn)行精配準(zhǔn)得到圖7(c)，再使用雙邊濾波算法濾除變壓器套管點(diǎn)云數(shù)據(jù)周圍存在的噪聲，獲得最終點(diǎn)云模型如圖7(d)所示。

圖7 配準(zhǔn)濾波后套管點(diǎn)云模型

與相關(guān)熵ICP算法(Correntropy Iterative Closet Point, CICP)、修剪ICP算法(Trimmed Iterative Closet Point, TrICP)和傳統(tǒng)ICP算法進(jìn)行對(duì)比。實(shí)驗(yàn)中的配準(zhǔn)誤差采用均方根誤差(Root-mean-square Error, RMSE)計(jì)算，根據(jù)式( 9 )、式(10)計(jì)算旋轉(zhuǎn)誤差和平移誤差，計(jì)算結(jié)果如圖8和表2所示。

圖8 算法對(duì)比

表2 拼接誤差對(duì)比

設(shè)定ICP迭代算法的目標(biāo)配準(zhǔn)誤差為5 mm,由圖8可得，SIICP算法經(jīng)4次迭代后配準(zhǔn)誤差達(dá)到4.842 2 mm，CICP、ICP算法配準(zhǔn)誤差為4.952 1、4.784 9 mm，分別需要經(jīng)過(guò)6次和7次迭代，而TrICP算法9次迭代后目標(biāo)誤差可達(dá)4.837 2 mm。由表2可得，SIICP算法旋轉(zhuǎn)精度比CICP算法增加了約27%，平移精度增加了約31%，配準(zhǔn)耗時(shí)比傳統(tǒng)ICP算法減少了約20.3%。

4.5 紅外三維模型重建

在取得完備點(diǎn)云數(shù)據(jù)后，分別用泊松算法和Delaunay細(xì)分算法對(duì)曲面進(jìn)行重建。使用不同算法對(duì)武漢鐵路局信陽(yáng)供電段牽引變壓器套管點(diǎn)云數(shù)據(jù)進(jìn)行三角面重建，當(dāng)獲得的三角網(wǎng)格更趨近于等邊三角形時(shí)，則質(zhì)量更優(yōu)，根據(jù)式(11)評(píng)估三角面的質(zhì)量，獲得的重建三角面質(zhì)量比例如圖9所示。

圖9 網(wǎng)格質(zhì)量分布

由圖9可知，經(jīng)泊松算法獲得的網(wǎng)格質(zhì)量大部分分布在區(qū)間[0.4,0.8]，而由Delaunay細(xì)分算法獲得的曲面三角網(wǎng)格質(zhì)量絕大部分分布在區(qū)間[0.8,1.0]，優(yōu)于泊松算法。因此使用Delaunay算法進(jìn)行網(wǎng)格細(xì)分，獲得圖10所示的牽引變壓器套管三角網(wǎng)格模型和三維紋理模型。

圖10 變壓器套管三維紋理模型

為減少因無(wú)法展示溫度信息導(dǎo)致設(shè)備故障檢測(cè)量過(guò)大的弊端，將紅外圖像與變壓器套管的三維紋理圖進(jìn)行結(jié)合。展開經(jīng)點(diǎn)云數(shù)據(jù)處理后獲取的變壓器套管模型三維坐標(biāo)，將紅外二維圖像正交投影至展開的三維坐標(biāo)上，得到可有效展示紅外特征的牽引變壓器套管紅外三維模型如圖11所示。

圖11 變壓器套管三維紅外模型

此三維模型在保留了套管紋理的基礎(chǔ)上很好地展示了套管的紅外溫度特征。紅外-三維模型重構(gòu)可有效解決目前三維可視化技術(shù)缺乏熱力信息、紅外圖像缺乏位置信息的問(wèn)題，適用于大型變電設(shè)備的運(yùn)維檢修。在運(yùn)營(yíng)維護(hù)中，當(dāng)運(yùn)維人員需要知曉設(shè)備以及設(shè)備周圍區(qū)域紅外熱像情況時(shí)，其可幫助運(yùn)維人員及時(shí)掌握設(shè)備的熱力狀態(tài)，提高工作效率。三維紅外模型的可觀性要遠(yuǎn)高于二維紅外圖像，根據(jù)此三維模型可有效分析牽引變電所輸變電設(shè)備熱源分布狀態(tài)和趨勢(shì)，并為熱像量化數(shù)值的詳盡分析提供一種高效的手段。這也有助于運(yùn)維人員依據(jù)三維模型來(lái)對(duì)紅外熱像測(cè)溫?cái)?shù)據(jù)進(jìn)行更加詳盡地監(jiān)測(cè)，在增加了故障診斷直觀性的基礎(chǔ)上可減輕運(yùn)維人員的工作量。

4.6 算法效率

本文實(shí)驗(yàn)環(huán)境為Inter(R) Core(TM) i5-8265U處理器，8 GB內(nèi)存。對(duì)比本文改進(jìn)的SIICP算法與原始ICP及CIICP和TrICP算法，計(jì)算其完成套管點(diǎn)云配準(zhǔn)所需的時(shí)間，結(jié)果見表3。

表3 點(diǎn)云數(shù)據(jù)配準(zhǔn)算法時(shí)間損耗 s

由表3可知，4種對(duì)比方法中，SIICP方法完成點(diǎn)云模型重構(gòu)方法耗時(shí)最少，約為10 s，TrICP方法耗時(shí)最多，需要約28 s。由于本文方法在粗配準(zhǔn)階段引入SAC-IA算法，不需要進(jìn)行大量的重復(fù)迭代計(jì)算尋找?guī)g點(diǎn)云的重疊部分即可完成點(diǎn)云位姿矯正，在精配準(zhǔn)階段，使用ICP算法，有效提高了點(diǎn)云配準(zhǔn)效率。

經(jīng)過(guò)完整計(jì)算，在此實(shí)驗(yàn)條件下，從目標(biāo)設(shè)備提取到紅外三維模型重構(gòu)的總計(jì)時(shí)間損耗約在16～28 s之間，這對(duì)于電氣設(shè)備的運(yùn)行狀態(tài)監(jiān)測(cè)是可以接受的。

5 結(jié)論

本文采用三維激光掃描技術(shù)，基于紅外圖像對(duì)牽引變電所的變壓器套管開展三維可視化研究，主要結(jié)論如下：

(1)提出一種基于SLIC和MSRM的變電設(shè)備紅外圖片超像素分割算法，設(shè)計(jì)目標(biāo)和背景標(biāo)記規(guī)則，引入Otsu閾值作為背景超像素塊的預(yù)選條件，并加入數(shù)學(xué)形態(tài)學(xué)運(yùn)算。通過(guò)多種算法分割多幅紅外圖片，證實(shí)該分割算法可更快速準(zhǔn)確地提取目標(biāo)設(shè)備，與其他算法相比其超像素分割精度最高可增加41%。

(2)以武漢鐵路局信陽(yáng)供電段的變壓器套管為算例，采集并處理變壓器套管點(diǎn)云數(shù)據(jù)。結(jié)果表明，采樣交疊率為50%時(shí)可更加高效完整地提取點(diǎn)云數(shù)據(jù)。在精配準(zhǔn)算法ICP前引入SAC-IA算法，迭代次數(shù)得以優(yōu)化的同時(shí)相較于ICP算法拼接精度增加了約70%。

(3)提出一種紅外-三維立體重構(gòu)方法，將紅外圖像與三維模型結(jié)合。通過(guò)對(duì)信陽(yáng)供電段110 kV變壓器套管進(jìn)行紅外三維重建測(cè)試，驗(yàn)證了此方法可以有效地展示出電氣設(shè)備的三維紅外模型。