基于雙目視覺(jué)的變電站巡檢機(jī)器人故障點(diǎn)定位方法

［摘 要］由于變電站通常位于偏遠(yuǎn)地區(qū)，其運(yùn)行環(huán)境較為惡劣，實(shí)際運(yùn)行中設(shè)備與線路故障時(shí)有發(fā)生，故提出基于雙目視覺(jué)的變電站巡檢機(jī)器人故障點(diǎn)定位方法。在巡檢機(jī)器人上搭載雙目攝像機(jī)，基于雙目視覺(jué)技術(shù)獲取變電站故障點(diǎn)的巡檢圖像，預(yù)處理所獲取的變電站巡檢機(jī)器人故障點(diǎn)雙目圖像，對(duì)預(yù)處理后的雙目圖像中目標(biāo)故障點(diǎn)進(jìn)行立體匹配，獲得故障點(diǎn)定位結(jié)果。實(shí)驗(yàn)結(jié)果表明，設(shè)計(jì)方法下變電站巡檢機(jī)器人故障點(diǎn)定位結(jié)果的相對(duì)誤差僅0.84%，定位精度較高。

［關(guān)鍵詞］雙目視覺(jué)；變電站；巡檢機(jī)器人；故障點(diǎn)；定位方法

［中圖分類號(hào)］TM63 ；TP242.6 ；TF089 ［文獻(xiàn)標(biāo)志碼］A ［文章編號(hào)］2095–6487（2024）09–0179–03

我國(guó)變電站通常位于較為偏遠(yuǎn)的地區(qū)，日常運(yùn)行中存在嚴(yán)重安全隱患，其巡檢工作至關(guān)重要，通過(guò)巡檢準(zhǔn)確定位故障點(diǎn)可幫助運(yùn)維人員迅速找到并修復(fù)故障，從而縮短故障停電時(shí)間，提高電力系統(tǒng)的可靠性。傳統(tǒng)變電站巡檢工作主要依賴人工方式，存在巡檢周期長(zhǎng)、效率低下、故障點(diǎn)定位精度較差等問(wèn)題，而開(kāi)發(fā)一種智能化的變電站故障點(diǎn)定位方法，對(duì)于提高變電站的巡檢效率、降低巡檢成本、保障電力系統(tǒng)的安全穩(wěn)定具有重要意義。

近年來(lái)，已有較多學(xué)者對(duì)變電站巡檢機(jī)器人故障點(diǎn)定位方法進(jìn)行了研究，例如，文獻(xiàn)[1] 中，為提升變電站智能巡檢效率與準(zhǔn)確率，引入圖神經(jīng)網(wǎng)絡(luò)對(duì)二次回路故障點(diǎn)進(jìn)行定位，圖神經(jīng)網(wǎng)絡(luò)復(fù)雜性較高，在面對(duì)復(fù)雜的變電站二次回路結(jié)構(gòu)時(shí)，可能難以保障故障點(diǎn)定位精度；文獻(xiàn)[2] 中，將CEEMD 和PSD 算法結(jié)合在一起進(jìn)行變電站電力電纜故障點(diǎn)定位，可解決現(xiàn)有FDR 方法下故障點(diǎn)定位誤差較大的問(wèn)題，但該方法對(duì)噪聲較為敏感，實(shí)際應(yīng)用中如果變電站噪聲水平較高，會(huì)影響故障點(diǎn)定位的準(zhǔn)確性。

針對(duì)現(xiàn)有研究成果的局限之處，文章提出一種基于雙目視覺(jué)的變電站巡檢機(jī)器人故障點(diǎn)定位方法，期望可為變電站的預(yù)防性維護(hù)提供可靠數(shù)據(jù)支持，以降低變電站故障發(fā)生的概率。

1 基于雙目視覺(jué)獲取變電站故障點(diǎn)巡檢圖像

為提升變電站故障點(diǎn)的定位效率，文章通過(guò)在變電站內(nèi)設(shè)置巡檢機(jī)器人執(zhí)行巡檢任務(wù)，并在機(jī)器人巡檢過(guò)程中，搭載雙目攝像機(jī)，實(shí)時(shí)采集變電站故障點(diǎn)的巡檢圖像。一般來(lái)說(shuō)，當(dāng)巡檢機(jī)器人身上搭載雙目攝像機(jī)后，這兩個(gè)攝像機(jī)之間的距離是已知且固定的，通過(guò)雙目相機(jī)模擬人類雙眼的視差，即可實(shí)現(xiàn)對(duì)變電站故障點(diǎn)的立體感知。采用巡檢機(jī)器人搭載雙目攝像機(jī)對(duì)變電站故障點(diǎn)圖像進(jìn)行采集時(shí)，關(guān)鍵在于雙目立體視覺(jué)模型的建立，假設(shè)變電站三維空間內(nèi)某故障點(diǎn)在雙目相機(jī)坐標(biāo)系下的位置坐標(biāo)分別為（XL，YL，ZL）、（XR，YR，ZR），將該三維坐標(biāo)點(diǎn)投影至平面上，得到雙目圖像上對(duì)應(yīng)像素坐標(biāo)分別為（xL，yL）、（xR，yR），那么根據(jù)二者之間的關(guān)系構(gòu)建雙目立體視覺(jué)模型數(shù)學(xué)表達(dá)式如下所示：

式中，（uL，vL）、（uR，vR）分別為雙目立體視覺(jué)模型中圖像像素的左、右坐標(biāo)系，（u1，v1）為雙目圖像的實(shí)際坐標(biāo)點(diǎn)，F(xiàn)為平移向量，f為雙目攝像機(jī)的焦距，D為雙目攝像機(jī)的視差。

文章基于上述雙目視覺(jué)原理，即可通過(guò)模擬人類雙眼的視差原理，實(shí)時(shí)獲取具有視差的變電站故障點(diǎn)雙目巡檢圖像，在該雙目巡檢圖像中包含了變電站內(nèi)故障點(diǎn)的深度信息，可為后續(xù)故障點(diǎn)定位提供重要的數(shù)據(jù)基礎(chǔ)。

2 預(yù)處理變電站巡檢機(jī)器人故障點(diǎn)雙目圖像

在變電站內(nèi)巡檢機(jī)器人巡檢過(guò)程中，受巡檢環(huán)境與雙目攝像機(jī)自身精度等因素影響，原始獲取的故障點(diǎn)雙目圖像存在一定質(zhì)量問(wèn)題，所以為提升故障點(diǎn)定位精度，在定位之前需要對(duì)雙目圖像做一系列預(yù)處理。

（1）為減少計(jì)算量并提高圖像處理速度，文章對(duì)原始變電站巡檢機(jī)器人故障點(diǎn)雙目圖像做灰度化處理，也就是將彩色圖像轉(zhuǎn)化為灰度圖像，灰度圖像是僅包含亮度信息的圖像，其像素值范圍通常為0～255，有利于后續(xù)處理，具體處理公式如下式所示：

式中，H（x，y）為灰度變電站巡檢機(jī)器人故障點(diǎn)雙目圖像，r（x，y）、g（x，y）、b（x，y）分別為原始彩色雙目圖像的紅、綠、藍(lán)3個(gè)顏色分量。

文章采用式（3）所示的平均值法，將彩色雙目圖像轉(zhuǎn)化為灰度圖像。

（2）為增強(qiáng)圖像對(duì)比度，對(duì)變電站巡檢機(jī)器人故障點(diǎn)雙目圖像做直方圖均衡化處理，也就是通過(guò)拉伸圖像的像素強(qiáng)度分布范圍，使其更加均勻，從而增強(qiáng)圖像的視覺(jué)效果，其表達(dá)式如下式所示：

式中， 為均衡化處理后的變電站巡檢機(jī)器人故障點(diǎn)雙目圖像灰度值，si為雙目圖像中灰度級(jí)為i的像素點(diǎn)數(shù)量，S為雙目圖像中像素點(diǎn)總數(shù)量，h為雙目圖像的灰度級(jí)數(shù)。

通過(guò)式（4）的預(yù)處理，變電站巡檢機(jī)器人故障點(diǎn)雙目圖像的對(duì)比度可以增強(qiáng)，細(xì)節(jié)信息更加突出。

（3）為去除變電站巡檢機(jī)器人故障點(diǎn)雙目圖像中噪聲，引入高斯函數(shù)，對(duì)原始雙目圖像做平滑處理，表達(dá)式如下式所示：

式中，L（x，y）為高斯濾波后變電站巡檢機(jī)器人故障點(diǎn)雙目圖像，σ為高斯函數(shù)標(biāo)準(zhǔn)差。

通過(guò)式（5）對(duì)原始變電站巡檢機(jī)器人故障點(diǎn)雙目圖像做平滑處理，即可有效去除圖像中噪聲，實(shí)現(xiàn)濾波去噪目的。

3 定位雙目巡檢圖像中目標(biāo)故障點(diǎn)

在獲取并預(yù)處理了變電站巡檢機(jī)器人故障點(diǎn)雙目圖像后，基于雙目圖像的視差即可進(jìn)行目標(biāo)故障點(diǎn)的定位。

（1）為找出兩幅變電站巡檢機(jī)器人故障點(diǎn)圖像中目標(biāo)故障點(diǎn)的對(duì)應(yīng)位置關(guān)系，需要對(duì)預(yù)處理后的雙目圖像進(jìn)行立體匹配，立體匹配即對(duì)兩幅圖像的特征描述子進(jìn)行相似性匹配。為獲得特征描述子，引入SIFT 特征提取算法。生成描述子的步驟為，在高斯尺度空間內(nèi)，將關(guān)鍵特征點(diǎn)的鄰域劃分為多個(gè)尺寸為C×C 的子區(qū)域，每一個(gè)子區(qū)域均存在8 個(gè)方向，所以實(shí)際過(guò)程中需要找到關(guān)鍵特征點(diǎn)的主方向，并確保其坐標(biāo)軸具有旋轉(zhuǎn)不變性，再將各個(gè)子區(qū)域內(nèi)的圖像像素點(diǎn)梯度值一一分配到這8 個(gè)方向上，即可獲取原特征像素點(diǎn)（x，y）落在子區(qū)域后的坐標(biāo)值，具體計(jì)算公式如下式所示：

式中，l為各子區(qū)域的邊長(zhǎng)。

根據(jù)式（6）確定了原特征關(guān)鍵點(diǎn)落在各個(gè)子區(qū)域后的坐標(biāo)點(diǎn)后，對(duì)各坐標(biāo)點(diǎn)進(jìn)行線性插值，即可獲取各個(gè)種子點(diǎn)在8 個(gè)方向上的梯度，根據(jù)這些梯度信息形成關(guān)鍵特征點(diǎn)的特征向量，并根據(jù)特征點(diǎn)尺度對(duì)特征向量進(jìn)行排序，以此生成變電站巡檢機(jī)器人故障點(diǎn)雙目圖像的特征描述子。

（2）根據(jù)基于歐氏距離的相似性度量函數(shù)來(lái)衡量?jī)煞鶊D像的特征描述子之間相似程度，選擇相似程度較高的特征點(diǎn)進(jìn)行匹配，以完成變電站巡檢機(jī)器人故障點(diǎn)雙目圖像的立體匹配，并根據(jù)匹配像素點(diǎn)坐標(biāo)計(jì)算視差，表達(dá)式如下式所示：

D'=x'L-x'R（7）

式中，D' 為變電站巡檢機(jī)器人故障點(diǎn)雙目圖像的視差值，x'L 、x'R分別為雙目圖像匹配點(diǎn)的橫坐標(biāo)。

將各對(duì)應(yīng)像素點(diǎn)視差值組合在一起，生成變電站巡檢機(jī)器人故障點(diǎn)雙目圖像的視差圖，再結(jié)合雙目相機(jī)的幾何參數(shù)和視差信息即可計(jì)算出故障點(diǎn)的深度信息，表達(dá)式如下式所示：

式中，T為深度值，δ為基線距離。

對(duì)于視差圖中的每個(gè)像素點(diǎn)，都可以根據(jù)式（8）計(jì)算出其對(duì)應(yīng)的深度值。

（3）根據(jù)故障點(diǎn)深度值計(jì)算故障點(diǎn)在三維空間中的坐標(biāo)數(shù)據(jù)，表達(dá)式如下式所示：

式中，（X，Y，Z）為故障點(diǎn)的三維坐標(biāo)，（u，v）為雙目圖像中故障點(diǎn)的坐標(biāo)，fx、fy為X、Y方向上的焦距，qx、qy為X、Y方向上的圖像中心點(diǎn)坐標(biāo)。

因此，文章根據(jù)變電站巡檢機(jī)器人故障點(diǎn)雙目圖像，即可獲取故障點(diǎn)在實(shí)際三維空間中的坐標(biāo)信息，以此實(shí)現(xiàn)故障點(diǎn)定位。

4 仿真試驗(yàn)

4.1 試驗(yàn)設(shè)置

以文章方法作為試驗(yàn)組，并以文獻(xiàn)[1] 方法和文獻(xiàn)[2] 方法作為對(duì)照組，展開(kāi)變電站內(nèi)故障點(diǎn)定位的仿真對(duì)比試驗(yàn)。在配備Intel Core i7處理器和NVIDIAGeForce RTX 3060 顯卡的計(jì)算機(jī)上，使用MATLAB和OpenCV 庫(kù)搭建本次變電站內(nèi)故障點(diǎn)定位的仿真試驗(yàn)環(huán)境。在該仿真試驗(yàn)環(huán)境中，設(shè)置6 個(gè)已知位置模擬故障點(diǎn)，變電站內(nèi)模擬故障點(diǎn)實(shí)際定位數(shù)據(jù)見(jiàn)表1。

分別采用文章設(shè)計(jì)方法、文獻(xiàn)[1] 方法和文獻(xiàn)[2]方法，對(duì)表1 所示6 個(gè)模擬故障點(diǎn)進(jìn)行定位測(cè)距，并對(duì)比所得定位測(cè)距結(jié)果。

4.2 結(jié)果分析

在本次仿真對(duì)比試驗(yàn)完成后，先統(tǒng)計(jì)文章設(shè)計(jì)方法、文獻(xiàn)[1] 方法和文獻(xiàn)[2] 方法下各模擬故障點(diǎn)的三維坐標(biāo)定位數(shù)據(jù)，與實(shí)際三維坐標(biāo)一起繪制成如圖1 所示的變電站內(nèi)模擬故障點(diǎn)定位結(jié)果。

分析圖1 可知，在變電站內(nèi)8 個(gè)已知位置的模擬故障點(diǎn)定位中，與對(duì)照組方法相比，文章設(shè)計(jì)方法下三維坐標(biāo)定位結(jié)果和實(shí)際數(shù)據(jù)之間更接近，說(shuō)明文章設(shè)計(jì)方法能夠更準(zhǔn)確獲取故障點(diǎn)的三維坐標(biāo)。為更客觀且直觀地體現(xiàn)文章設(shè)計(jì)方法的優(yōu)越性，根據(jù)各模擬故障點(diǎn)的三維坐標(biāo)定位數(shù)據(jù)，分別計(jì)算出故障點(diǎn)的相對(duì)距離，作為測(cè)距結(jié)果，與模擬故障點(diǎn)的實(shí)際距離進(jìn)行對(duì)比，見(jiàn)表2。

如表2 所示，在文章設(shè)計(jì)方法下，變電站內(nèi)各模擬故障點(diǎn)的定位測(cè)距結(jié)果與實(shí)際相對(duì)距離之間的相對(duì)誤差均在1% 之內(nèi)，平均相對(duì)誤差為0.84%，較對(duì)照組中兩種方法分別降低了0.47%、0.57%。由此可以說(shuō)明，文章所設(shè)計(jì)基于雙目視覺(jué)的變電站巡檢機(jī)器人故障點(diǎn)定位方法是有效且正確的，可在實(shí)際變電站故障定位中表現(xiàn)出較高的精度。

5 結(jié)束語(yǔ)

文章深入研究了一種基于雙目視覺(jué)的變電站巡檢機(jī)器人故障點(diǎn)定位方法，該方法通過(guò)巡檢機(jī)器人搭載雙目相機(jī)實(shí)時(shí)采集變電站故障點(diǎn)的巡檢圖像，經(jīng)過(guò)預(yù)處理后對(duì)所得雙目巡檢圖像進(jìn)行立體匹配，即可實(shí)現(xiàn)對(duì)變電站內(nèi)故障點(diǎn)的精確定位。與此同時(shí)，文章通過(guò)仿真對(duì)比試驗(yàn)驗(yàn)證了設(shè)計(jì)方法的有效性和優(yōu)越性，能夠?yàn)樽冸娬狙矙z機(jī)器人的實(shí)際應(yīng)用提供更為可靠的技術(shù)支持。未來(lái)，將進(jìn)一步完善該方法，提高其在復(fù)雜環(huán)境下的適用性和魯棒性，為智能電網(wǎng)的可持續(xù)發(fā)展作出貢獻(xiàn)。

參考文獻(xiàn)

[1] 張宸滔，鄭永康，盧繼平，等. 基于圖神經(jīng)網(wǎng)絡(luò)的智能變電站二次回路故障定位研究[J]. 電力系統(tǒng)保護(hù)與控制，2022，50（11）：81-90.

[2] 溫才權(quán)，韋鑫，王杰，等. 基于CEEMD-PSD 算法的變電站控制電纜故障定位方法[J]. 電網(wǎng)與清潔能源，2023，39（7）：80-89.