無人機輸電線路巡檢可見光拍攝方法研究

周 輝

（國網(wǎng)四川省電力公司檢修公司，四川 成都 610041）

1 引言

近年來，無人機在輸電線路巡檢中得到了逐步應用，并在2015年得到了大規(guī)模推廣，在一定程度上彌補了傳統(tǒng)人工巡檢的不足，特別是在環(huán)境復雜地區(qū)和對輸電線路本體精細化巡檢中顯示出來不可比擬的優(yōu)勢。而在無人機巡檢過程中，獲得高質(zhì)量的拍攝效果一直是線路運維人員努力的方向。

本文主要從技術(shù)和人工兩個方面研究多在可見光下多旋翼無人機電力巡檢拍攝技術(shù)。

2 計算機視覺技術(shù)在電力巡檢無人機中的研究

2.1 目標跟蹤技術(shù)

該技術(shù)即在無人機電力巡檢中采用視頻跟蹤技術(shù)對特定的電力目標（絕緣子等）進行跟蹤定位，實現(xiàn)自動導航。首先在分析數(shù)字圖像預處理方法的基礎(chǔ)上，采用色彩空間的轉(zhuǎn)換、圖像灰度化、對比度增強和圖像去噪等方式對絕緣子圖像進行預處理；然后在HSV色彩空間提取H分量，并作出其直方圖；最后在Cam-shift算法的基礎(chǔ)上，使用顏色特征和角點特征相融合的方式，改進均值漂移的反向投影圖，使用均值漂移的思想預測絕緣子在視頻序列下一幀圖像中的位置，將全局搜索問題轉(zhuǎn)化為局部搜索問題，提高處理的速度和跟蹤的實時性。

2.2 克服復雜光照影響

為提高跟蹤準確性，需研究復雜光照對目標跟蹤的影響。對目標絕緣子和輸電線的識別必須要經(jīng)過的一步是從復雜的背景及各種光照下找出目標物，這是圖像處理的的難點。此部分研究內(nèi)容是找出目標物和背景特征之間的不同，然后進行背景剔除，找到目標物，而對于光照的影響，不同光照條件下，背景和目標物將出現(xiàn)不同的特征，研究光照影響的目的是找出在不同光照條件下，目標物的特征會不會做太大的改變，這樣才能有效的分割出目標物。

在對絕緣子及輸電線路識別過程中，克服環(huán)境光照及復雜背景影響的方法有很多，主要可分為顏色恒常性方法和提取光照不變量方法兩大類。

（1）顏色常恒溫方法基于人類視覺系統(tǒng)（Human visual system，HVS）的顏色恒常性而來?；谶@一思維理論，人們提出了許多不同的顏色恒常性算法，其中最經(jīng)典的當屬20世紀60年代提出的Retinex算法，該算法經(jīng)過幾十年的發(fā)展，已經(jīng)衍生出許多改進算法，在此具體說明一個Retinex算法及改進：

首先將待處理的圖像看成是由反射光分量和入射光分量兩部分的乘積，其中反射分量對應于圖像的本來面貌，入射分量對應于圖像中的干擾部分。然后采用某種途徑估算出入射分量，并從待增強圖像中除去入射分量，得到反射分量部分，還原圖像的本來面貌，實現(xiàn)對圖像的增強。具體到某一圖像s，主要由照射分量e和反射分量r構(gòu)成，得到公式：s=e×r（其中，e表示入射光，r表示物體的反射性質(zhì)，s是反射光，是被觀察者或照相機接受到的我們看到的彩色圖像）。在此，我們需要從圖像s中獲得物體的反射分量r，即消除入射分量e，獲得物體的本來面貌。為簡化計算，對上式取對數(shù)得：S=E+R，（S=log（s），E=log（e） ， R=log（r）），得到對數(shù)等式后，，可用單尺度Retinex算法，通過高斯濾波來估算消除入入射分量E，也可用多尺度Retinex算法，對目標圖像按照度劃分低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域四個區(qū)域，建立對數(shù)圖像處理（LIP）模型，再把根據(jù)各個子圖的照度特性運用不同的尺度參數(shù)進行Retinex處理。

（2）光照不變特征提取方法通過提取與光照無關(guān)且能夠反映物體表面反射紋理屬性的特征來作為依據(jù)。紋理作為圖像分析中很重要的一種特征，不同于顏色和邊緣等圖像特征，其自身具有很強的抗光照突變特性和局部序列性等良好屬性。常見的不變特征提取算法有局部二元模式（Local binary Pattern，LBP）算法。該算法通過刻畫圖像中每個像素與領(lǐng)域內(nèi)其它像素點的灰度差異來描述圖像的紋理結(jié)構(gòu)，具有一定的光照魯棒性。

在該算法中，引入一個局部紋理描述算子LBP，該算子計算簡單、對光照變化不敏感且能較好表達紋理特征。最初，一般在圖像定義一個3×3的窗口，以窗口中心點，對相鄰點的灰度值與中心點灰度值之差和閾值比較作二值化處理，大于等于閾值的為1，反之為0，如下所示：

然后根據(jù)順時針方向?qū)⑦@些值進行加權(quán)求和，得到該窗口的LBP編碼值。如圖1所示。

最后將該二進制數(shù)串轉(zhuǎn)換為十進制數(shù)值，作為紋理單元的LBP值，由于LBP值主要參考了周圍子塊相對中心子塊的梯度，因此充分描述了紋理空間特征，同時保留了紋理的形狀和走向?？梢姡捎么朔N方法能夠在一定程度上減少光照及復雜背景對定位目標識別的影響。

3 可見光模式下手動操控無人機的方法研究

除開展標準化作業(yè)確?？梢姽馀臄z效果以外，在無人機電力巡檢中另一個難點就是準確獲取無人機和鐵塔等目標的距離，即深度信息。幫助操控手準確判斷目標，提高巡檢安全性和準確性。關(guān)鍵在于獲取絕緣子等目標在地面站圖像中的深度信息。在此，作者提出一種偽相距概念，如圖2所示。

基于偽像距的測距方法具體步驟分為偽像距測定過程以及測距過程，主要根據(jù)顯示器接收影像尺寸來計算相機鏡頭與目標物之間的距離。其原理是根據(jù)相機成像原理，假設(shè)存在一個類似相機像距的常量m，與無線傳輸后的接收顯示器上影像大小S、目標尺寸L以及物距d存在對應關(guān)系，得到偽像距的計算公式為m=L×d/S，那么在偽像距已知的情況下，相機鏡頭與目標物之間的距離d=S×m/L。

偽像距測定步驟如下：

（1）調(diào)整相機焦距后并固定相機焦距f不變；

（2）確定目標尺寸S；

（3）確定物距d；

（4）測量視頻無線傳輸接收顯示器上目標影像尺寸L（此步驟可以采用實際的長度工具進行物理測量，也可以通過圖像識別的方法計算圖像中目標物影像的像素尺寸）；

（5）根據(jù)公式：物距=目標尺寸×像距/影像尺寸，計算偽像距mi；

（6）重復步驟（2）至步驟（5）多次，求偽像距的加權(quán)平均值m。

結(jié)語

綜上所述，本文主要從圖像視頻跟蹤技術(shù)和人工操作兩方面研究無人機輸電線路巡檢可見光拍攝，給出了兩種模式下可行的操作方法。未來，隨著無人機在電力巡檢中的不斷深入應用，必將向著自主避障、導航、高清傳輸、缺陷智能識別等方向發(fā)展，即針對電力行業(yè)特種化發(fā)展。

[1]劉輝，席德科，晏登洋.基于MIMU/GPS 組合導航定位系統(tǒng)的一種新型卡爾曼濾波算法的研究[J].彈箭與制導學報，2007，27（04）：36-39.

[2]陳禮斌，劉釗.一種新的自適應擴展卡爾曼濾波算法[J].激光與紅外，2006（03）：210-213.

[3]林韓，林朝輝.無人直升機在福建電力輸電線路巡視的初步應用[J].第十九屆輸配電研討會，2011.

[4]宋華，張軍香，張洪鉞.基于模糊基函數(shù)網(wǎng)絡的容錯方法[A].全球智能控制與自動化大會會議，2004.

[5]楊枝靈，王開，等.Visualc++數(shù)字圖像獲取、處理及實踐應用[M].北京：人民郵電出版社，2010：98-102.

[6]黃凱奇，王橋，等.基于視覺特性和顏色空間的多尺度彩色圖像增強算法[J].電子學報，2004，32（04）：673-676.

[7]肖泉，丁興號，王守覺，等.有效消除光暈現(xiàn)象和顏色保持的彩色圖像增強算法[J].計算機輔助設(shè)計與圖形學學報，2010，22（08）.

[8]趙全友，潘保昌，鄭勝林，等.一種顏色保持的彩色圖像增強新算法[J].計算機應用，2008：28（02）：448.