基于OpenCV的直流主設(shè)備遠(yuǎn)程監(jiān)造系統(tǒng)研究及應(yīng)用

阮芹，王柱，胡志武

（國(guó)網(wǎng)電力科學(xué)研究院武漢南瑞有限責(zé)任公司，湖北 武漢 430073）

換流變、電抗器、換流閥等線圈類直流主設(shè)備的出廠試驗(yàn)作為驗(yàn)證性能和監(jiān)測(cè)潛在缺陷的最后一關(guān)，一直是廠家、業(yè)主和監(jiān)造三方特別重視的環(huán)節(jié)。以換流變?yōu)槔?，出廠試驗(yàn)包括開(kāi)關(guān)試驗(yàn)、空載及負(fù)載試驗(yàn)、溫升試驗(yàn)、雷電沖擊、耐壓試驗(yàn)等多個(gè)項(xiàng)目，監(jiān)造人員以W/H方式從試驗(yàn)方案審核、接線至試驗(yàn)結(jié)束全程見(jiàn)證并記錄數(shù)據(jù)。試驗(yàn)前，監(jiān)造人員一般會(huì)巡遍試驗(yàn)大廳，逐步對(duì)照試驗(yàn)方案檢查接線情況，工作量大、不夠直觀而容易漏檢，一旦失誤會(huì)造成試驗(yàn)異常、結(jié)果失真甚至設(shè)備損壞。溫升試驗(yàn)采用溫度計(jì)探頭測(cè)量油面溫升、手持紅外掃描儀監(jiān)測(cè)油箱外表面溫度，中間數(shù)據(jù)及圖片依賴廠家提供，監(jiān)造人員較為被動(dòng)。針對(duì)以上問(wèn)題，本文提出一種遠(yuǎn)程監(jiān)造系統(tǒng)方案，實(shí)現(xiàn)可見(jiàn)光圖像無(wú)縫拼接及紅外可見(jiàn)光視頻融合輸出。不僅可協(xié)助現(xiàn)場(chǎng)人員連續(xù)無(wú)盲區(qū)地見(jiàn)證接線情況、觀測(cè)過(guò)熱點(diǎn)，還能通過(guò)互聯(lián)網(wǎng)實(shí)現(xiàn)遠(yuǎn)程監(jiān)造，確保在疫情等特殊情況下也能提供實(shí)時(shí)服務(wù)。

1 系統(tǒng)總體結(jié)構(gòu)

本文設(shè)計(jì)的遠(yuǎn)程監(jiān)造系統(tǒng)采用多個(gè)可見(jiàn)光及紅外光采集組合模塊，各模塊配置一塊嵌入式開(kāi)發(fā)板。根據(jù)試驗(yàn)大廳的網(wǎng)絡(luò)情況，將各模塊采集的圖像數(shù)據(jù)或選擇以太網(wǎng)卡連接方式，或開(kāi)發(fā)板添加WiFi模塊經(jīng)無(wú)線路由器傳到監(jiān)控中心的數(shù)據(jù)服務(wù)器上。監(jiān)控中心終端運(yùn)行基于OpenCV的應(yīng)用程序進(jìn)行圖像處理；中心平臺(tái)設(shè)置成網(wǎng)絡(luò)服務(wù)器模式，遠(yuǎn)程客戶端以瀏覽器方式進(jìn)行監(jiān)測(cè)?？傮w結(jié)構(gòu)如圖1所示。

圖1 遠(yuǎn)程監(jiān)造系統(tǒng)總體結(jié)構(gòu)

2 系統(tǒng)圖像信息采集終端設(shè)計(jì)

系統(tǒng)針對(duì)試驗(yàn)關(guān)鍵接線位置布置多個(gè)Usb攝像頭進(jìn)行可見(jiàn)光圖像采集，針對(duì)溫升試驗(yàn)布置可見(jiàn)光及紅外光采集組合模塊，每個(gè)采集模塊配置一塊嵌入式微處理器。Usb攝像頭采用中微星ZC301攝像頭，紅外成像采集模塊是FLIR Lepton3.5，開(kāi)發(fā)板采用S5PV210。開(kāi)發(fā)板以linux為操作系統(tǒng)，預(yù)先進(jìn)行系統(tǒng)內(nèi)核的配置、移植；編寫(xiě)底層設(shè)備驅(qū)動(dòng)程序，實(shí)現(xiàn)Usb攝像頭、紅外成像模塊的信息采集、壓縮及網(wǎng)絡(luò)傳輸。

S5PV210基于ARM CortexTM-A8內(nèi)核，具備強(qiáng)大的硬件編解碼功能，以較低功耗完成數(shù)據(jù)的快速處理與傳輸。后期根據(jù)需要還可接入溫度、濕度傳感器及其他通信模塊。

3 基于OpenCV的圖像處理方案

3.1 圖像標(biāo)定

要實(shí)現(xiàn)可見(jiàn)光圖像之間效果較好的配準(zhǔn)及拼接，耗時(shí)較長(zhǎng)，例如，匹配兩幅分辨率為640×480的圖片需耗時(shí)2～3s。另一方面，紅外圖像清晰度差及熱輻射的邊緣外延現(xiàn)象導(dǎo)致普通配準(zhǔn)算法進(jìn)行可見(jiàn)光與紅外光圖像特征點(diǎn)匹配時(shí)容易失敗。

本方案對(duì)需要融合的紅外及可見(jiàn)光攝像頭提前標(biāo)定。采用特殊處理過(guò)的黑白棋盤(pán)作為標(biāo)定參考物，調(diào)用OpenCV中findChessboardCorners、CalibrateCamera()等函數(shù)計(jì)算出轉(zhuǎn)換矩陣。

3.2 圖像配準(zhǔn)及拼接、融合

本方案采用surf算法進(jìn)行圖像配準(zhǔn)。它以構(gòu)建尺度金字塔空間為基礎(chǔ)，將Hessian矩陣的行列式極值作為特征興趣點(diǎn)，利用方框?yàn)V波模板對(duì)圖像進(jìn)行積分操作。通過(guò)調(diào)用surf->detectAndCompute()函數(shù)查找特征點(diǎn)，并選擇一個(gè)閾值剔除響應(yīng)較低的特征點(diǎn)；再采用暴力匹配法進(jìn)行距離計(jì)算并排序，最終自選相應(yīng)數(shù)量的配對(duì)計(jì)算變換矩陣。最后調(diào)用addWeighted()函數(shù)，利用轉(zhuǎn)換矩陣進(jìn)行圖像融合。

4 實(shí)驗(yàn)驗(yàn)證及分析

本系統(tǒng)以Visual Studio2019為開(kāi)發(fā)平臺(tái)，采用 OpenCV3.4.6版本，C++編程實(shí)現(xiàn)相應(yīng)功能。

4.1 可見(jiàn)光圖像配準(zhǔn)、拼接

采用surf算法對(duì)圖2試驗(yàn)大廳圖（分辨率680×480）進(jìn)行配準(zhǔn)，選擇閾值700，暴風(fēng)匹配獲得579對(duì)特征點(diǎn)；選擇距離最近的40對(duì)計(jì)算轉(zhuǎn)換關(guān)系并變換至同坐標(biāo)系，結(jié)果如圖3示。

圖2 換流變?cè)囼?yàn)大廳圖

圖3 特征點(diǎn)配準(zhǔn)結(jié)果

配準(zhǔn)后采用羽化融合法進(jìn)行拼接，效果如圖4所示，拼接時(shí)間0.014s，能夠滿足網(wǎng)絡(luò)實(shí)時(shí)傳輸要求。

圖4 采用羽化融合法的拼接效果圖

4.2 可見(jiàn)光、紅外光圖像融合

利用紅外成像、可見(jiàn)光攝像頭拍攝換流閥如圖5所示，提前標(biāo)定獲得轉(zhuǎn)換關(guān)系，對(duì)重疊的部分加權(quán)融合處理，效果如圖6所示，融合時(shí)間為0.036s。

圖5 紅外光、可見(jiàn)光攝像頭拍攝閥廳設(shè)備

圖6 圖像融合結(jié)果

實(shí)驗(yàn)結(jié)果證明，基于OpenCV的平臺(tái)能實(shí)現(xiàn)可見(jiàn)光圖像的無(wú)縫拼接及可見(jiàn)光、紅外光圖像的精準(zhǔn)融合。配準(zhǔn)、拼接算法穩(wěn)定快速且效果良好，能保證處理后的實(shí)時(shí)視頻輸出。

5 結(jié)語(yǔ)

針對(duì)直流主設(shè)備出廠試驗(yàn)接線及溫升試驗(yàn)的現(xiàn)場(chǎng)監(jiān)造耗時(shí)耗力、容易漏檢的問(wèn)題，本文提出一種遠(yuǎn)程監(jiān)造系統(tǒng)設(shè)計(jì)方案，實(shí)現(xiàn)紅外光、可見(jiàn)光圖像采集及快速拼接、融合。在大視野角度、兼顧設(shè)備輪廓和發(fā)熱信息的基礎(chǔ)上，監(jiān)控中心及遠(yuǎn)程監(jiān)造客戶端可全面、直觀試驗(yàn)過(guò)程;一旦發(fā)現(xiàn)接線錯(cuò)誤或異常發(fā)熱點(diǎn)，監(jiān)造方可立即要求廠家檢查整改，降低試驗(yàn)失敗及設(shè)備損壞的概率。系統(tǒng)成本低、實(shí)時(shí)監(jiān)測(cè)、可重復(fù)利用，不僅克服了特殊情況下監(jiān)造不便的問(wèn)題，也容易擴(kuò)展后續(xù)功能。