摘要：基于虚拟现实技术将电力系统培训的深度和广度在特定空间的低成本再现成为可能。文章利用变电站三维虚拟场景建模技术对变电站三维场景进行建模，实现变电站可视化，通过动态交互技术提高员工在三维虚拟环境中的临场感和可操作程度，强化员工对变电站复杂环境了解和突发事件处理能力，提升电力培训效果。
关键词：电力系统培训；三维场景构建；可视化技术；动态交互
由于变电站安全运行、管理的特殊性，电力系统员工大多对变电站的实际运行环境和突发事件处理没有强烈的概念。在突发事件发生时，电力系统员工缺少相应的实践经验，对变电站环境缺少了解，无法在最短时间内减少变电站突发事件的影响，成为变电站维护人员和管理人员的一大弊端。
1电力系统培训的发展前景
目前电力系统培训主要存在2个问题：传统培训方式对变电站环境的深入程度较低；缺少新兴技术支撑，培训方式落后。其中，后者对发展的局限性较大，同时也有更大的提升和改进空间，后者的提升在一定程度上有助于前者的改善，所以后者需求更为迫切。
2理论和实践依据
2.1理论依据
在三维变电站重建和虚拟现实交互平台构建中，对视频图像的智能分析是各项安全应用的基础。便携设备拍摄的视频图像的智能分析包括视觉特征表示和融合、视觉显著性检测、代表性视频帧的选择、基于运动信息中恢复三维场景结构的三维重建以及Kinect/VR可穿戴设备的交互平台搭建。
2.1.1 视觉特征表示与融合
视觉特征表示是在提取的视频中视觉上和语义上具有代表性的要素，典型底层特征包括形状和颜色，典型的高层语义特征包括人脸、车辆等。针对视频中的动态变化，需要利用运动特征来表示。经过筛选，本项目拟使用如下底层特征：方向梯度直方图能有效地描述形状信息，对颜色量化建立统计直方图，可以作为图像的颜色分布特征；暗通道特征是用来对图像中的大雾、烟雾等异常情况进行分析。除了底层特征，高层语义特征对于视觉建模亦具有重要意义，由于最近的深度学习算法展现的压倒性性能优势，拟使用基于卷积神经网络的高层语义特征。该特征不需要人为干预，在深度网络中自动学习具有判别能力的信息作为特征。
2.1.2 视觉显著性检测算法
面对复杂的场景，人类可以本能和迅速的将注意力集中在场景中最为显著的部分并对其进行优先处理，这种机制被称为视觉显著性机制。该机制保证了人眼对视觉信息处理的针对性，同时保证了人类实现对捕获的二维场景进行三维重建的高效性。
2.1.3 代表性视频帧的选择算法
通常来说便携设备拍摄的视频数量巨大，其中很多的视频帧质量较差，如出现模糊、视频帧中不包含待重建的物体。为此拟选择一部分具有代表性的视频帧进行三维重建，选择的策略基于主动学习算法。主动学习是半监督机器学习的一个特例，在主动学习中，一个学习算法可以交互式的询问用户（或其他信息源）来获得在新的数据点所期望的输出。
2.2 实践依据
本文所涉及的理论均有良好的实践依据。图像的特征表示能够有效地描述视觉内容，利用该特征表示可以进行有效的物体与行人的检测，并取得了较好的结果。
1）视觉特征表示。HOG特征可以有效地描述视觉图像中各种物体或者人体的外观轮廓，并具有很高的鲁棒性。大量实验表明，就单一特征而言，HOG是最好的特征。图1是通过对HOG训练的模型进行可视化得到的结果，左图是行人，右图是自行车，可以看出HOG特征比较准确地提取了人体和自行车的共性特点。基于卷积神经网络的高层语义特征从每张图片中采样一定数量的子区域，这些子区域通过一个深度学习训练好的SVM判断其语义特征，最终获得该图片对应的类别。
期刊文章分类查询,尽在期刊图书馆
2）视觉显著性检测。由于视频的拍摄中包含了大量非建筑物的物体，拟通过显著性预测算法计算视频不同区域的视觉显著性。
3）SfM的三维重建技术。基于SfM的三维重建是本文的核心算法。其SIFT特征提取与递增策略结合，利用迭代式的估计对摄像机参数进行估算判断，在实验过程中发现三维重建可以精准重现视频素材。而结合了多视角聚类以及双目匹配算法PMVS2实现三维物体的渲染效果，达到了预期的效果。通过测试可以看出，SfM三维重建算法可以较好的重建不同类型的三维物体。
3技术关键与难点
本文所涉及的技术在实现过程中主要的技术关键和难点如下。
1）用户拍摄视频的变电站视频可能质量不佳，导致难以有效的提取不同视角的物体进行三维重建：虽然用户通过便携式设备拍摄的视频方法便捷，但是获取的视频质量常常不能符合要求，如便携式手持摄像机导致很多视频存在较大程度的抖动，获得的视频中有一定数量的视频帧中未完全包含待重建的三维物体，拍摄的视角不佳从而导致无法有效的用来进行三维重建。
2）如何快速准确的从用户拍摄的多个角度的视频中选择一组具有代表性的视频帧进行三维重建是第2个研究难点。通过分析发现，用户拍摄的视频中往往只有一小部分包含了待重建的物体，而视频的大部分区域则属于类型各异的背景物体，这对于智能的选择一组代表性视频帧输入到SfM软件包中进行三维重建造成了干扰。解决该问题需要准确地判断视频中的非待重建物体的区域，但是这些区域和待重建的物体部分难以在外观上和语义上进行有效的辨别。除此之外，如何设计一种合理的且对噪声鲁棒的特征/样本选择算法进行代表性帧选择也是一大技术难题。
3）为了实现高效使用Kinect和VR设备进行三维交互，对运行设备的三维渲染能力以及核心算法的运行效率提出更高的要求。在三维交互应用中，各种软件的运行对平台的硬件配置和软件运行效率依赖极大。例如，由于VR眼镜需要左右眼镜各自装配一个微型显示器，同时为了获得更好的沉浸式交互体验，左右眼的微型显示器需要维持在较高的分辨率，这需要强大的GPU来完成这些复杂的三维渲染任务。
4成果意义及应用
本文所论述的技术在电力系统实现后，将在以下方面对电力系统培训产生积极深远的影响。
1）解决变电站实物培训的安全问题。基于虚拟现实的电力系统培训主导的是全时段、全方位、全流程的生产和安全培训，整个过程不依赖于现场实地环境就可以实现工作现场的完整培训，可以最大程度地避免由于诸如人的疲劳、疏忽、脱岗和责任感缺失等人为因素带来的培训隐患，解决变电站实物培训的安全问题。
2）改善传统的培训环境，使培训环境生动化、可控化。基于虚拟现实的电力系统培训利用场景建模和动态交互等技术，增强了受训员工临场感和动态交互感，改变原有培训枯燥的方式，使培训环境生动化。培训可基于不同场景，包括事故分析及处理的培训、重大事故预防演练等，从根本上实现培训目的。
3）大幅提高电力系统培训效率。电力系统培训的智能化在提升安全性的同时会提高培训效率。相比传统的理论化、轻实践教学模式，基于虚拟现实的智能化教学，增强了受训员工的临场感和可操作性，彻底激发员工的受训热情，提升培训效果。
5结语
虚拟现实技术在行业中的应用会对技术本身的发展起到巨大的推动作用，因为任何技术的发展和成熟需要经过实践的检验。虚拟现实三维场景构建技术、可视化技术和动态交互技术是实践性很强的学科，来自变电站一线的环境数据和设备操作信息是检验技术有效性和实用性最好的炼金石，同时也为技术的创新和完善提供了契机。
参考文献：
[1]赵莹，胡静，黎明，等.基于分形维数的图像纹理特征表示方法[J].上海电机学院学报，2011，14（1）：39-43.
[2]彭真明，张启衡，魏宇星，等.基于多特征融合的图像匹配模式[J].强激光与粒子束，2004，16（3）：281-285.
论文作者:董国威,宋毅,杨云,张炳清
论文发表刊物:《电力设备》2017年第27期
论文发表时间:2018/1/10
标签：特征论文; 变电站论文; 视频论文; 技术论文; 物体论文; 电力系统论文; 视觉论文; 《电力设备》2017年第27期论文;