摘要：电力的应用已经渗透到了我们生活中的各个方面，而电力资源主要集中在人迹罕至的区域，要将电力资源充分的利用就需要进行远距离输电，故输电线路在电力系统中具有十分重要的作用。随着无人机和计算机技术的飞速发展，我们可以通过无人机搭载的成像设备获取到输电线路的图像数据，进而通过图像处理技术分析出输电线路上的安全隐患和实现无人机的自主导航飞行等。在本文中我们提出了一种基于无人机航拍高分辨率图像的输电线路检测方法。首先，我们对高分图像进行LSD直线段检测，对输入图像中潜在直线段区域进行检测和分析，提取出疑似的电力线区域；第二，我们线段的角度为特征使用无监督的高斯聚类算法和线段之间位置关系聚类的算法得到图像中候选的输电线路目标；第三，我们提出了图像中直线密度的算子，来滤除图像中虚假的输电线路目标；实验结果表明我们提出的算法在无人机拍摄的实际场景高分辨图像上的电力线识别率能够达到98%，且能够达到实时检测的要求。
关键词：无人机巡检；LSD直线检测；无监督聚类；非极大值抑制；自主导航
1引言
随着我国经济建设进程的不断推进，我们对电力能源的需求也在逐渐增大，采用高压、超高压输电系统是实现长距离输送电力能源的主要方式，所以输电线路已经成为我们日常经济建设中最重要的能源供给线[1]。长距离超高压大容量输电线路大幅度扩建后，维护超高压输电线路的安全稳定运行是我国经济建设高速增长的坚实基础，减少输电系统的故障是减少停电事故发生的前提。要减少输电线路系统的安全运行故障就必须巡检的密度和保证巡检的质量。目前在国内线路巡检的主要方式还是人工作业，人工巡检不仅效率低下而且还受到地形，人员和天气等因素的影响，所以人工巡检已经无法满足新时代下电力事业发展的需求[2]。在这种背景下无人机巡检技术开始出现，直升机作为一种巡视工具在20世纪50年代开始应用于日本和欧美等国家，而国内直升机电力线巡检工作是从近几年才开始出现。无人机巡检是高效率的巡视模式，最早应用于英国威尔士大学和英国电力咨询公司[3]，也正是由于其巡检效率高，低成本、操控方便灵活、维护简单等特点，逐步被应用于测绘、电网规划、灾害应急响应、线路架设、安全监测等电力系统任务之中[4][5]。
电力线是输电线路系统中的主要部件其运行状态的好坏直接关系到整个电网系统的安全稳定。输电线路的架设方向与无人机的巡检方向是一致的，故我们可以通过无人机拍摄的图像进行输电线路检测后确定出无人机的飞行方向，从而实现无人机的自主导航。输电线长期工作在野外的自然环境下，受到日晒、雨淋、雷电等恶劣自然环境的影响；还受到持续机械张力，电气闪络和自身材料老化的影响。导致输电线路出现断股，锈蚀等缺陷潜在的危害着电网系统的安全稳定运行。在激光点云数据应用逐渐普及的今天有很多学者提出了通过点云数据来检测输电线路，但是由于激光点云数据点密度不能过大导致这个方法不能有效的检测到输电线路。李朝阳等在文献[6]提出了一种基于高分辨率图像来检测导线的方法，其中使用Ratio算子检测图像中的潜在直线点，这个算子受到多尺度成像的限制无法保证在不同尺度的图像中都能检测到直线段。刘俍等在文献[1]中提出了使用最大类间方差（ostu）的方法检测图像中的输电线路，但是我们的巡检是在户外成像条件非常复杂，导致在分析过程中图像的背景与前景电力线不能简单的通过二分类的方法来解决。
我们在本文中提出了一种基于lsd直线段检测算法的输电线路检测方法，算法流程如图1所示。本文的组织架构如下，第一部分我们简要的论述了输电线路巡检的重要意义以及基于图像数据的电力线检测技术的发展现状；第二部分我们详细介绍了我们所提出的电力线检测算法；第三部分我们给出了实验结果及分析；第四部分我们进行了简单的总结。
2基于图像数据的输电线路检测算法
图1直线检测流程图
随着计算机硬件技术和智能算法理论的进步，使得自动化的输电线路巡检成为了现实。在图像中实时准确的检测出架空输电线是实现输电线断股、锈蚀等缺陷自动检测和实现无人机自主导航蔽障等关键技术的基础。目前在数字图像处理领域中，直线检测的主流技术是hough变换及其衍生的各种算法，这种类型的算法时间复杂度和空间复杂度较高，在高分辨率图像的应用场景中很能难达到实时性的要求，在本文中我们采用了一种算法时间复杂度为线性的直线检测算法LSD。聚类是人类最为原始的精神活动，用于处理他们每天接收到的大量信息[7]，我们采用类混合高斯分类器的思想来对图像中的直线段进行聚类获取到图像中的直线。在我们对无人机拍摄的大量图像数据进行分析后，我们发现真实的输电线路是按组出现的，不可能出现单股的架空电力线，因此我们定义了图像中线密度的测度来滤除单一的虚假目标来提高电力线检测的准确性。
2.1LSD直线检测算法
在LSD算法出现以前，在数字图像处理中最有效和应用最为广泛的直线检测算法是hough变换，LSD是以局部分析为基础的直线检测算法在运算速度上比hough变换要快。在高分辨率图像中检测直线的场景下，LSD直线检测算法更具有适用性。LSD直线检测算法的步骤概括为如下：
1.对输入图像进行高斯模板卷积降采样，其作用是对图像进行平滑和降噪处理；
2.计算图像中每个像素点的梯度幅值和方向，我们使用sobel算子计算出图像的梯度，使用阈值化提取出图像中梯度变化较大的点，这些点将均匀分布在绝缘子区域的周围。梯度计算的公式如下所示：
g（x） g（y）
3.通过梯度大小对像素点进行排序；
4.直线区域生长分析；
5.NFA值计算，计算类内点密度和进行矩形区域的直线增强处理；
2.2无监督混合高斯聚类
在获取到图像中的所有直线段后，我们没有先验的信息来判断那些直线段是属于某一条直线，故我们需要使用无监督聚类算法找到潜在可能组成一条直线的直线段组合。我们通过lsd直线提取算法可以获取到直线段的四个参数即x1，y1，x2，y2代表的是直线段在图像中的起点和终点坐标。我们使用这些信息可以计算得到直线段的斜率k，这样我们使用斜率这个信息就可以对初始的直线段组进行聚类找到其中可能组成直线的直线段组合。我们认为每一条直线的斜率是一定范围内波动即服从均值为μ标准差为σ的高斯分布[8]，如下所示：
我们从候选的直线段链表中选择一个斜率初始化一个分布，再从剩余的链表中选择一个斜率k，与已经存在的直线分布进行比较。如果在当前的直线斜率落入某个分布的3σ内我们就认为当前的线段属于这条直线；如果于多条直线匹配上那么我们选择距离最小的那条直线，并将当前的直线段归入这条直线。
2.3图像直线密度
由于在实际的场景中成像的背景是比较复杂的，其中可能存在其它直线形的干扰目标如公路，田埂等。从我们对架空电力线的大量图像分析来看，不会出现单股架设的高压电线在野外，故我们需要对这些虚假的目标进行抑制。我们提出了直线密度的概念来滤除图像中单一的虚假直线目标，我们假设图像中的所有直线都是有相互作用力存在，而且这个作用力随着距离而衰减，这样位置孤立的电力线目标受到其它电力线的作用要小于密集分布的直线，
通过这个判据我们就可以滤除虚假的直线目标。我们的线密度定义如下：
其中，x表示两条直线之间的距离，f（x）表示的是两条直线之间的作用力。这样所有直线的之间的作用力由于相互作用的对称性构成一个上三角矩阵，计算量减少为原来的0.5倍。
3实验结果和分析
我们在ubuntu160464位上使用Qt5.51、Opencv3.4.2和GCC编译器实现了本文中所提出的算法，硬件环境为：Intel（R）Core（TM）i5-4200UCPU@1.6GHz 2.3GHz，8.00GB内存。我们通过大疆精灵4系列无人机搭载的相机对22KV输电线路上的三档4级杆塔进行了巡检，共获取了2784张图像。图2给出的是我们获取到的实际巡检图像，其中有一组输电线路，还有大量的农作物按照直线形排列，此外还有一些田埂，该场景干扰目标较多，检测分析比较复杂。
图2输电线路图像
我们使用本文提出的算法对图2中的图像进行了检测，检测结果如图3所示，左图是我们使用LSD直线检测算法在原始图像中获取到的直线段，再通过角度特征聚类后得到的电力线区域（如图中的彩色区域所示）；我们通过第二部中介绍的线密度，计算出了图中每条线对应的线密度如下表1所示：从表中的数据我们可以看到，图像中直线密集的区域的线密度值远远大于，直线稀疏区域上直线的线密度，这样我们可以使用直线在图像中线密度的这个测度滤除孤立出现的虚假目标。
图3电力线检测结果
4结论
本文提出了一种基于图像数据的电力线检测算法，我们通过时间复杂度为线性的LSD算法检测出图像中潜在的直线段；然后使用无监督的混合高斯聚类方法对所有的直线段进行聚类；再使用直线段之间的邻域关系去除距离太远的直线段；最后我们定义了图像中的线密度的测度来过滤图像中虚假的直线目标，进一步的提高了算法的检测精度。
实验结果表明本文的算法可以在高分辨率图像中识别出电力线的位置，运行效率可以达到实时性的要求。对个技术对于实现无人机的自主导航飞行和电力线断股、锈蚀、异物等缺陷检测有很大的应用价值。
参考文献：
[1]刘俍，输电线路巡检中的电力线追踪算法研究与工程应用，山东大学硕士论文，2013.
[2]石丽，输电线路绝缘子缺陷图像检测方法，华北电力大学硕士论文，2013.
[3]ITUENI，SOHNG，Jenkins A．A case study：workflow analysis of powerline systems for risk management［J］．The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences．Vol．XXXVII．Part B3b．Beijing 2008，2008．
[4]ZHANGK.Application and development of transmissionline inspection system based on multi-rotor UAVs［J］．Modern Industrial Economy & Informationization，2013.
[5]王淼 杜毅 张忠瑞，无人机辅助巡视及绝缘子缺陷图像识别研究，电子测量与仪器学报，2015.
[6]李朝阳，高分辨率航空影像中高压电力线的自动提取，中国图像图形学报，2007.
[7]李晶皎，模式识别（第四版），电子工业出版社，2016.
[8]Tao Yang，Yanning Zhang，Clustering method for counting passengers getting in a bus with singke camera，Optical Engineering，March 2010.
论文作者:罗艺,瞿冬波,王乾龙
论文发表刊物:《电力设备》2019年第6期
论文发表时间:2019/7/8
标签：图像论文; 直线论文; 线段论文; 电力线论文; 算法论文; 无人机论文; 线路论文; 《电力设备》2019年第6期论文;