基于傾斜攝影對(duì)輸電架空線走廊三維重建關(guān)鍵設(shè)計(jì)

董選昌 曲烽瑞 張記權(quán) 李艷飛 楊成城

摘要：傾斜攝影測(cè)量技術(shù)是繼航空攝影測(cè)量之后又一項(xiàng)新的先進(jìn)的對(duì)地觀測(cè)技術(shù)，它利用慣性導(dǎo)航系統(tǒng)（IMU）、全球定位系統(tǒng)（GPS）和數(shù)碼相機(jī)，可快速、準(zhǔn)確地獲取地面及附屬物的三維坐標(biāo)和數(shù)字影像數(shù)據(jù)。高壓輸電線路走廊環(huán)境復(fù)雜，三維重建任務(wù)給輸電管理部門(mén)提出了新的要求和研究課題。

關(guān)鍵詞：傾斜攝影；輸電架空線走廊；高壓線路；三維重建；沒(méi)量技術(shù) 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2016）18-0013-02 DOI：10.13535/j.cnki.11-4406/n.2016.18.007

為了保證電力輸送系統(tǒng)的正常運(yùn)行，我們需要對(duì)電力線走廊進(jìn)行巡檢。電力線走廊的范圍大，距離長(zhǎng)，線路往往需要經(jīng)過(guò)深山野林，跨越大江大河，穿過(guò)沙漠等交通工具行駛不方便的地區(qū)。巡檢的主要目的是發(fā)現(xiàn)可能威脅到輸電線路的障礙物，如樹(shù)木、房屋等。人工巡線不僅需要花費(fèi)大量的時(shí)間精力，而且難以應(yīng)對(duì)突發(fā)的故障。相對(duì)于傳統(tǒng)的人工巡檢方法和手段，目前新的方法主要有機(jī)器人巡線和直升機(jī)巡線。機(jī)器人爬線盡管獲取數(shù)據(jù)精度高，但是存在著電池的續(xù)航能力不足導(dǎo)致巡檢效率不高的問(wèn)題。無(wú)人機(jī)巡檢電力線路具有高效、快捷、可靠、不受地域影響等優(yōu)點(diǎn)，成為電力線巡檢技術(shù)發(fā)展的趨勢(shì)。除人工巡檢外，利用直升機(jī)巡檢的另外一個(gè)優(yōu)勢(shì)是獲取電力線走廊的地形地貌及電力設(shè)施等信息，可以系統(tǒng)進(jìn)行檢查并建立樹(shù)木生長(zhǎng)和預(yù)測(cè)模型。目前獲取走廊的方法有三維激光掃描和立體攝影測(cè)量，林昀等利用激光雷達(dá)對(duì)寧海地區(qū)的超高壓進(jìn)行了快速巡檢，該方法雖然高效，但激光雷達(dá)的價(jià)格貴、測(cè)量范圍小、操作難度大，所以難以推廣應(yīng)用。而立體攝影測(cè)量的方法是利用飛機(jī)搭載數(shù)碼相機(jī)對(duì)電力走廊進(jìn)行多角度拍攝，然后對(duì)電力走廊進(jìn)行三維重建。這是目前的主流方法之一，具有體積小、重量輕、成本低的特點(diǎn)。在實(shí)際的直升機(jī)巡線中，一般是采用來(lái)回雙航帶的飛行模式，并用單相機(jī)進(jìn)行拍攝。

1 方案和流程

對(duì)于航拍，我們要求飛機(jī)必須沿著導(dǎo)線低空飛行，拍攝影像的航向重疊度不能低于60%。在航飛拍攝完成后，我們獲得一組電力走廊的航飛照片。首先要提取影像間的連接點(diǎn)；接著對(duì)航拍影像進(jìn)行GPS輔助空中三角測(cè)量獲取影像的外方位元素；最后對(duì)影像進(jìn)行密集匹配生成具有三維信息的點(diǎn)云模型。具體的流程如圖1所示。

2 連接點(diǎn)提取

由于SIFT算法具有尺度不變、旋轉(zhuǎn)不變等特性，所以本文采用SIFT（Scale-Invariant Feature Transform）局部特征檢測(cè)算法來(lái)提取連接點(diǎn)，并用GPS信息來(lái)加速連接點(diǎn)的計(jì)算。算法首先構(gòu)建圖像金字塔，金字塔的上層是由下層高斯卷積得到的，上級(jí)是由下降得到的，金字塔的結(jié)構(gòu)如圖2所示；然后遍歷每個(gè)尺度空間中的像素點(diǎn)，并對(duì)每個(gè)遍歷像素點(diǎn)和同層及上下層圖像比較，找出極值點(diǎn)；接著利用公式（1）計(jì)算每個(gè)極值點(diǎn)鄰域像素的主梯度方向來(lái)描述關(guān)鍵點(diǎn)的旋轉(zhuǎn)不變性；再接下來(lái)為關(guān)鍵點(diǎn)生成128維特征向量，使得特征點(diǎn)具有旋轉(zhuǎn)不變和不受光照影響的特性；最后，在兩幅影像匹配中，找出與關(guān)鍵點(diǎn)特征向量的歐式距離最近的兩個(gè)點(diǎn)，如果最近的距離除以次近的距離少于0.6則接受這個(gè)匹配點(diǎn)。為了加快影像匹配速度，利用已知的GPS信息來(lái)篩選具有重疊度的影像。方法是假設(shè)所有影像都是水平的，將GPS的坐標(biāo)信息轉(zhuǎn)換成像方空間坐標(biāo)系。然后根據(jù)像片的長(zhǎng)寬計(jì)算影像是否有重疊的部分。這樣在做影像匹配的時(shí)候就不需要考慮所有的像片組合了，而只需考慮有可能重疊的像片組合，從而減少匹配的計(jì)算量。

（1）

式中：L（x，y）為圖像函數(shù)；m（x，y）為梯度大小；為梯度方向。

3 GPS輔助空三測(cè)量

由于沒(méi)有控制控制數(shù)據(jù)，我們采用GPS輔助空中三角測(cè)量方法來(lái)獲取影像拍攝時(shí)的攝影中心位置和姿態(tài)。首先，利用SIFT算法提取的連接點(diǎn)構(gòu)建雙航帶影像的自由模型；然后，根據(jù)投影中心和GPS天線的位置關(guān)系解算出每個(gè)影像攝影中心和姿態(tài)的初值。GPS輔助空中三角測(cè)量基于式（2）和式（3）進(jìn)行聯(lián)合解求。式（1）表示每張影像攝影中心（XS，YS，ZS）和相應(yīng)拍攝時(shí)刻GPS坐標(biāo)（XA，YA，ZA）的平移、旋轉(zhuǎn)關(guān)系；式（2）表示每個(gè)連接點(diǎn)（x，y）和地面點(diǎn)（X，Y，Z）的共線關(guān)系。

（2）

式中：R為影像姿態(tài)角決定的旋轉(zhuǎn)矩陣；（u，v，w）為像空間輔助坐標(biāo)系的GPS位置的坐標(biāo)平移。

（3）

從每幅影像上的待定像點(diǎn)坐標(biāo)和GPS獲取的攝影中心坐標(biāo)出發(fā)，按每條攝影光線的共線方程式（3）列出誤差方程，逐點(diǎn)法化建立改化法方程式，按最小二乘法即可求得每張影像的攝影中心（XS，YS，ZS）和旋轉(zhuǎn)矩陣。

4 密集匹配

本文采用基于半全局匹配算法（SGM）的多級(jí)密集匹配來(lái)生成點(diǎn)云。算法是基于全局匹配能量函數(shù)簡(jiǎn)化得到。對(duì)于一種匹配可能，全局能量函數(shù)定義為：

（4）

式中：第一項(xiàng)表示對(duì)于像素p，視差為Dp時(shí)的不相似性代價(jià)；第二項(xiàng)表示像素p取視差Dp與鄰域內(nèi)的點(diǎn)q取視差Dq時(shí)。視差較為1的懲罰性代價(jià)；第三項(xiàng)表示像素p取視差Dp與鄰域內(nèi)的點(diǎn)q取視差Dq時(shí)，視差較大于1時(shí)的懲罰性代價(jià)。

最優(yōu)全局匹配的目標(biāo)是最小化能量函數(shù)E（D）。利用式（5）通過(guò)8個(gè)或16個(gè)方向代價(jià)的和得到近似全局最優(yōu)的匹配結(jié)果。

（5）

5 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)利用集成差分GPS、索尼A7R高分辨率定焦相機(jī)的航空數(shù)碼攝影系統(tǒng)和8旋翼無(wú)人機(jī)對(duì)廣州大學(xué)附近的一條220kV線路進(jìn)行了數(shù)據(jù)采集和三維重建。從圖2中可以看見(jiàn)桿塔和地面樹(shù)木都已經(jīng)三維重建成功：

圖2 對(duì)桿塔和地面數(shù)據(jù)采集三維重建結(jié)果

將生成的三維數(shù)據(jù)模型疊加到三維平臺(tái)上面，如圖3所示。與0.265米分辨率的高清航拍圖進(jìn)行疊加顯示，航拍的地物可以和傾斜攝影三維重建的數(shù)據(jù)完美疊加在一起（圖中兩個(gè)綠化帶完美疊加一起），驗(yàn)證了數(shù)據(jù)的精度比較高。傾斜攝影低空飛行帶來(lái)高分辨率的地面紋理。

圖3 與分辨0.2米的三正射影像疊加

6 結(jié)語(yǔ)

通過(guò)對(duì)輸電走廊線路的三維重建，很好地展示了輸電線路桿塔與周圍真實(shí)環(huán)境的距離，環(huán)境真實(shí)場(chǎng)景的再現(xiàn)和定位，為輔助輸電管理、運(yùn)行維護(hù)提供了幫助。未來(lái)還可以結(jié)合電力的生成管理平臺(tái)，實(shí)現(xiàn)電力設(shè)備與真實(shí)場(chǎng)景的可視化及生命周期管理。

目前還存在一些技術(shù)不足的地方，桿塔三維重建細(xì)節(jié)不夠完美，導(dǎo)線還不能全自動(dòng)化提取。今后可以通過(guò)設(shè)計(jì)規(guī)則、對(duì)稱性原理、桿塔參數(shù)等約束條件與三維重建幾何約束關(guān)系，實(shí)現(xiàn)桿塔模型真正的全自動(dòng)化建模。

參考文獻(xiàn)

[1] 譚金石.基于攝影測(cè)量技術(shù)的電力線高程測(cè)量方法

[J].測(cè)繪科學(xué)，2013，（2）.

[2] Lowe，D.G.Object Recognition from Local Scale-Invariant Features[M].International Conference on Computer Vision.Corfu，Greece，1999.

[3] Hirschmiiller H.Stereo Processing by Semiglobal Matching and Mutual Information[J].IEEE Transactions On Pattern Analysis And Machine Intelligence，2008，30（2）.

[4] 林昀，吳敦，李丹農(nóng).基于機(jī)載激光雷達(dá)的高精度電力巡線測(cè)量[J].城市勘測(cè)，2011，（5）.

[5] 王之卓.攝影測(cè)量原理[M].北京：測(cè)繪出版社，1979.

[6] 徐剛.由2維影像建立3維模型[M].武漢：武漢大學(xué)出版社，2006.

[7] 袁修孝.GPS輔助空間三角測(cè)量原理及應(yīng)用[M].北京：測(cè)繪出版社，2001.

（責(zé)任編輯：黃銀芳）