機載LIDAR輸電巡檢中絕緣子缺陷識別研究

劉豐

摘? 要：隨著智能電網建設的大規模開展，對電網快速、高精度勘測、巡查和可視化管理提出了巨大的應用需求。在輸電線路中絕緣子是電網中用量龐大、種類繁多的零部件，而且極易損壞。通過機載LIDAR及可見光傳感器對輸電通道絕緣子進行缺陷識別，利用Canny算法對絕緣子影像進行邊緣檢測，處理后所獲取圖像邊緣更完整、清晰。邊緣連接性更強，輪廓邊緣的細節更加完整，能有效抑制噪聲對邊緣檢測的干擾，實驗結果表明，該方法可以較好地完成對目標圖像的識別，從而對絕緣子缺陷監測和定位提供數據支撐。

關鍵詞：輸電線路? 激光雷達? 絕緣子? Canny算法? 邊緣檢測

中圖分類號：TM755? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）09（c）-0101-03

Abstract： With the large-scale development of smart grid construction， there is a huge application demand for rapid and high-precision survey， inspection and visual management of power grid. In the transmission line， insulator is a large amount of parts and components， and it is easy to be damaged. Through the airborne lidar and visible light sensor to identify the defects of the insulator in the transmission channel， and using canny algorithm to detect the edge of the insulator image， the edge of the image obtained after processing is more complete and clear. The edge connectivity is stronger， the details of the contour edge are more complete， which can effectively suppress the interference of noise on edge detection. The experimental results show that the method can better complete the recognition of the target image， thus providing data support for insulator defect monitoring and positioning.

Key Words： Transmission line; Lidar; Insulator; Canny algorithm; Edge detection

高壓輸電線路的檢查方法一般采用皮帶輪或手動檢查。傳輸通道走廊周圍的地理環境通常海拔較高、或者是大片的森林和戈壁沙漠、或者橫跨濕地和湖泊。通訊和交通十分不便，工作環境較為惡劣，巡邏人員的人身安全也很脆弱。而且人工檢測效率低、工作強度大、檢測速度慢。這些因素使線路的檢查和維護極為困難。近年來，我國逐漸開始使用有人和無人飛行器進行線路檢查，與以前的方法相比，它效率高、工作強度低。通過對航飛收集的圖像數據進行詳盡的處理和比較，從收集到的大量數據中發現傳輸線設備和設施的異常情況，傳輸線路缺陷。

傳輸線中的絕緣子是電網中的大量組件，非常容易損壞。在長期的機械外力和自然環境，風和溫差的急劇變化的影響下，它會導致絕緣層破裂和掉落，從而導致絕緣性能下降。傳輸線絕緣層損壞，導致電流返回地面，以致引起電網癱瘓并且操作中斷。現在采用三維激光點云數據與圖像數據分析相結合的方法，將激光雷達數據與航拍圖像相互記錄，以獲得電力設備安裝的空間坐標位置，及時隱藏危險位置;結合使用圖像處理分析技術來識別絕緣設備中的缺陷，為員工維護提供了依據。

1? 原理與表達

1.1 LIDAR位置的坐標

機載LIDAR系統是由全球衛星定位系統（GPS）、慣性導航系統（INS）及激光定位系統等精密部件所組成的復雜系統。通過激光束脈沖信號的發射及接收，將返回的信號進行處理，實現對地定位（如圖1所示）。結合飛行器的航跡文件，可計算出包括LiDAR在各采樣時間的GPS位置信息、距離信息、速度信息及觀測角度信息。

機載LIDAR數據包括原始激光點云數據信息、慣性導航信息數據、機載GPS數據和基站地面數據。原始激光數據除了包含坐標、姿態等空間信息以外，還包括激光脈沖回波的反射強度信息。結合機載GPS航跡信息，經過數據處理后，可為每個激光點計算出基于WGS84坐標系的坐標值，從而實現激光測量數據的大地定向。在處理計算的同時還必須考慮數設備原因造成的系統誤差，包括激光測距裝置與GPS天線中心位置的偏差，航載激光掃描儀安裝的翻滾傾角、俯仰傾角和航偏傾角，以及慣性導航裝置相對于GPS的偏心矢量與飛行器坐標軸間的視軸偏心角等。由于GPS基準站與機載運動站GPS實現同步觀測，在此時間段內星歷誤差、大氣影響等因子誤差基本一致，有高度的相關性，因此可采用雙差分以消除機載三維LiDAR在數據采集過程中的衛星時間鐘差、衛星軌道誤差、信號在對流層傳輸延遲、電離層傳輸延遲誤差等方面因素的影響，提高空間測量的定位精度。

1.2 絕緣子的識別

航拍所獲取的影像背景復雜，干擾信息較多，需要通過一系列圖像處理技術處理提取絕緣子的有效信息。邊緣檢測通過研究圖像邊緣的基本特征，利用絕緣子邊緣變化表現為灰度變化，可通過圖像邊界進行微分計算灰度的變化來檢測絕緣子邊緣。現業界已經提成多種不同的邊緣檢測方法。在這些算法中，Canny算法由于在性能上有優異的表現而受到廣泛的關注。

Canny算法的基本步驟為：先采用高斯函數一階導數對所要處理的圖像進行進行平滑濾波，對圖像噪聲實施抑制;由于高斯過濾的負面效果是容易發生邊緣模糊，需用“非極大值抑制”進行處理，以便尋找圖像中邊緣點中的局部最大灰度點;處理后減少了非邊緣點的情況，但是并不能消除一些假邊緣點，需進一步使用雙閾值遞歸實現圖像邊緣連接。遞歸以高閥值點作為輪廓邊緣，在難以閉合的時候在尋找滿足條件的低閥值點進行補充，最終完成邊緣檢測測的閉合。Canny與其他邊緣檢測方法的不同之處在于使用2種不同的閾值區分強邊緣和弱邊緣，由于絕緣子由單一材質所構成，特征較為明顯。高閾值點可認定為提取絕緣子輪廓的有效強邊緣，當強邊緣由于信噪產生斷開難以連接時，可遍歷周邊8個臨近低閥值點提取弱邊緣，并選取合適的像點，實現輪廓的連接與閉合，最終實現絕緣子邊緣識別的目的。

2? 實驗結果

LAS格式標準的1.3版添加了激光回波波形數據中的信息，這些信息可用于提取和分類特征信息，以區分動力設備和其他地形擴展應用。首先，必須閱讀基本信息，例如比例因子，坐標系和公共文件頭區域的坐標偏移量，然后在區域的點數據記錄中讀取所需的坐標數據。可變長度記錄。最后完成坐標值的提取和處理。

配準LIDAR數據和圖像數據的過程包括：首先選擇與兩個圖像相對應的相同名稱的圖像點，然后根據圖像的空間方向元素來計算相應的地形點。由于相機上圖像空間姿態的偏差，在計算出的與同名地面點相對應的照片中經常會出現錯誤，難以準確匹配。有必要進一步校正圖像外部方位元素的幾何變化，以使相同名稱的圖像點和地面點重合，并對激光雷達數據和航拍數據進行準確配準。

2.1 配準測試

實驗數據為LIDAR數據采樣間隔為1.2m、航拍數據采樣間隔為0.15m，對LIDAR采用7×7 作為中值濾波平滑，Harris點采用7×7高斯模版，極大值抑制半徑為5的情況下，并選擇15作為原型區域搜索半徑，可以得到角點互信息配準與配準后圖像的psnr（峰值信噪比）對應關系，如表1。

可以看出半徑為15效果比較理想。

采用角點互信息和普通互信息配準的對比見表2。

其中ddr（偏離度）問反映融合圖像與原始圖像在光譜上的匹配程度，越小越能反映保留原光譜信息。

2.2 Canny測試

示例絕緣子原圖如圖2和如圖3所示。

3? 結語

通過機載LIDAR及可見光傳感器對輸電通道絕緣子進行缺陷識別，能提高工作效率，減少人力浪費。首先，使用Canny算法通過對影像進行邊緣檢測，提取出的絕艷子邊緣清晰，經過雙閥值處理后邊緣連續性效果理想，實驗結果如表3表明，該方法可以較好地完成對目標圖像的識別，能有效判斷絕緣子是否存在破裂、脫落危險;通過配準結合LiDAR坐標數據，能快速鎖定故障點所在位置，實施維搶修活動，有推廣使用價值。

參考文獻

[1] 侯國瑞.激光LiDAR點云在電力巡線中的應用[J].經緯天地，2019（8）：19-22.

[2] 于旭宅.基于LiDAR數據的輸電線路通道危險區域提取方法研究[D].北京：北京林業大學，2018.

[3] 張偉劍.輸電巡檢中絕緣子缺陷判讀及位置配準研究[J].科技資訊，2018（2）：55-57.

[4] 張佳鵬.基于時空融合的激光雷達障礙物檢測與運動目標跟蹤[D].杭州：浙江大學，2019.

[5] 黃陸君，電力巡線LiDAR點云電塔自動定位和提取算法[J].測繪通報，2020（4）：53-57.

[6] 許克崍.輕型機載LiDAR技術在電力工程中的應用[J]. 電力勘測設計，2017（5）：30-34.