電力巡線無人機實時避障方法研究

張捷

摘 要：隨著無人機技術在電力領域的廣泛應用，其在電力巡線中發揮重要的作用，不僅大大降低人工巡檢的勞動強度，而且在安全、快捷、效率等方面優勢明顯。在復雜的巡線工作環境中，實時避障成為需要解決的關鍵技術。為探究電力巡線無人機實時避障方法，本文結合工作實踐，對無人機實時避障技術方案進行深入分析，針對未知障礙物的避障，利用模糊控制方法來產生避障決策，進而實現電力巡線無人機的實時避障。

關鍵詞：電力巡線;無人機;實時避障;模糊控制

隨著社會經濟的快速發展，我國電網規模快速擴展，幾乎覆蓋了我國的每個角落，偏遠、山區等地區也實現了通電，這使得發電量與輸電量也不斷提高。面對快速增加的電網規模，以及復雜多樣的輸電環境，遠距離超、高壓輸電成為電力企業的核心業務。在復雜的輸電環境下，受到氣候、山川、河流等環境因素的影響，遠距離超、高壓輸電線路與設備容易產生破損、老化等損壞現象，給電力輸送帶來隱患。因此為保障電力輸送的穩定運行，就必須對輸電線路進行定期巡檢，及時掌握輸電線路的運行情況，及時發現問題并排除隱患。傳統的人工巡檢面臨地理環境、氣候環境等諸多因素的干擾，容易形成巡檢“盲區”，這就需要一種高效的、智能的新方式，而無人機的應用，為其提供了可能。

1 電力巡線無人機實時避障技術方案分析

在電力巡線過程中，根據環境條件和業務需要，無人機可搭載不同的設備進行巡線，完成對應的任務。對于遠距離超、高壓輸電線路而言，山川、樹木、建筑物等可見障礙物外，還有非可預見性障礙，這些都需要采取針對性的避障技術完成無人機巡線。對于已知可見障礙物，可以通過采取無人機路徑規劃巡線方案，在巡線前完成路徑規劃。對于未知障礙物因素，則需要采取實時避障的方法，利用空間環境信息處理來完成巡線。

對未知故障的無人機巡線中，要先根據輸電線路的實際情況，提前設計好對輸電線路的自主避障，估計出無人機與輸電線路的相對距離，實現對輸電線路的實時避障。對于其他未知的障礙物，則需要借助無人機上的激光雷達傳感器、超聲波傳感器、視覺傳感器、GPS等設備，獲取無人機巡線中障礙物的相關數據信息，然后進行數據分析處理和控制策略確定，通過無人機飛行控制器來控制無人機飛行方向與速度，進而實現無人機飛行路徑的有效控制。

2 基于單目視覺的輸電線距離估計

2.1 輸電線圖像特征點提取與篩選

工作實踐統計分析發現，無人機巡線中出現的飛行事故，空中微小障礙物、輸電線等占據較大比例，這是因為輸電線與微小障礙物的物理特征給無人機識別設備帶來識別與距離估計困難。因此針對基于單目視覺的輸電線與無人機間距離的測量算法進行分析，以尋求最佳方案。

為使無人機的圖像識別設備能夠準確識別微小障礙物與輸電線，需要利用數字圖像處理技術對輸電線的圖像特征進行提取，包括圖像的點特征、線特征、面特征、紋理特征與顏色特征。在點特征的提取中，角點檢測最為關鍵，在電力巡線無人機應用中，常用的角點檢測算法一般包括Harris算子、Moravec算子和SUSAN算子等，其檢測步驟為：輸入圖像→執行角點檢測算子→設定角點度量閥值→抑制非極大值→角點。

在具體的巡線中，對圖像特征點的提取可采用Harris角點檢測算子的算法進行提取操作。先求圖像中像素點的梯度值，得到矩陣元素值，然后使用高斯濾波函數處理，得到新的矩陣，求取像素點的興趣值，之后選擇局部極值點，設定閥值，然后在范圍內選取一定量的角點。之后為排除其他物體特征點的干擾，對選取的角點進行篩選，確保所有角點為輸電線上的特征點。對角點的篩選采用構造層次結構的方法，先對選取的角點進行編號，計算任意兩個特征點間的斜率值，并根據斜率值的范圍確定角點的分類，最終篩選出符合輸電線斜率特征的角點，最終篩選出的所有角點能夠連接成一條直線，即暫時認定篩選出的角點為輸電線的特征點。

2.2 輸電線識別

通過Harris檢測算法提取與篩選獲得的特征點之后，還需要進一步篩選，去除與輸電線特征相似的特征點，這就需要進行輸電線識別。在這個環節，需要用到基于Hough變換的直線檢測技術，將圖像中直線的檢測問題轉化為極坐標中的計數問題，極坐標方程為：

經過Hough變換算法的計算，將圖像在直角坐標空間中的特征點轉換到極坐標空間中，并將極坐標空間分為若干小單元，并將（xi，yi）點量化后的θ值代入極坐標方程式，獲得對應的ρ值，即獲得圖像坐標原點與直線間的距離。

通過Hough計算檢測出圖像中直線的起點、重點與坐標，然后根據累加器閥值的設計獲得圖像中直線的長度，之后需要結合輸電線特征進行輸電線識別。從實際情況來看，輸電線的特征是比較明顯的，比如輸電線的連續性、灰度分布的均勻性、相鄰電力塔間各條輸電線的平行關系，以及圖像中輸電線的直線特征、走向一致特征、粗細均勻特征等，此外輸電線背景的復雜性與穿插畫面特征等，這些具有很強共性的特征都為輸電線識別提供了指導。考慮到輸電線的這些共性特征，輸電線的識別算法可采用Adaboost算法原理，并且采用基于特征的分類器代替Asaboost算法中弱分類器，設計輸電線分類器訓練算法。在該算法下，選取適量輸電線進行訓練，得到長度、平行、線寬三個分類器，然后將其串聯，最終形成輸電線分類器，其框架如下：

Hough變換直線檢測→長度分類器→平行分類器→線寬分類器→輸電線

2.3 輸電線距離估計

先對輸電線特征點進行匹配，采用基于IMED的Harris匹配算法，充分發揮其簡單、高效的優勢，具體步驟如下：

第一步，利用Harris算法獲得基準圖像特征點的特征向量矩陣A，以及待匹配圖像上特征點的特征向量矩陣B;第二步，確定A、B間像素關聯值;第三步，通過計算獲得特征點間的歐氏距離;第四步，對得到的IMED值排隊，選擇最小值為最佳匹配對。

在無人機巡線的實踐中，由于存在復雜的外界干擾因素，在獲得Harris特征點匹配后，還需要考慮實際干擾因素，選擇隨機抽樣一致性算法（RANSAC）消除誤配。無人機在巡線過程中，其與輸電線間的距離不可能總保持在一個特定值，而是根據實際情況在一定的范圍內，當無人機與輸電線間的距離發生變化時，圖像上特征點也會發生變化，尋找這兩種變化間關聯的函數關系，則能夠實現無人機和輸電線間距離的估計。

3 基于模糊控制的算法

3.1 基本結構

在無人機巡線中，人工操作能夠取得良好的效果，但對于復雜情況下的無人機巡線，則需要采取更加智能化的方法實現實時避障，其中模糊控制的應用往往能夠達到很好的效果。模糊控制屬于人工智能的一種新類型，屬于智能控制的范疇，它的理論基礎是模糊數學，其具有很強的魯棒性，在實踐中又很廣泛且有效地應用。在電力巡線中，無人機實時避障需求下的模糊控制對象具有明顯的特征，比如，被控參數的非線性、數學模型無法準確表述、任務要求高且復雜性強等。

巡線無人機的模糊控制器包括四個部分：一是模糊化部分，主要功能是對輸入的數據進行模糊化轉換，包括激光雷達、超聲波等輸入數據的融合;二是知識庫部分，包括數據庫和模糊控制規則庫，主要實現對各種參數的定義功能，以及一些根據經驗和知識所指定的控制規則;三是模糊推理部分，依據數據庫中參數的定義和規則的控制，產生類似人類智能的推理能力;四時解模糊化部分，即對模糊化后的數據進行精確化轉換，完成數據的輸出。

3.2 輸入輸出量的模糊化與模糊規則建立

在實踐工作中，由于選線無人機設置多個傳感器，為最大限度減少由于傳感器故障而產生的錯誤，則需要對多個傳感器的測量值進行融合，從而提高精準度。無人機傳感器主要包括實現方位功能的超聲波傳感器，以及實現速度和方向功能的激光測距雷達傳感器。在數據輸入時，將無人機前方、后方、左方、右方四個方向輸入值分為一組，進行加權平均計算，得到的模糊化值進行模糊化語言變量設置，比如“近、中、遠”，得到輸出變量。此外，對于無人機飛行速度的參數值，也可經過模糊化轉換，得到輸出變量“慢、中、快”。最后根據無人機巡線工作的實際，模糊規則分為四種，即無障礙物、一方有障礙物、兩方有障礙物、三方有障礙物，并建立相應的規則。

3.3 隸屬函數的選擇

在無人機應用領域，理論上的隸屬函數尚未有統一的規則和方法，考慮到電力輸電的實際情況，以及無人機的實際，可選擇靈敏度高、占用內存小、運算簡單的三角形隸屬函數。隸屬函數的選擇要充分考慮到客觀事物運動規律，以及無人機記載嵌入式平臺的實際情況。

無人機巡線的實踐應用領域，不僅要考慮到輸電線環境中的客觀障礙物，還需要考慮到不可見障礙物，這就需要無人機實現實時避障功能，選擇合理的算法，估計出無人機與輸電線間位置關系的最優無碰撞路徑，這就需要運用到模糊控制方法，采用模糊控制避障決策，完成高質量的無人機巡線。

參考文獻：

[1]丁為杰.無人機自主電力巡線關鍵技術研究[D].山東大學，2019.

[2]高尚，劉帆，馮小青.基于機器視覺的無人機自主電力巡線關鍵技術研究[J].大科技，2019，43.

[3]周小紅，李向歡，石蕾，龍煥.無人機傾斜攝影技術在電力巡線樹障檢測中的實踐應用研究[J].電力大數據，2019，8.

[4]邴麗媛，劉智，蔣余成.基于模糊神經網絡的電力巡線無人機避障技術研究[J].長春理工大學學報（自然科學版），2017，3.

[5]魯杰，侯力楓，宋新利.無人機電力巡檢視覺避障技術研究[J].數字通信世界，2019，5.