基于MR 技術(shù)的電力線路智能巡檢系統(tǒng)

許繼葵，徐研，張玨，單魯平，鄭志豪

（廣東電網(wǎng)有限責(zé)任公司廣州供電局，廣東廣州 510000）

輸電線路的可靠性與穩(wěn)定性對社會(huì)的發(fā)展至關(guān)重要[1]，與安全距離相比，高壓輸電線路與外部障礙物的距離必須更遠(yuǎn)。電力傳輸線路最常見的外部障礙物是建筑物與工廠，尤其是生長不規(guī)則的超高植物，是輸電線路安全性的潛在威脅。當(dāng)工廠距離電源線較近時(shí)，會(huì)導(dǎo)致異常放電，然后電源線會(huì)出現(xiàn)發(fā)熱與斷裂現(xiàn)象[2]。因此，復(fù)雜的地形、植物生長所處的惡劣環(huán)境會(huì)使得電力線路巡檢步驟繁瑣、費(fèi)用昂貴，且存在一定的危險(xiǎn)性。目前，已有一些電力線路巡檢方法投入實(shí)際工作，主要涉及4 個(gè)方向：足巡、傳統(tǒng)飛行器、爬坡機(jī)器人、無人機(jī)[3-4]，但無人機(jī)技術(shù)一直難以突破續(xù)航能力弱這一技術(shù)瓶頸[5]。隨著智能穿戴設(shè)備技術(shù)的不斷進(jìn)步，在增強(qiáng)現(xiàn)實(shí)（Augmented Reality，AR）及虛擬現(xiàn)實(shí)（Virtual Reality，VR）技術(shù)的基礎(chǔ)上，已有更多的智能可穿戴設(shè)備應(yīng)用于現(xiàn)場服務(wù)與檢修工作[6]。綜合增強(qiáng)現(xiàn)實(shí)與虛擬現(xiàn)實(shí)，可以得到一種能夠合并現(xiàn)實(shí)世界與虛擬世界的混合現(xiàn)實(shí)（Mix Reality，MR）下的可視環(huán)境，在真實(shí)世界與虛擬對象共存的基礎(chǔ)上實(shí)現(xiàn)互動(dòng)[7]。

1 系統(tǒng)設(shè)計(jì)

文中設(shè)計(jì)了一種基于MR 技術(shù)的電力線路智能巡檢系統(tǒng)，系統(tǒng)中各模塊的功能及關(guān)系如圖1 所示。

圖1 系統(tǒng)中各模塊功能及關(guān)系

系統(tǒng)主要由操作界面模塊、綜合分析模塊、指導(dǎo)監(jiān)督模塊3 個(gè)模塊組成，其中人機(jī)交互主要通過操作界面模塊完成，同時(shí)能夠?qū)⒉杉降沫h(huán)境特征信息傳送給綜合分析模塊。綜合分析模塊主要根據(jù)操作需求與預(yù)設(shè)信息對所需要分析的信息進(jìn)行分析處理，同時(shí)接受監(jiān)督模塊的實(shí)時(shí)監(jiān)督，并將指導(dǎo)信息反饋到綜合分析模塊[8-9]。系統(tǒng)操作運(yùn)行流程如圖2所示。

圖2 系統(tǒng)的工作流程

2 電力線路智能巡檢方法

系統(tǒng)的綜合分析模塊根據(jù)外部操作獲得電力線路設(shè)備的圖像，并對其進(jìn)行處理，以明確故障信息[10]。根據(jù)實(shí)際的電力線路分布情況建立電力線路模型，得到較為復(fù)雜的背景環(huán)境，以檢驗(yàn)系統(tǒng)能否在實(shí)際工作中保持較優(yōu)的適用性[11-12]。在實(shí)際處理中，連續(xù)的圖像幀不包含相同的內(nèi)容，系統(tǒng)依次處理所有的幀圖像。

2.1 圖像預(yù)處理

假設(shè)眼部獲取的左圖像為Tz、右圖像為Ty，圖像預(yù)處理包括圖像灰度變換和邊緣檢測。首先，系統(tǒng)將RGB 圖像Tz與Ty變換成灰色圖像Hz和Hy。其次，系統(tǒng)檢測出屬于邊緣的圖像點(diǎn)，常用的邊緣檢測方法較多，每種方法均有各自的優(yōu)缺點(diǎn)。然而，這些方法在復(fù)雜環(huán)境中應(yīng)用時(shí)，穩(wěn)定性較差且背景噪聲大。為此，采用了高斯差分（Difference of Gaussian，DoG）邊緣檢測方法，其具有較優(yōu)的穩(wěn)定性，在復(fù)雜的背景下突出了電力線路的邊緣[13-14]。DoG 是將不同參數(shù)下的高斯函數(shù)相減所得到的結(jié)果，將DoG 處理后的圖像定義為D，其表達(dá)式如式（1）所示。

式中，σ1=0.6,σ2=0.9，H是灰度圖像，圖像的滑動(dòng)濾波器由符號(hào)“×”定義。

2.2 電力線路檢測

根據(jù)人眼的特點(diǎn)，提出了一種通過線性邊緣檢測電力傳輸線的新方法。具體方法如下：

1）由于人眼的移動(dòng)方向與電力傳輸線的分布方向是平行的，所以電力傳輸線在圖像中是垂直分布的。首先，利用線性結(jié)構(gòu)因子對圖像進(jìn)行多次膨脹與侵蝕，定義如式（2）所示。

2）對于檢測圖像中的線段，將相同斜率范圍內(nèi)的線段恢復(fù)為直線。由于傳輸線貫穿整個(gè)圖像，因此可以通過線性連接域的分布來檢測電力傳輸線。

2.3 圖像配準(zhǔn)

在檢測系統(tǒng)中，由于障礙物上的點(diǎn)是連通的，因此無需對圖像中的所有像素進(jìn)行配準(zhǔn)[15]。在傳統(tǒng)加速穩(wěn)健特征（Speeded Up Robust Features，SURF）算法的基礎(chǔ)上，對匹配策略進(jìn)行優(yōu)化。實(shí)驗(yàn)表明，該算法能夠有效提高圖像配準(zhǔn)的速度與精度。可見，選擇的特征點(diǎn)在圖像中是隨機(jī)分布的，圖像配準(zhǔn)的具體步驟如下：

1）利用SURF 算法在尺度空間中檢測圖像的特征點(diǎn)，在圖像濾波過程中，SURF 算法選擇不同大小的窗口，利用Hessian 矩陣提取特征點(diǎn)。圖像中的點(diǎn)由Hessian 矩陣定義如式（3）所示。

式中，σ是在不同尺度上的變化量。

2）以當(dāng)前特征點(diǎn)為中心，沿該點(diǎn)的主方向構(gòu)造一個(gè)邊長為20σ的正方形區(qū)域，將該區(qū)域劃分為16 個(gè)小區(qū)域，計(jì)算每5σ×5σ個(gè)區(qū)域的Harr 小波響應(yīng)。所以，每個(gè)分區(qū)均可以用v=(∑dx,∑|dx|,∑dy,∑|dy|)來表示。最終，得到了64 維描述點(diǎn)。圖像中的突出點(diǎn)定義如式（4）所示。

式中，P1 與P2 分別為左右圖像中的特征點(diǎn)集。

3）計(jì)算P點(diǎn)集中所有點(diǎn)之間的歐氏距離，選擇歐氏距離最小的點(diǎn)作為粗匹配點(diǎn)。根據(jù)歐氏距離按升序?qū)ζヅ潼c(diǎn)進(jìn)行排序，刪除異常點(diǎn)。在匹配點(diǎn)中選擇頂點(diǎn)，定義為式（5）。

4）根據(jù)PK中對應(yīng)點(diǎn)之間的斜率來篩選匹配點(diǎn)。具體而言，首先計(jì)算各邊坡的頻率，通過剔除異常邊坡形成新的邊坡集knew={k1,k2,…,kq}。其次，定義了一組新的匹配點(diǎn)，如式（6）所示。

2.4 障礙物探測

使用雙目視覺相機(jī)的目的是精確計(jì)算外部障礙物與電源線之間的距離信息[16]。在該過程中，根據(jù)雙目視覺的特點(diǎn)得到二維圖像中障礙物與電力線路的三維信息。雙目視覺成像原理如圖3 所示。

圖3 雙目視覺成像原理

在圖像坐標(biāo)系中，P點(diǎn)的空間坐標(biāo)可以定義為式（7）：

式中，b為基線，f為焦點(diǎn)。

通過同時(shí)計(jì)算電力傳輸線上各特征點(diǎn)的空間坐標(biāo)與P點(diǎn)的空間坐標(biāo)，以該點(diǎn)與電力傳輸線之間的最小歐氏距離判斷當(dāng)前點(diǎn)是否為障礙物。最終對所有的點(diǎn)進(jìn)行處理，將小于閾值的點(diǎn)標(biāo)記為障礙物，并在一定范圍內(nèi)擴(kuò)大障礙物的面積。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 森林等復(fù)雜環(huán)境下的線路巡檢

實(shí)驗(yàn)是在以樹木為主的混合環(huán)境中進(jìn)行的，在頭戴HoloLens 的正常移動(dòng)過程中，電力傳輸線幾乎垂直分布在雙目攝像機(jī)拍攝的圖像中。在分析過程中，首先通過人工測量標(biāo)出外部障礙物，并將測量結(jié)果記錄在相應(yīng)的表格中；然后通過系統(tǒng)數(shù)據(jù)與實(shí)測數(shù)據(jù)的比較，分析系統(tǒng)的性能。其中，所提巡檢系統(tǒng)得到的圖像如圖4 所示。

圖4 巡檢系統(tǒng)所得到的圖像

在實(shí)驗(yàn)中，使用多個(gè)連通域來描述真實(shí)的障礙區(qū)域，但若連接的域與障礙物不對應(yīng)，則將其判斷為錯(cuò)誤檢測。實(shí)驗(yàn)結(jié)果如表1 所示，為便于統(tǒng)計(jì)分析，文中對數(shù)據(jù)進(jìn)行了歸一化處理。

從表1 可以看出，系統(tǒng)檢測數(shù)據(jù)與實(shí)測數(shù)據(jù)相差較小，將誤差數(shù)值與實(shí)際距離相除，得到相對誤差約為3.8%，在可以接受的誤差范圍內(nèi)。由此，可論證所提巡檢系統(tǒng)是有效的。

表1 系統(tǒng)檢測數(shù)據(jù)與實(shí)測數(shù)據(jù)值

3.2 系統(tǒng)性能對比

為驗(yàn)證所提算法的性能，將該系統(tǒng)與文獻(xiàn)[5]、文獻(xiàn)[8]及文獻(xiàn)[10]中的系統(tǒng)分別從檢測時(shí)間與準(zhǔn)確性兩方面進(jìn)行對比，對比結(jié)果分別如圖5 和圖6所示。

圖5 不同系統(tǒng)的檢測時(shí)間對比

由圖5 可知，所提系統(tǒng)在檢測時(shí)間方面具有明顯優(yōu)勢，尤其當(dāng)檢測對象數(shù)量較大時(shí)，其他對比系統(tǒng)所需的檢測時(shí)間通常呈倍數(shù)增長，而所提系統(tǒng)則能以較短的時(shí)間完成輸電線路巡檢。

由圖6 可知，對于發(fā)現(xiàn)輸電線路中存在的安全隱患，相比于文獻(xiàn)[5]、文獻(xiàn)[8]及文獻(xiàn)[10]中系統(tǒng)，所提系統(tǒng)具有更高的準(zhǔn)確性。在較少的檢測對象中，所有系統(tǒng)的準(zhǔn)確性相近。但隨著檢測對象數(shù)量的上升，其他對比系統(tǒng)對于隱患發(fā)現(xiàn)的準(zhǔn)確性有所下降。

圖6 不同系統(tǒng)的檢測準(zhǔn)確性對比

由此可見，所提系統(tǒng)在巡檢輸電線路的過程中，無論是檢測速度還是準(zhǔn)確度，均優(yōu)于現(xiàn)有巡檢系統(tǒng)。

4 結(jié)束語

沉浸式3D 電力應(yīng)用軟件已出現(xiàn)，并且VR 技術(shù)的可視化優(yōu)勢使得系統(tǒng)有較好的應(yīng)用前景。通過對電力行業(yè)特殊環(huán)境的分析，結(jié)合MR 技術(shù)的突出優(yōu)勢，在實(shí)現(xiàn)虛擬與現(xiàn)實(shí)結(jié)合的基礎(chǔ)上提出了一種基于MR 技術(shù)的電力線路智能巡檢系統(tǒng)。該系統(tǒng)的整體架構(gòu)包括操作界面、綜合分析、指導(dǎo)監(jiān)督3 個(gè)模塊，并根據(jù)人眼的特點(diǎn)，提出了一種線性邊緣的電力線路檢測方法，進(jìn)一步提高系統(tǒng)對圖像的處理能力。在HoloLens 對所提系統(tǒng)進(jìn)行論證，實(shí)驗(yàn)結(jié)果表明，所提電力線路巡檢系統(tǒng)能夠在短時(shí)間內(nèi)較為準(zhǔn)確地檢測出線路中存在的障礙物，且檢測誤差較小。