單目視覺測量電力線覆冰厚度方法研究

肖 文，高宏力，魯彩江

（西南交通大學機械工程學院，四川 成都 610031）

1 引言

受空氣氣溫、復雜地形、氣象變化等各種環境的綜合影響，附著在電力線上的過冷水滴由于釋放潛熱而固化最終極易形成覆冰。而嚴重的電力線覆冰能造成電力線路的金具破損、斷股、絕緣子倒轉甚至桿塔傾斜或倒塌等事故[1]；如在2008年2月期間的連續降雨降雪造成多個省級電網的電力線發生不同程度的覆冰，給國家電網直接經濟損失達到104.5億元[2]。為了保障電力的安全，對輸電線路覆冰情況進行監測、覆冰厚度進行測量成為了許多科研院所的一個重要研究課題。

國內外對輸電線路覆冰厚度測量的研究取得了較大的突破。目前視覺測量覆冰厚度的方法從硬件上看主要分為兩種，一種是采用移動平臺搭載雙目相機對覆冰厚度進行測量，另一種采用固定在桿或者鐵塔上的單目相機來達到測量的目的。采用雙目視覺的方法其原理是通過三角測量原理通過立體匹配得到左右相機視圖的視差來獲得深度信息，以得到電力線覆冰的厚度。如文獻[3-4]通過雙目立體視覺方法，重建出電力線覆冰的三維模型，得到覆冰厚度[3-4]，使用該方法的好處是即使是形狀不規律的覆冰、冰凌也能測出其厚度。文獻[5-6]通過無人機搭載雙目相機來測量電力線覆冰厚度[5-6]，取得了不錯的效果。但因為電力線覆冰在戶外受光照影響，且覆冰透明、本身含有的紋理信息較少，雙目視覺的立體匹配受此影響面臨一個不小的挑戰；針對此，文獻[7]提出了基于局部卷積特征的特征匹配方法，相對于用傳統的SIFT、ORB和SURF特征來作立體匹配，效果更好[7]。

采用單目視覺的方法其原理是利用電力線覆冰厚度與圖片中電力線覆冰前、后的像素個數存在一定關系[8]，利用這種關系通過計算得到測量結果。文獻[8-9]提出了基于LoG算子、融合多尺度小波變換的覆冰邊緣檢測[8-9]，其中融合小波變換的方法有效地消除了在邊緣檢測過程中的吉布斯現象[9]。文獻[10-11]采用自適應閾值分割、形態學濾波的方法識別覆冰電力線區域[10-11]，但自適應閾值分割和數學形態學濾波只能從簡單圖像背景中較好的提取出覆冰電力線的邊緣；采用傳統的Hough直線檢測方法能有效提取覆冰電力線的邊緣[8-11]，檢測精度高，但Hough變換檢測直線極易受噪聲、背景等元素的干擾。

綜上，雖然目前基于單目視覺的電力線覆冰厚度測量研究取得了重大進展，但由于覆冰電力線圖像存在背景復雜、噪聲多、對比度低等特點，如圖2（a）所示，由此帶來的如Hough直線檢測易受背景干擾、檢測到的邊緣直線不止一條等問題需要解決。針對此，提出先對電力線覆冰區域進行分割，減小檢測區域以降低背景對Hough直線檢測的干擾；用最小二乘法與Hough直線檢測相結合的算法可以有效消除Hough直線檢測到的多條直線問題；最后通過計算覆冰前與覆冰后的電力線尺寸差得到覆冰的厚度。該算法包括圖像預處理、覆冰邊緣檢測、厚度測量3大步驟，總流程，如圖1所示。

圖1 總流程圖Fig.1 The General Flow Chart

2 預處理

在對圖像進行分析、處理時，對原始圖像進行預處理是非常重要的一環。經常使用的方法如為了降低噪聲的高斯濾波、均值濾波、雙邊濾波；為了增加圖像的清晰度普遍使用直方圖均衡化；對圖像分割使用形態學濾波、閾值分割等等。為了提高最終測量結果的精度，對覆冰原圖像采用灰度化、自適應閾值分割、Canny邊緣檢測、電力線區域分割4步進行預處理。

2.1 灰度化

圖像采集設備采集到的原始覆冰圖像是RGB格式，而后續圖像處理的對象都是灰度圖像，故需將采集到的圖像灰度化，最常用的是加權平均值法，它將彩色圖像的三個分量以不同的權重進行加權平均：

式中：R(i，j)、G(i，j)、B(i，j)—RGB圖像像素點(i，j)三個通道的像素值；f(i，j)—灰度圖像像素點(i，j)的像素值。

2.2 局部自適應閾值分割

為了能夠在樹木、云朵、霧霜等環境復雜的背景中定位出覆冰的電力線，首先要做的是降低背景因素的干擾。基于閾值的分割算法能消除背景的影響，有效的分出電力線覆冰區域，其結果如圖2（b）所示。其基本思路是：給定一個閾值，與圖片中所有像素的像素值比較大小并作相應的處理，如式（2）所示，當像素值的大小小于給定閾值時則令該像素值為0（黑），反之則令為255（白）：

2.3 邊緣檢測

目前運用在覆冰厚度測量上的邊緣檢測算法有LOG算子[8]、Canny算子和融合多尺度小波變換[9]等。從其檢測效果來看，Canny算子因檢測邊緣具有低失誤率、高位置精度和單像素邊緣等優點，普遍使用在圖像的邊緣檢測過程中，對自適應閾值分割后的覆冰圖像用Canny算子檢測邊緣后的結果，如圖2（c）所示，得到了較為清晰的圖像邊緣且假邊緣信息較少。

2.4 電力線區域分割

圖像分割的目的是將覆冰電力線從復雜的背景中分割出來。對電力線覆冰圖片先進行分割，減小目標區域，能夠顯著地減小背景信息對Hough直線檢測的干擾。由于固定安裝于鐵塔上的相機與覆冰電力線的位置相對固定，覆冰電力線在圖片中的位置固定，有了這個“先驗知識”不必先對覆冰電力線識別后再分割，而是可以根據這個已知信息在圖片中保留有電力線這一塊區域，其分割結果，如圖2（d）所示。

圖2 預處理結果Fig.2 The Pretreatment Results

3 覆冰電力線檢測

3.1 Hough直線檢測

目標的檢測和識別往往是檢測目標的先驗特征（直線、圓、橢圓），對覆冰電力線的識別是通過檢測覆冰邊緣直線來實現。Hough變換（Hough Transform，HT）因其魯棒性好、精度高、無需啟發式信息等優點成為解決該問題的常用方法，典型霍夫直線轉換采用式（3）：

其中，(x，y)，(θ，ρ)分別表示圖像、參數空間下的坐標；其基本原理，如圖3所示。圖像空間中的點（P1、P2、P3）轉換到參數空間是一條曲線，并且位于圖像空間同一直線上的點轉換到參數空間是交于同一點的曲線簇；這樣，直線檢測就轉化成了在參數空間尋找相交在同一位置點的全部曲線，而這些曲線簇在直角坐標系中即是在同一直線上的點。霍夫直線檢測的流程，如圖3所示。

圖3 圖像空間轉為參數空間Fig.3 The Image Space to the Parameter Space

（1）將參數空間劃分成i×j個區間相同的小格，i為橫坐標θ劃分的個數，j為將縱坐標ρ劃分的個數；

（2）為每個小格安排一個計算器，并把初始值置為0；

（3）遍歷參數空間所有的離散θi，對每個圖像空間中的點(x，y)代入公式（3）計算出每個θi值下對應的ρ值及離散區間ρj，并對相應的計數器(θi，ρj)加1；

（4）最后在所有計數器中找到大于給定閾值的局部最大值點，這些點的參數(θ，ρ)就是霍夫直線檢測檢測到的圖像空間中的直線。

從霍夫變換直線檢測的流程可知，在檢測直線的過程中需要設定一個閾值，當處在同一直線上的點的個數大于該閾值，就認定這些點連成的直線為Hough直線檢測的結果。而閾值的設定是一個關鍵，閾值過小，檢測的直線會很多甚至誤檢到不在覆冰電力線邊緣上的直線；閾值過大，檢測的直線過少甚至檢測不到直線。表1是電力線區域未經過分割的圖像和經過分割的圖像間檢測直線結果的一個對比。對于未經過分割的圖像，閾值較低時，由于復雜背景的影響，所檢測到的直線有的并不在覆冰電力線的邊緣，即誤檢；而對于分割后的圖像，在一定范圍內，無論閾值高還是低，檢測結果均在覆冰電力線的邊緣，提高了直線檢測的正確率。其中當閾值為56時，霍夫直線檢測結果，如圖4所示。為了區分檢測到的不同直線，檢測到的直線用不同的顏色繪制；對于初始未對電力線區域分割的圖像，有5條直線屬于誤檢；相反，對于經過分割的圖像，所有的直線均在覆冰邊緣，檢測準確率較高。由此可見先對圖像的電力線區域進行分割減小Hough直線檢測的區域，再用Hough直線檢測，可以有效地提高算法準確性。

表1 未分割與分割圖像之間Hough直線檢測結果對比Tab.1 Comparison of Hough Line Detection Results be?tween Unsegmented and Segmented Images

圖4 Hough直線檢測結果Fig.4 The Detection Results of Linear Hough

3.2 最小二乘法檢測直線

在上一步中雖然在分割后的圖像中用Hough直線檢測算法檢測到了覆冰電力線的邊緣，但有時檢測到的直線數量可能不是理想中的覆冰電力線上、下各一條，如表1中對分割后的圖像閾值為65時檢測出有4條直線，閾值為56時卻有5條直線，此時則分別運用最小二乘法將覆冰邊緣一側的多條直線擬合出最終的一條直線[12]。若所直線數目只有兩條且在覆冰電力線上下兩邊，分別將兩條直線延長至整幅圖像即可。

最小二乘法是常用的線性擬合方法，它能夠找到滿足均方差最小時的直線方程，最其定義是：給定數據集尋找滿足直線方程y=a?x+b的參數a、b使得誤差指標E=最小。即：

求解式（4）可獲得直線的參數a、b，即可得到所擬合的直線。用最小二乘法擬合霍夫直線檢測到的多條直線，其算法流程如下：

（1）Hough變換檢測直線得到覆冰電力線的上下邊緣線，由上下邊緣線得到上下邊緣點組成的點集；

（2）此點集作為擬合中心線的原始數據點集，用最小二乘法擬合出這些邊緣點集的中心線；

（3）以中心線為判斷依據，區分出位于中心線兩側的上下邊緣數據點集，最后分別用這兩個數據點集再次用最小二乘法得到覆冰電力線兩側的直線。

其擬合結果，如圖5所示。在圖5（a）中，藍色的中心線由覆冰電力線邊緣點集通過最小二乘法擬合得到，中心線將紅色的上邊緣點集和綠色的下邊緣點集分割開來；在圖5（b）中的上、下邊緣直線分別由圖5（a）中的上邊緣點集和下邊緣點集擬合得到。這樣就將覆冰邊緣一側的多條直線擬合成了單一的直線，得到了最終的檢測結果。

圖5 最終檢測結果Fig.5 The Final Detection Result

4 電力線覆冰厚度測量

由于安裝在桿或者鐵塔上的攝像機固定，因此電力線在覆冰前后在攝像機采集的圖像中的位置一定。覆冰前電力線的直徑R0與覆冰后電力線的直徑R1有以下關系[8]：

式中：m0—電力線覆冰前沿圖像中電力線直徑方向上像素的個數；m1—電力線覆冰后像素的個數。覆冰厚度D：

輸電線路的相機采集到的電力線覆冰前、后的圖像，經過圖像預處理、覆冰邊緣檢測、厚度測量這三個過程，測得圖像中覆冰前電力線直徑方向上的平均像素個數為25.2，覆冰后為58.3，而導線未覆冰的直徑已知為12.80mm，如圖6所示。將結果代入式（6）有：

圖6 電力線覆冰厚度測量實驗Fig.6 Measurement of Ice Coating Thickness of Power Line

該測量結果與人工測量結果9.05mm相近，能夠滿足輸電線路覆冰監測的需要。

5 結論

電力線路覆冰事故危害巨大，對輸電線路的覆冰厚度進行測量、監測對電力的安全供應具有重要意義。這里提出的電力線覆冰厚度測量方法，與基于力學模型和模擬導線的方法相比，能反映真實的電力線覆冰狀況、精度高且成本較低；與傳統的單目視覺方法相比，Hough直線檢測受背景影響較小、可用閾值范圍大，適應性較強。并有如下結論：

（1）由于最后需要通過計算覆冰前、后的像素個數得到覆冰厚度，提高攝像機的分辨率可以提高測量精度。

（2）先對電力線區域進行分割，減小Hough直線檢測的區域可以提高檢測覆冰邊緣直線的準確率。

（3）對于Hough直線檢測結果，若直線條數只有兩條，將這兩條直線延長至整個圖像；當檢測的直線數目超過兩條，使用最小二乘法擬合直線得到上、下邊緣直線。