融合LSD 算法與Hough 變換的航拍輸電線路圖像桿塔自動(dòng)識(shí)別方法?

張 俊，龐世強(qiáng)，李曉斌?，張浩民

(1.廣東電網(wǎng)有限責(zé)任公司江門供電局，廣東 江門 529000；2.江門電力設(shè)計(jì)院有限公司，廣東 江門 529000)

伴隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展，對(duì)于電能需求進(jìn)一步增長(zhǎng)，由此架空線路的規(guī)模逐漸增大。架空線路多處于地貌復(fù)雜、交通不便地區(qū)且結(jié)構(gòu)較為復(fù)雜，人力開展巡檢已經(jīng)無法滿足其需求[1－2]。與傳統(tǒng)的人工巡視檢查方式相比，無人機(jī)巡檢不僅降低檢測(cè)成本和人員危險(xiǎn)性，而且可以數(shù)字化、圖像化、三維化。通過航拍建模的方式展示空中視角的架空線路和走廊，很大程度克服人工巡視檢查的局限性，因此研究輸電線路三維建模技術(shù)具有一定的研究?jī)r(jià)值[3－4]。

近年來，國(guó)內(nèi)外對(duì)于無人機(jī)航拍圖像進(jìn)行三維建模發(fā)展保持著較高水平。利用無人機(jī)圖像的特征點(diǎn)匹配算法所建立的三維模型僅僅包含架空線路和走廊，并未包含線路桿塔。這是因?yàn)榕c地表物和架空線路不同，桿塔屬于鏤空結(jié)構(gòu)，難以通過特征點(diǎn)匹配進(jìn)行建模。強(qiáng)行使用算法建模易造成桿塔結(jié)構(gòu)不全等錯(cuò)誤[5－6]。

目前國(guó)內(nèi)外人們對(duì)線路桿塔的三維建模進(jìn)行了許多研究。文獻(xiàn)[7]中提出了一種模型驅(qū)動(dòng)的激光點(diǎn)云輸電線路桿塔建模方法，利用輸電網(wǎng)點(diǎn)云計(jì)算和云分布的方向特征，確定輸電桿塔的主方向。文獻(xiàn)[8]中提出通過對(duì)不同類型輸電桿塔的現(xiàn)有三維模型進(jìn)行分解，建立輸電桿塔的全要素組件模型庫(kù)，實(shí)現(xiàn)模型庫(kù)中的不同組件能夠根據(jù)其固定的連接關(guān)系自動(dòng)拼接。文獻(xiàn)[9]提出一種結(jié)合塔架結(jié)構(gòu)的分布參數(shù)特征模型，它可以應(yīng)用于具有不同塔架結(jié)構(gòu)和線路參數(shù)的短線路。文獻(xiàn)[10]基于多視幾何進(jìn)行桿塔三維重建。

本文為實(shí)現(xiàn)無人機(jī)圖像中復(fù)雜背景下線路桿塔的準(zhǔn)確提取，提出一種自動(dòng)提取方法。該方法利用RGB閾值法、LSD 算法和Hough 變換，對(duì)線路桿塔進(jìn)行提取，并根據(jù)線路桿塔幾何特征對(duì)直線段編組合并，能夠快速、高效地完成對(duì)線路桿塔目標(biāo)的三維建模。

1 算法總體框架

算法設(shè)計(jì)總體流程如圖1 所示，本文為實(shí)現(xiàn)復(fù)雜圖像背景中輸電桿塔的準(zhǔn)確提取，主要思路首先采用RGB 閾值對(duì)于桿塔輻射特征進(jìn)行粗提取，并結(jié)合連通域完成對(duì)背景進(jìn)行初步去除。其次針對(duì)線路桿塔在空間中的鏤空特征，通過LSD 算法對(duì)直線段初步提取，將連通域和LSD 算法的處理結(jié)果進(jìn)行交運(yùn)算。最后通過Hough 變化將直線段編為一個(gè)組別，那么相同組別中線段有無重合或者側(cè)向距離大于一定閾值即可判斷是否為同一直線。需要注意的是，直線段端點(diǎn)的連接需設(shè)置合適的閾值，且遵循最小二乘擬合原則，則可以提取出完整的線路桿塔。

圖1 算法設(shè)計(jì)總體流程

2 邊緣檢測(cè)與直線段提取

2.1 RGB 閾值粗提取桿塔

文獻(xiàn)[11]分別通過分析Phong 光照模型，發(fā)現(xiàn)在陰影區(qū)域的三個(gè)通道中，R 通道下降的最多，G 通道次之，B 通道下降的最少，這相當(dāng)于增加了陰影區(qū)域的藍(lán)色分量。本文充分利用了陰影區(qū)域的這一屬性，通過對(duì)彩色RGB 影像進(jìn)行如下的歸一化處理:

式中:R、G、B分別為原始RGB 分量，R′、G′、B′分別為歸一化后的RGB 分量。通過前面的分析可知，由于在陰影區(qū)域B 通道灰度下降得最少，所以在B′分量中，陰影區(qū)域主要占據(jù)的是高像素值端，通過對(duì)B′分量圖采用閾值分割的方法，設(shè)置一個(gè)較高的閾值就可以得到大致的陰影區(qū)域。但原始影像中的偏藍(lán)色地物在B′分量中也具有很高的像素值，需要將這些區(qū)域從陰影區(qū)域中去除。基于此，本文在原始的B分量圖中引入了一個(gè)閾值來保證陰影檢測(cè)的精度。只有在B′分量中高于某個(gè)閾值，并在B分量中低于某個(gè)閾值的區(qū)域，才被檢測(cè)成為陰影區(qū)域[12]。

如圖2 所示，鐵塔和導(dǎo)線在航拍影像上具有較為明顯的輻射特征，利用輻射特征可以排除大部分的背景信息，特別是和鐵塔、導(dǎo)線輻射特征差別較大的背景，如地表植被等。本算法采用影像RGB 閾值法，通過閾值的調(diào)整和控制達(dá)到保留鐵塔與導(dǎo)線信息，同時(shí)排除大量背景信息的目標(biāo)。

圖2 原始桿塔和RGB 提取后圖像

2.2 連通域去除背景

由于無植被的裸地或混凝土路面等反射強(qiáng)度大的地方，其輻射特征和鐵塔、導(dǎo)線較為相似，上一步使用基于輻射特征直線檢測(cè)的結(jié)果必然仍然帶有大量背景信息。但是這種背景信息與鐵塔、導(dǎo)線信息相比大都是離散的點(diǎn)，或者非常小的區(qū)域。而鐵塔塔材連通處眾多、導(dǎo)線更是貫穿整幅影像。根據(jù)這一特征，本算法根據(jù)區(qū)域連通性的篩選將那些離散點(diǎn)，短線段和小面積的封閉區(qū)域進(jìn)行去除，最大限度剔除復(fù)雜的背景影像信息，如圖3 所示。

圖3 RGB 圖像和基于連通域提取后圖像

2.3 LSD 算法直線檢測(cè)提取

LSD 算法的基本思想是檢測(cè)圖像中梯度變化較大的像素點(diǎn)集，因此輸入圖像必須是灰度圖，檢測(cè)目標(biāo)即是圖像中灰度從黑到白或是從白到黑變化的像素點(diǎn)，以達(dá)到在線性時(shí)間內(nèi)獲取亞像素精度的線段檢測(cè)結(jié)果。

LSD 涉及到2 個(gè)基本概念:梯度和圖像的基準(zhǔn)線，如圖4 所示。LSD 先計(jì)算每個(gè)像素與基準(zhǔn)線的夾角以構(gòu)建基準(zhǔn)線場(chǎng)，然后利用區(qū)域生長(zhǎng)算法合并場(chǎng)里方向近似一致的像素，得到一系列線支撐域，如圖5所示；最后在這些域內(nèi)進(jìn)行像素合并提取直線段。

圖5 線支撐域示意圖

LSD 算法流程如圖6 所示，經(jīng)過LSD 直線提取算法處理，可得所有檢測(cè)出線段基元的左右端點(diǎn)及線段寬度，如圖7 所示。

圖6 LSD 直線提取算法流程

圖7 LSD 算法處理結(jié)果

但是LSD 直線提取算法還存在一些問題，一方面，在真實(shí)圖像中，往往由噪聲和畸變等影響，致使直線變成有較小曲率的弧線；另一方面，從LSD 像素合并和控制誤差的準(zhǔn)則可以看出，這種算法只對(duì)直線段有用，對(duì)其他線結(jié)構(gòu)將失效，如弧段或折線等，即使是曲率較小的弧段也難以有效[14]。

2.4 交運(yùn)算提取鐵塔

LSD 算法有很強(qiáng)的抗噪性。但是，該算法無法排除背景信息的影響，利用LSD 算法的線段檢測(cè)結(jié)果與基于連通性去除背景的提取結(jié)果進(jìn)行“交”運(yùn)算，即一個(gè)像素在兩組數(shù)據(jù)中都為目標(biāo)時(shí)，將其推斷為鐵塔即提取目標(biāo)。交運(yùn)算的處理結(jié)果如圖8 所示。

圖8 交運(yùn)算處理結(jié)果

2.5 基于Hough 變換的線段編組

Hough 具有良好的抗噪性能，可將具有相同特征的幾何圖形從灰度圖像中分離出來[15]。其主要基于點(diǎn)與線的對(duì)偶性來實(shí)現(xiàn)直線檢測(cè)，極坐標(biāo)系下直線方程表示為:

平面直角坐標(biāo)系下任一點(diǎn)的坐標(biāo)(x，y)，對(duì)應(yīng)于與極坐標(biāo)系下的過點(diǎn)(ρ，θ)的正弦曲線，而直角坐標(biāo)系下同屬于一條直線上的點(diǎn)在極坐標(biāo)系下會(huì)出現(xiàn)交集。首先，由定義θ∈[0，180)，ρ表示為坐標(biāo)原點(diǎn)到該直線的距離，那么可以根據(jù)每一個(gè)點(diǎn)(x，y)及離散的θ值將ρ計(jì)算出來，通過累計(jì)所有的(ρ，θ)可以獲得最終的權(quán)值，并選擇其最大值，記作Am(ρ，θ)。如果Am(ρ，θ)的值大于設(shè)定的閾值，即可以找到直角坐標(biāo)系中直線的位置。Hough 變換原理分析如圖9 所示。

圖9 Hough 變換原理

由以上分析可知，直線檢測(cè)的Hough 變換可以定義為:

式中:A(xi，yj)表示提取的每個(gè)像素的灰度值，Q是關(guān)于ρ的總體樣本數(shù)，P是所取離散的θ總數(shù)，二值圖像尺寸則定義為N×N。

將Hough 變換應(yīng)用于基于RGB 閾值后的二值圖像，如圖10 所示。由于初始圖像中背景信息較單一，且無其他的線性干擾，可以看到使用Hough 變換能夠使一些處于相同直線的短線段得到了較好的連接，但對(duì)于桿塔背景圖像復(fù)雜程度提升，要想獲取圖像中的完整的桿塔，仍有必要對(duì)初步提取后的線路作進(jìn)一步處理。

圖10 Hough 變換二值圖像直線提取

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文采用以上算法能夠準(zhǔn)確提取出航拍圖像中復(fù)雜背景下的線路桿塔，實(shí)驗(yàn)針對(duì)無人機(jī)的輸電線航拍桿塔圖像信息，采用本文所提出的算法分別對(duì)酒杯桿塔、干字塔進(jìn)行建模分析對(duì)比。最終可得實(shí)驗(yàn)效果對(duì)比如圖11 所示。

圖11 實(shí)驗(yàn)結(jié)果分析

表1 統(tǒng)計(jì)部分桿塔實(shí)測(cè)與建模結(jié)果的最大誤差，可以看出，水平偏差最大僅為0.132 m，垂直偏差最大僅為0.268 m，反映出本研究三維重建的立體模型精度是很好的。由以上結(jié)果可以看出，當(dāng)圖像背景信息比較復(fù)雜時(shí)，使用本文所設(shè)計(jì)的算法，如圖11(b)、11(c)所示，所提取的線路桿塔受背景信息干擾較小，最終得到的線路桿塔圖像較為清晰，且未出現(xiàn)破碎，驗(yàn)證了該算法能夠?qū)崿F(xiàn)復(fù)雜背景圖像中線路桿塔的準(zhǔn)確、完整的提取，有利于架空輸電線路設(shè)備本體的三維模型建立，可進(jìn)一步豐富當(dāng)前建模平臺(tái)化應(yīng)用。

表1 部分桿塔建模點(diǎn)與實(shí)測(cè)點(diǎn)對(duì)比

5 結(jié)論

本文設(shè)計(jì)了一種基于無人機(jī)圖像的線路桿塔自動(dòng)提取算法，能夠從復(fù)雜的背景圖像中完成線路桿塔的有效識(shí)別，進(jìn)而達(dá)到三維建模的要求。首先由RGB 閾值結(jié)合連通域?qū)D像中桿塔進(jìn)行初步提取，再經(jīng)LSD 算法直線分割檢測(cè)和交運(yùn)算，最后通過Hough 變換線段編組合并最終完成線路桿塔的提取過程。由實(shí)驗(yàn)結(jié)果可知，該方法能夠有效削弱復(fù)雜的背景噪聲的干擾，且基于線路桿塔鏤空特征進(jìn)行合并，進(jìn)一步實(shí)現(xiàn)了線路桿塔準(zhǔn)確、完整的提取，驗(yàn)證了此方法的有效性。