基于無人機(jī)視覺的電力巡檢線路安全距離自動診斷方法

袁 毅，何 旭

（1.國網(wǎng)銅陵供電公司，銅陵 244000；2.上海電力大學(xué)，上海 200090）

0 引言

為滿足人們的供電需要，電力裝置遍布大江南北。其中輸電線路分布最為廣泛。輸電線路承擔(dān)著電力分配和輸送的任務(wù)，保證其安全性和可靠性具有重要的現(xiàn)實(shí)意義。輸電線路所處自然環(huán)境惡劣，很容易出現(xiàn)故障問題，因此會定期進(jìn)行電力巡檢，但人工巡檢不僅難度大、危險性高、效率還慢，針對這種情況，無人機(jī)巡檢逐漸出現(xiàn)在巡檢作業(yè)當(dāng)中，取代了人工完成了很多高難度的巡檢工作[1]。然而，無人機(jī)電力巡檢并不是“完美無缺”，還面臨著很多問題沒有解決，如何準(zhǔn)確避障成為一大難題。無人機(jī)巡檢過程中，受到錯綜復(fù)雜的線路、以及分布其上的各種電力設(shè)備的阻礙，無人機(jī)在近距離拍攝圖像時，面臨著極大的風(fēng)險，經(jīng)常與輸電設(shè)施發(fā)生碰撞事故，導(dǎo)致無人機(jī)墜機(jī)。面對這種情況，準(zhǔn)確診斷出無人機(jī)與障礙物之間的安全距離對于實(shí)現(xiàn)安全避障具有重要作用。

目前，關(guān)于無人機(jī)安全距離診斷方法主要有三種，即基于超聲波的方法、基于激光雷達(dá)的方法以及基于紅外相機(jī)的方法。這三種方法各有優(yōu)缺點(diǎn)，其中第一種方法優(yōu)點(diǎn)是易于實(shí)現(xiàn)，成本較低，且測距精度高，缺點(diǎn)是對聲波傳播距離有一定的限制，超過一定距離后若聲波無法傳回或傳回來的聲波較弱，則會影響測距準(zhǔn)確性；第二種方法優(yōu)點(diǎn)是測量范圍較大，并且分辨率高，缺點(diǎn)是很容易受到太陽光干擾，出現(xiàn)噪聲點(diǎn)。第三種方法優(yōu)點(diǎn)是不會受到環(huán)境的影響，魯棒性較強(qiáng)且適合于遠(yuǎn)距離測試，缺點(diǎn)是分辨率差，對比度低。

針對上述問題，研究一種安全距離自動診斷方法。通過該研究以期提高安全距離檢測準(zhǔn)確性，提高無人機(jī)巡檢安全性，避免發(fā)生墜機(jī)事故。

1 無人機(jī)巡檢安全距離診斷研究

無人機(jī)在野外電路巡檢中被廣泛應(yīng)用。該設(shè)備進(jìn)行巡檢時，若不能準(zhǔn)確掌握安全距離，很容易發(fā)生墜機(jī)事故。針對這一問題，研究一種基于無人機(jī)視覺的診斷方法。該方法分為兩部分進(jìn)行研究。第一部分進(jìn)行障礙物輪廓檢測，第二部分進(jìn)行安全距離測量。

1.1 障礙物輪廓檢測

障礙物輪廓檢測，即識別障礙物，是后一部分安全距離判斷研究的基礎(chǔ)。視覺系統(tǒng)是無人機(jī)的必要組成部分之一，相當(dāng)于無人機(jī)的“眼睛”，除了拍攝目標(biāo)圖像外，還起到避障指揮的作用。無人機(jī)上的“眼睛”是一種雙目視覺傳感器，分為左右兩個相機(jī)，采集左右兩幅關(guān)于目標(biāo)的圖像[2]。基于無人機(jī)雙目視覺系統(tǒng)進(jìn)行障礙物輪廓檢測具體過程如下；

1）障礙物圖像預(yù)處理

在雙目視覺系統(tǒng)采集無人機(jī)飛行路線上的障礙物圖像，然后進(jìn)行灰度化、去噪和增強(qiáng)處理。

圖像灰度化：將巡檢路徑上的障礙物圖像像素均調(diào)整到0～255范圍內(nèi)，去除掉紅綠藍(lán)三通道色彩分量。如式(1)所示：

式(1)中，Qi,j代表圖像灰度值；r、g、b代表紅綠藍(lán)三通道色彩分量。

圖像去噪：去除障礙物圖像中的噪聲點(diǎn)。在這里利用形態(tài)學(xué)計算的方法來實(shí)現(xiàn)。處理分為膨脹和腐蝕兩個過程，如式(2)所示：

圖像增強(qiáng)：即增強(qiáng)障礙物圖像中的信息對比度，使得目標(biāo)信息更加突出。具體過程如下：（1）計算障礙物圖像的直方圖；（2）利用最小誤差法計算兩個分段點(diǎn)；（3）利用分段點(diǎn)將直方圖分割為目標(biāo)段、過渡段、背景段；（4）針對不同段的直方圖，不同的均衡化映射函數(shù)進(jìn)行處理；（5）將各段處理好的圖像進(jìn)行融合，實(shí)現(xiàn)圖像對比度增強(qiáng)[3]。

2）基于閾值分割障礙物輪廓

閾值分割的目的是劃分目標(biāo)區(qū)域和背景區(qū)域。具體過程如下：首先計算障礙物圖像的像素總數(shù)量，并計算第i級像素所占的比例，計算公式為：

式中，S代表像素總數(shù)量；ci代表第i級像素數(shù)量；Ki代表第i級像素所占的比例；B代表像素灰度級。

假設(shè)有一個閾值t，將圖像分為兩部分，即目標(biāo)和背景，二者部分在總像素所占的比例分別記為K1和K2，二者部分的平均像素分別記為H1(t)、H2(t)。令：

式(5)中，D1、D2分別代表H1(t)與K1、H2(t)與K2之間的比值。

最后得出類間方差定義為：

式(6)中，gt代表t值下的類間方差；代表總平均像素。

gt隨著閾值t在0～B之間的取值不同而發(fā)生變化。能夠令gt達(dá)到最大值的t值就是所求的最佳閾值。根據(jù)得到的最佳閾值t就可以實(shí)現(xiàn)閾值分割。

基于上述分割出來的閾值，實(shí)現(xiàn)了背景和障礙物之間的區(qū)分，之后沿著障礙物最外部的像素點(diǎn)進(jìn)行連接，即可形成障礙物輪廓。

1.2 無人機(jī)巡檢安全距離判斷

無人機(jī)以巡檢目標(biāo)為目的地，通過飛行不斷靠近目標(biāo)，在飛行過程中需要跨越各種障礙，如桿塔、線路、移動的鳥類，甚至是其他的任何障礙物。為防止墜機(jī)，在碰撞這些障礙物之間就需要判斷出與這些障礙物之間的距離，在達(dá)到安全距離界線之前或者之時進(jìn)行躲避，未達(dá)到安全距離界線則繼續(xù)按照規(guī)劃的飛行路徑正常飛行即可[4]。在整個避障飛行過程中，如何判斷無人機(jī)是否達(dá)到安全距離界線是關(guān)鍵。上述整個過程就是電力巡檢線路安全距離自動診斷。整個診斷過程分為三步，即無人機(jī)到障礙物之間的距離、避障邊界線確定、安全距離判定。

1）無人機(jī)到障礙物之間的距離

無人機(jī)到障礙物之間的距離通過計算障礙物三維坐標(biāo)來確定。首先找到空間同一點(diǎn)在視覺系統(tǒng)采集到的左右兩幅圖像中的匹配點(diǎn)。具體過程如下：首先對故障物圖像從兩個方向上（在水平和豎直）進(jìn)行半采樣，將其進(jìn)行多尺度分解，構(gòu)建尺度空間金字塔；然后利用FAST算法對每一尺度的故障物圖像進(jìn)行角點(diǎn)特征檢測，原理如式(7)所示：

式(7)中，do代表中心像素點(diǎn)o的灰度值；L代表圓周；di代表圓周L中第i個像素點(diǎn)的灰度值；T代表固定的門限值。如果有像素點(diǎn)滿足上述公式，就將其作為提取的特征點(diǎn)。

接著對選出的特征點(diǎn)進(jìn)行非最大化抑制處理，得到穩(wěn)定特征點(diǎn)，最后確定特征點(diǎn)的主方向，實(shí)現(xiàn)了左右障礙物圖像中的特征點(diǎn)檢測。

為方便匹配計算，將特征點(diǎn)描述轉(zhuǎn)換成特征描述子。立體匹配過程如下：首先計算左右障礙物圖像中特征點(diǎn)描述子之間的歐式距離h。

式(8)中，li代表左障礙物圖像中第i個特征點(diǎn)描述子；rj代表右障礙物圖像任意一個特征點(diǎn)描述子；n代表特征點(diǎn)描述子數(shù)量。

根據(jù)h從右障礙物圖像中找出與li最鄰近和次鄰近的特征點(diǎn)。計算li與這兩個特征點(diǎn)之間的平均距離。

式(9)中，代表平均距離；h1代表li與右障礙物圖像最鄰近特征點(diǎn)之間的距離；h2代表li與右障礙物圖像次鄰近特征點(diǎn)之間的距離。

根據(jù)可以看出左右兩個障礙物圖像中特征點(diǎn)描述子之間的匹配度，當(dāng)大于等于設(shè)定的閾值時，認(rèn)定最鄰近特征點(diǎn)就是正確的匹配點(diǎn)。

通過上述過程，找到空間同一點(diǎn)在兩幅圖像中的匹配點(diǎn)，然后結(jié)合雙目視覺成像原理，求出障礙物的三維坐標(biāo)。

式(10)中，x、y、z代表障礙物的三維坐標(biāo)；f代表兩平行左右相機(jī)之間的距離；e代表視覺差；(i0,j0)代表相機(jī)光心點(diǎn)坐標(biāo)；(i,j)、分別代表匹配點(diǎn)的像素點(diǎn)坐標(biāo)；Iu代表相機(jī)的焦距。

以上求出的障礙物三維坐標(biāo)中的z方向數(shù)值就是所要求的無人機(jī)到障礙物之間的距離。

2）避障邊界線確定

在測量出無人機(jī)到障礙物之間的距離之后，還需要確定避障邊界線。首先設(shè)置一個安全距離值λ，然后基于障礙物輪廓，根據(jù)安全距離值λ沿著輪廓向外平移，得到最小安全空間避障邊界線，如圖1所示[5]。

圖1 最小安全空間避障邊界線

3）安全距離判定

當(dāng)無人機(jī)飛到這條避障邊界線前，都是安全的；當(dāng)無人機(jī)飛到這條避障邊界線時或者之后，都存在碰撞風(fēng)險。由此確定安全距離診斷函數(shù)，如式(11)所示：

基于上述函數(shù)，完成基于無人機(jī)視覺的電力巡檢線路安全距離自動診斷。

2 診斷方法應(yīng)用測試

以基于超聲波的方法、基于激光雷達(dá)的方法以及基于紅外相機(jī)的方法為對比項(xiàng)，測試基于無人機(jī)視覺的診斷方法在電力安全巡檢中應(yīng)用效果。

2.1 障礙物樣本圖像

以某區(qū)域一段野外電力線路巡檢任務(wù)為例，在四翼無人機(jī)上搭載雙目視覺系統(tǒng)，系統(tǒng)上每個相機(jī)的分辨率為4000*3000。利用雙目視覺系統(tǒng)采集巡檢過程中遭遇的障礙物圖像共計4幅，圖像樣本如圖2所示。

圖2 障礙物樣本圖像示例

2.2 障礙物輪廓檢測結(jié)果

當(dāng)t=15.36時，類間方差gr達(dá)到最大，以此劃分了圖像中障礙物目標(biāo)部分與背景部分，然后沿著障礙物最外部的像素點(diǎn)連接形成障礙物輪廓，以其中一幅圖像為例，形成的障礙物輪廓如圖3所示。

圖3 障礙物輪廓圖像

2.3 無人機(jī)到障礙物之間的距離測量

以一個障礙物左右圖像為例，在提取左右圖像特征點(diǎn)的基礎(chǔ)上，進(jìn)行特征點(diǎn)匹配，以此得到障礙物的三維坐標(biāo)，結(jié)果如表1所示。

表1 特征匹配點(diǎn)及障礙物像素坐標(biāo)

表1中障礙物三維坐標(biāo)中的z坐標(biāo)數(shù)值為障礙物與無人機(jī)之間的實(shí)際距離。

2.4 性能測試結(jié)果與分析

計算無人機(jī)避障拐點(diǎn)與障礙物之間的距離，在安全距離值λ設(shè)置為0.5m情況下，當(dāng)無人機(jī)避障拐點(diǎn)與障礙物之間的距離小于0.5m，無人機(jī)進(jìn)入避障邊界線內(nèi)，存在碰撞墜機(jī)風(fēng)險；當(dāng)無人機(jī)避障拐點(diǎn)與障礙物之間的距離大于等于0.5m，無人機(jī)在避障邊界線外，不存在碰撞墜機(jī)風(fēng)險。結(jié)果如圖4所示。

圖4 無人機(jī)避障拐點(diǎn)與障礙物之間的距離

無人機(jī)避障拐點(diǎn)與障礙物之間的距離均大等于0.5m，由此說明所研究方法應(yīng)用下，無人機(jī)均在靠近0.5m避障邊界線時進(jìn)行了安全躲避，而其他三種方法則存在過早避障或過晚避障的情況，安全距離診斷存在較大的誤差。通過對比證明了所研究方法的有效性。

3 結(jié)語

綜上所述，無人機(jī)電力巡檢時經(jīng)常發(fā)生碰撞事故，導(dǎo)致無人機(jī)墜機(jī)。面對這種情況，提出一種安全距離自動診斷方法。該方法通過障礙物三維坐標(biāo)計算來確定其與無人機(jī)的距離，然后與設(shè)置的安全距離界線進(jìn)行對比，從而進(jìn)行避障診斷，實(shí)現(xiàn)了無人機(jī)在碰撞發(fā)生前的安全避障。最后通過實(shí)例，驗(yàn)證了所研究診斷方法的有效性，實(shí)現(xiàn)了較為準(zhǔn)確的安全距離診斷。然而，本研究僅在較為理想的天氣情況下進(jìn)行的實(shí)驗(yàn)測試，實(shí)驗(yàn)結(jié)果具有一定的局限性，因此下一步還需要在大風(fēng)等惡劣天氣下進(jìn)行進(jìn)一步測試。