輸電通道交叉跨越段導地線異物三維信息檢測

朱登杰, 李 昊, 李銳海, 廖永力, 張志強, 何錦強

(1. 華北電力大學 能源動力與機械工程學院, 河北 保定 071003; 2. 南方電網科學研究院有限責任公司 生產技術支持中心, 廣東 廣州 510000)

近年來,隨著電力系統的快速發展,輸電通道分布越來越多,整個輸電網絡變得尤為復雜。此外,由于地形和環境條件不同,當輸電線出現異物纏繞時,一旦無法及時維護,極易出現安全事故。尤其是在春秋大風季節,分布在輸電通道旁的施工圍網、廣告氣球、橫幅、風箏以及塑料袋等,在大風作用下經常纏繞在輸電線路導地線上,有可能導致線路出現單相接地短路或者相間短路,最終跳閘。因導地線異物纏繞而出現的故障占比不斷增加,為了保證輸電通道的正常運行,對導地線異物信息進行高效準確的智能檢測十分必要。

路艷巧等[1]基于邊緣計算提出一種輸電設備異物檢測方法。通過邊緣設備對采集到的異物圖像進行分析處理,利用Mobilenet與優化后的單激發多框探測器(single shot multibox detector,SSD)目標檢測方法對處理后的圖像進行異物識別與提取;引入深度學習算法,通過Softmax分類器輸出異物檢測結果。楊劍鋒等[2]利用深度學習算法實現對輸電線路的異物檢測與識別。首先,分別選取正常運行線路圖像和包含異物的圖像,利用相關算法對圖像進行擴充;然后,將原始YOLOV-(3)網絡的倒數第二層用Dense-net來代替,建立Dense-YOLOV-(3)深度學習網絡模型;最后,利用擴充后的圖像對模型進行訓練,確定模型深度,實現對輸電線路異物的檢測與識別。

利用無人機實現輸電線的異物巡檢已經得到廣泛應用,但是無人機采集輸電線圖像后,對于圖像中動態異物的特征跟蹤定位是目前亟需解決的問題。為了解決該問題,本文提出輸電通道交叉跨越段導地線異物三維信息檢測方法。在確定異物圖像的三維信息后,明確異物在世界坐標系中的具體位置,利用基于特征跟蹤的方法采集其姿態、位移以及位置等信息,實現連續跟蹤定位,最后計算異物與導地線之間的安全距離是否在允許范圍內,保障輸電通道安全穩定運行。

1 導地線異物三維圖像檢測方法設計

1.1 基于立體視覺理論的異物三維坐標信息轉換

無人機的攝像頭坐標系采用單目系統,對任何類型的物體都無法準確得到其深度信息,因此在異物檢測方面用途受限。本文利用雙目理論,通過坐標轉換結合單幀圖像,獲取無人機采集的導地線異物三維信息[3]。雙目視覺理論將兩架攝像機分別放置于輸電線路兩側進行實時拍攝,不同的拍攝角度使圖像產生了一定的視差,運用相關數學方法[4]即可計算得到異物的三維信息。雙目視覺架構圖如圖1所示。

圖1 雙目視覺架構圖Fig.1 Architecture diagram of binocular vision

圖1中,N1、O1分別為攝像機1的像心和光心,N2、O2分別為攝像機2的像心和光心,點N是位于異物上的隨機點,坐標點參考的是世界坐標系[5],點R1和R2分別為異物在兩架攝像機成像平面坐標系上的坐標點。結合上述理論,可擴展到人機采集輸電線圖像中的三維深度信息獲取過程。

當采集的無人機輸電線圖像處于同一水平面時,水平輸電線成像平面上的y坐標系完全相同,結合這一特點,根據雙目立體視覺定理即可推理得到點N在世界坐標系中Z軸的坐標值,即

(1)

式中:f為圖像傳感器焦距;K為基線距;x1、x2分別為點N在無人機采集的輸電線成像平面中,X軸的坐標值。進一步推理可得到點N在世界坐標系中X軸和Y軸的坐標值,即

(2)

(3)

式中,y為點N在輸電線成像平面中Y軸的坐標值,y=y1=y2。

經過上述計算可得到輸電通道導地線上異物的三維信息,進一步推理還可得到異物的深度信息,將此作為異物是否對導地線正常運行產生影響的判斷依據。

1.2 畸變參數的矯正

無人機圖像傳感器在獲取導地線異物圖像時,存在一部分的畸變參數,系統標定的目的就是改變這些參數,從而確定圖像傳感器的相對位置信息。

在雙目視覺理論中,只有得到兩架攝像機準確的相對位置信息,才能最終實現對異物深度信息和三維信息的獲取。由于本文使用的是單架攝影的無人機,所以建立的公共坐標系是通過笛卡爾世界坐標系完成的[6]。確定異物信息在公共坐標系中的位置,得到無人機圖像傳感器坐標系與世界坐標系的關系,進一步推理得到無人機和異物之間的相對位置。

1.3 異物三維信息檢測

通過雙目系統標定原理確定無人機與異物的具體位置后,需要進一步檢測異物的三維信息。采用雙邊濾波算法對圖像完成輸電線圖像預處理,通過對連續幀序列圖像的位置跟蹤,利用雙目視覺系統確定三維信息,以此來實現對異物的檢測。

1) 圖像獲取。通過無人機在不同的輸電線路上實時獲取異物連續幀圖像[7]。

2) 圖像預處理。雙邊濾波是空間域非線性圖像處理算法的一種,該算法可在去噪的同時保留更多的邊緣信息[8],因此,本文將其作為圖像預處理的實現方法。雙邊濾波算法是在加權平均原理[9]的基礎上,分析圖像各像素之間的距離以及像素值對圖像的影響,計算表達式為

(4)

(5)

(6)

(7)

式中:Gεs為圖像空間距離的權重值;εs為距離均衡參數;Gεr為圖像像素灰度值的權重;εr為像素均衡參數;Ip和Iq為異物圖像坐標點集合S的連續幀灰度值;Wp為異物圖像空間距離與灰度的融合歸一化因子[10];IBF為經過雙邊濾波歸一化處理后的圖像灰度像素值;u、v為圖像鄰域像素兩個方向的灰度值;p、q為連續圖像差異像素的空間距離[11]。

3) 異物目標跟蹤。由于輸電通道導地線位于室外,在風力作用下,纏繞在線路上的異物極有可能發生位移,因此,需要對其進行目標跟蹤[12-14]。通過無人機采集獲取到的連續幀序列圖像,完成預處理后,對異物的位置、姿態、位移和速度等進行連續跟蹤,本文采用基于特征跟蹤算法來實現[15-16]。通過分析序列圖像中異物的運動特征,在不斷變化的視頻序列中利用相似度函數[17]確定是否為同一異物目標,實現對該異物的連續跟蹤。

將路徑的航向角α和視點截距d作為跟蹤對象,設狀態向量A=[α,d,Δα,Δd],Δα和Δd為航向角和視點截距變化量。建立的目標跟蹤方程為

(8)

式中:k為第k幀圖像處理時序;M為狀態轉移矩陣;F為觀測矩陣;B為觀測向量;Lk+1和Pk+1分別為均值為0的高斯白噪聲。以此實現對目標的跟蹤。

4) 異物檢測。完成對異物目標的跟蹤后,利用雙目視覺理論結合設定閾值確定該異物的三維信息,并對異物與導地線之間的最小距離[18-19]進行計算,以判斷其是否會影響線路的正常運行。最小距離計算公式為

(9)

式中,zn為相機高度。按照電力系統相關規定,不同電壓等級[20]的安全距離有所不同,具體如表1所示。

表1 不同電壓等級異物與導地線間的安全距離Tab.1 Safe distance between foreign matters and conductor and ground wires at different voltage levels

輸電通道交叉跨越段導地線異物三維信息檢測具體流程如圖2所示。

2 實驗設計與研究

為了驗證本文方法在實際應用中是否具有合理性,采用路艷巧等[1]提出的基于邊緣計算的輸電設備異物檢測方法和楊劍鋒等[2]提出的基于深度學習網絡的輸電線路異物入侵監測和識別方法為對照方法,設計對比實驗。無人機傳感攝像頭的分辨率數值稱為地面分辨率。本文無人機以Canon EOS 5D Mark Ⅱ相機為主,傳感器大小為36 mm×24 mm,如將相機像元大小設置為5 616像元×3 744像元時,則地面分辨率為6.4 μm。本文無人機航測遙感系統中,航高的確定跟成圖比例尺、像元大小、地面分辨率有關,本文無人機航測遙感系統中數碼相機的航高為180 m。

2.1 圖像數據擴充

實驗數據來自于無人機拍攝的某大型電站輸電通道導地線異物纏繞圖像,共2 000張,其中,輸電線電壓值為220 kV,由表1可知,本次實驗的異物與導地線之間的安全距離為15 m。纏繞塑料薄膜圖像1 000張,纏繞風箏圖像500張,纏繞廣告篷布圖像500張。圖像數據集規模的大小直接影響著算法的性能,數據集規模越大,算法所展現出的性能就越優秀,如果數據集規模較小,即使算法整體表現良好,但也會因為數據少而出現過擬合的情況[21-23]。因此,需要對原始圖像進行翻轉、旋轉、縮放等一系列操作,完成原始數據集的擴充。翻轉主要采用的是左右翻轉,并將原始圖像尺寸縮放為400×400像素大小,這樣圖像就擁有了兩種尺寸,也可以驗證算法對多尺度圖像的適應性。旋轉則是對原始圖像分別進行20°、100°和220°的逆時針旋轉。選取6幅輸電線異物圖像作為實驗樣本,如圖3所示。

圖3 部分實驗圖像數據Fig.3 Partial data of experimental images

2.2 實驗結果及分析

利用本文方法與邊緣計算和深度學習算法在導地線異物三維信息檢測性能方面進行對比,實驗結果如表2所示。

表2 三種算法異物檢測結果對比Tab.2 Comparison of detection results of foreign matters for three algorithms

由表2可知,對于6幅包含異物的導地線圖像,本文方法均實現了精確檢測,沒有出現漏檢或者多檢的情況,檢測率最高達到100%。其他兩種方法均出現了不同程度的漏檢和多檢,導致檢測率降低。本文方法可以實現精準檢測,積極指導工作人員進行異物清理,保障輸電線路安全穩定的運行[24]。

從2 000張圖片中隨機選取600張圖片來驗證本文方法異物檢測的準確率,利用本文方法與邊緣計算和深度學習算法在異物檢測準確率方面進行對比,實驗結果如表3所示。

表3 三種算法異物檢測準確率結果對比Tab.3 Comparison of accuracy results of three algorithms for foreign matter detection %

由表3可知,本文方法的檢測準確率在98%以上,最高達到100%,而其他兩種方法的檢測準確率明顯低于本文方法。由于本文方法采用雙目視覺法確定了異物的具體位置,以此實現對異物的準確檢測,因此本文方法的檢測準確率更高,性能更好。

3 結束語

為了準確檢測導地線的異物信息,使輸電線正常運行,本文提出了導地線異物無人機三維信息檢測方法;對采集圖像進行預處理后,對于運動中的異物目標進行實時跟蹤,并判斷其三維信息,計算異物與線路之間的安全距離。實驗證明本文導地線異物檢測方法具有一定的可行性,能夠精準檢測出輸電通道交叉跨越段導地線圖像中的各類異物,沒有出現漏檢或者多檢的情況,檢測準確率最高達到100%,為電力系統提供了科學的參考方法。