一种高压输电线路导线结冰厚度自动测量方法与流程

本发明涉及输电线积冰厚度测量领域，尤其是一种高压输电线路导线结冰厚度自动测量方法。

背景技术：

我国北方地区在寒冷气象条件下，由于雨淞、雾淞凝附在导线上或湿雪冻结在导线上，会形成电线积冰，也称为电线履冰。如果积冰超过高压架空送电线路的设计标准，就会发生电线断线、电线杆倒塌的事故，造成电路中断、电网线路损毁，给人们的生活带来麻烦和不可估量的经济损失。准确检测电线积冰，不但对指导输电线路上的冰冻灾害防治具有重要意义，也能够根据气候资料对电线积冰进行风险区划，为输电线路走向提供合理的方案，使输电线路设计更为合理，既节省开支又能够提供充足的保障。电线积冰观测单位常根据需要选择时间段来测定每一次积冰过程的最大直径和厚度，以毫米(mm)为单位，取整数。目前的观测单位多采用人工测量或局部测量的方法进行电线积冰厚度测量，效率和可靠性方面滞后，难以适应大范围、快周期的数据采集分析。因此，现有技术还提出了两种检测电线积冰的方法，主要有两类，第一类是拉力传感器测量法，第二类是基于视频图像的积冰测量法。

拉力传感器测量法是设计一个由两组支架组成的电线积冰收集部分，每组支架包括两根支柱和两根导线。当与拉力传感器相连接的积冰采集铁丝出现积冰时，会引起传感器发生形变，传感器将形变的力信号转变为电流信号，电流信号传送到系统的数据采集单元进行转换后通过总线控制芯片被送入处理单元进行处理，最后将得到的积冰数据根据软件设定的数据采集时频存储到存储卡并可实时屏幕显示。但是该方法通过测量拉力间接分析积冰参数，影响拉力的其它环境因素难以剔除，以此反演的积冰厚度不准确。比如环境风或者温度引起的热胀冷缩都会影响拉力测量值，这使得传感器读数不能准确反映积冰的情况。另外，该系统结构只能测量一小段积冰情况，输出值单一，电力线跨度大，各处情况存在差异，因此该结构难以反映输电线各个位置的积冰情况

中国专利2013103146759就是一种基于视频图像的积冰测量法，该专利方案设计了一种基于图像的覆冰检测和厚度估计方法，它是利用颜色和位置的先验知识优化了对于复杂深色背景覆冰输电线边缘检测的效果，再通过利用摄像头标定参数的厚度估计算法和运动目标追踪算法，在覆冰输电线发生位移的情况下估计实际覆冰输电线厚度。该技术使用单一摄像头定点观测，需要已知尺寸的标定物作为参照，通过像素测量计算厚度值。但是该技术采用定点凝视观测的方法采集图片数据，测量的结果仅反映局部的积冰情况；需要已知尺寸的参照物作为测量积冰厚度的标定物，当标定物的像素距离量测不准确时，积冰的厚度测量值也会不准确。

技术实现要素：

发明目的：为解决上述技术问题，本发明结合无人机技术和双目视觉技术，提出一种高压输电线路导线结冰厚度自动测量方法。

技术方案：本发明提出的技术方案为：

一种高压输电线路导线结冰厚度自动测量方法，包括步骤：

(1)采用无人机搭载双目相机，在地面使用棋盘格标定板，对双目相机的相对位置姿态和图像内参数进行标定，获得立体标定参数，包括：基线长度、图像主距、畸变参数；

(2)控制搭载有双目相机的无人机沿输电线路长度方向飞行，飞行过程中采集输电线路各个位置的立体彩色图像，并采用关键帧的方式存储图像，记左侧相机采集到的图像为图像l，右侧相机在同一时刻采集到的图像为图像r；无人机飞行时保持双目相机基线平行于输电线方向；

(3)以同一时刻采集到的图像l、r为一组，按照采集时间顺序，对每一组图像l和r，使用拉普拉斯算子处理原始图像，得到输电线的左、右二值轮廓图像l¹、r¹；

(4)采用霍夫变换或lsd线性线段检测器处理左、右二值轮廓图像l¹、r¹，得到左、右分段线段二值图像l²、r²；

(5)采用立体标定参数，对l²、r²进行极线校正，得到校正后的图像l³、r³；校正前后的图像同名点的像素坐标中，行坐标完全相同，列坐标存在像差，相差即为视差；

(6)遍历图像l³中的像素点，当遇到线特征像素点(xl，yl)时，在图像r³中沿扫描线y＝yl搜索线特征像素点，记搜索到的线特征像素点个数为n，各线特征像素点的坐标分别为：(xr1，yl)，(xr2，yl)……(xrn，yl)；

(7)采用立体标定参数对图像l、r进行几何校正，得到校正后的图像l^*、r^*；

(8)在图像l^*、r^*中进行线特征像素点的匹配：

在图像l^*中以(xl，yl)为中心点提取待匹配窗口；在图像r^*中分别以(xr1，yl)，(xr2，yl)……(xrn，yl)为中心点提取匹配窗口，计算每一个匹配窗口与待匹配窗口的相关性，将相关性最大的匹配窗口所对应的中心点作为(xl，yl)的最优匹配像素点，(xl，yl)与其最优匹配像素点即为一对匹配像素对；

(9)利用立体标定参数和匹配像素对进行三角测量，得到以图像l^*为参考系的深度图：

记匹配像素对中的两个像素点分别为p和p′，p和p′在深度图中相应的线特征像素点为p，p的坐标为(xl，yl)，p′的坐标为(xri，yri)，p的坐标为(x，y，z)；

其中，b表示双目相机基线长度，d表示视差，d＝xr-xt，f为双目相机的焦距；

(10)根据深度图中各线特征像素点的坐标，即可计算输电线轮廓的宽度值，将计算得到的宽度值减去输电线的直径，得到输电线外部的冰层厚度。

进一步的，所述步骤(1)中，对双目相机的相对位置姿态和图像内参数进行标定的方法为opencv开源算法。

进一步的，所述采用lsd线性线段检测器提取分段线段的方法为：

1)通过高斯下采样对图像进行压缩，消除图像中的锯齿效应；计算压缩图像中每个像素点的梯度和梯度幅值：

其中，i(x，y)表示像素点(x，y)处的图像灰度值，gx(x，y)表示像素点(x，y)处水平方向上的梯度值，gy(x，y)表示像素点(x，y)处垂直方向上的梯度值；g(x，y)表示像素点(x，y)处的梯度幅值；

2)对步骤1)计算得到的梯度幅值进行伪排序，并得到梯度幅值的状态表；将状态表中，梯度幅值小于预设的阈值ρ的像素点的状态设置为used，其他像素点的状态设置为unused；

3)利用区域增长算法生成输电线轮廓线段，包括依次执行的步骤s1至s4：

s1：以所有状态为unused的像素点为点集；

s2：以点集中梯度幅值最大的像素点为种子点，计算种子点的梯度角作为初始的区域角；

s3：逐个搜索种子节点相邻的8个像素点，并计算搜索到的相邻像素点的梯度角；若搜索到的像素点为j，而j的梯度角与区域角之差的绝对值在区间(0，τ)之间，则将像素点j加入生长区域，并更新区域角为其中，θj为像素点j的梯度角，τ表示预设的角度容忍度；从点集中删除种子点和像素点j；

s4：判断点集是否为空，若为空，则结束步骤3)；若不为空，则返回步骤s2。

进一步的，所述阈值ρ的计算方法为：

其中，q表示预设的误差边界值。

进一步的，所述τ的取值为22.5度，q的取值为2。

有益效果：与现有技术相比，本技术通过无人机巡航的方式进行快周期的测量，同时结合开发的数据处理软件可以快速的实现数据的解算和输出，本发明从测量效率和测量精度方面比较以往的测量方法有极大提高，具体包括：

1)本技术以双目相机为测量传感器，利用双目的标定参数可以省去参照物，双目相机的标定结果可以反复使用，直接利用双目基线作为基准可以对目标点计算出可靠的空间坐标值。

2)本技术以无人机为移动载体进行数据测量，可以扩展在空间上的观测距离。本技术数据根据输电线的走向，连续测量出不同位置的积冰厚度，而不但是一个点的观测值。

附图说明

图1为本发明的流程图；

图2为标定板与双目相机的位置姿态关系解算示意图；

图3为区域生长结果示意图；

图4为极线校正中极线的几何关系图；

图5为实施例中经过三角测量得到的输电线的宽度值示意图；

图6为实施例中采用的数据处理软件界面示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明解决在输电线积冰厚度测量中的问题包括：1)提高积冰厚度的测量精度；2)区别以往的测量仅限于局部区域，本发明通过移动测量反映输电线各个位置的积冰情况；3)通过视觉处理技术测量结果以连续区域的厚度参数呈现，分析输电线不同位置的局部积冰厚度细节。

本发明以无人机为载体，搭载双目立体视觉系统，通过沿输电线巡航飞行，采集双目序列影像数据，通过线特征提取匹配，使用基线标定参数进行三角测量，获得输电线上下边缘的三维测量值，于输电线实际设计宽度比较，差分得到积冰的厚度值。

在本实施例中，无人机设备采用悬疑式无人机，满足低俗飞行条件，承载重量在5kg以上，双目相机固定基线宽度在20cm到50cm之间可选，相机镜头焦距＞18mm，景深满足3～8米，双目相机的成像区域保持在70％的重叠度。

对积冰厚度测量分为4个部分，如图1所示：

(一)立体标定；(二)视频数据采集；(三)双像线特征提取；(四)特征匹配和三角测量计算宽度。

(一)立体标定

在地面环境下，对链接到一起的双目相机的相对位置姿态和图像内参数进行解算，获得立体标定参数，包括：基线长度、图像主距、畸变参数。标定方法使用棋盘格标定板opencv开源算法实现，双目相机对标定板在不同位置、不同角度进行成像拍摄，每次检测棋盘格角点，采集15-20组数据，可计算获取最终的标定结果(相机的内参，双目相机间的相对位置姿态[r|t])，标定板与双目相机的位置姿态关系解算如图2所示。一次标定结束后，在不改动双目相机结构的条件下，可以反复使用标定参数而不需要每次重新标定。

(二)视频数据采集

双目相机固定与无人机的下部，斜向下成30°到60°俯角。操作人员通过无人机遥控器和图传模块，操作飞机以0.5米/秒速度沿输电线方向飞行，距离输电线距离保持在3～8米距离，双目相机基线基本平行于输电线方向。双目相机同时进行采集输电线各个位置的立体彩色图像，采用关键帧的方式存储图像，即每隔30帧存储一帧关键帧，这样压缩了图像存储的数据量，而且保持了拍摄的连贯性。记左侧相机采集到的图像为图像l，右侧相机在同一时刻采集到的图像为图像r。

第三步双像中输电线轮廓线段的线特征提取。以同一时刻采集到的图像l、r为一组，按照采集时间顺序，对每一组图像l和r，使用拉普拉斯算子处理原始图像，得到输电线的左、右二值轮廓图像l¹、r¹；采用霍夫变换或lsd线性线段检测器处理左、右二值轮廓图像l¹、r¹，得到左、右分段线段二值图像l²、r²。

采用lsd线性线段检测器提取分段线段的流程如下：

1、通过高斯下采样将图像缩小为原来的80％，这样做的目的是为了减弱或者消除图像中经常出现的锯齿效应。然后，计算压缩图像的每个像素的梯度和梯度的方向。使用了一个2*2的模板来计算梯度和梯度角，之所以用尽可能小的模板是为了减少在梯度计算过程中，像素之间的依赖，从而保持一定的独立性。假设i(x，y)是像素(x，y)处的图像灰度值，则梯度计算公式如下：

其中，i(x，y)表示像素点(x，y)处的图像灰度值，gx(x，y)表示像素点(x，y)处水平方向上的梯度值，gy(x，y)表示像素点(x，y)处垂直方向上的梯度值；g(x，y)表示像素点(x，y)处的梯度幅值。

2、采用贪婪算法对第二步计算得到的梯度幅值进行伪排序。正常的排序算法若处理n个数据，则时间复杂度为o(nlogn)，但是伪排序的时间复杂度是线性的，可以一定程度是节省时间，伪排序就是将求得的梯度值范围(0～255)分为1024个等级，每个梯度值都被划分到一个等级中，相同的梯度被划分到同一等级中，同时建立一个状态表，所有的像素点都设置为unused，然后再将梯度值小于ρ的像素点对应的状态设为used。其中：

这里q表示在梯度量化过程中可能产生的误差边界，根据经验值，q被设定为2，τ表示在第四步区域增长算法中的角度容忍度，通常设为22.5度。

3、利用区域增长算法生成线段支持区域(矩形)。

s1：以所有状态为unused的像素点为点集；

s2：以点集中梯度幅值最大的像素点为种子点(通常认为梯度幅值越高，边缘性越强)，计算种子点的梯度角作为初始的区域角；

s3：逐个搜索种子节点相邻的8个像素点，并计算搜索到的相邻像素点的梯度角；若搜索到的像素点为j，而j的梯度角与区域角之差的绝对值在区间(0，τ)之间，则将像素点j加入生长区域，并更新区域角为其中，θj为像素点j的梯度角，τ表示预设的角度容忍度；从点集中删除种子点和像素点j；

s4：判断点集是否为空，若为空，则结束步骤3)；若不为空，则返回步骤s2。

该步骤得到的区域生长结果如图3所示。

(四)特征匹配和三角测量计算宽度

a、特征匹配的步骤为：

采用立体标定参数，对l²、r²进行极线校正，得到校正后的图像l³、r³；校正前后的图像同名点的像素坐标中，行坐标完全相同，列坐标存在像差，相差即为视差；

遍历图像l³中的像素点，当遇到线特征像素点(xl，yl)时，在图像r³中沿扫描线y＝yl搜索线特征像素点，记搜索到的线特征像素点个数为n，各线特征像素点的坐标分别为：(xr1，yl)，(xr2，yl)……(xrn，yl)；

采用立体标定参数对图像l、r进行几何校正，得到校正后的图像l^*、r^*；校正的影像同名点的像素坐标行坐标完全相同，列坐标存在像差，称为视差，满足极线几何条件，如图4所示。在图像l^*、r^*中进行线特征像素点的匹配：

在图像l^*中以(xl，yl)为中心点提取待匹配窗口；在图像r^*中分别以(xr1，yl)，(xr2，yl)……(xrn，yl)为中心点提取匹配窗口，计算每一个匹配窗口与待匹配窗口的相关性，将相关性最大的匹配窗口所对应的中心点作为(xl，yl)的最优匹配像素点，(xl，yl)与其最优匹配像素点即为一对匹配像素对；

b、三角测量的计算宽度的步骤为：

利用立体标定参数和匹配像素对进行三角测量，得到以图像l^*为参考系的深度图：

记匹配像素对中的两个像素点分别为p和p′，p和p′在深度图中相应的线特征像素点为p，p的坐标为(xl，yl)，p′的坐标为(xri，yri)，p的坐标为(x，y，z)；

其中，b表示双目相机基线长度，d表示视差，d＝xr-xt，f为图像主距；

根据深度图中各线特征像素点的坐标，即可计算输电线轮廓的宽度值，宽度测量结果如图5所示。测量精度可以控制再0.4mm的宽度测量精度。将计算得到的宽度值减去输电线的直径，得到输电线外部的冰层厚度，处理软件示意图6如图所示。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。