无人机输电线路巡检可见光拍摄方法研究

周 辉

（国网四川省电力公司检修公司，四川 成都 610041）

1 引言

近年来，无人机在输电线路巡检中得到了逐步应用，并在2015年得到了大规模推广，在一定程度上弥补了传统人工巡检的不足，特别是在环境复杂地区和对输电线路本体精细化巡检中显示出来不可比拟的优势。而在无人机巡检过程中，获得高质量的拍摄效果一直是线路运维人员努力的方向。

本文主要从技术和人工两个方面研究多在可见光下多旋翼无人机电力巡检拍摄技术。

2 计算机视觉技术在电力巡检无人机中的研究

2.1 目标跟踪技术

该技术即在无人机电力巡检中采用视频跟踪技术对特定的电力目标（绝缘子等）进行跟踪定位，实现自动导航。首先在分析数字图像预处理方法的基础上，采用色彩空间的转换、图像灰度化、对比度增强和图像去噪等方式对绝缘子图像进行预处理；然后在HSV色彩空间提取H分量，并作出其直方图；最后在Cam-shift算法的基础上，使用颜色特征和角点特征相融合的方式，改进均值漂移的反向投影图，使用均值漂移的思想预测绝缘子在视频序列下一帧图像中的位置，将全局搜索问题转化为局部搜索问题，提高处理的速度和跟踪的实时性。

2.2 克服复杂光照影响

为提高跟踪准确性，需研究复杂光照对目标跟踪的影响。对目标绝缘子和输电线的识别必须要经过的一步是从复杂的背景及各种光照下找出目标物，这是图像处理的的难点。此部分研究内容是找出目标物和背景特征之间的不同，然后进行背景剔除，找到目标物，而对于光照的影响，不同光照条件下，背景和目标物将出现不同的特征，研究光照影响的目的是找出在不同光照条件下，目标物的特征会不会做太大的改变，这样才能有效的分割出目标物。

在对绝缘子及输电线路识别过程中，克服环境光照及复杂背景影响的方法有很多，主要可分为颜色恒常性方法和提取光照不变量方法两大类。

（1）颜色常恒温方法基于人类视觉系统（Human visual system，HVS）的颜色恒常性而来。基于这一思维理论，人们提出了许多不同的颜色恒常性算法，其中最经典的当属20世纪60年代提出的Retinex算法，该算法经过几十年的发展，已经衍生出许多改进算法，在此具体说明一个Retinex算法及改进：

首先将待处理的图像看成是由反射光分量和入射光分量两部分的乘积，其中反射分量对应于图像的本来面貌，入射分量对应于图像中的干扰部分。然后采用某种途径估算出入射分量，并从待增强图像中除去入射分量，得到反射分量部分，还原图像的本来面貌，实现对图像的增强。具体到某一图像s，主要由照射分量e和反射分量r构成，得到公式：s=e×r（其中，e表示入射光，r表示物体的反射性质，s是反射光，是被观察者或照相机接受到的我们看到的彩色图像）。在此，我们需要从图像s中获得物体的反射分量r，即消除入射分量e，获得物体的本来面貌。为简化计算，对上式取对数得：S=E+R，（S=log（s），E=log（e） ， R=log（r）），得到对数等式后，，可用单尺度Retinex算法，通过高斯滤波来估算消除入入射分量E，也可用多尺度Retinex算法，对目标图像按照度划分低对比度区域、德弗里斯区域、韦伯区域和饱和区域四个区域，建立对数图像处理（LIP）模型，再把根据各个子图的照度特性运用不同的尺度参数进行Retinex处理。

（2）光照不变特征提取方法通过提取与光照无关且能够反映物体表面反射纹理属性的特征来作为依据。纹理作为图像分析中很重要的一种特征，不同于颜色和边缘等图像特征，其自身具有很强的抗光照突变特性和局部序列性等良好属性。常见的不变特征提取算法有局部二元模式（Local binary Pattern，LBP）算法。该算法通过刻画图像中每个像素与领域内其它像素点的灰度差异来描述图像的纹理结构，具有一定的光照鲁棒性。

在该算法中，引入一个局部纹理描述算子LBP，该算子计算简单、对光照变化不敏感且能较好表达纹理特征。最初，一般在图像定义一个3×3的窗口，以窗口中心点，对相邻点的灰度值与中心点灰度值之差和阈值比较作二值化处理，大于等于阈值的为1，反之为0，如下所示：

然后根据顺时针方向将这些值进行加权求和，得到该窗口的LBP编码值。如图1所示。

最后将该二进制数串转换为十进制数值，作为纹理单元的LBP值，由于LBP值主要参考了周围子块相对中心子块的梯度，因此充分描述了纹理空间特征，同时保留了纹理的形状和走向。可见，采用此种方法能够在一定程度上减少光照及复杂背景对定位目标识别的影响。

3 可见光模式下手动操控无人机的方法研究

除开展标准化作业确保可见光拍摄效果以外，在无人机电力巡检中另一个难点就是准确获取无人机和铁塔等目标的距离，即深度信息。帮助操控手准确判断目标，提高巡检安全性和准确性。关键在于获取绝缘子等目标在地面站图像中的深度信息。在此，作者提出一种伪相距概念，如图2所示。

基于伪像距的测距方法具体步骤分为伪像距测定过程以及测距过程，主要根据显示器接收影像尺寸来计算相机镜头与目标物之间的距离。其原理是根据相机成像原理，假设存在一个类似相机像距的常量m，与无线传输后的接收显示器上影像大小S、目标尺寸L以及物距d存在对应关系，得到伪像距的计算公式为m=L×d/S，那么在伪像距已知的情况下，相机镜头与目标物之间的距离d=S×m/L。

伪像距测定步骤如下：

（1）调整相机焦距后并固定相机焦距f不变；

（2）确定目标尺寸S；

（3）确定物距d；

（4）测量视频无线传输接收显示器上目标影像尺寸L（此步骤可以采用实际的长度工具进行物理测量，也可以通过图像识别的方法计算图像中目标物影像的像素尺寸）；

（5）根据公式：物距=目标尺寸×像距/影像尺寸，计算伪像距mi；

（6）重复步骤（2）至步骤（5）多次，求伪像距的加权平均值m。

结语

综上所述，本文主要从图像视频跟踪技术和人工操作两方面研究无人机输电线路巡检可见光拍摄，给出了两种模式下可行的操作方法。未来，随着无人机在电力巡检中的不断深入应用，必将向着自主避障、导航、高清传输、缺陷智能识别等方向发展，即针对电力行业特种化发展。

[1]刘辉，席德科，晏登洋.基于MIMU/GPS 组合导航定位系统的一种新型卡尔曼滤波算法的研究[J].弹箭与制导学报，2007，27（04）：36-39.

[2]陈礼斌，刘钊.一种新的自适应扩展卡尔曼滤波算法[J].激光与红外，2006（03）：210-213.

[3]林韩，林朝辉.无人直升机在福建电力输电线路巡视的初步应用[J].第十九届输配电研讨会，2011.

[4]宋华，张军香，张洪钺.基于模糊基函数网络的容错方法[A].全球智能控制与自动化大会会议，2004.

[5]杨枝灵，王开，等.Visualc++数字图像获取、处理及实践应用[M].北京：人民邮电出版社，2010：98-102.

[6]黄凯奇，王桥，等.基于视觉特性和颜色空间的多尺度彩色图像增强算法[J].电子学报，2004，32（04）：673-676.

[7]肖泉，丁兴号，王守觉，等.有效消除光晕现象和颜色保持的彩色图像增强算法[J].计算机辅助设计与图形学学报，2010，22（08）.

[8]赵全友，潘保昌，郑胜林，等.一种颜色保持的彩色图像增强新算法[J].计算机应用，2008：28（02）：448.