机载LIDAR输电巡检中绝缘子缺陷识别研究

刘丰

摘  要：随着智能电网建设的大规模开展，对电网快速、高精度勘测、巡查和可视化管理提出了巨大的应用需求。在输电线路中绝缘子是电网中用量庞大、种类繁多的零部件，而且极易损坏。通过机载LIDAR及可见光传感器对输电通道绝缘子进行缺陷识别，利用Canny算法对绝缘子影像进行边缘检测，处理后所获取图像边缘更完整、清晰。边缘连接性更强，轮廓边缘的细节更加完整，能有效抑制噪声对边缘检测的干扰，实验结果表明，该方法可以较好地完成对目标图像的识别，从而对绝缘子缺陷监测和定位提供数据支撑。

关键词：输电线路  激光雷达  绝缘子  Canny算法  边缘检测

中图分类号：TM755                            文献标识码：A                   文章编号：1674-098X（2020）09（c）-0101-03

Abstract： With the large-scale development of smart grid construction， there is a huge application demand for rapid and high-precision survey， inspection and visual management of power grid. In the transmission line， insulator is a large amount of parts and components， and it is easy to be damaged. Through the airborne lidar and visible light sensor to identify the defects of the insulator in the transmission channel， and using canny algorithm to detect the edge of the insulator image， the edge of the image obtained after processing is more complete and clear. The edge connectivity is stronger， the details of the contour edge are more complete， which can effectively suppress the interference of noise on edge detection. The experimental results show that the method can better complete the recognition of the target image， thus providing data support for insulator defect monitoring and positioning.

Key Words： Transmission line; Lidar; Insulator; Canny algorithm; Edge detection

高壓输电线路的检查方法一般采用皮带轮或手动检查。传输通道走廊周围的地理环境通常海拔较高、或者是大片的森林和戈壁沙漠、或者横跨湿地和湖泊。通讯和交通十分不便，工作环境较为恶劣，巡逻人员的人身安全也很脆弱。而且人工检测效率低、工作强度大、检测速度慢。这些因素使线路的检查和维护极为困难。近年来，我国逐渐开始使用有人和无人飞行器进行线路检查，与以前的方法相比，它效率高、工作强度低。通过对航飞收集的图像数据进行详尽的处理和比较，从收集到的大量数据中发现传输线设备和设施的异常情况，传输线路缺陷。

传输线中的绝缘子是电网中的大量组件，非常容易损坏。在长期的机械外力和自然环境，风和温差的急剧变化的影响下，它会导致绝缘层破裂和掉落，从而导致绝缘性能下降。传输线绝缘层损坏，导致电流返回地面，以致引起电网瘫痪并且操作中断。现在采用三维激光点云数据与图像数据分析相结合的方法，将激光雷达数据与航拍图像相互记录，以获得电力设备安装的空间坐标位置，及时隐藏危险位置;结合使用图像处理分析技术来识别绝缘设备中的缺陷，为员工维护提供了依据。

1  原理与表达

1.1 LIDAR位置的坐标

机载LIDAR系统是由全球卫星定位系统（GPS）、惯性导航系统（INS）及激光定位系统等精密部件所组成的复杂系统。通过激光束脉冲信号的发射及接收，将返回的信号进行处理，实现对地定位（如图1所示）。结合飞行器的航迹文件，可计算出包括LiDAR在各采样时间的GPS位置信息、距离信息、速度信息及观测角度信息。

机载LIDAR数据包括原始激光点云数据信息、惯性导航信息数据、机载GPS数据和基站地面数据。原始激光数据除了包含坐标、姿态等空间信息以外，还包括激光脉冲回波的反射强度信息。结合机载GPS航迹信息，经过数据处理后，可为每个激光点计算出基于WGS84坐标系的坐标值，从而实现激光测量数据的大地定向。在处理计算的同时还必须考虑数设备原因造成的系统误差，包括激光测距装置与GPS天线中心位置的偏差，航载激光扫描仪安装的翻滚倾角、俯仰倾角和航偏倾角，以及惯性导航装置相对于GPS的偏心矢量与飞行器坐标轴间的视轴偏心角等。由于GPS基准站与机载运动站GPS实现同步观测，在此时间段内星历误差、大气影响等因子误差基本一致，有高度的相关性，因此可采用双差分以消除机载三维LiDAR在数据采集过程中的卫星时间钟差、卫星轨道误差、信号在对流层传输延迟、电离层传输延迟误差等方面因素的影响，提高空间测量的定位精度。

1.2 绝缘子的识别

航拍所获取的影像背景复杂，干扰信息较多，需要通过一系列图像处理技术处理提取绝缘子的有效信息。边缘检测通过研究图像边缘的基本特征，利用绝缘子边缘变化表现为灰度变化，可通过图像边界进行微分计算灰度的变化来检测绝缘子边缘。现业界已经提成多种不同的边缘检测方法。在这些算法中，Canny算法由于在性能上有优异的表现而受到广泛的关注。

Canny算法的基本步骤为：先采用高斯函数一阶导数对所要处理的图像进行进行平滑滤波，对图像噪声实施抑制;由于高斯过滤的负面效果是容易发生边缘模糊，需用“非极大值抑制”进行处理，以便寻找图像中边缘点中的局部最大灰度点;处理后减少了非边缘点的情况，但是并不能消除一些假边缘点，需进一步使用双阈值递归实现图像边缘连接。递归以高阀值点作为轮廓边缘，在难以闭合的时候在寻找满足条件的低阀值点进行补充，最终完成边缘检测测的闭合。Canny与其他边缘检测方法的不同之处在于使用2种不同的阈值区分强边缘和弱边缘，由于绝缘子由单一材质所构成，特征较为明显。高阈值点可认定为提取绝缘子轮廓的有效强边缘，当强边缘由于信噪产生断开难以连接时，可遍历周边8个临近低阀值点提取弱边缘，并选取合适的像点，实现轮廓的连接与闭合，最终实现绝缘子边缘识别的目的。

2  实验结果

LAS格式标准的1.3版添加了激光回波波形数据中的信息，这些信息可用于提取和分類特征信息，以区分动力设备和其他地形扩展应用。首先，必须阅读基本信息，例如比例因子，坐标系和公共文件头区域的坐标偏移量，然后在区域的点数据记录中读取所需的坐标数据。可变长度记录。最后完成坐标值的提取和处理。

配准LIDAR数据和图像数据的过程包括：首先选择与两个图像相对应的相同名称的图像点，然后根据图像的空间方向元素来计算相应的地形点。由于相机上图像空间姿态的偏差，在计算出的与同名地面点相对应的照片中经常会出现错误，难以准确匹配。有必要进一步校正图像外部方位元素的几何变化，以使相同名称的图像点和地面点重合，并对激光雷达数据和航拍数据进行准确配准。

2.1 配准测试

实验数据为LIDAR数据采样间隔为1.2m、航拍数据采样间隔为0.15m，对LIDAR采用7×7 作为中值滤波平滑，Harris点采用7×7高斯模版，极大值抑制半径为5的情况下，并选择15作为原型区域搜索半径，可以得到角点互信息配准与配准后图像的psnr（峰值信噪比）对应关系，如表1。

可以看出半径为15效果比较理想。

采用角点互信息和普通互信息配准的对比见表2。

其中ddr（偏离度）问反映融合图像与原始图像在光谱上的匹配程度，越小越能反映保留原光谱信息。

2.2 Canny测试

示例绝缘子原图如图2和如图3所示。

3  结语

通过机载LIDAR及可见光传感器对输电通道绝缘子进行缺陷识别，能提高工作效率，减少人力浪费。首先，使用Canny算法通过对影像进行边缘检测，提取出的绝艳子边缘清晰，经过双阀值处理后边缘连续性效果理想，实验结果如表3表明，该方法可以较好地完成对目标图像的识别，能有效判断绝缘子是否存在破裂、脱落危险;通过配准结合LiDAR坐标数据，能快速锁定故障点所在位置，实施维抢修活动，有推广使用价值。

参考文献

[1] 侯国瑞.激光LiDAR点云在电力巡线中的应用[J].经纬天地，2019（8）：19-22.

[2] 于旭宅.基于LiDAR数据的输电线路通道危险区域提取方法研究[D].北京：北京林业大学，2018.

[3] 张伟剑.输电巡检中绝缘子缺陷判读及位置配准研究[J].科技资讯，2018（2）：55-57.

[4] 张佳鹏.基于时空融合的激光雷达障碍物检测与运动目标跟踪[D].杭州：浙江大学，2019.

[5] 黄陆君，电力巡线LiDAR点云电塔自动定位和提取算法[J].测绘通报，2020（4）：53-57.

[6] 许克崃.轻型机载LiDAR技术在电力工程中的应用[J]. 电力勘测设计，2017（5）：30-34.