单目视觉测量电力线覆冰厚度方法研究

肖 文，高宏力，鲁彩江

（西南交通大学机械工程学院，四川 成都 610031）

1 引言

受空气气温、复杂地形、气象变化等各种环境的综合影响，附着在电力线上的过冷水滴由于释放潜热而固化最终极易形成覆冰。而严重的电力线覆冰能造成电力线路的金具破损、断股、绝缘子倒转甚至杆塔倾斜或倒塌等事故[1]；如在2008年2月期间的连续降雨降雪造成多个省级电网的电力线发生不同程度的覆冰，给国家电网直接经济损失达到104.5亿元[2]。为了保障电力的安全，对输电线路覆冰情况进行监测、覆冰厚度进行测量成为了许多科研院所的一个重要研究课题。

国内外对输电线路覆冰厚度测量的研究取得了较大的突破。目前视觉测量覆冰厚度的方法从硬件上看主要分为两种，一种是采用移动平台搭载双目相机对覆冰厚度进行测量，另一种采用固定在杆或者铁塔上的单目相机来达到测量的目的。采用双目视觉的方法其原理是通过三角测量原理通过立体匹配得到左右相机视图的视差来获得深度信息，以得到电力线覆冰的厚度。如文献[3-4]通过双目立体视觉方法，重建出电力线覆冰的三维模型，得到覆冰厚度[3-4]，使用该方法的好处是即使是形状不规律的覆冰、冰凌也能测出其厚度。文献[5-6]通过无人机搭载双目相机来测量电力线覆冰厚度[5-6]，取得了不错的效果。但因为电力线覆冰在户外受光照影响，且覆冰透明、本身含有的纹理信息较少，双目视觉的立体匹配受此影响面临一个不小的挑战；针对此，文献[7]提出了基于局部卷积特征的特征匹配方法，相对于用传统的SIFT、ORB和SURF特征来作立体匹配，效果更好[7]。

采用单目视觉的方法其原理是利用电力线覆冰厚度与图片中电力线覆冰前、后的像素个数存在一定关系[8]，利用这种关系通过计算得到测量结果。文献[8-9]提出了基于LoG算子、融合多尺度小波变换的覆冰边缘检测[8-9]，其中融合小波变换的方法有效地消除了在边缘检测过程中的吉布斯现象[9]。文献[10-11]采用自适应阈值分割、形态学滤波的方法识别覆冰电力线区域[10-11]，但自适应阈值分割和数学形态学滤波只能从简单图像背景中较好的提取出覆冰电力线的边缘；采用传统的Hough直线检测方法能有效提取覆冰电力线的边缘[8-11]，检测精度高，但Hough变换检测直线极易受噪声、背景等元素的干扰。

综上，虽然目前基于单目视觉的电力线覆冰厚度测量研究取得了重大进展，但由于覆冰电力线图像存在背景复杂、噪声多、对比度低等特点，如图2（a）所示，由此带来的如Hough直线检测易受背景干扰、检测到的边缘直线不止一条等问题需要解决。针对此，提出先对电力线覆冰区域进行分割，减小检测区域以降低背景对Hough直线检测的干扰；用最小二乘法与Hough直线检测相结合的算法可以有效消除Hough直线检测到的多条直线问题；最后通过计算覆冰前与覆冰后的电力线尺寸差得到覆冰的厚度。该算法包括图像预处理、覆冰边缘检测、厚度测量3大步骤，总流程，如图1所示。

图1 总流程图Fig.1 The General Flow Chart

2 预处理

在对图像进行分析、处理时，对原始图像进行预处理是非常重要的一环。经常使用的方法如为了降低噪声的高斯滤波、均值滤波、双边滤波；为了增加图像的清晰度普遍使用直方图均衡化；对图像分割使用形态学滤波、阈值分割等等。为了提高最终测量结果的精度，对覆冰原图像采用灰度化、自适应阈值分割、Canny边缘检测、电力线区域分割4步进行预处理。

2.1 灰度化

图像采集设备采集到的原始覆冰图像是RGB格式，而后续图像处理的对象都是灰度图像，故需将采集到的图像灰度化，最常用的是加权平均值法，它将彩色图像的三个分量以不同的权重进行加权平均：

式中：R(i，j)、G(i，j)、B(i，j)—RGB图像像素点(i，j)三个通道的像素值；f(i，j)—灰度图像像素点(i，j)的像素值。

2.2 局部自适应阈值分割

为了能够在树木、云朵、雾霜等环境复杂的背景中定位出覆冰的电力线，首先要做的是降低背景因素的干扰。基于阈值的分割算法能消除背景的影响，有效的分出电力线覆冰区域，其结果如图2（b）所示。其基本思路是：给定一个阈值，与图片中所有像素的像素值比较大小并作相应的处理，如式（2）所示，当像素值的大小小于给定阈值时则令该像素值为0（黑），反之则令为255（白）：

2.3 边缘检测

目前运用在覆冰厚度测量上的边缘检测算法有LOG算子[8]、Canny算子和融合多尺度小波变换[9]等。从其检测效果来看，Canny算子因检测边缘具有低失误率、高位置精度和单像素边缘等优点，普遍使用在图像的边缘检测过程中，对自适应阈值分割后的覆冰图像用Canny算子检测边缘后的结果，如图2（c）所示，得到了较为清晰的图像边缘且假边缘信息较少。

2.4 电力线区域分割

图像分割的目的是将覆冰电力线从复杂的背景中分割出来。对电力线覆冰图片先进行分割，减小目标区域，能够显著地减小背景信息对Hough直线检测的干扰。由于固定安装于铁塔上的相机与覆冰电力线的位置相对固定，覆冰电力线在图片中的位置固定，有了这个“先验知识”不必先对覆冰电力线识别后再分割，而是可以根据这个已知信息在图片中保留有电力线这一块区域，其分割结果，如图2（d）所示。

图2 预处理结果Fig.2 The Pretreatment Results

3 覆冰电力线检测

3.1 Hough直线检测

目标的检测和识别往往是检测目标的先验特征（直线、圆、椭圆），对覆冰电力线的识别是通过检测覆冰边缘直线来实现。Hough变换（Hough Transform，HT）因其鲁棒性好、精度高、无需启发式信息等优点成为解决该问题的常用方法，典型霍夫直线转换采用式（3）：

其中，(x，y)，(θ，ρ)分别表示图像、参数空间下的坐标；其基本原理，如图3所示。图像空间中的点（P1、P2、P3）转换到参数空间是一条曲线，并且位于图像空间同一直线上的点转换到参数空间是交于同一点的曲线簇；这样，直线检测就转化成了在参数空间寻找相交在同一位置点的全部曲线，而这些曲线簇在直角坐标系中即是在同一直线上的点。霍夫直线检测的流程，如图3所示。

图3 图像空间转为参数空间Fig.3 The Image Space to the Parameter Space

（1）将参数空间划分成i×j个区间相同的小格，i为横坐标θ划分的个数，j为将纵坐标ρ划分的个数；

（2）为每个小格安排一个计算器，并把初始值置为0；

（3）遍历参数空间所有的离散θi，对每个图像空间中的点(x，y)代入公式（3）计算出每个θi值下对应的ρ值及离散区间ρj，并对相应的计数器(θi，ρj)加1；

（4）最后在所有计数器中找到大于给定阈值的局部最大值点，这些点的参数(θ，ρ)就是霍夫直线检测检测到的图像空间中的直线。

从霍夫变换直线检测的流程可知，在检测直线的过程中需要设定一个阈值，当处在同一直线上的点的个数大于该阈值，就认定这些点连成的直线为Hough直线检测的结果。而阈值的设定是一个关键，阈值过小，检测的直线会很多甚至误检到不在覆冰电力线边缘上的直线；阈值过大，检测的直线过少甚至检测不到直线。表1是电力线区域未经过分割的图像和经过分割的图像间检测直线结果的一个对比。对于未经过分割的图像，阈值较低时，由于复杂背景的影响，所检测到的直线有的并不在覆冰电力线的边缘，即误检；而对于分割后的图像，在一定范围内，无论阈值高还是低，检测结果均在覆冰电力线的边缘，提高了直线检测的正确率。其中当阈值为56时，霍夫直线检测结果，如图4所示。为了区分检测到的不同直线，检测到的直线用不同的颜色绘制；对于初始未对电力线区域分割的图像，有5条直线属于误检；相反，对于经过分割的图像，所有的直线均在覆冰边缘，检测准确率较高。由此可见先对图像的电力线区域进行分割减小Hough直线检测的区域，再用Hough直线检测，可以有效地提高算法准确性。

表1 未分割与分割图像之间Hough直线检测结果对比Tab.1 Comparison of Hough Line Detection Results be⁃tween Unsegmented and Segmented Images

图4 Hough直线检测结果Fig.4 The Detection Results of Linear Hough

3.2 最小二乘法检测直线

在上一步中虽然在分割后的图像中用Hough直线检测算法检测到了覆冰电力线的边缘，但有时检测到的直线数量可能不是理想中的覆冰电力线上、下各一条，如表1中对分割后的图像阈值为65时检测出有4条直线，阈值为56时却有5条直线，此时则分别运用最小二乘法将覆冰边缘一侧的多条直线拟合出最终的一条直线[12]。若所直线数目只有两条且在覆冰电力线上下两边，分别将两条直线延长至整幅图像即可。

最小二乘法是常用的线性拟合方法，它能够找到满足均方差最小时的直线方程，最其定义是：给定数据集寻找满足直线方程y=a∗x+b的参数a、b使得误差指标E=最小。即：

求解式（4）可获得直线的参数a、b，即可得到所拟合的直线。用最小二乘法拟合霍夫直线检测到的多条直线，其算法流程如下：

（1）Hough变换检测直线得到覆冰电力线的上下边缘线，由上下边缘线得到上下边缘点组成的点集；

（2）此点集作为拟合中心线的原始数据点集，用最小二乘法拟合出这些边缘点集的中心线；

（3）以中心线为判断依据，区分出位于中心线两侧的上下边缘数据点集，最后分别用这两个数据点集再次用最小二乘法得到覆冰电力线两侧的直线。

其拟合结果，如图5所示。在图5（a）中，蓝色的中心线由覆冰电力线边缘点集通过最小二乘法拟合得到，中心线将红色的上边缘点集和绿色的下边缘点集分割开来；在图5（b）中的上、下边缘直线分别由图5（a）中的上边缘点集和下边缘点集拟合得到。这样就将覆冰边缘一侧的多条直线拟合成了单一的直线，得到了最终的检测结果。

图5 最终检测结果Fig.5 The Final Detection Result

4 电力线覆冰厚度测量

由于安装在杆或者铁塔上的摄像机固定，因此电力线在覆冰前后在摄像机采集的图像中的位置一定。覆冰前电力线的直径R0与覆冰后电力线的直径R1有以下关系[8]：

式中：m0—电力线覆冰前沿图像中电力线直径方向上像素的个数；m1—电力线覆冰后像素的个数。覆冰厚度D：

输电线路的相机采集到的电力线覆冰前、后的图像，经过图像预处理、覆冰边缘检测、厚度测量这三个过程，测得图像中覆冰前电力线直径方向上的平均像素个数为25.2，覆冰后为58.3，而导线未覆冰的直径已知为12.80mm，如图6所示。将结果代入式（6）有：

图6 电力线覆冰厚度测量实验Fig.6 Measurement of Ice Coating Thickness of Power Line

该测量结果与人工测量结果9.05mm相近，能够满足输电线路覆冰监测的需要。

5 结论

电力线路覆冰事故危害巨大，对输电线路的覆冰厚度进行测量、监测对电力的安全供应具有重要意义。这里提出的电力线覆冰厚度测量方法，与基于力学模型和模拟导线的方法相比，能反映真实的电力线覆冰状况、精度高且成本较低；与传统的单目视觉方法相比，Hough直线检测受背景影响较小、可用阈值范围大，适应性较强。并有如下结论：

（1）由于最后需要通过计算覆冰前、后的像素个数得到覆冰厚度，提高摄像机的分辨率可以提高测量精度。

（2）先对电力线区域进行分割，减小Hough直线检测的区域可以提高检测覆冰边缘直线的准确率。

（3）对于Hough直线检测结果，若直线条数只有两条，将这两条直线延长至整个图像；当检测的直线数目超过两条，使用最小二乘法拟合直线得到上、下边缘直线。