一种高压电线绝缘子的无人机视觉检测方法技术

本发明专利技术公开了一种高压电线绝缘子的无人机视觉检测方法，获取高压电线绝缘子图像；将高压电线绝缘子图像由RGB模型转换成HSV模型；采用十字梯度搜索法检测HSV模型的亮度分量，获取方向梯度及空间亮度相似度，生成前景图像；采用8邻域连通域分割法对经过前景图像进行连通域分割，获得绝缘子连通域图像；采用LOG算子对绝缘子连通域图像进行边缘提取得到图像的边缘信息；采用8邻域的边缘跟踪方法对图像边缘点进行8邻域边缘归类；对经过8邻域边缘归类获得的像素类组，分组进行边缘直线检测，显示识别出的绝缘子轮廓。本发明专利技术可获得完整的绝缘子连通域图像，有效的提高了绝缘子的识别准确率；同时有效的提高了运行速度，并降低了计算的复杂程度。

An unmanned aerial vehicle (UAV) vision detection method for high voltage wire insulators

No visual detection method of the invention discloses a high-voltage wire insulator for high voltage wire, high voltage wire insulator insulator image; the image is converted from RGB model to HSV model; using cross gradient search method was used to detect the luminance component of the HSV model, obtain the direction of gradient and brightness space similarity, generating a foreground image; the 8 neighborhood of the foreground image segmentation segmentation method for insulator connected domain image; using LOG operator for insulator connected domain image edge extraction by the edge information of the image; using the edge tracking method 8 neighborhood of image edge points were classified to 8 neighborhood edge; after 8 neighborhood edge groups classified pixels obtained by grouping for edge detection, contour recognition of insulator display. The invention can acquire the complete insulator connected domain image, effectively improve the recognition accuracy of the insulator, and effectively improve the running speed, and reduce the computational complexity.

【技术实现步骤摘要】
一种高压电线绝缘子的无人机视觉检测方法
本专利技术属于图像处理
，具体涉及一种高压电线绝缘子的无人机视觉检测方法。
技术介绍
目前，中国电力系统随着社会的快速发展而有了质的飞跃，电力网的安全运行事关国家发展与社会稳定。三年多来，国家电网与巴基斯坦、老挝等10多个国家开展了投资、合作，承担了数十项大中型输变电工程。优质、高效、安全的中国输电工程赢得了越来越多的国家的青睐。输电线路走向选择人口稀疏的地域，有时要经过高山峻岭，戈壁荒漠等，传输距离远，覆盖面积广等特点，给日常的电力线路巡视和维护带来了极大的挑战。近年兴起的无人机技术，具有无人驾驶、不受地理条件限制、续航长和速度快的优点，相较于传统的人工电力线巡检具有无法比拟的优势，得到了越来越多的电力公司的青睐。而在无人机巡检高压输电线路中，绝缘子是巡检的重要部位之一。绝缘子在高压线路中主要起支撑和绝缘的作用。绝缘子一般工作在露天环境，一定程度上将受野外环境的侵蚀，容易发生掉片、掉串等；绝缘子安装在杆塔与导线之间，与导线相连区域是发现线路故障的关键区域，因此完整识别出绝缘子所在区域，有助于及时诊断绝缘子的故障。传统的Hough变换直接用于绝缘子图片中直线的提取仍存在诸多问题，如因参数离散化进而引起的检测误差，以及容易产生虚假直线、峰值检测困难等；另外，Hough变换中是以“一对多”的方式将图像空间的像素点映射到参数空间，计算复杂度、空间复杂度较高，运行速度慢，对于大型图片更为明显。
技术实现思路
本专利技术的目的在于提供一种高压电线绝缘子的无人机视觉检测方法，以克服上述现有技术存在的缺陷，本专利技术能够避免背景纹理及光线的影响，提高对绝缘子识别的正确率，提高运算速度并降低计算复杂度和空间复杂度。为达到上述目的，本专利技术采用如下技术方案：一种高压电线绝缘子的无人机视觉检测方法，包括以下步骤：步骤1：获取无人机拍摄的高压电线绝缘子图像；步骤2：对步骤1中获得的高压电线绝缘子图像由RGB模型转换成HSV模型；步骤3：采用十字梯度搜索法，根据步骤2获取的图像亮度分量，计算V通道下图像的方向梯度及空间亮度相似度，进而生成前景图像；步骤4：采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割，除去前景图像中的干扰噪声点，得到绝缘子连通域图像；步骤5：采用LOG算子对步骤4获得的连通域前景图像进行边缘提取，获取前景图像边缘点；步骤6：采用8邻域的边缘跟踪方法对步骤5得到的绝缘子连通域图像边缘点进行8邻域边缘归类获得像素类组；步骤7：对于步骤6经过8邻域边缘归类获得的像素类组，分组进行边缘直线检测，识别出绝缘子轮廓。进一步地，步骤3中采用十字梯度搜索法获取图像的方向梯度及空间亮度相似度具体为：对亮度图像进行遍历，对每个遍历的像素点，以该像素点为中心，在其上、下、左、右四个方向按照十字梯度搜索法模板分布读入对应位置的亮度值，按照如下计算：dYi,y＝Y(i,y)-Y(i,j)dYx,j＝Y(x,j)-Y(i,j)其中：i,j分别表示模板中心的行列坐标，即当前遍历像素点的位置，Y(i,j)表示的是图像的i行j列的亮度值，dYi,y为模板内i行像素点Y(i,y)与Y(i,j)的梯度，dYx,j为模板内j列像素点Y(x,j)与Y(i,j)的梯度，其中，x∈(i-M,i+M),y∈(j-M,j+M)；其中十字梯度搜索法模板如图3所示：基于以上模板内的计算结果，对图像的方向梯度和进行计算，其表达式为：其中，D(i,j)为中心像素点在四个方向上的梯度和，用于反映模板内区域亮度变化情况；接着进行如下判决：其中，SSi,y、SSx,j为当前对象空间亮度相似度的判定结果，T0为亮度阈值，当亮度差不大于T0时，两像素点相似性强，结果赋值1；反之，赋值0，T0取0.2；空间相似度表达式：其中，Sim(i,j)为对象的空间亮度相似度，即模板内强相似点的个数。进一步地，步骤3中根据方向梯度和空间亮度相似度获得前景图像具体为：其中，Fore为模板内运算标记结果，绝缘子区域赋值为255，非绝缘子区域赋值为0，M为十字梯度搜索法模板的宽度。进一步地，步骤4中采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割之前，首先对步骤3获得的前景图像进行形态学滤波。进一步地，采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割具体包括以下步骤：步骤4.1：首先，利用bwlabel函数获得一个和前景图像相等的L矩阵，并对前景图像中每个连通区域进行划分标注，标注的值为1、2…n，其中n为连通区域的数量；步骤4.2：遍历前景图像内所有像素点，将L矩阵中属于标签3、4的像素点赋0；步骤4.3：遍历前景图像中的所有像素点，若矩阵中该点的像素值不为0，将其赋值为255，直到遍历完所有像素点为止。进一步地，步骤5中采用LOG算子对步骤4得到的绝缘子连通域图像进行边缘提取具体包括以下步骤：步骤5.1：首先对连通域图像进行高斯卷积滤波进行降噪处理，再采用Laplace算子进行边缘检测；步骤5.2：对提取的边缘图像进行均值滤波；步骤5.3：对均值滤波处理后的图像进行二值处理，设定阈值为T1，当图像的灰度值不小于T1时，将灰度值赋为255；当图像的灰度值小于T1时，将灰度值赋为0，其中T1取80。进一步地，步骤6中采用8邻域的边缘跟踪方法对绝缘子连通域图像边缘点进行8邻域边缘归类获得像素类组具体包括以下步骤：步骤6.1：扫描经步骤5获得连通域图像的边缘点(x,y)i，将扫描到的第一个边缘像素点作为初始像素点，建立边缘组Egroupm＝{(x,y)i}，m表示第m条边缘，其中m≥1，i表示边缘组内第i个点；步骤6.2：将初始像素点作为当前点，同时将二值图像中该像素点的值设为0，分别检测它的8邻域内是否存在边缘点；如果不存在，返回步骤6.1，寻找下一组的初始像素点；如果存在，建立一个空的临时类组Ngroup；步骤6.3：将当前点8邻域内存在的像素点依次加到边缘组Eroupm＝{(x,y)i，(x,y)i+1，…，(x,y)i+n},并将二值图像中这些边缘点的像素值设为0，后续不再被扫描，更新临时类组Egroup＝{(x,y)i+1，(x,y)i+2，…，(x,y)i+n}，记录新增加到边缘组内的点；步骤6.4：将临时类组内最后一个点作为当前点继续搜索，并将该点从临时类组内删除，临时类组更新为NPtgroup＝{(x,y)i+1，(x,y)i+2，…，(x,y)i+n-1}，如果当前点8邻域内存在边缘点，转到步骤6.3；如果不存在，继续上述过程，直到临时类组为空；步骤6.5：重复步骤6.1至步骤6.4，直到连通域图像扫描完毕没有发现初始像素点；步骤6.6：除去独立像素点和短边缘，即将像素类组内总像素数目小于阈值T2的边缘组除去，得到最终的连通域图像的像素类组。进一步地，步骤7中对像素类组分组进行边缘直线检测进而识别出的绝缘子轮廓具体包括以下步骤：步骤7.1：遍历前景图像的像素类组，建立零矩阵E(w,2)，将检测到的像素类组的边缘点坐标分别存放在矩阵中；其中，w为当前像素类组中的边缘点的个数；步骤7.2：遍历连通域图像类组中的边缘点，随机进行两点(x1,y1),(x2,y2)的匹配，计算这两点在参数空间下的(r,θ)，r为原点本文档来自技高网...

【技术保护点】
一种高压电线绝缘子的无人机视觉检测方法，其特征在于，包括以下步骤：步骤1：获取无人机拍摄的高压电线绝缘子图像；步骤2：对步骤1中获得的高压电线绝缘子图像由RGB模型转换成HSV模型；步骤3：采用十字梯度搜索法，根据步骤2获取的图像亮度分量，计算V通道下图像的方向梯度及空间亮度相似度，进而生成前景图像；步骤4：采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割，除去前景图像中的干扰噪声点，得到绝缘子连通域图像；步骤5：采用LOG算子对步骤4获得的连通域前景图像进行边缘提取，获取前景图像边缘点；步骤6：采用8邻域的边缘跟踪方法对步骤5得到的绝缘子连通域图像边缘点进行8邻域边缘归类获得像素类组；步骤7：对于步骤6经过8邻域边缘归类获得的像素类组，分组进行边缘直线检测，识别出绝缘子轮廓。

【技术特征摘要】
1.一种高压电线绝缘子的无人机视觉检测方法，其特征在于，包括以下步骤：步骤1：获取无人机拍摄的高压电线绝缘子图像；步骤2：对步骤1中获得的高压电线绝缘子图像由RGB模型转换成HSV模型；步骤3：采用十字梯度搜索法，根据步骤2获取的图像亮度分量，计算V通道下图像的方向梯度及空间亮度相似度，进而生成前景图像；步骤4：采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割，除去前景图像中的干扰噪声点，得到绝缘子连通域图像；步骤5：采用LOG算子对步骤4获得的连通域前景图像进行边缘提取，获取前景图像边缘点；步骤6：采用8邻域的边缘跟踪方法对步骤5得到的绝缘子连通域图像边缘点进行8邻域边缘归类获得像素类组；步骤7：对于步骤6经过8邻域边缘归类获得的像素类组，分组进行边缘直线检测，识别出绝缘子轮廓。2.根据权利要求1所述的一种高压电线绝缘子的无人机视觉检测方法，其特征在于，步骤3中采用十字梯度搜索法获取图像的方向梯度及空间亮度相似度具体为：对亮度图像进行遍历，对每个遍历的像素点，以该像素点为中心，在其上、下、左、右四个方向按照十字梯度搜索法模板分布读入对应位置的亮度值，按照如下计算：dYi,y＝Y(i,y)-Y(i,j)dYx,j＝Y(x,j)-Y(i,j)其中：i,j分别表示模板中心的行列坐标，即当前遍历像素点的位置，Y(i,j)表示的是图像的i行j列的亮度值，dYi,y为模板内i行像素点Y(i,y)与Y(i,j)的梯度，dYx,j为模板内j列像素点Y(x,j)与Y(i,j)的梯度，其中，x∈(i-M,i+M),y∈(j-M,j+M)；其中十字梯度搜索法模板如图3所示：基于以上模板内的计算结果，对图像的方向梯度和进行计算，其表达式为：其中，D(i,j)为中心像素点在四个方向上的梯度和，用于反映模板内区域亮度变化情况；接着进行如下判决：其中，SSi,y、SSx,j为当前对象空间亮度相似度的判定结果，T0为亮度阈值，当亮度差不大于T0时，两像素点相似性强，结果赋值1；反之，赋值0，T0取0.2；空间相似度表达式：其中，Sim(i,j)为对象的空间亮度相似度，即模板内强相似点的个数。3.根据权利要求2所述的一种高压电线绝缘子的无人机视觉检测方法，其特征在于，步骤3中根据方向梯度和空间亮度相似度获得前景图像具体为：其中，Fore为模板内运算标记结果，绝缘子区域赋值为255，非绝缘子区域赋值为0，M为十字梯度搜索法模板的宽度。4.根据权利要求1所述的一种高压电线绝缘子的无人机视觉检测方法，其特征在于，步骤4中采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割之前，首先对步骤3获得的前景图像进行形态学滤波。5.根据权利要求4所述的一种高压电线绝缘子的无人机视觉检测方法，其特征在于，采用8邻域连通域分割法对步骤3获得的前景图像进行连通域分割具体包括以下步骤：步骤4.1：首先，利用bwlabel函数获得一个和前景图像相等的L矩阵，并对前景图像中每个连通区域进行划分标注，标注的值为1、2…n，其中n为连通区域的数量；步骤4.2：遍历前景图像内所有像素点，将L矩阵中属于标签3、4的像素点赋0；步骤4.3：遍历前景图像中的所有像素点，若矩阵中该点的像素值不为...

【专利技术属性】
技术研发人员：黄鹤，陈潇然，宋京，许哲，郭璐，王萍，汪贵平，黄莺，赵毅，王会峰，杜晶晶，胡凯益，霍子轩，杜永喆，王开心，袁东亮，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61