一种高压输电线路导线结冰厚度自动测量方法技术

本发明专利技术提出一种高压输电线路导线结冰厚度自动测量方法，本技术发明专利技术以无人机为载体，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，通过线特征提取和匹配，使用双目基线立体标定参数与匹配像素对进行三角测量，获得输电线上下边缘的三维宽度测量值，与输电线实际设计宽度比较，差分得到积冰的厚度值。本技术通过无人机巡航的方式进行快周期的测量，结合数据处理方法，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。

【技术实现步骤摘要】
一种高压输电线路导线结冰厚度自动测量方法
本专利技术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。
技术介绍
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。
技术实现思路
专利技术目的：为解决上述技术问题，本专利技术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：本专利技术提出的技术方案为：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，本专利技术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)本技术本文档来自技高网...

【技术保护点】
1.一种高压输电线路导线结冰厚度自动测量方法，其特征在于，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L

【技术特征摘要】
1.一种高压输电线路导线结冰厚度自动测量方法，其特征在于，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(...

【专利技术属性】
技术研发人员：李明磊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32