一种基于视觉的输电线路识别及异物入侵在线检测方法技术

本发明专利技术涉及一种基于视觉的输电线路识别及异物入侵在线检测方法，属于图像处理及输电线路检测领域。本发明专利技术对图像预处理；利用EDLines算法提取线段特征；将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；计算相邻帧图像中输电线路目标区域的光流分布，并对光流图像进行阈值分割、形态学运算与滤波处理。比较疑似区域与背景区域的光流速度均值，实现输电线路异物检测。本发明专利技术效果不受光照与复杂背景的限制，鲁棒性强，泛用程度高，且实时性强，可以适用于多种电力巡检环境。

【技术实现步骤摘要】
一种基于视觉的输电线路识别及异物入侵在线检测方法
本专利技术涉及一种基于视觉的输电线路识别及异物入侵在线检测方法，特别涉及一种基于结合EDLines(EdgeDrawingLines)与光流法的输电线路识别及异物入侵在线检测方法，属于图像处理及输电线路检测领域。
技术介绍
在电网输电线路的检修工作中，输电线路的异物入侵故障分析是一个很重要的方向。高压输电线路搭挂的异物可能会导致输电线路、变电站短路跳闸等，产生巨大危害，直接影响电网的安全稳定运行。传统的人工巡检方式存在风险高、效率低、可靠性低的问题。无人机巡检凭借其成本低、效率高、机动性强的优势，逐渐被应用于电力线路巡检领域。无人机巡检是通过无人机搭载的影像设备采集电力设备视频图像，再对视频图像进行分析，进而监测电力设备状态以便维护与修理。然而，人工复查海量图像耗时耗力。利用计算机视觉技术处理航拍图像，自动识别输电线路异物故障，能大大提高巡检效率与巡检智能化水平，有效推动输电线路故障自动排查，对维护我国电网输电线路安全稳定运行具有重大意义。异物故障检测往往基于输电线路的识别。现有的基于航拍图像的输电线路识别方法主要考虑降低图像质量不佳、拍摄背景复杂等因素对直线目标的影响，但仍存在准确率较低、耗时较长等不足。目前线路异物检测技术主要有以下三类：一类是分割图像，分析霍夫变换所识别输电线路区域内的边缘数量、周围异常点率等沿线特征来判别异物存在。这种技术运算成本低，但易受光照、复杂背景等因素影响，造成误检与漏检；一类是结合运动目标检测与特征点跟踪的方法。但是特征点跟踪存在计算量大的问题，难以满足无人机巡检的实时性要求；还有一类是利用深度学习技术识别异物，但由于训练样本往往不足，对异物缺陷的检出率较低。因此，实现一种快速、准确、鲁棒性强的基于视觉的输电线路识别及异物入侵在线检测方法仍有很大的研究价值。
技术实现思路
本专利技术的目的是解决上述技术问题，提供一种基于视觉的输电线路识别及异物入侵在线检测方法。该方法在提取航拍图像的线段特征后，根据输电线路的结构特征提取出输电线路区域，计算相邻帧图像中输电线路区域的光流分布，并根据像素光流信息判断异物所在位置，从而显著提高无人机对输电线路及异物故障的识别准确率，排查出可能存在的线路安全隐患，具有实时性高、成本低、自动化程度高的优点。本专利技术的目的是通过以下技术方案实现的。本专利技术公开的一种基于视觉的输电线路识别及异物入侵在线检测方法，对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像；利用EDLines(EdgeDrawingLines)算法提取线段特征；将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；计算相邻帧图像中输电线路目标区域的光流分布，并对光流图像进行阈值分割、形态学运算与滤波处理。比较疑似区域与背景区域的光流速度均值，如前者大于后者的设定倍数阈值，则判定异物存在，疑似区域即为异物存在区域，实现输电线路异物检测。一种基于视觉的输电线路识别及异物入侵在线检测方法，包括如下步骤：步骤一：对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像。对航拍图像进行双边滤波，根据像素距离与灰度相似度确定滤波器权重系数，去除噪声并保留边缘。基于输电线灰度特征进行分段线性变换，计算变换后像素灰度值，扩展输电线灰度区间，得到增强后的灰度图像。步骤二：对灰度增强后的图像利用EDLines(EdgeDrawingLines)算法提取线段特征。为避免非目标物对EDLines线段检测算法带来的干扰，利用EDLines直线检测算法进行线段提取，得到图像的线段特征。步骤三：将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合。为了提取输电线区域，利用输电线间互相平行的拓扑结构特征进行平行线段组提取。将0～180°划分为36个小区间，每5°一个区间，对检测到的线段按角度归为36类。统计角度在各区间内的所有直线段长度之和，最大值所对应角度区间为输电线的走向角度范围。通过保留倾角在该角度区间内的直线段，剔除剩余直线段，即能够获得与输电线走向近似一致的平行线组，包含n个线段。将所述平行线组中满足线段融合标准的断续线段融合的实现方法为：按照线段端点坐标由左至右进行排序，根据两条序号相邻的线段的自身长度和距离以及两线段之间的相差角度，判断是否对二者进行融合，当两线段中点间距小于设定阈值，且两线段角度差值小于相应阈值，此时将两线段进行融合，具体方法为：两线段中点距离表示为：第i条线段端点坐标为(xi1,yi1),(xi2,yi2),i∈[0,n-1]，相邻的第j条线段端点坐标为(xj1,yj1),(xj2,yj2),j∈[0,n-1]且j＞i；设定两线段中点距离的长度阈值为lthres＝4max(li,lj)。第i条线段的长度为li；第j条线段的长度为lj。第i条线段的倾斜角为第j条线段的倾斜角为倾斜角阈值为θthres。当li,j≤lthres且|θi-θj|＜θthres时，将i,j两条线段进行融合，得到一条端点坐标为(xi1,yi1),(xj2,yj2),i,j∈[0,n-1]的线段，否则仍然保留为两条线段。对步骤三得到的n个平行线段进行逐一处理，得到融合后的直线段。步骤四：根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；将步骤三中得到的融合后的线段作为目标线段，基于输电线形状和颜色特征进行过滤，剔除不满足输电线路特征约束的线段，得到输电线路边缘直线。所述输电线路特征约束条件为：约束条件一、若融合后的一条直线段总长度小于图像最短边的则认为该条直线不是输电线的边缘直线。约束条件二、对目标线段的像素颜色特性进行统计，计算一条直线上的在RGB空间中的颜色矢量偏离灰度轴的夹角在5°范围以内的像素点个数，若此类像素个数低于该条直线上像素总个数的90％，则认为该条直线不是输电线的边缘直线。根据上述两个约束条件对非输电线路目标线段进行剔除，保留满足约束的目标线段即得到输电线路边缘直线，得到输电线边缘直线图。得到输电线路边缘直线图后，将最长边缘直线与水平方向的夹角，即倾斜角作为旋转依据，对输电线边缘直线图与步骤一的无人机航拍图像进行倾斜校正；所述倾斜校正的方法为：得到的最长边缘直线段端点坐标为(xlongest1,ylongest1),(xlongest2,ylongest2)，最长边缘直线的倾斜角为将倾斜角θlongest作为输入，目标区域图像利用仿射变换矩阵，对图像进行反方向的倾斜校正，使得输电线呈水平方向。所述仿射变换矩阵为：在倾斜校正后的图像中划定输电线路目标区域，目标区域的定义规则如下本文档来自技高网...

【技术保护点】
1.一种基于视觉的输电线路识别及异物入侵在线检测方法，其特征在于：包括如下步骤：/n步骤一：对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像；/n对航拍图像进行双边滤波，根据像素距离与灰度相似度确定滤波器权重系数，去除噪声并保留边缘；基于输电线灰度特征进行分段线性变换，计算变换后像素灰度值，扩展输电线灰度区间，得到增强后的灰度图像；/n步骤二：对灰度增强后的图像利用EDLines(Edge Drawing Lines)算法提取线段特征；/n为避免非目标物对EDLines线段检测算法带来的干扰，利用EDLines直线检测算法进行线段提取，得到图像的线段特征；/n步骤三：将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；/n为了提取输电线区域，利用输电线间互相平行的拓扑结构特征进行平行线段组提取。将0～180°划分为36个小区间，每5°一个区间，对检测到的线段按角度归为36类。统计角度在各区间内的所有直线段长度之和，最大值所对应角度区间为输电线的走向角度范围。通过保留倾角在该角度区间内的直线段，剔除剩余直线段，即能够获得与输电线走向近似一致的平行线组，包含n个线段。/n将所述平行线组中满足线段融合标准的断续线段融合的实现方法为：按照线段端点坐标由左至右进行排序，根据两条序号相邻的线段的自身长度和距离以及两线段之间的相差角度，判断是否对二者进行融合，当两线段中点间距小于设定阈值，且两线段角度差值小于相应阈值，此时将两线段进行融合，具体方法为：/n两线段中点距离表示为：/n...

【技术特征摘要】
1.一种基于视觉的输电线路识别及异物入侵在线检测方法，其特征在于：包括如下步骤：
步骤一：对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像；
对航拍图像进行双边滤波，根据像素距离与灰度相似度确定滤波器权重系数，去除噪声并保留边缘；基于输电线灰度特征进行分段线性变换，计算变换后像素灰度值，扩展输电线灰度区间，得到增强后的灰度图像；
步骤二：对灰度增强后的图像利用EDLines(EdgeDrawingLines)算法提取线段特征；
为避免非目标物对EDLines线段检测算法带来的干扰，利用EDLines直线检测算法进行线段提取，得到图像的线段特征；
步骤三：将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；
为了提取输电线区域，利用输电线间互相平行的拓扑结构特征进行平行线段组提取。将0～180°划分为36个小区间，每5°一个区间，对检测到的线段按角度归为36类。统计角度在各区间内的所有直线段长度之和，最大值所对应角度区间为输电线的走向角度范围。通过保留倾角在该角度区间内的直线段，剔除剩余直线段，即能够获得与输电线走向近似一致的平行线组，包含n个线段。
将所述平行线组中满足线段融合标准的断续线段融合的实现方法为：按照线段端点坐标由左至右进行排序，根据两条序号相邻的线段的自身长度和距离以及两线段之间的相差角度，判断是否对二者进行融合，当两线段中点间距小于设定阈值，且两线段角度差值小于相应阈值，此时将两线段进行融合，具体方法为：
两线段中点距离表示为：



第i条线段端点坐标为(xi1,yi1),(xi2,yi2),i∈[0,n-1]，相邻的第j条线段端点坐标为(xj1,yj1),(xj2,yj2),j∈[0,n-1]且j＞i；；
设定两线段中点距离的长度阈值为lthres＝4max(li,lj)；第i条线段的长度为li；第j条线段的长度为lj；
第i条线段的倾斜角为第j条线段的倾斜角为倾斜角阈值为θthres；
当li,j≤lthres且|θi-θj|＜θthres时，将i,j两条线段进行融合，得到一条端点坐标为(xi1,yi1),(xj2,yj2),i,j∈[0,n-1]的线段，否则仍然保留为两条线段；
对步骤三得到的n个平行线段进行逐一处理，得到融合后的直线段；
步骤四：根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；
将步骤三中得到的融合后的线段作为目标线段，基于输电线形状和颜色特征进行过滤，剔除不满足输电线路特征约束的线段，得到输电线路边缘直线；
所述输...

【专利技术属性】
技术研发人员：邵云峰，杨涛，马中静，王宏超，刘永强，范益民，权笑天，任海鹏，赵扬，高虹，杨小凤，马治中，
申请(专利权)人：国网山西省电力公司吕梁供电公司，北京理工大学，
类型：发明
国别省市：山西;14