一种变电站设备巡检图像全景重建方法技术

本发明专利技术公开了一种变电站设备巡检图像全景重建方法。该方法首先采用改进的SURF特征检测算法对采集的变电设备巡检图像进行特征提取；然后对提取出的特征点进行特征匹配；接着对图像进行空间转换，利用RANSAC算法将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，从而将图像通过转换模型转换到待配准图像的空间坐标上；最后进行图像融合，得到高保真度的全景图像。本发明专利技术能实现对变电站设备巡检图像的全景重建，克服图像拍摄过程中距离、旋转、角度、遮挡、对光等因素的影响。本方法使用了基于特征的图像配准方法，具备鲁棒性强的特点，针对变电站设备结构复杂、外观特征丰富的特点，仍有很好的匹配重建结果。

【技术实现步骤摘要】
一种变电站设备巡检图像全景重建方法
本专利技术涉及到变电站设备巡检领域，具体是一种变电站设备巡检图像全景重建方法。
技术介绍
为了实现变电站主要电力设备的日常管理，保障电力系统安全可靠运行，各变电站每天通过人工巡检、在线监测装置、巡检机器人收集到各类设备的巡检图像。但由于变电站所处位置地形复杂、变电站内设备繁多、遮挡严重，导致巡检过程受距离、旋转、角度、遮挡、对光等因素影响，大量图像无法完全呈现设备的全景信息。因此，利用图像全景重建技术对图像进行融合非常必要。这种重建方法针对变电站设备结构与外观的特点，采用了改进的SURF(加速稳健特征)检测算法对图像特征进行提取，并结合了多项匹配方式完成巡检图像之间的高效匹配，最后能获得很好的融合效果。
技术实现思路
本专利技术的目的在于针对目前变电站各类巡检手段获得的大量巡检图像无法完全呈现设备全景信息的问题，根据变电站内设备外观复杂、棱角分明且规则的特征，提供了一种变电站设备巡检图像全景重建方法，该方法针对变电站设备结构与外观的特点，采用了改进的SURF特征检测算法对图像特征进行提取，本文档来自技高网...

【技术保护点】
1.一种变电站设备巡检图像全景重建方法，其特征在于：所述重建方法首先对采集的变电设备巡检图像进行特征提取，其次对提取出的特征点进行特征匹配，然后将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上，最后处理图像重合部分进行图像融合。/n

【技术特征摘要】
1.一种变电站设备巡检图像全景重建方法，其特征在于：所述重建方法首先对采集的变电设备巡检图像进行特征提取，其次对提取出的特征点进行特征匹配，然后将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上，最后处理图像重合部分进行图像融合。


2.如权利要求1所述的变电站设备巡检图像全景重建方法，其特征在于：所述对采集的变电设备巡检图像进行特征提取是采用改进的SURF特征检测算法进行特征提取；所述特征匹配包含根据特征点之间的欧氏距离进行特征匹配查找并利用最近邻和次近邻距离比值进行初步筛选的粗匹配方法，以及通过匹配线段斜率检查、交叉匹配过滤和随机抽样一致RANSAC算法计算小数据集合合理性来删除粗匹配中错误匹配特征对的精匹配方法，并利用RANSAC算法将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上；所述进行图像融合是利用加权求和算法处理图像重合部分进行图像融合。


3.如权利要求1所述的变电站设备巡检图像全景重建方法，其特征在于：
(1)所述对采集的变电设备巡检图像进行特征提取的方法是：
通过改进的SURF特征检测算法的特征提取和描述方式，结合快速投影检测到电力设备特征关键点，SURF算子通过一个特征向量来描述关键点周围区域的情况；
(2)所述对提取出的特征点进行特征匹配的方法是：所述特征匹配包括特征点粗匹配与特征点精匹配；
所述特征点粗匹配是采用改进的SURF算法通过计算两个特征点间的欧式距离来确定匹配度，欧氏距离越短，代表两个特征点的匹配度越好，并加入了黑塞矩阵迹的判断，如果两个特征点的矩阵迹正负号相同，代表这两个特征具有相同方向上的对比度变化；如果不同，直接予以排除；
所述特征点精匹配是采用RANSAC算法去除错点的方法，使用一幅图像将它定义为刚性的，在特征点之间找到单应性变换，使用RANSAC算法找到最佳单应性矩阵；
(3)所述图像融合的方法是：
利用RANSAC算法将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上，然后利用加权求和算法处理图像重合部分进行图像融合。


4.如权利要求3所述的变电站设备巡检图像全景重建方法，其特征在于：所述特征提取的方法还包括：
①构造尺度空间
改进的SURF算法的尺度空间由O组S层组成，不同组间图像的尺寸都是一致的，不同组间使用的盒式滤波器的模板尺寸逐渐增大，同一组不同层图像使用相同尺寸的滤波器，其滤波器的尺度空间因子逐渐增大；
②检测特征点
搜索所有尺度空间上的图像，通过黑塞矩阵来识别潜在的对尺度和确定候选点，为特征提取做准备；
③确定特征点方向
改进的SURF算法将经过黑塞矩阵处理的每个像素点与其图像域和尺度域的所有相邻点进行比较，当其大于或者小于所有相邻点时，该点就是极值点；
初步定位出特征点后，再经过滤除能量比较弱的关键点以及错误定位的关键点，筛选出最终的稳定的特征点；
④构造特征点描述符
改进的SURF算法中提取特征点周围4×4个矩形区域块，取得矩形区域方向沿着特征点的主方向，每个子区域统计25个像素点水平方向和垂直方向的Hear小波特征，这里的水平和垂直方向都是相对主方向而言的，该Hear小波特征为水平方向值之和、垂直方向值之和、水平方向值绝对值之和以及垂直方向绝对之和4个方向。


5.如权利要求4所述的变电站设备巡检图像全景重建方法，其特征在于：所述检测特征点步骤中
对于一个图像I(x,y)，所述黑塞矩阵如下：



式(1)中H为黑塞矩阵，I(x,y)为图像在(x,y)位置的像素幅值，(x,y)为图像中像素的位置坐标，
所述黑塞矩阵的判别式是：

【专利技术属性】
技术研发人员：吴启瑞，罗汉武，李文震，彭仲晗，邓建钢，秦若锋，张海龙，陈凯，谷凯凯，胡锦亮，陈师宽，张小明，王延伟，张辉，
申请(专利权)人：国网电力科学研究院武汉南瑞有限责任公司，国网内蒙古东部电力有限公司，
类型：发明
国别省市：湖北;42