无人机电力线路安全巡检系统及关键技术

无人机电力线路安全巡检系统及关键技术

彭向阳1，刘正军2，麦晓明1，罗智斌2，王柯1，谢小伟2

(1.广东电网公司电力科学研究院，广州 510080；2.中国测绘科学研究院，北京 100830)

摘要：近年来架空输电线路架设规模日益扩大，由于其覆盖范围区域广、穿越区域地形复杂并且自然环境恶劣，采用人工定期巡检的方式越来越不能满足现代电力系统安全稳定运行的需要。无人机技术的发展为架空输电线路巡检工作提供了新的平台，借助无人直升机，通过遥感技术应用，采用多传感器集成的方法，可实现电力线路安全巡检工作的高效和全自动化开展。本文介绍了基于遥感技术的电力线路安全巡检系统的基本概念和组成部分，重点分析了主要的关键技术，包括无人机飞行姿态控制、多传感器间高精度时间同步、缺陷探测和智能诊断、机载传感器检校、无线通讯、地面数据处理等，将无人直升机用于电力线路巡检工作的技术要点进行了较为全面的阐述。

关键词：电力线路巡检；多传感器集成；无人机；线路缺陷；智能诊断

doi:10.3969/j.issn.1000-3177.2015.01.009

中图分类号：TM755文献标识码：A

收稿日期：2014-02-26

基金项目：高分辨率对地观测重大专项(民用部分)(02-Y30B06-9001-13115);北京市自然科学基金项目(8144052)。

作者简介：李天祺(1990～)，男，硕士研究生，研究方向为遥感植被分类研究。

A Transmission Line Inspection System Based on Remote Sensing：

System and Its Key Technologies

PENG Xiang-yang1，LIU Zheng-jun2，MAI Xiao-ming1，LUO Zhi-bin2，WANG Ke1，XIE Xiao-wei2

(1.ElectricPowerResearchInstituteofGuangdongPowerGridCorporation，Guangzhou510080；

2.ChineseAcademyofSurveyingandMapping，Beijing100830)

Abstract：In recent years，with the fast expanding of the scale of overhead transmission lines，coverage of the power transmission system has being greatly increasing，more and more lines spread into the area of complicated terrain and harsh natural environment.Traditional manual inspection work does not meet the demands of increasing safety and stability of the modern power grid.The newly developed unmanned aerial vehicle (UVA) technoloy provides a neoteric platfrorm to carry out this inspection in addition to the artificial means.With the help of unmanned helicopters，remote sensing applications and multi-sensor integration，it is made achievable that the trasmission line inspection can be carried out more efficiently and fully automated.In this paper，the basic concepts and components of a transmission line inspection system based on remote sensing were introduced.The key technologies in this inspection system，mainly including UAV flight attitude control，precise time synchronization between multiple sensors，defect detection and intelligent diagnostic，airborne sensor calibration，wireless communications，massive data processing and etc.，were also detailed to present a more comprehensive exposition on how to perform transmission line inspteciton work using unmanned helicopters.

Key words：transmission line inspection system；multi-sensor integration；unmanned aerial vehicle (UAV)；line defect；intelligent diagnosis

1引言

架空电力线路覆盖范围广、穿越区域地形复杂并且自然环境恶劣。由于电力线路、杆塔长期在野外暴露，加上机械张力、材料老化、雷击、污秽等外界因素影响，容易发生导地线断股及腐蚀、绝缘子破损及发热、杆塔倾斜、线路走廊安全距离不足等设备缺陷或通道安全隐患，如不及时发现并处理，可能会导致严重事故，严重威胁电力系统的安全和稳定。电力部门每年都要花费巨大的人力和物力资源进行巡线工作，以便掌握线路的运行状况，及时排除线路的潜在隐患。

人工定期巡线是现阶段运用最广泛的巡线方法，这种方法不但劳动强度大、耗时多，而且效率低下。受制于地形因素，有些线路段无法人工巡检。直升机技术发展至今已有20多年，这种方法有着不受地理条件限制、巡线速度快的优势，但是直升机电力巡线的飞行技术属于精确飞行的范畴，它要求直升机必须沿着输电线路的走向随着导线弧垂的起伏保持相对稳定的间距进行飞行。这对飞行员来说无论是在心理上还是在技术上都带来不小的压力，没有经过专门训练的飞行员很难从事这项飞行业务[1]。

无人机技术的发展为架空电力线路巡检提供了新的移动平台。利用无人机搭载巡检设备进行巡线，有着传统巡线方式无法比拟的优势：①无人驾驶，不会造成人员伤亡，安全性高；②不受地理条件的限制，即使遇到地震、洪涝等自然灾害，依然能够对受灾区域的电力线路进行巡检；③巡线速度快，每小时可达几十公里。虽然无人机巡线会受到机体载重、天气以及空域申请等条件的限制，但随着无人机技术的高速发展和空域管理水平的提高，这些问题都能够得到解决。将无人机这项技术应用于电力线路巡检，在无人机平台上集成电子、通信、图像识别等多个领域的先进技术，形成一整套无人机巡检系统，可以弥补人工巡检的不足，实现对输电线路的快速、安全巡检，具有重要的研究价值和良好应用前景。

无人机巡检技术是最近十年才开始发展的一门新兴技术，融合了航空、遥感、电子、电力、飞行控制、通信、图像识别等多个高尖技术领域，实现起来难度比较大，世界范围内专门研究无人机用于巡线技术的并不多。国内关于无人机巡线研究的报道比较少，国家电网公司和南方电网公司进行过无人直升机的巡线研究，取得了阶段性的成果。研究人员通过对飞行姿态控制系统等硬件平台开发和多传感器软硬件集成研究，利用无人机搭载高清相机和红外热成像仪对线路进行拍摄，并通过人工分析视频和照片，甄别出主要的缺陷和隐患。而在国外，依托已有的先进无人机技术，相关研究的重点已经转向关注后续的图像识别和数据处理等方面[2-3]，相比之下国内的研究水平还较低。

本文在分析无人机电力巡检系统研究任务的基础上，提出基于遥感技术的电力线路安全巡检系统基本框架，重点介绍巡检系统结构、功能及系统实现关键技术，分析巡检系统软、硬件集成机理与可行性[4-5]，并对无人机电力巡检技术发展趋势和电网应用前景进行展望。

2巡检系统研究的主要任务

基于遥感技术的电力线路安全巡检系统研究是针对我国高压、特高压电力线路日常安全维护和应急处置等业务需求，是开展复杂地形条件下超视距无人机电力线路安全巡检系统关键技术研究，研制无人机多传感器集成的电力线路安全巡检系统装备，完成现场性能测试和适应性巡检，实现典型省级电网的电力行业示范应用，促进我国电网线路安全、高效巡检和应急保障技术的发展进步[6]。

基于遥感技术的电力线路安全巡检系统研究的主要任务包括：

(1)研发用于复杂地形条件下的超视距无人机电力线路安全巡检系统装置，集成光学、红外、紫外、激光扫描等传感器，解决电力线路走廊无人机平台安全飞行控制和实时高效数据传输的问题，获取线路设施、杆塔及走廊地物的空间位置、几何及多种影像资料；

(2)构建无人机摄影测量与遥感数据处理平台，以及多传感器信息融合处理、信息提取与安全诊断的技术方法、算法和实用软件，实现输电线路和通道安全隐患和异常的快速识别、定位和诊断；

(3)开展多批次的无人机平台飞行试验，对无人机电力线路安全巡检系统性能进行验证、改良，并逐渐实现无人机大规模电力线路巡检作业。

3巡检系统主要组成

基于遥感技术的电力线路安全巡检系统组成结构分为4个部分：无人机平台及数据获取系统、地面测控站、数据通信链路系统，以及地面数据处理系统。无人机巡检系统主要组成框图如图1所示。

3.1无人机平台及多传感器数据获取系统

该子系统是电力线路巡检数据采集获取的主要平台，包括无人机飞行平台、多传感器数据获取系统、稳定平台(伺服系统)、定位定姿系统(下简称POS)、自主预警与避障系统、数据编解码系统等设备。主要设备的组成和功能如下：

无人机飞行平台可分为固定翼和旋翼两类，无人机飞行平台负责搭载传感器系统、稳定平台、POS、自主预警与避障系统以及其他必要的机载设备。根据巡检任务、飞行距离、飞行速度等具体要求的不同，应选择不同的飞行平台，例如开展可见光拍摄的快速巡检，可选择小型固定翼无人机平台；又如对每一基杆塔进行包括红外、紫外、可见光等在内的精细巡检，且同时需要具有足够的飞行距离，则应当选择大型的旋翼无人机平台。

图1　无人机巡检系统主要组成框图

多传感器数据获取系统的传感器通常可包括光学数码相机、热红外成像仪、紫外成像仪、激光扫描仪等。其中，①光学数码相机用于获取杆塔、电力线、电力线走廊的光学影像，用于销钉缺失、绝缘子爆裂、导地线断股、金具锈蚀缺失等缺陷、隐患的诊断；②热红外成像仪用于输电线路设备红外视频采集，获取金具、电力线以及绝缘子等设备的发热状况；③紫外成像仪用于输电线路设备紫外视频信息采集，用于金具和电力线的异常放电检测；④激光扫描仪用于获取电力线走廊地物的高精度点云数据，可实现电力线与地面障碍物之间距离以及电力线弧垂等数据的检测，生成线路走廊真实三维模型。

稳定平台用于隔离无人机飞行作业时飞机的振动和外界环境对平台飞行姿态的扰动，部分稳定平台还具有目标跟踪功能。采用稳定平台能够极大提高目标成像质量，确保获得想要、可用的信息，降低无人机平台控制的技术要求。

POS主要用于无人机的位置和姿态信息的实时测定，在基于遥感技术的电力线路安全巡检系统中，还用于对无人机获得的数据进行定位标记，使得多种传感器数据可以统一到同一个空间坐标系统中，便于开展缺陷、隐患的多源数据协同识别和诊断，提高识别的准确性和自动化程度。多次巡检获得的数据通过空间坐标的匹配能够形成时间线，便于开展与历史数据的对比分析。

自主预警与避障系统通过毫米波雷达传感器，对无人机飞行前方障碍物目标进行探测，并向无人机控制系统进行预警以规避飞行风险。

3.2地面测控站

地面测控站子系统主要用于无人机飞行过程中飞行状态的监测和控制、飞行的领航、传感器数据获取方式的控制等功能，此外还能对飞行获得的数据进行初步处理。该子系统包括无人机平台地面控制系统、多传感器地面控制系统、数据编解码系统，以及实时数据分析系统等设备。

3.3数据通信链路系统

该子系统是整个系统通信连接的关键设备，包括机载和地面测控站的信号接收/发射设备以及无人机通信中继设备(包括小型无人机载体)等。该子系统主要负责保障地面测控站与无人机飞行平台之间的数据通讯，特别是在地形复杂的山区等通讯条件恶劣的环境下保障无人机与地面之间的可靠通讯。

数据链路应首先保证无人机定位定姿数据的实时下传和控制命令的上传，以便完成对无人机工作状态进行跟踪和控制。数据链路的传输速率根据实际需求进行定制，一般在4Mbps～8Mbps的速率下，即可实现视频数据的实时下传，使地面测控人员直观了解飞行现场情况。

3.4地面数据处理系统

该子系统是后期数据处理、存储与应用系统，包括多传感器数据预处理和几何处理系统，基于激光、光学、红外、紫外等多种传感器的电力线路安全巡检智能专家系统以及线路走廊的三维可视化系统等。

地面数据处理系统采用摄影测量、遥感的数据处理方法和技术流程，对各种影像、点云、视频、坐标、姿态数据进行高精度几何处理。在此基础上，针对电力线、电塔、走廊地物等及其附属物的特点，通过专家系统的人工智能、模式识别及多种可视化技术，实现输电线路和通道缺陷、隐患的判识、确认，快速定位输电线事故点，实现线路安全状况的及时诊断和故障排查。

3.5各子系统研发要求

各系统的软硬件研发过程中，需遵循相关行业标准规范制定有关技术方案，各子系统间的数据接口采用业界通用的接口规范和文件格式，保证系统的开放性和可扩展性。

为保证整体系统的可靠性，各子系统在研发中将根据需要安排充分的分系统测试和试验。在系统集成过程中，需要对系统进行包括车载、有人机载、无人机载在内的模拟试验，尽早发现各类子系统配合缺陷和隐患。系统集成完成后，还要选定多种典型地形条件开展适应性巡检测试，验证系统整体工作能力。

4巡检系统关键技术

基于遥感技术的电力线路安全巡检系统中，无人机平台(含避障系统)、地面测控站、数据通讯链路等技术已经较为成熟，无人机平台等子系统已经可以进行商业化生产。但是在巡检系统中应用遥感技术，特别是多种传感器集成和后期数据处理方面，国内的研究还处于摸索阶段，下面将就研究中应着重关注的若干关键技术进行阐述。

4.1飞行姿态控制技术

无人机巡线时离输电线路较近，又常常受强风、降雨等气候因素的影响。为了保证无人机和线路的安全，飞行姿态的控制就显得尤其重要。文献[7]介绍了一种无人机飞行姿态控制系统。该系统利用LQG控制器实现飞机俯仰翻转姿态的控制，利用PID控制器进行偏行控制。系统的高鲁棒性已经得到验证，当无人机空中悬停时，用绳索强行拉动机体，控制系统仍然可以正常工作。

4.2多传感器高精度时间同步

多传感器集成联合应用，需要将同一时刻各传感器获得的测量数据关联起来，特别是在利用CCD影像进行立体测图时，必须知道CCD曝光采集时刻摄站点的位置及姿态。关联应用的关键是建立一种统一的时间坐标，实现传感器的高精度时间同步[8]。

GPS接收机最普遍的功能是输出定位数据(含UTC时间)和1PPS脉冲，脉冲边沿和输出定位数据时刻对应，据此可以设计授时型GPS和时间同步控制器，实现各传感器数据的同步记录。方法如下：①将GPS输出的时间信号和PPS信号引入至时间同步控制器，对时间同步控制器进行对时。②同步控制器先给激光扫描仪授时，扫描仪在接收到PPS信号后，将秒计数清零，从而获得精确至微秒的时间。③同步控制器同时触发各相机曝光，并将曝光时刻发送至计算机记录下来。通过这种方法可将POS、CCD相机、激光扫描仪数据的时间都为统一到GPS时间，达到多数据源时间基准统一的目的[9]。

4.3线路缺陷、隐患探测技术

为查找电力线路缺陷和隐患，主要的探测技术主要有以下三个方面。

4.3.1视觉探测

视觉探测即可见光探测。利用无人机搭载高清相机和高清摄像机，拍摄巡线图片和视频，实时传输到地面基站或存储下来，再由地面数据处理中心的智能专家系统或者基站工作人员根据图像和视频中线路的外观确定是否发生故障。视觉探测能有效发现线路表面的显性故障，例如导线的断股、异物悬挂；杆塔的变形、金具松脱；绝缘子的破损、闪络等故障。探测识别的精度和判断准确度取决于图像的质量。

4.3.2红外和紫外探测技术

红外热成像仪能够摄取表面温度超过周围环境温度的异常温升点的红外光谱图像，从图像上可以判断出线路、接头、线夹、绝缘子等设备是否存在故障所导致的发热点[10]。在无人机巡检应用中，需要重点进行复杂背景下红外图像中设备热点识别与热点温度测试准确度提升的研究工作。

紫外成像仪能够接收线路设备因放电产生的紫外光讯号，并形成图像显示在屏幕上，从图像上可以确定电晕的位置和强度。通过紫外成像，能够有效探测出导线外伤、绝缘子放电、污染等存在放电现象的线路故障[11]，但仍然需要解决太阳光和人造光源干扰的问题，并设计恰当的运动中放电位置跟踪和放电强度定量分析方法。

4.3.3激光雷达探测技术

由于激光的单色性和相干性好，方向性较强，可以用激光对角度、距离、长度等度量实行精确地检测和计量。在激光测距方面，主要分为连续波相位式测距和脉冲式测距，其中脉冲式激光测距通过激光脉冲的发射和接收时间精确测定出目标距离。将激光雷达应用到巡线工作中，通过扫描线路走廊，可获得大量的高精度的激光点云数据，再配合高分辨率的航空数码影像，可以对线路走廊地形进行高精度三维建模[12]。此外，通过激光雷达点云数据还能精确计算出输电线路与树木、建筑物等的距离，实现树障等安全距离不足缺陷的快速定位。在无人机电力线路巡检工作中，需要重点关注无人机平台的任务载荷以及GPS数据准确性问题。

4.4基于多源控制信息的机载激光扫描仪各项系统参数检校

测量系统会受到多种误差源的影响，其测距精度与激光扫描仪单机测距精度、系统集成与组合导航精度、系统间的相对关系精度等因素有关。因此，机载激光扫描仪的检校分为单机检校和综合检校，其中最重要的是单机检校。单机检校主要包括：①统计单机自身参数对测距的影响；②统计不同灰度的测距离散度；③不同距离的测距乘常数和加常数的试验测定三个方面，具体阐述如下。

(1)单机自身参数对测距的影响

(1)

其中，d(单位：cm)为点云密度，D(单位：cm)为扫描光斑直径，W(单位：m)为扫描带宽，L(单位：m)为扫描距离，θ(单位：rad)为扫描半角，f(单位：kHz)为扫描频率，P为角分辨率(单位：rad)。试验时分别设置不同的激光器参数，包括扫描频率、重复频率、扫描半角、二级管电流、最大回波等。改变激光的扫描参数，比较测距结果，并将测距结果与全站仪测距结果比较，可得出激光自身不同参数的设置对激光测距的影响，从而找到最佳的参数组合。

(2)不同灰度的测距离散度

由于激光测距原理不是相位测量，而是根据发射与接收时间差来进行距离计算，这导致不同灰度下测距离散度不同。此测试项目分别统计在不同灰度下激光器所有返回点的距离平均值，采用距离中误差分析不同灰度值的测距离散度，通过分析不同灰度对距离测量的影响，得到与灰度相关的距离修正系数。一般情况下，对于不同的灰度值，距离中误差越小，也就意味着激光扫描仪的测距离散度越小，精度越高。

(3)不同距离的测距乘常数和加常数

加常数来自于电路的固定延迟时间所造成。乘常数值比较小，误差来源还有待于验证，可能也会与灰度的原因有关。加常数是与距离无关的一个数值，而乘常数只与距离大小有关。因此布置不同距离的控制点，用全站仪测定其坐标，利用扫描头坐标来计算扫描头到各控制点的距离。对激光测得的距离和全站仪测得的距离用最小二乘来拟合，求取加、乘常数。其中测距加常数、乘常数所采用的计算公式如下：

LQ=LL+ΔL

ΔL=K0+KSL

(2)

其中，LQ为全站仪测得的标志点到扫描头中心的距离，LL为扫描仪测得的标志点到扫描头中心的距离，ΔL为距离改正数，K0为加常数，KS为乘常数。利用标测出的测距加常数、乘常数可以进行系统优化工作。

4.5无线通讯技术

无线通讯技术(又称无人机测控技术)是指对无人机进行遥控、遥测、跟踪定位和信息传输的技术。其中，遥控是指对无人机飞行状态和设备状态的控制，遥测是指对无人机飞行状态和设备状态参数的测量，跟踪定位是指对无人机实时连续的位置测量，信息传输是指无人机任务载荷传感器信息的传输[13]。

无线通讯系统由机载模块、中继模块(可选)和地面站模块三部分组成[14]。其中各部分接收发送天线和通讯模块宜采用定制或自主研发的方式实现。中继模块可以固定装设在线路杆塔附近，也可以通过中继无人机搭载，其中中继无人机可通过购置和改装成熟飞行平台实现。中继设备的安装方式将直接影响无人机的任务规划设计。

4.6地面数据处理技术

地面数据处理中心采用摄影测量、遥感的数据处理方法和技术流程，自主研发激光、相机、红外成像仪、紫外成像仪、POS系统等多种传感器获取的影像、点云、视频、坐标、姿态数据处理系统，实现多种数据的高精度几何处理。在此基础上，针对电力线、电塔、走廊地物等及其附属物的特点，开发无人机多传感器电力线路安全巡检智能专家系统，通过专家系统、人工智能、模式识别及多种可视化技术，实现输电线路和通道安全隐患和异常的判识、确认，快速定位输电线事故点，实现线路安全状况的及时诊断和故障排查。

其中，飞行控制技术将设计的飞行路线地理位置、相机曝光点位置、传感器的最佳参数等存为无人机平台、多传感器数据获取系统可以读取的文件格式，以便飞行控制系统软件和多传感器控制软件能读取相关数据进行工作[15]。

多传感器控制技术将多种传感器获取的相机、红外成像仪、紫外成像仪、激光、POS系统数据存储为业界通用的图像、视频、点云、坐标序列和传感器工作状态及参数文件格式，实现光学影像、红外视频、紫外视频、点云的快速存档。

多传感器数据几何处理技术需要读取存储的多种传感器获取的影像、点云、视频、坐标、姿态数据，处理系统，采用摄影测量、遥感的数据处理算法和技术流程，实现多种数据的高精度几何处理和时间、空间配准[16-18]。

在此基础上，多传感器电力线路安全巡检智能专家技术将针对经空间配准的多种传感器数据产品，针对电力线、电塔、走廊地物等及其附属物的特点，通过专家系统、人工智能、模式识别及多种可视化技术，实现输电线路和通道安全隐患和异常的判识、确认，快速定位输电线事故点，输出线路安全状况诊断和故障排查报告，并以报表文件格式存储[19-20]。

4.7多条带点云数据高精度配准与拼接

在不考虑单条带内部变形前提下，可采用7参数空间相似变换模型进行条带间系统偏差拟合。在无人机输电线路巡检系统中，采用重叠区域共轭点间欧氏距离作为条带平差数学模型，通过定义不同共轭点对应规则，从而实现相邻条带间正形变换参数的最似然估计。中国测绘科学研究院LidarStation系统的条带平差模块是一个全自动数据处理模块，通过设定合理阈值参数，便可获得相应的平差配准参数。具体技术路线如图2所示。

图2　条带配准拼接技术路线

4.8海量点云全自动DSM、DEM生成技术

机载激光点云滤波分类是将激光雷达扫描仪扫描出的点云分为地面点和非地面点的过程，即将地面点从整个点云数据中分离出来的过程。高精度地分离地面点与非地面点是DEM生成的关键，是相关学术领域关注的前沿问题。目前，具有代表性的滤波算法大概可以分为以下几类：①以形态学为基础的滤波算法；②以坡度为基础的滤波算法；③迭代最小二乘线性内插滤波算法；④基于三角网加密的点云滤波算法；⑤以扫描线为基础的滤波算法；⑥基于移动曲面拟合的滤波算法等。

在无人机输电线路巡检系统中，飞行中采集的激光点云数据经过粗差剔除、条带配准拼接、数据分块与条带消冗等过程即可生成高质量DSM，以为后续处理中的电线、电塔等的提取与建模提供可靠的源数据。对上述数据进行滤波分类、格网插值和进一步栅格化，即可生成高质量DEM。

4.9基于GPGPU模型与百核级集群技术的正射影像采集

目前航空航天影像的正射纠正过程都是利用CPU以串行方式对影像进行投影变换和重采样(如线性内插)。近年来传感器技术的进步带来的是海量数据的处理需求，传统的基于CPU串式影像正射纠正不能够满足目前对快速正射影像的生产的要求。目前解决快速正射影像纠正多采用分布式集群的方式利用多机器CPU进行处理，这样虽然可以提高系统处理正射影像的速度，但由于受多机I/O的限制，分布式正射影像生产能够提高的速度有限，同时也提高了单位正射影像生产成本。

在基于遥感技术的电力线路安全巡检系统中，通过一定的处理方法，将传统正射纠正过程中影像投影变换以及影像采样这类的任务映射到GPU支持的图形绘制流水线上，充分利用GPU强大的并行处理能力和高带宽的数据传输能力实现航空航天遥感影像的快速正射纠正。利用本方法，可以使得正射纠正速度比在传统CPU上进行处理要快10倍以上，从而可以实现航空航天遥感影像准实时正射纠正[22-23]。

5结束语

将无人机技术应用于电力线路巡检，包括融合电子、通信、图像识别等多个技术领域，形成一整套的无人机巡线系统，可以大大减轻电力巡线的人力投入，同时又能快速、安全地对线路实施巡检，是一个很有前途的研究方向，并且具有重要的实用价值[21-23]。

无人机机身轻巧，并装载有先进的航测系统，和有人机相比，受阴、雨、雾等天气的限制较小[19]。这些优越的性能使无人机成为电力巡检更为有效的工具。无人机巡线还可以通过系统的任务规划和智能诊断等软件系统提高巡检作业质量和科技水平，增强电力生产自动化综合能力，创造更高的经济效益和社会效益[24]。

目前虽然采用无人机巡线受到航空申请、机体载重和天气恶劣等条件限制，但随着我国低空空域开放和管理进步，以及无人机技术的持续、高速发展，这些问题都能够得到有效解决[25-26]。

无人机巡线有两个值得关注的发展趋势：①采用多传感器集成的巡线无人机，同时实现多种巡检方式。这要求无人机具有更大的载重，但不可避免地会带来体积较大及控制过于复杂的缺点。②采用微型单传感器的巡线无人机。通过多个携带不同故障探测仪器的微型无人机协调配合，也能完成巡线工作。由于机体很小，可以更加接近线路，获取更清晰的巡线图像。

参考文献：

[1]沈光陞，赵新波.直升机电力巡线技术[J].电力建设，2008，29(10)：35-37.

[2]李力.无人机输电线路巡线技术及其应用研究[D].长沙理工大学，2012.

[3]成刚，杨随虎.无人机机载光电系统综述[J].应用光学，2005，26(4)：1-4.

[4]宋斌.基于地理信息系统技术的电力线路巡检系统的设计与实现[D].电子科技大学，2011.

[5]陈天恩，长井正彦，柴崎亮介，等.带有差分GPS的多传感器无人直升机航测遥感系统[J].测绘科学，2012，37(1)：158-160，184.

[6]厉秉强，王骞，王滨海，等.利用无人直升机巡检输电线路[J].山东电力技术，2010，(1)：1-4.

[7]TAVARES L，SEQUEIRAJ S，PAIS R.RIOL—robotic inspection over power lines[C].Toulouse，France：6th IFAC Symposium on Intelligent Autonom Vehicles，2007.

[8]CAMPOY P，GARCIA P J，BARRIENTOS A，et al.An stereoscopic vision system guiding an autonomous helicopter for overhead power cable inspection[M].Robot Vision.Springer Berlin Heidelberg，2001：115-124.

[9]徐卫明，舒嵘.利用GPS接收机实现多传感器同步工作的两种方法[J].遥感技术与应用，2003，18(6)：404-406.

[10]沈光陞，赵新波.直升机电力巡线技术[J].电力建设，2008，29(10)：35-37.

[11]戴利波.紫外成像技术在高压设备带电检测中的应用[J].电力系统自动化，2003，27(20)：97-98.

[12]张险峰，陈功，龙维，等.激光雷达直升机巡线技术的现状与应用前景[J].电力建设，2008，29(3)：40-43.

[13]AHN Y W，KIM D，DARE P，et al.Estimation of troposphere decorrelation using the combined zenith-dependent parameter[C].Proceedings of ION GNSS，2008.

[14]MEJIAS L，CORREA J F，MONDRAGóN I，et al.COLIBRI：a vision-guided UAV for surveillance and visual inspection[C].Robotics and Automation，2007 IEEE International Conference on.IEEE，2007：2760-2761.

[15]DENTON R V，JONES J E，FROEBERG P L.Demonstration of an innovative technique for terrain following/terrain avoidance-the dynapath algorithm[C].IEEE Proceedings of the National Aerospace and Electronics Conference，1985：522-529.

[16]NIKOLAIDIS R.Observation of geodetic and seismic deformation with the global positioning system[D].AA(University of California，San Diego)，2002.

[17]DORR D W.Rotary-wing aircraft terrain following terrain avoidance system development[R].AIAA-86-2147，1986.

[18]张建霞，王留召，王宝山，等.小型数码航空摄影测量应用初探[J].测绘科学，2006，31(6)：85-86.

[19]罗志清，张惠荣，吴强，等.机载LiDAR技术[J].国土资源信息化，2006，(2)：20-25.

[20]晏磊，吕书强，赵红颖，等.无人机航空遥感系统关键技术研究[J].武汉大学学报(工学版)，2004，37(6)：67-70.

[21]EL-HAKIM S F，BRENNER C，ROTHA G.A multi-sensor approach to creating accurate virtual environments[J].JSPRS Journal of Photogrammetry & Remote Sensing，1998：379-391.

[22]RUSINKIEWICZ S，LEVOY M.A multiresolution point rendering system for largeMeshes[J].In SIGGRAPH，2000，343-352.

[23]LEVOY M，PULLI K，CURLESS B，RUSINKIEWICZ S.The digital michelangelo project：3Dscanning of large statues[J].In SIGGRAPH，2000：131-144.

[24]HUBER D，CARMICHAEL O，HEBERT M.3D map reconstruction from range data[J].In International Conference on Robotics and Automation，2000：891-897.

[25]STAMOS I，ALLEN P E.3-D Model construction using range and image data[J].In Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，2000，(1)：531-536.

[26]YU Y，FERENCZ A，MAILK J.Extracting objects from range and radiance images[J].IEEE Transactions on Visualization and Computer Graphics，2001，7(4)：351-364.

E-mail：201221190002@mail.bnu.edu.cn