利用参数关联性的输电线检测方法

孙实超，肖　潇，李　栋，林靖宇，卢子广

(1.广西大学电气工程学院， 广西南宁530004； 2.超高压输电公司梧州局， 广西梧州543002)



利用参数关联性的输电线检测方法

孙实超1，肖潇2，李栋1，林靖宇1，卢子广1

(1.广西大学电气工程学院， 广西南宁530004； 2.超高压输电公司梧州局， 广西梧州543002)

摘要：在无人机巡检输电线的航拍图像中，输电线通常受到如道路和建筑等背景噪声的干扰，为了提高输电线检测的鲁棒性，提出了一种输电线检测方法。首先进行直线增强；然后通过Hough变换将检测到的边缘进行直线检测并将直线转换到参数空间；再次对检测到的直线参数进行Hough变换并根据输电线簇参数关系提取出输电线图形信息。实验结果表明，利用输电线簇参数关联性的输电线检测方法可以有效地将输电线从具有干扰直线的背景中提取出来，从而提高航拍图像输电线检测的鲁棒性。

关键词：输电线；视觉导航；参数关联性

电网的发展使得高压输电线逐渐远离市区和公路主干道而分布于地形复杂的野外。为了保证供电安全，需要定期对输电线路进行巡检。目前输电线的主要巡检方式为人工巡检和直升机巡检。近年来，随着成像技术和无人机技术的成熟，无人机巡检逐渐成为一种新的巡检方式，这种巡检方式比人工巡检和直升机巡检具有成本更低、效率更高的优势[1-4]。但是传统无人机通常采用GPS导航[5-6]，这种方法难以准确控制无人机与输电线的距离，使得采集的图像质量较差，无法满足输电线巡检的实际要求。GPS导航和视觉导航融合可以获取无人机相对于输电线的视角和距离，提高输电线巡检的质量。

无人机巡线视觉导航的关键在于从复杂背景的航拍图像中寻找输电线。由于巡线无人机采集的图像中含有道路、建筑等结构形成的直线，采用传统的直线检测方法难以有效地检测出输电线。虽然目前针对航拍图像的输电线实时检测方法已经有了一定的研究，但之前的方法不能将干扰直线去除。本文提出一种输电线的检测方法，根据输电线方程参数的关联性，利用输电线簇参数关联性的方法去除航拍图像中的干扰直线，从而将输电线提取出来。

1方法概述

针对上述问题，本文根据输电线坐标系和图像坐标系之间的映射关系，推导出输电线簇参数的关联性，即输电线的参数呈正弦分布。在此基础上，我们通过对图像中直线的参数点进行关联性检测，将输电线的参数点提取出来，从而提取出输电线。算法分为3步，如图1所示，具体步骤说明如下：

①采用Hessian算法对图像进行线增强[7]，提取出具有线状特征的像素。

②采用Hough算法对图像进行线检测，得到图像中直线的参数，如图2所示。图中，l为待检测的直线，ρ为原点到l的距离，θ为过原点到l的垂线与x轴的夹角。

③对于步骤②检测到的直线参数点，采用Hough变换进行正弦检测，在正弦函数上的点即为输电线的参数点，从而提取出输电线。

图1算法流程图

Fig.1Flow chart of the proposed method

图2直线参数示意图

Fig.2Diagram of parameters of the line

2航拍图像直线提取

2.1　直线增强

面对背景复杂的图像，首先需要最大可能地将输电线像素提取出来，以便下一步对其进行线检测。Yan等[8]运用改进的均值比例算子—Radio算子对输电线进行像素提取。但是输电线可能在空间中竖直分层次排列，导致图像中的电缆重叠，所呈现的图像可能宽度不一致，如图3(a1)、图3(a2)。Radio算法对所检测直线的像素宽度有一定限制，所以Radio算子不适合对竖直分层排列输电线进行检测。Canny算法也可以检测输电线边缘像素[9-10]，但Canny算子对边缘检测无针对性、无差别地检测出非线型的边缘，而由于输电线所在图像背景的复杂性，Canny算法也不适合本文的研究对象。为此，我们运用比较有针对性的Hessian算法对输电线像素进行增强。

我们对Canny算法、Radio算法和Hessian算法进行了实验对比。图3为采用Canny算法、Radio算法和Hessian算法对两幅航拍图像进行处理的实验结果，其中第一列为待处理的航拍原始图像，其余各列为各算法处理后的图像。由图3可见，Canny算子无法抑制背景边缘，Radio方法检测出近似竖直方向的直线，并且在一阈值下只能检测出一定宽度的直线，无法检测出所有直线。相比之下，Hessian算法能够检测出所有直线，检测效果理想。因此，本文采用Hessian算法进行线增强。

(a1) 航拍原始图像1　　(b1) Canny边缘检测结果1　(c1) Radio线检测结果1　　(d1)Hessian线检测结果1

2.2　直线检测

Radon和Hough变换是两种经典的线检测方法，两种算法间有紧密的联系，可以将Hough变换看作是Radon变换的一种特殊形式[11]。本文采用Hough变换进行线检测。

Hough变换定义为：

ρ=xcosθ+ysinθ，

(1)

其中，x和y为直线上的坐标，ρ和θ是直线的参数。

利用式(1)引导二值图像中的点(x，y)在ρ-θ参数空间中进行投票，并进行累加，超过阈值的累加器所对应的参数点(ρ,θ)即为检测到的直线的参数。对图3进行直线检测的结果如图4所示，图中小方块为图像中直线的参数点。图5中的直线为图4中直线参数点对应的直线。

图4直线参数点

Fig.4Parameter point of lines

图5Hough变换检测得到的直线

Fig.5Lines detected by Hough transform

3输电线提取

3.1　输电线簇参数的关联性

通常输电线在空间中是相互平行排列的，因此，输电线在世界坐标系中的参数θ相同，ρ不同，呈直线排列。而在航拍过程中，摄像头主光轴与输电线坐标平面的垂直方向之间存在一定夹角，如图6所示，使得图像中输电线并非平行。为此，本文对输电线簇的参数关系与图像中输电线的参数关系的转换过程进行数学描述，以推导出图像中输电线簇的参数关系。

无人机、摄像机、输电线所在平面的坐标侧面视图如图6所示[12-14]，输电线所在坐标系绕x轴旋转，再经过z轴方向的平移变换得到摄像头坐标系：

(2)

图6　坐标系的关系Fig.6　Relationship between the coordinates

(3)

设输电线l的直线方程为y=x+b，(XW,YW)为l上的任意一点，F0为摄像头焦距，图像中输电线l′的方程为sin(θ+G)YV+cos(θ+G)XU=ρ，(XU,YV)为l′上的任意一点，输电线上的点与图像中输电线上的点的转换关系为：

(4)

其中，Sα、Sβ、Cα、Cβ分别为sinα、sinβ、cosα、cosβ，输电线方程的直线方程YW=KXW+b代入公式(4)，得

(5)

即

(6)

得到输电线上的点在摄像头坐标系下的坐标(X,Y,Z)，再将其转换到图像中的坐标，得到：

(7)

将式(6)代入式(7)，得到：

(8)

其中，XU、YV为图像中的坐标点。以b为参数，得到XU与YV的关系，即A(b)YV+B(b)XU=C(b)。设A(b)=sin(θ+G)，B(b)=cos(θ+G)，C(b)=ρ，通过中间参数b得到θ与ρ的关系为正弦函数关系，即

ρ=Esin(θ+G)+F。

(9)

图7为相互平行的9条输电线的模拟图像，Hough变换得到的直线参数点如图8所示。表1列出了参数点的坐标值，各参数点全部在正弦函数ρ=632 cos(θ+29°)-32上，符合式(9)。

图7输电线模拟图
Fig.7Simulated diagram of transmission line

图8直线参数点

Fig.8Parameter point of line

表1　参数坐标

3.2　正弦检测

在“2.2节”中得到了图像各直线在ρ-θ参数空间中的参数点，下面对这些参数点进行正弦函数检测[15-16]，在所检测到的正弦函数上的点即为平行的输电线所对应的参数点。通过此步骤过滤干扰直线，可更加准确地检测到输电线。在此，我们采用Hough变换检测正弦函数，提取出输电线簇的参数。

ρ-θ参数空间中所检测的正弦函数方程为ρ=Esin(θ+G)+F。式中有3个待检测的参数E、F和G，且在1个周期内。正弦函数上的点A0(θ0,ρ0)转换到Hough空间后的曲面方程为F=-Esin(θ0+G)+ρ0。其中，θ0、ρ0为常数，E、F、G为参数，函数在三维参数空间中构成的曲面如图9中曲面ABDC。

图9　参数曲面Fig.9　Parametric surface

将每个待检测的点转换到参数空间中的1个曲面，对参数空间中的累加器进行累加，其最大值对应的参数即为检测到的正弦函数的参数。此过程计算量非常大，如设E、F、G的检测范围分别为[-2000,2000]、[-4000,4000]、[20,40]，则需要4000×20×8000=6.4×108个累加器。

为了减少计算量，对上述方法进行改进。所要检测的参数有3个，我们利用G循环，将Hough空间降为二维，在每一个G值下对参数点进行Hough变换，Hough空间为E和F，通过累加计算得到不同G下累加器的最大值即为检测到的参数值。Hough变换转换公式为

F=-Esin(θ+Gnn)+ρ ， G0

(10)

其中，E、F为Hough空间的参数，共需GL-G0+1次检测。

图10　Hough变换正弦检测算法流程图

4实验验证

本小节对所述方法进行实验验证。图11为待检测的输电线图像，平行的输电线在图像中呈梯形分布，其中含有相互交错的干扰直线。经过Hessian变换后得到图12，可以看出，Hessian变换对图像中的直线进行了加强，使输电线被提取出来，但是背景中的干扰直线也被提取出来。对图12采用Hough变换进行线检测后得到的参数点图像如图13所示。图13中的参数点包括输电线的参数点和干扰直线的参数点，其横坐标为直线参数θ，纵坐标为直线参数ρ。根据图13中参数点画出的线检测的结果如图14所示。可见，经过Hough变换对原图像进行直线检测后输电线以及背景中的干扰直线均被检测出来。对图13中的参数点进行Hough变换的实验结果如图 15所示。图15中的直线对应于图13中的参数点，累加器最大值对应的参数为E=785，F=96，G=29。这里参数E的范围为[-2 000,2 000]，参数F的范围为[-4 000,4 000]，参数G的范围为[20,40]，单位均为像素。正弦检测的结果如图16所示。检测到的正弦函数为

ρ=785×sin(θ+29)+96，

(11)

而在正弦曲线上的点即为平行输电线图像的参数点，据此检测得到相互平行的输电线，如图17所示。图中的7条输电线对应于图16中正弦函数上的7个参数点，输电线最终与干扰直线区分开来。

图11待检测图像

Fig.11The image to be detected

图12Hessian变换图

Fig.12Hessian transformation

图14Hough 变换线检测图

Fig.14Parameter point of line

图15直线参数点Hough变换
Fig.15Hough transform of Parameter point of line

图16正弦函数检测

Fig.16Sine detection

5结语

本文提出的输电线检测方法可以在复杂背景下排除其他直线的干扰，能准确地将输电线从图像中的干扰直线中区分出来。该方法利用输电线参数的关联性，而背景中的直线不具有此特性。在此规律基础之上，利用Hough变换进行正弦检测可以将输电线参数提取出来。现有的输电线检测方法将输电线以及背景干扰直线一同检测出来[17-18]，不具有抗干扰能力。而本文方法能够将输电线从含有干扰直线背景的图像中提取出来。

参考文献：

[1]张柯, 李海峰, 王伟.浅谈直升机作业在我国特高压电网中的应用[J]. 高电压技术, 2006, 32(6): 45-55.

[2]李国兴.我国直升机电力作业的现状与发展[J]. 电力设备, 2006, 7(3): 41-45.

[3]王平, 朱康.输电线路应用直升飞机巡线维护试验研究[J]. 四川电力技术, 2002, 25(1): 4-6.

[4]于德明, 沈建, 汪骏, 等.直升机在电网运行维护中的研究与应用[J]. 电网技术, 2009, 33(6): 107-112.

[5]国家电网公司, 山西省电力公司大同供电分公司.一种基于无人机的输电线路巡视系统: 中国, CN201220404318.2[P]. 2013-03-20.

[6]国家电网公司, 国网山东省电力公司电力科学研究院, 山东鲁能智能技术有限公司.用于无人机巡检的巡检结果数据处理系统及方法: 中国, CN201410083949.2[P]. 2014-06-25.

[7]LIU R, HAN J.Recovering surface normal of specular object by Hough transform method[J]. IET Computer Vision, 2010, 4(2): 129-137.

[8]YAN G, LI C, ZHOU G.Automatic extraction of power lines from aerial images[J]. IEEE Geoscience and Remote Sensing Letters, 2007, 4(3): 387-391.

[9]DEGUCHI K, IZUMITANIT, HONTANI H.Detection and enhancement of line structures in an image by anisotropic diffusion[J]. Pattern Recognition Letters, 2002, 23(12): 1399-1405.

[10]PHUEAKJEEN W, JINDAPETCH N, KUBURAT L, et al.A study of the edge detection for road lane[C]//IEEE International Conference on Electrical Engineering, Computer, Telecommunications and Information Technology (ECTI-CON). Khon Kaen: IEEE, 2011: 995-998.

[11]COURMONTAGNE P.An improvement of ship wake detection based on the Radon transform[J]. Signal Processing, 2005, 85(8): 1634-1654.

[12]ZHANG Z.A flexible new technique for camera calibration[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2000, 22(11): 1330-1334.

[13]李国进,李占海,陈双,等.基于差分演化算法的摄像机高精度标定[J]. 广西大学学报:自然科学版, 2014,39(2): 387-393.

[14]周东凯,李刚,王学琨,等.基于PSO-ELM的双目视觉摄像机标定[J]. 广西大学学报:自然科学版, 2014,39(6): 1285-1290.

[15]DENG B, WANG H, WU C.SAR micromotion target detection based on gapped sine curves[C]//Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International. Munich: IEEE,2012:3799-3802.

[16]曾文静, 张铁栋, 万磊, 等.基于 Hough 变换的水下管道检测方法[J]. 仪器仪表学报, 2012, 33(1): 76-84.

[17]赵利坡,范慧杰,朱琳琳,等.面向巡线无人机高压线实时检测与识别算法[J]. 小型微型计算机系统, 2012,4(4):882-886.

[18]曹蔚然, 朱琳琳, 韩建达.面向旋翼无人机的高压输电线在线检测方法[J]. 计算机应用研究, 2014, 31(10): 3196-3200.

(责任编辑裴润梅)

Power transmission line detection utilizing the relationship between the parameters

SUN Shi-chao1, XIAO Xiao2, LI Dong1, LIN Jing-yu1, LU Zi-guang1

(1.College of Electrical Engineering, Guangxi University, Nanning 530004, China;

2.Wuzhou Branch, CSG EHV Transmission Company, Wuzhou 543002, China)

Abstract:In the aerial images for the routing inspection of power transmission lines by UAVs, the power transmission lines were often mixed up with the lines in the background such as roads and buildings. To improve the robustness of power transmission line detection, the relationship between the parameters of lines belonging to a cluster of power transmission lines and proposed a method based on the relationship is derived. Then three steps follow. Firstly the lines image information is enhanced. Secondly by using Hough transform the detected edges information is converted into the parameter space. At last Hough transform is conducted again in the parameter space and the power transmission lines information is extracted. Experiment results showed that the method could extract the power transmission lines information from images with interference lines and have good robustness.

Key words:power transmission line; vision-guided; relationship between the parameters

中图分类号:V249.32+5

文献标识码:A

文章编号：1001-7445(2015)06-1461-08

doi:10.13624/j.cnki.issn.1001-7445.2015.1461

通讯作者：林靖宇(1972—)，男，福建福州人，广西大学副教授，博士;E-mail：jylin@gxu.edu.cn。

基金项目：广西科技攻关项目(桂科攻1598008-1)

收稿日期：2015-06-02；

修订日期：2015-09-20