引言

近年來,我國電力領(lǐng)域的快速發(fā)展與進步加快了電網(wǎng)建設(shè)步伐,電網(wǎng)運行狀態(tài)與社會生產(chǎn)、社會穩(wěn)定息息相關(guān),因此維護電網(wǎng)整體運行安全,及時檢修電網(wǎng)故障具有重要意義。輸電線路走廊具有地形復雜多樣、線路分布廣闊的特點,其中包含大部分架空輸電線路,導致傳統(tǒng)人工檢修輸電線路的難度與失誤大大增加,并且人工檢修線路的危險系數(shù)較高,因此必須采用一種更加智能、精準的方式代替人工檢修輸電線路的方式,以符合現(xiàn)代電力發(fā)展的高標準趨勢。針對險峻的地形與自然環(huán)境,無人機逐漸應用到輸電線路走廊全景拍攝中,對無人機拍攝的高清全景輸電線路走廊圖像加以處理,即可在計算機顯示端呈現(xiàn)清晰的輸電線路走廊全景,據(jù)此展開檢修,有效降低檢修的難度與危險性?；诖?本文研究了一種基于無人全景拍攝的輸電線路走廊全景展示方法,為精準獲取輸電線路全景提供參考。本文方法思路如下:采用無人機搭載攝像系統(tǒng)獲取全方位輸電線路圖像,在計算機端對拍攝的圖像加以重建和拼接,即可得到高清的全景圖像,實現(xiàn)輸電線路走廊全景展示。

1攝機輸路走廊全景電像展示

1.1無人機全景拍攝

無人機在民用領(lǐng)域的普及得益于無人機技術(shù)的飛速革新與進步,基于無人拍攝圖像為展示輸電線路走廊全景提供了高性價比的方式,其優(yōu)勢如下:(1）無人機拍攝高空輸電線路走廊圖像,使高空作業(yè)人員從危險環(huán)境中解放出來,另外,無人機的成本較低,在節(jié)約支出成本的同時提升了檢修線路的效率:(2）技術(shù)人員通過飛行控制軟件指揮無人機飛行器的飛行狀態(tài),滿足了針對性全景拍攝需求。

順利獲取無人機拍攝的輸電線路全景圖像的前提是合理控制飛行軟件,保障飛行的有序進行。基于無人機拍攝輸電線路的全景圖像時往往采用智能軟件控制飛行角度、方向等參數(shù),無人機在預設(shè)的飛行參數(shù)下自主采集圖像。無人機智能操控軟件是保障飛行順利的重要部分,因此提升無人機性能的研究可從更新控制軟件的角度入手。

無人機全景拍攝重點是搭載成像系統(tǒng)采集高精度的多角度圖像,是重建、拼接輸電線路走廊全景的基礎(chǔ)。無人機拍攝搭載的成像系統(tǒng)一般由攝像機、檢測設(shè)備、傳輸設(shè)備構(gòu)成,確保機器采集的圖像符合人工采集的高標準,以準確展示輸電線路走廊的全景,為后期展開線路巡檢、故障排查等工作打好基礎(chǔ)。

本次研究采用大疆品牌無人機配合Dronepan飛行控制軟件共同操縱無人機飛行狀態(tài),無人機拍攝參數(shù)設(shè)置如下:設(shè)置延遲拍攝時間為1.5S,根據(jù)需求飛行高度最高可達130m:無人機拍攝的圖像分辨率為4000×3000mpd,焦距為18mm,偏航角與俯仰角分別為45°、22.5°:在水平方向分四行進行拍攝,每行拍攝i張圖像,垂直方向拍攝35張圖像,拍攝行數(shù)為1行。圖1展示了無人機拍攝輸電線路走廊全景圖像的全過程。

1.2基于立體匹配方法實現(xiàn)攝機輸路走廊電像重建

無人機在拍攝輸電線路圖像過程中,以同一個觀察點為基準,拍攝不同視覺位置下的圖像,基于立體匹配的重建方法通過挖掘同一場景不同角度圖像的對應關(guān)系,得到圖像的深層次信息,實現(xiàn)圖像重建,以確保輸電線路圖像采集的高精度。

不確定性是立體視覺重建方法的一個特點,圖像信息的丟失往往由立體匹配的投影過程導致,可通過一系列的約束條件防止圖像內(nèi)容丟失。立體匹配方法計算得到圖像的深層次信息即可實現(xiàn)圖像重建,而匹配問題與深度求取是立體匹配方法的兩個階段。

圖2為無人機拍攝點平面圖。

圖像空間的8點投影分別用81與82表示,圖2中描述的圖像拍攝位置是無人機的水平方向保持不變,81與82的橫坐標分別用x1與x2表示,f是拍攝焦距,兩個拍攝點的中心距離用H表示,圖中G的表達式為GMf,設(shè)置dMx1-x2表示無人機拍攝的視覺視差,則用GMf描述深度輸電線路走廊圖像。

定義輸電線路走廊圖像(x,y）的灰度值為f1(x,y）、f2(x,y）,圖像為Na×Nb大小,結(jié)合無人機拍攝的左右兩幅圖像得到圖像立體匹配表達式,如式(1）所示:

式中,d(x,y）為圖像視差:B為無人機拍攝視差上限。

基于上述方法重建無人機采集的輸電線路走廊圖像,在此基礎(chǔ)上拼接圖像構(gòu)建全景圖像,實現(xiàn)輸電線路走廊全景展示。

1.3輸電線路全景圖像拼接

將無人機采集的輸電線路走廊圖像導入計算機處理系統(tǒng)中后,基于SURF算法提取圖像特征點,基于UFA+FN算法實現(xiàn)數(shù)據(jù)擬合,降低特征點匹配誤差,得到高精度的全景拼接圖像。

1.3.1特征提取

SURF算法提取圖像特征點具有尺度不變性,能夠真正縮短輸電線路走廊圖像匹配時長。SURF算法提取特征點步驟為:(1）為得到差異性尺度空間,SURF算法以差異性尺寸的盒式濾波器為中介對采集的原始輸電線路圖像的積分圖像實施濾波處理。(2）基于Hessian矩陣檢測各層圖像中的影像極值點,由此定義Hessian矩陣上限與下限,精準選取極值點,以獲取特征點的尺度值與位置。

得到特征點位置后,將該特征點作為圓形的中心點,設(shè)置半徑值為5.5,在該圓形區(qū)域中求取像素點水平與垂直方向的Haar小波響應值,制作響應值的統(tǒng)計直方圖以得到圓形區(qū)域中矢量方向最大值,特征點的主方向即為該矢量的方向,通過這種方式保證配準算法旋轉(zhuǎn)不變。

特征點描述如下:確定以特征點為中心點的鄰域范圍,即20"×20"區(qū)域內(nèi),令該區(qū)域與特征點的主方向相同。對任意一個像素點進行高斯加權(quán),分別求取加權(quán)后像素點的Haar小波在水平與垂直方向的響應值,分別用ex與ev表示?！芿x與∑ev表示區(qū)域中全部像素點的響應值和,∑|ex|與∑|ev|表示子區(qū)域中響應值的絕對值,基于求取的∑ex與∑ev、∑|ex|與∑|ev|構(gòu)建思維特征向量。最后通過歸一化處理特征點描述向量的方式,確保特征點描述的尺度不變性。

1.3.2特征匹配

基于上述方法得到兩幅輸電線路走廊圖像的SURF特征向量,采用向量間的歐式距離評估特征點的相似程度[7]。確定特征點的匹配點條件如下:兩個特征點的最小距離和第二小距離的比值在55%以下。基于該方法得到的匹配點為粗匹配,為提升匹配精準度,需采用UFA+FN數(shù)據(jù)擬合算法剔除錯誤的匹配點。UFA+FN算法的優(yōu)點是容錯能力強、魯棒性優(yōu),基于UFA+FN算法精細化匹配點的途徑如下:(1）定義目標函數(shù):(2）估計函數(shù)的參數(shù)初始值,以循環(huán)提取最小點集的方式實現(xiàn),數(shù)據(jù)基于初始值被劃分成內(nèi)點與外點兩種形式,函數(shù)參數(shù)的求取即通過內(nèi)點的重新計算得到。這樣通過UFA+FN算法重新得到高精度的特征匹配點,提升輸電線路走廊拼接的精準度。

2全景重建測試

2.1測試環(huán)境設(shè)置

以某輸電線路走廊作為對象,采用本文方法展開全景展示測試研究。測試中,基于無人機拍攝大量輸電線路走廊圖像,根據(jù)測試需求選取特定圖像作為研究對象。輸電線路走廊拍攝圖像處理的計算機硬件設(shè)置如下:NPs主頻為2.3GHz,攜帶2GB內(nèi)存,在MicrosoftVisualN＋＋6.0編程條件中運行。

2.2拼接時間開銷測試

選取場景1作為測試研究對象,采用本文方法拼接的場景1全景圖像如圖3所示。

圖3采用本文方法拼接的輸電線路走廊全景圖像展示

圖3中,采用本文方法拼接而成的輸電線路走廊全景圖像幾乎沒有不自然的拼接痕跡:圖4為未進行圖像重建的輸電線路走廊全景圖像,即無人機拍攝的原始圖像。和圖4相比,圖3中的輸電線路走廊圖像清晰、完整,可作為有效的全景圖像使用,突出了本文方法中重建圖像的重要性。

圖4未進行圖像重建的輸電線路走廊全景圖像

另外,圖3描述的場景1由6幅圖像為基礎(chǔ)拼接而成,本文方法拼接圖像的時間開銷如圖5所示。圖5中,本文方法拼接5個輸電線路場景圖像的時間開銷均在0.8～1.0s,各幅圖像拼接的時間差較小,用時較短。上述數(shù)據(jù)顯示,本文方法拼接輸電線路走廊全景圖像的用時短,在全景展示輸電線路走廊方面效率較高。

由于場景1輸電線路走廊全景圖像由6幅圖像拼接而成,所以進行5次拼接,本文方法拼接該圖像的偏差如表1所示。

表1顯示,以基準圖像為基準,從x軸考慮,本文方法拼接偏差最大值僅為4行,從y軸考慮,本文方法拼接偏差最大值僅為1列,拼接偏差較小,可以忽略不計。由此證明本文方法拼接的輸電線路全景圖像精度較高,這是因為本文基于sURF算法提取圖像特征點后,采用RANsAC數(shù)據(jù)擬合算法剔除錯誤的匹配點,RANsAC算法具有容錯能力強、魯棒性優(yōu)的優(yōu)勢,將錯誤的特征點排除在外,由此提升輸電線路走廊圖像拼接的精度。

3結(jié)語

本文研究了基于無人全景拍攝的輸電線路走廊全景展示方法,首先采用無人機拍攝輸電線路走廊各角度圖像,但是無人機采集的原始圖像在外界干擾下存在模糊、失真現(xiàn)象,導致最終展示的輸電線路全景不理想,所以基于立體匹配方法挖掘同一場景不同角度圖像的對應關(guān)系,得到圖像深層次信息,重建清晰的輸電線路圖像:然后利用sURF算法提取圖像特征點,基于RANsAC算法剔除錯誤的匹配點,實現(xiàn)輸電線路走廊全景圖像的高精度拼接。

經(jīng)測試證明了本文方法重建輸電線路走廊全景圖像的可行性與精準度。在以后的研究中,可從改善無人機控制軟件的角度,優(yōu)化無人機拍攝圖像的效果,從根本上控制原始拍攝圖像的精準程度,減少全景圖像處理部分的時間開銷,提升輸電線路走廊全景展示效率。