电力巡线无人机图像处理技术

魏君义 张岩 常昊 冉陈理 王铭梓 向传龙

【摘  要】巡线无人机作为一种新型的电力巡检方式，具有能够适应多种作业环境的特点，通过这种巡线方式可以有效的提高电力巡检的工作效率，减少巡线工人的工作量并对他们的人身安全提供保障，因此，本文将从巡线无人机图像处理技术重点叙述其研究重点以及现有的解决方案，在综合考虑图像处理技术方面的发展现状和现有问题的基础上，进行新的研究重点和发展方向的展望，该文可为之后电力巡线无人机技术的发展和成熟提供参考。

【关键词】巡线无人机;图像处理;图像匹配;图像识别

引言

随着现代科技的迅猛发展，无人机在军用、民用都实现了质的飞跃，发挥着重要作用。在“十三五”国家战略性新兴产业发展规划中，无人机得到了充足的发展。而在“十四五”期间，无人机将以大视野、大科学、广融合、高维度视角获得更快的发展以及更大的突破。目前，中国已建成330kV及以上输电线路长度30.2万千米。在2020年中，国家新增220kV及以上输电线路长度达到2.9万千米。另外，预计到2025年，中国有望特高压线路突破4万千米。国家对用电需求的增加将带来更高的用电负荷。近年来，无人机与电力巡检的结合应运而生并在快速发展。巡线无人机是装配有高清数码摄像机和照相机以及GPS定位系统的无人机，可沿电网进行定位自主巡航，实时传送拍摄影像，监控人员可在电脑上同步收看与操控。工作人员对传输的图像仔细分析后得出此段输电线路是否受损。

本文针对目前巡线无人机广泛存在的问题，选取了巡线无人机图像处理技术进行综述，首先阐述已有的研究结果，之后对这些关键技术的未来发展提出创新，进行展望。

1.巡线无人机图像处理技术

无人机摄影技术也称为无人机航拍，是以无人驾驶飞机作为空中平台，以机载遥感设备，用计算机对图像信息进行处理，并按照一定精度要求制作成图像。

目前巡线无人机上常搭载着如光学相机、热红外成像仪、激光扫描仪等传感器。其中，光学相机主要用于拍摄杆塔、电力线、电力线走廊的光学影像，用于绝缘子自爆污秽、导地线断股变形、金属类设备锈蚀缺失、螺栓脱落等缺陷、隐患的诊断;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;激光点云成像常用于输电线及其走廊环境的检测。

与平常的拍摄不同，巡线无人机对电力线路进行高空拍摄时，会受到抖动、光照、复杂背景等因素的干扰。复杂的干扰因素会使无人机拍摄的输电线路图像出现严重的畸变，使图像难以匹配。对于巡线无人机拍摄得到的图像，需要进行图像预处理，图像匹配与拼接和图像识别。

1.1图像预处理

由于图像在形成的过程中会受到天气、飞机飞行的姿态及噪声等因素的影响，因此巡线无人机器拍摄到的图像可能与实际情况有一定的偏差。首先需要对巡线无人机拍摄的图像进行预处理，保证拍摄的准确性。Jiawei Chen，Wenrui Ding提出首先通过PCA法将功能维度降低，提取并转化为计算机处理的规范格式后，利用波变换，DCT，HAAR对图像预处理的方法。陈之尧提出一种基于OpenCV开放源代码函数库的预处理技术。都有效提高了图像的识别精度，达到了预处理的目的。

1.2图像匹配与拼接

由于无人机飞行高度、距离以及相机角度的限制，常常不能拍摄到电力线和电塔的全景图像。为了获得可用于检测的全景图像，需要将巡检得到的图片删去重复的部分后进行拼接。彭泓，李红利，杜宇提出用于图像匹配的Opponent-AKAZE算法以及巡检图像拼接的APAP 配准模型，通过改良AKAZE算法提取特征点和主方向，利用加权叠加算法融合拼接电力巡线图像。Xu Wang等人改良ORB算法提出了L-SURB算法。此外，匹配算法还有如ORB算法、SIFT算法等。

1.3图像识别

图像识别的目的是对输电线路检测目标进行识别、定位及故障判定，实现图像识别的方法主要有形态学检测、机器学习分类器检测、深度神经网络检测。关于机器学习分类器检测方面，Jiawei Chen等人提出基于SVM的图像分类与识别技术。Srikanth Vemula; Michael Frye提出在无人机上部署深度神经网络Mask RCNN识别算法，工作更安全，更快捷。从巡线无人机拍摄到第一张图像到获得可分析的巡检图像，过程是十分复杂的。越来越多优化算法的提出带来了一定的帮助，但客观上，天气，地形等环境因素的多变，会对巡检图像的造成很大甚至无法分析的干扰;主观上，匹配与拼接算法一般需要较长的时间，对于短时间就能造成巨大损失的电力事故，都仍需要在未来提高算法的精度和速度。

2.总结

本文首先从巡线无人机的发展现状出发，通过一系列数据阐述了研究巡线无人机相关技术的必要性，之后选取了在巡线无人机工作过程中的图像处理技术这一关键问题进行综述，分别阐述了其相关研究进展，并为巡线无人机相关技术的发展提出展望。

本文有助于加深对巡线无人机工作方式的认识，以及文中提到的两种关键技术的理解，将为巡线无人机提供更可靠、更可行的设计方案，为巡线无人机相关问题的解决提供参考。伴随着这些技术的不断突破与创新，将有利于巡线无人机更广泛地应用在实践之中，为我国的巡线工作带来便利。

参考文献

[1]孙暘，王康. 一种带红外热成像和航拍功能的巡线无人机[P]. 北京：CN204264449U，2015-04-15.

[2]張兆云，黄世鸿，张志.机器视觉在无人机巡线中的应用综述[J].科学技术与工程，2020，20（34）：13949-13958.

[3]张华阳，王赛赛，鲍健.无人机电力线路安全巡检系统及关键技术[J].网络安全技术与应用，2021（01）：124-126.

[4]吕吉伟.图像处理技术在无人机电力线路巡检中的应用[J].通信电源技术，2019，36（06）：84-85.

[5]J.Chen and W.Ding， “UAVImage Classification and Recognition Based on SVM and Non-Reference Adaptive Quality Evaluation，” 2018 2nd IEEE Advanced Information Management，Communicates，Electronic and Automation Control Conference （IMCEC）， Xi'an，China，2018，pp.407-410.

[6]陈之尧.以OpenCV为基础的图像预处理技术在无人机视频的应用[J].电子技术与软件工程，2018（16）：63-64.

[7]X.Wang， J.Zou and D. Shi， “An Improved ORB Image Feature Matching Algorithm Based on SURF，” 2018 3rd International Conference on Robotics and Automation Engineering （ICRAE），Guangzhou，China，2018，pp.218-222.

[8]彭泓，李红利，杜宇，宁博，郭磊.电力巡线无人机航拍图像拼接算法[J].计算机应用与软件，2020，37（05）：243-248+255.

[9]姚伟，胡虹.基于SIFT的自适应旋转图像无缝拼接算法[J].南京理工大学学报，2019，43（02）：250-254.

[10]S. Vemula and M. Frye， “Mask R-CNN Powerline Detector： A Deep Learning approach with applications to a UAV，” 2020 AIAA/IEEE 39th Digital Avionics Systems Conference （DASC）， San Antonio， TX，USA，2020，pp.1-6.

河北科技大學 电气工程学院    河北石家庄    050000