基于图像处理的输电线识别与六旋翼巡检研究

发布时间：2022-01-13 02:53

　　近年来,无人机技术发展迅速,许多行业都可以使用无人机来解决。目前,基于图像的无人机识别跟踪输电线技术仍然是一个需要急于解决的难题,其突破点在于输电线路的准确识别和自动跟踪,目前技术体系还不够完善,限制了无人机自主巡检能力,本文基于六旋翼飞行器和摄像机采集系统,对飞行器识别跟踪输电线进行详细的讨论。重点分析了实时检测算法并介绍基于单目视觉的避障方案,总结了六旋翼飞行器输电线跟踪系统的控制方法。在对六旋翼飞行器拍摄输电线图像并识别的过程中,首先针对飞行器拍摄时由于背景、摄像机抖动等因素造成图像对比度弱、模糊等问题,进行图像均衡化、去除运动模糊和去噪处理,为后续识别提供清晰的边缘特征,本文基于Edge Drawing算法对拍摄的目标图像进行边缘检测,并使用EDLines算法快速生成目标直线,将得到的直线段通过Segment-Tree方法连接起来,由于输电线目标容易被其它背景所干扰,详细分析了K均值聚类算法的原理,并设计了直线模板,滤除剩余的背景干扰点。实验结果表明,本文识别方法能够准确的识别出目标输电线,并在速度上得到很大的提升。基于图像处理的输电线识别跟踪技术,在传统跟踪方法的基础上,根据... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

国家电网公司研制的巡线无人机

合肥工业大学硕士研究生学位论文4中国科学院自动化研究所的赵晓光等研制了一种小型无人机地面目标跟踪系统[11]，如图1.3所示，是由雷虎60级直升机改造组装成的无人机，其控制系统由ARM处理器、集成众多传感器单元的嵌入式硬件平台和工业级的实时多任务操作系统C/OS-II实现。无人机系统基于视觉伺服技术实现目标的跟踪，此系统分级设计，主要有运动控制器、云台控制器和云台上的摄像头单元组成。利用该视觉跟踪系统，可实现对目标实时跟踪。此外，安装激光测距传感器和GPS定位装置后，该无人机还可以执行远程测量地形任务。目前该团队已经将该无人直升飞机运用于农田监控和输电线路巡检中。图1.3赵晓光等研制的无人直升飞机Fig1.3UnmannedhelicopterdevelopedbyZhaoXiaoguangandothers1.3输电线技术探讨与难点分析1.3.1视觉识别与控制本文研究了基于飞行器的输电线巡检技术，主要包括两个方面：图像处理技术与飞行器控制技术。在图像处理过程中，需要对摄像机采集到的图像进行预处理，为了提高处理速度，需要将三维数据降低成一维数据，减少处理数据所使用的时间。飞行器动态采集输电线图像时，其相对运动和摄像机设备的抖动都会影响图像不同程度的退化，产生运动模糊图像，需要使用算法还原成原图像。同时在运动的过程中，图像会带有不同程度的噪声点，中值滤波和高斯滤波可以产生较好的去噪效果。随着计算机视觉技术的不断研究，该技术广泛应用在输电线路巡检时进行目标的识别和跟踪领域。文献[12]检测输电线边缘使用Canny算子，然后使用Hough变换和数学形态学的方法进行输电线路的提取和跟踪；文献[13]用高清摄像头采集玻璃绝缘子图像将模型RGB转化为HSI色彩空间进行处理，利用其S分量，采用遗传算法中的最大阈值分割算法处理航拍图

第二章基于飞行器的复杂背景预处理7第二章基于飞行器的复杂背景预处理2.1输电线图像灰度化输电线图像灰度化可除去其彩色分量，降低光照对图像的影响，还能提高图像处理的速度降低内存使用率[17]。摄像头采集的图像是基于RGB色彩模式的，R、G、B三个颜色通道相互叠加形成各种不同的颜色，通过对各个通道的不同加权完成灰度化的处理，其中的系数如2.1所示：Gray(i,j)0.299R(i,j)0.587G(i,j)0.114B(i,j)(2.1)Gray(i,j)为经过转化的灰度图像在(i,j)点处的灰度级别，级别范围值为0~255。其中R(i,j)、G(i,j)、B(i,j)分别为该像素点的红、绿、蓝颜色分量，效果如图2.1所示。(a)原图(b)灰度图图2.1灰度化处理效果图Fig2.1Grayingeffectpicture从图中可以看出，灰度图像保留了原图中的特征，去除其彩色信息，将三维分量降低成一维分量，减少运算的复杂度，增强了图像处理的效率，在飞行器巡检过程中缩短处理时间，提高实时性，后续算法处理时降低其时间复杂度。2.2输电线图像均衡化输电线图像均衡化的原理是将上节生成的输电线灰度图，经过计算使其直方图均匀分布，提高输电线图像的对比度[18]。完整的计算步骤如下：①生成输电线图像的直方图H，像素是mn，像素点的取值范围是0~255；②输电线图像包含的像素点的数量为HN：HNmn(2.2)③分别统计出各级别包含像素点数量占所有像素点数量的比例，计算方法为：()()/,(0,255)siHhhiNi(2.3)

【参考文献】：
期刊论文
[1]基于改进Hough变换的电力线提取[J]. 袁晨鑫,官云兰,张晶晶,袁晨瀚.  北京测绘. 2018(06)
[2]基于Roberts算子的车道线图像的边缘检测研究[J]. 唐阳山,徐忠帅,黄贤丞,朱停仃,李栋梁.  辽宁工业大学学报(自然科学版). 2017(06)
[3]旋翼无人机实时视觉跟踪算法[J]. 孔令东,曹娟,章国安,刘国栋.  南通大学学报(自然科学版). 2017(01)
[4]复杂地物背景下的电力线提取方法[J]. 李彩林,冯朝晖,邓晓景,韩磊.  计算机工程与应用. 2016(22)
[5]结合卡尔曼滤波器噪声分析的车道线检测跟踪算法[J]. 郭克友,王艺伟,郭晓丽.  计算机测量与控制. 2016(05)
[6]基于扩展卡尔曼滤波器的车道线检测算法[J]. 彭红,肖进胜,程显,李必军,宋晓.  光电子·激光. 2015(03)
[7]无人机视频运动目标实时检测及跟踪[J]. 董晶,傅丹,杨夏.  应用光学. 2013(02)
[8]无人机在电力线路巡视中的应用[J]. 汤明文,戴礼豪,林朝辉,王芳东,宋福根.  中国电力. 2013(03)
[9]基于特征检测的航拍图像电力线提取方法[J]. 张少平,杨忠,黄宵宁,吴怀群.  应用科技. 2012(05)
[10]飞行器远程图像距离测量方法研究[J]. 邹强.  微电子学与计算机. 2012(05)

博士论文
[1]基于航拍图像的输电线路识别与状态检测方法研究[D]. 仝卫国.华北电力大学 2011

硕士论文
[1]基于无人机视觉的输电线路安全距离巡检系统研究[D]. 李栋.广西大学 2016
[2]旋翼无人机跟踪地面移动目标的视觉控制[D]. 姜运宇.哈尔滨工业大学 2014
[3]用于视觉导航的道路检测与跟踪技术的研究[D]. 李婷婷.南京理工大学 2012
[4]运动目标图像的检测与跟踪[D]. 张杨.中北大学 2005



本文编号：3585924