電纜防護(hù)層故障點(diǎn)的紅外立體視覺檢測

程羽佳，楊晴，王凡

（電子科技大學(xué)中山學(xué)院機(jī)電工程學(xué)院，中山 528400）

0 引言

對于電力系統(tǒng)來說，輸電穩(wěn)定性至關(guān)重要，有了穩(wěn)定的電能輸送，電力設(shè)備的工作效率才能得到最大程度的保證。作為電能輸送的載體，高壓電纜防護(hù)層需要保證良好的絕緣狀態(tài)。因?yàn)樵诂F(xiàn)代電能輸送過程中，高壓、超高壓輸電已經(jīng)成為常態(tài)。若電纜防護(hù)層被擊穿破損，則會造成難以想象的后果。嚴(yán)重的，甚至?xí)砣藛T的安全隱患。

電纜與普通的電氣設(shè)備不同，其安裝位置較高。同時，經(jīng)過不斷地絕緣技術(shù)改良，其溫度變化的趨勢較小。因此，在普通的電氣檢測過程中，電纜的工作狀態(tài)檢測難度較大。若發(fā)熱的異常點(diǎn)長期存在，經(jīng)過積累，會造成絕緣材料的擊穿。此時雖然發(fā)生了故障，但擊穿點(diǎn)較小，同樣難以精準(zhǔn)定位，造成檢修的困難。常用的方法是基于表面顏色變化或采用點(diǎn)溫儀對電纜防護(hù)層進(jìn)行測量，但是測量的精度得不到保證，存在較大的安全隱患[3-4]。另外，可以使用紅外檢測技術(shù)來進(jìn)行測量，這種方法的優(yōu)點(diǎn)主要體現(xiàn)在以下兩點(diǎn)：

（1）紅外檢測技術(shù)屬于無損檢測，不會損壞電纜表面。同時，非接觸式的測量，可以最大程度地保障測量人員的人身安全。

（2）相對于人眼識別或者傳統(tǒng)的點(diǎn)溫儀檢測方法來說，紅外檢測技術(shù)的精度較高。由于點(diǎn)溫儀屬于發(fā)散檢測，而電纜架設(shè)較高，測量距離相對較遠(yuǎn)，則誤差更大。實(shí)驗(yàn)表明，點(diǎn)溫儀對于電纜絕緣材料溫度的檢測誤差達(dá)到5～10℃。而通過人眼觀測表面形態(tài)或顏色變化來確定溫度異常點(diǎn)的方法，其測量結(jié)果更是無法保證精度。而紅外立體視覺檢測技術(shù)發(fā)展迅速，能夠很好地反應(yīng)電纜表面溫度，測量精度較高。

1 算法實(shí)現(xiàn)

1.1 紅外電纜圖像特征點(diǎn)提取

在紅外圖像處理的過程當(dāng)中，首先要進(jìn)行特征點(diǎn)的提取。因?yàn)閳D像中的信息較多，尤其在電纜紅外檢測中，被測對象所處環(huán)境復(fù)雜多樣，為了排除干擾，需要濾除不必要的信息。特征點(diǎn)的提取方法較多，根據(jù)實(shí)際需要，紅外電纜圖像檢測特征點(diǎn)的提取采用SIFT算法。其特征尺度由可變高斯函數(shù)結(jié)合二維圖像信息組成[5]，如式（1）所示。

式1 中，I(x,y)包含的是二維圖像信息，而G(x,y,σ)為可變高斯函數(shù)，經(jīng)過相應(yīng)的運(yùn)算，可以轉(zhuǎn)化成式（2）。

上式中，（x,y）表示的是二維圖像坐標(biāo)，σ表示尺度因子。首先，利用高斯函數(shù)，搭建相應(yīng)的DOG 模型，每個模型對應(yīng)一個圖像特征點(diǎn)，此模型的形式與金字塔結(jié)構(gòu)類似。對每一個模型進(jìn)行極值點(diǎn)的檢測，從而確定每一個特征點(diǎn)的具體坐標(biāo)信息。

在DOG 模型中直接取值會導(dǎo)致計算誤差變大[6]。因?yàn)槔肧IFT 算法進(jìn)行特征點(diǎn)檢測，其核心為區(qū)域檢測，即以固定區(qū)域的中心作為特征點(diǎn)，所以存在一定的誤差，需要對DOG 模型搜索到的數(shù)據(jù)進(jìn)行二次檢測，從而確定最終的特征點(diǎn)坐標(biāo)。對測量的特征點(diǎn)數(shù)據(jù)進(jìn)行插值運(yùn)算，并通過3D 二次方程進(jìn)行處理。空間尺度函數(shù)假設(shè)為D(x,y,σ)，經(jīng)過特征點(diǎn)擬合后，其泰勒展開式可由式（3）表示：

上式中，通過相應(yīng)的差分運(yùn)算，可以求得空間尺度函數(shù)的二階導(dǎo)數(shù)。在此基礎(chǔ)上，通過式（4）重復(fù)進(jìn)行二階求導(dǎo)，同時設(shè)改值為0，可以求取精確的極值Xmax。

為了提升后續(xù)的圖像匹配效果，在特征點(diǎn)提取的過程中，需要把干擾噪聲點(diǎn)消除。所以。匹配不佳的特征點(diǎn)需要從結(jié)果中篩除。式（3）和式（4）聯(lián)立方程組，得到式（5）。特征點(diǎn)篩除需要選擇一個臨界值，經(jīng)過實(shí)驗(yàn)研究，臨界值選擇 0.03 效果最好，即特征點(diǎn)若符合此條件，該點(diǎn)保留，繼續(xù)參與后續(xù)處理過程。若不符合，則刪除。

針對圖像中一些已經(jīng)選取的特征點(diǎn)，但其效果不是特別理想的，可以通過式（6）的Hessian 矩陣再次進(jìn)行處理。該矩陣屬于二階矩陣，通過該矩陣可以把鄰域差分法中計算出的每個特征點(diǎn)的偏導(dǎo)數(shù)，置于其各個分量中，矩陣如式（6）所示。該數(shù)據(jù)是通過近似估計求取。

每個特征點(diǎn)的主曲率都可以通過式（6）中的方陣H 求取。當(dāng)矩陣中的特征值越大，則說明D（Xmax）的值也越大。因?yàn)閮烧叱烧壤P(guān)系，所以，只需把正比例系數(shù)ratio 求出即可，而不需要求取特征值的具體數(shù)字。設(shè)特征值的給定峰值為α，次峰值為β，兩者的比值設(shè)置為P2j（x,y,z），則通過式（7）可以求取正比例系數(shù)ratio：

通過前期計算驗(yàn)證，當(dāng)γ=10 時，檢測效果較好，可以準(zhǔn)確地獲得特征點(diǎn)的具體坐標(biāo)及其旋轉(zhuǎn)角度。只要正比例系數(shù)滿足式ratio≤(γ+1)2/γ即可。

1.2 特征點(diǎn)匹配

基于SIFT 算法進(jìn)行紅外圖像特征點(diǎn)匹配的方式，屬于特征匹配算法。即在進(jìn)行特征點(diǎn)測量的同時，也在開展特征點(diǎn)匹配的工作。對每一個檢測到的特征點(diǎn)，MATLAB 都會賦予其一個特定的標(biāo)志。通過該標(biāo)志，系統(tǒng)可以正確地識別每一個特征點(diǎn)。因此，匹配特征點(diǎn)的工作可以轉(zhuǎn)化成匹配標(biāo)志點(diǎn)的工作，標(biāo)志點(diǎn)也可以被稱作描述子。在進(jìn)行SIFT 算法的特征點(diǎn)匹配過程中，若能準(zhǔn)確地檢測每個特征點(diǎn)的描述子，將會大大提高特征點(diǎn)匹配的精度。而對于描述子檢測來說，如何對其進(jìn)行優(yōu)化和區(qū)分，是最為關(guān)鍵的步驟。

在描述子檢測過程中，可以把每個特征點(diǎn)的位置坐標(biāo)以特征向量的形式表現(xiàn)出來。在特征點(diǎn)發(fā)生移動的時候，特征向量也會隨之改變。同時，在另外一種情況下，當(dāng)有強(qiáng)烈光照時，特征向量不變。此特征與描述子的變化方式類似。所以，通過把特征點(diǎn)轉(zhuǎn)化成特征向量，可以更好地檢測描述子。同時也能滿足對于特征點(diǎn)方向，旋轉(zhuǎn)角度等信息的匹配。另外，對于特征點(diǎn)附近的微小區(qū)域，也進(jìn)行相應(yīng)的處理，使得特征點(diǎn)能夠更加突出地顯示。設(shè)特征點(diǎn)坐標(biāo)為（x,y），每個特征點(diǎn)的梯度值及梯度方向都可以通過式（8）求取，即：

被測紅外圖像中，每個特征點(diǎn)的位置都不相同，通過式（8），把圖像二維坐標(biāo)（x，y）與該特征點(diǎn)的差異尺度L 相結(jié)合，可以求取每個特征點(diǎn)所對應(yīng)的像素位置。

距離函數(shù)可以判斷兩幅特征點(diǎn)檢測圖像的對比度。對于兩圖的對比情況，本文選擇距離函數(shù)進(jìn)行評判。常用的距離函數(shù)有兩種，分別是馬氏距離與歐氏距離。其中，歐氏距離也被稱作歐幾里得度量。該方法在評判對比圖像特征點(diǎn)直線距離方面精度較高，所以本文使用歐氏距離，評判紅外檢測圖像的相似度對比。具體的實(shí)現(xiàn)原理是分別求取兩對比圖像特征點(diǎn)對之間的直線距離，然后對比兩距離的長度，從而對兩幅紅外被測圖像相似度做出判斷。

通過歐氏距離進(jìn)行處理后，兩幅紅外被測圖像的特征點(diǎn)匹配工作便初步完成。為了更進(jìn)一步提升特征點(diǎn)匹配的準(zhǔn)確性，得到更好的立體匹配效果，可通過k-d tree 最近鄰搜索法檢測“葉結(jié)點(diǎn)”。具體過程是選擇一個特征點(diǎn)，在該特征點(diǎn)附近搜索離其最近的另兩個特征點(diǎn)并將其設(shè)置為“葉結(jié)點(diǎn)”，“葉結(jié)點(diǎn)”之間的直線距離作為最小距離。然后繼續(xù)進(jìn)行搜索，判斷是否有另外的“葉結(jié)點(diǎn)”，其直線距離比最小距離更小。若沒出現(xiàn)更小的距離，則判斷兩數(shù)據(jù)點(diǎn)可選；若出現(xiàn)更小的距離，則將該距離設(shè)置為新的最小距離，其對應(yīng)的兩數(shù)據(jù)點(diǎn)作為新的“葉結(jié)點(diǎn)”。

綜上，在紅外被測圖像的匹配過程中，首先需要確定每個特征點(diǎn)所對應(yīng)的描述子。然后，利用歐氏距離判斷匹配圖像對的相似度，并求取特征向量。最后，通過k-d tree 最近鄰搜索方法對匹配結(jié)果進(jìn)行檢驗(yàn)。即將“葉結(jié)點(diǎn)”之間的最小距離作為檢測距離進(jìn)行搜索。如不存在更小的“葉結(jié)點(diǎn)”距離，則該特征點(diǎn)對匹配成功；若附近存在更小的直線距離，則有其作為新的最小距離，再次進(jìn)行遞歸搜索。隨著最小值的不斷縮小和替換，特征點(diǎn)對的數(shù)量不斷減少，但是特征點(diǎn)對的精確率不斷提高。因?yàn)殄e誤點(diǎn)對被不斷地剔除。匹配效果更好。同時，引入極線對比校正方法，即通過極線對比，使得二維圖像校正轉(zhuǎn)換成一維校正，該方法程序簡單，縮短計算時間。通過SIFT 算子對紅外圖像進(jìn)行特征點(diǎn)匹配的工作過程總結(jié)如下：

（1）使用兩臺后外攝像機(jī)采集紅外圖像，選擇背景效果良好的圖像進(jìn)行匹配；

（2）采取SIFT 算法進(jìn)行特征點(diǎn)匹配；

（3）對圖像特征點(diǎn)描述子進(jìn)行檢測，使用歐式距離判斷兩幅匹配的對比度，計算特征向量，完成初步匹配工作。

（4）采用k-d tree 最近鄰域法進(jìn)行“葉結(jié)點(diǎn)”距離的搜索，不斷篩除錯誤的特征點(diǎn)匹配點(diǎn)對，提高紅外圖像匹配精度。

2 電纜故障點(diǎn)紅外檢測結(jié)果

對長段電纜分成兩部分進(jìn)行檢測，經(jīng)過特征點(diǎn)匹配后，進(jìn)行拼接，特征點(diǎn)匹配效果如圖1 所示：

圖1 兩段電纜特征點(diǎn)匹配

從圖1 可知，紅外電纜拼接表面特征點(diǎn)提取準(zhǔn)確，特征點(diǎn)匹配效果良好，能夠較好地完成后續(xù)的圖像處理工作。實(shí)驗(yàn)證明了拼接技術(shù)能較好地應(yīng)用在大型高壓電纜的紅外檢測當(dāng)中。

在完成紅外圖像匹配及拼接處理后，發(fā)現(xiàn)每段電纜的紅外圖像都存在紅色的異常點(diǎn)。此類異常點(diǎn)的產(chǎn)生是由于電纜在產(chǎn)期工作中，由于絕緣材料的損耗，產(chǎn)生了電樹枝。并且造成熱量的積累，若不能及時進(jìn)行處理，排除故障，熱量會急劇上升，造成熱畸變甚至材料被擊穿。通過MatLab 軟件對此類紅外圖像異常點(diǎn)進(jìn)行灰度處理，比較灰度值的變化，便可以正確提取發(fā)熱異常點(diǎn)，如圖2 所示：

圖2 溫度異常點(diǎn)檢測

通過圖像處理軟件統(tǒng)計被測電纜紅外圖像溫度異常點(diǎn)的數(shù)量和在電纜圖像當(dāng)中的比例，還可以判斷該電纜絕緣材料性能的優(yōu)劣。

3 結(jié)語

本文對電纜紅外圖像進(jìn)行立體匹配的工作，從測量結(jié)果看出，特征點(diǎn)提取良好，匹配準(zhǔn)確；同時，對長短紅外電纜圖像進(jìn)行拼接，從拼接效果可以看出，拼接表面光滑，完整地反映了長段紅外電纜的特征；最后，對紅外電纜圖像中的溫度異常點(diǎn)進(jìn)行提取，從溫度異常點(diǎn)的數(shù)量及所占比例，判斷電纜的工作情況。