電力巡檢的移動作業無人機傾斜影像三維采集模型

洪梓銘

（廣東電網有限責任公司廣州供電局，廣東廣州 510000）

電力系統承載著能源運輸的命脈，是構成電網的重要部分。電力巡檢是保證電力系統輸電線路安全性和穩定性的基礎[1]。通過電力巡檢可以及時發現電力系統潛在的安全隱患，并檢查出輸電線路的缺陷。傳統的人工電力巡檢方式勞動效率較低，還會受到地形等多種條件的限制，一些輸電線路無法進行人工巡檢[2-3]。無人機具有成本低、投資小的特點，將其應用到電力巡檢的移動作業中，可以帶來可觀的經濟效益，提高電力巡檢的移動作業效率。因此將無人機應用到電力巡檢工作中越來越受到學術界的重視。

文獻[4]將大型無人機與遙感技術結合在一起，檢測輸電線路的運行狀況，有效解決了傳統電力巡檢技術存在的問題，能夠及時發現電力系統輸電線路潛在的安全隱患。通過介紹無人機巡檢系統的組成、數據處理、數據采集等技術，制定了巡檢技術和方案，為無人機電力巡檢的應用和普及提供了學術性參考；文獻[5]在眾包模式的基礎上，設計了巡檢數據采集模型。模型中包括客戶端、服務器端、爬蟲系統和存儲系統。通過爬蟲系統向服務器發送請求，并將爬蟲任務上傳給客戶端。實驗結果顯示，該系統的配置比較簡單，可以直接獲取巡檢目標信息，具有較快的數據獲取速度，還可以提高信息的檢索效率。

基于以上研究背景，該文建立了一個電力巡檢的移動作業無人機傾斜影像三維采集模型，改善傳統采集模型的問題。

1 無人機傾斜影像三維采集模型設計

1.1 提取傾斜影像信息

在采集電力巡檢的移動作業無人機傾斜影像之前，先提取電力巡檢的移動作業無人機傾斜影像信息。假設無人機傾斜影像在平面介質中的溫度場為μ，那么無人機傾斜影像的固體能量為：

其中，Q表示μ包含的熱能，表示無人機傾斜影像邊界區域向外的法矢，?μ表示無人機傾斜影像平面介質中的梯度場，σ表示無人機傾斜影像的熱導率，x＇表示無人機傾斜影像的平面位置，t表示無人機傾斜影像信息的提取時間。

根據無人機傾斜影像的固體能量[6]，得到無人機傾斜影像能量與時間的變化關系，即：

合并式（1）和式（2），得到傾斜影像的導熱能量方程微分形式，表示為：

其中，div()· 表示無人機傾斜影像的散度算子，c表示無人機傾斜影像的擴散系數矩陣。

通過以上步驟可以完成無人機傾斜影像的平滑去噪，利用以下步驟提取傾斜影像信息。

1）轉換無人機傾斜影像的顏色空間。假設無人機傾斜影像的大小為M×N，利用RGB 顏色空間將其轉換為HSV，量化表示為C(x,y)。

2）提取無人機傾斜影像的統計結構元特征。將無人機傾斜影像劃分為2×2 的影像塊，匹配影像的結構元，得到一個的映射子圖：

當T(i,j)=s時，Ts(i,j)=1，那么無人機傾斜影像的統計結構元特征向量計算公式為：

3）提取無人機傾斜影像采集目標的結構元連通性特征。

在無人機傾斜影像的映射子圖中，分層提取采集目標的連通粒屬性，那么連通粒屬性特征的計算公式為：

其中，Ss表示無人機傾斜影像第s層的背景，Os表示無人機傾斜影像第s層的采集目標。Ms×Ns則表示無人機傾斜影像的映射子圖第s層采集目標的大小。

4）提取無人機傾斜影像采集目標的顏色連通性特征。

在無人機傾斜影像顏色映射子圖C(x,y)上提取每一個顏色層的采集目標連通粒屬性特征。那么在映射子圖的第L層，采集目標顏色連通粒屬性特征可表示為：

其中，SL表示無人機傾斜影像第L層的背景，OL表示無人機傾斜影像第L層的采集目標。ML×NL則表示無人機傾斜影像映射子圖第L層采集目標的大小，

5）融合無人機傾斜影像采集目標特征。將以上計算過程獲取的無人機傾斜影像采集目標的特征分量代入式（8），得到ωi(i=1,2,3)，并將所有值代入式（9），歸一化處理無人機傾斜影像采集目標的每一個特征分量[7]。利用式（10）將每一個采集目標特征分量融合為無人機傾斜影像采集目標特征向量，其權重為：

其中，bi表示無人機傾斜影像采集目標特征向量集合中任意一個子向量，f(bi)表示無人機傾斜影像采集目標特征向量的權重，τ表示采集目標特征向量的基準函數。

其中，Norm(bi)表示采集目標每一個自特征向量的歸一化結果。

根據無人機傾斜影像的固體能量，得到無人機傾斜影像能量與時間的變化關系；利用無人機傾斜影像的統計結構元特征、結構元連通性特征和顏色連通性特征，融合無人機傾斜影像采集目標特征，提取出電力巡檢的移動作業無人機傾斜影像信息。

1.2 融合傾斜影像

由于無人機傾斜影像在融合邊緣處的性能比較弱[9]，很容易造成邊沿模糊，需要對拼接后的無人機傾斜影像進行融合處理，增強影像邊緣的清晰度[10]。無人機傾斜影像的平滑處理操作為：

其中，fA(x,y)表示影像經過融合分類后的像素點信息，fB(x,y) 表示影像融合后的像素點信息，k1和k2表示平滑因子。如果影像中像素水平方向的最大融合度為xmax，豎直方向的最大融合度為ymax，那么影像的平面融合度為：

無人機傾斜影像的平滑處理過程中，平滑因子的處理原理圖如圖1 所示。

圖1 平滑因子的處理原理圖

融合因子從1 到0 的變化過程中，實現了傾斜影像的多源融合，得到一個更高清晰度的融合無人機傾斜影像[11]。

通過構造電力巡檢的移動作業無人機傾斜影像融合模型，建立像素融合分類函數，對傾斜影像進行平滑處理；計算無人機傾斜影像的平面融合度，融合處理了無人機傾斜影像。

1.3 構建無人機傾斜影像三維采集模型

將無人機傾斜影像三維采集問題描述為：

在電力巡檢節點的能量預算中，將優化問題表示為：

電力巡檢節點的信息速率優化問題表示為：

電力巡檢節點的穩定性優化問題表示為：

其中，βμ、βv表示雙變量的正步長。傾斜影像三維采集模型的復雜度取決于電力巡檢節點游動的方向[14]。

在傾斜影像三維采集模型中，設定Xs、和三個變量的值是重點，由于電力巡檢節點的數量有限，通過隨機投影即可以采集到電力巡檢的移動作業無人機傾斜影像[15-16]。

綜上所述，通過提取無人機傾斜影像信息融合處理了傾斜影像，構建了影像三維采集模型，實現了傾斜影像的三維采集。

2 實驗分析

為了驗證該文設計的無人機傾斜影像三維采集模型具有較好的性能，在Googledatasets中隨機選取了某個傾斜攝影系統作為實驗樣本。該傾斜攝影系統以無人機為載體，通過超低空傾斜攝影，從一個垂直角度和四個特定角度獲取高清立體影像，并多角度采集空間三維數據。為了配合控制點或影像POS 信息，影像上每個點都會有三維坐標。基于影像數據可對任意點線面進行量測，具有時效性強、機動性好、方便靈活、巡査范圍廣等優點。分別引入文獻[4]的無人機傾斜影像三維采集模型和文獻[5]的無人機傾斜影像三維采集模型作為對比方法，從采集精度和采集耗時兩個方面，進行實驗測試。

三種無人機傾斜影像三維采集模型的采集精度測試結果如圖2 所示。

圖2 無人機傾斜影像采集精度測試結果

從圖2 的結果可以看出，采用文獻[4]模型采集無人機傾斜影像時，影像的最高采集精度達到了84.5%，但是在第10 次實驗和第20 次實驗之間，采集精度的下降比較明顯；采用文獻[5]模型采集無人機傾斜影像時，最高采集精度只有76.8%；而采用該文設計的模型采集無人機傾斜影像時，最高采集精度達到了93.4%，高于其他兩種方法。

三種無人機傾斜影像三維采集模型的采集耗時測試結果如圖3 所示。

圖3 無人機傾斜影像采集耗時測試結果

從圖3 的結果可以看出，采用文獻[4]模型采集無人機傾斜影像，采集耗時約為57 min；采用文獻[5]模型采集無人機傾斜影像，采集耗時約為63 min，采集耗時與實驗次數呈正相關的關系；而采用該文設計的模型采集無人機傾斜影像，采集耗時為35.9 min，并且隨著實驗次數的增加，采集耗時基本保持穩定。

3 結束語

該文提出了電力巡檢的移動作業無人機傾斜影像三維采集模型，通過提取無人機傾斜影像信息，歸一化處理無人機傾斜影像采集目標的每一個特征分量后，構造無人機傾斜影像融合模型，融合處理了無人機傾斜影像，采集精度達到了93.4%，采集耗時為35.9 min，說明其具有時效性強、機動性好的優點，解決了采集精度低、耗時長的問題，實際應用性能較好。