基于无人机的输电塔检测方法研究研究资料

基于无人机的输电塔检测方法研究研究资料
第33卷第8期增刊仪器仪表学报V ol.33 No.8 2012年8月Chinese Journal of Scientific Instrument Aug. 2012 基于无人机的输电塔检测方法研究*
何思远1,2,3蔺蘭1,2杨大为1,2刘刚4唐延东1
（1 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016；2 中国科学院研究生院北京 100049；
3 沈阳工程学院信息工程系沈阳 110136；
4 辽宁省电力有限公司本溪供电公司本溪 117000）
摘要：利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一，其优点是在无需拉闸断电的情况下，即可对输电线路进行检测，对其故障进行判别。

然而，目前却很少有公开发表的关于从航空影像中自动检测输电塔的文献报道。

为此，根据输电塔的特征，在LSD方法的基础上，提出了三种输电塔的检测方法，分别是区域密度法、投影法以及斜率统计法。

首先给出了这些方法的基本原理，然后在实际拍摄的视频中对方法进行了测试，最后对实验结果进行了分析和比较。

实验结果表明，本文提出的检测方法对输电塔的识别具有较好的鲁棒性、准确性和有效性。

关键词：无人机航空影像输电塔检测方法
Research of power transmission tower detection method based on UA V
He Siyuan1,2,3 Lin Lan1,2 Yang Dawei1,2 Liu Gang4 Tang Yandong1
（1 State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Science, Shenyang 110016, China;
2 Graduate University of Chinese Academy of sciences, Beijing 100049, China;
3 Department of Information Engineering, Shenyang
Institute of Engineering, Shenyang 110136, China
4 Benxi Power Supply Company, Liaoning Electric Power Company Limited, Benxi, 117000, China）
Abstract：In recent years, the use of UA V (Unmanned Aerial Vehicle) for power transmission line detection is a hot technology, and it can detect the transmission line and discriminate the failure under no power cut. However, there is little published method for automatic detection of power transmission tower from the aerial image. According to the characteristic of power transmission tower, we propose three detection methods based on LSD (Line Segment Detector) method. They are region density method, projection method and slope statistics method. In this paper, the principles of methods are firstly presented, and then these methods are tested in the UA V video. Finally, the results of experiments are analyzed and compared. The results of experiments show that these detection methods have better robustness, accuracy and validity.
Key words：UA V aerial image power transmission tower detection method
1 引言
随着我国国民经济的持续快速发展，制造业、农业和服务业等对电力供应需求的日益增加，电力工业正面临着巨大的机遇和挑战。

我国已经形成华北、东北、华东等六大跨省区电网，110千伏的输电线路已经超过50万公里，其中有相当一部分分布于地形复杂的山区。

由于受到气象条件复杂和输电器件质量不稳定等因素的影响，定期对高压输电
*基金项目：《无人飞行器监测技术研究》国家电网公司科技项目线路进行巡检、维护和管理是十分必要的。

我国现有的高压输电线路巡检主要采用人工的方式，通常依靠工作人员徒步行走进行巡检，或者借助直升飞机在空中进行巡检。

这种高压输电线路巡检方式存在劳
动强度大、成本高、效率低等缺点，而且存在一定的危险。

目前，这种巡检方式已经不能完全适应现代化电网建设与国民经济发展的需求，亟需研究出一种先进、科学、快速和高效的现代化输电线路检测和故障诊断方法。

利用无人机机载遥感系统进行电力线巡检是
第8期增刊何思远等：基于无人机的输电塔检测方法研究
近几年国外应用较为广泛的一项高新技术[1]，其突出优点是在无需拉闸断电的条件下，一次飞行即可获取直观清晰的输电线路视频。

地面人员通过观看巡检视频，就能够判断出输电线路的状态信息，进行杆塔损坏或变形、绝缘子破损以及导线断股等故障的检测和诊断。

与传统人工巡线方式相比，该技术不仅能缩短系统反应时间，降低巡线成本，而且能有效保障巡线作业人员的人身安全。

但是，对于海量的视频图像，其工作效率极低。

随着计算机图像处理和模式识别技术的发展，从无人机线路巡检时获得的海量视频图像中，对输电线路及相关设备的缺陷和电晕放电现象进行自动检测、分析和评估是无人机输电线路巡检系统中的关键技术和技术瓶颈。

采用计算机图像处理和模式识别技术，并通过人工交互方式量化故障及线路缺陷，能快速识别多种故障，可大大提高故障预测评估和及时反应能力，为输电线路修复提供了及时准确的辅助决策[2]。

本文根据输电塔的特征，提出了三种检测的方法，并且在实际的拍摄视频中对其进行了测试、分析和比较，验证了方法的鲁棒性、准确性和有效性。

2 无人机巡线实验平台
无人机可以分为两大类：固定翼无人机和旋翼无人机[3]。

固定翼无人机具有飞行速度快，飞行半径大等优点。

但是，如果将固定翼无人机应用于输电线路检测中，其有两点不足之处：①固定翼无人机的飞行高度相对较高；②固定翼无人机无法悬停。

基于上述两点可知，固定翼无人机无法搭载高清可见光相机和红外热像仪等设备对输电线路进行拍摄。

而旋翼无人机虽然没有固定翼无人机那么快的巡航速度，
但是其飞行的稳定性和悬停的能力，使得其比较适合应用于输电线路巡检作业中。

因此，在输电线路检测中，我们采用旋翼无人机。

无人机巡线实验平台包括旋翼无人机和检测系统两部分。

旋翼无人机负责完成飞行任务，我们使用的旋翼无人机如图1所示，其主要参数如表1所示。

检测系统负责完成输电线和杆塔的检测任务，其主要利用可见光相机、红外热像仪及紫外相机对输电线路和杆塔进行检测，检测系统主要的巡检任务如表2所示。

图1 实验室使用的旋翼无人机
表1 旋翼无人机的主要参数
参数名称参数数值
最大起飞重量 40公斤
最大有效载荷 15公斤
旋翼直径 2 150 mm
规格全长2 680 mm，全宽770 mm，全高720 mm 发动机功率8马力，手起动
最大空速（海平面） 100公里/小时
典型巡航速度（海平面） 70公里/小时
标准油箱续航时间1小时（航速36公里/小时，有效载荷10公斤）
最高工作升限国际标准大气条件下可达1 000 米
抗风能力5级
表2 检测系统主要的巡检任务
缺陷类别具体缺陷
绝缘子类缺陷破碎、脱落、污秽、异物悬挂
导地线类缺陷断股、异物悬挂、弧垂过大或过小金属类缺陷防震锤丢失、导线节点过热
杆塔类缺陷鸟窝、塔材丢失
防护区通道类缺陷树木离导线距离过近、违章建筑气候环境造成缺陷电晕放电
其他类缺陷输电线路结冰
3 输电塔检测方法
3.1 Line Segment Detector法
LSD（Line Segment Detector）方法[4]是Rafael Grompone von Gioi提出的一种线段检测方法，该方法是基于图像中区域轮廓的思想来提取线段。

算法步骤如下：
①计算图像中每个像素的level-line角，产生一个level-line场，如图2（b）所示。

第33卷仪器仪表学报
②把level-line 场中具有相似level-line 角的像素点分成一个区域（line support region ），作为线段的候选区，并用一个适当大小的矩形框将其框住，分别如图2（c ）和图3（a ）所示。

③通过计算NFA 的值不断修改矩形框的长和宽，直到其满足一定的条件，NFA 的计算方法如下：
5/2()()(,,)NFA r NM B n k p =? （1） (,,)(1)n
j n j j k n B n k p p p j -=??
=-
∑ （2）
式（1）和（2）中的各量如图3（b ）和（c ）所示，其中为矩形框中小线段的数目，为矩形框中方向一致的小线段的数目，180°，其中22.5°。

④通过最后得到的矩形，计算线段的位置，方向及宽度等信息。

（a ）（b ）（c ）
图2 level-line 场和line support 区域图
（a ）（b ）
（c ）图3 矩形区域图
3.2 区域密度法
区域密度法是在图像中，以固定大小的矩形区域进行逐行扫描，并统计落入每个区域中线段的数目。

图像中有输电塔的地方，线段会较密集，因此，在统计图中会出现尖峰，从而确定输电塔的位置。

3.3 投影法
投影法[5]是将图像中的像素点分别向x 轴和y 轴进行投影，然后对投影点进行统计。

图像中有输电塔的地方，像素点会较密集，因此，在x 轴和y 轴的统计图中都会出现尖峰，从而确定输电塔的位置。

投影法计算过程为：设二值图像为f(x,y)，其中x 和y 分别为图像中像素点的横坐标和纵坐标（以图像f 的左上角点作为坐标原点），图像f 的高度和宽度分别为m 和n ，则沿水平方向和垂直方向的投影可表示为：
1
1()(,)()(,)m
h y n
v x P x f x y P y f x y ==?
==??
∑∑ （3） 3.4 斜率统计法
斜率统计法是分别计算图像中每条线段的斜率，然后对其进行统计。

图像中有输电塔的地方，斜率会有一定的规律，从而确定输电塔的位置。

该方法只能作为区域密度法和投影法的辅助方法，因为在有些背景复杂的图像中，前两种方法统计的效果不是很明显，可以通过斜率统计法进一步确定输电塔的位置。

4 实验结果及分析
本部分实验是在Windows XP 环境下，用Matlab 7.12.0对无人机拍摄的视频进行处理的结果，其中线段检测是由Line Segment Detector 算法自带的软件包处理的结果。

4.1 实验1
实验步骤如下：
①把视频流分解成一帧一帧的图像，其中一帧图像（大小为720×1280）如图4所示。

②用Line Segment Detector 算法对图4进行处理，得到线段图，如图5所示。

LSD 算法在对图4处理之后，可以得到每条线段的起点、终点及线段宽度信息。

③用区域密度法对图5进行统计，其中矩形区域的大小为5×5，结果如图6所示。

第8期增刊何思远等：基于无人机的输电塔检测方法研究
④根据图6的结果，可知统计点数大于40的位置是输电塔所在的位置。

根据计算结果可知，输电塔水平方向的起点为215个像素点处，终点为665个像素点处。

输电塔检测的结果如图7所示。

图4 视频流中截取的一帧图像
图5 Line Segment Detector检测结果图
图6 区域密度法统计结果图
图7 输电塔检测结果图
4.2 实验2
实验步骤如下：
①步骤一、二与实验1相同，结果如图8和图9所示。

②把图9转换成二值图像，用投影法对二值图像中的像素点向x轴投影，统计结果如图10所示。

根据图10的结果，可知统计点数大于40的位置是输电塔所在的位置，因此，可知输电塔水平方向的起点为513个像素点处，终点为920个像素点处。

③用投影法对二值图像中的像素点向y轴投影，统计结果如图11所示。

根据图11的结果，可知统计点数大于15的位置是输电塔所在
的位置，因此，可知输电塔垂直方向的起点为1个像素点处，终点为634个像素点处。

④根据②和③的结果，可得输电塔检测的结果，如图12所示。

图8 视频流中截取的一帧图像
图9 Line Segment Detector检测结果图
图10 x轴投影图
图11 y轴投影图
第33卷仪器仪表学报
图12 输电塔检测结果图4.3 实验3
实验步骤如下：
①在图4中截取两块大小相同（大小均为377×422）的矩形区域，其中一块区域包含输电塔，另一块区域不包含输电塔，如图13（a ）和（b ）所示。

②用Line Segment Detector 算法对两幅截取图进行处理，得到线段图，如图14（a ）和（b ）所示。

③分别计算图14（a ）和（b ）中每条线段的斜率，并将其转换成角度（-90°到90°），并用相应线段的长度对其加权，然后对加权后的值进行统计，结果如图15所示。

（a）（b）
图13 图4的截取图
（a）（b）图14 Line Segment Detector 检测结果图
（a ）（b ）
图15 加权斜率统计结果图
4.4 实验结果分析
通过以上实验可以看出：
①实验1的方法只能确定输电塔的水平位置，不能确定输电塔的垂直位置。

因此，该方法只能用于检测输电塔在垂直方向上占据整幅图像的情况。

②实验2的方法既能确定输电塔的水平位置，又能确定输电塔的垂直位置，但是该方法相对于实验1的方法，其运算时间略长。

③实验3的方法可作为实验1和实验2的辅助方法。

在复杂背景的图像中，前两种方法统计的效果不明显的情况下，可以用该方法辅助确定输电塔的位置。

由图15可知，输电塔位置处线段的加权斜率呈明显尖峰状分布。

此外，在晴天的条件下，我们对以上实验方法进行了实际测试，测试结果如表3所示。

其中，NO.1和NO.2是采用实验1方法检测的结果，选取的测试图像集为输电塔在垂直方向上占据整幅图像的情况，并且NO.1的背景为森林，NO.2的背景为土地；NO.3和NO.4是采用实验2方法检测的结果，选取的测试图像集为输电塔在垂直方向上占据整幅图像1/3至2/3的情况，NO.3的背景为森林，NO.4的背景为土地。

从测试结果可以看出，以上实验方法对输电塔的正确检测率均在90%以上，其中背景为森林的正确检测率略高，误检图像多为拍
摄模糊、距离较远、背景复杂的图像。

另外，如辅助实验3的方法可以使正确检测率进一步提高。

表3 实际检测结果
NO.
图像数
检测到输电塔
的图像数
正确率
1 100 97 97%
2 100 94 94%
3 100 96 96%
4 100 93 93%
NO. 图像数检测到输电塔的图像数正确率
5 结论
本文通过对输电塔特征进行研究，提出了三种对其检测的方法，并在无人机实际拍摄的视频中对检测方法进行了测试，对实验结果进行了分析和比较。

实验结果表明，本文提出的检测方法对输电塔的识别具有较好的鲁棒性、准确性和有效性，进而
第8期增刊何思远等：基于无人机的输电塔检测方法研究
体现出其实际应用价值，为接下来的输电线路缺陷检测研究奠定了基础。

参考文献
[1] 仝卫国, 苑津莎, 李宝树. 图像处理技术在直升机巡检
输电线路中的应用综述[J]. 电网技术, 2010, 34(12): 204-208.
[2] ISHINO R, TSUTSUMI F. Detection System of Damaged
Cables Using Video Obtained from an Aerial Inspection of Transmission Lines. IEEE Power Engineering Society General Meeting[C]. // 2004:1857-1862. [3] 厉秉强, 王骞, 王滨海. 利用无人直升机巡检输电线路
[J]. 山东电力技术, 2010, 1: 1-4.
[4] VON GIOI R G, JAKUBOWICZ J, MOREL J M, et al.
LSD: A Fast Line Segment Detector with a False Detection Control, IEEE Transactions on Pattern Analysis
and Machine Intelligence[J], 2010, 32(4): 722-732.
[5] 叶岚, 刘倩, 胡庆武. 基于LIDAR点云数据的电力线
提取和拟合方法研究[J]. 测绘与空间地理信息, 2010, 5(33): 30-34.。