[发明专利]一种基于视觉的输电线路识别及异物入侵在线检测方法

说明书

本发明涉及一种基于视觉的输电线路识别及异物入侵在线检测方法，属于图像处理及输电线路检测领域。本发明对图像预处理；利用EDLines算法提取线段特征；将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；计算相邻帧图像中输电线路目标区域的光流分布，并对光流图像进行阈值分割、形态学运算与滤波处理。比较疑似区域与背景区域的光流速度均值，实现输电线路异物检测。本发明效果不受光照与复杂背景的限制，鲁棒性强，泛用程度高，且实时性强，可以适用于多种电力巡检环境。

技术领域

本发明涉及一种基于视觉的输电线路识别及异物入侵在线检测方法，特别涉及一种基于结合EDLines(Edge Drawing Lines)与光流法的输电线路识别及异物入侵在线检测方法，属于图像处理及输电线路检测领域。

背景技术

在电网输电线路的检修工作中，输电线路的异物入侵故障分析是一个很重要的方向。高压输电线路搭挂的异物可能会导致输电线路、变电站短路跳闸等，产生巨大危害，直接影响电网的安全稳定运行。

传统的人工巡检方式存在风险高、效率低、可靠性低的问题。无人机巡检凭借其成本低、效率高、机动性强的优势，逐渐被应用于电力线路巡检领域。

无人机巡检是通过无人机搭载的影像设备采集电力设备视频图像，再对视频图像进行分析，进而监测电力设备状态以便维护与修理。然而，人工复查海量图像耗时耗力。利用计算机视觉技术处理航拍图像，自动识别输电线路异物故障，能大大提高巡检效率与巡检智能化水平，有效推动输电线路故障自动排查，对维护我国电网输电线路安全稳定运行具有重大意义。

异物故障检测往往基于输电线路的识别。现有的基于航拍图像的输电线路识别方法主要考虑降低图像质量不佳、拍摄背景复杂等因素对直线目标的影响，但仍存在准确率较低、耗时较长等不足。目前线路异物检测技术主要有以下三类：一类是分割图像，分析霍夫变换所识别输电线路区域内的边缘数量、周围异常点率等沿线特征来判别异物存在。这种技术运算成本低，但易受光照、复杂背景等因素影响，造成误检与漏检；一类是结合运动目标检测与特征点跟踪的方法。但是特征点跟踪存在计算量大的问题，难以满足无人机巡检的实时性要求；还有一类是利用深度学习技术识别异物，但由于训练样本往往不足，对异物缺陷的检出率较低。因此，实现一种快速、准确、鲁棒性强的基于视觉的输电线路识别及异物入侵在线检测方法仍有很大的研究价值。

发明内容

本发明的目的是解决上述技术问题，提供一种基于视觉的输电线路识别及异物入侵在线检测方法。该方法在提取航拍图像的线段特征后，根据输电线路的结构特征提取出输电线路区域，计算相邻帧图像中输电线路区域的光流分布，并根据像素光流信息判断异物所在位置，从而显著提高无人机对输电线路及异物故障的识别准确率，排查出可能存在的线路安全隐患，具有实时性高、成本低、自动化程度高的优点。

本发明的目的是通过以下技术方案实现的。

本发明公开的一种基于视觉的输电线路识别及异物入侵在线检测方法，对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像；利用EDLines(EdgeDrawing Lines)算法提取线段特征；将得到的线段特征进行角度区间分类，提取输电线平行线段组，将满足预设线段连接标准的平行线段组进行融合；根据输电线路的形状和光谱特性特征寻找并划定输电线路目标区域，并根据异物特征标记疑似区域；计算相邻帧图像中输电线路目标区域的光流分布，并对光流图像进行阈值分割、形态学运算与滤波处理。比较疑似区域与背景区域的光流速度均值，如前者大于后者的设定倍数阈值，则判定异物存在，疑似区域即为异物存在区域，实现输电线路异物检测。

一种基于视觉的输电线路识别及异物入侵在线检测方法，包括如下步骤：

步骤一：对无人机航拍图像进行双边滤波与分段线性灰度变换，得到预处理后的图像。