CN101556142B - 架空线路覆冰厚度的视觉检测方法 - Google Patents
架空线路覆冰厚度的视觉检测方法 Download PDFInfo
- Publication number
- CN101556142B CN101556142B CN2009100428386A CN200910042838A CN101556142B CN 101556142 B CN101556142 B CN 101556142B CN 2009100428386 A CN2009100428386 A CN 2009100428386A CN 200910042838 A CN200910042838 A CN 200910042838A CN 101556142 B CN101556142 B CN 101556142B
- Authority
- CN
- China
- Prior art keywords
- pole line
- image
- zone
- line
- gray level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出一种架空线路覆冰厚度的视觉检测方法,其步骤为:1)区域分割,获得图像中架空线所在的区域;2)统计单根架空线对应于图像中单行所占的像素数,根据比例关系换算成覆冰的厚度。本发明不需要建立精确的数学模型,能快速、自动实现覆冰厚度的检测。
Description
技术领域
本发明属于机器视觉、电力系统在线监测领域,特指一种架空线路覆冰厚度的视觉检测方法。
背景技术
覆冰雪作为一种特殊的气象条件,曾给世界各地许多架空线路的安全造成严重影响。1932年在美国首次出现有记录的架空电线覆冰事故;1998年1月加拿大魁北克、安大略等省遭遇史无前例的冰暴事故,俄罗斯、法国、冰岛和日本等都曾发生严重冰雪事故。我国受大气候等影响,冰灾事故也频繁发生。2008年初我国南方出现大面积降雪,架空线上的覆冰造成大量跳闸停电、倒杆(塔)、导线折断等严重事故,对输电线路的安全运行构成严重威胁。为监测架空线上的覆冰情况,及时发现安全隐患,在事故发生前除去架空线上覆冰,有人通过在架空线及电塔上安装传感器实时获取环境温度、湿度、风速、风向、雨量以及塔杆、绝缘子的倾斜角、风偏角、覆冰导线的重力变化、导线舞动频率等信息,由专家系统软件判断该线路导线的覆冰情况。此方法需要很多传感器,结构复杂,系统安装上比较麻烦;专家系统首先需要数学建模,而通常各地的环境信息是迥异的,很难建立一个通用的数学模型,给推广造成一定难度。另外,有的通过高性能摄像机拍摄现场图片,人为观察判断覆冰的厚度。此方法需人工干预,增加了人的工作量。因此,如何简单、可靠、快速、自动检测覆冰厚度是预防覆冰造成架空线路事故的关键技术难题。
发明内容
本发明所要解决的技术问题在于:针对现有技术存在的问题,提供一种基于视觉检测架空线路覆冰厚度的方法,能够简单、可靠、快速、自动检测覆冰厚度,从而预防因覆冰造成的架空线路事故。
本发明的技术解决方案如下:
一种架空线路覆冰厚度的视觉检测方法,其特征在于,包括以下步骤:
1)通过安装在现场铁塔或铁杆上的带云台的定焦摄像机获取架空线灰度图像;
2)对所得的架空线灰度图像进行预处理以获得高质量图像;
3)对所述的图像进行图像初步聚类,并对聚类区域标记;
4)统计所有聚类区域的大小,即区域包含像素的个数,通过扫描图像累加同一标记像素数得到,定义阈值T为通过1)~3)步骤人工干预下预先统计获取的单根没有覆冰的标准架空线在灰度图像上所占区域包含的像素数的60%~70%;将小于阈值T的区域与其相邻的小于阈值T的区域合并为一个区域;当图像中所有区域的大小均大于阈值T时进行步骤5),否则继续执行步骤4);图像中最左边和最右边的区域不参与区域合并;
5)定义阈值T0为通过1)~3)步骤人工干预下预先统计获取的没有覆冰的标准架空线之间的空区域在灰度图像上包含的像素数的70%~80%;对于上述步骤4)区域合并的结果,将像素小于阈值T0的区域认为是不同的架空线,则像素小于阈值T0的区域的个数即为架空线的数量M;
6)对所得的分割后的整幅图像,统计所标记的M个区域的像素之和P;再将像素之和P除以架空线所占区域的数量M得到每一个区域的像素数N;将像素数N除以灰度图像的行数,得到单根架空线在灰度图像上单行所包含的像素数W;
7)架空线的当前半径R可由下式计算:
其中,R0为没有覆冰的标准架空线的半径;W0为通过1)~3)步骤人工干预下预先统计获取的单根没有覆冰的标准架空线在灰度图像上单行所包含的像素数;
8)架空线的覆冰厚度Ice为当前架空线半径与标准架空线半径之差:
Ice=|R-R0|。
步骤1)中,定焦摄像机安装在架空线上方,定焦摄像机的光心线与架空线各自在水平面内的投影平行,摄像机的光心延长线与架空线在水平面内的投影成30~60°角,俯视架空线,通过调整云台,使得架空线处于摄像机成像区域的中间。
步骤2)中的预处理包括:采用中值滤波去噪。
步骤3)中所述的图像进行图像初步聚类采用均值平移算法。
所述的均值平移算法中的核函数采用高斯核函数。
步骤1)中的定焦摄像机获取的架空线灰度图像被无线发送到远程处理中心进行步骤2)~8)中的图像处理以及计算,以获得最终的架空线的覆冰厚度值。
本发明的优点与效果:
与现有的系统相比,实施本发明所用到的设备较少,结构简单、成本低廉,本方法能充分利用图像处理技术以及无线传输技术,便于监控中心远程处理数据并对电力网络的覆冰状况进行全局的监控,克服了现有系统的诸多不足;另外,本发明的一大特点是,不需要建立精确的数学模型,只需通过图像处理以及简单的计算来获取覆冰厚度的数据,实施非常简便,因此,这种思路非常的巧妙。而且本发明可以实现在远程的监控中心通过编制程序来集中处理图像以及进行相关的计算,以获得整个电网内覆冰的厚度的全局数据,因此有利于实现自动化的安全监控,从而具有重大的社会意义。
附图说明
图1摄像机与架空线路相对位置关系示意图(其中虚线为光心延长线);
图2架空线覆冰厚度检测流程图;
图3为覆冰架空线原图;
图4为预处理后结果图像;
图5为采用均值平移算法极性图像聚类的结果图像;
图6为区域合并的结果图像。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
实施例1(单根架空线)
本发明通过安装在现场铁塔或杆上的带云台的定焦摄像机获取架空线的当前图像,由GPRS网络将图像无线传输到监控中心。其中,摄像机安装在架空线上方,摄像机的光心线与架空线各自在水平面内的投影平行,摄像机的光心延长线与架空线在水平面内的投影成30~60°角,俯视架空线,通过调整云台,使得架空线基本处于摄像机成像区域的中间,如图1所示。
然后,对获取的灰度图像经过相关处理后,计算架空线覆冰厚度,步骤如下:
1、对获取的架空线灰度图像(如图3所示),先采用中值滤波去噪,得到高质量图像(如图4所示);
2、采用Mean shift(即均值平移)算法进行初步图像聚类,均值平移算法图像聚类结果如图5所示;(均值平移算法为图像处理中常用而成熟的算法,属于现有技术)
算法说明:
Mean shift算法是数字图像处理中一种常用于图像平滑、图像分割的算法。它是一种非参数密度估计的算法,可以通过迭代快速的收敛于概率密度函数的局部最大值,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束。应用Mean shift算法进行图像聚类的过程,实际上是图像像素点向各自模式点的聚类过程,图像灰度值通过迭代收敛于模式点。
算法:
给定d维空间中X中的有限序列S,样本点xi∈X处的样本均值定义为:
其中:K为核函数,w为样本的权值函数,差值m(x)-x称为Mean shift向量,反复将数据点朝着Mean shift向量方向移动直至收敛的过程称为Mean shift算法。在Mean shift算法中,有两类核函数经常用到,即单位均值核函数和高斯核函数。本发明采用高斯核函数:
Mean shift算法的具体过程如下:
(1)给定一个初始点x,指定一个核函数,容许误差ε;
(2)计算m(x);
(3)如果|m(x)-x|<ε,结束循环,否则向下执行;
(4)把m(x)赋给x,跳到第(2)步。
以上为Mean shift算法的数学描述,具体到图像聚类其算法实现如下:
设集合{xi}(i=1,...,n)为原始图像点,数字图像中的任意一点xi用三个分量表示(m,n,Ip),其中(m,n)表示该像素点的空间坐标,Ip表示该像素的灰度值;集合{zi}(i=1,...,k)为数据收敛点;{Li}(i=1,...,k)作为分类集合。
a)在图像中随机选择k个数据点{xi}(i=1,...,k)执行均值平移过程,即利用其灰度值和像素坐标分别计算该点水平方向和垂直方向的m(x)值,代表该点下一步需要移动的方向和距离。
b)根据m(x)所提供的信息移动到下一个点,并利用此点的灰度值和像素坐标计算其m(x)。
c)重复执行步骤b)直到|m(x)-x|<ε(这里ε=10)或者设置某个循环次数(如100),则不需要再移动,代表已找到聚类中心,将收敛点存储在集合zi中。
d)合并聚类中心,通过将所有的收敛区zi中任意两点之间距离小于0.5的连接到一起作为一个聚类,最终确定聚类集合数{Li}(i=1,...,k)。
3、进行区域合并,最终得到架空线区域和非架空线区域(即架空线与架空线间区域),统计架空线所占区域的数量M;对图5的架空线应用区域合并,得到架空线所占区域的数量M=1,如图6所示。图像的最左边和最右边区域不参与区域合并,认为是非架空线区域,即空区域。
4、对整幅图像,以从左至右、从上到下的顺序,统计步骤3中所标记的M个区域的像素点之和P,这里为P=50757;
5、标记区域所占的像素总数P除以区域总数M得到单根架空线(即单个区域)所包含的像素数:
本例中N=50757。
6、将单根架空线所包含的像素数N除以灰度图像的行数,得到单根
架空线在灰度图像上单行所包含的像素数W;本例中灰度图像的行数为275,故W=50757/275=184.57。
7、架空线的当前半径可由下式计算:
其中,R0为没有覆冰的标准架空线的半径;W0为预先获取的单根没有覆冰的标准架空线在灰度图像上单行所包含的像素数。本例中R0=27,
8、架空线的覆冰厚度为当前架空线半径与标准架空线半径之差:
Ice=|R-R0|(5)
然后,重新回到步骤1开始下一次检测周期。具体的流程如图2所示。本例本次检测Ice=|R-R0|=57.28-27=30.28mm。
Claims (1)
1.一种架空线路覆冰厚度的视觉检测方法,其特征在于,包括以下步骤:
1)通过安装在现场铁塔或铁杆上的带云台的定焦摄像机获取架空线灰度图像;
2)对所得的架空线灰度图像进行预处理以获得高质量图像;
3)对所述的图像进行图像初步聚类,并对聚类区域标记;
4)统计所有聚类区域的大小,即区域包含像素的个数,通过扫描图像累加同一标记像素数得到,定义阈值T为通过1)~3)步骤人工干预下预先统计获取的单根没有覆冰的标准架空线在灰度图像上所占区域包含的像素数的60%~70%;将小于阈值T的区域与其相邻的小于阈值T的区域合并为一个区域;当图像中所有区域的大小均大于阈值T时进行步骤5),否则继续执行步骤4);图像中最左边和最右边的区域不参与区域合并;
5)定义阈值T0为通过1)~3)步骤人工干预下预先统计获取的没有覆冰的标准架空线之间的空区域在灰度图像上包含的像素数的70%~80%;对于上述步骤4)区域合并的结果,将像素小于阈值T0的区域认为是不同的架空线,则像素小于阈值T0的区域的个数即为架空线的数量M;
6)对所得的分割后的整幅图像,统计所标记的M个区域的像素之和P;再将像素之和P除以架空线所占区域的数量M得到每一个区域的像素数N;将像素数N除以灰度图像的行数,得到单根架空线在灰度图像上单行所包含的像素数W;
7)架空线的当前半径R可由下式计算:
其中,R0为没有覆冰的标准架空线的半径;W0为通过1)~3)步骤人工干预下预先统计获取的单根没有覆冰的标准架空线在灰度图像上单行所包含的像素数;
8)架空线的覆冰厚度Ice为当前架空线半径与标准架空线半径之差:
Ice=|R-R0|;
步骤1)中,定焦摄像机安装在架空线上方,定焦摄像机的光心线与架空线各自在水平面内的投影平行,摄像机的光心延长线与架空线在水平面内的投影成30~60°角,俯视架空线,通过调整云台,使得架空线处于摄像机成像区域的中间;
步骤2)中的预处理包括:采用中值滤波去噪;
步骤3)中所述的图像进行图像初步聚类采用均值平移算法;
所述的均值平移算法中的核函数采用高斯核函数;
步骤1)中的定焦摄像机获取的架空线灰度图像被无线发送到远程处理中心进行步骤2)~8)中的图像处理以及计算,以获得最终的架空线的覆冰厚度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100428386A CN101556142B (zh) | 2009-03-11 | 2009-03-11 | 架空线路覆冰厚度的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100428386A CN101556142B (zh) | 2009-03-11 | 2009-03-11 | 架空线路覆冰厚度的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101556142A CN101556142A (zh) | 2009-10-14 |
CN101556142B true CN101556142B (zh) | 2010-12-08 |
Family
ID=41174344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100428386A Expired - Fee Related CN101556142B (zh) | 2009-03-11 | 2009-03-11 | 架空线路覆冰厚度的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101556142B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793501B (zh) * | 2010-04-14 | 2011-04-20 | 华中科技大学 | 一种基于图像的输电线覆冰状态检测方法 |
CN101893724B (zh) * | 2010-08-16 | 2011-11-30 | 中国气象局气象探测中心 | 用于地面气象观测的结冰自动观测方法和装置 |
CN102054180B (zh) * | 2010-12-17 | 2012-09-05 | 华中科技大学 | 一种自动检测结霜的方法 |
CN102353355A (zh) * | 2011-06-14 | 2012-02-15 | 西安工程大学 | 一种基于视频差异的输电线路杆塔倾斜的测量方法 |
CN102252623B (zh) * | 2011-06-24 | 2013-03-06 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
CN104616020A (zh) * | 2014-09-22 | 2015-05-13 | 国家电网公司 | 一种基于聚类分析的输电线路覆冰检测方法和系统 |
CN104916111B (zh) * | 2015-06-23 | 2018-05-22 | 四川大学 | 水域冰情监测研究系统 |
CN106839999A (zh) * | 2016-11-22 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种基于无人机红外图像的输电线路覆冰检测方法 |
CN108168443A (zh) * | 2017-09-27 | 2018-06-15 | 李春莲 | 一种冰层厚度检测方法 |
CN108109119A (zh) * | 2017-12-18 | 2018-06-01 | 凯迈(洛阳)环测有限公司 | 一种基于韦伯局部算子的电线覆冰识别方法及处理装置 |
CN108592818B (zh) * | 2018-05-02 | 2020-08-28 | 国网河南省电力公司电力科学研究院 | 一种覆冰测量装置及测量方法 |
CN109000569A (zh) * | 2018-06-30 | 2018-12-14 | 浙江工业大学 | 一种基于摄像头的厚度测量系统及其测量方法 |
CN110686608B (zh) * | 2019-11-11 | 2021-08-31 | 国网湖南省电力有限公司 | 用于输电线路的便携式覆冰厚度测量装置及其测量方法 |
CN110986731B (zh) * | 2019-12-02 | 2022-04-19 | 贵州电网有限责任公司 | 一种架空线路覆冰监测装置 |
CN110954000A (zh) * | 2019-12-18 | 2020-04-03 | 上海工程技术大学 | 一种冷表面结霜霜层高度的测量方法 |
CN112320545A (zh) * | 2020-11-04 | 2021-02-05 | 天津市航昊机电设备有限公司 | 一种提升罐笼变速机控制系统的压力释放装置 |
CN112320546A (zh) * | 2020-11-04 | 2021-02-05 | 天津市航昊机电设备有限公司 | 一种提升罐笼变速机控制系统 |
-
2009
- 2009-03-11 CN CN2009100428386A patent/CN101556142B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101556142A (zh) | 2009-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101556142B (zh) | 架空线路覆冰厚度的视觉检测方法 | |
CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
CN105915846B (zh) | 一种单双目复用的入侵物监测方法及系统 | |
CN103903008B (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN103164711B (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
CN104933403B (zh) | 一种基于间隔棒识别的导线舞动的监测方法 | |
CN102393961A (zh) | 基于计算机视觉的飞行器输电线路实时检测跟踪方法 | |
CN102346014A (zh) | 一种基于图像处理的输电线路导线弧垂的测量方法 | |
CN105516684A (zh) | 电网输电线巡视方法 | |
JP7290510B2 (ja) | 劣化状態検出装置及び劣化状態検出方法 | |
CN102519846A (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
CN102955940A (zh) | 一种输电线路物体检测系统及方法 | |
CN114972631A (zh) | 一种输电线路激光点云模型在线重建方法及系统 | |
CN103945197A (zh) | 基于视频运动检测技术的电力设施防外破预警方案 | |
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN112651377A (zh) | 一种冰雪运动事故检测方法、装置及终端设备 | |
CN104573650B (zh) | 一种基于滤波响应的电线检测分类方法 | |
CN105469054A (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN117237597A (zh) | 一种基于北斗卫星数据与ai图形融合的数据处理终端 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN107230217A (zh) | 一种基于图像及灰色预测的输电线路山火预警方法 | |
CN104680787B (zh) | 一种道路拥堵检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101208 Termination date: 20210311 |
|
CF01 | Termination of patent right due to non-payment of annual fee |