CN102353355A - 一种基于视频差异的输电线路杆塔倾斜的测量方法 - Google Patents

Abstract

本发明公开的一种基于视频差异的输电线路杆塔倾斜的测量方法，首先通过定焦摄像机获取杆塔图像；其次对得到的杆塔图像进行预处理；最后对得到的预处理后的图像数据进行计算，得到输电线路杆塔倾斜角。本发明基于视频差异的输电线路杆塔倾斜的测量方法，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杆塔的倾斜角，实施非常简便。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，以获得整个电网内杆塔倾斜角的全局数据，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。

Description

一种基于视频差异的输电线路杆塔倾斜的测量方法

技术领域

本发明属于机器视觉、电力系统在线监技术领域，涉及一种输电线路杆塔倾斜的测量方法，具体涉及一种基于视频差异的输电线路杆塔倾斜的测量方法。

背景技术

随着电网的分布越来越广，输电杆塔面临的地况环境也越来越杂，对其安全性要求越来越高，对杆塔的状态检测系统的研究十分必要。为了能够对泥石流及山体滑坡多发区、煤矿采空区等不良地质区域内杆塔倾斜角进行实时监测，科研人员设计了装在抗干扰屏蔽盒内的倾角传感器，再通过无线发射单元、让倾角传感器与低功率智能线路板连接，由硅能蓄电池供电，硅能蓄电池连接有为其提供电能的太阳能电池板，无线接收单元通过调制解调器与计算机相连，进行后台的处理；还有的是通过平面镜法测量杆塔的倾斜率，此方法需要人工干预，增加了人的工作量。因此，如何简单、可靠、快速、自动检测杆塔的倾斜角是预防杆塔倾斜造成架空线路事故的关键技术难题。

发明内容

本发明的目的是提供一种基于视频差异的输电线路杆塔倾斜的测量方法，解决了现有方法对杆塔倾斜角进行实时监测，工作量大，装置复杂，监测效果不好的问题。

本发明所采用的技术方案是，一种基于视频差异的输电线路杆塔倾斜的测量方法，具体按照以下步骤实施：

步骤1：通过定焦摄像机获取杆塔图像；

步骤2：对步骤1得到的杆塔图像进行预处理；

步骤3：对步骤2得到的预处理后的图像数据进行计算，得到输电线路杆塔倾斜角。

本发明的特点还在于，

其中步骤2中的预处理，具体按照以下步骤实施：

a.对步骤1得到的杆塔图像进行灰度化处理，对灰度图像中的边缘进行细化；

b.对细化后的灰度图像进行灰度直方图的均衡化；

c.对灰度均衡化之后的图像先进行基于最小二乘法的背景拟合，再和拟合的图像进行相减运算，得到差影图像。

其中步骤3中的计算，具体按照以下步骤实施：

a.对步骤2得到的差影图像进行阈值分割，再对分割后的图像使用8邻域的自适应的聚类分割，对杆塔的所在区域归为一个区域；

b.对聚类分割后的图像进行闭运算处理，再使用开运算去除噪声区域；

c.选取区域中面积最大的区域，并提取区域的轮廓；

d.计算轮廓的方向角Phi，设n_1，0和n_0，1是区域的重心的行和列坐标，其中，μ_p，q是归一化中心矩，(r，c)是区域中的图像坐标，椭圆的长轴为r₁，短轴为r₂，p+q＝2时，是二阶中心距，μ_1，1为归一化中心轴转动惯量，μ_2，0 μ_0，2分别是相对于横轴和纵轴的二阶力矩，通过对轮廓上的像素点进行椭圆拟合，得到的中心角即是参考图像中杆塔的轮廓方向角Phi，即θ，是相对于横轴的角：

${\mathrm{\μ}}_{p,q}=\frac{1}{a}\underset{(r,c)\∈R}{\mathrm{\Σ}}{(r-n_{\mathrm{1,0}})}^p{(c-n_{\mathrm{0,1}})}^q,$

$r_1=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}+\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})},$

$r_2=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}-\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})},$

$\mathrm{\θ}=-\frac{1}{2}\arctan \frac{2{\mathrm{\μ}}_{\mathrm{1,1}}}{{\mathrm{\μ}}_{\mathrm{0,2}}-{\mathrm{\μ}}_{\mathrm{2,0}}};$

e.重复步骤a～d操作获取倾斜后的图像中杆塔的方向角Phi(i)，用当前倾斜后图像的方向角Phi(i)减去参考图像中杆塔的轮廓方向角Phi，即得出当前杆塔偏离参考杆塔的倾斜角：delta＝Phi(i)-Phi，这里的i是指用于检测的图像序列，即i＝1，2，3……；i＝0代表没有发生倾斜的状态，i＝1，2...代表在线监测时采集到图像中的杆塔的倾斜角；如果倾斜角delta的绝对值在15°范围内则属于安全范围，大于等于15°则发出报警。

本发明的有益效果是，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，并对输电线路杆塔倾斜情况进行全局的监控，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杆塔的倾斜角，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，以获得整个电网内杆塔倾斜角的全局数据，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是本发明基于视频差异的输电线路杆塔倾斜的测量方法的工作流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于视频差异的输电线路杆塔倾斜的测量方法，如图1所示，具体按照以下步骤实施：

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杆塔图像；

步骤2：对所得的杆塔图像进行预处理以获得便于后期处理的图像；

预处理具体按照以下步骤实施：

a.对获取的杆塔图像进行灰度化处理，鉴于杆塔的结构特征和便于以后的图像处理，对灰度图像中的边缘进行细化，主要目的是细化杆塔的边缘。

b.由于细化后的灰度图像的灰度分布不均匀，对其进行灰度直方图的均值化，这是图像处理中大家很熟悉的方法。

c.对灰度均衡化之后的图像先进行基于最小二乘法的背景拟合，再和拟合的图像相减运算；该处理的目的是除去图像中背景的影响，为以后操作便于正确提取图像信息。

步骤3：对预处理后的图像数据进行计算，得到输电线路杆塔倾斜角。

计算具体按照以下步骤实施：

a.首先对原图进行点采样，采样间隔在行和列方向上都是2pixels。

b.设f(r，c)是基于预处理之后的图像拟合出一个二阶曲面，r，c是像素坐标系下的行坐标和列坐标，(ri，ci)是创建的网格区域与预处理之后的图像区相交部分的中心坐标；

f(r，c)＝α(r-ri)²+β(c-ci)²+γ(r-ri)(c-ci)+δ(r-ri)+ε(c-ci)+σ      (1)

通过求图像的灰度值与拟合曲面距离的最小化过程求出α，β，γ，δ，ε，σ各参数的值，再由这些参数产生一个灰度曲面。

c.把预处理之后的图像与拟合的二阶灰度曲面相减运算，取出正确的图像信息。

d.进行对差影图像进行阈值分割(分割后的区域主要是信息区域和一些的小的噪声区域)，再对分割后的图像使用8邻域的自适应的聚类分割；由于杆塔的结构特征，对杆塔的所在区域归为一个区域。

e.对聚类分割后的图像进行闭运算处理，目的是弥合区域的间隙，再使用开运算去除所谓的噪声区域。

f.选取区域中面积最大的区域(也即是杆塔区域)，并提取区域的轮廓。

g.计算轮廓的方向角Phi，设n_1，0和n_0，1是区域的重心的行和列坐标，其中，μ_p，q是归一化中心矩，(r，c)是区域中的图像坐标，椭圆的长轴r₁，短轴r₂，p+q＝2时，是二阶中心距，可以用来定义区域的方位和区域的范围，μ_1，1为归一化中心轴转动惯量，μ_2，0 μ_0，2分别是相对于横轴和纵轴的二阶力矩，通过对轮廓上的像素点进行椭圆拟合，得到的中心角即是参考图像中杆塔的轮廓方向角Phi(即θ，是相对于横轴的角)：

${\mathrm{\μ}}_{p,q}=\frac{1}{a}\underset{(r,c)\∈R}{\mathrm{\Σ}}{(r-n_{\mathrm{1,0}})}^p{(c-n_{\mathrm{0,1}})}^q---\left(2\right)$

$r_1=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}+\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})}---\left(3\right)$

$r_2=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}-\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})}---\left(4\right)$

$\mathrm{\θ}=-\frac{1}{2}\arctan \frac{2{\mathrm{\μ}}_{\mathrm{1,1}}}{{\mathrm{\μ}}_{\mathrm{0,2}}-{\mathrm{\μ}}_{\mathrm{2,0}}}---\left(5\right)$

h.重复步骤a～g操作获取倾斜后的图像中杆塔的方向角Phi(i)，用当前倾斜后图像的方向角Phi(i)减去参考图像中杆塔的轮廓方向角Phi，即可得出当前杆塔偏离参考杆塔的倾斜角：delta＝Phi(i)-Phi，这里的i是指用于检测的图像序列，即i＝1，2，3……。i＝0代表没有发生倾斜的状态，i＝1，2...代表在线监测时采集到图像中的杆塔的倾斜角。如果倾斜角delta的绝对值在15°范围内则属于安全范围，大于等于15°则发出报警。(一般情况下，对泥石流及山体滑坡多发区、煤矿采空区等不良地质区域内杆塔倾斜角的安全范围在±15°之间)。

以下是采用本发明方法进行杆塔倾斜监测的数据结果：

表1杆塔倾斜监测数据结果

注：本实验对采集的图像经过旋转不同角度(+5°，-5°，+10°，-10°)时的图像进行的处理，假定未旋转是杆塔的倾斜角为0°，分别对旋转后的图像采用同样的步骤进行处理之后得出的杆塔倾斜角度。误差范围是[-0.5°，+0.5]。从表中数据可以看出：随着杆塔的倾斜角度的增大，测量误差越小，在杆塔倾斜角度出于安全范围时，通过该算法得到的值可以代表实际的值，这时误差很小。所以，该算法对于监测输电线路杆塔的倾斜角度有很好实际价值。

Claims (3)

1.一种基于视频差异的输电线路杆塔倾斜的测量方法，其特征在于，具体按照以下步骤实施：

步骤1：通过定焦摄像机获取杆塔图像；

步骤2：对步骤1得到的杆塔图像进行预处理；

步骤3：对步骤2得到的预处理后的图像数据进行计算，得到输电线路杆塔倾斜角。

2.根据权利要求1所述的基于视频差异的输电线路杆塔倾斜的测量方法，其特征在于，所述的步骤2中的预处理，具体按照以下步骤实施：

a.对步骤1得到的杆塔图像进行灰度化处理，对灰度图像中的边缘进行细化；

b.对细化后的灰度图像进行灰度直方图的均衡化；

c.对灰度均衡化之后的图像先进行基于最小二乘法的背景拟合，再和拟合的图像进行相减运算，得到差影图像。

3.根据权利要求1所述的基于视频差异的输电线路杆塔倾斜的测量方法，其特征在于，所述的步骤3中的计算，具体按照以下步骤实施：

a.对步骤2得到的差影图像进行阈值分割，再对分割后的图像使用8邻域的自适应的聚类分割，对杆塔的所在区域归为一个区域；

b.对聚类分割后的图像进行闭运算处理，再使用开运算去除噪声区域；

c.选取区域中面积最大的区域，并提取区域的轮廓；

d.计算轮廓的方向角Phi，设n_1，0和n_0，1是区域的重心的行和列坐标，其中，μ_p，q是归一化中心矩，(r，c)是区域中的图像坐标，椭圆的长轴为r₁，短轴为r₂，p+q＝2时，是二阶中心距，μ_1，1为归一化中心轴转动惯量，μ_2，0 μ_0，2分别是相对于横轴和纵轴的二阶力矩，通过对轮廓上的像素点进行椭圆拟合，得到的中心角即是参考图像中杆塔的轮廓方向角Phi，即θ，是相对于横轴的角：

${\mathrm{\μ}}_{p,q}=\frac{1}{a}\underset{(r,c)\∈R}{\mathrm{\Σ}}{(r-n_{\mathrm{1,0}})}^p{(c-n_{\mathrm{0,1}})}^q,$

$r_1=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}+\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})},$

$r_2=\sqrt{2({\mathrm{\μ}}_{\mathrm{2,0}}+{\mathrm{\μ}}_{\mathrm{0,2}}-\sqrt{{({\mathrm{\μ}}_{\mathrm{2,0}}-{\mathrm{\μ}}_{\mathrm{0,2}})}^2+4{{\mathrm{\μ}}_{\mathrm{1,1}}}^2})},$

$\mathrm{\θ}=-\frac{1}{2}\arctan \frac{2{\mathrm{\μ}}_{\mathrm{1,1}}}{{\mathrm{\μ}}_{\mathrm{0,2}}-{\mathrm{\μ}}_{\mathrm{2,0}}};$

e.重复步骤a～d操作获取倾斜后的图像中杆塔的方向角Phi(i)，用当前倾斜后图像的方向角Phi(i)减去参考图像中杆塔的轮廓方向角Phi，即得出当前杆塔偏离参考杆塔的倾斜角：delta＝Phi(i)-Phi，这里的i是指用于检测的图像序列，即i＝1，2，3……；i＝0代表没有发生倾斜的状态，i＝1，2...代表在线监测时采集到图像中的杆塔的倾斜角；如果倾斜角delta的绝对值在15°范围内则属于安全范围，大于等于15°则发出报警。

Images