CN106875378A - 一种电力线异物检测方法 - Google Patents
一种电力线异物检测方法 Download PDFInfo
- Publication number
- CN106875378A CN106875378A CN201611260586.0A CN201611260586A CN106875378A CN 106875378 A CN106875378 A CN 106875378A CN 201611260586 A CN201611260586 A CN 201611260586A CN 106875378 A CN106875378 A CN 106875378A
- Authority
- CN
- China
- Prior art keywords
- line segment
- foreign matter
- line
- adjacent segments
- slope
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Abstract
本发明公开了一种电力线异物检测方法,该方法为:利用相机采集电力线视频;将处理后的每帧图像进行线段检测,获得线段集合;在线段集合内,将相邻线段尾首连接组成连接线段,计算连接线段的斜率,并将连接线段斜率和与其相连的线段的斜率进行比较,如果斜率相同,则判定这两条线段之间存在异物,计算连接线段之间的长度,该长度值则为异物悬挂在电力线上的长度;否则,则判定这两条线段之间无异物。本发明能够自动检测线段并获得异物位置,降低劳动强度,提高工作人员的安全性。
Description
技术领域
本发明属于电力设备上电力线异物检测技术领域,具体涉及一种电力线异物检测方法。
背景技术
近年来,虽然国家已经采取措施限制塑料袋的使用,但是日常生活中使用塑料袋的情况依然很多,加上大风等天气原因,塑料袋及塑料袋类似物极易悬挂在电力线上,风筝或者塑料袋等异物,如果悬挂在电力线上会导致高压线极限放电距离缩短,危及线下的路人和车等的安全,严重时甚至会引起大面积停电,所以研究一种及时检测电力线上异物的方法尤其重要。
目前,常用的是人工查找异物并人工去除的方法,然而该方法不仅劳动强度大,工作人员的安全也存在很大隐患。
发明内容
有鉴于此,本发明提供了一种电力线异物检测方法,能够自动检测线段并获得异物位置,降低劳动强度,提高工作人员的安全性。
实施本发明的具体步骤为:
步骤一:利用相机采集电力线视频;
步骤二:将步骤一处理后的每帧图像进行线段检测,获得线段集合;
步骤三:在线段集合内,将相邻线段尾首连接组成连接线段,计算连接线段的斜率,并将连接线段斜率和与其相连的线段的斜率进行比较,如果斜率相同,则判定这两条线段之间存在异物,计算连接线段之间的长度,该长度值则为异物悬挂在电力线上的长度;否则,则判定这两条线段之间无异物。
进一步地,步骤二具体为:
第1步:对每帧图像灰度化处理后进行高斯滤波;
第2步:计算第1步处理后图像的水平和垂直两个方向的梯度分量,进而获得梯度幅值和梯度方向;
第3步:对每副图像进行相位编组生成线段支持区;生成线段支持区的具体操作过程如下:
将空间按照360度方向进行Q等分,并对所划分的Q个区域方向进行标号,依据Q个区域方向,根据像素的梯度方向对应的所属区域方向,对图像中每个像素均进行标号,相同标号的像素形成的区域记为一个线段支持区;Q为自然数;
第4步:计算线段支持区的线段参数,线段参数包括线段与水平方向的夹角和端点坐标;
第5步:判断线段支持区的线段参数是否为有效参数,将有效参数对应的线段作为有效线段;判断过程如下:
有效线段提取算子γ设为如果γ大于设定的阈值I,则判定该线段支持区对应的线段参数为有效参数;如果γ小于或等于设定的阈值I,则判定该线段支持区对应的线段参数为无效参数;其中,N为线段支持区内所有像素点的数目,L为根据线段的起始点坐标确定的线段长度。
进一步地,第2步中图像中水平和垂直两个方向的梯度分量通过sobel算子获得。
进一步地,第4步中线段支持区的线段参数利用加权最小二乘算法获得。
进一步地,在执行步骤三之前,剔除线段集合中的异常线段,具体操作为:基于线段参数计算线段的斜率,并对所有线段的斜率取均值,进而获得线段斜率与均值差的绝对值,若所述绝对值大于设定的阈值II,则认为该线段为异常线段并将其从集合中删除;否则,则认为该线段为正常线段将其保留。
进一步地,在剔除线段集合中异常线段后,进一步包括:针对线段集合,判断相邻线段的角度,若角度差小于阈值IV,且相邻线段距离在设定范围τ内,则将相邻线段合并形成同一条电线;若角度差大于或等于阈值IV,或相邻线段距离在设定范围τ内或外,则判定相邻线段不在同一条电线上。
进一步地,在执行步骤三之前,对线段集合进行合并,具体操作为:针对线段集合,判断相邻线段的角度,若角度差小于阈值IV,且相邻线段距离在设定范围τ内,则将相邻线段合并形成同一条电线;若角度差大于或等于阈值IV,或相邻线段距离在设定范围τ内或外,则判定相邻线段不在同一条电线上。
进一步地,Q为8。
有益效果:
1.本发明通过图像的检测线段,利用相邻线段之间的连接线段的斜率进行是否有异物的判断,最终获得异物位置和异物长度,从而降低了劳动强度,提高了工作人员的安全性,避免了传统人工检测电力线异物并人工去除可能遇到的危险。
2.本发明利用图像的梯度方向与幅值信息可以较准确的检测线段,有利于突出电力线的主边缘线段,将图像的空间信息进行编组,并通过算子对所编组的有效参数进行判断获得有效线段,在一定程度上有效地剔除了无效线段。
3.本发明通过对异常线段进行剔除并对检测线段周围的碎小线段进行合并,使得能够在背景干扰大时也能全面的获取检测线段。
附图说明
图1为本发明流程图;
图2为采集的电力线图像;
图3为灰度化处理后的图像;
图4为线段检测流程图;
图5为空间360度方向的划分方式图;
图6为去除异常斜率的线段后的图像;
图7为标记异物位置的图像;
图8为连接线图;
图9为Hough线段检测的检测效果;
图10为本发明的检测效果;
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
随着图像处理的快速发展,很多学者都在尝试将图像处理知识与工程应用联系起来,因此本发明利用了图像处理检测电力线异物,该方法使得操作人员与电线无直接接触,保障了他们的安全,也可为电力线检测异物提供科学素材。利用图像去除异物的关键技术在于如何检测到电力线上的异物。本发明利用相邻线段之间的连接线段的斜率进行是否有异物的判断,最终获得异物位置和异物长度,检测方案为:
步骤一:利用相机采集电力线视频;
步骤二:将步骤一处理后的每帧图像进行线段检测,获得线段集合;
步骤三:在线段集合内,将相邻线段尾首连接组成连接线段,计算连接线段的斜率,并将连接线段斜率和与其相连的线段的斜率进行比较,如果斜率相同,则判定这两条线段之间存在异物,计算连接线段之间的长度,该长度值则为异物悬挂在电力线上的长度;否则,则判定这两条线段之间无异物。
在提取线段集合时,容易提取到很多噪声,需要对其进行排除,本发明采用三个排除噪声的方案,排除了无效线段,异常线段,并进行碎小线段的合并,从而提高了检测的准确度。下面对本发明优选实施例进行描述。
参照图1的流程图,以实际场景中的一处电力线为例,进行实验,具体实施步骤如下:
步骤一:利用相机采集电力线含异物的视频,采集视频的每帧图像的分辨率至少200dpi、尺寸1080×720像素以上,如图2所示;对获得的图像进行灰度化处理,如图3所示;
步骤二:将步骤一处理后的图像进行线段检测;如图4所示;
第1步:对步骤一处理后的每帧图像进行高斯滤波,消除高斯噪声;
第2步:利用sobel算子计算第1步处理后图像的水平和垂直两个方向的梯度分量,分别为Ix和Iy,进而获得梯度幅值和梯度方向;
利用sobel算子计算图像的梯度。
Z1 | Z2 | Z3 |
Z4 | Z5 | Z6 |
Z7 | Z8 | Z9 |
一副图像的3*3区域
上图中的Z代表图像的灰度值,计算Z5处的梯度时可用如下公式:
Ix=(Z7+2*Z8+Z9)-(Z1+2*Z2+Z3);
Iy=(Z3+2*Z6+Z9)-(Z1+2*Z4+Z7);
利用图像的两个梯度分量,获得的梯度幅值m:
但是计算平方和平方根的过程很费时,因此可用一种近似梯度幅值的公式来计算,公式如下所示:m=|Ix|+|Iy|。
利用图像的两个梯度分量,获得的梯度方向θ:
第3步:对每副图像进行相位编组生成线段支持区;生成线段支持区的具体操作过程如下:
如图5所示,将空间按照360度方向进行8等分,并对所划分的8个区域方向进行标号,依据8个区域方向,对图像中每个像素根据像素梯度方向所属区域方向进行标号,相同标号的像素形成的区域记为一个线段支持区;从而获得直线支持区域;
第4步:利用加权最小二乘算法计算线段支持区的线段参数,线段参数包括线段与水平方向的夹角和端点坐标;
确定直线支持区域后,就要在区域内进行直线提取,每个直线支持区域都是一条直线的候选区域,与每个直线支持区域对应的灰度表面可看作是理想斜面与噪声相加而得,可用平面来表示,平面参数由最小二乘加权拟合获得。进而用平面拟合灰度表面,直线的方向与拟合平面的梯度方向垂直,用一个表示区域灰度平均值的水平平面与拟合平面相交,交线即为所要抽取的直线。
以支持区的像素点坐标作为已知量,以对应的梯度幅值作为各像素点的权值,利用最小二乘拟合提取直线。
1)构造直线方程为:y=kx+B
2)误差方程为:v=Ux-Z
利用方程X=(UTU)-1UTZ解出X,从而得到直线方程,根据线段支持区的坐标的范围得出线段的长度和线段与水平方向的夹角。
第5步:基于支持区的线段参数,判断线段支持区的线段参数是否为有效参数,并对有效参数进行提取,获得有效线段;具体判断过程如下:
有效线段提取算子γ设为如果γ大于设定的阈值I,则判定该线段支持区对应的线段参数为有效参数;如果γ小于或等于设定的阈值I,则判定该线段支持区对应的线段参数为无效参数;其中,N为线段支持区内所有像素点的数目,L为根据线段的起始点坐标确定的线段长度;
现有技术采用占空比计算提取算子,占空比为像素点数目与外接矩形面积的比值,由于外接矩形面积的计算量大,为了减少计算量,本发明采用确定提取算子,并用之判断有效线段。
步骤三:基于线段参数计算步骤二中有效线段的斜率,并对所有线段的斜率取均值,进而获得线段斜率与均值差的绝对值,若所述绝对值大于设定的阈值II,则认为该线段为异常线段并将其舍去;若所述绝对值小于或等于设定的阈值II,则认为该线段为正常线段将其保留;如图6所示。
步骤四:针对保留的正常线段,判断相邻线段的角度,若角度差小于阈值IV,且相邻线段距离在设定范围内,则将相邻线段合并形成同一条电线;若角度差大于或等于阈值IV,或相邻线段距离在设定范围τ内或外,则判定相邻线段不在同一条电线上;如图7所示。
步骤五:针对步骤四处理后的所有线段,如图8所示,将相邻线段尾首连接组成连接线段,计算连接线段的斜率,并将连接线段斜率和与其相连的线段的斜率进行比较,如果斜率相同,则判定这两条线段之间存在异物,计算连接线段之间的长度,该长度值则为异物悬挂在电力线上的长度;否则,则判定这两条线段之间无异物。
如图8可见,连接线段34的斜率与线段23和线段45的斜率相同,则认为线段23和线段45之间有异物,连接线段34的长度为异物的长度。
为充分验证本发明方法的有效性和适用性,将本发明方法和hough线段检测算法进行对比性实验,hough线段检测易漏检误检,背景干扰小的情况下检测线段的效果较好,但是当背景干扰大时极易误检与漏检。如图9和10所示,检测线段时很容易得到碎线段,hough线段检测线段时甚至会出现误检和漏检的情况,而本发明方法的检测效果优于hough检测。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电力线异物检测方法,其特征在于,包括如下步骤:
步骤一:利用相机采集电力线视频;
步骤二:将步骤一处理后的每帧图像进行线段检测,获得线段集合;
步骤三:在线段集合内,将相邻线段尾首连接组成连接线段,计算连接线段的斜率,并将连接线段斜率和与其相连的线段的斜率进行比较,如果斜率相同,则判定这两条线段之间存在异物,计算连接线段之间的长度,该长度值则为异物悬挂在电力线上的长度;否则,则判定这两条线段之间无异物。
2.如权利要求1所述一种电力线异物检测方法,其特征在于,步骤二具体为:
第1步:对每帧图像灰度化处理后进行高斯滤波;
第2步:计算第1步处理后图像的水平和垂直两个方向的梯度分量,进而获得梯度幅值和梯度方向;
第3步:对每副图像进行相位编组生成线段支持区;生成线段支持区的具体操作过程如下:
将空间按照360度方向进行Q等分,并对所划分的Q个区域方向进行标号,依据Q个区域方向,根据像素的梯度方向对应的所属区域方向,对图像中每个像素均进行标号,相同标号的像素形成的区域记为一个线段支持区;Q为自然数;
第4步:计算线段支持区的线段参数,线段参数包括线段与水平方向的夹角和端点坐标;
第5步:判断线段支持区的线段参数是否为有效参数,将有效参数对应的线段作为有效线段;判断过程如下:
有效线段提取算子γ设为如果γ大于设定的阈值I,则判定该线段支持区对应的线段参数为有效参数;如果γ小于或等于设定的阈值I,则判定该线段支持区对应的线段参数为无效参数;其中,N为线段支持区内所有像素点的数目,L为根据线段的起始点坐标确定的线段长度。
3.如权利要求2所述一种电力线异物检测方法,其特征在于,第2步中图像中水平和垂直两个方向的梯度分量通过sobel算子获得。
4.权利要求2所述一种电力线异物检测方法,其特征在于,第4步中线段支持区的线段参数利用加权最小二乘算法获得。
5.如权利要求1或2所述一种电力线异物检测方法,其特征在于,在执行步骤三之前,剔除线段集合中的异常线段,具体操作为:基于线段参数计算线段的斜率,并对所有线段的斜率取均值,进而获得线段斜率与均值差的绝对值,若所述绝对值大于设定的阈值II,则认为该线段为异常线段并将其从集合中删除;否则,则认为该线段为正常线段将其保留。
6.如权利要求5所述一种电力线异物检测方法,其特征在于,在剔除线段集合中异常线段后,进一步包括:针对线段集合,判断相邻线段的角度,若角度差小于阈值IV,且相邻线段距离在设定范围τ内,则将相邻线段合并形成同一条电线;若角度差大于或等于阈值IV,或相邻线段距离在设定范围τ内或外,则判定相邻线段不在同一条电线上。
7.如权利要求1或2所述一种电力线异物检测方法,其特征在于,在执行步骤三之前,对线段集合进行合并,具体操作为:针对线段集合,判断相邻线段的角度,若角度差小于阈值IV,且相邻线段距离在设定范围τ内,则将相邻线段合并形成同一条电线;若角度差大于或等于阈值IV,或相邻线段距离在设定范围τ内或外,则判定相邻线段不在同一条电线上。
8.如权利要求1所述一种电力线异物检测方法,其特征在于,Q为8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611260586.0A CN106875378B (zh) | 2016-12-30 | 2016-12-30 | 一种电力线异物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611260586.0A CN106875378B (zh) | 2016-12-30 | 2016-12-30 | 一种电力线异物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106875378A true CN106875378A (zh) | 2017-06-20 |
CN106875378B CN106875378B (zh) | 2019-08-02 |
Family
ID=59165250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611260586.0A Active CN106875378B (zh) | 2016-12-30 | 2016-12-30 | 一种电力线异物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875378B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111829467A (zh) * | 2020-06-24 | 2020-10-27 | 国家电网有限公司技术学院分公司 | 一种基于接线角度和位置的接线评估方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930535A (zh) * | 2012-10-16 | 2013-02-13 | 余杭供电局 | 一种应用于线上异物入侵检测的电力线轮廓提取方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
CN104601956A (zh) * | 2015-01-15 | 2015-05-06 | 西安工程大学 | 基于固定翼无人机的输电线路在线监测系统及监测方法 |
CN104616003A (zh) * | 2015-03-06 | 2015-05-13 | 侯苏 | 电力线上异物类型识别系统 |
CN105303158A (zh) * | 2015-08-31 | 2016-02-03 | 国家电网公司 | 一种变电站隔离开关线段拟合视频智能分析算法 |
CA2959967A1 (en) * | 2014-09-15 | 2016-03-24 | Dti Group Limited | Identification of a contact point between a pantograph and a power supply line in an image |
CN105740871A (zh) * | 2016-02-01 | 2016-07-06 | 福建师范大学 | 一种利用线段空间关系检测多边行地物的方法 |
-
2016
- 2016-12-30 CN CN201611260586.0A patent/CN106875378B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930535A (zh) * | 2012-10-16 | 2013-02-13 | 余杭供电局 | 一种应用于线上异物入侵检测的电力线轮廓提取方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
CA2959967A1 (en) * | 2014-09-15 | 2016-03-24 | Dti Group Limited | Identification of a contact point between a pantograph and a power supply line in an image |
CN104601956A (zh) * | 2015-01-15 | 2015-05-06 | 西安工程大学 | 基于固定翼无人机的输电线路在线监测系统及监测方法 |
CN104616003A (zh) * | 2015-03-06 | 2015-05-13 | 侯苏 | 电力线上异物类型识别系统 |
CN105303158A (zh) * | 2015-08-31 | 2016-02-03 | 国家电网公司 | 一种变电站隔离开关线段拟合视频智能分析算法 |
CN105740871A (zh) * | 2016-02-01 | 2016-07-06 | 福建师范大学 | 一种利用线段空间关系检测多边行地物的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111829467A (zh) * | 2020-06-24 | 2020-10-27 | 国家电网有限公司技术学院分公司 | 一种基于接线角度和位置的接线评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106875378B (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103442209B (zh) | 一种输电线路的视频监控方法 | |
CN105719305B (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN101625723B (zh) | 电力线轮廓的快速图像识别方法 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN101793501B (zh) | 一种基于图像的输电线覆冰状态检测方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN106705866B (zh) | 一种基于可见光图像的输电线路覆冰检测方法 | |
CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量系统 | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
CN104318582A (zh) | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN105891220B (zh) | 一种路面标志线缺陷检测装置及其检测方法 | |
CN102519846B (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
CN107833203A (zh) | 一种基于图像处理的水平面识别及水位实时测量方法 | |
CN105718964B (zh) | 一种输电线防振锤的视觉检测方法 | |
CN106340009A (zh) | 一种基于平行双目的电力线检测方法及系统 | |
CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
CN107967681A (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN113554667B (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
CN106097380A (zh) | 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法 | |
CN107292861A (zh) | 一种绝缘子破损检测方法 | |
CN107154034A (zh) | 一种高铁接触网斜拉线定位钩的状态检测方法及系统 | |
CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
CN115993096A (zh) | 一种高层建筑变形测量方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |