CN108921132A - 无人机机载电缆探测系统 - Google Patents

无人机机载电缆探测系统 Download PDF

Info

Publication number
CN108921132A
CN108921132A CN201810839911.1A CN201810839911A CN108921132A CN 108921132 A CN108921132 A CN 108921132A CN 201810839911 A CN201810839911 A CN 201810839911A CN 108921132 A CN108921132 A CN 108921132A
Authority
CN
China
Prior art keywords
cable
image
unit
module
aerial vehicle
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.)
Pending
Application number
CN201810839911.1A
Other languages
English (en)
Inventor
詹雄铿
余泓圻
李钙
伍海明
陈岭辉
邹松青
陈晓科
王庆斌
杨昀
黄辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Yunfu Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Yunfu Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Yunfu Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201810839911.1A priority Critical patent/CN108921132A/zh
Publication of CN108921132A publication Critical patent/CN108921132A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

无人机机载电缆探测系统，包括电缆图像采集模块、电缆图像处理模块、电缆图像识别模块和电缆状态检测模块，所述电缆图像采集模块用于通过安装在无人机上的摄像机进行电缆图像采集，所述电缆图像处理模块用于对采集得到的电缆图像进行处理，所述电缆图像识别模块用于对处理后的电缆图像进行图像分割和电缆识别，所述电缆状态检测模块用于对识别的目标电缆进行特征提取，并根据提取得到的特征对电缆的运行状态进行检测。本发明创造的有益效果：通过无人机机载摄像机进行电缆图像采集，并通过图像处理技术对电缆图像进行处理和识别，从而实现了对电缆运行状态以及故障的有效检测，提高了电缆探测的自动化水平。

Description

无人机机载电缆探测系统
技术领域
本发明创造涉及电缆安全检测领域，具体涉及一种无人机机载电缆探测系统。
背景技术
电缆的安全运行不但关系到国民生产生活，而且关系到电力系统的稳定运行。对电缆进行实时探测工作对于保证电缆安全和可靠供电是必不可少的。相较于传统的人工巡检，利用无人机机载摄像机航拍的巡检方式可大大增加安全系数，增加巡航检查次数，减少运营管理的成本，提高作业的效率的优势。
因此，本发明提供一种无人机机载电缆探测系统，通过无人机机载摄像机进行电缆图像采集，并通过图像处理技术对电缆图像进行处理和识别，从而实现了对电缆运行状态以及故障的有效检测，提高了电缆探测的自动化水平。
发明内容
针对上述问题，本发明旨在提供一种无人机机载电缆探测系统。
本发明创造的目的通过以下技术方案实现：
无人机机载电缆探测系统，包括电缆图像采集模块、电缆图像处理模块、电缆图像识别模块和电缆状态检测模块，所述电缆图像采集模块用于通过安装在无人机上的摄像机进行电缆图像采集，所述电缆图像处理模块用于对采集得到的电缆图像进行处理，所述电缆图像识别模块用于对处理后的电缆图像进行图像分割和电缆识别，所述电缆状态检测模块用于对识别的目标电缆进行特征提取，并根据提取得到的特征参数对电缆的运行状态进行检测。
本发明创造的有益效果：通过无人机机载摄像机进行电缆图像采集，并通过图像处理技术对电缆图像进行处理和识别，从而实现了对电缆运行状态以及故障的有效检测，提高了电缆探测的自动化水平。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
附图标记：
电缆图像采集模块1；电缆图像处理模块2；电缆图像识别模块3；电缆状态检测模块4；图像校正单元21；图像去噪单元22；图像优化单元23；图像分割单元31；目标提取单元32。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的无人机机载电缆探测系统，包括电缆图像采集模块1、电缆图像处理模块2、电缆图像识别模块3和电缆状态检测模块4，所述电缆图像采集模块1用于通过安装在无人机上的摄像机进行电缆图像采集，所述电缆图像处理模块2用于对采集得到的电缆图像进行处理，所述电缆图像识别模块3用于对处理后的电缆图像进行图像分割和电缆识别，所述电缆状态检测模块4用于对识别的目标电缆进行特征提取，并根据提取得到的特征参数对电缆的运行状态进行检测。
本优选实施例通过无人机机载摄像机进行电缆图像采集，并通过图像处理技术对电缆图像进行处理和识别，从而实现了对电缆运行状态以及故障的有效检测，提高了电缆探测的自动化水平。
优选地，所述电缆图像处理模块2包括图像校正单元21、图像去噪单元22和图像优化单元23，所述图像校正单元用于对采集得到的电缆图像进行光学校正和几何校正，所述图像去噪单元22用于去除所述电缆图像中的噪声污染，所述图像优化单元23用于对去噪后的电缆图像进行运动模糊复原。
本优选实施例解决了采用机载摄像机采集得到的电缆图像易受光照条件、噪声和运动模糊的影响，有效的提高了电缆图像的质量，为后续的电缆图像识别模块的工作奠定了基础。
优选地，所述图像去噪单元22采用小波去噪算法对电缆图像中的噪声污染进行去除，对小波去噪算法中的阈值函数进行改进，具体为：
式中，为经过改进的阈值函数量化后的小波系数，sign()为调节函数，ui,j为含有噪声的电缆图像的小波变换系数，λ为设定的阈值，a和n为调节系数。
本优选实施例对小波去噪算法中的阈值函数进行改进，新的阈值函数在所设置的阈值点处连续，使得函数具有较好的连续性；在新的阈值函数中增加了调节因子，增加了阈值函数的自适应性，使得改进的函数能够适应不同的含噪图像；此外，新的阈值函数有效的克服了小波系数估计值和实际值之间偏差的缺陷，从而可以减小滤波后的图像边缘的模糊程度，对后续的电缆图像的模糊复原奠定了基础。
优选地，所述图像优化单元23用于对去噪后的电缆图像进行运动模糊复原，具体包括：
(1)计算去噪后的电缆图像的点扩散函数h(i,j)；
(2)采用改进的维纳滤波算法根据上述所得的点扩散函数h(i,j)对去噪后的电缆图像进行运动模糊复原，设维纳滤波器的传递函数为则的表达式为：
式中，H(u,v)是点扩散函数h(i,j)的傅里叶变换，G(u,v)是退化图像的傅里叶变换，K为参数值，d(i,j)为复原的电缆图像坐标(i,j)处的灰度值，d(i+1,j)为复原的电缆图像坐标(i+1,j)处的灰度值，d(i,j+1)为复原的电缆图像坐标(i,j+1)处的灰度值，Ω为复原的电缆图像的局部图像。
本优选实施例对维纳滤波算法进行改进，采用自适应确定参数值K的方法，相较于传统采用人工设置K值的方法，本发明设置的K值随着图像局部灰度值的变化而变化，能够自适应的对退化的电缆图像进行处理，从而达到良好的图像恢复效果。
优选地，所述电缆图像识别模块3包括图像分割单元31和目标提取单元32，所述图像分割单元31用于对处理后的电缆图像进行图像分割，所述目标提取单元32用于从分割所得的电缆图像中提取电缆的边缘像素，从而识别电缆。
优选地，所述图像分割单元31采用改进的Canny算子对处理后的电缆图像进行图像分割，采用自适应阈值确定法选取Canny算子中的高、低阈值，设Canny算子中的高阈值为Ht，低阈值为Lt，则高阈值Ht和低阈值Lt的表达式分别为：
式中，Fmax为处理后的电缆图像的梯度直方图中像素数最多的梯度值，T为处理后的电缆图像的梯度值的个数，fi为处理后电缆图像中第i个梯度值，mi为梯度值为fi的像素数，S为处理后的电缆图像的像素总数，α和γ为阈值调节因子。
本优选实施例针对传统Canny算法中的需要人工指定阈值的缺陷，提出了一种自适应选取阈值的方法，能够根据梯度图像信息特征自动地生成高、低阈值，使得产生的高、低阈值更加符合电缆图像边缘检测的实际需要，从而能够有效的进行边缘检测，且检测到的边缘更加光滑。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.无人机机载电缆探测系统，其特征是，包括电缆图像采集模块、电缆图像处理模块、电缆图像识别模块和电缆状态检测模块，所述电缆图像采集模块用于通过安装在无人机上的摄像机进行电缆图像采集，所述电缆图像处理模块用于对采集得到的电缆图像进行处理，所述电缆图像识别模块用于对处理后的电缆图像进行图像分割和电缆识别，所述电缆状态检测模块用于对识别的目标电缆进行特征提取，并根据提取得到的特征参数对电缆的运行状态进行检测。
2.根据权利要求1所述的无人机机载电缆探测系统，其特征是，所述电缆图像处理模块包括图像校正单元、图像去噪单元和图像优化单元，所述图像校正单元用于对采集得到的电缆图像进行光学校正和几何校正，所述图像去噪单元用于去除所述电缆图像中的噪声污染，所述图像优化单元用于对去噪后的电缆图像进行运动模糊复原。
3.根据权利要求2所述的无人机机载电缆探测系统，其特征是，所述图像去噪单元采用小波去噪算法对电缆图像中的噪声污染进行去除，对小波去噪算法中的阈值函数进行改进，具体为：
式中，为经过改进的阈值函数量化后的小波系数，sign()为调节函数，ui,j为含有噪声的电缆图像的小波变换系数，λ为设定的阈值，a和n为调节系数。
4.根据权利要求3所述的无人机机载电缆探测系统，其特征是，图像优化单元用于对去噪后的电缆图像进行运动模糊复原，具体包括：
(1)计算去噪后的电缆图像的点扩散函数h(i,j)；
(2)采用改进的维纳滤波算法根据上述所得的点扩散函数h(i,j)对去噪后的电缆图像进行运动模糊复原，设维纳滤波器的传递函数为则的表达式为：
式中，H(u,v)是点扩散函数h(i,j)的傅里叶变换，G(u,v)是退化图像的傅里叶变换，K为参数值，d(i,j)为复原的电缆图像坐标(i,j)处的灰度值，d(i+1,j)为复原的电缆图像坐标(i+1,j)处的灰度值，d(i,j+1)为复原的电缆图像坐标(i,j+1)处的灰度值，Ω为复原的电缆图像的局部图像。
5.根据权利要求4所述的无人机机载电缆探测系统，其特征是，电缆图像识别模块包括图像分割单元和目标提取单元，所述图像分割单元用于对处理后的电缆图像进行图像分割，所述目标提取单元用于从分割所得的电缆图像中提取电缆的边缘像素。
6.根据权利要求5所述的无人机机载电缆探测系统，其特征是，所述图像分割单元采用改进的Canny算子对处理后的电缆图像进行图像分割，采用自适应阈值确定法选取Canny算子中的高、低阈值，设Canny算子中的高阈值为Ht，低阈值为Lt，则高阈值Ht和低阈值Lt的表达式分别为：
式中，Fmax为处理后的电缆图像的梯度直方图中像素数最多的梯度值，T为处理后电缆图像的梯度值个数，fi为处理后电缆图像中第i个梯度值，mi为梯度值为fi的像素数，S为处理后的电缆图像的像素总数，α和γ为阈值调节因子。
CN201810839911.1A 2018-07-27 2018-07-27 无人机机载电缆探测系统 Pending CN108921132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810839911.1A CN108921132A (zh) 2018-07-27 2018-07-27 无人机机载电缆探测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810839911.1A CN108921132A (zh) 2018-07-27 2018-07-27 无人机机载电缆探测系统

Publications (1)

Publication Number Publication Date
CN108921132A true CN108921132A (zh) 2018-11-30

Family

ID=64418636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810839911.1A Pending CN108921132A (zh) 2018-07-27 2018-07-27 无人机机载电缆探测系统

Country Status (1)

Country Link
CN (1) CN108921132A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109540834A (zh) * 2018-12-13 2019-03-29 深圳市太赫兹科技创新研究院 一种电缆老化监测方法及系统
CN110940372A (zh) * 2019-12-19 2020-03-31 江西太平洋电缆集团有限公司 一种基于机器视觉的电缆排列检测系统
CN111091108A (zh) * 2019-12-24 2020-05-01 江西太平洋电缆集团有限公司 一种电缆电阻检测系统
CN112167074A (zh) * 2020-10-14 2021-01-05 北京科技大学 一种基于宠物脸识别的自动喂食装置
CN113807365A (zh) * 2021-09-15 2021-12-17 广东电网有限责任公司 一种电缆图像的特征提取方法、装置、电子设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7228005B1 (en) * 2002-06-17 2007-06-05 National Security Technologies, Llc Adaptive wiener image restoration kernel
US20090067742A1 (en) * 2007-09-12 2009-03-12 Samsung Electronics Co., Ltd. Image restoration apparatus and method
CN104091314A (zh) * 2014-07-22 2014-10-08 西北工业大学 基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原方法
CN104268872A (zh) * 2014-09-25 2015-01-07 北京航空航天大学 基于一致性的边缘检测方法
CN104700421A (zh) * 2015-03-27 2015-06-10 中国科学院光电技术研究所 一种基于canny的自适应阈值的边缘检测算法
CN106019086A (zh) * 2016-07-18 2016-10-12 国家电网公司 一种高压架空导线检测系统
CN106444839A (zh) * 2016-11-02 2017-02-22 国网吉林省电力有限公司检修公司 无人机高压电缆自动巡线系统
CN106950996A (zh) * 2017-05-09 2017-07-14 广东容祺智能科技有限公司 一种基于无人机铁路高压电线巡检避障系统
CN108022235A (zh) * 2017-11-23 2018-05-11 中国科学院自动化研究所 高压输电铁塔关键部件缺陷识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7228005B1 (en) * 2002-06-17 2007-06-05 National Security Technologies, Llc Adaptive wiener image restoration kernel
US20090067742A1 (en) * 2007-09-12 2009-03-12 Samsung Electronics Co., Ltd. Image restoration apparatus and method
CN104091314A (zh) * 2014-07-22 2014-10-08 西北工业大学 基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原方法
CN104268872A (zh) * 2014-09-25 2015-01-07 北京航空航天大学 基于一致性的边缘检测方法
CN104700421A (zh) * 2015-03-27 2015-06-10 中国科学院光电技术研究所 一种基于canny的自适应阈值的边缘检测算法
CN106019086A (zh) * 2016-07-18 2016-10-12 国家电网公司 一种高压架空导线检测系统
CN106444839A (zh) * 2016-11-02 2017-02-22 国网吉林省电力有限公司检修公司 无人机高压电缆自动巡线系统
CN106950996A (zh) * 2017-05-09 2017-07-14 广东容祺智能科技有限公司 一种基于无人机铁路高压电线巡检避障系统
CN108022235A (zh) * 2017-11-23 2018-05-11 中国科学院自动化研究所 高压输电铁塔关键部件缺陷识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
仝卫国: "基于航拍图像的输电线路识别与状态检测方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *
刘军营: "直升机巡检输电线路图像边缘检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
马志新: "基于改进阈值小波变换的BCG信号处理", 《COMPUTER CD SOFTWARE AND APPLICATIONS》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109540834A (zh) * 2018-12-13 2019-03-29 深圳市太赫兹科技创新研究院 一种电缆老化监测方法及系统
CN110940372A (zh) * 2019-12-19 2020-03-31 江西太平洋电缆集团有限公司 一种基于机器视觉的电缆排列检测系统
CN110940372B (zh) * 2019-12-19 2020-07-21 江西太平洋电缆集团有限公司 一种基于机器视觉的电缆排列检测系统
CN111091108A (zh) * 2019-12-24 2020-05-01 江西太平洋电缆集团有限公司 一种电缆电阻检测系统
CN112167074A (zh) * 2020-10-14 2021-01-05 北京科技大学 一种基于宠物脸识别的自动喂食装置
CN113807365A (zh) * 2021-09-15 2021-12-17 广东电网有限责任公司 一种电缆图像的特征提取方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
CN108921132A (zh) 无人机机载电缆探测系统
Fang et al. Improved single image dehazing using segmentation
CN110163818B (zh) 一种用于海事无人机的低照度视频图像增强方法
CN107203990A (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN107679495B (zh) 一种输电线路周边活动工程车辆的检测方法
CN105139391B (zh) 一种雾霾天气交通图像边缘检测方法
CN107067375A (zh) 一种基于暗通道先验和边缘信息的图像去雾方法
CN109359593B (zh) 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法
CN111325688B (zh) 融合形态学聚类优化大气光的无人机图像去雾方法
CN112465777A (zh) 一种基于视频流的风机叶片表面缺陷识别技术
CN111079724A (zh) 一种基于无人机的海漂垃圾识别方法
CN107705256B (zh) 一种基于接触网语义的前向车载视频图像增强方法
CN113313107A (zh) 一种斜拉桥缆索表面多类型病害智能检测和识别方法
CN111985435A (zh) 一种基于机器视觉的无人机水域监测巡航方法
CN109712116B (zh) 输电线路及其附件的故障识别方法
CN109767407B (zh) 一种去雾过程中大气透射率图像的二次估计方法
CN109345479B (zh) 一种视频监控数据的实时预处理方法及存储介质
CN104992448A (zh) 机器人防损伤采摘葡萄的自动定位方法
Wang et al. Straight lane line detection based on the Otsu-Canny algorithm
CN113706521A (zh) 碳纤维表面毛团检测方法、装置、存储介质和电子设备
CN110400270B (zh) 一种利用图像分解和多重校正融合的车牌去雾方法
CN116665080A (zh) 基于目标识别的无人机劣化绝缘子检测方法及系统
CN108961155B (zh) 一种高保真的鱼眼镜头畸变校正方法
Hassan et al. Single image dehazing from repeated averaging filters
CN107609556B (zh) 一种输电线路环境中高空作业机械的检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181130