CN110390672A - 一种基于EDLines的电力线快速提取方法 - Google Patents
一种基于EDLines的电力线快速提取方法 Download PDFInfo
- Publication number
- CN110390672A CN110390672A CN201910638106.7A CN201910638106A CN110390672A CN 110390672 A CN110390672 A CN 110390672A CN 201910638106 A CN201910638106 A CN 201910638106A CN 110390672 A CN110390672 A CN 110390672A
- Authority
- CN
- China
- Prior art keywords
- power line
- straightway
- edlines
- image
- method based
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于EDLines的电力线快速提取方法,包括以下步骤:步骤1,通过无人机上搭载的摄像机或照相机航拍采集电力线图像;步骤2,将电力线图像转换为灰度图;步骤3,采用Ratio算子增强图像;步骤4,采用EDLines算法提取直线段;步骤5,直线段编组;步骤6,采用最小二乘法拟合得到电力线。本发明计算代价低,效果好,鲁棒性好,能够快速提取电力线,满足实时性要求。
Description
技术领域:
本发明涉及数字图像处理领域,具体涉及一种基于EDLines的电力线快速提取方法。
背景技术:
近几年来,我国对于电网的投资建设力度不断增大,输电线路的电压等级不断的提高,电力输送网络将更加密集。目前,电力巡检主要依靠人工巡检,人工巡检效率低、周期长、危险程度大、成本高,受地理条件约束极易出现漏检或误检等情况。
随着无人机和图像处理技术的发展,无人机巡检电力线具有成本低,飞行快,采集数据方便等特点,成为了研究热点。无人机航拍采集得到电力线图像,结合图像处理技术巡检电力线,其中,在航拍图像中提取出电力线的位置是一大难点。采用Canny算子边缘检测,Hough变换提取直线段,再经过直线段编组合并,计算速度慢,消耗内存大。采用Sobel算子增强图像,再利用LSD算法进行直线段提取,最后直线段合并、拟合、筛选得到电力线,实时性较差,计算时间较长。
发明内容:
针对上述问题,本发明提供一种基于EDLines的电力线快速提取方法,计算代价低,能够快速地提取出电力线,鲁棒性好。
为了实现本发明之目的,拟采用以下技术方案:一种基于EDLines的电力线快速提取方法,包括以下步骤:
步骤1:通过无人机上搭载的摄像机或照相机航拍采集电力线图像;
步骤2:将电力线图像转换为灰度图;
步骤3:采用Ratio算子增强图像;
步骤4:采用EDLines算法提取直线段;
步骤5:直线段编组;
步骤6:采用最小二乘法拟合得到电力线。
本方案中所述步骤1无人机采集电力线图像时,无人机在电力线上方或者附近飞行,无人机飞行方向和电力线方向平行,搭载的摄像机或照相机朝向电力线,电力线在航拍图像上近似为竖直方向。
进一步地,所述步骤3采用Ratio算子增强图像,具体为设定竖直方向的Ratio算子滑动检测模板,模板的尺寸是3×3,取中心像素点为待检测点,计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2,定义R=(1-min(U1/U2,U2/U1))×255,将R值作为此中心像素点新的灰度值,对图像进行遍历,得到新的灰度图。
进一步地,所述步骤4采用EDLines算法提取直线段,具体为:(1)采用高斯滤波抑制噪声,计算像素点的梯度和方向;(2)采用局部梯度极大值选取锚点,连接得到边缘;(3)对每一条边缘,从某一端点开始采用最小二乘法提取线段;(4)采用亥姆霍兹原理去除错误的直线段,最终得到直线段集合vector。
进一步地,所述步骤5直线段编组,具体为:(1)选取直线段集合vector中一个未进行编组的直线段li,同时删除vector中的直线段li;(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值,并且此直线段中点到li的垂直距离小于距离阈值,将集合vector中满足这两种条件的所有直线段和li编为一组,同时将集合vector中的这些直线段删除;(3)重复(1)-(2)操作,直至集合vector为空;(4)计算得到每组中所有直线段累加的长度,去除小于长度阈值的直线段组。
进一步地,所述步骤6采用最小二乘法拟合得到电力线,具体为:将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线。
相比现有技术,本发明采用Ratio算子增强了电力线的特征,削弱了背景噪声的干扰,然后采用EDLines作为提取直线的算法,计算代价低,能够快速地提取出电力线,鲁棒性好。
附图说明:
图1为本发明整体流程图。
图2为无人机航拍的电力线原图。
图3为本算法的效果图。
具体实施方式:
下面通过具体实施例对本发明的目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
本发明的整体流程如图1所示,一种基于EDLines的电力线快速提取方法,具体包括以下步骤:
步骤1:无人机采集电力线图像时,无人机在电力线上方或者附近飞行,无人机飞行方向和电力线方向平行,搭载的摄像机或照相机朝向电力线,电力线在航拍图像上近似为竖直方向,如图2所示。
步骤2:将电力线图像转换为灰度图。
步骤3:采用Ratio算子增强图像,具体为设定竖直方向的Ratio算子滑动检测模板,模板的尺寸是3×3,取中心像素点为待检测点,计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2,定义R=(1-min(U1/U2,U2/U1))×255,将R值作为此中心像素点新的灰度值,对图像进行遍历,得到新的灰度图。
步骤4:采用EDLines算法提取直线段,具体为(1)采用高斯滤波抑制噪声,计算像素点的梯度和方向;(2)采用局部梯度极大值选取锚点,连接得到边缘;(3)对每一条边缘,从某一端点开始采用最小二乘法来提取线段;(4)采用亥姆霍兹原理去除错误的直线段,最终得到直线段集合vector。
步骤5:直线段编组,具体为(1)选取直线段集合vector中一个未进行编组的直线段li,同时删除vector中的直线段li;(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值,并且此直线段中点到li的垂直距离小于距离阈值,将集合vector中满足这两种条件的所有直线段和li编为一组,同时将集合vector中的这些直线段删除;(3)重复(1)-(2)操作,直至集合vector为空;(4)计算得到每组中所有直线段累加的长度,去除小于长度阈值的直线段组。
步骤6:采用最小二乘法拟合得到电力线,具体为:将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线,如图3所示。
通过本实施例上述6个步骤,可最终实现电力线快速提取。
上述具体实施方式用来解释说明本发明,故不能依此限定本发明实施的范围,在本发明的精神和权利要求的保护范围内,所做的任何修改和改进,均应含在本发明的保护范围内。
Claims (6)
1.一种基于EDLines的电力线快速提取方法,其特征在于,包括以下步骤:
步骤1:通过无人机上搭载的摄像机或照相机航拍采集电力线图像;
步骤2:将电力线图像转换为灰度图;
步骤3:采用Ratio算子增强图像;
步骤4:采用EDLines算法提取直线段;
步骤5:直线段编组;
步骤6:采用最小二乘法拟合得到电力线。
2.根据权利要求1所述的一种基于EDLines的电力线快速提取方法,其特征在于,所述步骤1中,无人机采集电力线图像时,无人机在电力线上方或者附近飞行,无人机飞行方向和电力线方向平行,搭载的摄像机或照相机朝向电力线,电力线在航拍图像上近似为竖直方向。
3.根据权利要求1所述的一种基于EDLines的电力线快速提取方法,其特征在于,所述步骤3采用Ratio算子增强图像,具体为设定竖直方向的Ratio算子滑动检测模板,模板的尺寸是3×3,取中心像素点为待检测点,计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2,定义R=(1-min(U1/U2,U2/U1))×255,将R值作为此中心像素点新的灰度值,对图像进行遍历,得到新的灰度图。
4.根据权利要求1所述的一种基于EDLines的电力线快速提取方法,其特征在于,所述步骤4采用EDLines算法提取直线段,具体为:(1)采用高斯滤波抑制噪声,计算像素点的梯度和方向;(2)采用局部梯度极大值选取锚点,连接得到边缘;(3)对每一条边缘,从某一端点开始采用最小二乘法提取线段;(4)采用亥姆霍兹原理去除错误的直线段,最终得到直线段集合vector。
5.根据权利要求1所述的一种基于EDLines的电力线快速提取方法,其特征在于,所述步骤5直线段编组,具体为:(1)选取直线段集合vector中一个未进行编组的直线段li,同时删除vector中的直线段li;(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值,并且此直线段中点到li的垂直距离小于距离阈值,将集合vector中满足这两种条件的所有直线段和li编为一组,同时将集合vector中的这些直线段删除;(3)重复(1)-(2)操作,直至集合vector为空;(4)计算得到每组中所有直线段累加的长度,去除小于长度阈值的直线段组。
6.根据权利要求1所述的一种基于EDLines的电力线快速提取方法,其特征在于,所述步骤6采用最小二乘法拟合得到电力线,具体为:将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638106.7A CN110390672A (zh) | 2019-07-11 | 2019-07-11 | 一种基于EDLines的电力线快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638106.7A CN110390672A (zh) | 2019-07-11 | 2019-07-11 | 一种基于EDLines的电力线快速提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110390672A true CN110390672A (zh) | 2019-10-29 |
Family
ID=68285016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910638106.7A Pending CN110390672A (zh) | 2019-07-11 | 2019-07-11 | 一种基于EDLines的电力线快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739042A (zh) * | 2020-06-04 | 2020-10-02 | 中南大学 | 一种基于数字图像特征的复杂背景电力线提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018028103A1 (zh) * | 2016-08-11 | 2018-02-15 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
CN107833206A (zh) * | 2017-10-24 | 2018-03-23 | 武汉大学 | 一种复杂背景下电力线精确提取方法 |
-
2019
- 2019-07-11 CN CN201910638106.7A patent/CN110390672A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018028103A1 (zh) * | 2016-08-11 | 2018-02-15 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
CN107833206A (zh) * | 2017-10-24 | 2018-03-23 | 武汉大学 | 一种复杂背景下电力线精确提取方法 |
Non-Patent Citations (2)
Title |
---|
赵乐等: "复杂背景下电力线自动提取算法", 高电压技术, vol. 45, no. 1, pages 218 - 227 * |
齐永菊: "基于EDLines 的遥感影像直线快速提取方法研究", 测绘与空间地理信息, vol. 41, no. 9, pages 109 - 113 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739042A (zh) * | 2020-06-04 | 2020-10-02 | 中南大学 | 一种基于数字图像特征的复杂背景电力线提取方法 |
CN111739042B (zh) * | 2020-06-04 | 2023-06-09 | 中南大学 | 一种基于数字图像特征的复杂背景电力线提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106290388B (zh) | 一种绝缘子故障自动检测方法 | |
CN103745224B (zh) | 基于图像的铁路接触网鸟窝异常情况检测方法 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
KR20220023335A (ko) | 결함 검출 방법 및 관련 장치, 기기, 저장 매체, 컴퓨터 프로그램 제품 | |
CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN108416316B (zh) | 一种黑烟车的检测方法及系统 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
US10861172B2 (en) | Sensors and methods for monitoring flying objects | |
CN110276279B (zh) | 一种基于图像分割的任意形状场景文本探测方法 | |
CN116110036B (zh) | 基于机器视觉的电力铭牌信息缺陷等级判断方法及装置 | |
CN112652015A (zh) | 基于bim的路面病害标记方法和装置 | |
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
CN107273884A (zh) | 一种基于移动终端摄像头的车辆牌照识别方法 | |
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 | |
CN110276747B (zh) | 一种基于图像分析的绝缘子故障检测和故障评级方法 | |
WO2022233096A1 (zh) | 一种基于深度视觉的钢坯最优剪切控制方法及装置 | |
CN110390672A (zh) | 一种基于EDLines的电力线快速提取方法 | |
CN109447946B (zh) | 一种架空通信光缆异常检测方法 | |
Fang et al. | Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm | |
CN107704864B (zh) | 基于图像对象性语义检测的显著目标检测方法 | |
Gao et al. | Intelligent crack damage detection system in shield tunnel using combination of retinanet and optimal adaptive selection | |
Zhang et al. | An automatic diagnostic method of abnormal heat defect in transmission lines based on infrared video | |
CN114419489A (zh) | 特征提取网络的训练方法、装置、终端设备和介质 | |
Mahphood et al. | Density-based method for building detection from LiDAR point cloud |
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 |