CN111397595B - 一种平单轴光伏场景无人机巡检目标定位方法 - Google Patents

Abstract

本发明公开了一种平单轴光伏场景无人机巡检目标定位方法。该方法通过对巡检采集的每一帧红外图像进行组件单元的区域划分，结合可见光图像间的跟踪关系，最终实现红外图像中的异常组件单元在全局地图中的定位功能。本发明不仅解决了平单轴场景中异常组件单元定位难的问题，而且建立了组件单元与全局逻辑编号之间的映射关系，提高了无人机光伏巡检的可行性与作业效率。

Description

一种平单轴光伏场景无人机巡检目标定位方法

技术领域

本发明属于无人机巡检领域，特别涉及一种平单轴光伏场景的无人机巡检目标定位方法。

背景技术

各行业对电力的需求也越来越强烈，但是传统的发电方式给能源与环境带来了一系列的负面问题，清洁能源越来越受到人们的重视，其中光伏电站作为最重要的清洁能源，受到了全球广泛的瞩目，截止2019年上半年，我国已实现累计装机量200GW。无人机系统运用现代科技力量，具有成本低廉，维护简单和操作简便的特点，这些特点使得无人机很适合对光伏电站的监测和维护。无人机巡检不仅可以省去耗时耗力的人工监测，而且巡检速度快，信息反馈及时，保证了及早发现问题和及早修复，这样可以将损失减小到最低，为光伏电站的安全巡检提供了保障。

随着光伏产业的不断升级，为了提高发电效率，光伏场景的布局正在从固定轴向旋转轴过渡，目前主流的旋转轴布局有双轴、斜单轴和平单轴三种。其中双轴适用于高纬度地区；斜单轴适用于中高纬度地区；平单轴适用于中低纬度地区并且可用于高纬度地区，在我国装机总量中的占比也越来越高；和传统的固定式光伏系统比较，平单轴系统能为光伏电站带来15％～20％的发电量提升。无人机巡检的最小单元为组件单元，以一定的排列方式排列形成阵列，同一阵列中的组件单元相邻。在巡检过程中，由于平单轴的安装特性，会出现可见光图像曝光严重、组件倾斜角度过大以及阵列间距过小等问题，严重影响异常组件的定位。

发明内容

本发明的目的在于提供一种平单轴光伏场景的无人机巡检目标定位方法，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

一种平单轴光伏场景无人机巡检目标定位方法，包括以下步骤：

步骤1，在红外图像中通过直线检测、交点聚类、连通域分割算法实现组件单元的区域划分；

步骤2，借助可见光图像间的匹配关系实现阵列及组件单元的跟踪；

步骤3，通过对阵列中心点的最优估计实现图像中阵列与全局逻辑编号之间的映射。

进一步的，步骤1中具体为：

针对一帧红外图像，首先对其纹理进行直线检测，检测结果通过聚类的方法得到的主轴区域；对主轴区域通过形态学操作提取出的阵列边缘及中轴区域；对主轴区域和阵列边缘及中轴区域取交集，交集代表着每一个光伏阵列的中轴区域；对交集的连通域分割，提取出每一个独立的光伏阵列，不同灰度代表不同阵列；结合直线检测的结果和交集的连通域分割的信息，在阵列中划分出每一块组件单元的区域。

进一步的，中轴区域具有稳定的双线结构，通过形态学操作过滤出中轴区域；在得知中轴区域的基础上，通过对该区域内的横纵线交点进行聚类实现最小区域划分。

进一步的，步骤2中具体为：通过十字交点的位置和编号来记录步骤1中划分的区域，在跟踪的过程中实现十字交点的准确匹配，达到单元区域跟踪。

进一步的，步骤3中具体为：步骤2对每一块阵列中相邻组件单元的边缘交点进行跟踪，同一交点在不同视图中的编号是一致的，根据步骤2中记录的交点编号确定异常组件单元在所属阵列中的位置，然后建立图像中阵列与全局阵列之间的联系，并最终实现定位到组件单元的功能；具体的处理方法：

巡检作业之前需要工作人员对全局地图中的每一块阵列及组件单元进行逻辑编号，并且以阵列为单位记录中心位置所对应的GPS坐标，作为后续阵列间映射的纽带；逻辑映射在每一块阵列的可视周期内，通常会出现三种形式：阵列首端可见、阵列末端可见以及两端都不可见；

两端的十字交点，相比于其他交点具有更高的稳定性，对两端的十字交点通过几何定位方式计算对应的GPS坐标，根据中点定理可以估算出阵列中心点所对应的GPS坐标；此外，由于图像之间的重叠度，两端的十字交点分别会出现在多张图像中，选取距图像中心最近的两端的十字交点作为最优端点；最后，将阵列中心点估算出的GPS坐标在逻辑编号列表中进行最近邻匹配，便可得到最终的逻辑映射关系。

与现有技术相比，本发明有以下技术效果：

本发明通过区域划分、阵列及组件单元的跟踪和全局映射以上三个步骤可以实现光伏巡检中平单轴场景中组件单元的定位功能，解决了平单轴场景定位难的问题，提高了工作人员对异常组件单元的排故效率。当然，对于该方法也存在需要改定的地方，例如，在早晨和傍晚时段，由于平单轴旋转角度过大，无人机以正射方式采集的图像无法达到检测要求，需要尝试更多的采集方式以及更鲁棒的图像处理算法。

该方法通过对巡检采集的每一帧红外图像进行组件单元的区域划分，结合可见光图像间的跟踪关系，最终实现红外图像中的异常组件单元在全局地图中的定位功能。本发明不仅解决了平单轴场景中异常组件单元定位难的问题，而且建立了组件单元与全局逻辑编号之间的映射关系，提高了无人机光伏巡检的可行性与作业效率。

附图说明

图1是本发明所提出的目标定位系统流程图；

图2是步骤1实现组件单元区域划分的示意图；

图3是步骤1中阵列中轴提取与组件单元区域划分的示意图；

图4是步骤2组件单元跟踪的示意图；

图5是步骤3逻辑编号映射的示意图；

具体实施方式

下面结合附图和具体实现过程对本发明进行详细说明。

无人机光伏巡检是使用无人机挂载相应的载荷设备，通过低空飞行检测光伏场景中的异常组件单元，并将该单元的具体位置反馈给工作人员作为后续修复处理的依据。红外相机在热斑、零电流及碎裂等异常目标检测时表现良好，通常作为必备载荷。但是在使用基于跟踪算法的目标定位时，红外相机的低分辨率及图像色差无法提供稳定的特征匹配依据，此时可借助可见光图像来弥补缺失信息，因此巡检的过程需要挂载可同时采集可见光和红外图像的双光相机。

本专利提出的定位算法是针对已检测出具有异常目标的缺陷组件，不涉及缺陷检测模块，最终的定位坐标为工作人员已知的全局逻辑编号，在排故处理时逻辑编号比GPS坐标更容易快速定位。因此，在使用该算法定位前，工作人员需要根据组件单元的排布，提前构建所有单元的逻辑编号以及每个阵列中心位置所对应的GPS列表。巡检作业过程中该算法的输入为异常组件单元在单帧图像中的像素坐标，输出为所对应的全局逻辑编号。

本专利主要包括组件单元区域划分、区域跟踪和逻辑编号映射三部分内容，处理的流程如图1所示，具体实施步骤如下：

步骤S1：

平单轴场景中的组件单元排布为南北走向，中间的转轴会跟随太阳的位置由东向西转动，组件单元在南北方向没有倾角。由于我国地处北纬，受太阳倾斜角度的影响，正射采集的可见光图像可能会存在较多的反光现象。由于图像中反光的组件单元损失了信息，无法达到最小单元检测的目的，因此只能在红外图像上进行处理。但是红外图像中组件单元外侧边缘存在不稳定的梯度分布，难以实现单元检测，只能对阵列中相邻单元进行区域划分，通过区域划分实现定位到组件单元的目的。

组件单元的区域划分流程如图2所示：a为一帧红外图像；b是对a中的纹理进行直线检测的结果；c是对b中的直线通过聚类的方法得到的主轴区域；d是通过形态学操作提取出的阵列边缘及中轴区域，从图中可以看出阵列的中轴区域较为稳定，边缘区域波动较大；e是c与d的交集，代表着每一个光伏阵列的中轴区域；f是对e的连通域分割，提取出每一个独立的光伏阵列，不同灰度代表不同阵列；g是结合b与f的信息，在阵列中划分出每一块组件单元的区域。

在图2所示的整个流程中，阵列的中轴区域提取与阵列中组件单元划分是比较关键的两步，在此做一详细描述：图3-a为图2-b的局部放大，图中的高亮区域为阵列的中轴区域，可以看出中轴区域具有稳定的双线结构，通过形态学操作便可过滤出中轴区域；图中的黑圈区域具有稳定的十字交叉结构，在得知中轴区域的基础上，通过对该区域内的横纵线交点进行聚类即可实现最小区域划分的目的，结果如图3-b所示。

步骤S2：

由于无人机飞行高度较低，导致每一帧红外图像的视场无法覆盖完整的阵列，为了定位组件单元在所属阵列中的位置，需要跟踪每一帧图像中的组件单元。在步骤S1中已经对每一帧图像中的最小组件单元进行了区域划分，可以通过十字交点的位置和编号来记录组件单元的区域。在跟踪的过程中只要实现十字交点的准确匹配就可以达到单元区域跟踪的目的。由于相邻帧间的红外图像在特征匹配时不够稳定，考虑到可见光图像与红外图像之间具有相似变换的关系，本发明在建立帧间联系时，借助可见光图像间的匹配结果，最终实现了跟踪组件单元的目的。该步骤具体的跟踪过程如图4所示，中间两列数据为对应的双光图像，记录了光伏阵列从进入视场到离开视场的整个过程，其中红外图像为步骤S1的结果；左侧为红外图像区域跟踪的结果；右侧为可见光特征匹配的过程。

步骤S3：

步骤S2会对每一块阵列中相邻组件单元的边缘交点进行跟踪，同一交点在不同视图中的编号是一致的。缺陷检测模块会输出异常组件单元在图像中的像素坐标，根据步骤S2中记录的交点编号可以确定异常组件单元在所属阵列中的位置。但是该位置仅为阵列中相对位置，阵列的绝对位置是未知的，所以无法将异常组件单元直接定位到全局的逻辑编号。步骤S3的目的就是建立图像中阵列与全局阵列之间的联系，并最终实现定位到组件单元的功能。具体的处理方法如图5所示，左侧为全局地图，右侧为在图4数据流中提取的前、中、后三帧图像，巡检作业之前需要工作人员对全局地图中的每一块阵列及组件单元进行逻辑编号，并且以阵列为单位记录中心位置所对应的GPS坐标，作为后续阵列间映射的纽带。逻辑映射的具体实现过程以图4中右侧图像序列为例，在每一块阵列的可视周期内，通常会出现三种形式：阵列首端可见、阵列末端可见以及两端都不可见；点A与点C为两端的十字交点，相比于其他交点具有更高的稳定性，可以对A、C两点通过几何定位方式计算对应的GPS坐标，根据中点定理可以估算出阵列中心点B所对应的GPS坐标；此外，由于图像之间的重叠度，A、C两点分别会出现在多张图像中，为了提高对B点的估算精度，可以选取距图像中心最近的A、C两点作为最优端点；最后，将B点估算出的GPS坐标在逻辑编号列表中进行最近邻匹配，便可得到最终的逻辑映射关系。

总之，通过以上三个步骤可以实现光伏巡检中平单轴场景中组件单元的定位功能，解决了平单轴场景定位难的问题，提高了工作人员对异常组件单元的排故效率。当然，对于该方法也存在需要改定的地方，例如，在早晨和傍晚时段，由于平单轴旋转角度过大，无人机以正射方式采集的图像无法达到检测要求，需要尝试更多的采集方式以及更鲁棒的图像处理算法。

Claims (3)

1.一种平单轴光伏场景无人机巡检目标定位方法，其特征在于，包括以下步骤：

步骤1，在红外图像中通过直线检测、交点聚类、连通域分割算法实现组件单元的区域划分；

步骤2，借助可见光图像间的匹配关系实现阵列及组件单元的跟踪；

步骤3，通过对阵列中心点的最优估计实现图像中阵列与全局逻辑编号之间的映射；

步骤1中具体为：

针对一帧红外图像，首先对其纹理进行直线检测，检测结果通过聚类的方法得到的主轴区域；对主轴区域通过形态学操作提取出的阵列边缘及中轴区域；对主轴区域和阵列边缘及中轴区域取交集，交集代表着每一个光伏阵列的中轴区域；对交集的连通域分割，提取出每一个独立的光伏阵列，不同灰度代表不同阵列；结合直线检测的结果和交集的连通域分割的信息，在阵列中划分出每一块组件单元的区域；

步骤3中具体为：步骤2对每一块阵列中相邻组件单元的边缘交点进行跟踪，同一交点在不同视图中的编号是一致的，根据步骤2中记录的交点编号确定异常组件单元在所属阵列中的位置，然后建立图像中阵列与全局阵列之间的联系，并最终实现定位到组件单元的功能；具体的处理方法：

巡检作业之前需要工作人员对全局地图中的每一块阵列及组件单元进行逻辑编号，并且以阵列为单位记录中心位置所对应的GPS坐标，作为后续阵列间映射的纽带；逻辑映射在每一块阵列的可视周期内，出现三种形式：阵列首端可见、阵列末端可见以及两端都不可见；

两端的十字交点，相比于其他交点具有更高的稳定性，对两端的十字交点通过几何定位方式计算对应的GPS坐标，根据中点定理可以估算出阵列中心点所对应的GPS坐标；此外，由于图像之间的重叠度，两端的十字交点分别会出现在多张图像中，选取距图像中心最近的两端的十字交点作为最优端点；最后，将阵列中心点估算出的GPS坐标在逻辑编号列表中进行最近邻匹配，便可得到最终的逻辑映射关系。

2.根据权利要求1所述的一种平单轴光伏场景无人机巡检目标定位方法，其特征在于，中轴区域具有稳定的双线结构，通过形态学操作过滤出中轴区域；在得知中轴区域的基础上，通过对该区域内的横纵线交点进行聚类实现最小区域划分。

3.根据权利要求1所述的一种平单轴光伏场景无人机巡检目标定位方法，其特征在于，步骤2中具体为：通过十字交点的位置和编号来记录步骤1中划分的区域，在跟踪的过程中实现十字交点的准确匹配，达到单元区域跟踪。

Images