CN114283126A - 一种输电线路监控设备偏移检测方法 - Google Patents

Abstract

本发明涉及输电线路检修领域，具体涉及一种输电线路监控设备偏移检测方法。针对输电线路通道的监控设备，通过检测当前设备的异常状态，来判断设备偏移的程度。具体设计用特征点匹配算法和全图的轮廓对比算法判断当前检测图和标准样图之间的偏移程度，通过标注流动的场景、水印和感兴趣区域来进行图像对比，计算偏移距离。标注的流动场景信息和水印区域进行抹除，排除干扰因素，以至于可以留下固定的目标特征做对比，感兴趣区域对其提取特征点，并进行特征匹配。本发明在输电线路设备检测时，可以迅速的检测到当前监控设备的偏移状态，并进行偏移预警。

Description

一种输电线路监控设备偏移检测方法

技术领域

本发明涉及输电线路检修技术领域，具体涉及一种输电线路监控设备偏移检测方法。

背景技术

随着输电线路检修技术的升级，通过前端设备抓拍图像来进行远程的监控和巡查的输电线路通道可视化远程巡视被广泛应用。监控设备的运行状态值得重点关注，是技术和系统正常运行的基础。但是由于输电线路的特殊性，监控设备的检测成本较大和人力资源的不足，导致受外界因素影响的设备偏移问题很难即使被发现，影响输电线路远程监控系统的正常运行。

中国专利申请201410606800.8公开了一种基于全景图的电力杆塔维护与预警系统，该系统采用sobel算子和canny算子去并集提取特征点，并分析位移差，可以得到更多的轮廓点去做特征匹配，但根据相似性度量很难去匹配较多的特征点，很难对变化幅度较小的局部区域进行分析。中国专利申请201710568690.4公开了一种基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法，该方法利用GLOH描述子去提取特征点来定位绝缘子，然后利用GVF-Snake模型去精确检测绝缘子的轮廓，虽然绝缘子轮廓的检测精度很高，但是运行时间很长，很难做到实时性。中国专利201510522451.6公开了一种输电线路航拍图像拼接方法，该方法利用ORB特征点进行特征匹配，通过匹配的多张图像计算坐标空间的变换矩阵，从而进行重合区域的加权融合，但该方法依然存在特征点匹配不足的问题，当遇到低质量图片或场景信息单一，边缘信息较少的图片，就无法通过ORB特征得到较多的匹配特征点。中国专利申请202010191701.3公开了一种基于曲线轮廓匹配的甲骨拓片缀合方法，该方法对甲骨拓片图像处理得到轮廓曲线图像，提取曲线轮廓的特征并基于相关性分析和拟合度分析相结合的曲线匹配算法来进行甲骨拓片图像匹配，可以较好的提高轮廓特征匹配的精度，更容易进行目标图像匹配，但该方法依赖于提取的曲线轮廓，当提取轮廓存在局部缺失的情况下，对于高精度的曲线轮廓匹配就很难达到较好的效果。中国专利201911263255.6公开了一种遥感图像滑坡目标约束性主动轮廓特征提取方法，该方法采用canny算子先提取一次全图的特征点，然后根据约束条件去筛选出滑坡区域轮廓，再通过canny算子二次提取边缘点去匹配滑坡区域的边缘轮廓；这种两次边缘提取的方法虽然可以更好的提取到目标轮廓，提升了匹配精度，但重复提取的过程肯定增加了运行时长和资源消耗。

因此，如何提供一种简单、可靠的输电线路设备偏移检测方法，为保障远程监控的正常进行提供技术支撑，是目前本领域技术人员亟待解决的问题之一。

发明内容

本发明的目的在于提供一种输电线路设备偏移检测方法，该方法能够快速地检测出当前监控设备的偏移程度，在复杂场景下也有较高的检测准确性。

为实现上述目的，本发明采用了以下技术方案：

一种输电线路监控设备偏移检测方法，该方法包括以下步骤：

S1、从现场监控设备拍摄的固定线路的输电场景图片中选取一张作为样图，在样图中标注出干扰区域和感兴趣区域，将标注后的样图作为标准对比图片。

S2、从标准对比图片中获取设备名和标注信息，将待检测图片的相关信息与标准对比图片进行匹配(具体地说，是将待检测图片和标准对比图片的设备号信息进行匹配，判断是不是同一个设备的场景图片)，在待检测图片中标注出干扰区域和感兴趣区域，并根据标准对比图片中的标注信息，将待检测图片和标准对比图片中的干扰区域抹除。将待检测图片和标准对比图片的干扰区域抹除，是为了便于后续提取轮廓后的对比，提高对比效率和准确性。

S3、分别对标准对比图片和待检测图片的感兴趣区域进行特征点提取，并对提取到的标准对比图片的特征点和待检测图片的特征点进行特征点匹配。

S4、计算比对匹配特征点的欧氏距离，根据设定的欧氏距离阈值过滤掉匹配程度较低的特征点，剩余的特征点构成匹配特征点集合。

S5、若匹配特征点集合中的特征点的数量小于设定的特征点数量阈值，则执行步骤S6；若匹配特征点集合中的特征点的数量不大于设定的特征点数量阈值，则特征点匹配正常，先根据特征点坐标计算每个匹配特征点的欧式距离，并求得匹配特征点集合中全部特征点的欧氏距离的平均值，再对平均值进行归一化处理后，与预先设定阈值比对，计算待检测图片的特征点的偏移距离。

S6、采用Canny算法对经步骤S5处理后的标准对比图片和待检测图片进行边缘化处理，提取标准对比图片和待检测图片的全局轮廓，并采用皮尔森相关性计算方法计算标准对比图片的全局轮廓与待检测图片的全局轮廓的轮廓差异值。

进一步的，所述干扰区域为具有流动性场景信息的区域，所述感兴趣区域为固定不变且特征明显的目标区域。

进一步的，所述的“在样图中标注出干扰区域和感兴趣区域，将标注后的样图作为标准对比图片”，其具体包括：采用labelme标注软件对样图的干扰区域进行多边形标注，对样图的感兴趣区域进行矩形标注，生成对应的标注json文件，标注后的样图作为标准对比图片。

进一步的，所述的“从标准对比图片中获取设备名和标注信息，将待检测图片的相关信息与标准对比图片进行匹配，在待检测图片中标注出干扰区域和感兴趣区域，并根据标准对比图片中的标注信息，将待检测图片中的干扰区域抹除”，其具体包括：从标注json文件中读取设备名和标注信息，匹配待检测图片的相关信息，根据样图中标注的多边形的坐标值计算出多边形的最小内接矩形，并根据最小内接矩形的位置信息，在待检测图片的相应位置处填充极值像素，将待检测图片中的干扰区域抹除。

进一步的，所述的“分别对标准对比图片和待检测图片的感兴趣区域进行特征点提取，并对提取到的标准对比图片的特征点和待检测图片的特征点进行特征点匹配；”，其具体包括以下步骤：

S31、采用ORB算法中的FAST特征点算法分别对标准对比图片和待检测图片中的感兴趣区域进行特征点提取。

S32、采用ORB算法中的knn方法对步骤S31提取的特征点进行特征点匹配。

进一步的，所述的“计算比对匹配特征点的欧氏距离，根据设定的欧氏距离阈值过滤掉匹配程度较低的特征点，剩余的特征点构成匹配特征点集合；”，其具体包括以下步骤：

S41、计算比对匹配特征点的欧氏距离。

S42、根据设定的欧氏距离阈值，过滤掉匹配程度低的特征点，剩余的相似程度大的匹配特征点构成匹配特征点集合。

进一步的，所述的“采用Canny算法对经步骤S5处理后的标准对比图片和待检测图片进行边缘化处理，提取标准对比图片和待检测图片的全局轮廓，并采用皮尔森相关性计算方法计算标准对比图片的全局轮廓与待检测图片的全局轮廓的轮廓差异值，根据轮廓差异值判定待检测图片的偏移程度。”，其具体包括以下步骤：

S61、采用Canny算法分别提取经步骤S5处理后的标准对比图片和待检测图片的图片边缘点，先分别对标准对比图片和待检测图片进行高斯平滑，得到过滤噪声后的标准对比图片和待检测图片后，再沿着两个图片像素的梯度方向对图像像素值进行非极大值抑制，在邻域中沿着梯度方向进行像素比对，若中心像素为最大值，则保留，否则置0，从而保留局部梯度最大的点，得到细化的边缘。

S62、对经步骤S61处理后的标准对比图片和待检测图片进行形态学处理；根据邻域模板像素分别对标准对比图片和待检测图片的全局像素进行与或操作，先用图像腐蚀方法分别对标准对比图片和待检测图片进行与操作，缩小图片的轮廓值，去除局部区域的干扰噪点，再通过图像膨胀方法分别对标准对比图片和待检测图片进行或操作，增强标准对比图片和待检测图片的轮廓区域，最后得到形态学处理后的标准对比图片和待检测图片的轮廓图。

S63、分别计算标准对比图片的轮廓图和待检测图片的轮廓图的皮尔森距离，得到两张图片的轮廓差异值，与先验设定的轮廓差异阈值进行对比并进行归一化，从而计算检测图片的轮廓差异值。皮尔森距离是评判轮廓差异值的指标。

S64、当进行特征点匹配，并且匹配成功时(步骤S5中能够成功进行特征点匹配时，认为匹配成功，只进行一次综合的特征偏移判断)，根据得到的特征匹配距离和轮廓差异值按1:1比例计算总体的偏移程度，即0.5*特征匹配平均距离+0.5轮廓差异值，综合判断偏移程度。当特征匹配失败时，根据轮廓差异值计算偏移程度，当轮廓差异值大于0.6时，判定为严重偏移；当轮廓差异值大于0.4，小于0.6时，判定为轻微偏移；当轮廓差异值小于0.4时，判定为不偏移。

和现有技术相比，本发明的优点为：

(1)本发明能快速地检测到给定监控区域的输电线路监控设备的偏移状态，为输电线路可视化远程巡视等场景提供技术支撑。

(2)本发明将特征匹配算法和轮廓对比算法进行最优的策略组合，提升了整体检测算法的鲁棒性，并利用皮尔森相关性计算待检测图片与标准对比图片的轮廓差异值，对不同轮廓的差异值区分更加敏感。在特征匹配算法中，本发明采用先验知识对感兴趣区域做特征匹配，从而实现更好的匹配效果和较小的计算复杂度，对一些特征表现不明显的图片也有较好的匹配效果。在轮廓比对算法中，本发明采用通过皮尔森距离判断待检测图片与标准对比图片的轮廓差异值，从而判断输电线路监控设备的偏移程度，解决了特征点匹配不足和图像相似度较大的问题。

(3)本发明在复杂的场景中仍然有较好的检测效果，通过对图片进行干扰区域标注，并针对干扰区域进行抹除操作，能够有效避免流动性场景变化带来的干扰，可以稳定并长期地对输电线路监控设备的偏移状态进行实时监测。

(4)本发明主要解决了特征点匹配不够和单一场景通用性不足的问题，并且在复杂场景下也能够保持较高的精度，也具有一定的实时性。本发明通过对标准图片进行固定区域的标注，在特征点较多的区域进行特征点提取与特征点匹配，并且为了解决复杂场景信息的干扰，抹除复杂的干扰性背景区域，能够提高特征点匹配的精度。本发明将轮廓检测算法和特征匹配算法进行策略组合，不仅能够提升整体检测的鲁棒性，还能解决特征点匹配不足的问题和提高通用性。

(5)针对现有技术很难对变化幅度较小的局部区域进行分析，本发明通过对标注的固定区域提取特征点，并进行特征点匹配，提高了特征点匹配的精度。针对现有的偏移检测方法运行时间很长，很难做到实时性的问题，本发明通过采用皮尔森距离判断轮廓差异值，提升了检测速度。针对现有技术中存在的特征点匹配不足，当遇到低质量图片或场景信息单一，边缘信息较少的图片，就无法通过ORB特征得到较多的匹配特征点的问题，本发明通过标注复杂场景的背景区域，抹除干扰信息，能够提取更多的特征点。针对现有技术中依赖于提取的曲线轮廓，当提取轮廓存在局部缺失的情况下，对于高精度的曲线轮廓匹配就很难达到较好的效果的问题，本发明采用特征匹配和轮廓检测组合判断的方式进行偏移检测，提升了整体的鲁棒性。针对现有技术中存在的重复提取的过程肯定增加了运行时长和资源消耗的问题，本发明只进行一次特征提取和轮廓提取，能够更好地满足精度和速度的要求。

附图说明

图1是本发明的方法流程图；

图2是抹除干扰区域的示例图；

图3是特征匹配示例图；

图4是轮廓对比示例图；

图5是待检测图和样图的对比图。

具体实施方式

下面结合附图对本发明做进一步说明：

针对现有技术的不足，本发明提供了如图1所示的一种输电线路设备偏移检测方法，通过标注去掉流动的场景干扰区域后，采用ORB特征匹配算法找到图片之间的ROI匹配特征点，计算特征点的平均匹配距离，进行阈值判断偏移的程度，当图片匹配的特征点过少，无法做出有效判断时，采用Canny方法对标准比对图片和待检测图片进行边缘提取，得到标准比对图片和待检测图片的轮廓图，并对两个轮廓图进行匹配对比，计算两个轮廓图的轮廓差异值，综合判断设备偏移的程度。本发明可以快速地检测到当前监控设备的偏移程度，并且在复杂场景下也有较好的效果。

采用本发明对某省输电线路监控设备的偏移状态进行检测。在远距离监控过程中，受到天气、风速和人为的外界因素导致监控设备位置出现了偏移，输出了一系列的异常图片，需要在抓拍监控图像时检测当前设备的偏移程度，根据检测结果进行预警，并及时修正。待检测图片名：99000843200301_20210304163003.jpg，具体检测过程如下：

(1)根据标注信息去抹除样图场景中的干扰区域，排除干扰因素，处理图像的效果图如图2所示。干扰区域包括流动场景和水印等区域。

(2)特征点匹配过程，提取待检测图片中有效的特征点，在过滤掉无效的特征点后，对有效的特征点进行特征点匹配，并计算感兴趣区域的特征匹配距离为176.95，与先验阈值匹配距离进行对比判断，特征匹配的效果图如图3表示。

(3)全图轮廓对比过程，提取两幅图的轮廓，并通过皮尔森距离计算轮廓差异值为0.24，与先验阈值轮廓差异值进行对比判断，轮廓提取的效果图如图4所示。

(4)综合特征匹配距离和轮廓差异值结果，最终输出检测结果：严重偏移。待检测图片和对比样图如图5表示。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (7)

1.一种输电线路监控设备偏移检测方法，其特征在于：该方法包括以下步骤：

S1、从现场监控设备拍摄的固定线路的输电场景图片中选取一张作为样图，在样图中标注出干扰区域和感兴趣区域，将标注后的样图作为标准对比图片；

S2、从标准对比图片中获取设备名和标注信息，将待检测图片的相关信息与标准对比图片进行匹配，在待检测图片中标注出干扰区域和感兴趣区域，并根据标准对比图片中的标注信息，将待检测图片和标准对比图片中的干扰区域抹除；

S3、分别对标准对比图片和待检测图片的感兴趣区域进行特征点提取，并对提取到的标准对比图片的特征点和待检测图片的特征点进行特征点匹配；

S4、计算比对匹配特征点的欧氏距离，根据设定的欧氏距离阈值过滤掉匹配程度较低的特征点，剩余的特征点构成匹配特征点集合；

S5、若匹配特征点集合中的特征点的数量小于设定的特征点数量阈值，则执行步骤S6；若匹配特征点集合中的特征点的数量不大于设定的特征点数量阈值，则特征点匹配正常，先根据特征点坐标计算每个匹配特征点的欧式距离，并求得匹配特征点集合中全部特征点的欧氏距离的平均值，再对平均值进行归一化处理后，与预先设定阈值比对，计算待检测图片的特征点的偏移距离；

S6、采用Canny算法对经步骤S5处理后的标准对比图片和待检测图片进行边缘化处理，提取标准对比图片和待检测图片的全局轮廓，并采用皮尔森相关性计算方法计算标准对比图片的全局轮廓与待检测图片的全局轮廓的轮廓差异值。

2.根据权利要求1所述的一种输电线路监控设备偏移检测方法，其特征在于：所述干扰区域为具有流动性场景信息的区域，所述感兴趣区域为固定不变且特征明显的目标区域。

3.根据权利要求1所述的一种输电线路监控设备偏移检测方法，其特征在于：所述的“在样图中标注出干扰区域和感兴趣区域，将标注后的样图作为标准对比图片”，其具体包括：采用labelme标注软件对样图的干扰区域进行多边形标注，对样图的感兴趣区域进行矩形标注，生成对应的标注json文件，标注后的样图作为标准对比图片。

4.根据权利要求3所述的一种输电线路监控设备偏移检测方法，其特征在于：所述的“从标准对比图片中获取设备名和标注信息，将待检测图片的相关信息与标准对比图片进行匹配，在待检测图片中标注出干扰区域和感兴趣区域，并根据标准对比图片中的标注信息，将待检测图片中的干扰区域抹除”，其具体包括：从标注json文件中读取设备名和标注信息，匹配待检测图片的相关信息，根据样图中标注的多边形的坐标值计算出多边形的最小内接矩形，并根据最小内接矩形的位置信息，在待检测图片的相应位置处填充极值像素，将待检测图片中的干扰区域抹除。

5.根据权利要求4所述的一种输电线路监控设备偏移检测方法，其特征在于：所述的“分别对标准对比图片和待检测图片的感兴趣区域进行特征点提取，并对提取到的标准对比图片的特征点和待检测图片的特征点进行特征点匹配；”，其具体包括以下步骤：

S31、采用ORB算法中的FAST特征点算法分别对标准对比图片和待检测图片中的感兴趣区域进行特征点提取；

S32、采用ORB算法中的knn方法对步骤S31提取的特征点进行特征点匹配。

6.根据权利要求5所述的一种输电线路监控设备偏移检测方法，其特征在于：所述的“计算比对匹配特征点的欧氏距离，根据设定的欧氏距离阈值过滤掉匹配程度较低的特征点，剩余的特征点构成匹配特征点集合；”，其具体包括以下步骤：

S41、计算比对匹配特征点的欧氏距离；

S42、根据设定的欧氏距离阈值，过滤掉匹配程度低的特征点，剩余的相似程度大的匹配特征点构成匹配特征点集合。

7.根据权利要求6所述的一种输电线路监控设备偏移检测方法，其特征在于：所述的“采用Canny算法对经步骤S5处理后的标准对比图片和待检测图片进行边缘化处理，提取标准对比图片和待检测图片的全局轮廓，并采用皮尔森相关性计算方法计算标准对比图片的全局轮廓与待检测图片的全局轮廓的轮廓差异值，根据轮廓差异值判定待检测图片的偏移程度。”，其具体包括以下步骤：

S61、采用Canny算法分别提取经步骤S5处理后的标准对比图片和待检测图片的图片边缘点，先分别对标准对比图片和待检测图片进行高斯平滑，得到过滤噪声后的标准对比图片和待检测图片，再沿着两个图片像素的梯度方向对图像像素值进行非极大值抑制，在邻域中沿着梯度方向进行像素比对，若中心像素为最大值，则保留，否则置0，保留局部梯度最大的点，得到细化的边缘；

S62、对经步骤S61处理后的标准对比图片和待检测图片进行形态学处理；根据邻域模板像素分别对标准对比图片和待检测图片的全局像素进行与或操作，先用图像腐蚀方法分别对标准对比图片和待检测图片进行与操作，缩小图片的轮廓值，去除局部区域的干扰噪点，再通过图像膨胀方法分别对标准对比图片和待检测图片进行或操作，增强标准对比图片和待检测图片的轮廓区域，最后得到形态学处理后的标准对比图片和待检测图片的轮廓图；

S63、分别计算标准对比图片的轮廓图和待检测图片的轮廓图的皮尔森距离，得到两张图片的轮廓差异值，与先验设定的轮廓差异阈值进行对比并进行归一化处理，计算检测图片的轮廓差异值；

S64、当进行特征点匹配，并且匹配成功时，根据得到的特征匹配距离和轮廓差异值按1:1比例计算总体的偏移程度，即0.5*特征匹配平均距离+0.5轮廓差异值，综合判断偏移程度；当特征匹配失败时，根据轮廓差异值计算偏移程度，当轮廓差异值大于0.6时，判定为严重偏移；当轮廓差异值大于0.4，小于0.6时，判定为轻微偏移；当轮廓差异值小于0.4时，判定为不偏移。

Images