CN115631116A - 基于双目视觉的飞行器电力巡检系统 - Google Patents
基于双目视觉的飞行器电力巡检系统 Download PDFInfo
- Publication number
- CN115631116A CN115631116A CN202211644653.4A CN202211644653A CN115631116A CN 115631116 A CN115631116 A CN 115631116A CN 202211644653 A CN202211644653 A CN 202211644653A CN 115631116 A CN115631116 A CN 115631116A
- Authority
- CN
- China
- Prior art keywords
- edge line
- line segment
- voltage cable
- pixel
- image
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 26
- 239000000126 substance Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000873 masking effect Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/73—
-
- G06T5/90—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于双目视觉的飞行器电力巡检系统,该系统包括:图像数据预处理模块,用于获取电力设施灰度图像,对图像进行边缘检测得到边缘线;图像数据分析模块,用于根据边缘线段上的像素点确定疑似高压电缆边缘线段;根据疑似高压电缆边缘线段垂直方向上的长度计算真实概率值;图像数据增强模块,用于根据真实概率值以及像素点在邻域内的像素差异得到疑似高压电缆边缘线段上的像素点的增强程度;根据所述增强程度确定优选修正因子,根据优选修正因子利用反锐化掩膜算法对电力设施灰度图像进行处理得到增强图像;根据增强图像获得飞行器在电力巡航时的安全距离。本发明能够获得增强效果较为理想的增强图像。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于双目视觉的飞行器电力巡检系统。
背景技术
利用飞行器实现电力巡检是电力行业新的巡检运维方式,可以对人工巡检形成有力补充,不仅降低了输电线路运维人员的劳动强度,而且提高了巡检质量和效率。但是电力设施所处环境恶劣复杂,飞行器在电力巡检的过程中需要较好的躲避障碍物的能力,利用双目立体视觉技术可以获得双目摄像机拍摄图像内空间场景的三维深度信息,实现了障碍物的识别和测距,为飞行器的安全飞行提供了保障。
然而,由于自然光照和云雾的影响,容易造成飞行器在飞行过程中摄像头采集的图像对比度较低。而低质量的图像会使计算出的拍摄场景三维深度信息可信度降低,为飞行器电力巡航带来安全隐患。因此,需要对飞行器在飞行过程中采集的图像进行增强处理。
传统的反锐化掩模图像增强算法,由于算法中修正因子的值固定不变,使得图像增强效果较不理想。具体地,当修正因子的取值较小时,图像增强的效果较差,当修正因子的取值较大时,会使图像内的一些边缘细节过度增强,图像可能会出现黑白边等不自然现象。
发明内容
为了解决由于反锐化掩膜图像增强算法中修正因子的值固定不变,使得图像增强效果较不理想的技术问题,本发明的目的在于提供一种基于双目视觉的飞行器电力巡检系统,所采用的技术方案具体如下:
图像数据预处理模块,用于获取飞行器上双目摄像机采集电力设施的图像,对图像进行灰度化处理得到电力设施灰度图像;对电力设施灰度图像进行边缘检测得到边缘线;
图像数据分析模块,用于根据边缘线上的交点对边缘线进行分割处理得到边缘线段,根据边缘线段上的像素点确定疑似高压电缆边缘线段;在垂直于疑似高压电缆边缘线段的方向上获取各像素点的特征长度,根据所述特征长度计算疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值;
图像数据增强模块,用于根据真实概率值以及像素点在邻域内的像素差异得到疑似高压电缆边缘线段上的像素点的增强程度;根据所述增强程度确定优选修正因子,根据优选修正因子利用反锐化掩膜算法对电力设施灰度图像进行处理得到增强图像;根据增强图像进行电力巡检。
优选地,所述根据边缘线段上的像素点确定疑似高压电缆边缘线段具体为:
对于一个边缘线段,获取该边缘线段上各像素点的像素坐标,根据所述像素坐标进行直线拟合,获取边缘线段上各像素点到拟合得到的直线上的距离,计算所有像素点对应的距离的均值记为边缘线段的第一特征值;进而获取所有边缘线段的第一特征值,计算所有边缘线段的第一特征值的均值得到特征均值,将第一特征值小于特征均值对应的边缘线段记为疑似高压电缆边缘线段。
优选地,所述在垂直于疑似高压电缆边缘线段的方向上获取各像素点的特征长度具体为:
分别获取过疑似高压电缆边缘线段上各像素点的垂线,对于疑似高压电缆边缘线段上的任意一个像素点,以该像素点为初始种子点,沿着垂线方向进行区域生长,获取生长得到的像素点数量记为该像素点的特征长度。
优选地,所述真实概率值的计算公式为:
其中,表示第t个疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值,表示第t个疑似高压电缆边缘线段上所有像素点对应的特征长度的方差,表示第t个疑似高压电缆边缘线段上所有像素点对应的特征长度的均值,表示所有疑似高压电缆边缘线段上所有像素点对应的特征长度的均值的平均值,T表示疑似高压电缆边缘线段的总数量。
优选地,所述增强程度的获取方法具体为:
对于疑似高压电缆边缘线段上任意一个像素点,在垂直于疑似高压电缆边缘线段的方向上,获取该像素点的八邻域内的两个邻域像素点,根据所述两个邻域像素点的灰度值的差值以及该像素点所在的疑似高压电缆边缘线段对应的真实概率值得到像素点的增强程度。
优选地,所述增强程度的计算公式为:
优选地,所述根据所述增强程度确定优选修正因子具体为:
本发明实施例至少具有如下有益效果:
本发明通过获取飞行器上双目摄像机采集电力设施的灰度图像,获取图像中的边缘线,考虑到了对非边缘像素点进行增强时容易造成噪声增强的影响,根据边缘线段上的像素点确定疑似高压电缆边缘线段,根据疑似高压电缆边缘线段垂直方向上的长度计算真实概率值,通过分析疑似高压电缆边缘线段对应高压电缆的宽度进而获得该边缘线段为真实的高压电缆边缘线段的可能性,考虑到了对属于高压电缆部分的边缘像素点需要进行较大程度的增强操作,结合像素点在邻域内的像素差异得到疑似高压电缆边缘线段上的像素点的增强程度,进而获得优选修正因子,实现像素点修正因子的自适应选取,可以有效的防止图像内非边缘区域进行增强时造成图像噪声增强,对需要识别的边缘像素点进行较好的增强,使得最终获得的增强图像的增强效果较为理想。进一步的,根据增强效果较好的图像利用双目立体视觉技术构建图像内的场景三维信息,使得场景三维信息较为准确,能够更好的保障飞行器进行安全巡航。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明的一种基于双目视觉的飞行器电力巡检系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于双目视觉的飞行器电力巡检系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于双目视觉的飞行器电力巡检系统的具体方案。
实施例:
本发明的主要目的是:通过对图像进行边缘检测获取边缘像素点,再将边缘像素点分为非高压电缆边缘点和疑似高压电缆边缘点,进而计算疑似高压电缆边缘点需要进行增强的程度,由此完成图像内各像素点修正因子的自适应选取,实现图像的增强处理。最后利用双目立体视觉技术构建图像内的场景三维信息,保障飞行器的安全巡航。
本发明所针对的具体场景为:由于自然光照和云雾的影响,易造成飞行器在飞行过程中摄像头采集的图像对比度较低,因此,需要对飞行器在进行电力巡检的飞行过程中采集的图像进行增强处理。
请参阅图1,其示出了本发明一个实施例提供的一种基于双目视觉的飞行器电力巡检系统的系统框图,该系统包括:
图像数据预处理模块,用于获取飞行器上双目摄像机采集电力设施的图像,对图像进行灰度化处理得到电力设施灰度图像;对电力设施灰度图像进行边缘检测得到边缘线。
需要说明的是,由于飞行器在进行电力巡检的飞行过程中摄像头的抖动、拍摄角度以及电力设施所处的高磁场环境因素的影响,容易导致采集到的图像质量较差。而低质量的图像会使得后续计算出的拍摄场景的三维深度信息的可信度降低,为飞行器的电力巡航工作带来安全隐患。因此,需要先对采集的图像进行增强处理,提高采集的图像的质量,进而能够获得精准的拍摄场景的三维深度图像,为飞行器的电力巡航工作的安全飞行提供保障。
基于此,获取飞行器上双目摄像机采集的左右场景图像,利用双目摄像机采集的图像有两张场景图像,且这两张场景图像均为电力设施的图像,在本实施例中,对双目摄像机获取的两张场景图像均进行相同的增强处理操作,故以其中任意一张场景图像为例进行说明。
对场景图像进行灰度化处理,即对电力设施的图像进行灰度化处理得到电力设施灰度图像。其中,对图像进行灰度化处理的方法为多种多样的,实施者可根据具体情况进行选择。
利用反锐化掩膜算法对图像进行增强处理的具体过程为:使用低通滤波对采集的原始图像进行模糊处理,将模糊处理后得到的图像与原始图像进行逐个像素点做差值运算,然后再与修正因子相乘,将相乘的结果与原始图像求和,最终得到增强后的图像。
其中,在实际中,由于反锐化掩膜算法中修正因子的值固定不变,使得图像增强效果较不理想。具体地,当修正因子的取值较小时,图像增强的效果较差,当修正因子的取值较大时,会使图像内的一些边缘细节过度增强,图像可能会出现黑白边等不自然现象。因此,在本发明的实施例中,通过计算图像内各像素点需要进行增强的概率,实现修正因子的自适应选取,提高图像增强的效果。
具体地,对电力设施灰度图像进行边缘检测得到边缘线,对图像进行边缘检测的方法是多种多样的,在本实施例中,利用canny边缘检测算法对电力设施灰度图像进行处理,获得电力设施灰度图像中各独立的边缘线。其中,将不属于边缘线的其他像素点记为第一类像素点,即将除边缘线之外的其他所有像素点均记为第一类像素点。
需要说明的是,由于反锐化掩膜算法是对图像中所有像素点均进行一定的增强处理,但是对图像中非边缘部分进行增强时,容易将图像中的噪声也进行增强处理,因此,本发明的实施例中,只对电力设施灰度图像中属于边缘线上的像素点进行增强,以提高图像的对比度,获得高质量的场景图像。
图像数据分析模块,用于根据边缘线上的交点对边缘线进行分割处理得到边缘线段,根据边缘线段上的像素点确定疑似高压电缆边缘线段;在垂直于疑似高压电缆边缘线段的方向上获取各像素点的特征长度,根据所述特征长度计算疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值。
首先,需要说明的是,利用飞行器对电力出现异常的高压电缆进行巡检时,由于高压电缆距离较远,且高压电缆在拍摄图像中的面积较小,为长线状,容易受到环境变化的影响,造成高压电缆区域识别精度较低。同时,飞行器和高压电缆之间需要保持一定的安全距离,防止高压磁场对飞行器造成较大的影响。因此,属于高压电缆部分的边缘上的像素点需要进行较大程度的增强处理,为后续测距提供准确的数据支持,保障飞行器与高压电缆之间始终保持一个安全距离。
具体地,根据边缘线上的交点对边缘线进行分割处理得到边缘线段,即对通过canny边缘检测算法获得的各独立的边缘线进行分割处理,对于存在交点的独立的边缘线,即两条或多条边缘线交叉在同一点,以该点作为分割点,将互相交叉的边缘线分割为边缘线段。对于不存在交点的独立的边缘线,将该边缘线记为边缘线段,即不对不存在交点的边缘线进行分割处理,直接将利用边缘检测算法得到的线段记为边缘线段。
然后,对于一个边缘线段,获取该边缘线段上各像素点的像素坐标,根据所述像素坐标进行直线拟合。由于在电力设施灰度图像中,属于高压电缆部分的边缘表现为直线状,而属于自然环境内的景物等其他边缘表现为无规则状。其中,像素点的像素坐标的获取方法为公知技术,实施者可通过在图像中构建坐标系以获取点的坐标,例如,以图像左上角为原点建立以像素点为单位的直角坐标系,像素点的横坐标与纵坐标分别是在其图像中所在的列数与所在行数。
基于此,可以通过获取各边缘线段上的像素点到拟合得到的直线上的距离。所述距离能够反映边缘线段偏离直线的程度,距离的取值越大,说明边缘线段上的像素点距离直线越远,该边缘线段越不可能属于直线的一部分,则该边缘线段越不可能属于高压电缆部分;距离的取值越小,说明边缘线段上的像素点距离直线越近,该边缘线段越可能属于直线的一部分,则该边缘线段越可能属于高压电缆部分。
具体地,获取边缘线段上各像素点到拟合得到的直线上的距离,计算所有像素点对应的距离的均值记为边缘线段的第一特征值;进而获取所有边缘线段的第一特征值,计算所有边缘线段的第一特征值的均值得到特征均值。由于属于高压电缆的边缘线段对应的第一特征值较小,不属于高压电缆的边缘线段的第一特征值较大,故将特征均值作为筛选阈值,获取疑似高压电缆部分的边缘线段。即将第一特征值小于特征均值对应的边缘线段记为疑似高压电缆边缘线段,进而将第一特征值大于或等于特征均值对应的边缘线段记为非高压电缆边缘线段。
其中,需要说明的是,点到直线的距离的计算方法为公式技术,在此不再过多介绍。同时,筛选阈值的取值实施者可根据实际情况进行设置。
最后,需要说明的是,由于不属于高压电缆部分的边缘线段中可能也会存在少量的直线状边缘,即在疑似高压电缆边缘线段中可能会有不属于高压电缆的部分,考虑到高压电缆具有一定的宽度,且在高压电缆上每个位置处对应的宽度均相同,或者差异较小,故可通过获取各疑似高压电缆边缘线段在垂直于该边缘线段的方向上的宽度,用来表征高压电缆的宽度,进而对疑似高压电缆边缘线段为真实的高压电缆边缘线段的可能性进行分析。
具体地,分别获取过疑似高压电缆边缘线段上各像素点的垂线,对于疑似高压电缆边缘线段上的任意一个像素点,以该像素点为初始种子点,沿着垂线方向进行区域生长,获取生长得到的像素点数量记为该像素点的特征长度。其中,进行区域生长的规则为,设置生长阈值,在本实施例中的取值为10,实施者可根据实际情况进行设置,即沿着垂线方向相邻的两个像素点的灰度值差值的绝对值不大于生长阈值时,进行生长。其中,在本实施例中,各像素点的垂线的获取方法为,获取疑似高压电缆边缘线段的拟合得到的直线的垂线,根据该垂线的方向进行区域生长。
进而可以将各个像素点沿着垂线方向生长的像素点数量看作疑似高压电缆在该像素点位置处的宽度。获取疑似高压电缆边缘线段上所有像素点的特征长度,计算所有像素点的特征长度均值,则每一个疑似高压电缆边缘线段均对应一个特征长度均值,利用该特征长度均值表示疑似高压电缆边缘线段对应的电缆的宽度。
若疑似高压电缆边缘线段属于高压电缆部分,则疑似高压电缆边缘线段上所有像素点对应的特征长度之间的差异较小,或者几乎不存在差异,即各个像素点对应的特征长度较为均一;若疑似高压电缆边缘线段不属于高压电缆部分,则疑似高压电缆边缘线段上所有像素点对应的特征长度之间的差异较大,即各个像素点对应的特征长度之间存在不同程度的波动。
基于此,计算疑似高压电缆边缘线段上所有像素点的特征长度的方差,根据方差和特征长度均值计算疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值,用公式表示为:
其中,表示第t个疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值,表示第t个疑似高压电缆边缘线段上所有像素点对应的特征长度的方差,表示第t个疑似高压电缆边缘线段上所有像素点对应的特征长度的均值,表示所有疑似高压电缆边缘线段上所有像素点对应的特征长度的均值的平均值,T表示疑似高压电缆边缘线段的总数量。
表示疑似高压电缆边缘线段上所有像素点对应的特征长度的均匀性和波动性,表示第t个疑似高压电缆边缘线段上各像素点对应的宽度变化,方差的取值越大,说明疑似高压电缆边缘线段上像素点对应的宽度变化越大,则真实概率值的取值越小,说明该疑似高压电缆边缘线段越不可能属于高压电缆部分。方差的取值越小,说明疑似高压电缆边缘线段上像素点对应的宽度变化越小,则真实概率值的取值越大,说明该疑似高压电缆边缘线段越可能属于高压电缆部分。
表示所有疑似高压电缆边缘线段的特征长度均值的平均值,表示所有疑似高
压电缆边缘线段对应的宽度的平均值,该平均值代表了疑似高压电缆边缘线段整体宽度的
均衡情况,表示第t个疑似高压电缆边缘线段对应的宽度和所有疑似高压电缆
边缘线段对应的宽度的平均值之间的差异,该差异越大,说明第t个疑似高压电缆边缘线段
对应的宽度与整体宽度的均衡情况的差别越大,则对应的真实概率值的取值越小,说明该
疑似高压电缆边缘线段越不可能属于高压电缆部分。该差异越小,说明第t个疑似高压电缆
边缘线段对应的宽度与整体宽度的均衡情况的差别越小,则对应的真实概率值的取值越
大,说明该疑似高压电缆边缘线段越可能属于高压电缆部分。
需要说明的是,在电力设施灰度图像中,高压电缆部分表现为具有一定宽度的长条状,因此,属于高压电缆部分的疑似高压电缆边缘线段上各像素点对应的宽度相等。同时,在同一高压铁塔上各高压电缆的规格相同,则高压电缆的宽度也相同,故真实概率值的取值越大,对应的疑似高压电缆边缘线段为真正的高压电缆边缘线段的概率越大。
图像数据增强模块,用于根据真实概率值以及像素点在邻域内的像素差异得到疑似高压电缆边缘线段上的像素点的增强程度;根据所述增强程度确定优选修正因子,根据优选修正因子利用反锐化掩膜算法对电力设施灰度图像进行处理得到增强图像;根据增强图像进行电力巡检。
首先,需要说明的是,对于疑似高压电缆边缘线段上的像素点,若像素点自身较为清晰,则仅需要对该像素点进行较小程度的增强操作即可,否则进行较大程度的增强操作时容易产生黑白变的现象,若像素点自身较不清晰,则需要对该像素点进行较大程度的增强操作。
基于此,对于疑似高压电缆边缘线段上任意一个像素点,在垂直于疑似高压电缆边缘线段的方向上,获取该像素点的八邻域内的两个邻域像素点,例如,过第s个像素点。且垂直于疑似高压电缆边缘线段的直线,获取在该直线上的第s个像素点的八邻域内的邻域像素点,即可得到所述两个邻域像素点,这两个邻域像素点表示第s个像素点八邻域内像素灰度剧烈变化方向上的邻域像素点,进而可以通过对两个邻域像素点的灰度差异进行分析,获得第s个像素点需要进行增强的程度。
根据所述两个邻域像素点的灰度值的差值以及该像素点所在的疑似高压电缆边缘线段对应的真实概率值得到像素点的增强程度,用公式表示为:
其中,表示第s个像素点对应的增强程度,表示第s个像素点所在的疑似高压电缆边缘线段对应的真实概率值,和分别表示在垂直于疑似高压电缆边缘线段的方向上,第s个像素点的八邻域内的两个邻域像素点的灰度值。分母中加1是为了防止分母为0的情况出现。
的取值越大,说明像素点所在的疑似高压电缆边缘线段属于高压电缆部分的可能性越大,由于在本发明实施例中,需要对高压电缆部分进行增强,故的取值越大,像素点的增强程度越大,说明像素点需要进行越大程度的增强操作。
表示第s个像素点八邻域内像素灰度剧烈变化方向上的灰度差异,表示归一化,该灰度差异取值越大,说明第s个像素点越清晰,则像素点的增强程度
取值越小,说明像素点需要进行越小程度的增强操作;该灰度差异取值越小,说明第s个像
素点越不清晰,则像素点的增强程度取值越大,说明像素点需要进行越大程度的增强操作。
然后,需要说明的是,本发明实施例利用反锐化掩膜算法对图像进行增强操作,该算法中修正因子的取值越大,对图像进行增强的程度也就越大,基于此,根据像素点的增强程度确定该算法中的修正因子。
对电力设施灰度图像中非边缘像素点进行增强时容易造成噪声增强,因此,对图像中不属于边缘部分的像素点不进行增强操作,即利用反锐化掩膜算法对图像进行处理时,令非边缘像素点的灰度值保持不变,故将这类像素点对应的修正因子设置为0。电力设施灰度图像中边缘像素点分为不重要的非高压电缆边缘像素点和重要的疑似高压电缆边缘像素点,因此,对不重要的非高压电缆边缘像素点进行较小程度的增强处理,将这类像素点对应的修正因子设置为1;对重要的疑似高压电缆边缘像素点进行较大程度的增强处理,令这类像素点的修正因子在[1,2]区间内自适应选取,具体的数值根据像素点的增强程度获得。
具体地,将电力设施灰度图像中除边缘线上的像素点外其他的像素点记为第一类像素点,将疑似高压电缆边缘线段上的像素点记为第二类像素点,将边缘线段中除疑似高压电缆边缘线段外其他边缘线段上的像素点记为第三类像素点;根据反锐化掩膜算法,将第一类像素点对应的修正因子设置为0,将第三类像素点对应的修正因子设置为1,将第二类像素点对应的修正因子设置为优选修正因子。
所述优选修正因子的计算公式具体为:
其中,表示第s个像素点对应的优选修正因子,表示第s个像素点对应的增强程度,表示所有像素点对应的增强程度的最小值,表示所有像素点对应的增强程度的最大值,表示对第s个像素点的增强程度进行归一化,使得最终计算得到的优选修正因子的取值范围为[1,2]。
需要说明的是,在本发明实施例中设施的修正因子的具体数值和取值范围实施者可根据实际情况进行设置,仅需要保证非边缘像素点对应的修正因子最小,不属于高压电缆部分的边缘像素点对应的修正因子第二小,属于高压电缆部分的边缘像素点对应的修正因子最大即可。其中,本发明实施例中为了有效的防止图像内非边缘区域进行增强时造成图像噪声增强,故将非边缘像素点对应的修正因子设置为0。
最后,由于利用反锐化掩膜算法对图像进行增强处理时需要首先对原始图像进行模糊处理,故在本发明实施例中采用尺寸大小为3×3的窗口对电力设施灰度图像进行均值滤波处理,得到模糊图像。进而根据电力设施灰度图像、模糊图像和修正因子,由此获得改进的反锐化掩模算法自适应修正因子增强后的图像,记为增强图像,用公式表示为:
其中,表示增强图像中像素点r的像素值,表示电力设施灰度图像中像素点r的灰度值,表示模糊图像中像素点r的像素值,表示像素点r对应的优选修正因子,表示像素点r属于第一类像素点,表示像素点r属于第二类像素点,表示像素点r属于第三类像素点。在本实施例中,的取值范围为[1,2]。
当像素点r属于第一类像素点时,其修正因子为0,对此类像素点不进行增强,即像素点的灰度值保持不变。当像素点r属于第二类像素点时,其修正因子为1,对此类像素点进行较小程度的增强。当像素点r属于第三类像素点时,其修正因子的取值为[1,2],对此类像素点进行较大程度的增强。同时,反锐化掩膜算法为公知技术,在此不再过多介绍。
进一步的,按照同样的处理方法对飞行器的双目摄像机采集的左右场景图像均进行增强处理,即获得了两张场景图像对应的两张增强图像。然后根据两张增强图像进行电力巡检,即根据两张增强图像获取飞行器与高压电缆之间的距离,根据该距离确定飞行器与电缆之间保持一定的安全距离,进而实现飞信器的安全电力巡检工作。
在本实施例中,对两张增强图像进行校正和立体匹配得到视差结果,并计算出场景的深度映射图像,进而构建出空间景物的三维深度信息。由此实现人工操作飞行器时始终与电缆保持安全距离,保证飞行器在电力巡航过程中的安全飞行。其中,根据双目摄像机获得的左右场景图像获取三维深度信息为公知技术,在此只做简单的介绍,不再过多赘述。
作为其他实施例,基于双目视觉的飞行器电力巡检系统获取到增强图像后,由工作人员对增强图像进行监控,实现人工电力巡检。
需要说明的是,本发明实施例通过改进反锐化掩模算法提高图像的增强效果,先对图像进行边缘检测获取边缘像素点,然后将边缘像素点分为非高压电缆边缘点和疑似高压电缆边缘点,进而计算疑似高压电缆边缘点需要进行增强的程度,由此完成图像内各像素点修正因子的自适应选取,可以有效的防止图像内非边缘区域进行增强时造成图像噪声增强,以及对需要识别的边缘像素点进行较好的增强,实现图像的增强处理。最后利用双目立体视觉技术构建图像内的场景三维信息,保障飞行器进行安全巡航。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于双目视觉的飞行器电力巡检系统,其特征在于,该系统包括:
图像数据预处理模块,用于获取飞行器上双目摄像机采集电力设施的图像,对图像进行灰度化处理得到电力设施灰度图像;对电力设施灰度图像进行边缘检测得到边缘线;
图像数据分析模块,用于根据边缘线上的交点对边缘线进行分割处理得到边缘线段,根据边缘线段上的像素点确定疑似高压电缆边缘线段;在垂直于疑似高压电缆边缘线段的方向上获取各像素点的特征长度,根据所述特征长度计算疑似高压电缆边缘线段为真实高压电缆边缘线段的真实概率值;
图像数据增强模块,用于根据真实概率值以及像素点在邻域内的像素差异得到疑似高压电缆边缘线段上的像素点的增强程度;根据所述增强程度确定优选修正因子,根据优选修正因子利用反锐化掩膜算法对电力设施灰度图像进行处理得到增强图像;根据增强图像进行电力巡检。
2.根据权利要求1所述的一种基于双目视觉的飞行器电力巡检系统,其特征在于,所述根据边缘线段上的像素点确定疑似高压电缆边缘线段具体为:
对于一个边缘线段,获取该边缘线段上各像素点的像素坐标,根据所述像素坐标进行直线拟合,获取边缘线段上各像素点到拟合得到的直线上的距离,计算所有像素点对应的距离的均值记为边缘线段的第一特征值;
进而获取所有边缘线段的第一特征值,计算所有边缘线段的第一特征值的均值得到特征均值,将第一特征值小于特征均值对应的边缘线段记为疑似高压电缆边缘线段。
3.根据权利要求1所述的一种基于双目视觉的飞行器电力巡检系统,其特征在于,所述在垂直于疑似高压电缆边缘线段的方向上获取各像素点的特征长度具体为:
分别获取过疑似高压电缆边缘线段上各像素点的垂线,对于疑似高压电缆边缘线段上的任意一个像素点,以该像素点为初始种子点,沿着垂线方向进行区域生长,获取生长得到的像素点数量记为该像素点的特征长度。
5.根据权利要求1所述的一种基于双目视觉的飞行器电力巡检系统,其特征在于,所述增强程度的获取方法具体为:
对于疑似高压电缆边缘线段上任意一个像素点,在垂直于疑似高压电缆边缘线段的方向上,获取该像素点的八邻域内的两个邻域像素点,根据所述两个邻域像素点的灰度值的差值以及该像素点所在的疑似高压电缆边缘线段对应的真实概率值得到像素点的增强程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211644653.4A CN115631116B (zh) | 2022-12-21 | 2022-12-21 | 基于双目视觉的飞行器电力巡检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211644653.4A CN115631116B (zh) | 2022-12-21 | 2022-12-21 | 基于双目视觉的飞行器电力巡检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631116A true CN115631116A (zh) | 2023-01-20 |
CN115631116B CN115631116B (zh) | 2023-03-10 |
Family
ID=84910147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211644653.4A Active CN115631116B (zh) | 2022-12-21 | 2022-12-21 | 基于双目视觉的飞行器电力巡检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631116B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168025A (zh) * | 2023-04-24 | 2023-05-26 | 日照金果粮油有限公司 | 一种油幕式油炸花生生产系统 |
CN116503481A (zh) * | 2023-06-25 | 2023-07-28 | 天津中德应用技术大学 | 基于图像视觉引导的自动泊车位姿检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473748A (zh) * | 2013-09-23 | 2013-12-25 | 中国矿业大学(北京) | 一种煤矿井下图像增强的方法 |
CN104504664A (zh) * | 2014-12-29 | 2015-04-08 | 河海大学常州校区 | 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法 |
US10438328B1 (en) * | 2016-12-15 | 2019-10-08 | Google Llc | Chroma blurring reduction in video and images |
CN111429381A (zh) * | 2020-04-10 | 2020-07-17 | 展讯通信(上海)有限公司 | 图像边缘增强方法及装置、存储介质、计算机设备 |
CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
CN113989501A (zh) * | 2021-10-22 | 2022-01-28 | 深圳大学 | 一种图像分割模型的训练方法及相关装置 |
CN114972106A (zh) * | 2022-06-13 | 2022-08-30 | 上海微觅医疗器械有限公司 | 内窥镜的图像处理方法、装置、图像处理设备和内窥镜 |
CN115205713A (zh) * | 2022-05-23 | 2022-10-18 | 中北大学 | 一种无人机遥感图像阴影区景物颜色与纹理细节恢复方法 |
-
2022
- 2022-12-21 CN CN202211644653.4A patent/CN115631116B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473748A (zh) * | 2013-09-23 | 2013-12-25 | 中国矿业大学(北京) | 一种煤矿井下图像增强的方法 |
CN104504664A (zh) * | 2014-12-29 | 2015-04-08 | 河海大学常州校区 | 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法 |
US10438328B1 (en) * | 2016-12-15 | 2019-10-08 | Google Llc | Chroma blurring reduction in video and images |
CN111429381A (zh) * | 2020-04-10 | 2020-07-17 | 展讯通信(上海)有限公司 | 图像边缘增强方法及装置、存储介质、计算机设备 |
CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
CN113989501A (zh) * | 2021-10-22 | 2022-01-28 | 深圳大学 | 一种图像分割模型的训练方法及相关装置 |
CN115205713A (zh) * | 2022-05-23 | 2022-10-18 | 中北大学 | 一种无人机遥感图像阴影区景物颜色与纹理细节恢复方法 |
CN114972106A (zh) * | 2022-06-13 | 2022-08-30 | 上海微觅医疗器械有限公司 | 内窥镜的图像处理方法、装置、图像处理设备和内窥镜 |
Non-Patent Citations (3)
Title |
---|
MURINTO 等: "Image enhancement using piecewise linear contrast stretch methods based on unsharp masking algorithms for leather image processing" * |
ZHOU ZHAO 等: "PLIP based unsharp masking for medical image enhancement" * |
刘明坤 等: "基于图像局部方差分布的自适应反锐化掩模算法" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168025A (zh) * | 2023-04-24 | 2023-05-26 | 日照金果粮油有限公司 | 一种油幕式油炸花生生产系统 |
CN116168025B (zh) * | 2023-04-24 | 2023-07-07 | 日照金果粮油有限公司 | 一种油幕式油炸花生生产系统 |
CN116503481A (zh) * | 2023-06-25 | 2023-07-28 | 天津中德应用技术大学 | 基于图像视觉引导的自动泊车位姿检测系统 |
CN116503481B (zh) * | 2023-06-25 | 2023-08-29 | 天津中德应用技术大学 | 基于图像视觉引导的自动泊车位姿检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115631116B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115631116B (zh) | 基于双目视觉的飞行器电力巡检系统 | |
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN109615611B (zh) | 一种基于巡检影像的绝缘子自爆缺陷检测方法 | |
CN106683075B (zh) | 一种输电线杆塔横担处螺栓缺陷检测方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN108682039B (zh) | 一种双目立体视觉测量方法 | |
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 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN111415363A (zh) | 一种图像边缘识别方法 | |
CN111402247A (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN110288571B (zh) | 一种基于图像处理的高铁接触网绝缘子异常检测方法 | |
CN109829858B (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN116228780A (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN114359286A (zh) | 一种基于人工智能的绝缘子缺陷识别方法、设备及介质 | |
CN116630321B (zh) | 基于人工智能的桥梁健康智能监测系统 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN116758423A (zh) | 一种基于白点率法的输电线路异物检测方法 | |
CN116758447A (zh) | 一种基于数字孪生的变电站设备故障分析系统 | |
CN114120061A (zh) | 一种面向电力巡检场景的小目标缺陷检测方法及系统 | |
CN110310223B (zh) | 一种紫外光与可见光图像的融合方法 | |
CN113963107A (zh) | 一种基于双目视觉的大型目标三维重建方法及系统 |
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 |