基于雙目測距的無人機電力線路巡檢安全距離測量研究

張靜 劉曉銘 黃國方

摘 要： 為了提高無人機電力線路巡檢效率，在分析雙目視覺測距以及雙目相機標定的基礎上，建立了基于雙目測距的無人機電力線路巡檢安全距離測量方案，并采用雙目測距原理搭建試驗臺對建立的系統進行實拍圖像的Hough直線測試。研究結果表明模擬和輸電線相距15米的部位測距時，在無人機上搭載雙目測距儀，通過對比發現測試距離接近實際15米，誤差被控制于5%范圍內。利用無人機搭載雙目測距儀，控制趕超非常靈活，當無人機飛行期間受到氣流干擾后云臺角度將發生變化。

關鍵詞： 雙目測距; 無人機; 線路巡檢; 安全距離

中圖分類號： ? ? ? 文獻標志碼：

Research on Safety Distance Measurement of Unmanned Aerial Vehicle Power

Line Inspection Based on Binocular Ranging

ZHANG Jing1，2， LIU Xiaomin1，2， HUANG Guofang1，2

（1. NARI Group Corporation （State Grid Electric Power Research Institute）， Nanjing 211106;

2. NARI Technology Co. Ltd.， Nanjing 211106）

Abstract： In order to improve the safe distance measurement accuracy for unmanned aerial vehicle （UAV） power line inspection， based on the analysis of binocular vision range and binocular camera calibration， safe distance measurement for power line inspection scheme of UAV binocular distance measurement is established. The binocular distance measurement principle is used to build test bench to set up the system of film image by Hough line test. The results show when the distance between the simulation and the power line is 15 m， the test distance of UAV which is equipped with a binocular rangefinder is close to 15m and the error is controlled within 5%. The UAV is very flexible in controlling catching up. When the UAV is disturbed by airflow during flight， the head angle will be changed.

Key words： Binocular ranging; Unmanned aerial vehicle; Line inspection; Safe distance

0 引言

目前，對物體圖像進行多角度采集并根據視差分析原理來得到物體三維立體數據來重構物體與周圍環境已經成為一項成熟技術，目前熱點研究在三維立體信息的距離測試過程[1-3]。為實現對無人機電力線路巡檢期間的飛行距離進行有效監測以保證其安全性，可以通過雙目測距方法來測試無人機電力線路巡檢的距離[4]。不同于傳統形式的雙目匹配算法，采用的處理方法不必利用卷積窗口來遍歷左右圖像的所有像素點，實現了快速匹配，減小程序冗雜性的目的[5-6]。

文獻[7]利用圖像識別的方法構建得到輸電線路成像模型?？紤]到進行實際應用的過程中會受到復雜背景的干擾，以本方法進行圖像識別時會產生明顯的噪聲，只能得到模糊的桿塔邊緣，因此計算幾何關系時將會提高參數的誤差;文獻[8]設計了一種通過傾斜誤差補償矯正方法來實現對飛行器的圖像測距信息采集。

1 雙目測距系統

1.1 雙目視覺測距

首先應計算不同坐標系的相互關系，再計算出目標位于世界坐標系內的坐標參數，以此確定目標所處的位置[9-11]。按照圖1的方式，使左攝像機坐標O-xyz的原點和世界坐標系原點保持重合。對z點pl進行分析，得到如下的像素和圖像坐標計算式：u1

v1

1=1dx0u0

01dyv0

001xL

yL

1

其中，dx與dy都是屬于攝像機像元尺寸。坐標轉化的表達式如下：sxL

yL

1=f000

0f00

0010x1

y1

z1

1=NL1x1

y1

z1

1s表示比例因子。將相機坐標轉換為世界坐標系的公式如下：x1

y1

z1

1=Rt

0T1x

y

z

1=NL2x

y

z

1上式的R與t分別表示左右攝像機旋轉矩陣與原點平移矢量。

將目標點和兩攝像機像面點表示成如下矩陣：xr

yr

1=frr1frr2frr3frtx

frr4frr5frr6frty

r7r8r9txzx1/f1

zy1/f1

z

1 ?MR表示右相機坐標系在世界坐標系中進行投影得到的矩陣。采用相同方式得到ML。x=zx1f1

y=zy1f1

z=f1frtx-xrtzxrr7x1+r8y1+f1r9-frr1x1+r2y1+f1r3=

f1frty-yrtzyrr7x1+r8y1+f1r9-frr4x1+r5y1+f1r6 ?對方程組的各項參數進行研究得到本方法的實現過程，其中，z坐標表示空間點到左攝像機所在平面的垂直距離，等于需要測定的目標距離。

1.2 雙目相機標定

圖2給出了雙目測距原理。其中：P為被測試對象，L為左右相機的像面長度，O為光源焦點。分辨率為4 000*3 000的攝像頭，焦距為25 mm，圖像元大小為6*6 μm。最大視差為1 000像素，最低為10像素，測距范圍在1-100 m。

表1給出的矩陣A屬于相機的內部參數;R屬于相機外部參數。

2 實驗方案

之后開展仿真測試，圖像數據的采集以濱河東路上的高壓輸電線作為目標，通過實驗測試無人機安全飛行距離。根據測試得到實驗結果來判斷測距效率和準確性。本實驗采用圖像增強的方法來實現提高畫面內輸電線特征不明顯部分的灰度值，促進圖像質量的顯著提高;之后，利用雙邊給濾波的方法來完成圖像的濾波除噪過程，降低后面實驗受到高頻區域的干擾，再通過改進后的測距方法測試得到無人機與輸電線之間的距離。

具體實驗流程見下圖3。對采集后的畫面數據實施濾波處理得到圖4。

3 實驗結果分析

對輸電線路圖的拍攝是通過無人機搭載雙目測距實景來完成，見圖5?？紤]到無人機在飛行階段必然會出現機身擺動的情況，利用視覺庫Opencv3.3.0完成實拍圖像的Hough直線測試，圖6給出對實拍圖象實施二值化直線檢測結果，其由三條線路進行直線貫穿形成左右圖像。圖7是矯正匹配后圖像，實現了左右圖像的直線行匹配。

此處對特征點實施距離計算，表2給出了Z坐標分析的數據，經過分析得到下述結果：

進行實地拍攝的過程中，從位于輸電線的正下方和地面距離為2 m的位置控制無人機沿著和輸電線方向保持垂直水平飛行，測定無人機與起飛位置的間距，到達約15米時停止，同時模擬和輸電線相距15米的部位測距。在無人機上搭載雙目測距儀，通過對比發現測試距離接近實際15米，誤差被控制于5%范圍內。實際測試過程中受到外界空氣溫度風力等的影響，使得結果存在一定的相對誤差，但相對誤差結果在控制誤差精度內。

通過分析實際拍攝期間的所有環節，對存在的測試誤差進行下述推測：利用無人機搭載雙目測距儀，控制趕超非常靈活，當無人機飛行期間受到氣流干擾后云臺角度將發生變化，當基線長度約為1 m時，雙目相機光軸無法垂直于目標表面，由此引起圖像匹配產生畸變。

4 總結

選擇VisualStudio2017軟件進行開發，并利用視覺庫Opencv3.3.0來完成實拍圖像的Hough直線測試。得到如下結果：

1） 模擬和輸電線相距15米的部位測距時，在無人機上搭載雙目測距儀，通過對比發現測試距離接近實際15米，誤差被控制于5%范圍內。

2） 利用無人機搭載雙目測距儀，控制趕超非常靈活，當無人機飛行期間受到氣流干擾后云臺角度將發生變化。

3） 該研究提高了巡檢機器人的雙目測距能力，對提高無人機電力線路巡檢安全距離測量精度起到一定的理論鋪墊。

參考文獻

[1] 沈磊， 李昶君， 高坤，等.無人機輸電線路巡檢作業實施標準基于MD-1000型工業無人機[J].信息技術與信息化，2015（1）：40-44.

[2] Araar O， Aouf N， Dietz J L V. Power pylon detection and monocular depth estimation from inspection UAVs[J]. Industrial Robot： An International Journal， 2015， 42（3）：200-213.

[3] 劉壯，杜勇，陳怡，等. ±500 kV直流輸電線路直線塔無人機巡檢安全距離仿真與試驗[J].高電壓技術，2019，45（2）：426-432.

[4] 彭向陽，陳馳，饒章權，等.基于無人機多傳感器數據采集的電力線路安全巡檢及智能診斷[J].高電壓技術，2015，41（1）：159-166.

[5] 鄭天茹， 孫立民， 婁婷婷. 基于電磁場計算的輸電線路無人機巡檢安全飛行區域確定方法[J]. 山東電力技術， 2018， 45（2）： 27-30.

[6] Paris S， Durand F. A Fast Approximation of the Bilateral Filter Using a Signal Processing Approach[J]. International Journal of Computer Vision， 2009， 81（1）：24-52.

[7] 李軍成. 圖像邊緣檢測的分數階微分算子研究[J]. 計算機應用與軟件，2015，32（12）： 206-209.

[8] 王方超，張旻，宮麗美.改進的Roberts圖像邊緣檢測算法[J].探測與控制學報，2016，38（2）： 88-92.

[9] 唐陽山， 徐忠帥， 黃賢丞，等. 基于Roberts算子的車道線圖像的邊緣檢測研究[J]. 遼寧工業大學學報（自然科學版）， 2017（6）：383-386.

[10] 王愛民， 趙忠旭， 沈蘭蓀. 基于矢量Prewitt算子的多尺度彩色圖象邊緣檢測方法[J]. 中國圖象圖形學報， 2018， 4（12）：1024-1028.

[11] 李忠海， 宋智欽， 王崇瑤. 非整數步長的分數階微分Sobel算子的應用[J]. 計算機工程與應用， 2018， 54（17）：197-202.

（收稿日期： 2019.08.02）

作者簡介：張靜（1981-），男，潛江人，高級工程師，碩士，研究方向：電力機器人、人工智能、電力系統自動化和智能傳感。

劉曉銘（1985-），男，揭陽人，工程師，本科，研究方向：機器人和人工智能技術。

黃國方（1971-），男，武進人，高級工程師，碩士，研究方向：電力系統自動化、機器人、人工智能和智能傳感。文章編號：1007-757X（2020）02-0117-03