基于双目视觉技术的特高压输电线路导地线弧垂检测

doi:10.11985/2021.04.023

基于双目视觉技术的特高压输电线路导地线弧垂检测

陈锐锐^,¹, 王健^,¹, 蔡峡^,², 陶勇^,³, 宫赫^,⁴

1.国网甘肃省电力公司兰州供电公司兰州 730070

2.国网甘肃省电力公司金昌供电公司金昌 737100

3.国网甘肃省电力公司检修公司兰州 730070

4.国网辽宁省电力有限公司营口供电公司营口 115000

Sag Detection of Conductor and Ground Wire of UHV Transmission Line Based on Binocular Vision Technology

CHEN Ruirui^,¹, WANG Jian^,¹, CAI Xia^,², TAO Yong^,³, GONG He^,⁴

1. Lanzhou Power Supply Company of State Grid Gansu Electric Power Company, Lanzhou 730070

2. Jinchang Power Supply Company of State Grid Gansu Electric Power Company, Jinchang 737100

3. State Grid Gansu Electric Power Company Maintenance Company, Lanzhou 730070

4. Yingkou Power Supply Company of State Grid Liaoning Electric Power Supply Co., Ltd., Yingkou 115000

收稿日期: 2020-12-10 修回日期: 2021-05-8

Received: 2020-12-10 Revised: 2021-05-8

作者简介 About authors

陈锐锐,男,1985年生,高级工程师。主要研究方向为智能电网输电技术,传感器应用控制技术和人工智能装备在电力系统中的应用等。E-mail： quewohanyt9@163.com

王健,男,1979年生,高级工程师。主要研究方向为智能电网输电技术,传感器应用控制技术和人工智能装备在电力系统中的应用等。E-mail： 31581693@qq.com

蔡峡,男,1979年生,高级工程师。主要研究方向为智能电网输电技术,传感器应用控制技术和人工智能装备在电力系统中的应用等。E-mail： 3090434938@qq.com

陶勇,男,1974年生,助理工程师。主要研究方向为智能仓储技术,传感器应用控制技术和人工智能装备在电力系统中的应用等。E-mail： 1113119401@qq.com

宫赫,女,1991年生,硕士。主要研究方向为柔性直流变电技术,逆变器变换控制技术和人工智能装备在电力系统中的应用等。E-mail： 5724647@qq.com

摘要

为提高特高压输电线路导地线弧垂视觉检测能力,实现对导地线跨越交跨距离的实时测量与报警,提出基于双目视觉技术的特高压输电线路导地线弧垂检测方法。构建视觉成像模型,利用融合滤波和信息增强技术进行图像增强,分析人工智能视觉成像特征,基于双目视觉技术,通过图像融合优选控制实现视景重构。采用融合聚类分析方法,通过模糊度辨识和参数融合方法,结合视景重构技术进行特高压输电线路导地线弧垂视景三维重建,采用AR技术进行特高压输电线路导地线弧垂视觉信息处理,得到导地线跨越交跨距离的实时测量与优化处理结果。仿真结果表明,该方法的视景重建能力较好,测量精度较高并且检测耗时较短。

关键词： 双目视觉技术 ; 特高压 ; 输电线路 ; 导地线 ; 弧垂检测

Abstract

In order to improve the visual detection ability of the conductor and ground wire sag of UHV transmission line, and realize the real-time measurement and alarm of the cross span distance of the conductor and ground wire, a method based on binocular vision technology for UHV transmission line sag detection is proposed. A visual imaging model is constructed, fusion filtering and information enhancement technology are used for image enhancement, artificial intelligence visual imaging features are analyzed, based on binocular vision technology, visual reconstruction through optimal control of image fusion is realized. Using fusion clustering analysis method, through ambiguity identification and parameter fusion method, combined with the scene reconstruction technology, the three-dimensional reconstruction of the ground wire sag of UHV transmission line is carried out, and AR technology is used to carry out the ground wire sag of UHV transmission line visual information processing, real-time measurement and optimization processing results of the crossing distance of the ground lead. The simulation results show that the method has better visual reconstruction ability, higher measurement accuracy and shorter detection time.

Keywords： Binocular vision technology ; UHV ; transmission lines ; ground wire ; sag detection

PDF (783KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

陈锐锐, 王健, 蔡峡, 陶勇, 宫赫. 基于双目视觉技术的特高压输电线路导地线弧垂检测. 电气工程学报[J], 2021, 16(4): 183-188 doi:10.11985/2021.04.023

CHEN Ruirui, WANG Jian, CAI Xia, TAO Yong, GONG He. Sag Detection of Conductor and Ground Wire of UHV Transmission Line Based on Binocular Vision Technology. Journal of Electrical Engineering[J], 2021, 16(4): 183-188 doi:10.11985/2021.04.023

1 引言

随着特高压电网建设规模的不断增大,需要进行特高压电网的实时维护和现场作业,构建特高压输电线路导地线弧垂检测模型,结合AR可穿戴设备,实现双目视觉技术^[1]对导地线跨越交跨距离的实时测量与报警。随着计算机视觉信息处理技术的发展,采用视觉图像处理和AR三维视景仿真方法,进行特高压输电线路导地线弧垂检测,提高视觉检测和视景仿真能力^[2]。研究特高压输电线路导地线弧垂检测方法,进行可穿戴检测设备设计,通过虚拟视景仿真技术,提高特高压输电线路导地线弧垂的检测效果,相关的特高压输电线路导地线弧垂检测技术研究受到了人们的极大关注。

文献[3]设计了一个基于GA-SVM的高压输电线路弧垂预测模型,将遗传算法与支持向量机结合预测输电线路弧垂。运用遗传算法对数据进行自适应赋权,实现对冗余数据的控制。在此基础上,采用支持向量机预测输电线路弧垂。试验结果表明,该方法在预测输电线路弧垂方面具有有效性,但是存在检测精度较低的问题。文献[4]提出了基于离线学习的野外架空地线检测算法,采用离线学习方法对候选样本块进行分类,在此过程中运用随机采样一致性算法对误检块进行过滤,从而在图像坐标系中获取地线的位置参数,实现对架空地线的检测。试验结果表明,该算法能够适应恶劣环境,实现对架空地线状态的检测,但该算法的设计复杂度较高,检测耗时较长。

针对上述问题,本文提出基于双目视觉技术的特高压输电线路导地线弧垂检测方法。该方法的主要研究重点如下：构建视觉成像模型,通过模糊度辨识和参数融合方法,进行特高压输电线路导地线弧垂视觉重组和三维图像重建,采用AR技术进行视觉信息处理,实现特高压输电线路导地线弧垂检测,最后进行仿真测试,展示了所提方法在提高特高压输电线路导地线弧垂检测能力方面的优越性能。

2 视觉成像及预处理

2.1 总体设计构架及双目视觉成像

在双目视觉环境下,进行特高压输电线路导地线弧垂检测,总体结构模型如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 总体实现结构图

通过双目视觉分析,进行特高压输电线路导地线弧垂视觉成像和边缘轮廓特征分解^[5],进行视觉成像的寻优控制,从而构建视觉成像模型。

结合空间参数寻优的双目视觉仿真分析,设置双目视觉成像的自适应参数,得到图像的匹配度

(1)${V_i}\left( t \right) = \int_i {{v_i}_{\rm{1}}\left( t \right) + {v_i}_{\rm{2}}\left( t \right)dt - \frac{1}{{{v_{iD}}\left( t \right)}}}$

式中,i为视觉图像特征点;t为视觉成像时刻;v_i₁为特征点的局部特征;v_i₂为特征向量;v_iD为特征点匹配点对。假设特高压输电线路导地线弧垂视觉图像i在t时刻的特征匹配参数为X_i(t)=(x_i₁(t), x_i₂(t), …, x_iD(t)),使视觉图像分布域中含有N个节点,得到视觉图像分布域

(2)${X_N} = \frac{{{X_{\rm{1}}} + {X_{\rm{2}}}}}{2} + \sum\limits_N^i {{{({X_N})}^2}}$

在VR背景下,通过虚拟现实仿真,假设存在视景图像特征分布的最优解,通过图像的边缘尺度分解^[6,7,8],得到双目视觉图像的动态分布参数为

(3)${x^{(k)}} = \sum\limits_k^i {x_1^{(k)} + x_2^{(k)} + x_N^{(k)}}$

式中,k为图像边缘尺度分解结果。

假设特高压输电线路导地线弧垂分布的权重为p_i=(p_i₁, p_i₂,…, p_iD),通过视景融合,得到视觉图像成像模型

(4)${x_i}(t + 1) = {p_i} - \int_i {{v_i}(t + 1) + {x_i}(t)dt}$

式中,x_i(t)为权重最优值。

通过上述设计,实现特高压输电线路导地线弧垂视觉图像匹配及分布解析,结合视觉分析,实现特高压输电线路导地线弧垂视觉成像建模。

2.2 视觉特征分析

以视觉图像成像模型为基础,通过双目视觉技术进行视觉成像的特征分析,结合统计特征分析方法,提取特高压输电线路导地线弧垂视觉图像的关键特征点^[9,10,11]。

在可视化场景下,得到静态三维动态特征分布权重ω

(5)$\omega = \sum\limits_s^i {{\omega _s} + {{({\omega _s} - {\omega _e})}^2}} - ({I_c} + {I_{\max }})$

式中,ω_s为视觉图像分配的粒子个数;ω_e为图像深度信息;I_c为存在视差的图像组对;I_max为关键特征点。通过对模糊信息进行聚类,对特高压输电线路导地线弧垂视觉图像进行多目标样本集属性匹配,得到特征匹配的融合矩阵为一个n×n的矩阵。

(6)$d\left( {i,j} \right) = \sum\limits_{i,j \ne 0}^N {{{({x_{i1}} - {x_{j1}})}^2} + {{({x_{id}} - {x_{jd}})}^2}}$

其中,对于任意的特高压输电线路导地线弧垂视觉图像数据点x_i和x_j之间的特征匹配度s(i, j),其值越小,特高压输电线路导地线弧垂视觉图像的相似度越好。

直至聚类的中心收敛,得到图像特征分析函数,其表达式为

(7)${\sigma ^2} = \sqrt {{f_i} - {f_{avg}}} + ({f_i} + {f_{avg}})$

式中,f_i为第i个特高压输电线路导地特征点的适应度函数;f_avg为视觉图像匹配度函数,当σ²<m时,m为某一个确定的阈值。

通过以上分析,利用融合滤波和信息增强技术进行图像增强处理,进行特高压输电线路导地线弧垂检测的视觉成像及预处理,之后进行特高压输电线路导地线弧垂视景重构。

3 特高压输电线路导地线弧垂视景重构和检测

3.1 视景重构

在特高压输电线路导地线弧垂视景重构过程中,首先结合网格区域分配方法,得到特高压输电线路导地线弧垂视觉图像分布属性集,其表达式为

(8)${f_{\lg - M}}(z) = \frac{{{f_{\lg }}(z)}}{{{f_{\lg - x}}(z)}} + {F^{ - 1}}\sqrt {{f_{\lg - y}}(z)}$

式中,${f_{\lg }}(z) = f(z) \times {F^{ - 1}}(G(\omega ))$,F^-1为视觉图像融合的反函数。

假设视觉图像动态分配的特征采样点为(t_a, y_a),(t_b, y_b),动态监测多尺度模糊度函数为${H_x} = - j{\omega _x}/||\omega ||$和${H_y} = - j{\omega _y}/||\omega ||$,提取视觉图像的边缘轮廓特征集,通过信息增强方法^[12,13],当且仅当ω=(ω_x, ω_y)时,得到视觉图像优化选择的权重矢量,其表达式为

(9)${y_c} + {y_a} = \sqrt {{y_b} - {y_a}} + \sqrt {{t_c} - {t_a} + {t_b}}$

通过模糊度辨识和参数融合方法,得到视觉图像动态优化分配函数,其表达式为

(10)$G(w) = \sum\limits_{\sigma = 1}^N {\ln \omega + \ln {\omega _0}} + \sum\limits_{\sigma = 1}^N {\ln \sigma + \ln {\omega _0}}$

通过构建特高压输电线路导地线弧垂视觉图像动态分配信息的层级结构模型,对特定视觉图像的多目标样本集属性进行规范化处理,得到输出稳定性视觉图像融合模型^[14,15],其表达式为

(11)${f_R}(z) = \frac{{{f_x}(z) + 1}}{2} - \int_y {{f_y}(z)} *f(z)dz$

式中,f_x(z)为输入视觉图像动态分配信息的标量时间序列;f_y(z)为分配的可靠性函数;*为卷积运算。

对于输入的梯度分量进行图像融合优选控制,采用自适应寻优方法,结合图像融合滤波方法进行视景重构,得到视景重构函数为

(12)${f_M}(z) = \sqrt {f(z) + {f_x}(z) + {f_y}(z)} - \frac{{f(z)}}{2}$

式中,f(z)为特高压输电线路导地线弧垂视觉图像分布节点的尺度。

综上分析实现对特高压输电线路导地线弧垂视景重构。通过图像融合优选控制,得到视景重构结果,继而进行视景优化检测。

3.2 动态分配寻优检测算法

通过图像的边缘尺度分解,采用融合聚类分析方法,得到特高压输电线路导地线弧垂视觉重建和检测的寻优路径描述如下

(13)$p_{ij}^k\left( t \right) = \int_{i \ne j} {{\tau _{ij}}\left( t \right)} + {\eta _{ij}}(t)dt + {[{\tau _{is}}\left( t \right) - {\eta _{is}}(t)]^2}$

(14)${\tau _{ij}}\left( {t + n} \right) = \sum\limits_{i \ne j}^N {{\tau _{ij}}\left( t \right)} + {\left( {1 - \rho } \right)^2} + \Delta {\tau _{ij}}\left( t \right)$

式中,ρ为迭代次数;τ_ij为双目视觉系统的内外参数;η_ij为图像峰值信噪比;τ_is为匹配后的特征点;η_is为特征点坐标。在通过迭代处理后,进行视觉图像动态分配全概率覆盖,得到视觉重构的检测函数,其描述为

(15)$x_F^i = \sqrt {x_H^i + x_O^i + x_C^i} + N{(x_H^i + x_S^i)^2}$

结合视景重构技术进行特高压输电线路导地线弧垂视景三维重建,采用AR技术进行视觉信息检测处理,实现流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 特高压输电线路导地线弧垂检测实现流程

4 仿真试验

通过仿真试验对基于双目视觉技术的特高压输电线路导地线弧垂检测方法的实时测量与报警性能进行测试,采用Creator建模进行场景三维重建,采用Matlab信号处理工具进行特高压输电线路导地线弧垂检测的图像处理,仿真场景如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 仿真场景

在图3的仿真场景中,进行特高压输电线路导地线弧垂检测,采用双目视觉技术对导地线跨越交跨距离的实时测量,仿真时间设定为15 min,采样频率为12 kHz,得到功率测试结果如图4所示,其中,ESS1表示特高压输电线路1,ESS2表示特高压输电线路2,ESS3表示特高压输电线路3。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 功率测试结果

根据功率测试结果,得到电压幅值如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 输出电压幅值

分析上述仿真结果得知,采用所提方法进行特高压输电线路导地线弧垂检测,检测结果准确性较高,说明该方法的检测结果可靠。这是由于该方法构建了视觉成像模型,基于该模型,同时利用融合滤波和信息增强技术进行图像增强,分析人工智能视觉成像特征,为特高压输电线路导地线弧垂检测提供基础,从而提升该方法的检测性能。测试不同方法的检测精度,得到对比结果见表1。

表1 检测精度测试

迭代次数/次	所提方法	文献[3]方法	文献[4]方法
100	0.921	0.865	0.877
200	0.977	0.891	0.891
300	0.989	0.902	0.899
400	0.992	0.913	0.901

新窗口打开| 下载CSV

分析表1中数据得知,所提方法进行特高压输电线路导地线弧垂检测时得到的精度较高,其检测精度最高值为0.992,明显高于文献[3]方法和文献[4]方法,说明所提方法能够实现对特高压输电线路导地线弧垂的精准检测,提高了视觉检测能力和视景仿真能力。

为了进一步验证所提方法在使用过程中的应用效果,选取检测耗时作为指标,对比不同方法的检测性能,检测结果如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 不同方法的检测耗时对比

分析图6可知,随着电压幅值的增长,不同方法的检测耗时整体上呈现出持续增长的趋势,但是所提方法的检测耗时明显低于文献[3]方法和文献[4]方法,说明所提方法在检测效率方面具有优势性。这是由于该方法采用AR技术对特高压输电线路导地线弧垂视觉信息进行处理,得到了导地线跨越交跨距离的实时测量与优化处理结果,优化后的结果有利于消除无效信息的影响,从而降低检测耗时,提升检测效率。

5 结论

针对现有方法存在的特高压输电线路导地线弧垂检测结果精度不高和检测耗时较长的问题,为提升检测效果,提出基于双目视觉技术的特高压输电线路导地线弧垂检测方法。

(1) 在双目视觉环境下,进行特高压输电线路导地线弧垂检测和视觉成像的寻优控制。

(2) 分析视觉成像特征,提取特高压输电线路导地线弧垂视觉图像的关键特征点,构建特高压输电线路导地线弧垂视觉图像动态分配全概率覆盖模型。

(3) 用AR技术进行特高压输电线路导地线弧垂视觉信息处理,结合视景重构技术进行特高压输电线路导地线弧垂视景三维重建。

(4) 由仿真试验可知,所提方法进行特高压输电线路导地线弧垂检测的精度较高,并且检测耗时较短,可以为特高压输电线路处理工作提供参考。

虽然该方法提升了检测结果的精度,但是由于特高压输电线路导地线弧垂视觉检测过程中会产生多条寻优路径,影响对检测结果的判断,为此需要进一步提升所提方法的检测性能。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

赵俊伟, 刘珍珍, 黄俊杰, 等.

基于双目视觉的3-PRS并联机构末端位姿检测方法

[J]. 制造技术与机床, 2018, 667(1):101-106.