基于单目监拍装置的输电线路隐患测距方法

基于单目监拍装置的输电线路隐患测距方法

刘 ,蕾1,王丽洁2

1国网山东省电力公司胶州市供电公司，山东省青岛市胶州市，266300 2智洋创新科技股份有限公司 山东省淄博市高新区 255086

摘  要：

如何利于已大范围覆盖输电线路的单目监拍装置，结合日渐成熟的隐患识别算法，实现输电线路巡检效率的进一步提升，是目前智能电力运维的重点。隐患三维测距技术通过映射，获取二维图像中识别到的隐患在三维点云中的空间坐标，运用空间距离分析技术计算隐患到导线的最近距离，从而获得精准的测距结果。隐患的空间距离数据，结合防护区风险等级，可为制定隐患风险等级策略提供详实的依据，有效地减少低风险告警，提高隐患处理的效率，从而大幅降低电力运维人员的工作量，提升智能化运维水平。

关键词：

监拍装置，输电线路，隐患测距，三维点云

1

0 引言

2018年，35千伏及以上输电线路长度189.20万千米。根据《国家能源局发布1-5月份全国电力工业统计数据》显示，2021年1-5月份全国新增220千伏及以上输电线路长度12970千米。高速发展的输电线路规模需要巨量的巡视工作作为保障。

目前基于监拍装置的可视化平台巡视方案应用比较广泛，取得了较好的效果，能智能化的识别隐患，但也存在一些不足。

如无法判定隐患与导线的距离，多数隐患与导线的距离较远，风险等级较低，而隐患数量极大，单纯依靠人力去判断不仅不精确，而且效率低下。因此如何有效利用输电线路覆盖比例最大的单目监拍装置，寻求深化应用图像数据和智能可视化运检系统的方法，从而降低远程巡视人员的工作量及人工巡视的人力成本，是当前电力领域智能运维的发展方向。

为此，本研究提出了一套基于已安装的单目监拍装置拍摄图像的智能测量隐患与导线净空距离的方法，是一种激光点云与二维图像结合的测距技术，目的在于提升运维人员对风险的管控。测距功能能为运维人员提供判断依据，优先处理距离导线近、风险等级高的隐患告警，减短紧急隐患的响应时间；过滤一些无效告警即距离导线较远、不会对导线造成危害的隐患告警，从而减轻运维人员的压力。

1 技术背景

1.1  激光点云获取、解析

利用激光测距的原理，记录输电通道场景中物体表面大量的密集点的三维坐标、反射率等信息，快速复建出输电线路的三维模型及线、面、体等各种图件数据，形成通道的三维点云文件，如图1所示。

图1 输电通道三维点云文件

1.2  图像与点云映射技术

图像与点云的映射实现采用的是场景匹配，根据图像特征和点云特征建立两者点到点之间“平面-立体”关系，通过相机参数、空间位置等信息，使点云精准地还原相机拍摄场景，从而实现二维图像到三维点云的精准映射，如图2所示。

图2 二维图像到三维点云的映射

根据“平面-立体”关系和图像分析得到的隐患坐标，使用三维测距算法测量隐患到导线的实际距离[8]，如图3所示。

图3 隐患到导线的实际距离标注图

2  基于点云的隐患测距算法

2.1  选取二维坐标值

分别选取输电通道图像中位于地面、左侧导线和右侧导线的若干点并记录下其在输电通道图像的像素坐标系中的二维坐标值；在点云数据中找到所述点对应的三维坐标系中的三维坐标值，所述每个点的二维坐标值与三维坐标值一一对应[12-15]。

具体步骤如下：

（1）在输电通道图像中寻找位于地面的若干点，包括但不限于杆塔或建筑物与地面的接触点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；

（2）在输电通道图像中寻找位于左侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；在输电通道图像中寻找位于右侧导线上的若干点，包括但不限于线夹或间隔棒对应的点，至少寻找四个点，并记录其在像素坐标系中的二维坐标值；

（3）在点云数据中找到与上述若干点对应的三维坐标值。

2.2  建立二维与三维坐标值的映射

将选取出的二维坐标值和对应的三维坐标值按照彼此对应的点建立一一映射关系。

具体步骤如下：

（1）将点云数据中选取的若干点的三维坐标值降维至XOY平面中，并同输电通道图像中选取点的二维坐标值，分别转化为齐次坐标；

（2）使用最小二乘法计算地面上从输电通道图像中二维坐标值到点云数据XOY平面的坐标值单应性矩阵Hg，其中：

（I）

公式(I)中，所述s为尺度因子，M为用于采集输电通道图像的相机内参矩阵，fx，fy，γ，分别为：x方向的焦距、y方向的焦距和畸变因子，u0和v0为输电通道图像的几何中心点在像素坐标系中的二维坐标值，r1和r2分别为相机位姿中旋转矩阵的两个向量，t为相机位姿中平移向量；

（3）使用与步骤（1）-（2）相同的方法计算左侧导线和右侧导线图像到点云数据的单应性矩阵，分别记为Hl和Hr。

2.3  隐患智能识别

使用基于深度学习的目标检测模型识别输电通道图像中的隐患，并框选出所述隐患，同时得到隐患在像素坐标系中的像素高度和二维坐标值。

2.4  计算隐患距离

根据隐患在像素坐标系中的二维坐标值和像素高度，计算其在点云数据中的三维坐标值和高度值，进而求出隐患与导线的距离。

具体步骤如下：

（1）选取隐患底部中点的二维坐标值并转换为齐次坐标形式；

（2）利用单应性矩阵Hg计算隐患顶部中心点在点云数据中的X和Y坐标，根据地面点云数据计算得到隐患底部中心点在点云数据中的Z坐标；

（3）判断与隐患最近的导线，将所述隐患顶部中心点投影至所述导线所在YOZ平面，根据单应性矩阵Hl或Hr计算出所述隐患顶部中心点在点云数据中对应点，并据此计算出隐患的高度；

（4）利用隐患的坐标及高度信息计算与导线的距离。

2.5  隐患测距实例

结合上述方法，对某地输电通道图像中存在的隐患与导线进行测距，隐患原始图像如图4所示。计算该隐患点与导线的距离，得到最终结果为19.27米，如图5所示。经与实地测量比较误差值小于1米。

图4 输电线路隐患原始图像

图5 计算隐患距离效果图

3  结论

传统的巡视平台虽能对隐患进行识别，但对隐患的危急程度分析不足，需要通过对隐患的风险等级进行分级，提高巡视系统的利用率，实现电力运维工作的高效率运行。

而隐患风险等级分级需要精确的隐患测距数据。本方法研究的基于可视化装置的输电线路隐患测距方法，采用激光点云作为测距的数据来源，数据精度高；利用三维点云测距技术实现了隐患空间距离的精准测量；结合隐患防护区的范围等数据，实现了隐患的精确测距，为隐患风险分级提供了详实的数据基础。从而有效地减少低风险告警，提高隐患处理效率，大幅降低电力运维人员的工作量，保障输电线路安全稳定运行，从而以稳定的态势影响国计民生的方方面面，具有极高的社会价值。

参考文献:

[1]王冬. 基于单目视觉的三维重建技术研究[D]. 成都理工大学, 2016.

[2]Wei Chuliang, 魏楚亮, Luo Peiyu,等. 基于单张照片模式的三维图像重建新方法研究[C].中国仪器仪表学会. 中国仪器仪表学会, 2013.

[3]刘峰, 杨志高. 基于对象的激光点云数据城区树木识别方法[J]. 中南林业科技大学学报, 2010, 030(007):73-77.

[4]禹永萍. 基于深度图像的三维重建技术研究[D]. 中北大学, 2011.

[5]江威. 基于OpenCV的立体图像三维重建关键技术实现[D]. 西安科技大学, 2012.

1