基于快速随机Radon变换的无人机视觉巡线方法与流程

本发明属于图像处理技术领域，具体涉及基于快速随机Radon变换的无人机视觉巡线方法。

背景技术：

近年来，我国电网发展迅速，但在解决电网发展滞后的同时，密集的高压线群给高压线的破损检测与养护工作也带来了巨大的挑战。目前，很多国家开展了高压线辨识研究工作。如研制红外探测器、电磁场探测器、近地告警系统、毫米波雷达、激光雷达以及安装于电力线铁塔上的探测仪等。近年来，国内相关研究大多利用毫米波段高压线的RCS电磁散射特性和如群组性等进行高压线检测，南京理工大学、华南理工大学、哈尔滨工业大学、中电十所和中电二十七所等在该领域取得了丰富成果。但该方法对硬件设备依赖性强，使用不同探测器效果不同，而探测器价格昂贵，无形中提高了设备的成本,基于图像的供电线路检测开始兴起，并成为研究热点。

由于无人机具有体积小，重量轻，机动灵活，安全和成本低等优点，近年以来，国内外对无人机的研制和开发都投入大量人力和物力，许多新技术、新传感器被有针对性地开发和使用，比如小型激光测距仪，雷达，惯导器件等。然而在无人机(特别是小型无人机)等特殊应用领域，受到体积，功耗和重量等诸多因素的限制，以相机为主要传感器的计算机视觉技术优势正在凸显。

无人机以高压输电线作为导航目标，进行线状目标的自动识别。目前有关线状目标自动识别的方法为对电线图像提取边缘获取直线，然后通过Radon变换对高压输电线进行识别。由于高压输电线周围环境的复杂性、成像条件恶劣等因素的影响，图像中高压输电线的边缘不是很明显，另外加上噪声的干扰，提取的边缘信息不是很可靠，而且还包含很多冗余的边缘信息，给后续判断和识别带来了很大困难。

技术实现要素：

本发明的目的在于提供基于快速随机Radon变换的无人机视觉巡线方法，以克服上述现有技术存在的缺陷，本发明基于高压输电线是暗目标且近似水平的线状特征，利用基于角度限定的多尺度线状目标强化方法对目标进行优化，然后对筛选后结果进行一定角度范围内的Radon变换，并在Radon变换中通过限定阈值的取值范围来达到准确识别高压电线的结果。

为达到上述目的，本发明采用如下技术方案：

基于快速随机Radon变换的无人机视觉巡线方法，包括以下步骤：

步骤1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转为灰度图；

步骤2：对步骤1中获得的灰度图提取边缘；

步骤3：对步骤2中经过处理的图像进行基于角度限定参数判决的Radon变换，将竖直方向检测到的线去掉；

步骤4：采用加入双阈值取值范围的随机Radon图像检测算法对经步骤3的图像进行判决，得到输电直线。

进一步地，步骤2中采用Canny算子对步骤1中获得的高压线图像提取边缘。

进一步地，步骤3中基于角度限定参数判决的Radon变换具体为：确定Radon变换角度为θ∈[0,90°]，然后对步骤2处理过的图像进行Radon变换，得到参数平面内点的积累厚度和点的坐标。

进一步地，步骤4中双阈值的取值范围为(max_r*threshold1，max_r*threshold2)，其中max_r为点的积累厚度的最大值，且threshold1＝0.72，threshold2＝0.75。

进一步地，步骤4中加入双阈值取值范围的随机Radon图像检测算法具体为：在参数平面内，当点的积累厚度在双阈值取值范围内时，判决为输电直线；当点的积累厚度不在双阈值取值范围内时，判决为干扰直线。

进一步地，步骤4中得到输电直线后，通过辨识调节因子进一步判定，得到最终输电直线，所述辨识调节因子s是步骤1采集的高压线图像像素点上下邻近范围的灰度值之差，将经过步骤4判决后得到的点的坐标映射到坐标平面，当辨识调节因子w＞0.02，则证明直线上下邻近范围的灰度值近似，即判决为最终输电导线，当辨识调节因子w≤0.02，则证明直线上下邻近范围的灰度值相差较大，即判决为干扰直线。

与现有技术相比，本发明具有以下有益的技术效果：

本发明基于高压输电线是暗目标且近似水平的线状特征，利用基于角度限定的多尺度线状目标强化方法对目标进行优化，然后对筛选后结果进行一定角度范围内的Radon变换，将竖直方向检测到的线去掉，并在Radon变换中通过限定阈值的取值范围来达到准确识别高压电线的结果。

进一步地，本发明采用Canny算子对高压线图像提取边缘，Canny算子边缘定位的精确性和抗噪声能力效果较好。

进一步地，本发明引入辨识调节因子，在Radon变换中引入像素灰度值的辨识调节因子在很大程度上可抑制近似水平物体的干扰。

附图说明

图1是本发明的流程示意图；

图2传统方法与本发明方法的对比图，其中(a)、(c)、(e)是常规Radon算法检测结果；(b)、(d)、(f)是本发明快速随机Radon算法检测结果。

具体实施方式

下面结合附图对本发明作进一步详细描述：

基于快速随机Radon变换的无人机视觉巡线方法，包括以下步骤：

步骤1中获得高压线图像：利用无人机图像采集设备，获得要处理高压线图像rgb，并将获得降质图像转为灰度图i。

步骤2中用Canny算子进行图片边缘提取处理：

BW＝edge(i,’canny’,thresh,sigma)

thresh是敏感度阈值参数，默认值为空矩阵[]。此处为一列向量，为算法指定阈值的上下限。第一个元素是阈值下限，第二个元素是阈值上限。如果只指定一个阈值元素，那么默认此元素为阈值上限，其0.4倍的值作为阈值下限。如果阈值参数没有指定，则算法自行确定敏感度阈值的上下限。

在各类边缘检测算子中，Roberts算子和Log算子虽然定位精度高，但是受噪声影响大；Sobel算子和Prewitt算子模板相对较大因此去噪能力较强，具有平滑作用，而且能滤除一些噪声，去掉一部分伪边缘，但是同时也平滑了真正的边缘，降低了边缘定位精度。总体来讲，Canny算子边缘定位的精确性和抗噪声能力效果较好。因此本发明中采用Canny算子来进行图片边缘提取。

步骤3中基于角度限定参数判决：由于相机与高压输电线之间距离和角度的影响，在同一个场景中，高压线成像时粗细是不一致的。因此，应用多尺度线状目标强化滤波器，可强化不同尺度范围内的高压线目标，但该算法把高压线目标强化出来的同时也把电线杆、树木等竖直目标强化出来，这对后续的高压线检测带来严重干扰。实际应用中，高压输电线是近似水平的，而电线杆、树木等干扰物体是竖直的。因此提出基于角度限定参数判决，以抑制竖直方向的线状物体对识别目标的干扰。故本算法处理每一帧数据时角度由θ∈[0,180°]缩小到θ∈[0,90°]，theta＝randperm(90)。

由于无人机是平行高压线飞行并以高压线作为导航目标，因此高压线成像近似水平方向，为了只强化水平方向的高压线目标，对经过边缘检测处理的高压线图像bw进行基于角度限定参数判决后，采取Radon变换，得到参数平面内点的积累厚度r和点的坐标xp,以实现对轮廓图像中的直线像素的检测。

Radon公式如下:

R(ρ,θ)＝∫∫f(x,y)δ(ρ-x cosθ-y sinθ)dxdy (1)

式中，D为整个图像xy平面；(x,y)为灰度值；ρ为坐标原点到直线的距离；θ为距离与x轴的夹角，θ∈[0,180]；δ为Dirac delta函数。它使(x,y)沿直线ρ＝x cosθ+y sinθ积分。

Radon变换可以理解为图像在ρ-θ空间的投影。ρ-θ空间的每一个点对应图像空间一条直线，而Radon变换是图像像素值在每条直线上的积分，因此图像中每条直线会在ρ-θ空间形成一个亮点.直线的检测转化为在ρ-θ变换域对亮点的检测，如figure3所示，结合1中方向目标角度限定，亮度值较大的点对应图像中高压线目标。

步骤4中快速随机Radon图像检测算法：为了抑制竖直方向的线状物体如电线杆、树木等，提出了基于角度限定参数判决。该算法可以强化近似水平方向的线状目标，同时又可有效抑制竖直方向的线状物体，但在有些情况下，高压线周围可能会有近似水平的干扰物体，例如物体的水平边缘等。在这种情况下使用基于角度限定参数判决时，在强化出高压线的同时也会强化出近似水平的干扰物体或其边缘，从而影响高压线的正确识别。

为了克服这一问题，在对强化后的结果进行Radon变换中通过限定阈值的取值范围来达到只识别高压电线的识别结果。根据步骤3中点的积累厚度r，得到最大值max_r，双阈值的取值范围为(max_r*threshold1，max_r*threshold2)。这样，在Radon变换中通过限定阈值的取值范围在一定程度上可抑制近似水平物体的干扰。故可令

threshold1＝0.72；threshold2＝0.75；

[II,JJ]＝find(r>＝(max_r*threshold1)&r<＝(max_r*threshold2))；

由于Radon检测是通过对每个规定角度的方向进行线积分，从而得到一个极大值检测出直线的，所以我们可以对规定角度添加随机性，theta＝randperm(80)，增大检测的随机性，提升检测速度，减少检测时间。

步骤5中在随机Radon图像检测算法引入辨识调节因子：由于高压输电线上、下邻近范围的背景是大致一样的，所以高压输电线上下邻近范围的灰度值近似。因此可定义调节因子s是图像像素点上下邻近范围的灰度值之差。当为高压输电线目标时，由于高压线上下邻近范围的灰度值相似，|s|较小，w较大，从而使高压输电线区域像素的灰度值的调节因子变大；相反，如果是近似水平的干扰物体如火车铁轨等即使识别出干扰物体或其边缘，但是该干扰物体或其边缘上下邻近范围的灰度值差别较大，|s|较大，w较小，从而使优化出的近似水平的干扰物体(如物体的水平边缘或河岸沿等)区域的像素灰度值的调节因子变小。这样，在Radon变换中引入像素灰度值的调节因子在很大程度上可抑制近似水平物体的干扰。

图2中4幅图测试的场景分辨率分别为504*373，474*315和294*395。常规Radon算法检测结果如图(a)、(c)、(e)中所示，本发明算法的实验结果如图(b)、(d)、(f)所示，虚线为检测结果。计算程序运行的时间，常规的Radon变换化电线检测算法时间花费分别为11.340241秒，15.140015秒，7.479158秒，且误判比较严重，将田野等均误判为电线,判断正确的部分偏差也较大，尤其在图(e)中，常规算法完全失效，检测出大量的铁轨和电线杆。而本发明提出的新的随机检测算法在图(b)、(d)中花费分别为0.755584秒，0.701000秒，时间缩短10倍以上。尤其在结果图(f)中，本发明在随机Radon图像检测算法引入辨识调节因子，根据被检测直线上下邻近范围的灰度值差值可更准确检测出输电线与近似水平铁轨，大大提升检测的准确率，同时花费时间大大减小，为0.759467秒。