一种用于激光异物清除器的异物识别方法与流程

本发明涉及一种图形处理方法，尤其涉及一种用于激光异物清除器的异物识别方法，属于电网维护技术领域。

背景技术：

输电线路网是电力传输的主要载体。近年来，气球、广告横幅、风筝、农用塑料薄膜、遮阳网、孔明灯等异物经常缠绕电线，引发相间短路，严重时会导致停电事故，甚至造成人员伤害和设备故障。绝大多数线路设在地形复杂、环境恶劣的地方，因此维护输电线路的正常运行尤为重要和艰巨。

电网异物的清除方法有人工上塔带电作业、无人机喷火作业、激光异物清除作业等。人工作业工作效率低，且存在安全隐患，受环境影响严重；无人机喷火作业受到载重限制，无法长时间连续工作；激光异物清除是近年来出现的一种新型方法，可以在地面通过远程控制，使用大功率激光实现异物的清除。

目前激光异物清除设备主要通过肉眼定位目标，手动移动激光器控制激光的发射方向，实现异物清除。人工调节激光发射方向，费时，且难以实现智能化、自动化。同时在远距离操作时会大大增加设备操作难度，影响工作效率，增加产品的使用难度，难以满足用户的需求。

因此实现激光异物清除器的自动识别清除尤为重要，自动识别定位电网异物，自动控制激光器发射方向，实现激光异物清除设备的自动化，提高工作效率，满足电网维护领域自动化智能化的发展需求。

技术实现要素：

本发明的目的在于提供一种基于激光异物清除器的自动识别清除系统，能够自动识别异物，确定异物位置，并控制云台移动以实现异物自动清除功能。

为达到上述目的，本发明的技术解决方案：

一种用于激光异物清除器的异物识别方法，其特点在于，该方法包括如下步骤：

①通过激光异物清除器采集输电线图像；

所述的激光异物清除系统，主要包括激光发射装置、移动装置、图像处理装置三部分。其中图像处理装置包括瞄准器、电子目镜、平板电脑、测距装置。通过瞄准器和电子目镜进行图像采集。

②对采集到的图像采用最大类间方差法进行图像分割；

采用最大类间方差法(otsu)进行，该算法操作简单，处理速度快。通过计算图像中前景和背景的最大类间方差实现自动阈值的获取。将图像分割为背景图像和前景图像两部分。满足类间方差最大的阈值，即为最佳区域分割阈值，根据该阈值即可得到分割图像。具体步骤为：

假设图像有l个灰度级(0,1...,l-1)，则图像前景区域的分布概率ωf和背景区域的分布概率ωb可分别表示为：

其中pi——灰度值为i的出现概率；

k——分割前景和背景的阈值。

前景区域的灰度均值μf和背景区域的灰度均值μb为：

整幅图像的灰度均值μt为：

前景区域和背景区域的总方差如式(2-6)所示：

满足最大的k便是最佳区域分割阈值。根据阈值k即可将图像分为背景和前景两部分。

③对分割后的图像进行形态学处理得到滤波后的图像；

通过形态学开运算实现滤波功能。分别对图像进行腐蚀和膨胀运算，即可消除分割后图像的噪声点，连接图像中的相邻元素。

④对滤波后的图像进行边缘检测，得到边缘提取图像；

采用canny边缘检测算法，对步骤③处理后得到的滤波图像进行处理，得到边缘提取图像。

⑤计算各边缘点的曲率；

(1)对提取的所有边缘点进行排序；

为保证电线以及异物轮廓的完整性，为后续处理做准备，先对边缘点进行处理，参照项荣等基于边缘曲率分析的成簇番茄识别方法，具体实现如下：

式中：l(x,y)表示像素的边缘标号；w(x,y)、w(x+1,y)、w(x,y+1)均表示像素的区域标号。

对边缘点的排序主要采用遍历法，从第一个像素点开始顺时针进行，对每个像素点进行判断。假设当前点为gi。判断点gi八邻域内是否存在边缘点ej，若不存在，则排序结束；若存在，则判断该边缘点ej是否为八邻域内的第一个边缘点，假如该点ej是八邻域内的第一个边缘点，那么记录起点a到点gi已经排序的边缘线段n，如果该点ej不是八邻域内的第一个边缘点，那么建立新的边缘线段m，从起点a到点gi按照顺序写入。然后将当前点gi的八邻域内的下一边缘点ej+1写入到边缘线段，然后寻找点ej+1八邻域内的下一边缘点，并重新判断点ej+1八邻域内是否存在边缘点，直到当前点八邻域内无边缘点为止，边缘排序结束。

(2)计算各边缘点的曲率；

曲线曲率定义如下：

式中：表示弧段的平均曲率，δs表示弧段的长度，δα表示弧段对应切线转角。

通过边缘提取和排序后，根据边缘点的坐标，转换后的曲率计算公式如下：

k表示当前采样点的曲率；v表示采样间隔；α2表示后一点到当前点连线与x轴的夹角；α1表示当前点到前一点连线与x轴的夹角。其中α的计算公式如下：

式中：α表示两相邻采样点连线与x轴的夹角；x1、y1表示前采样点的坐标；x2、y2表示后采样点的坐标；

根据上述公式，即可获得各边缘点的曲率。

⑥根据边缘曲率的分布，判断边缘曲率是否存在异常点，该异常点为边缘曲率的突变点，若边缘曲率分布中不存在异常点，则该图像中无异物存在；若存在异常点，则表明该图像中含有异物，获取该异常点的图像坐标，该异常点的坐标即为异物与电线的交点坐标；

异常点是指边缘曲率的突变点。同一条输电线的边缘曲率基本相同，如果输电线上悬挂有塑料、气球等异物，异物和电线的交界处会产生凸起，在边缘曲率上的表现就是交界处的曲率会明显异于非交界区域，该边缘曲率的突变点，即为异常点。

⑦根据异常点坐标以及激光异物清除器测距系统，即可获取异物与电线交点的三维坐标。

⑧根据三维坐标，规划激光异物清除器的运动轨迹；待激光异物清除器运动到指定位置后，打开激光，进行异物清除工作。

与现有技术相比，本发明的有益效果是：

通过识别异物，确定异物与电线的交点位置，进而控制激光发射器的发射方向，实现异物自动清除功能，实现激光异物清除设备的自动化操作，提高了工作效率，满足电网维护领域自动化智能化的发展需求。

附图说明

图1为激光异物清除器系统。

图1中，1.输电线，2.异物，3.瞄准器，4.激光准直器，5.电子目镜，6.测距系统，7.云台，8.三角支架，9.光纤，10.激光源，11.平板电脑。

图2为用于激光异物清除器的自动识别清除系统的流程图。

图3为边缘排序的流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

1、首先搭建激光异物清除系统，如图1所示，并进行输电线图像采集；

所述的激光异物清除系统，主要包括激光发射装置、移动装置、图像处理装置三部分。其中激光发射装置包括激光源、光纤、激光准直器；移动装置包括三角支架、移动云台；图像处理装置包括瞄准器、电子目镜、平板电脑、测距装置。其中激光准直器、瞄准器、电子目镜、测距装置均安装在移动云台上，激光源通过光纤和激光准直器相连。通过瞄准器和电子目镜进行图像采集。

2、对采集的存在异物的图像进行图像分割；

采用最大类间方差法(otsu)进行，该算法操作简单，处理速度快。通过计算图像中前景和背景的最大类间方差实现自动阈值的求取。

假设图像有l个灰度级(0,1...,l-1)，则图像前景区域的分布概率ωf和背景区域的分布概率ωb可分别表示为：

其中pi——灰度值为i的出现概率；

k——分割前景和背景的阈值。

前景区域的灰度均值μf和背景区域的灰度均值μb为：

整幅图像的灰度均值μt为：

前景区域和背景区域的总方差如式(2-6)所示：

满足最大的k便是最佳区域分割阈值。根据阈值k即可将图像分为背景和前景两部分，其中前景主要为电线和异物，背景主要为天空。

3、对图像分割后的图像进行形态学处理；

通过形态学开运算实现滤波功能，消除分割后图像的噪声点，连接图像中的相邻元素。首先对图像进行腐蚀，其中结构元素为10像素的圆形结构元，然后对腐蚀后的图像进行膨胀运算，结构元素为15像素的方形结构元。

4、对形态学处理后的图像进行边缘检测，得到边缘提取图像；

采用canny边缘检测算法，对步骤3处理后得到的滤波图像进行处理，得到边缘提取图像。

5、计算各边缘点的曲率；

(1)对提取的所有边缘点进行排序，

为保证电线以及异物轮廓的完整性，为后续处理做准备，先将边缘点进行处理，参照项荣等基于边缘曲率分析的成簇番茄识别方法，具体实现如下：

式中：l(x,y)表示像素的边缘标号；w(x,y)、w(x+1,y)、w(x,y+1)均表示像素的区域标号。

对边缘点的排序主要采用遍历法，从第一个像素点开始顺时针进行，对每个像素点进行判断。假设当前点为gi。判断点gi八邻域内是否存在边缘点ej，若不存在，则排序结束；若存在，则判断该边缘点ej是否为八邻域内的第一个边缘点，假如该点ej是八邻域内的第一个边缘点，那么记录起点a到点gi已经排序的边缘线段n，如果该点ej不是八邻域内的第一个边缘点，那么建立新的边缘线段m，从起点a到点gi按照顺序写入。然后将当前点gi的八邻域内的下一边缘点ej+1写入到边缘线段，然后寻找点ej+1八邻域内的下一边缘点，并重新判断点ej+1八邻域内是否存在边缘点，直到当前点八邻域内无边缘点为止，边缘排序结束。具体流程如图3所示。

(2)计算各边缘点的曲率；

曲线曲率定义如下：

式中：表示弧段的平均曲率，δs表示弧段的长度，δα表示弧段对应切线转角。

通过边缘提取和排序后，根据边缘点的坐标，转换后的曲率计算公式如下：

k表示当前采样点的曲率；v表示采样间隔，本实施方案中设为5；α2表示后一点到当前点连线与x轴的夹角；α1表示当前点到前一点连线与x轴的夹角。其中α的计算公式如下：

式中：α表示两相邻采样点连线与x轴的夹角；x1、y1表示前采样点的坐标；x2、y2表示后采样点的坐标；

根据上述公式，即可获得各边缘点的曲率。

6、根据边缘曲率的分布，判断边缘曲率是否异常点，异常点为边缘曲率的突变点。若边缘曲率分布中不存在异常点，则该图像中无异物存在；若存在异常点，则表明该图像中含有异物，获取该异常点的图像坐标，该异常点的坐标即为异物与电线的交点坐标。

7、根据异常点坐标以及测距系统，即可获取异物与电线交点的三维坐标；

8、根据三维坐标，规划激光异物清除器的运动轨迹；待激光异物清除器运动到指定位置后，打开激光，进行异物清除工作。

本发明通过识别异物，确定异物与电线的交点位置，进而控制激光发射器的发射方向，实现异物自动清除功能，实现激光异物清除设备的自动化操作，提高了工作效率，满足电网维护领域自动化智能化的发展需求。