架空輸電線路無人機自適應拍攝算法研究

袁 野，付子峰，李 響，吳星奇，于 江

（國網湖北省電力有限公司超高壓公司輸電檢修中心，湖北 武漢 430064）

0 引言

目前無人機自主巡檢通過預先設置基于GPS的拍攝航線，無人機起飛后通過GPS 坐標到達航線預定位置航點后開始拍攝，采集輸電桿塔等設備的圖像［1-3］。但是目前各類自主巡檢無人機可靠性低，無法滿足巡檢需求。無人機到達規劃航點后，需通過自主巡檢程序控制調整機身姿態，微調云臺控制相機變焦采集圖像，使目標設備在圖像中居中顯示并確保對焦正確、圖像清晰、曝光正常［4-6］。

若拍攝過程中定位信號受到干擾，或者陣風造成無人機位置姿態變化，都會導致自主巡檢拍攝的圖像中丟失目標設備的情況［7-9］。本項目采用實時圖像識別的方式，其技術路線如圖1所示。

圖1 典型工況條件下自適應拍攝技術路線Fig.1 Adaptive shooting technique route under typical working conditions

用自主巡檢航線中各個拍攝位置的無人機及云臺朝向設置，控制目標設備部件在圖像中位置的初值［10-12］。無人機到達航點位置懸停后，調用相機廣角端完成設備圖像采集，相機采集設備圖像后，發送到前端智能分析模塊進行實時分析，檢測目標位置。根據目標設備在圖像視野中的方位，聯通飛控系統調整相機位置，控制云臺向反方向轉動，并實時檢測目標設備距離視野中心的偏移量，自主巡檢拍攝過程中［13-15］。始終進行動態伺服，保障設備始終在圖像中居中顯示。通過前端質量校驗機制，防止對焦錯誤、機身抖動造成的圖像模糊，以及經常由于逆光拍攝造成圖像對比度異常，全面保障圖像拍攝質量［16-18］。

1 無人機自主巡檢設備圖像拍攝

無人機自主巡檢作業應實現對桿塔設備、附屬設施的全覆蓋，根據機型特點、巡檢塔型，遵照標準化作業流程開展作業，巡檢導、地線、絕緣子串、銷釘、均壓環、防振錘等重要設備或發現缺陷故障點時，從俯視、仰視、平視等多個角度、順線路方向、垂直線路方向以及距離設備5 m處進行航拍，拍攝過程宜由遠及近、由高及低、由內及外、先俯后仰［19-21］，根據現場情況設置定點、定距、定時拍照。對于直線塔，從大、小號方向分別拍攝，重點拍攝地線、光纜等掛點以上設備和線夾、掛環連接金具；對于同塔多回輸電線路和耐張塔，采取雙側巡檢方式。除掛點以上設備和連接金具外，還需重點檢查跳串、跳線間隔棒和調整板、間隔板等承載橫向荷載的設備，實現對桿塔及導線全方位精細化檢查［22-24］。

開展自主巡檢時，其圖像采集內容包括桿塔及基礎各部位、導地線、附屬設施、大小號側通道等；采集的圖像應清晰，可準確辨識銷釘級缺陷，拍攝角度合理［25-27］。無人機拍攝時應等待無人機穩定后再進行拍攝，有光學防抖功能的相機應開啟光學防抖，盡量避免因為無人機晃動而造成的圖像模糊。另外在光線較強烈時，應盡量選擇順光拍攝，逆光拍攝需及時調節相機感光度和曝光補償系數［28-36］。

1.1 桿塔拍攝

塔頭從線路大、小號側分別拍攝塔頭全貌，如圖2?？赡艽嬖诘娜毕莅ㄋ募暗鼐€支架明顯變形和受損、塔材缺失、嚴重銹蝕導地線掉串掉線、懸掛異物等。

圖2 塔頭拍攝示例Fig.2 Example of tower head shooting

塔身整體或分段拍攝A-B、B-C、C-D、D-A 4個面全貌（不同面可分別拍攝，也可多面拍攝一張照片），如圖3?？赡艽嬖诘娜毕莅ㄋ拿黠@變形、受損和缺失；嚴重銹蝕懸掛異物等。

圖3 塔身拍攝示例Fig.3 Example of tower body shooting

全塔拍攝從大、小號側分別拍攝桿塔全貌，如圖4?？赡艽嬖诘娜毕莅ㄖ鞑拿黠@變形、桿塔傾斜懸掛異物、導地線掉串掉線等。

圖4 全塔拍攝示例Fig.4 Example of full tower shooting

1.2 導地線拍攝

地線拍攝時，無人機近似垂直地線方向內、外兩側分別拍攝；拍攝內容應包括整個金具串及連接的地線、塔材，如圖5?？赡艽嬖诘娜毕荩旱鼐€從線夾抽出；地線滑移；線夾斷裂裂紋、磨損；螺栓及螺帽松動、缺失；連接板、連接環調整板損傷、裂紋；銷釘脫落或嚴重銹蝕、連接點塔材變形等。

圖5 耐張、直線塔地線拍攝示例Fig.5 Shooting example of tension and linear tower ground wire

對引流線，無人機采用近似垂直線路方向內、外兩側分別拍攝，每個方向可多張拍攝或只拍一張，每個方向拍攝的內容匯總后應包括引流線兩端線夾及之間的所有導線，如圖6?？赡艽嬖诘娜毕莅ǎ阂骶€松股、散股、斷股、表層受損、斷線、放電燒傷分裂導線扭絞，間隔棒松脫、變形或離位等。

圖6 引流線拍攝示例Fig.6 Shooting example of by-pass jumper

對防振錘，無人機近似垂直線路方向內、外兩側分別拍攝，如圖7。每個方向可多張拍攝或只拍一張；每個方向拍攝的內容匯總后應包括所有防振錘，可能存在的缺陷包括：防振錘跑位、脫落、嚴重銹蝕、阻尼線變形、燒傷等。

圖7 防振錘拍攝示例Fig.7 Shooting example of vibration damper

對導線本體，無人機至少從兩個方向拍攝分段拍攝，每相拍攝內容匯總后應包括整根導線（地線、OPGW）及所有間隔棒，如圖8，可能存在的缺陷包括：散股、斷股、損傷、斷線、放電燒傷、懸掛漂浮物、嚴重銹蝕；分裂導線扭絞、覆冰；間隔棒松脫、變形或離位等。

圖8 導線拍攝示例Fig.8 Example of wire shooting

1.3 絕緣子及金具拍攝

絕緣子串導線端拍攝，可拍攝部分為絕緣子串和金具。無人機對耐張串、懸垂串，近似垂直導線方向上、下、左、右分別拍攝；每張照片均應包括所有線夾、金具螺栓，且每串不少于2 片絕緣子。對近似垂直導線方向上、下、左、右分別拍攝，如圖9?？赡艽嬖诘娜毕莅ǎ簩Ь€從線夾抽出；導線滑移；線夾斷裂裂紋、磨損；螺栓及螺帽松動、缺失；連接板、連接環調整板損傷、裂紋；銷釘脫落或嚴重銹蝕；均壓環、屏蔽環脫落、斷裂、燒傷；絕緣子彈簧銷缺損，鋼帽裂紋、斷裂，鋼腳嚴重銹蝕或破損等。

圖9 耐張串、懸垂串絕緣子導線端拍攝示例Fig.9 Shooting example of tensioning string, suspension string insulator wire end

絕緣子串掛點，可拍攝部分為絕緣子串和金具。無人機采用近似垂直導線方向上、下、左、右分別拍攝；每張照片均應包括所有線夾、金具螺栓、掛點塔材，且每串不少于2 片絕緣子，如圖10?？赡艽嬖诘娜毕莅ǎ郝菟奥菝彼蓜?、缺失；連接板、連接環調整板損傷、裂紋；銷釘脫落或嚴重銹蝕；掛點塔材、變形；絕緣子彈簧銷缺損，鋼帽裂紋、斷裂，鋼腳嚴重銹蝕或破損等。

圖10 耐張串、懸垂串絕緣子掛點拍攝示例Fig.10 Shooting example of tensioning string and suspension string insulator hanging point

對整串絕緣子，近似垂直導線方向上、下、左、右分別拍攝；每張照片均應包括整個絕緣子串，如圖11?？赡艽嬖诘娜毕莅ǎ簜闳蛊茡p、嚴重污穢、有放電痕跡；彈簧銷缺損；鋼帽裂紋、斷裂；鋼腳嚴重銹蝕或破損；絕緣子串順線路方向傾斜角過大；絕緣子自爆等。

圖11 絕緣子串拍攝示例Fig.11 Shooting example of insulator strings

1.4 附屬設施拍攝

附屬設施包括各種拍攝桿塔所有標識標牌、防雷、防鳥、在線監測裝置，如圖12?？赡艹霈F的缺陷包括：標識標牌缺失、損壞、字跡或顏色不清、嚴重銹蝕等。防雷設置破損、變形、引線松脫，螺栓松脫， 銷釘脫落或嚴重銹蝕，放電間隙變化、燒傷、計數器動作情況等；防鳥裝置缺失、破損、變形、螺栓松脫銷釘脫落或嚴重銹蝕等；在線監測裝置外觀損壞、引線松脫，螺栓松脫、銷釘脫落或嚴重銹蝕等。

圖12 桿塔標識標牌拍攝示例Fig.12 Shooting example of tower identification signs

1.5 線路走廊拍攝

線路走廊拍攝，對本基桿塔下相導線側面分別拍攝大、小號側順線路方向分別至下一基桿塔的通道整體情況，通道內建（構筑物、魚塘、水庫、農田、樹竹生長、施工作業情況；周邊及跨越的電力及通信線路、道路、鐵路、索道、管道情況；地質情況等），如圖13?？赡艹霈F的缺陷主要是塔吊、推土機、挖掘機等施工外破目標、樹線距離不足、違章建筑、地質環境變化等。

圖13 線路走廊拍攝示例Fig.13 Shooting example of transmission line corridor

2 典型工況下自適應拍攝算法

2.1 視野中電力設備目標檢測

目前無人機自主巡檢航線規劃完全依賴基于北斗系統的差分定位，控制無人機到達預設航點后，調整機身以及云臺朝向，按順序在預設位置對設備部件進行拍攝。在具備前端識別設備的基礎上，可以通過基于檢測反饋調整的設備拍攝算法，使無人機精準對向目標設備執行拍攝，進一步提升巡檢圖像拍攝質量。

無人機到達懸停航點后，飛控發送指令至前端智能分析模塊，開啟圖像分析流程，前端智能分析模塊向無人機云臺相機獲取實時視頻。為降低處理壓力，可以從原視頻文件中每多幀中抽取1幀圖像進行分析處理，推薦每10幀抽取1幀，其抽取比例可在系統中設置。

通過智能分析模塊運行的深度學習模型，采用經過輕量化改進的目標檢測算法（You Only Look Oncee，YOLO）YOLO 模型檢測典型設備，從相機廣角端拍攝圖像中定位典型設備位置，并對視野內的設備進行編號排序。經試驗，可以將待識別的目標設備抽象為幾個重點拍攝位置多個設備的組合，包括：塔全景、塔頂地線掛點、懸垂絕緣子接地端掛點、懸垂絕緣子串整體、懸垂絕緣子導線端、耐張絕緣子接地端掛點、耐張絕緣子串整體、耐張絕緣子導線端。選取典型拍攝位置的圖像標注后，預先訓練模型集成于無人機飛控上。

以上位置設備有相對明顯的組合輪廓特征，智能分析模塊運行的輕量化深度學習檢測模型即可準確識別。相對于對絕緣子、線夾等各類設備的識別，本節方案更加抽象地概括了電力場景下需要拍攝的位置特征，發揮了深度學習模型的優勢。避免了針對不同電壓等級線路中不同型號設備識別算法的開發，降低了開發成本，提升了識別穩定性。

將拍攝時刻設為T0，此圖片記為Pic0，記錄T0時刻飛控各項參數，包括GPS 坐標，無人機IMU 三軸參數，包括偏轉角、俯仰角、翻滾角，云臺的三軸參數，包括偏轉角、俯仰角、翻滾角。前端模塊調用輕量化深度學習模型，識別Pic0，識別出的設備區域從上至下進行順序編號，按照編號順序，決定后續的變焦拍攝順序，目標識別及編號示例如圖14。

圖14 從圖像中定位出設備并排序Fig.14 Positioning and sorting devices from images

2.2 考慮風速影響的無人機及云臺反饋調節

前端智能分析模塊計算圖像中設備區域中心點位置與視野中心位置偏差，反饋給無人機飛控，調節無人機及云臺，使目標圖像采集過程中，目標設備區域在圖像中居中顯示。

首先建立圖像坐標系，以左上角為原點，右方為X軸，下方為Y軸建立圖像坐標系，其X軸方向最大值為圖片的最大橫向分辨率（Xm，0），Y軸方向最大值為圖像最大縱向分辨率（0，Ym）通過頂點坐標計算目標設備中心在圖像坐標系中的坐標。

根據坐標反饋到無人機飛控，控制無人機及云臺向對應方向調整。例如目標在圖像中偏左上，則應通過飛控控制云臺向左上移動。通過實時獲取飛控IMU中無人機姿態參數和云臺三軸參數，若目標采集過程中受到陣風影響，導致無人機姿態參數出現變化，則前端模塊發送命令使云臺應朝反方向補償，保持鏡頭朝向不變。例如若檢測到無人機偏轉角較上一時刻改變了α度，則云臺應在上一時刻三軸位置的基礎上，偏轉角補償-α度，從而始終保持相機拍攝朝向方位穩定。重新計算坐標值，重復以上步驟，至同時滿足設置值，過程示例如圖15。

圖15 圖像中設備識別反饋相機調整拍攝示例Fig.15 Shooting example of device recognition feedback camera adjustment in the image

2.3 目標設備圖像自動對焦拍攝

通過前端智能分析模塊與無人機飛控通信伺服無人機及云臺，保證采集過程中目標設備始終保持居中顯示，防止因陣風等因素引起無人機姿態變化導致的拍攝目標丟失。由于變焦相機鏡片組是機械結構，飛控控制相機從最短焦距變化到最長焦距需要1 s～2 s的時間，遠大于拍照時的曝光時間1/100 s，因此通過變焦過程中圖像識別與無人機云臺伺服步驟，保證變焦過程中鏡頭始終鎖定拍攝目標，防止因陣風等外界變化造成的目標丟失。

若無人機為搭載定焦相機的精靈4 等型號無人機，則前端智能分析模塊控制無人機朝向拍攝目標飛行，使目標圖像在視野中逐漸變大。前端智能分析模塊實時讀取采集過程中圖像，并識別出目標設備包圍盒，確保采集過程中設備始終保持在圖像中居中顯示。采集過程如圖16。完成上述變焦操作，對準目標設備后，相機對目標設備進行自動對焦操作，拍攝目標設備部位清晰圖像。

圖16 目標設備圖像拉近居中顯示原理示例Fig.16 Example of zooming in and centered display of target device images

2.4 考慮光照影響的圖像質量校驗

對焦正確的第i幀圖像，計算其灰度直方圖，若存在明顯的波峰波谷，則對灰度值直方圖進行均衡化操作，并計算其正確曝光時間及曝光補償參數，保障圖像對比度適中，如圖17。

圖17 曝光參數優化后圖像采集效果對比Fig.17 Comparison of image acquisition effect after exposure parameter optimization

第1 個目標拍攝完成后，可見光相機恢復至最短焦距，根據檢測算法模塊檢測結果進行比對。讀取每個設備區域中心點坐標PAi（XApi，YApi）通過最小歐式距離完成Pic0與Pic0A中各設備中心點的對應，確認拍攝排序2 的設備，避免順序混亂和重復拍攝。關聯飛控和工單，對每個拍攝部位進行命名，例如命名為“500 kVxxx線10號上相絕緣子導線端”。

重復上文步驟，完成排序2 設備的高清圖像采集與清晰度檢測，以此類推完成本航點視野內所有設備的圖像采集與清晰度檢測。通過在一個航點完成視野內多個設備的拍攝，降低航線規劃的難度和規劃工作量，避免了飛行航線過程中的能量損耗和在GPS 定位精度有限的條件下多個航點尋找懸停點消耗的時間，提升巡檢效率。

3 結語

考慮不同拍攝背景、光照、拍攝距離等典型環境工況條件，對自主巡檢無人機拍攝的圖像進行了規范，基于輕量化改進YOLO 算法，建立了基于圖像識別反饋的無人機巡檢自適應拍攝算法，通過從無人機視頻中識別出桿塔、絕緣子、金具等典型電力設備部件，反饋給無人機飛控系統。在拍攝前調節控制無人機拍攝位置、相機焦距、角度等拍攝參數，使拍攝圖像居中且清晰可見，在考慮風速、光照影響的工況條件下，實現了對桿塔、導地線、絕緣子、金具、附屬設施、線路走廊的高清自適應對焦拍攝。