CN110986871A - 一种基于rtk精确定位的交叉跨越线间距图像测量方法 - Google Patents

Abstract

本发明专利公开了一种基于RTK精确定位的交叉跨越线间距图像测量方法，属于输电线路运行维护技术领域。包括：可进行交叉跨越点坐标精确求解的定位***；可进行视场自适应调整的图像采集***，所述的视场自适应调整采用多倍变焦视场调整方法进行视场调整；进行视场调整后采集原始图像；通过图像测量的方法可以得到跨越交叉线间距，实现架空输电线路交叉跨越线间距的精确测量，解决现有交叉跨越线巡检方法存在的测量效率低下、环境适应性差及实时性差的问题。

Description

一种基于RTK精确定位的交叉跨越线间距图像测量方法

技术领域

本发明属于电力输电线路设备结合图像处理应用技术领域，具体涉及是一种基于RTK精确定位的交叉跨越线间距图像测量方法。

背景技术

电力输电线路在电网中起到了电能传输的作用，是电网组成的重要部分。为保证输电线路的安全运行，必须对输电线路进行日常的维护工作，其中跨越交叉线间距是一个重要的指标，如果其间距过小，导线之间会相互干扰甚至发生放电，严重时会导致安全事故。电力输电线路会收到强风、温度变化、雨雪、电线老化和输电线路运行时的高温影响，进而使跨越交叉线间距变小，存在发生安全事故的风险。近年来，随着我国社会经济的不断发展，电力输电线路的里程也不断增加，现有的输电走廊资源变得越来越匮乏，这种现象也导致了输电线路的跨越交叉现象也来越多，所以必须加强对跨越交叉处的巡视。目前输电线路的跨越交叉线间距主要依靠人工巡检的方式进行测量，但是这种巡检方式存在测量效率低下，且易受到地形因素的限制。随着社会经济的发展，传统的输电线路交叉跨越线间距测量方法慢慢无法保证输电线路的安全运行。

发明内容

针对现有的跨越交叉线测量方法所存在的测量效率低、不适用于复杂地形的问题。本发明提出一种基于RTK精确定位的交叉跨越线间距图像测量方法。能够实现高精度、高效率地对交叉式跨越线距离进行测量,具有操作便捷、安全的优点。

为实现上述目的，本发明提供如下技术方案：

一种基于RTK精确定位的交叉跨越线间距图像测量方法，包括如下测量步骤：

(1)杆塔和无人机分别通过RTK网络，获取4个两两对角的杆塔和无人机的三维坐标，根据4个杆塔的三维坐标，得到杆塔交叉点坐标和图像采集点的平面坐标；

(2)无人机根据图像采集点的在RTK网络平面坐标系的坐标位置，靠近图像采集点；

(3)无人机到达图像采集点后，对导线进行识别、定位后，根据现场情况自适应调整后，采集导线图像；

(4)对采集的图像进行灰度处理和滤波处理；

(5)对经过处理的图像进行边缘检测和直线拟合后，得到杆塔交叉点导线之间的间距

进一步，所述的杆塔交叉点平面坐标具体根据以下方式得出：

其中，x_o、y_o为GPS-WGS84平面坐标系下杆塔交叉点平面坐标，K为比例因子，θ为四个两两对角的杆塔构成的四边形的旋转角度，x_a、y_a是杆塔a的平面坐标，x_b、y_b，为杆塔b的平面坐标，x_c、y_c为杆塔c的平面坐标，x_d、y_d为杆塔d的平面坐标；Δx₀、Δy₀为四个两两对角的杆塔构成的四边形旋转后x、y轴平移量。

进一步，所述的图像采集点平面坐标具体根据以下方式得出：

其中，x_m、y_m为图像采集点平面坐标，l、w为变换因子，x_o、y_o为GPS-WGS84平面坐标系下的杆塔交叉点坐标，x₁、y₁是变换补偿因子。

进一步，无人机通过单站RTK定位精确引导到达图像采集点，具体的RTK引导方式为：

其中，

为测量基准站r对卫星i的载波相位观测值，

为移动站u对卫星i的载波相位观测值，

为将

和

作差再差分得到双差载波相位观测值，λ为载波波长，

为几何距离，

为整周模糊度，

为接收观测噪声。

进一步，根据现场情况来进行拍摄角度的调整；所述的拍摄俯仰角度具体由以下方式计算得出：

式中x_o、y_o、h_o和x_m、y_m、h_m分别为在RTK坐标系下测量中心点与无人机的位置坐标，α为计算出的俯仰角；h_o具体由以下方式得出：

其中，h_a为杆塔a的高度，h_b为杆塔b的高度，h_c为杆塔c的高度，h_d为杆塔d的高度。

拍摄的滚动角度具体由以下方式计算得出：

根据交叉跨越导线1两杆塔的坐标，求解得到其直线方程：

y＝A₁x+B₁

随后求解得到其角度β₁，具体公式如下：

β₁＝arctan(A₁)

根据交叉跨越导线2两杆塔的坐标，求解得到其直线方程：

y＝A₂x+B₂

随后求解得到其角度β₂，具体公式如下：

β₂＝arctan(A₂)

拍摄的滚动角度β求解公式为：

进一步，所述的灰度处理为平均灰度处理；所述的滤波处理为双边滤波处理。

进一步，所述的平均灰度处理方法的灰度值等于彩色图像的R、G、B三个分量灰度值的求和平均值，计算公式如下：

其中，(i,j)为图像中的任一坐标，gray(i,j)为在(i,j)处的求和平均值，R(i,j)、G(i,j)、B(i,j)分别为图像转换前在(i,j)处的灰度值。

进一步，所述的双边滤波处理方法，可以更好保留图像边缘信息，其原理为一个与空间距离相关的高斯函数与一个灰度距离相关的高斯函数相乘。

空间距离为：指当前点与中心点的欧拉距离。空间域高斯函数其数学形式为：

其中(x_i,y_i)为当前点的位置，(x_c,y_c)为中心点灰度值，σ为空间域标准差。

灰度空间为：指当前点灰度与中心灰度值的差的绝对值。值域高斯函数其数学形式为：

其中，gray(x_i,y_i)为当前点灰度值，gray(x_c,y_c)为中心点灰度值，σ为值域标准差。

进一步，所求的杆塔交叉点导线之间的间距根据以下方式得出：

其中，l为杆塔交叉点导线之间的间距，R为导线真实线径，l₁为导线像素线径，l₂为跨越交叉线两导线的像素差。

本发明的有益效果：

本发明利用RTK精确定位引导无人机，能够实现高精度、高效率地对交叉式跨越线距离进行测量,具有操作便捷、安全的优点。

附图说明

图1是本发明的一种基于RTK精确定位的交叉跨越线间距图像测量方法的测距示意图；

图2是本发明的一种基于RTK精确定位的交叉跨越线间距图像测量方法的相机姿态示意图。

具体实施方式

一种基于RTK精确定位的交叉跨越线间距图像测量方法，包括如下的步骤；

(1)杆塔和无人机分别通过RTK网络，获取4个两两对角的杆塔和无人机的三维坐标；如图1，4个两两对角的杆塔分别为杆塔a，杆塔b，杆塔c，杆塔d杆塔；其中，杆塔a的三维坐标为(x_a,y_a,h_a)，杆塔b的三维坐标为(x_b,y_b,h_b)，杆塔c的三维坐标为(x_c，y_c，h_c)，杆塔d的三维坐标为(x_d，y_d，h_d)，杆塔交叉点为o点,o点的三维坐标为(x_o，y_o，h_o)，图像采集点为m点,m点的三维坐标为(x_m，y_m，h_m)。

通过杆塔基准站自身获取GPS坐标数据x'、y'；将4个两两对角的杆塔构成的四边形旋转θ度，得出四边形经旋转后在x轴、y轴的平移量Δx₀、Δy₀，最后求得单个杆塔的当地平面坐标x,y；具体根据如下方式得出：

根据杆塔自身的当地坐标x,y，得出杆塔交叉点o的平面坐标x_o，y_o；具体根据如下方式得出：

如图1，通过求得的杆塔交叉点o的平面坐标x_o、y_o，变换因子l,w以及两个变换补偿因子x₁、y₁；来确定图像采集点m点的平面坐标x_m，y_m；具体为：

(2)通过Mission Planner地面站把步骤(1)确定的图像采集点m的坐标x_m，y_m发送到无人机，再控制无人机靠近图像采集点m；在进入杆塔交叉线测量区域之后，根据就近选取连接信号最好的杆塔RTK网络采用RTK定位引导无人机到达的图像采集点m，具体的RTK定位引导为：将测量基准站r对卫星i的载波相位观测值

和移动站u对卫星i的载波相位观测值

作差再差分得到双差载波相位观测值

具体引导方法如下：

通过测量杆塔基准站和移动站之间的基线向量结合双差整周模糊度Lambda坐标拟合求解出在任意时刻i下在杆塔基准站坐标系中相对卫星坐标下的移动站的三维坐标，以此判断无人机是否到达图像采集点m。

(3)如图2，无人机到达图像采集点m后，采用链码算法进行杆塔输电线的识别，识别成功后，再使用霍夫变换对成功识别出的杆塔输电线进行直线检测，即目标定位；然后通过无人机的位置坐标x_m、y_m、h_m以及测量中心点o的坐标x_o、y_o、h_o，计算确定无人机的拍摄俯仰角α并对目标图像进行采集；具体的俯仰角α根据以下方式得出：

滚动角度具体由以下方式计算得出：

根据交叉跨越导线1两杆塔的坐标，求解得到其直线方程：

y＝A₁x+B₁

随后求解得到其角度β₁，具体公式如下：

β₁＝arctan(A₁)

根据交叉跨越导线2两杆塔的坐标，求解得到其直线方程：

y＝A₂x+B₂

随后求解得到其角度β₂，具体公式如下：

β₂＝arctan(A₂)

拍摄的滚动角度β求解公式为：

(4)采集后的图像的灰度值gray(i,j)根据以下公式进行处理

其中，R(i,j)、G(i,j)、B(i,j)分别为图像转换前在(i,j)处的灰度值。

图像进行滤波处理的方法为一个与空间距离相关的高斯函数与一个灰度距离相关的高斯函数相乘。

(5)如图1，采用Canny算法对处理后的图像进行边缘检测，并对图中的两条导线采用最小二乘拟合算法进行直线拟合，得到其中一条导线的上下边缘的拟合直线；得到上下边缘的直线后，求出导线上下边缘的像素差l₁，在随后拟合出另一条导线的边缘拟合线，求得这两条导线的像素差l₂，即两条导线的像素距离；根据已知的导线线径R；由此求得杆塔交叉线之间的间距l；具体的方式如下：

本实施例中，杆塔基准站上配置了双频全波长GPS接收机，该接收机可以同时提供精确的双频观测值；基准站按规定的采样率进行连续观测，并通过数据链实时将观测资料传送给用户站数据处理中心，所述的通信方式为NOC数字数据网。移动站的通信方式为数字移动电话网络，为保证在特殊环境的适用性，所述的通信方式为GSM通信，通过GSM通信方式将标准的NMEA位置信息传输至用户站数据处理中；随后用户站数据处理中心根据基准站所发送的位置信心求解流动站处所受到的***误差，再向流动站发送改正过的KTCM信息，流动站根据接收到的KTCM信息，结合自身GPS观测值，组成双差相位观测值，快速确定整周模糊度参数和位置信息，完成精准的实时定位。

无人机根据Mission Planner地面站发送的坐标信息，靠近交叉线中心观测点；所述的无人机与Mission Planner地面站之间的坐标数据传输采用数据传输电台进行数据传输；无人机飞行至指定地点后，拍摄采集图像，并将图像传输到用户站，所述的将图像传输到用户站的图像数据传输方式为1.4G图像传输协议；具体工作方式为：用户站通过数据传输电台发送指令控制图像回传；所采集到的图像回传至用户站后，通过用户站处理，计算得出杆塔交叉线之间的间距。

Claims (9)

1.一种基于RTK精确定位的交叉跨越线间距图像测量方法，包括如下测量步骤：

(1)杆塔和无人机分别通过RTK网络，获取4个两两对角的杆塔和无人机的三维坐标，根据4个杆塔的三维坐标，得到杆塔交叉点坐标和图像采集点的平面坐标；

(2)无人机根据图像采集点的在RTK网络平面坐标系的坐标位置，靠近图像采集点；

(3)无人机到达图像采集点后，对导线进行识别、定位后，根据现场情况自适应调整后，采集导线图像；

(4)对采集的图像进行灰度处理和滤波处理；

(5)对经过处理的图像进行边缘检测和直线拟合后，得到杆塔交叉点导线之间的间距。

2.根据权利要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，所述的杆塔交叉点平面坐标具体根据以下方式得出：

其中，x_o、y_o为GPS-WGS84平面坐标系下杆塔交叉点平面坐标，K为比例因子，θ为四个两两对角的杆塔构成的四边形的旋转角度，x_a、y_a是杆塔a的平面坐标，x_b、y_b，为杆塔b的平面坐标，x_c、y_c为杆塔c的平面坐标，x_d、y_d为杆塔d的平面坐标；Δx₀、Δy₀为四个两两对角的杆塔构成的四边形旋转后x、y轴平移量。

3.根据权利要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，所述的图像采集点平面坐标具体根据以下方式得出：

其中，x_m、y_m为图像采集点平面坐标，l、w为变换因子，x_o、y_o为GPS-WGS84平面坐标系下的杆塔交叉点坐标，x₁、y₁是变换补偿因子。

4.根据权利要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，无人机通过单站RTK定位精确引导到达图像采集点，具体的RTK引导方式为：

其中，

为测量基准站r对卫星i的载波相位观测值，

为移动站u对卫星i的载波相位观测值，

为将

和

作差再差分得到双差载波相位观测值，λ为载波波长，

为几何距离，

为整周模糊度，

为接收观测噪声。

5.根据权力要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，根据现场情况来进行拍摄角度的调整；所述的拍摄俯仰角度具体由以下方式计算得出：

式中x_o、y_o、h_o和x_m、y_m、h_m分别为在RTK坐标系下测量中心点与无人机的位置坐标，α为计算出的俯仰角；h_o具体由以下方式得出：

其中，h_a为杆塔a的高度，h_b为杆塔b的高度，h_c为杆塔c的高度，h_d为杆塔d的高度。

拍摄的滚动角度求解公式为：

其中，β为拍摄的滚动角度，β₁为交叉跨越导线1两杆塔连线的角度，β₂为交叉跨越导线2两杆塔连线的角度。

6.根据权力要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，所述的灰度处理为平均灰度处理；所述的滤波处理为双边滤波处理。

7.根据权力要求6所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，所述的平均灰度处理方法的灰度值等于彩色图像的R、G、B三个分量灰度值的求和平均值，计算公式如下：

其中，(i,j)为图像中的任一坐标，gray(i,j)为在(i,j)处的求和平均值，R(i,j)、G(i,j)、B(i,j)分别为图像转换前在(i,j)处的灰度值。

8.根据权利要求6所述一种基于RTK精确定位的交叉跨越线间距处理方法，其特征在于，所述的双边滤波处理方法，其原理为一个与空间距离相关的高斯函数与一个灰度距离相关的高斯函数相乘。

空间距离为：指当前点与中心点的欧拉距离。空间域高斯函数其数学形式为：

其中(x_i,y_i)为当前点的位置，(x_c,y_c)为中心点灰度值，σ为空间域标准差。

灰度空间为：指当前点灰度与中心灰度值的差的绝对值。值域高斯函数其数学形式为：

其中，gray(x_i,y_i)为当前点灰度值，gray(x_c,y_c)为中心点灰度值，σ为值域标准差。

9.根据权力要求1所述一种基于RTK精确定位的交叉跨越线间距图像测量方法，其特征在于，所求的杆塔交叉点导线之间的间距根据以下方式得出：

其中，l为杆塔交叉点导线之间的间距，l₁为导线像素线径，l₂为跨越交叉线两导线的像素差,R为导线真实线径。

Images