洪梓铭
（广东电网有限责任公司广州供电局，广东广州 510000）
电力系统承载着能源运输的命脉，是构成电网的重要部分。电力巡检是保证电力系统输电线路安全性和稳定性的基础[1]。通过电力巡检可以及时发现电力系统潜在的安全隐患，并检查出输电线路的缺陷。传统的人工电力巡检方式劳动效率较低，还会受到地形等多种条件的限制，一些输电线路无法进行人工巡检[2-3]。无人机具有成本低、投资小的特点，将其应用到电力巡检的移动作业中，可以带来可观的经济效益，提高电力巡检的移动作业效率。因此将无人机应用到电力巡检工作中越来越受到学术界的重视。
文献[4]将大型无人机与遥感技术结合在一起，检测输电线路的运行状况，有效解决了传统电力巡检技术存在的问题，能够及时发现电力系统输电线路潜在的安全隐患。通过介绍无人机巡检系统的组成、数据处理、数据采集等技术，制定了巡检技术和方案，为无人机电力巡检的应用和普及提供了学术性参考；
文献[5]在众包模式的基础上，设计了巡检数据采集模型。模型中包括客户端、服务器端、爬虫系统和存储系统。通过爬虫系统向服务器发送请求，并将爬虫任务上传给客户端。实验结果显示，该系统的配置比较简单，可以直接获取巡检目标信息，具有较快的数据获取速度，还可以提高信息的检索效率。
基于以上研究背景，该文建立了一个电力巡检的移动作业无人机倾斜影像三维采集模型，改善传统采集模型的问题。
1.1 提取倾斜影像信息
在采集电力巡检的移动作业无人机倾斜影像之前，先提取电力巡检的移动作业无人机倾斜影像信息。假设无人机倾斜影像在平面介质中的温度场为μ，那么无人机倾斜影像的固体能量为：
其中，Q表示μ包含的热能，表示无人机倾斜影像边界区域向外的法矢，∇μ表示无人机倾斜影像平面介质中的梯度场，σ表示无人机倾斜影像的热导率，x＇表示无人机倾斜影像的平面位置，t表示无人机倾斜影像信息的提取时间。
根据无人机倾斜影像的固体能量[6]，得到无人机倾斜影像能量与时间的变化关系，即：
合并式（1）和式（2），得到倾斜影像的导热能量方程微分形式，表示为：
其中，div()· 表示无人机倾斜影像的散度算子，c表示无人机倾斜影像的扩散系数矩阵。
通过以上步骤可以完成无人机倾斜影像的平滑去噪，利用以下步骤提取倾斜影像信息。
1）转换无人机倾斜影像的颜色空间。假设无人机倾斜影像的大小为M×N，利用RGB 颜色空间将其转换为HSV，量化表示为C(x,y)。
2）提取无人机倾斜影像的统计结构元特征。将无人机倾斜影像划分为2×2 的影像块，匹配影像的结构元，得到一个的映射子图：
当T(i,j)=s时，Ts(i,j)=1，那么无人机倾斜影像的统计结构元特征向量计算公式为：
3）提取无人机倾斜影像采集目标的结构元连通性特征。
在无人机倾斜影像的映射子图中，分层提取采集目标的连通粒属性，那么连通粒属性特征的计算公式为：
其中，Ss表示无人机倾斜影像第s层的背景，Os表示无人机倾斜影像第s层的采集目标。Ms×Ns则表示无人机倾斜影像的映射子图第s层采集目标的大小。
4）提取无人机倾斜影像采集目标的颜色连通性特征。
在无人机倾斜影像颜色映射子图C(x,y)上提取每一个颜色层的采集目标连通粒属性特征。那么在映射子图的第L层，采集目标颜色连通粒属性特征可表示为：
其中，SL表示无人机倾斜影像第L层的背景，OL表示无人机倾斜影像第L层的采集目标。ML×NL则表示无人机倾斜影像映射子图第L层采集目标的大小，
5）融合无人机倾斜影像采集目标特征。将以上计算过程获取的无人机倾斜影像采集目标的特征分量代入式（8），得到ωi(i=1,2,3)，并将所有值代入式（9），归一化处理无人机倾斜影像采集目标的每一个特征分量[7]。利用式（10）将每一个采集目标特征分量融合为无人机倾斜影像采集目标特征向量，其权重为：
其中，bi表示无人机倾斜影像采集目标特征向量集合中任意一个子向量，f(bi)表示无人机倾斜影像采集目标特征向量的权重，τ表示采集目标特征向量的基准函数。
其中，Norm(bi)表示采集目标每一个自特征向量的归一化结果。
根据无人机倾斜影像的固体能量，得到无人机倾斜影像能量与时间的变化关系；
利用无人机倾斜影像的统计结构元特征、结构元连通性特征和颜色连通性特征，融合无人机倾斜影像采集目标特征，提取出电力巡检的移动作业无人机倾斜影像信息。
1.2 融合倾斜影像
由于无人机倾斜影像在融合边缘处的性能比较弱[9]，很容易造成边沿模糊，需要对拼接后的无人机倾斜影像进行融合处理，增强影像边缘的清晰度[10]。无人机倾斜影像的平滑处理操作为：
其中，fA(x,y)表示影像经过融合分类后的像素点信息，fB(x,y) 表示影像融合后的像素点信息，k1和k2表示平滑因子。如果影像中像素水平方向的最大融合度为xmax，竖直方向的最大融合度为ymax，那么影像的平面融合度为：
无人机倾斜影像的平滑处理过程中，平滑因子的处理原理图如图1 所示。
图1 平滑因子的处理原理图
融合因子从1 到0 的变化过程中，实现了倾斜影像的多源融合，得到一个更高清晰度的融合无人机倾斜影像[11]。
通过构造电力巡检的移动作业无人机倾斜影像融合模型，建立像素融合分类函数，对倾斜影像进行平滑处理；
计算无人机倾斜影像的平面融合度，融合处理了无人机倾斜影像。
1.3 构建无人机倾斜影像三维采集模型
将无人机倾斜影像三维采集问题描述为：
在电力巡检节点的能量预算中，将优化问题表示为：
电力巡检节点的信息速率优化问题表示为：
电力巡检节点的稳定性优化问题表示为：
其中，βμ、βv表示双变量的正步长。倾斜影像三维采集模型的复杂度取决于电力巡检节点游动的方向[14]。
在倾斜影像三维采集模型中，设定Xs、和三个变量的值是重点，由于电力巡检节点的数量有限，通过随机投影即可以采集到电力巡检的移动作业无人机倾斜影像[15-16]。
综上所述，通过提取无人机倾斜影像信息融合处理了倾斜影像，构建了影像三维采集模型，实现了倾斜影像的三维采集。
为了验证该文设计的无人机倾斜影像三维采集模型具有较好的性能，在Googledatasets中随机选取了某个倾斜摄影系统作为实验样本。该倾斜摄影系统以无人机为载体，通过超低空倾斜摄影，从一个垂直角度和四个特定角度获取高清立体影像，并多角度采集空间三维数据。为了配合控制点或影像POS 信息，影像上每个点都会有三维坐标。基于影像数据可对任意点线面进行量测，具有时效性强、机动性好、方便灵活、巡査范围广等优点。分别引入文献[4]的无人机倾斜影像三维采集模型和文献[5]的无人机倾斜影像三维采集模型作为对比方法，从采集精度和采集耗时两个方面，进行实验测试。
三种无人机倾斜影像三维采集模型的采集精度测试结果如图2 所示。
图2 无人机倾斜影像采集精度测试结果
从图2 的结果可以看出，采用文献[4]模型采集无人机倾斜影像时，影像的最高采集精度达到了84.5%，但是在第10 次实验和第20 次实验之间，采集精度的下降比较明显；
采用文献[5]模型采集无人机倾斜影像时，最高采集精度只有76.8%；
而采用该文设计的模型采集无人机倾斜影像时，最高采集精度达到了93.4%，高于其他两种方法。
三种无人机倾斜影像三维采集模型的采集耗时测试结果如图3 所示。
图3 无人机倾斜影像采集耗时测试结果
从图3 的结果可以看出，采用文献[4]模型采集无人机倾斜影像，采集耗时约为57 min；
采用文献[5]模型采集无人机倾斜影像，采集耗时约为63 min，采集耗时与实验次数呈正相关的关系；
而采用该文设计的模型采集无人机倾斜影像，采集耗时为35.9 min，并且随着实验次数的增加，采集耗时基本保持稳定。
该文提出了电力巡检的移动作业无人机倾斜影像三维采集模型，通过提取无人机倾斜影像信息，归一化处理无人机倾斜影像采集目标的每一个特征分量后，构造无人机倾斜影像融合模型，融合处理了无人机倾斜影像，采集精度达到了93.4%，采集耗时为35.9 min，说明其具有时效性强、机动性好的优点，解决了采集精度低、耗时长的问题，实际应用性能较好。
猜你喜欢子图特征向量特征二年制职教本科线性代数课程的几何化教学设计——以特征值和特征向量为例九江职业技术学院学报(2022年1期)2022-12-02克罗内克积的特征向量保定学院学报(2022年2期)2022-04-07如何表达“特征”疯狂英语·新策略(2019年10期)2019-12-13不忠诚的四个特征当代陕西(2019年10期)2019-06-03临界完全图Ramsey数同济大学学报（自然科学版）(2019年2期)2019-04-02一类特殊矩阵特征向量的求法许昌学院学报(2018年4期)2018-05-02抓住特征巧观察数学小灵通·3-4年级(2017年9期)2017-10-13EXCEL表格计算判断矩阵近似特征向量在AHP法检验上的应用中华建设(2017年1期)2017-06-07基于频繁子图挖掘的数据服务Mashup推荐电子科技大学学报(2016年2期)2016-08-31不含2K1+K2和C4作为导出子图的图的色数华东师范大学学报（自然科学版）(2014年1期)2014-04-16