《基于机器视觉的输电线路交叉点在线测量方法及技术方案》论文笔记

《基于机器视觉的输电线路交叉点在线测量方法及技术方案》论文笔记

原文链接：On-line Measurement Method and Technical Scheme of Transmission Line Crossing Point Based on Machine Vision - IOPscience

随着对高压和UHV传输的需求不断增长，用于传输线监测和故障诊断提出了越来越高的需求。传统的线测量方法有许多缺点，无法确保测量准确性，测量效率和高成本。基于此，本文首先研究机器视觉在线测量的原理，然后根据机器视觉分析传输线交叉点的在线测量过程，最后给出了传输线交叉点的误差源和改善测量在线测量。

随着社会经济的持续增长，各行各业中对权力的需求也不断加强，这不仅为电力行业带来了广泛的发展机会，而且给电力系统的输电线路容量带来了巨大挑战。随着对高压和UHV传输的需求不断增长，用于传输线监测和故障诊断提出了越来越高的需求[1]。一方面，传输线路条件监视系统需要能够实时和有效地监视线路的环境参数和操作状态参数；另一方面，它还需要能够科学而有效地评估整个传输线的状态，在线异常时及时提供预警信息，维护人员及时进行线路维护并提供相应的指导。

目前，传输线监视系统已在许多电网线中运行，并获得了显着的利用结果。但是，随着传输线中电网系统复杂性的改善，尤其是满足线路交叉点的实时监控以及跨区域电网和大线路交叉的线路监视要求，现有的电网监视系统仍面临巨大的压力。为了实现对传输线交叉的安全距离的实时监控，传输线交叉距离的在线监视系统还需要满足实际要求整个传输系统的安全操作，以实现整个传输线的有效监视需求。

传输线的路线通常很复杂。传统的线测量方法有许多问题和缺点，主要是在难以实现远程在线测量的方面，无法确保测量准确性，高测量效率和高成本。近年来，由机器视觉代表的智能技术取得了显着进展[2]。该技术可以通过集成数字图像处理来实现立体声的测量。针对实用问题，例如交叉穿越和轻松的传输线交叉排放，机器视觉技术的使用可以有效，准确地满足测量要求。因此，它在架空传输线交叉距离间隙距离的测量中具有很高的利用率。

简而言之，高压和跨区域长距离传输线具有长距离，平行和交叉的典型特征[3]。这些线的复杂环境使得很难进行平行和交叉的监控和测量。跨越传输线的交叉断层逐年增加。迫切需要加强对架空传输线的平行和交叉点的测量。因此，基于机器视觉的在线测量方法和传输线横穿点的技术具有重要的实用价值，可确保传输线的安全性并保持传输系统的稳定性。

2. Principle of machine vision on-line measurement

2.1。机器视觉在线测量

作为电源行业测量的重要几何参数，传输线交叉点的在线测量对测量系统的要求很高。传统的测量措施的精度和速度较慢，无法满足大规模和自动测量的实际需求[4]。基于机器视觉的传输线交叉点的在线测量技术属于非接触式测量，该测量具有许多优势，例如高检测准确性，高速和低成本，易于实现等。借助机器视觉技术，不仅可以在线测量参数，而且可以实时确定传输线的状态。

2.2。机器视觉长度测量原理

在传输线测量中需要广泛需要长度测量。基于机器视觉的长度测量具有高精度和高速的实际优势[5]。在传输线的距离测量中，通过识别和拟合两条线的定位距离，根据数学方法计算两条线之间的距离。直线拟合的最小平方原理在下面的公式1中显示，其中y是直线函数，a，b是未确定的常数。反映计算值y和实际ε值之间的偏差，这可能是正面的或负的。

其次，最小平方函数可以轻松，快速地求解线性方程，其极值原理在下面的等式2中显示。两条拟合线可能不平行。通常，从直线上的多个点到另一条直线的平均距离用于近似计算。

2.3。基于机器视觉的传输线段测量原理

在测量工业传输线段中，通常测量两个端点之间的段的长度。线段测量的核心是在图像中找到两个线段的端点，这些端点通常是图像中的角落[6]。首先，提取了收集的工件图像的角落。其次，提取工件图像的轮廓，并使用轮廓信息精确地定位角落的位置。最后，根据检测到的角来计算角落之间的距离。如果已知图像轮廓信息，则可以使用轮廓信息来判断该角是否在轮廓上。此外，在角度检测中，高斯低通滤波器需要用于平滑，但是由于检测到的角位置的误差，它通常对测量精度产生不利影响。

2.4。基于机器视觉传输线弧度测量原理

传输线弧度测量是另一种广泛使用的测量形式。传统物理接触方法的参考点太多，无法测量弧线，因此它无法以慢速和低精度的整体掌握全面参数[7]。基于机器视觉技术的圆测量可以极大地改善测量速度和准确性。它在传输线上迅速发展，其实际利用率已经成熟。基于机器视觉技术的圆测量首先识别并拟合圆的轮廓，获得圆的方程式，并根据数学方法获得各种相关参数。另外，曲率识别方法可以分开圆和其他多边形，然后求解目标圆的参数。

3.基于机器视觉的传输线横穿点的线测量

3.1。在线测量系统结构的传输线交叉点

基于机器视觉的传输线交叉点的在线测量系统主要包括运动机制，测量机理和特征标记点[8]。其中，运动机制的主要功能是帮助传输线操作和维护人员在线路维护过程中移动测量系统的位置。为了满足远程在线测量的实际要求，有必要设置远程信号接收和发送设备，以便可以在传输线上准确调整运动机制。其次，测量机制用于在线监视。传输线交叉点的测量机制主要包括各种功能模块。图像采集单元由图像传感器和图像采集模块组成；系统单元由处理器，DSP，VPS和其他模块组成。

此外，系统通信单元由各种通信模式组成，以满足不同地区和环境中传输线的远程和在线测量的需求[9]。同样，电源单元也由各种电源提供，以实现高效，稳定，可靠和长期有效的电源。

3.2. Scheme of on-line measurement system for crossing points of transmission lines

下面的图1显示了基于机器视觉的传输线交叉点的在线测量方案。通过使用嵌入式软件和硬件来实现稳定且可靠的在线测量。其中，嵌入式硬件在微处理器的帮助下根据用户需求实现了个性化的开发和设计，以满足多元化的在线上传输线的测量要求。其次，系统采用嵌入式软件方案来实现多任务在线处理。它的软件体系结构包括利用层，中层，系统操作层和驱动程序层，可以满足丰富的硬件支持。

3.3。在线测量设计的传输线穿越点

首先，在输电线路交叉点测量设备的软件平台设计级别上，开发机器视觉摄像机驱动程序以实现图像获取并满足实时图像传输的需求[10]。其次，传输线交叉点在线测量系统的软件检测算法主要负责读取，分析和测量采集平台收集的图像，以实现自动检测传输线交叉点的自动检测。另外，通过获得传输线的像素坐标，然后在空间上转换传输线的像素坐标来计算相应的几何测量模型，以满足准确测量交叉点的系统要求。

4.根据机器视觉改善传输线的在线测量

4.1。基于机器视觉传输线在线测量的错误

根据机器视觉的原理，在线测量系统的运输线构建是为了校准图像采集摄像机，包括立体声校准和摄像头校准，以实现图像采集系统的校准和优化。下面的图2显示了基于机器视觉的传输线交叉点的传输线的拟合曲线。从数字可以看出，交叉场景中的深度信息更易于测量，但是交叉距离信息更加困难。另外，测量过程中的错误主要来自相机校准和图像匹配，需要改善。

4.2。基于机器视觉的传输线的在线测量安排

在基于机器视觉的在线测量系统的摄像机机理的误差校准过程中，有必要尽可能消除机器视觉摄像机的镜头失真的影响。摄像机校准算法用于优化校准误差并控制RE投影误差，以便它可以满足传输线交叉测量的实际需求。此外，在传输线测量图像匹配的级别上，为了避免由图像采集设备的抵消引起的变形误差，通常通过更改传输线测量基线距离来实现错误优化。

5. Conclusion

总而言之，机器视觉技术与数字图像处理相结合可以实现立体视觉测量，并有效，准确地满足测量要求。它在架空传输线交叉间隙距离的测量中具有很高的利用值。基于对机器视觉在线测量原理的分析，本文通过机器视觉研究了长度，线段和弧的测量原理。通过研究基于机器视觉的传输线交叉点的在线测量，在线测量系统的体系结构，测量系统的误差源以及改善误差的特定措施。