摘要
电力设施运行的安全可靠是国家经济平稳发展的基础保障，开展电力线、电力塔与输变电站等电力设施巡检工作，可有效预防电力设施运行事故的发生或减少故障带来的影响。传统的电力设施巡检工作主要依靠外业人工手段，这种方式劳动强度大、危险性高、巡检效率低。随着遥感技术的不断进步，利用无人机搭载的各类传感器可获取地面高空间分辨率影像与激光雷达点云数据，结合数字图像与点云处理方法，可获得电力设施的有效信息。该技术具有准确性高、操作便捷、时效性强等突出优势，目前已广泛应用于电力设施的巡检工作，是未来智能化巡检不可或缺的技术手段之一。但是电力线等目标像元在影像中占比很少，提取时极易受到背景地物的干扰;并且点云与影像的数据结构差异巨大，无法将成熟的图像处理技术直接迁移到点云中，电力设施点云提取的理论与技术方法尚不能完全满足高精度、智能化巡检的需求。因此需要不断完善无人机影像与点云的电力设施提取理论基础，深入研究多源数据的应用能力，以实现更为多样的电力设施自动化提取方法。 本文针对多源数据中电力线、电力塔、输变电站等电力设施的特点与提取难点，结合目前先进的计算机视觉、图像处理等技术手段，对无人机影像中的电力线提取、点云中的电力设施提取分别开展独立研究，并探索了两种数据的融合方法与应用，主要内容及结论概括为: 1.无人机影像电力线提取。基于直接线检测的思路，提出一种针对无人机影像的梯度加权拉东变换，该方法可有效降低原拉东域中的伪直线峰，减少生成杂乱直线的现象。基于图像语义分割思路，构建多尺度线检测器与对象级马尔科夫随机场结合的方法对电力线像元进行分割，该方法具有两个突出优点:多尺度线检测利用影像多级信息，对长直线较为敏感，形成的电力线候选区域可为后续分割减少大量噪声;对象级马尔科夫随机场使用线段距离和角度信息，可捕获线段之间的复杂交互关系，描述对象之间的相互作用。电力线影像测试实验验证了上述方法的有效性，加权拉东变换明显提高了原拉东变换的提取精度，且平均检测时间在相同计算平台具有优势，适合快速检测的应用场景;对象级马尔科夫随机场方法在不同复杂度影像中的精确率（Precision，Prec）可达0.88，适合高精度检测的使用场景。 2.无人机点云电力设施提取。针对复杂地物环境中激光雷达点云数据间关系描述困难、多目标地物同步提取难度大等问题，对电力设施点云进行密度分析，提出了一种多尺度旋转密度特征网络与基于点的深度学习相结合的模型。该模型将点云数据进行分块并建立邻域系统;通过下采样获得多尺度点云并获取密度特征;将密度特征与基于点的深度学习网络所提供的局部信息进行串联来实现点云分割。该方法实现了基于密度特征的目标地物结构信息挖掘;结合基于点的深度学习网络，可充分描述点与点的空间关系，对结构缺失的目标及噪声干扰有较好的抑制作用，能够端到端同步获取复杂环境中数据质量较差的电力设施。对目标地物有较好的分割精度，针对电力线、电力塔及输变电站目标，交并比(IntersectionoverUnion,IoU)分别为83.93％、82.40％及75.28％，精度(Accuracy)分别为90.15％、91.24％及85.32％。 3.数据融合提取电力线与电力塔。针对融合过程对多源数据的处理过于独立及数据互补优势利用不足等问题，以数据级融合为基本思路，利用地面控制点及传感器间严密的坐标系统转换机制，设计了数字正射影像制作、多源数据配准、影像为点云着色的数据融合流程，可生成带有影像可见光信息的点云数据;基于特征级融合思路，构建一种多尺度特征融合的深度学习网络，其输入数据是影像与点云的特征，可输出带有点云信息的影像特征或带有影像信息的点云特征，可分别应用于影像中电力设施像元分割或点云中电力设施提取等不同任务。测试实验表明，着色点云可直接应用于不同的点云提取方法;特征级融合可有效改善目标点云提取效果、提高影像分割精度，其中电力线与电力塔点云的提取精度(Accuracy)达85.01％与84.65％，电力线与电力塔像元的检测率(TruePositiveRate,TPR)可达0.87与0.88。 本文围绕无人机可见光影像、激光雷达点云及影像点云协同数据，针对电力设施在影像中像元占比少、背景地物噪声较多，点云数据的结构信息挖掘困难，多源数据融合中互补信息利用较少等问题，开展一系列以电力线、电力塔与输变电站为目标地物的提取方法研究。依据不同思路开发的两种无人机影像电力线提取方法，能有效应用于快速检测与高精度检测等不同使用场景，可丰富影像中电力线及相似线性地物提取的基础理论与技术方法。构建的点云电力设施提取网络，借助深度学习这一有力工具，深入分析并挖掘目标地物的密度结构特征，实现多类别电力设施的同步提取，拓展了点云数据与基于点的深度学习的应用能力。提出的特征级数据融合网络，可输出带有多种信息的特征数据，能够和多种影像及点云分割模型进行结合，用于适配不同的目标地物提取任务。提出的理论与方法可为电力设施高精度提取、电力廊道自动化巡检、无人机多源数据利用等方面提供支持。
NETL