錢曉明 許保瑜 吳圓波

（云南電網(wǎng)有限責(zé)任公司昆明供電局）

0 引言

近年來我國社會經(jīng)濟(jì)進(jìn)入了高速增長期，對各種能源的消耗量非常巨大，各種不可再生資源逐步耗盡，急需發(fā)展各種可再生資源；由于電力作業(yè)中的需求和硬件技術(shù)水平的發(fā)展，直升機(jī)、無人機(jī)和在線監(jiān)測裝置等新的巡檢方式如雨后春筍般在電網(wǎng)運維作業(yè)中出現(xiàn)。這些新的巡檢手段不僅提升了巡檢作業(yè)的效率而且還降低了巡檢作業(yè)人員的勞動強(qiáng)度，所以它們在電網(wǎng)作業(yè)中得到了大范圍的推廣應(yīng)用。新型的巡檢方式都是通過獲取被巡檢對象的影像數(shù)據(jù)為基礎(chǔ)，由于高效的成像設(shè)備和廣泛的使用，導(dǎo)致產(chǎn)生海量的巡檢數(shù)據(jù)，這些數(shù)據(jù)往往無法被有效地進(jìn)行處理而變成了數(shù)據(jù)垃圾。不同時期的圖像比對是發(fā)現(xiàn)電網(wǎng)設(shè)備缺陷的一種有效方法，如何使用計算機(jī)視覺技術(shù)快速自動地定位出不同圖像中的同名點（圖像局部特征點）是進(jìn)行圖像自動比對的前提，關(guān)于圖像局部特征點的描述方法，國內(nèi)外學(xué)者進(jìn)行了廣泛研究。

1 基于ORB圖像局部特征的圖像比對方法

為了保證電網(wǎng)系統(tǒng)的穩(wěn)定安全運行，需要定期對電力系統(tǒng)進(jìn)行巡檢，目前直升機(jī)、無人機(jī)、在線監(jiān)測等巡檢方式逐步代替了傳統(tǒng)的巡檢方式，它們以圖像數(shù)據(jù)的形式來保存巡檢結(jié)果。如果要自動地檢測出巡檢圖中包含的設(shè)備隱患及部件缺陷，基礎(chǔ)工作就是進(jìn)行圖像局部比對，本文提出了一種基于混合高斯背景建模的儀表自動讀數(shù)方法，首先采用搭載成像設(shè)備的巡檢工具獲取電力設(shè)備的巡檢數(shù)據(jù)并對數(shù)據(jù)進(jìn)行預(yù)處理；使用ORB算子提取待比對圖像中包含的局部特征點；使用歐式距離判斷兩幅圖像中包含的相似區(qū)域。

1.1 ORB的算法原理

ORB特征是將FAST特征點的檢測方法與BRIEF特征描述子結(jié)合起來，并在它們原來的基礎(chǔ)上做了改進(jìn)與優(yōu)化。①它利用FAST特征點檢測的方法來檢測特征點。②利用Harris角點的度量方法，從中挑選出Harris角點響應(yīng)值最大的N個特征點。其中Harris角點的響應(yīng)函數(shù)定義，如式（1）所示：

FAST檢測特征點不具備尺度不變性，可以像SIFT特征一樣，借助尺度空間理論構(gòu)建圖像高斯金字塔，然后在每一層金字塔圖像上檢測角點，以實現(xiàn)尺度不變性。對于旋轉(zhuǎn)不變性，在半徑為r的鄰域內(nèi)求取灰度質(zhì)心的方法，從特征點到灰度質(zhì)心的向量，定義為該特征點的主方向。圖像矩定義，如式（2）所示：

I（x，y）表示像素灰度值，0階矩m00即圖像鄰域窗口內(nèi)所有像素的灰度和，m10和m01分別為相對x和相對y的一階矩，因此圖像局部鄰域的中心矩或者質(zhì)心可定義如式（3）所示：

特征點與質(zhì)心形成的向量與x軸的夾角定義為特征點的主方向，如式（4）所示：

1.2 圖像局部特征描述

ORB采用BRIEF作為特征描述方法，BRIEF雖然速度優(yōu)勢明顯，但也存在一些缺陷，例如不具備尺度不變性和旋轉(zhuǎn)不變性，對噪聲敏感。尺度不變性的問題在利用FAST檢測特征點時，通過構(gòu)建高斯金字塔得以解決。BRIEF中采用9×9的高斯卷積核進(jìn)行濾波降噪，可以在一定程度上緩解噪聲敏感問題；ORB中利用積分圖像，在31×31的Patch中選取隨機(jī)點對，并以選取的隨機(jī)點為中心，在5×5的窗口內(nèi)計算灰度平均值（灰度和），比較隨機(jī)點對的鄰域灰度均值，進(jìn)行二進(jìn)制編碼，而不是僅僅由兩個隨機(jī)點對的像素值決定編碼結(jié)果，可以有效地解決噪聲問題。至于旋轉(zhuǎn)不變性問題，可利用FAST特征點檢測時求取的主方向，旋轉(zhuǎn)特征點鄰域，但旋轉(zhuǎn)整個Patch再提取BRIEF特征描述子的計算代價較大，因此，ORB采用了一種更高效的方式，在每個特征點鄰域Patch內(nèi)，先選取256對隨機(jī)點，將其進(jìn)行旋轉(zhuǎn)，然后做判決編碼為二進(jìn)制串。n個點對構(gòu)成矩陣S為：

旋轉(zhuǎn)矩陣R為：

旋轉(zhuǎn)后的坐標(biāo)矩陣為：

1.3 圖像相似性比對

將待比對的兩張圖像img1和img2分別輸入ORB特征描述算子中計算得到兩個圖像局部特征向量列表list1和list2。然后將兩個列表中的特征向量組合成特征向量矩陣并計算兩兩特征向量之間的距離，算法示意如下所示。

其中，f1代表的是list1中的特征向量，f2代表的是list2中的特征向量，d ij代表的是fi和fj兩個向量之間的歐式距離。通過對特征矩陣中的距離值進(jìn)行閾值化處理就可獲取到兩個待比對圖像中的相似區(qū)域。

2 實驗結(jié)果和分析

在ubuntu20.04 64位上使用Qt5.14、Opencv 4.5.4和GCC編譯器實現(xiàn)了本文中所提出的算法。硬件環(huán)境為：Intel（R）Core（TM）i5-8300U CPU@2.3GHz 2.3GHz，8.00GB內(nèi)存，RTX2060 6G顯存。在實驗中使用了直升機(jī)搭載的大疆FC6310型相機(jī)所拍攝到的分辨率為1600萬像素的數(shù)據(jù)，并使用本文提出的算法對其進(jìn)行了測試。不同時期的輸電線路巡檢圖片，如圖1所示，左圖為第一個時期的巡檢照片，右圖為第二個時期的巡檢照片，其中圓點為ORB算子計算出來的局部特征點。

圖1 輸電線路巡檢圖像特征點提取結(jié)果

圖2為通過ORB特征向量之間的歐式距離作為測度，對巡檢圖像進(jìn)行比對的結(jié)果，在圖中直線段連接的是兩個相互匹配的特征點，說明兩幅圖像中特征點所對應(yīng)區(qū)域具有極大的相似性。

圖2 基于ORB圖像局部特征巡檢圖像比對結(jié)果

3 結(jié)束語

本文提出了一種基于ORB圖像局部特征的圖像比對方法，通過無人機(jī)拍攝輸電線路巡檢圖像，對圖像進(jìn)行高斯平滑去除圖像中的高斯噪聲；采用ORB圖像局部特征描述算子對巡檢圖像進(jìn)行特征提取，得到巡檢圖像的局部特征描述列表；再計算巡檢圖像ORB特征描述向量相互之間的距離，采用歐式距離來表征特征向量之間的距離，最后獲取到特征向量之間相似度值，進(jìn)而找到圖像中相互匹配的區(qū)域完成圖像之間的比對任務(wù)。實驗結(jié)果表明本文的算法可以實現(xiàn)對輸電線路巡檢圖片的比對功能，可以有效提升對巡檢圖像的利用水平，算法運行效率可以達(dá)到實時比度的要求。