基于卫星影像的输电杆塔坐标校准方法
Method to calibrate the coordinates of transmission towers based on satellite images
通讯作者: 孙浩轩(1995-),男,博士研究生,研究方向为三维重建与星载遥感影像处理。Email:endu@foxmail.com。
责任编辑: 张仙
收稿日期: 2021-07-6 修回日期: 2021-10-27
基金资助: |
|
Received: 2021-07-6 Revised: 2021-10-27
作者简介 About authors
马御堂(1986-),男,硕士,研究方向为防雷与接地技术。Email:
为实现输电线路精细化巡线管理,提高其运维效率,实现卫星智能巡检,精准查找杆塔及输电线路的缺陷及隐患,以云南省昆明市输电线路杆塔坐标为例,提出利用卫星影像进行输电杆塔坐标校准的方法。首先以参考底图数据为基准匹配控制点,并利用数字高程模型(digital elevation model,DEM)对原始遥感影像进行几何纠正; 然后结合阴影检测、边缘检测等技术与目视判读,得到校准的杆塔坐标。实验检验了昆明地区高景一号和高分二号卫星影像的几何纠正精度,纠正后平面中误差分别为0.931 m和1.387 m; 此外,实验检验了2条线路上的旧杆塔台账坐标校准精度,结果表明,杆塔台账的平面精度由13.811 m和8.256 m分别提升至5.970 m和5.104 m,满足基本的电网需求。该方法可以实现杆塔坐标的校准,减小人工巡检的工作量,提高巡线效率。随着遥感影像的数据量级爆发式增长,空天地多源影像将不断结合,基于卫星遥感影像的输电线路杆塔定位技术将有更加广阔的发展前景。
关键词:
In order to realize the refined line inspection management of transmission lines, improve its operation and maintenance efficiency, realize satellite intelligent inspection, and accurately find the defects and hidden dangers of towers and transmission lines, the paper took the coordinates of transmission line towers in Kunming City, Yunnan Province as an example and proposed a method to calibrate the coordinates of transmission towers using satellite images. The method first uses the reference base-map data as the basis to match the control points and uses the digital elevation model (DEM) to perform geometric correction on the original remote sensing image. Then combined with such technologies as shadow detection and edge detection and visual interpretation, the calibrated tower coordinates are obtained. The experiment verified the geometric correction accuracy of the SuperView-1 (SV1) and Gaofen-2(GF2) satellite images in the Kunming area, and the errors in the plane after correction were 0.931 and 1.387 m, respectively. In addition, the experiment verified the calibration accuracy of the old tower coordinates on the two lines. The results show that the plane accuracy of the tower has increased from 13.811 m and 8.256 m to 5.970 m and 5.104 m, respectively, which meets the basic power grid requirements. This method can realize the calibration of the tower coordinates, reduce the workload of manual inspection, and improve the efficiency of line inspection. With the explosive growth of remote sensing image data, multi-source images from the space and ground will continue to be combined, and the technology for the positioning of transmission towers based on satellite remote sensing images will have a broader development prospect.
Keywords:
本文引用格式
马御棠, 潘浩, 周仿荣, 黄然, 赵加能, 罗继强, 刘靖, 孙浩轩, 贾伟洁, 张涛.
MA Yutang, PAN Hao, ZHOU Fangrong, HUANG Ran, ZHAO Jianeng, LUO Jiqiang, LIU Jing, SUN Haoxuan, JIA Weijie, ZHANG Tao.
0 引言
几乎所有的现有方法在进行杆塔坐标测量时,都存在测量范围小或重复测量周期长的问题。地面测量的杆塔定位方法,无论是基于定位卫星的点测量,还是激光雷达与光学相机实现的区域测量,其测量频率和测量范围都难以保证。基于机载的激光雷达及光学影像测量方法,受成本限制,存在空间覆盖范围不足和重访周期过大等问题,难以有效进行大范围杆塔坐标校准。
综合上述研究,本文提出一种完全不依赖航空影像的卫星影像输电走廊杆塔坐标校准方法。首先对原始遥感影像进行几何纠正; 然后结合杆塔旧台账坐标,从几何纠正后的影像中辨识杆塔并获取杆塔校准后的坐标。该方法旨在实现大面积区域的杆塔坐标校准,较之传统方法,能够快速获取大范围杆塔坐标,降低巡线员的工作量与巡线风险,提高巡线效率; 并及时发现输电线路运行状态的异常,以确保电网运行安全,提升电网智能化水平。随着遥感影像的数据量级爆发式增长,空天地多源影像将不断结合,基于卫星遥感影像的输电线路杆塔定位技术将有更加广阔的发展前景。
1 杆塔坐标校准方法
1.1 基于参考底图的几何纠正
参考底图几何纠正方法根据已有的地面控制资料,即基准参考底图数字正射影像图(digital orthophoto map,DOM)和数字高程模型(digital elevation model,DEM),通过卫星影像和控制资料自动匹配提取地面控制点,对有理函数几何成像模型的有理多项式系数(rational polynomial coefficients,RPC)进行精化处理,以达到提升影像几何定位精度目的。流程图如图1所示。
图1
图1
参考底图几何纠正流程图
Fig.1
Flowchart of geometric correction based on the reference image
其主要由6个步骤组成:
1)将待校准影像A中4个角点坐标通过RPC计算出与参考底图B的相交范围区域C。
2)设置影像的分块大小,对相交范围区域C进行网格分块处理。
3)分别对影像A中与参考底图B中每一块区域进行尺度不变特征变换(scale-invariant feature transform,SIFT)匹配,得到地面控制点像平面坐标。
4)利用随机抽样一致性(random sample consensus,RANSAC)算法对SIFT匹配得到地面控制点中的粗差点进行剔除,得到筛选后的控制点。
5)基于控制点的平面坐标,参考DEM,利用插值的方式读取每个控制点的高程,得到地面控制点物方三维坐标。
6)利用控制点的物方三维坐标和像方平面坐标,通过仿射变换模型进行系统误差补偿,实现待纠正影像的RPC模型精化和影像纠正。
方法的核心环节为: 光学影像的SIFT匹配、基于RANSAC算法的粗差剔除与RPC模型精化。
1.1.1 SIFT匹配
SIFT是用于影像局部特征点检测与描述的一种算法,其生成特征保持了优良的不变性。SIFT匹配建立在SIFT算法的生成特征上,主要分为特征检测、特征描述和匹配3部分。
SIFT算法首先对影像进行基于不同尺度高斯滤波器的模糊,随后对相邻尺度的模糊影像进行差分,构建得到尺度空间。在尺度空间中通过寻找极值来获得潜在的具有尺度不变性的兴趣点。同时在每个候选的位置上,通过拟合一个精细的模型来确定子像素位置和尺度。
对于已经确定位置与尺度的关键点,SIFT基于影像局部的梯度方向来获得相等信息量的像素窗口和对特征进行描述。算法分配给每个关键点位置一个或多个方向,最终生成一个128维特征向量。在匹配阶段,通过各关键点的SIFT特征向量,进行两两比较,找出相互匹配的若干对特征点,建立同名像点间的对应关系。本文采用欧氏距离进行匹配,即:
式中: Si和Rk为2帧影像S和R上分别生成的第i和第k个SIFT特征; j为其第j个特征。
1.1.2 RANSAC粗差剔除
RANSAC算法是一种粗差剔除算法。算法认为适宜目标模型的数据被称为局内点; 而局外点是不能适应模型的数据,其出现往往由噪声的极值、错误的测量方法、对数据的错误假设等产生,会对模型参数估计造成影响。RANSAC误匹配剔除的目的是找出剔除掉误匹配的同名点,通过迭代估计一个敏感模型参数的方式,不断随机抽取3个匹配点对进行仿射变换估计,统计该仿射变换下匹配点与原匹配点的差异,获取到适配最多匹配点的最佳仿射变换模型,从而剔除不适宜的同名点对。
1.1.3 基于RPC模型的像方平差
根据像点坐标以及对应地面控制点的经纬度和高程,基于单片空间后方交会方法,利用式(2)中的仿射变换模型对原始影像RPC参数进行精化,仿射变换中的参数通过式(3)中的误差方程进行求解。
式中: (x,y)为控制点在影像上的量测坐标; (xRPC,yRPC)为基于RPC模型计算得到的像点坐标; e0,e1,e2,f0,f1,f2为待求解的6个仿射变换参数。对于每一个像点,可以列出如式(3)的误差方程,迭代求解仿射变换参数改正值,公式为:
式中: vx,vy分别为像素列方向、行方向的坐标改正值; Fx0,Fy0分别为在当前仿射变换参数下的列方向、行方向像点坐标值与像点坐标观测值之差; Δe0,Δe1,Δe2,Δf0,Δf1,Δf2为本次仿射变换参数迭代改正。每个控制点都可以建立式(3)的误差方程,最终通过最小二乘法,迭代求解得到最佳仿射变换参数,最终获得影像的精确RPC参数。
1.2 杆塔坐标校准
1.2.1 阴影检测
本文基于Rufenacht等[29]的阴影识别算法提取影像的阴影图。首先通过式(4)所示非线性映射f(x)将可见光和近红外波段的低亮度区域映射为高值,同时通过式(5)所示的乘性结合来识别在可见光和近红外波段综合较暗的像素,构建阴影候选图,即:
式中: (i,j)为影像的行列坐标;
需要注意的是,Dij中暗区域同时包含可能的非阴影,因此将2个候选区域值的乘性结合,得到最终的阴影值Uij,公式为:
在原文中,作者基于阴影值Uij进行一系列后处理进行阴影区域提取[29],本文并不确认区域,而是利用阴影值Uij为后续杆塔坐标校准提供帮助。
1.2.2 杆塔坐标校准
检出的阴影图中仍然混有其他阴影,混淆阴影通常为树林等团状阴影。由于输电杆塔具有特殊的几何结构,中间接近镂空,其影像阴影具有明显的边缘线结构,易于团状阴影区分。因此,通过radon变换[30]进行线识别,以定位杆塔边缘线。随后,对检测出的边缘线在极坐标域进行聚类,得到大致的杆塔位置。
然而,考虑到卫星影像上的大部分杆塔特征微弱,识别困难。对于识别得到的点,应当与旧的杆塔台账合并,进行逐点的人工目视判读移点。则整个杆塔坐标提取流程为: 通过识别结果进行辅助,结合阴影检测图,目视判别杆塔位置,挪动杆塔到合适的新位置以得到新的校准杆塔坐标。
1.2.3 杆塔校准坐标误差评价
电网各应用场景对杆塔的坐标需求不一,杆塔坐标精度主要影响自然灾害、外力破坏等作用于杆塔及沿线的定位及判断。例如,1 km精度的落雷定位系统、气象系统等,若仅考虑杆塔对象,则1 km左右的杆塔定位精度即可满足杆塔区段的气象获取。然而,一些基于卫星影像的巡检任务,如洪涝灾害监测、施工区域监测,往往需要更高的杆塔定位精度,否则无法判断具体受影响位置。考虑到这类基于影像的识别与检测任务(这类影像有时完全失去了杆塔特征,无法通过在同一景满足受灾区域与杆塔的相对误差来达成目的),其自身影像也存在几何误差,杆塔坐标往往需要尽量准确。按照经验,5~6 m的定位精度应当足以符合电网的基本任务预期。
通过校准值与真值的评价x方向或y方向的误差,公式为:
式中: xk为校准后杆塔;
2 实验数据
表1 实验数据说明
Tab.1
序 号 | SV-1 | GF-2 | ||||
---|---|---|---|---|---|---|
影像类型 | 分辨 率/m | 获取日期 | 影像类型 | 分辨 率/m | 获取日期 | |
1 | SV1-02多光谱 | 2 | 2018.11.14 | GF-2多光谱 | 4 | 2019.01.23 |
2 | SV1-02全色 | 0.5 | 2018.11.14 | GF-2全色 | 1 | 2019.01.23 |
3 | SV1-03多光谱 | 2 | 2018.01.16 | GF-2多光谱 | 4 | 2019.10.31 |
4 | SV1-03全色 | 0.5 | 2018.01.16 | GF-2全色 | 1 | 2019.10.31 |
实验所用卫星影像数据与参考底图的位置关系如图2所示。
图2
图2
实验影像数据与底图位置关系
Fig.2
Location relationship between image data and base images
对比影像与参考底图的接边情况。结果发现,在未经过底图校准时,SV-1及GF-2影像数据均与参考底图影像有较大的偏差,如图3所示。
图3
图3
参考底图与实验影像位置关系细节图
Fig.3
Details of the location relationship between the base images and test images
从图3的细节图中可以看出: 卷帘接边左右道路、水域等存在明显的接边误差,根据统计,接边的偏差距离平均为65 m。考虑到误差的传递性,杆塔校准坐标误差将大于参考底图误差,此结果已大幅超出一些电网场景中需要满足的杆塔坐标精度要求。因此,在利用卫星影像数据获取杆塔准确坐标之前,需要基于参考底图对原始影像进行校准。
3 实验结果
3.1 影像坐标校准实例及效果分析
3.1.1 几何纠正精度验核
对SV-1影像和GF-2影像进行基于参考底图几何纠正实验。其中,4景影像均与底图匹配多个点,选取其中10个作为控制点,将其余点作为检查点进行精度验证。汇总实验结果见表2。由表2分析可知,检查点数量为10时,平面精度可达到2像元以内。校准后影像与参考底图影像接边情况如图4所示。图4中,(a)—(d)为SV-1接边细节; (e)—(h)为GF-2接边细节。由结果可见,几何纠正后GF-2和SV-1的接边误差从纠正前的65 m左右提升到了2 m以内,影像与底图的接边误差有了明显改善。实验表明,通过与参考底图进行匹配并纠正的方式可以实现杆塔坐标的校准,能够满足杆塔坐标巡检的需求,为下一步实现杆塔坐标校准提供有力支撑。
表2 实验影像与参考底图校准精度
Tab.2
影像名 | 匹配 点/ 个 | 控制 点/ 个 | 检查点像方 精度/像元 | 检查点物方精度/m | ||||
---|---|---|---|---|---|---|---|---|
x | y | 平面 | x | y | 平面 | |||
SV-1-03- 20180116 | 58 | 10 | 1.196 | 1.179 | 1.679 | 0.660 | 0.626 | 0.910 |
SV-1-02- 20181114 | 58 | 10 | 1.205 | 1.230 | 1.722 | 0.615 | 0.725 | 0.951 |
GF2- 20190123 | 50 | 10 | 1.011 | 1.115 | 1.505 | 0.885 | 0.819 | 1.206 |
GF2- 20191031 | 110 | 10 | 1.550 | 1.237 | 1.983 | 1.208 | 0.998 | 1.567 |
图4-1
图4-1
参考底图与纠正后实验影像接边关系细节图
Fig.4-1
Details of edge connection relationship between underlay and corrected test images
图4-2
图4-2
参考底图与纠正后实验影像接边关系细节图
Fig.4-2
Details of edge connection relationship between underlay and corrected test images
3.1.2 阴影检测与杆塔定位
在某段区域测试了共计72个杆塔的识别情况,检出点在杆塔较近位置则判为检出,部分杆塔识别示意图见图5。结果显示,检出杆塔个数仅为15个,识别率21%,尽管存在少数特征较清晰的杆塔,基于目前的卫星影像进行杆塔识别结果仍然较差,尚不能直接用于批量杆塔坐标提取。然而,通过旧杆塔台账矢量辅助,当内业处理人员预先知道此处存在杆塔,可以结合阴影检测图、边缘识别图,通过目视判别决策杆塔位置,将其挪动到合适的位置,得到新的校准杆塔坐标。这种识别辅助人工目视判读的校点方案可以在内业实现2个实验区的校点,避免繁杂的外业梭巡。
图5
图5
杆塔识别辅助人工判读示意图
Fig.5
Schematic diagram of manual visual interpretation assisted by tower identification
3.1.3 杆塔坐标校准结果
本文对云南省昆明市两个区域的电力输电线路杆塔校准情况进行实验。区域1中心地理坐标为E102°35',N24°35',平均海拔为2 000 m左右,区域线路共有20级杆塔。区域2中心地理坐标为E103°15',N24°52',平均海拔为1 860 m左右,区域线路共14级杆塔。
表3 杆塔校点精度
Tab.3
类型 | 区域1 | 区域2 | ||||
---|---|---|---|---|---|---|
x误差 | y误差 | 平面中 误差 | x误差 | y误差 | 平面中 误差 | |
旧杆塔台账偏差 | 5.010 | 5.744 | 13.811 | 6.157 | 3.502 | 8.256 |
校准后杆塔坐标偏差 | 3.328 | 2.725 | 5.970 | 3.795 | 3.414 | 5.104 |
4 结论与讨论
本文根据杆塔校准目前遇到的实际问题, 通过研究和实验测试, 提出了一种基于卫星影像几何纠正的输电线路杆塔坐标校准的方法, 结论如下:
1)提出了一种根据参考底图对待原始遥感影像进行几何纠正, 并根据阴影检测、边缘识别等技术与目视判读对杆塔坐标进行校准的方法。
2)以云南省昆明市为例,对该区域GF-2和SV-1影像进行几何纠正实验。结果表明,纠正前影像接边点平均误差65 m,纠正后平面中误差分别为0.931 m和1.387 m,几何纠正能有效提升几何精度。
3)以云南省昆明市为例,对该区域2段输电线路上的旧杆塔台账进行校准实验。结果表明,线路平面中误差从旧台账的13.811 m和8.256 m分别提升至5.970 m和5.104 m,满足基本的电网需求。
4)本文方法可以实现杆塔坐标的校准,减小人工巡检的工作量,提高巡线效率。
本文提出了一种基于卫星影像底图几何纠正的输电线路杆塔坐标校准方法,分为基于参考底图的影像几何纠正与杆塔校准2部分,杆塔校准精度与几何纠正的精度相关。通过实验验证了本文方法的基于参考底图几何纠正精度,然而,方法暂没有考虑多景影像镶嵌及多景区域网平差,获得多景影像的杆塔校准仍然需要经后续工作进一步研究。
文章还探讨了一个困难任务,即基于卫星影像的杆塔识别。研究并未采用基于学习的方法,其主要原因是获得大量高分辨率影像的杆塔样本需要极大成本,一景影像上的杆塔数量有限,且大多数杆塔特征的清晰程度有限难以作为训练样本。方案采用阴影检测、边缘检测等经典技术,相较于因样本不足而无法训练的基于学习的检测模型,可以提供一种基于单景4波段影像和手工特征的杆塔定位方法,数据门槛更低。应当注意的是,方法仍然很难做到提取精确杆塔坐标,实验结果也显示了其识别率仍然受影像分辨率制约,当前方案更适合作为人工目视判图的参考。然而,当前卫星影像分辨率正在飞速提升,卫星影像上的杆塔清晰程度持续增加,基于卫星影像的电力系统监测有极大的发展空间,作为基于卫星影像的杆塔校准的良好尝试,笔者希望本文的工作可为未来的卫星影像杆塔校准研究提供参考。
参考文献
大型无人直升机电力线路全自动巡检技术及应用
[J]. ,
Automatic power line inspection technology of large unmanned helicopter and its application
[J]. ,
影响雷电定位系统故障查询的原因分析
[J]. ,
Cause analysis of factors affect lightning location system fault inquire
[J]. ,
中国电网雷电定位系统与雷电监测网
[J]. ,
Lightning location system and lightning detection network of China power grid
[J]. ,
探讨基于大地坐标系求解输电线路杆塔坐标的方法
[J]. ,
Discuss on method to solve problem of pole or tower coordinates of power transmission line based on earth coordinate system
[J]. ,
GPS事后相位差分坐标解算模型及其相关问题的研究
[J]. ,
Research on coordinate solution model of GPS post difference and correlated problems
[J]. ,
输电线路杆塔坐标校验研究及应用
[J]. ,
Research and application of check on power transmission tower coordinate
[J]. ,
多源遥感数据及GIS技术在输电线路径优选中的应用研究
[J]. ,
Application of multisensor image and GIS in electric transmission line path design
[J]. ,
北斗卫星导航系统在电力行业的应用现状
[J]. ,
Application status of Beidou satellite navigation system in power industry
[J]. ,
基于北斗及GPS双系统的电力杆塔滑移监测系统研究
[J]. ,
Research on power tower slip monitoring system based on Beidou and GPS dual system
[J]. ,
高精度GPS形变系统在电力杆塔监测中的应用
[J]. ,
The application of high-precision GPS deformation monitoring system on monitor of power tower
[J]. ,
The use of a mobile laser scanning system for mapping large forest plots
[J]. ,
基于竖直基线摄影测量的电力线测量方法
[J]. ,
Power line measurement method based on vertical baseline photogrammetry
[J]. ,
Google Earth在输电线路防雷中的应用
[J]. ,
Application of Google Earth in lightning protection of transmission lines
[J]. ,
利用Google Earth对线路杆塔坐标校正
[J]. ,
The correction with Google Earth for tower coordinate of transmission line
[J]. ,
Google Earth及其应用展望
[J]. ,
Application and outlook of Google Earth
[J]. ,
雷电定位系统线路杆塔坐标校准方法
[J]. ,
Calibration method of transmission tower coordinates in lightning location system
[J]. ,
电力勘测中卫星遥感影像技术的应用
[J]. ,
Application of satellite remote sensing image technology in electric power survey
[J]. ,
关于电力勘测中卫星遥感影像技术的应用研究
[J]. ,
Research on the application of satellite remote sensing image technology in power survey
[J]. ,
基于卫星遥感技术的电网建设全过程动态监控技术研究
[J]. ,
Dynamic monitoring of power grid construction process based on satellite remote sensing technology
[J]. ,
基于RPC模型的星上遥感卫星影像快速正射纠正
[J]. ,
Fast ortho rectification of remote sensing satellite images based on RPC model
[J]. ,
高分辨率三线阵卫星遥感影像的区域网平差算法与实验
[J]. ,
Block-adjustment algorithm and test for three-line-array image of high-resolution remote sensing satellite
[J]. ,
基于SPOT6卫星遥感数据无控制点正射校正
[J]. ,
Based on SPOT6 satellite remote sensing data without control point orthorectification
[J]. ,
基于有理函数模型的北京二号影像几何校正
[J]. ,
Geometric correction of based on Beijing-Ⅱ image with rational function model
[J]. ,
Automatic and accurate shadow detection using near-infrared information
[J]. ,
控制点布设对高分二号影像精度影响研究
[J]. ,
Research on influence of control points laying on precision of GF-2 image
[J]. .
/
〈 | 〉 |