[发明专利]一种无人机巡检输电线路图像提取方法

权利要求书

1.一种无人机巡检输电线路图像提取方法，其特征在于，包括如下步骤：

步骤1：分别对左相机和右相机进行相机标定，得到左相机和右相机的内、外参数矩阵，然后通过得到的两个相机的参数进行立体标定，获得双目相机的旋转矩阵和平移向量；

步骤2：将双目相机和微型计算机搭载在无人机上，通过对相机提供的SDK进行二次开发，实现双目相机自动采集左右输电线图像对，其中，SDK是指软件开发工具包；

无人机起飞前开启微型计算机，同时控制双目相机的程序也自动开启，使用无人机操作手柄控制无人机沿着输电线飞行，并自动采集到输电线左右图像对；

步骤3：将立体标定后得到的旋转矩阵和平移向量的数据写入极线校正的程序中，使用极线校正程序处理无人机巡检采集到的输电线左右图像对，通过极线校正左右图像对应的物体将处于同一极线上，获得极线校正后的图片；

步骤4：使用ADCensus立体匹配算法处理极线校正后的图片，通过立体匹配后将获得视差图；

步骤5：分析视差图的灰度直方图，选取合适的阈值对视差图进行阈值分割，阈值分割后将会剔除图像中的复杂背景获得纯净的输电线路图像。

2.如权利要求1所述的一种无人机巡检输电线路图像提取方法，其特征在于，步骤3中极线校正分为两部分，分别为径向畸变校正与切向畸变校正，校正公式如下：

径向畸变的校正：

x'＝x(1+k₁r²+k₂r⁴+k₃r⁶)

y'＝y(1+k₁r²+k₂r⁴+k₃r⁶)

切向畸变的校正：

x'＝x+[2p₁y+p₂(r²+2x²)]

y'＝y+[p₁(r²+2y²)+2p₂x]

其中，k₁、k₂、k₃为相机的径向畸变系数，p₁、p₂为相机的切向畸变系数，(x，y)为畸变点的原始位置，(x’，y’)为校正后的新位置。

3.如权利要求1所述的一种无人机巡检输电线路图像提取方法，其特征在于，步骤4中使用ADCensus立体匹配算法处理极线校正后的图片，具体的算法流程如下：

步骤4.1：ADCensus匹配代价计算，其计算公式如下：

C(p,d)＝λ_CensusC_Census(p,d)+λ_ADC_AD(p,d)

其中，C(p,d)是ADCensus匹配代价，C_Census(p,d)是Census变换的匹配代价，C_AD(p,d)是AD的匹配代价，λ_Census与λ_AD为调节Census与AD之间比重的参数；

步骤4.2：代价聚合，其具体流程如下：

标准支持域的构建方法是选择具有相似亮度值的点构建局部区域进行立体匹配，首先选择水平方向或者垂直方向进行聚合，再进行四次聚合计算，即两次水平聚合以及两次垂直聚合；

步骤4.3：视差的计算与优化

视差计算采用WTA的方法，其中C_aggr(p,d)为代价聚合的结果，计算方法如下：

D(p)＝arg(C_aggr(p,d))

其中D(p)为代价聚合求得的视差，再进行左右一致性校验，具体方法：假设在左相机的图像中存在一点P，它对应的视差值为D_L(p)，则在右相机的图像对应的视差值为D_R(p-D_L(p))，检测两者关系是否满足如下关系：

|D_L(p)-D_R(p-D_L(p))|＜δ

其中，δ为阈值，一般δ＝1，满足上式则说明满足一致性检验，否则该点需要进行视差矫正矫正的方法是使用该点左右正确匹配点中视差较小的点的视差值，

D(p)＝min(D_L(P_R),D_R(P_L))

其中，D_L(P_R)为左相机的图像对应的视差值，D_R(P_L)为左相机的图像对应的视差值。