Autonomous navigation along power lines using monocular camera

Abstract

Denne rapporten tar for seg problemet med autonom deteksjon og navigasjon langs kraftlinjer i landlige omgivelser ved bruk av UAV, som et steg mot å oppnå fullkommen autonomitet i arbeidet med inspeksjon av kraftlinjer, kraftmaster og deres komponenter. Slik inspeksjon er av særdeles viktighet for energiselskapene, da mangelen på denne kan føre til ødeleggende økonomiske konsekvenser for selskapet. Rapporten begynner med en gjennomgang av relevant litteratur på datasynteknikker og tidligere arbeid gjort på området autonom kraftlinjeinspeksjon. I denne rapporten blir to nye algoritmer for deteksjon av kraftlinjer kalt AMA RANSAC og AMA RANSAC + HTIVS presentert. AMA RANSAC algoritmen detekterer kraftlinjene ved å ta i bruk kjente datasynteknikker som Canny kantdetektor, the progressive probabilistic Hough line transform og RANSAC kombinert med kunnskapen vi allerede har om kraftlinjers utforming. AMA RANSAC + HTIVS algoritmen kombinerer AMA RANSAC med stemmegivnings-systemet som ble foreslått i prosjektoppgaven denne masteroppgaven bygger videre på. I sin helhet demonstrerer denne rapporten at kraftlinjenes posisjon, orientasjon og distanse fra UAV kan fastslåes med et monokulært kamera. Avslutningsvis demonstreres det hvordan en bane UAVen kan navigere etter kan kalkuleres ut i fra resultatene til AMA RANSAC og AMA RANSAC + HTIVS algoritmene.

This report addresses the problem of autonomously detecting and following power lines in rural areas using a UAV as a step towards achieving autonomous inspection of power lines, power masts, and their components. Such operations are important to utility companies, and the lack of it can potentially be economically devastating for the company. First, a literature review of relevant computer vision techniques and of relevant previous work is conducted. Two new methods for detecting the power lines are proposed in this report, namely AMA RANSAC and AMA RANSAC + HTIVS. AMA RANSAC detects the power lines using computer vision techniques such as the Canny edge detector, the progressive probabilistic Hough line transform, and the RANSAC algorithm combined with apriori knowledge about power lines. AMA RANSAC + HTIVS combines AMA RANSAC with the voting scheme originally proposed in the project thesis this report is a continuation of. This report demonstrates that the power lines position, orientation, and distance from the UAV can be determined using only a monocular camera. Additionally, a simple power mast detector is proposed. Finally, it is shown how to extract a trajectory from the detected power lines in the image that the UAV can navigate by.