송전선의 보수 · 관리를 위해 헬리콥터를 이용한 송전선 감시가 이루어지고 있다. 특히 뇌격 등에 의해 손상된 부분을 조기에 발견하여 보수하는 것이 공급 신뢰도 유지에 중요하다. 또한 자산 관리 관점에서도 송전설비 상태 모니터링의 중요성이 지적되고 있으며 송전설비 상태를 파악하는 한 수단으로서 중요하다. 최근에는 송전설비 상태를 치밀하게 파악하는 일과 헬리콥터의 비행 비용 저감을 목적으로 한 무인 헬리콥터의 활용도 검토되고 있다. 헬리콥터에 의한 가공지선(지선) 감시 점검은 <그림 1>과 같이, 먼저 (1) 비디오 카메라로 가공지선을 촬영하고 감시 종료 후 (2) 눈으로 확인하는 작업이 이루어진다. 이상부분을 검출하기 위해 비디오를 느리게 재생하고 장시간에 걸쳐 영상을 체크하기 때문에 극심한 피로와 시간을 필요로 한다. 또한 실수로 놓치는 것을 줄이기 위해 작업자 2명이 더블체크를 하는 경우도 있다. 지금까지 이 업무를 지원하기 위해 워크스테이션(Workstation)을 베이스로 한 고가의 시스템이 개발됐다. 하드웨어의 저가격화는 최근 10년간 진행돼 10만 엔 이하의 PC에서도 10년 전 워크스테이션 이상의 처리 능력을 갖고 있다. 그래서 필자는 저가격 하드웨어를 사용해 가공지선 점검 작업의 부하를 경감시키고 효율을 높이는 가공지선 이상 검출 시스템을 개발했다. 개발한 시스템은 <그림 2>처럼 PC를 기본으로 한 구성으로 되어 있으며, 아크흔적과 소선 절단을 자동 검출한다. 여기서는 기존 문헌(<참고문헌> 참조, 본문에서는‘문헌’으로 표기)에서 개발된 시스템의 문제점을 2장에서 논한다. 3장에서는 필자가 개발한 시스템에 대해 지선 부분을 비디오 영상에서 자동 추출, 소선절단과 아크 흔적 검출 방법에 대해 서술함과 동시에 2장에서 논한 문제점을 해결할 방법과 유효성을 살펴본다. 마지막으로 실제 점검 화상에 적용한 결과와 개발한 시스템이 유용하게 기능하고 있는 것을 보여준다.
기존에 제안된 시스템의 문제점
지선의 이상 검출을 컴퓨터에서 자동적으로 처리하기 위해서는 지선이 비치고 있는 화상 안보다 정밀도가 높은 지선 부분을 추출할 필요가 있다. 그렇게만 하면 비춰지는 형태와 밝기 분포의 해석을 통해 이상 부분을 검출할 수 있다. 화상 처리 기술을 이용한 점검 · 계측 시스템은 적용이 용이한 대상을 상대로 도입이 늘고 있다. 예로 공장 조립 라인의 조사나 침입자의 감시 등을 들 수 있다. 공장의 조립 라인에서는 빛이 닿는 방법 등 촬영 조건을 시스템 설계자가 자유롭게 결정할 수 있기 때문에 대상 물체를 높은 정밀도에서 추출할 수 있다. 한편, 촬영 조건을 시스템 설계자 측에서 자유롭게 결정하기 힘들고 옥외에서의 인물 추적 등은 사람의 윤곽을 높은 정밀도가 아닌 대략적인 형태로 추출할 수 있다면 목적을 달성할 수 있다. 위의 예에 비해 지선 점검은 일조 조건의 변화나 지선과 카메라의 위치 관계 변동에 의해 촬영 조건이 하나로 결정되지 않으므로 정밀도가 높은 지선부분을 추출할 필요가 있다. 따라서 지선 점검에 필요한 기술은 공장 조립 라인에서의 점검이나 옥외에서의 인물 추적에서 고려할 필요가 없었던 문제를 해결해야 한다. 문헌에서 이미 제안된 동종의 시스템은 지선을 추출하기 위해 화상 전체에 대해 화면의 상하 방향으로부터 휘도치의 차이를 계산하고, 차이의 피크 검출로 지선의 윤곽을 구한다. 이는 소위 에지(Edge)검출이라고 하는 테크닉으로, 지선 외의 배경이 어둡고 지선의 소선 한 가닥 한 가닥이 명료하게 보이지 않는 경우에는 문헌에 있는 것처럼 높은 정밀도로 지선을 추출할 수 있다.
하지만 배경과 지선의 휘도치에 명료한 차이가 없는 경우에는 지선의 윤곽이 아닌 윤곽선 안쪽에 에지의 피크가 나타난다. 또한 배경이 어두운 경우나, 소선의 한 가닥 한 가닥 사이에 그림자가 생길 수 있게 빛을 비춘 경우에도 마찬가지다. <그림 3>의 ⒜는 이 예를 나타낸 것이다. <그림 3>의 ⒝는 잘못된 원인을 모식적으로 나타낸 것이다. 그림에서 실선은 상하 화소의 휘도치 차이다. 지선의 윤곽 부근에서 확실히 휘도치 차이의 피크는 나타나지만 최대 피크가 소선 간에 나타난다. 그 결과 <그림 3>의 ⒜와 같이 발생한다.
즉, 문헌처럼 단순한 에지 검출만으로는 배경 상태나 일조 조건 등 촬영 조건에 의한 지선의 윤곽을 정확하게 추출할 수 없는 경우가 있다. 예를 들어 <그림 3>의 5프레임 후(165msec 후)에는 <그림 4>와 같이 문헌의 방법을 사용해도 소선 사이가 명료하지 않기 때문에 지선 추출을 잘 할 수 있는 화상(畵像)이 등장한다. 이처럼 시시각각 변화하는 화상에 대해 높은 정밀도로 지선을 추출하기 위해서는 단순히 에지 검출을 하는 것이 아니라 지선 화상 특유의 특징을 활용해서 지선을 추출할 필요가 있다.
공지선 이상 검출 시스템의 개요
개발한 시스템의 처리 과정을 <그림 5>에 나타냈다. 시스템은 (A) 녹화한 비디오의 디지털화, (B)지선의 초기 위치 지정, (C) 지선 부분의 특정(지선부분의 추출과 정상적인 지선의 형태 추정), (D) 이상 검출(소선 절단의 검출, 아크 흔적), (E) 이상 검출 화상의 기록으로 이루어진다.
1. 비디오 화상의 디지털화(A) 개발한 시스템에서는 일단 디지털 비디오 테이프(DV 테이프)의 화상 데이터를 하드디스크에 기록한 후 이상 검출 처리를 한다. 이것은 다음의 두 가지 이유에 의한 것이다. (1) 실시간으로 이상 검출을 하는 것은 어려운 일이며, (2) 처리 후 이상 부분 근방의 화상을 표시하여 점검자가 이상을 확인할 필요가 있기 때문이다. 특히 (2)에 대해서는 PC 상에서 간편하게 이상 부분을 확인 가능하다면 다른기기를 기동하여 별도의 모니터로 새롭게 확인해야하는 작업이 줄어 작업 효율화도 기대할 수 있다. 또한 DV 테이프의 화상 데이터는 타임코드도 기록할 수 있으며, 이 타임코드를 이용해 비디오 데이터와 조사 결과를 비교하여 확인할 수 있다. 따라서 DV테이프의 화상 데이터를 IEEE1394 인터페이스를 사용해 하드디스크에 기록했다.
2. 지선 부분의 지정(B) 앞 단계에서 디지털화를 실시한 후 작업자가 지선부분을 마우스로 클릭함으로써 지선의 초기 위치를 지정한다. <그림 6>은 초기 입력 후 화면이다. 그림 중 □의 위치에 지선이 있는 것을 시스템에 표시하고 이후 이것을 지선의 초기 위치로 설정해 헬리콥터 비행으로 시시각각 변화하는 화상 속 지선의 위치를 자동적으로 추정한다.
3. 지선 부분의 특정(C) <그림 6>에서 지정된 3개의 □는 지선의 화면 안에서의 이동을 자동적으로 추적한 것이다. 즉, <그림 6>의 □ 3개는 지선 추적용 3점을 나타내고 있다(이후 □를 추적점이라 표기). 초기 설정으로서 지선 위치를 입력한 후 <그림 7>에 나타난 것처럼 추적점을 실마리로 해서 지선 부분을 자동적으로 화면 안에서 추출한 지선 부분의 특정 처리를 한다. 이 예로는 지선의 중심으로부터 ±40화소를 끄집어냈다. <그림 8>은 특정 처리의 내용을 나타낸다. 먼저 <그림 6>에서 지선의 초기 위치를 입력함과 동시에 지선의 휘도 패턴(템플릿(Template) : 화상 사이즈 : 종×횡=20×4)을 작성한다. 여기서 작성한 템플릿과 유사한 휘도 패턴과 닮은 영역을 프레임(점검하는 화상) 통째로 탐색하여 지선을 화상에서 추출한다. 이 탐색 영역은 <그림 8>에 나타난 세로 길이영역(가로 폭 2화소, 세로 폭 60화소)으로 했다. 탐색 방향은, 가로 방향의 탐색 영역 위치는 변화시키지 않고 세로 방향으로만 이동시켰다. 이것은 지선이 화면 내 좌우에 걸쳐있는 영역이고, 이동은 상하에 한정되어 있다는 것을 전제로 하기 때문이다.
지선을 탐색하기 위한 유사성의 평가에는 위의 (1)의 식을 이용했다. 이것은 템플릿과 착목 화소근방과의 휘도치의 차이를 계산하는 것이다. 그 차이가 최소가 된 위치에 지선이 이동한 것으로 하고 지선의 이동 위치를 추정했다. 또한 지선 부분의 특정은 <그림 7>처럼 정확하게 추출할 필요가 있으며 정밀도 향상법을 <그림 9>에 나타냈다. 여기서 다음 두 가지 전제조건을 설정한다. (1) 대상으로 하고 있는 지선은 시간과 함께 변형하지 않는 강체(剛體)이다. (2) 헬리콥터는 지선 촬영 개시 후 지선을 따라 평행하게 비행하며, 카메라 앵글 조작은 상하 · 좌우로만 한다. 즉, 카메라와 지선의 상대운동에 회전운동은 존재하지 않는 것으로 한다. 이 두 가지 전제조건에 따라 지선 탐색에 사용한 화면상에서의 3개의 직사각형은 단위시간당 이동량이 위치에 의해 달라지지 않는다고 가정할 수 있다. 따라서 <그림 9>에 나타난 것처럼 직사각형 3개의 이동량(속도 벡터)을 비교하여 다른 것에 비해 이상치(굋常値)를 취하는 추적점은 다른 추적점과 같은 속도 벡터가 되도록 이동량을 조정한다. 그리하여 지선 부분의 특정 처리에 각 추적점이 잘못된 특정을 하는 것을 막아준다.
여기서 Cable Pattern은 지선을 나타내는 휘도패턴이며 그 화상 사이즈는 M×N이다. 여기서는 <그림 8>에 나타낸 것처럼 20×2로 하고 있다. 또한 I(k, l)는 검사하고 있는 화상 안의 가로 k, 세로 l 위치의 휘도치를 나타낸다.
4. 이상 검출(D) 자동으로 이상 검출을 수행하는 부분의 처리이다. 이하에서는 이상 검출에 필요한 전(前)처리와 이상의 종류에 따른 이상 검출법으로 나누어 서술한다.
⑴ 지선의 에지 검출
지선 에지의 검출은 <그림 7>에서 나타낸 지선 부분에 대해 상하로 인접하는 1화소와의 휘도치 차이를 구해 그 결과가 어떤 경계치를 넘은 부분을 지선의 에지로 했다. 여기서 경계치는 안정되고 에지를 검출 가능한 수치를 샘플 화상에서 실험적으로 구해 20으로 했다.
더욱이 차이가 20을 초과하는 화소가 복수로 나타나기 때문에 여기에서는 에지 후보 가운데 20을 경계로 상하의 직사각형 영역 내 밝기 분포(텍스처(Texture))를 조사했다. 지선의 경계에서 카메라의 포커스가 맞은 지선 부분은 다양한 밝기(휘도치)가 되기 때문에 직사각형 영역 내 휘도치의 분산이 커진다. 한편 카메라의 포커스가 맞지 않는 배경은 똑같은 휘도치가 되기 때문에 휘도치의 분산이 작아진다. <그림 10>은 이것을 모식적으로 표현한 것이다. 즉, 제안법은 텍스처의 동일성 유무에 의해 지선과 배경과의 경계를 식별하고 2장에서 서술한 지선점검 화상의 특징을 이용한 방법이다. 여기서 휘도의 분산을 구하는 직사각형 영역의 사이즈는 3×3화소로 했다. 사이즈를 크게 하면 정밀도는 올라가겠지만 계산량을 늘리지 않기 위해 3×3으로 했다.
⑵ 텍스처 동일성 유무에 기초한
지선의 에지 검출 방법의 유효성이 방법의 유효성을 나타내기 위해 문헌에서 하고 있는 상하 지선의 추정 윤곽선이 불평행한 경우와 각 에지의 간격이 좁아져 유효 데이터가 적어진 경우를 지선 검출 실패로 해 지선 검출 실패수를 계산했다. 구체적으로는 상한의 지선 윤곽선의 기울기 차가 0.05 이상, 지선 상하의 에지 폭을 30±5화소로 하고 그 사이에 포함되는 데이터가 240점(화면의 가로 방향이 480점이기 때문에 전체의 반) 미만인 경우를 검출 실패로 했다. 적용한 화상의 예를 <그림 11>에 나타냈다. <그림 11>의 ⒜는 문헌의 에지 검출만을 사용한 방법이 유용하게 기능하고 있다고 보이는 소선의 한 가닥 한 가닥이 명료하지 않은 화상이다. <그림 11>의 ⒝는 소선 간의 그림자가 명료한 화상이다. 이들 화상에 적용한 결과를 <표 1>에 나타냈다. <그림 11>의 ⒜는 약 1분 18초 (2,360장) 분이고, ⒝는 약 2분 55초(5,269장) 분이다. 결과는 각각의 화상 장수에 대한 비율로 나타냈다. 괄호는 실제로 실패한 화상 장수이다. <그림 11>의 ⒜에 대해서 실패한 비율은 총 화상 장수에 대한 제안법, 문헌의 방법과 함께 1% 정도이다. 하지만 ⒝에 관해서는 기존 방법에서 약 10배나 많이 실패했고 지선이 어떻게 비치느냐에 따라 지선의 에지 검출 성능이 크게 달라지는 것을 확인했다. 한편, 제안법은 검출 성능이 양쪽 모두 1% 이하이고 비치는 법에 의존하지 않는다는 것을 알게 됐다. 또한 <그림 11>의 ⒜, ⒝ 양쪽 화상에 대해서도 문헌의 방법보다 검출 성능이 향상됐고 유용하다는 것을 확인했다.
⑶ 정상적인 지선의 윤곽선 결정
<그림 12>의 ⒜처럼 지선으로부터의 돌기 부분으로 나타나는 소선 절단 판정을 하기 위해서는 정상적인 지선의 윤곽 정보가 필요하다. 이를 위한 윤곽정보는 다음과 같이 구했다. 먼저 앞의 ⑴항에서 구한 에지 정보를 바탕으로 착목 화소의 좌우 15화소 에지의 수직 방향 좌표 평균을 구한다. 다음으로 수치가 극단적으로 다른 것을 제외한 에지에 대해 최소이승법을 사용해 직선 적용을 하고 이를 지선의 윤곽선으로 한다. 이것을 <그림 12>에 나타냈다. <그림 12>의 ⒜가 대상 화상으로, 상부에 소선 절단이 나타나 있다. 이 화상에서 에지 검출을 한 것이 <그림 12>의 ⒝이다. 좌우 근방의 평균치로부터 수직 방향의 좌표 위치가 극단적으로 다른 것을 제외하고 표시한 것이 <그림 12>의 ⒞이다. 이것을 원래의 최소이승법에 따른 직선 적용을 한 것이 <그림 12>의 ⒟이다. 이 윤곽선과 <그림 12>의 ⒝를 함께 표시한 것이 <그림 12>의 ⒠이다. 이처럼 지선에서 돌기 부분으로 나타난 소선 절단이 존재하는 경우에는 정상적인 지선의 윤곽선으로 부터 어느 정도 떨어진 곳에 에지가 모여 존재하는 것을 알 수 있다.
⑷소선절단검출
앞의 ⑶항의 <그림 12>에서 봤듯이, 소선 절단은 지선의 윤곽선 <그림 12>의 ⒡ Ideal Point로부터 몇 화소쯤 떨어져 끊어진 에지가 나타난다(Real Point). 이를 이용하여 <그림12>의 ⒡처럼 윤곽선에서 어떤 경계치 이상 떨어진 에지가 나타난 경우(<그림 12>의 ⒡에서는 Ideal Point의 Y좌표 : Yideal_p와 Real Point의 Y 좌표 : Yreal_p와의 차, 다시 말해 |Yideal_p-Yreal_p|≧Threshold의 경우)에 소선 절단이라고 판정하고 있다. 여기서는 10화소 이상 떨어진 에지가 20화소 이상 길이에 걸쳐 나타난 경우 그 부분을 소선 절단이 있었던 것으로 판정한다.
⑸아크흔적검출
<그림 13>의 ⒝에 나타난 것과 같이 수평 화소 번호 (x)째로 수직 방향의 휘도치 평균을 구해 x의 휘도치를 I(x)로 했다. 여기서 x는 0 ≦ x 〈720의 자연수이다. 다음으로 <그림 13>의 ⒞처럼 지선 영역 내의 평균휘도치와 표준편차 (σ)를 구해 이것을 바탕으로 아크흔적 등에 의한 지선 표면의 이상 검출 경계치를 (2)의 식처럼 결정했다. 최종적으로는 경계치로부터 빗나간 휘도치가 연속해서 몇 화소인가 나타난 경우를 이상으로 처리했다. 이처럼 화상 프레임마다 아크 흔적의 경계치를 결정하기 때문에 점검 중 시시각각 변화하는 일조 조건의 영향을 무효화시키고 있다.
마지막으로 <그림 13>의 ⒟는 아크 흔적이 있는 경우 각 수평 화소 번호의 휘도치의 모양을 나타낸 것이다. 이 그림에 있는 것처럼 아크 흔적이 있는 경우 경계치로부터 빗나간 수치가 되어 이상 검출이 가능한 것을 알 수 있다.
5. 이상 부분을 포함한 정지화 생성(E) 앞의 4절의 처리에서 이상 부분이 검출되면 그 부분을 포함한 정지화(靜止畵)를 타임코드를 표시한 형식으로 기록한다. <그림 14>처럼 JPEG의 화상파일로 기록하고 최종적인 판정을 작업자가 눈으로 확인한다.
실험 결과
개발한 시스템의 유효성을 확인하기 위해 적용한 모든 프레임 수 6,000장의 화상(20종의 비디오, 각 10초분)에서 이상 검출 능력을 조사했다. 아크 흔적검출을 위한 α는 샘플 데이터를 이용해 실험적으로 결정하고 0.9로 했다. 또한 이하의 실험에서 사용한 PC는 CPU 2.8㎓로 10초의 데이터를 처리하는 데 10~15초가 필요했다. 실험 결과는 <표 2>와 같다. 정상적인 상태가 아닌 지선의 검출은 4장을 제외하고 검출 가능했다. 또한 정상적인 부분을 이상으로 판정한 것은 129장으로, 합계 133장의 화상에 대해 잘못된 판정을 내렸다. 이에 따라 개발한 시스템의 판정 능력은 표에서 밑줄을 그은 부분이 정상적으로 판정이 가능했고, 총 5,867장이기 때문에 5867/6000×100으로 약 97.8%이다. 이상이 있음에도 불구하고 놓친 4장에 대해서는 연속하는 전후 프레임에서 이상으로 판정하고 있기 때문에 이상을 놓친 사례는 없었으며, 20케이스 전부에 대해 이상을 검출 할 수 있었다.
마무리
본고에서는 헬리콥터를 이용한 송전선 감시 영상에서 비디오 화상 처리에 의한 가공지선 이상 검출시스템에 관해 서술했다. 포커스가 맞는 지선 부분과 포커스가 맞지 않은 배경 부분을, 화소마다 주위의 휘도치 분산을 이용해 지선의 에지를 검출하는 텍스처의 동일성 유무에 의한 에지 검출 방법을 제안했다. 또한 촬영 조건이 다른 상황에서 촬영된 화상에 대해 기존 시스템에서는 촬영 조건이 변하면 에지 검출이 10배로, 제안법에서는 촬영 조건에 의존하지 않고 안정적으로 에지 검출을 할 수 있음을 실험으로 나타냈다. 개발한 방법은 지선의 에지를 텍스처의 동일성 유무에 의해 검출하고 예외 수치를 제외한 유효 에지에서 추정된 정상적인 지선의 윤곽선 정보를 이용한다. 지선의 휘도 평균치와 표준편차로부터 정해지는 경계치와의 비교에서 아크 흔적을 검출하고 정상적인 지선 윤곽선과 실제 지선의 에지와의 거리를 이용해 소선 절단을 검출하는 것이다. 실제로 이상을 포함한 비디오 데이터 20종에 대해 검증을 실시한 바 97.8%의 판정 능력이 있는 것을 확인했다. 또한 빠트리고 놓친 이상을 포함한 화상에 대해서도 연속하는 전후의 화상으로부터 이상 검출이 가능하며, 적용한 20종의 이상 전부를 검출 가능하기 때문에 이상을 검출하는 데에 제대로 된 역할을 수행하고 있음에 대해서도 서술했다.
◈ 참고문헌 H. Tono'oka, M. Kobayashi, T. Takenaka, and K. Ymamoto : "Image Processing Technology for Automatic Power Line Inspection", Mitsubishi Denki Giho, Vol.66, No.11, pp.52~56(1992) (in Jpannese)
장바구니
주문내역
: 
