摘要：随着电力系统安全运行要求的不断提升，准确可靠地识别与定位接地线对于保障检修作业安全、防止恶性误操作事故至关重要。本文深入研究了一种基于多传感器融合的接地线识别与定位方法。该方法协同利用可见光传感器、红外热成像传感器及深度传感器（如激光雷达或深度相机）获取目标的多维度信息，通过鲁棒的图像预处理、特征提取与融合策略，克服单一信息来源的不足，显著提升不同光照、天气、遮挡条件下的识别精度，基于融合后的高置信度信息与三维点云数据，设计高效的点云处理算法实现接地线在真实空间位置的精确定位，经仿真分析验证，所提方法在识别准确率、定位精度及环境适应性方面均优于单一传感器方案，为电力安全防护提供了有效的技术支撑。

关键词：接地线识别；多传感器融合；特征提取；空间定位；点云处理

引言：电力系统进行设备检修维护时，可靠挂接接地线是保障作业人员生命安全与电网稳定运行的核心手段。误操作导致接地线漏拆或误挂会引发严重的恶性事故，因此自动识别并精确定位接地线状态成为电力智能化运维迫切需求的关键技术。当前实践中依赖人工目视检查效率低下且存在安全隐患，基于单一视觉传感器的自动化识别方案虽有一定应用，但在强光、阴雨、烟雾、复杂背景及夜间等场景下表现脆弱，误检率与漏检率显著上升，制约了可靠应用。多传感器融合技术通过整合不同物理特性传感器的互补信息，为解决上述难题提供了新思路。本文聚焦于研究一种融合可见光、红外热与深度信息的多传感器框架，探索适应复杂工况的接地线识别特征提取与融合机制，开发基于点云的三维定位算法，构建一套完整的接地线智能识别与定位解决方案，旨在为电力作业现场安全智能化监控提供理论支撑与技术参考。

1、接地线智能识别定位问题的复杂性及挑战

1.1 接地线漏拆误挂的安全隐患与检测需求

挂地线是供电检修作业环节最重要的安全措施，其挂设和拆除的可靠性，关系到工作人员人身安全和电气设备安全，如果在检修完毕后没有及时将接地线拆除，将可能造成合闸送电时发生接地短路损坏设备、全网解列等恶性事故，后果非常严重，相反如果应该在安全范围内挂地线，结果挂在带电运行设备上，会造成工作人员触电的风险，其危害不言而喻[1]。人工巡检主要是采用作业人员自身技能经验以及作业负责人的责任心，当接线点数目很多，操作环境比较复杂的情况下，受到作业人员自身因素的影响，有时会产生疲倦、懈怠、疏忽等问题，容易带来隐患，作业过程繁杂效率比较低，而且准确性和可靠性得不到保证，急需研发自动化的、智能化的接地线状态检测和位置检查技术手段，以便使接线实时在线上不间断、零遗漏、精准监测到位。

1.2 现有检测方法的局限性分析

目前已知的自动化识别接地线的研究都是基于图像识别的深度学习模型的机器视觉方法，通过训练如 YOLO、SSD 模型学习接地线的外观特征，或特定标志牌、导线颜色定位接地线，这种模式对目标图像清晰且光照足且背景简单的状况下存在较高的识别率。但是，电力施工现场常有的强反光、雨雾天、光照亮暗环境剧烈变化、设备部分遮挡、夜间无光等条件下，可见光图像信息的水平大幅下降，使图像信息的可见特征模糊甚至消失，进而视觉信息的特征被视觉网络学习模型大大减小；而且只用二维图像的方案无法获得准确的三维空间位置信息，不能判断接地线是否确实与接地桩连接。基于红外热成像能够判识接地线通过接通地回路产生的微弱温度上升所提供的热信号特征，对于新挂设的短时未接通或环境温差很小的情况下效果不明显。单一传感器的方案在应对现实场景变化大的真实场景情况下均存在着信息维度单一、抗干扰能力差、鲁棒性差的本质问题。

2、多传感器融合的解决方案理论基础

2.1 多传感器互补性的选择依据

鉴于单个传感器能力的局限性，为了获得较强的鲁棒性的识别定位效果，该方法采用了融合可见光 （RGB）、红外热 （IR）、深度 （Depth） 传感器多源信息的识别定位系统，可见光传感器提供接地线及挂钩的色、形、纹、几何形等丰富的外观信息，是识别依据的核心；热传感器提供接地线电流流经时的微弱但稳定的微温升温特征，能形成与冷背景环境热特征截然不同的特性信息，在图像特征较复杂或者能见度较低的情况下提供不可替代的热特征信息，增强识别的鲁棒性，是识别的有益补充；深度传感器 （ 激光雷达或者深度相机 ） 直接提供对象物三维空间的点云数据，在后续计算接地线的挂钩和接地桩之间的空间位置关系、链接关系上提供直接和必备的信息，三者构成在信息维度上的时空互补、特性互补、信息互补整体系统，相互帮助，互为补充，能大幅提高识别的正确性。

2.2 时空同步与多源数据配准

实现有效融合的前提是保证多源数据在时间与空间上高度对齐。在时间同步方面，采用硬件触发或同步信号机制，确保可见光相机、红外相机、深度传感器在同一精确时刻或极小时间误差内捕捉同一场景目标，消除因动态目标运动带来的时间错位问题。在空间配准方面，主要解决不同视点传感器数据的几何对齐问题。首先需要通过严密的联合标定过程获取各传感器之间的变换矩阵，该过程使用高精度标定物与标定算法完成 [2]。对于 RGB 图像与深度图，需通过校准建立像素级对应关系，实现RGB-D 数据的天然对齐。对于RGB 图像与IR 图像，由于视差与透视效应存在差异，需利用深度信息建立转换基础或采用基于特征点的配准算法进行精校正，最终目标是使不同传感器观测到的同一目标点在融合空间中达到尽可能一致的位置表示。

2.3 决策级融合增强识别可靠性

得到配准后的 RGB 图像、红外图像和点云数据之后，需要提出融合策略得到最终的识别结果。这里在本方法中采用决策级融合方式来提高整个系统的置信度和鲁棒性。分别对每个单源数据进行识别处理，设计专门的预处理和特征提取算法提取并识别图像中对应的数据特征输出接地线存在概率分数。对于可见光图像，考虑彩色图像空域信息以及边缘提取后输入DL 模型提取并识别图像特征输出识别概率分数。对于红外图像，提取温度异常热点区域特征和典型形状特征输出基于热信号的概率值。设计决策层融合，这里可以进行表决加权或者更加复杂的概率融合方式比如基于 Dempster-Schafer 证据理论、基于贝叶斯规则，根据各种传感器在不同场合下的可靠性历史数据或者通过在线学习给出合理的权重，把多个独立判断融合成为最终的、融合的高置信度的识别结论。

3、融合算法的核心环节设计与实现

预处理目的是对传感器原始数据各种噪声的抑制。在可见光图像中，由于受光照不均、阴影、雨滴等因素影响，采用改进后的自适应直方图均衡化实现对图像的光照补偿，提高局部对比度，采用引导滤波或者非局部均值滤波去椒盐噪声的同时保留重要边缘信息；对于红外图像而言，主要噪声有热源不均匀而导致的固定模式噪声以及随机热噪声，采用基于参考板的非均匀校正去除固定模噪声，三维块匹配滤波用于空域降噪。深度图像中主要噪声由于表面材料以及距离等因素引起的缺失信号和跳跃边，采用双边滤波实现边缘平滑和缺漏信号的填充。预处理阶段能使后续的特征提取所用的数据质量上和一致性上获得保证，为图像有效融合奠定基础。

3.2 关键视觉热特征提取与分析

基于预处理后的数据提取接地线具有区分性的显著特征。在可见光域，利用 Canny 算子结合形态学运算定位具有高边缘强度、特定宽度及线状结构的候选目标轮廓信息，进一步分析轮廓方向、长度比例、颜色（如黄色）信息作为形状特征线索。在红外域，定位温升异常区域并通过区域连通性分析提取具有相似温度、特定形态结构的热斑块特征，分析其面积变化率及空间分布模式以区分接地线与其它热源干扰[3]。重点提取那些在两种或多种模态中都具有稳定表现的联合不变特征作为高置信度标识线索，例如特定长度、方向、位置关系约束的结构特征及其伴随的温升特征。

3.3 多通道信息融合决策机制

决策级融合决定系统的鲁棒性，因此，将决策级融合采用基于证据推理或者 Fuzzy 逻辑的融合架构，首先建立各个传感器的识别模型作为基本概率分配函数或者是隶属度函数的基本来源，基于 RGB 的特征识别模型输出接地线存在与否的基本概率估价，基于 IR 的热特征分析模型输出对应的证据估价，考虑到各个传感器在不同工作环境（强光照，雨天雾天，夜环境）下可靠性是动态可变的特性，建立环境感知模块实时估计各传感通道的权因子，最终融合引擎综合加权后的各传感器决策概率给出相应的总置信度分数，如果总置信度高于确定阈值则判定存在可靠接地线目标完成识别任务。

3.4 三维点云空间定位算法

仅识别存在接地线不足以确保安全，必须精确定位其在三维空间中的位置及其与接地点间的几何关系。算法流程包括基于深度传感器的点云采集，进行欧几里得聚类分割分离出疑似接地线段的点云簇或接地桩端点的点云簇。对提取出的疑似接地线段点云簇应用主成分分析或霍夫变换拟合直线模型并估算其空间长度和方向角。对疑似接地点点云簇进行平面拟合找到接地面。计算识别的高置信度接地线端点三维坐标到地面或接地桩点的欧氏距离，若该距离小于设定安全阈值且角度关系符合物理连接状态则判定连接可靠，最终输出接地线的三维空间位置状态。

3.5 整体系统架构与实时性设计

为满足现场应用的实时性要求，整个系统架构设计遵循数据流高效处理原则。硬件层确保RGB、IR、Depth 传感器高精度同步采集。软件层采用多线程或流水线并行机制处理数据流，单一线程处理某传感器数据预处理、特征提取，融合决策模块集中接收各线程结果快速融合输出识别结果，定位模块仅对被识别的高置信度目标进行计算避免无效处理开销[4]。在关键计算环节使用 GPU 并行计算或采用优化算法实现加速，选择轻量级特征提取模型，显著压缩单帧图像处理时间确保系统在复杂场景中维持高帧率实时运行能力。

结束语

在本文中，作者经过对一种传统单传感器方法的深入剖析，提出了解决问题的方案——多源信息的互补融合；同时，针对信息融合量上缺少相关模型支撑的现状，重点设计出多传感器的时空配准方法、具有鲁棒性的视觉及热特征提取方法、自适应加权决策级融合方法、三维点云空间距离计算定位等算法，从而建立理论模型及其处理框架；该方法充分利用了异构的传感器信息，从而大大提升了复杂环境下对线路相位及缺陷的识别的精度与鲁棒性；同时针对传统方法无法在极端光、不良气候条件下工作的现象，能够通过三维定位对其实际接地线的连接状态进行正确判断；能够为电力作业现场安全监控智能化提供强有力的技术支撑；为下一步研究可行的方向就是加入更先进的毫米波雷达信息，并对信息融合的模型进行更优的结构优化设计，同时使系统能够在更大规模的电网装置上进行工程化应用。

参考文献：

[1] 何剑军，林裕新，刘敬诚 . 基于状态感知的智能电网接地线监测和自供电无线传感器研究 [J]. 电子器件，2024，47（6）：1589-1594.

[2] 刘星晔，许洁，陈亦寒 . 基于压力传感器采集数据的携带式短路接地线自动化监测系统 [J]. 自动化与仪表，2024，39（4）：89-93.

[3] 花洁，李伟 . 基于电阻式应变传感器的设备接地状态识别方法 [J]. 自动化技术与应用，2024，43（5）：48-51.

[4] 于利颖. 变压器局部放电脉冲电流多端检测及定位分析方法[D]. 华北电力大学（ 北京 ），2023.