电力巡检机器人在巡检过程中,需要自动识别仪表的数字示数和指针示数,但是由于现场环境工况十分复杂,导致常规的仪表示数识别方法不足以满足电力巡检的需求。而本文提出了一种高效的仪表检测与示数识别方法,解决了电力巡检机器人在巡检过程中现场仪表示数的自动识别问题,提高了仪表示数在不同的姿态、光照、尺度、部分遮挡、复杂背景等工况条件下的识别率。本文的主要贡献有以下几点:1.提出了一种基于双级联参数回归的仪表图像配准算法。该算法将仪表图像当做平面刚性物体,可以将目标仪表快速地归一化到同一尺度和姿态下。该算法在配准成功率、计算速度、定位精度等方面均优于传统的基于特征点匹配的图像配准方法。2.提出了一种由粗到精的仪表检测算法。该算法由粗检测器、基于双级联参数回归的仪表配准算法和一个高性能的后验验证器组成。该仪表检测算法在正检率达到97.5%的同时将误检率控制在1.35%以内,并且平均检测速度可以达到15.5帧/秒,实时性和检测性能均能满足电力巡检需求。3.提出了基于几何约束的数字示数识别方法和基于HOG特征的指针示数识别方法。当数字示数在同一姿态和尺度下时,本文直接用模板匹配的方法识别数字示数,避免了二值化图像的步骤。加入几何约束项后,数字示数识别率从94.3%提升到95.5%。对于指针示数识别,我们先通过双线性插值算法将扇形指针区域转换为平滑的矩形区域,使用HOG特征作为描述子,通过滑动窗检测指针。该方法的指针正检率达到95.6%,指针示数读数误差在6.6%以内。