论文部分内容阅读
目前,架空电力线路的巡检工作基本上采用人工巡检方式,这种作业方式劳动强度大、危险性大并且效率低。非常有必要开发一种可以取代人工巡检方式的架空电力线路巡检机器人,用于提高工作效率、降低成本和确保电力线路的安全运行。本论文详述了在广东省科技攻关计划项目支持下的架空电力线路巡检机器人研制项目中视觉系统的研究工作。
首先介绍了国内外架空电力线路巡检机器人研究现状和发展趋势。针对视觉系统的摄像机标定要求,选用了张正友的基于平面标定模板的摄像机标定方法。结合电力线外形特点及电力线巡检要求,比较了多种图像滤波和边缘检测算法的效果,并最终选择基于边缘提取和霍夫变换(Hough transform)的方法实现架空电力线的检测。在障碍物识别上,将基于AdaBoost的学习算法用于防震锤的检测,从一个较大的特征集中选择少量关键的Haar-like特征,生成一个高效的强分类器。再用级联方式将单个的强分类器级联成为一个更加复杂的级联分类器。本文使用了自己创建的防震锤样本库进行训练得到分类器,并在多种背景条件下进行了防震锤检测实验,检测效果良好。实验结果表明,本文中所采用的电力线检测和障碍物识别的方法应用在巡检机器人视觉系统上是可行的,并为其它室外移动机器人视觉系统的实现提供一定的参考。