近年来我国电力事业飞速发展，输电线路得到大量的铺设。绝缘子作为输电线路中不可或缺的电力元件，由于长期暴露在野外，其经常出现的自爆、裂纹等故障会成为电能传输的安全隐患。随着无人机技术的成熟，以高效、便携、成本低、可远程操控等优点，无人机被广泛应用在绝缘子故障检测领域。目前常见的绝缘子图像获取都采用单目方式，但是单目相机拍摄范围有限，无法采集到完整目标，会导致故障检测精度有所下降，因此，本文基于双目视觉技术和图像处理技术展开分析，最终完成绝缘子故障的检测。
　　本文首先详细介绍双目视觉基本原理、成像模型和坐标系间的转换，并应用相机标定法实现视觉系统的标定，得到相机的标定参数，以提升双目相机成像系统的精确性。其次，介绍图像预处理的关键技术，针对彩色图像信息冗余的问题，对其进行灰度化处理，有效减少运算量，并对灰度图均衡化，避免图像中出现亮度不均的情况。为了消除图像中的噪声干扰，使用中值滤波对图像进行降噪处理。在对绝缘子串与背景进行分割时，采用一种基于最小二乘法拟合的最大类间方差分割算法，在保证分割效果的同时，提高系统的计算速度。再次，在双目图像的立体匹配研究中，引入BRISK特征描述符优化ORB特征匹配算法，不仅尺度不变性得到提高，运算量也明显减少，在此基础上，采用小波变换算法实现绝缘子双目图像的融合。最后，对预处理过的航拍图像进行绝缘子故障检测，重点针对绝缘子常见故障中的“自爆”故障展开分析，使用改进的霍夫变换方法获得绝缘子椭圆参数信息，根据椭圆的参数设计出分类算法，对绝缘子串进行检测，同时也对绝缘子表面出现裂纹及污秽故障问题进行分析。
　　在图像分割的仿真测试中，本文算法能够大量减少计算次数，节省约50％的系统运行时间，在图像立体匹配仿真中，优化后的ORB算法将匹配正确率由78.6％提升到96.5％，本文的故障检测算法能够准确分割无人机航拍图像中的绝缘子轮廓，并对绝缘子的故障情况进行诊断，在对200幅绝缘子图像进行仿真分析后，成功检测故障图像38张，漏检2张，自爆故障的识别率可达95％，证明本文所用算法对智能化电力线路巡检有一定的参考价值。