高压输电线路巡检机器人能够辅助或代替人工进行巡检,但是对于跨越原始森林、大江大河的线路,通讯受阻,机器视觉技术成为一种保证机器人安全行走和越障的有效方法。本文提出了一种输电线巡检机器人视觉系统,对复杂光照环境下的图像进行增强,在此基础上,对直线行走时前方障碍物进行检测和识别,并在跨越越障时对手眼地线进行准确定位。本文主要研究内容如下:（1）巡检机器人视觉系统与关键问题的提出。首先分析巡检机器人巡检作业环境、构成、巡检作业,从硬件和软件两个层面构架巡检机器人视觉系统,将其分为检障视觉系统和手眼视觉系统;然后通过对实际应用场景的图像进行分析,提出视觉系统中三个主要关键问题的研究需求。（2）复杂光照环境下的图像增强算法。针对野外复杂光照环境,图像中存在着光照不均、对比度偏低和图像噪声的问题,提出了一种基于自适应MSR与模糊增强的图像增强方法。首先采用Haar小波变换将图像分解成低频和高频信息,实现图像光照和细节、噪声的分离;然后,针对低频信号,采用光照强度信息自适应调节多尺度Retinex融合系数,对得到的多个反射图进行加权融合,实现非均匀光照的纠正;针对高频信号,根据噪声和边缘细节对应的小波系数直方图的分布规律自适应调节模糊增强算法非线性拉伸幂函数的指数,实现噪声的抑制和细节的增强;最后,通过将低频和高频信息增强后的图像进行小波逆变换后得到最终的增强图像。对地线和障碍物图像进行图像增强实验,采用五种客观图像质量评价标准对增强效果进行评价;同时,通过与其他七种先进的图像增强算法进行对比,验证了该方法的有效性和可行性。（3）基于特征融合的障碍物检测方法。针对目前输电线障碍物目标检测方法大部分还处于较近距离、单视角的研究阶段的问题,提出了一种基于特征融合的障碍物视觉检测方法。首先,采用图像增强算法对图像进行预处理,纠正非均匀光照、强化图像细节;然后,采用基于EDLines算法快速检测出地线,通过地线位置、障碍物目标在图像中的面积、长宽比范围改进包围盒算法,进行障碍物目标区域提议,快速准确检测出障碍物目标在图像中的位置;针对每一个检测出的障碍物图像块,提取其全局特征Hu矩与视觉词包法优化的局部的角点特征ORB,将二者进行加权融合;最后,采用决策树类型的“一对多”支持向量机算法对防震锤、障碍物群、悬垂线夹和背景四类目标进行分类,其中采用粒子群算法优化径向基核函数的SVM的关键参数的优化。实验表明,针对距离在1到5m的范围内的防震锤、悬垂线夹、障碍物群的检测识别率分别达到了96.4%、92.6%和90.5%,验证了该方法的有效性以及工程实用性。（4）基于纹理识别的手眼地线定位方法。针对不同类型、不同表面新旧程度、不同光照条件导致的地线纹理不一致问题,提出了一种基于纹理识别的地线视觉定位方法。首先采用图像增强算法对图像进行预处理,纠正非均匀光照、强化图像细节,为地线的定位提供高质量图像;然后采用移动扫描窗的方式将地线图像分割成大小相同的图像块,对每一个图像块,提取其纹理特征向量,然后采用朴素贝叶斯二类分类器对其进行分类,判断其是否为地线图像块;在构建特征向量时,通过遗传算法对统计纹理特征、灰度共生矩阵（GLCM）和局部二值模式（LBP）特征进行优选。最后,通过随机抽样一致性（RANSAC）算法对存在误检的地线图像块中心点进行直线拟合,得到地线在图像中的位置参数。通过实验验证了基于遗传算法特征选取的有效性;在不同光照条件、不同角度和不同高度情况下,对钢芯铝绞线、钢绞线地线和OPGW地线上的护线条进行定位实验,得到定位准确率分别为82.4%、84.6%和79.5%,验证了该方法的有效性和工程实用性。