变电站在电力系统中起着变换电流电压、分配电能的重要作用;变电站的正常运行关系着国民经济的发展和社会正常生活秩序的稳定。为保证变电站的稳定运行,需要定时定期对站内设备进行巡检、数据采集和分析,第一时间发现设备隐患,防患于未然。目前传统的巡检是采用人工巡检方式,人工巡检效率低,巡检质量容易受个人情绪和状态的影响;随着人工智能与机器入学科的快速发展,巡检机器人的出现可以代替低效率的人工值班巡检,为变电站无人值守模式奠定基础。本文以变电站巡检机器人为背景,针对机器人定位技术、仪表盘检测、表盘图像去遮挡修复、表盘校正、自动读表等方面开展了系统性的研究。本文的主要研究内容和创新点如下:(1)介绍巡检机器人室内室外定位技术;其中,着重分析了视觉SLAM框架。本文将视觉SLAM技术应用到室内巡检中,就视觉SLAM定位的局限性,提出了基于AR-Tag的视觉定位算法;搭建实验平台,通过实验验证了本文算法可以有效地纠正了视觉SLAM的定位误差;(2)搭建深度学习环境,使用CenterNet网络检测并定位表盘及指针位置,测试结果显示表盘检测准确率达到1 00%,指针检测准确率达到98.2%;针对仪表盘镜面有遮挡物等干扰,自制数据集并使用CycleGAN网络进行训练,对修复结果进行视觉评估,本文方法能有效去除表盘镜面的遮挡物,图像的光度和对比度也得到了提升;(3)由于拍摄角度等原因,仪表盘出现形变情况,本文设计基于特征点的图像校正算法。其中,针对SIFT、SURF、ORB三种特征点检测算法进行实验和分析,最终使用SIFT特征点算法实现图像校正;对表盘校正算法进行实验和评估,实验结果表明本文图像校正算法可以有效地校正图像形变情况,为后续的自动读表打下良好的基础;(4)提出基于特征投影的直线拟合算法用于提取指针;本文就最小二乘直线拟合算法和本文算法进行实验对比,实验结果表明,本文算法对指针拟合效果显著,能有效抵抗噪声干扰、光照阴影等干扰,有较高的鲁棒性;(5)提出基于MeanShift聚类的圆心定位算法用于检测表盘圆心位置;最后基于刻度线、圆心、指针及部分先验信息,使用角度法实现自动读表技术;选取不同的表盘样本进行实验验证,本文自动读表的精度高,最终误差控制在3.0%以内,符合变电站的读表精度要求。