论文摘要
高压输电线路由于在野外长期受到机械张力,电气闪络,材料老化的影响而产生损伤,对电力系统的运行造成严重威胁,因此必须对输电线路定期巡检。目前主要的输电线路巡检方法有人工巡检和直升机巡检,由于输电线路特殊的工作环境,人工巡检方法劳动强度大,巡检精度低,工作人员的危险性高;直升机巡检相对提高了巡检效率和精度,但增加了技术难度,且运行费用较高。输电线路巡检机器人是目前研究的热点,能代替人工和直升机进行线路巡检。输电线路巡线机器人导航技术是巡线机器人的关键技术之一,而线路上障碍物的识别是机器人自主巡线的关键,本文针对线路障碍物自动识别问题,从多视角重建的角度进行了深入研究,研究的具体内容如下:1)提出了一种基于多视角重建的输电线路巡线机器人障碍物识别模型。首先分析了传统输电线路巡线机器人障碍物识别方法中存在的问题,将障碍物识别过程分成线上和线下两个部分,在线下部分对输电线路上常见的障碍物进行多视角障碍物轮廓重建,形成多视角虚拟轮廓影像库;在线上部分,以任意角度拍摄障碍物图像,并提取障碍物轮廓,然后和线下重建的虚拟影像库进行匹配以实现障碍物识别。本文障碍物识别方法将复杂计算在线下完成,线上完成简单计算,能快速完成障碍物的识别,同时能消除拍摄角度的影响。2)针对上述模型提出了几种核心算法。根据本文所提出的障碍物识别方法的流程,关键是实现多视角障碍物图像的重建和障碍物类型识别。在障碍物图像重建过程中,本文以图像梯度幅值为基础,针对输电线路障碍物图像特征,改进了一组算法,包括自适应梯度幅值和形态学组合滤波算法、自适应多窗口梯度幅值边缘检测算法、基于视差插值的立体匹配算法和多视角轮廓重建算法;最后还提出了一种基于点统计的障碍物识别方法。本文实验环节使用标准图像对提出的图像预处理算法进行了模拟实验,并使用真实的输电线路障碍物图像进行了识别测试以验证算法的有效性,结果显示,障碍物识别方法能得到较好的识别效果,通过对几种算法的研究,形成了较为系统的障碍物识别方法。