一种适用于智能变电站巡检机器人异物检测算法研究.docVIP

一种适用于智能变电站巡检机器人的异物检测算法研究 　　摘 要： 针对在户外条件下进行图像处理的特点，提出一种适合智能变电站巡检机器人的对变电站设备悬挂异物识别的算法。该算法经过国内某500 kV智能变电站巡检机器人实地反复测试，对有异物与无异物的正负样本图像识别率超过95%，对实时巡检具有高精度高鲁棒性，完全满足变电站现场应用的要求。 　　关键词： 智能变电站； 巡检机器人； 异物检测； 相似匹配 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2015）10?0124?04 　　0 引 言 　　变电站往往建设在四周空旷的农村平原地带，且主要设备安置在室外，经常会受到外来“异物”的侵扰，可能会对变电站设备造成安全运行隐患。智能机器人在对变电站设备状态执行巡检工作任务的同时，对变电站设备中有无悬挂异物进行检测，当发现有外来异物悬挂时提供报警等指示标识功能，保障变电站设备的安全运行。随着近几年图像处理算法的飞速发展，基于计算机视觉技术的缺陷、异物检测算法也在不断的提升[1]。对于异物，或者外来物体的检测与跟踪的算法，在视频应用中主要的研究是采用放置固定摄像机，对连续的输入帧进行高斯背景建模，在这其中位置相对固定的“场景”形成背景图像模型，当有外物进入图像中时则被背景模型自动的分割为前景，可对其进行物体分割、跟踪等处理[2]。虽然变电站中的各类型设备都已安置完毕，位置、形态长期固定，为背景模型的算法提供了有利条件。巡检机器人携带的是一台移动式摄像机，穿梭于各个电力设备之间采集待检测设备的图像，但是系统无法支持对每个设备的周边环境进行背景建模，所以这种算法并不适合用于巡检机器人。 　　相对于视频的动态的背景建模提取前景移动物体的算法，对静态的两幅或多幅图像差异的比较也是行之有效的异物检测的方法，这类算法被称为帧间差分法。这种算法的主要思想是：首先对相对不变的背景环境采集一幅或多幅作为背景模板，当需要检测在此环境中是否有异物时，再实时采集一幅图像与背景模板进行逐一像素或区域的差异计算。当差异的结果充满一定的图像面积时，则认为采集图像与模板不一致，疑似异物出现在采集图像中。这种算法与高斯背景建模的算法进行比较，优势为背景图像生成简单，使用帧间差分计算图像间的差异时计算量少[3?4]。巡检机器人在进行变电站设备工作状态检测时，采用的即是建立模板图像进行比较的方式，但是帧间差分法仍旧不能适用于巡检机器人进行异物的检测。这是因为巡检机器人进行定点设备检测时，虽然停车位置相同，但机器人运动的航向角与云台转动的角度都与拍摄模板图像的位置存在略微差异，在用帧间差分法处理这些误差时会被误认为前景发生了变化，即差异的部分会错误的检测为异物。 　　智能机器人需要全天候地对变电站的设备进行工作状态巡检，机器人采集的图像也常受到环境的影响，这使得巡检机器人采用背景建模或者帧差法等流行的异物检测算法都受到了约束，必须研发一种有效的适合变电站巡检机器人的异物检测算法。当前变电站巡检机器人对各种设备进行工作状态检测时，采用的是通过采集待检测设备实时图像与设备的模板图像进行配准，在采集图像中标注出待检测设备区域，从而可以对设备状态进行准确的识别。基于这种工作模式，在本文中提出了一种适用于智能变电站巡检机器人的异物检测算法。首先，依照巡检机器人的模板图像采集方式，对易悬挂异物的设备区域或需要严格防止异物侵入的区域进行无异物状态的标准图像采集，建立待检测设备区域的模板图像库。然后，在机器人执行巡检任务时，根据任务指令，在待测设备前的指定位置停车，按照相同设备模板图像的拍摄角度与焦距设置对待检测设备区域采集实时图像。使用SIFT配准算法，提取两幅图像的特征点对，依照特征点对坐标的映射在采集图像中最大范围地裁剪出与模板图像重合的区域。由于光线与天气环境的变化，为了减少光照强度对识别结果的影响，先对模板图像与采集图像进行消除光照、去阴影操作，再对待检测设备框架进行二值化，分割设备与背景，将采集图像与模板图像的重合区域坐标对齐、截取，并进行相同的4×4分块，对分块的子图像以“不变矩”的算法来评价相似性。相似性高的则认为与模板图像匹配，此子区域内无异物出现，相反则判断在此区域内有异物侵入，对待测设备采集图像中有异物的区域进行标注，并警示变电站值岗人员。此算法经过国内某500 kV智能变电站巡检机器人实地反复测试，对有异物与无异物的正负样本图像识别率超过95%，对实时巡检具有高精度高鲁棒性，完全满足变电站现场应用的要求。 　　1 异物检测识别算法 　　1.1 利用SIFT算法实现采集图像在模板图像中的定位 　　尺度不变特征转换（Scale Invariant Feature Transform，SIFT）是用于图像处理领域的