基于变电站巡检机器人变电站设备外观异常识别方法

摘要

本发明涉及一种基于变电站巡检机器人变电站设备外观异常识别方法。它基于电力巡检机器人平台(其型号为LER-3000)，利用图像处理及模式识别等相关技术，对电力设备采集图像进行检测，判断该设备是否有污损、破损、异物等异常现象，通过对采集的图像进行分析，找到对应的缺陷识别方法，准确，快速的检测到设备异常，及时报告，消除安全隐患。它的步骤为：1)电力巡检机器人在巡检路线上对各设备图像进行采集；2)将处理好的图像与预先存储的相应设备参考图进行配准；3)在图像配准后，根据两幅图像的差异，检测出发生异常的区域；4)异常分类，根据检测出的异常区域的特征参数，对异常进行分类。

主权项

一种基于变电站巡检机器人变电站设备外观异常识别方法，其特征是，它的步骤为：1)电力巡检机器人在巡检路线上对各设备图像进行采集；2)将处理好的图像与预先存储的相应设备参考图进行配准；3)在图像配准后，根据两幅图像的差异，检测出发生异常的区域；异常检测基于当前待检测图像和参考图像的差值图像进行检测，在对待检测图像配准后，对两幅图像做差，由于差值图像可视化较差，先将图像归一化到0到255之间；然后使用Mean Shift分割算法，直接得到要检测的异常区域；4)异常分类，根据检测出的异常区域的统计参数，对异常进行分类；异常的分类，是根据异常区域在目标区域的分布情况，判断是设备自身的变化，或者是外来的悬挂物造成的异常；首先使用自适应的二值化将参考图像的目标区域进行分割，同检测出来的异常区域统计重合区域，计算重合区域的面积和质心所在的位置，结合当前设备类型给出判断；当异常区域与目标区域重合率达到95％以上，且面积大于设定的像素数，则异常发生在目标区域；当异常区域与目标区域重合率在95％以下，且面积大于设定的像素数，则为悬挂物或发生破损；当异常区域的像素个数小于设定的像素数时，则忽略；所述步骤2)中，所述配准过程为：首先使用具有光照不变、旋转和尺度不变性质的SIFT特征进行匹配；然后，基于RANSAC随机采样一致方法，计算待检测图像和参考图像的单应关系H矩阵；其中，尺度不变特征SIFT是一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子；该算子首先在尺度空间中寻找高斯差分极值点从而确定关键点所在的尺度，然后确定关键点位置，并使用邻域梯度的主方向作为该点的方向特征，最后由4×4数组，其中每个元素包含了8个方向的直方图信息，得到128维的特征向量；特征点之间的匹配关系是通过计算向量间的最小距离来的得到的；由于两幅图像由一个成像系统获得，假设光心位置相同，将参考图像和待建模图像上点与点的单应关系通过一个单应矩阵H来表示；在2维图像空间中，单应矩阵被定义成一个3×3的矩阵H：wp′＝Hp(1)其中，w是尺度因子，hij为H矩阵的i行j列的元素值，p＝(x，y)，p′＝(x′，y′)分别代表两幅图像的x轴，y轴坐标值；由两幅图像点的匹配关系得到关于H的方程，H矩阵有8个变量，最少使用四对匹配点就可以得到一个H；RANSAC随机采样一致性算法，通过随机采样建立模型H需要的最小的样本集合，找到与该集合匹配的模型，然后检测其余样本与该模型的一致性，这里检测匹配点的反投影误差；如果没有显著的一致性，重新随机采样，计算新的模型；通过多次迭代就找到与足够多的样本一致的模型；该方法能够很好的处理存在错误匹配的情况，从而减少H矩阵的计算误差和提高计算速度。