[发明专利]一种适用于变电站巡检机器人的仪表定位方法

说明书

技术领域

本发明属于图像识别技术领域，特别涉及一种适用于变电站巡检机器人的仪表定位方法。

背景技术

变电站是电力系统进行电能输送的枢纽，内部有大量的仪表、开关、油位计等二次设备。为确保电力系统的安全，需要定期对变电站内的设备进行巡检和记录。目前，我国的变电站巡检方式正在从传统的人工徒步巡检向自动化巡检过渡。变电站巡检机器人就是专门为变电站服务的自动化巡检设备，其主要功能之一是完成变电站内的仪表巡检。

仪表巡检包括拍照、仪表定位、相机参数调整、仪表读数识别几个流程。其中，仪表定位的效果将直接决定相机参数的调整和读数识别的效果，是完成仪表巡检的关键环节。而变电站内的仪表放置于室外环境，巡检机器人拍摄的仪表图像会受到外界环境的影响。这些影响包括：不同天气导致的仪表光照强度有明显差距、直射光线下仪表玻璃罩产生反光现象、阴雨大雾天气导致的仪表表面模糊、变电站内多样化的设备造成拍摄图像中包含大量复杂的背景。这些不利因素，极大的增加了仪表定位的难度。

对于仪表定位问题，现有的主流方法有两种：基于模板匹配的定位方法和基于特征点匹配的定位方法。基于模板匹配的定位方法是利用一个固定的仪表模板在待检测图像中以尺度变换和滑动窗口的方式遍历待检测图像的所有区域，对每个遍历到的区域计算一个与模板之间的相似度，最终选取相似度最高的区域作为仪表所在区域，以此完成仪表定位。这种方法虽然结构简单，但是对光线变化和噪声比较敏感，当模板图像的光线和实际拍摄图像的光线有较大差异时或者拍摄图像的背景中存在相似区域时，会出现误匹配现象，导致仪表定位失败。

利用特征点匹配的方法进行仪表定位时，首先利用特征算子提取待检测图像中的特征点，然后与模板图像的特征点做匹配，最后根据匹配的多个特征点进行仿射变换，定位出仪表位置。其中常用的特征算子为SIFT特征算子。目前的变电站仪表定位系统中，多采用这种基于SIFT特征点匹配的定位方法。这种方法能够在一定程度上克服光照影响，且具有尺度和旋转不变性，对局部模糊的情况有较强的适应性。但是，使用这种定位方法，仍然存在两方面问题：一方面这种方法对特征点的要求高，当拍摄的图像存在大块模糊或者图像特征点较少时，容易出现不匹配现象；当拍摄图像的背景存在相似特征点时，会导致仿射变换失败，无法定位仪表。另一方面，为确保准确率，需要为每一个仪表提供多个尺度的特定模版。以避雷器仪表为例，一个变电站有近百个避雷器仪表，虽然每个仪表样子都相同，但是因其拍摄方位及仪表摆放位置的差异，必须为每一个避雷器仪表采集多个尺度模板。当某一个仪表发生位置变化或做过表面的灰尘清洁时，必须重新采集该仪表的模板。这样不但增加了人工操作也极大的降低了系统的可扩展性。

发明内容

本发明的目的是提供一种适应能力强、定位精度高、可扩展性好的适用于变电站巡检机器人的仪表定位方法。

为此，本发明的技术方案是：一种适用于变电站巡检机器人的仪表定位方法，包括以下步骤：

1）收集样本：样本包括正样本和负样本，正样本为仅含仪表表盘的图像，负样本为不包含仪表的背景图像；

2）Adaboost分类器训练：利用步骤1）收集的样本进行训练，训练过程包括特征的选择、弱分类器的训练、强分类器的训练；训练时使用的样本不变，但样本的权重根据分类的效果而不断改变，这样可以看作不断的使用新的样本对分类器进行训练；最后将分类器级联在一起，形成决策分类器；

3）基于SVM的二分类器；使用图像的颜色特征和纹理特征来计算构造决策函数，得到二分类器；

4）仪表定位：首先使用具有高检出率的Adaboost分类器进行一级检测，可以初步定位出和仪表相似的多个区域；即一级检测提高了定位出仪表的概率；然后利用SVM分类器做二次定位，弥补Adaboost分类器的不足，进而从候选区域中定位出仪表。

进一步地，所述步骤4）所述的仪表定位方法具体包括以下步骤：

d1) 输入待检测图片（图片尺寸为），并对图像做预处理；包括彩色图转灰度图处理、中值滤波和高斯滤波处理；

d2) 初始化检测窗口大小；窗口选择使用宽度和高度相同的尺寸，并将检测窗口宽度初始化为20像素；

d3) 利用尺寸为的检测窗口，从初始位置开始，以水平方向两个像素和垂直方向两个像素为单位在整张图片上进行平移，每平移一次即可获得一个新的检测窗口；

d4) 针对一个检测窗口，计算该窗口下对应的所有Haar-like子特征；