[发明专利]一种适用于电力作业机器人的电力设备外观变化识别方法

权利要求书

1.一种适用于电力作业机器人的电力设备外观变化识别方法，包括如下步骤：

(1-1)采集并标定设备模板图，所述的设备模板图为对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图特征、辅助定位区域A模板图特征和辅助定位区域B模板图特征保存在模板库中；

(1-2)采集电力设备当前时刻的图像为待检测图像；

(1-3)对步骤(1-2)中获取的待检测图像做预处理，预处理包括图像灰度化、自适应亮度校正、双边滤波去噪和自适应尺度变换；

(1-4)提取步骤(1-3)中预处理后图像的尺度不变SIFT特征；

(1-5)在预处理图像中匹配到模板图像，然后映射到模板图像视角；

(1-6)对模板图像做步骤(1-3)预处理中的自适应尺度变换；

(1-7)将步骤(1-5)和步骤(1-6)中两幅处理图像变换到HSI色彩空间，针对HSI空间的各分量做主观模型滤波，消除主观上不认为是异常的差异，主观上不认为是异常的差异包括光线变化、雨珠影响和大雾影响；

(1-8)计算当前图像和模板结构相似性SSIM，判定差异位置和差异程度。

2.根据权利要求1所述的适用于电力作业机器人的电力设备外观变化识别方法，其特征在于，所述步骤(1-3)待检测图像预处理中的图像灰度化、自适应亮度校正和自适应尺度变换具体为：

步骤(1-3-1)将采集的待检测图像灰度化，得到灰度图像；

步骤(1-3-2)统计灰度图像距离参考亮度的灰度平均偏移值：

其中：E代表平均偏移值；mean代表参考偏移值，取128；G(i,j)代表图像在(i,j)处灰度值；w代表图像宽度；h代表图像高度；

统计图像加权偏移：

其中D代表加权偏移；k代表灰度值，取值范围0-255；E代表灰度平均偏移值；mean代表参考偏移值，取128；Hist(k)代表图像中灰度值为k的点个数；w代表图像宽度；h代表图像高度；如果|E|＞D，图像亮度存在异常，E0表示过量，E0表示过暗，根据E的值调整gamma校正的变换参数，得到gamma校正图像；

步骤(1-3-3)计算gamma校正图像的双边滤波去噪图像；

步骤(1-3-4)对双边滤波图像做自适应尺度变换，得到待检测预处理后图像；

自适应尺度变换具体为：确定一个合适的变换因子scale，变换因子scale计算公式如下：

scale＝max(min(1，scale_X)，min(1，scale_Y))

scale_X＝sw/w，scale_Y＝sh/h

其中scale代表变换因子；scale_X代表X方向变换因子；scale_Y代表Y方向变换因子；w代表待检图像宽度，h代表待检图像高度；sw代表参考图像宽度，取1920，sh代表参考图像高度，取1080。

3.根据权利要求1所述的适用于电力作业机器人的电力设备外观变化识别方法，其特征在于，所述步骤(1-5)在预处理图像中匹配到模板图像，然后映射到模板图像视角，具体为：

(1-5-1)利用模板图像的SIFT特征建立kd树；

(1-5-2)待匹配图像的SIFT特征在kd树上做二叉搜索，在搜索过程中利用最小优先队列建立回溯搜索的索引，最小优先队列键值为对应维度特征值差值的绝对值；

(1-5-3)按照最小优先队列顺序回溯搜索，当达到最小优先队列为空或者达到搜索次数上限时停止搜索；

(1-5-4)当模板图像特征点对应多个待匹配特征点时，仅保留搜索过程中的最优值和次优值；

(1-5-5)搜索完毕后，根据匹配特征点与最优值和次优值的欧氏距离关系筛选出最终匹配结果；参考方法是min_Dis＜max_Dis*0.6；

其中min_Dis是特征点与最优值的欧氏距离，max_Dis是特征点与次优值的欧氏距离；

(1-5-6)根据模板图像和待检测图像匹配点的坐标关系，计算出透视变换矩阵H；

(1-5-7)计算出待检测图像中模板图像区域；

(1-5-8)计算出H的逆变换矩阵H_inv；

(1-5-9)将待检测图像中模板图像区域，通过逆变换矩阵H_inv映射到与模板图像同一视角。