[发明专利]基于反射型激光清除异物装置的目标识别定位方法

说明书

本发明公开了一种基于反射型激光清除异物装置的目标识别定位方法。针对线缆缠绕异物的特征，通过自定义的图像识别算法，得到图像中线缆直径宽度和异物缠绕点坐标；根据对应关系得到真实距离；根据真实距离解算出激光点的图像平面坐标；通过图像平面坐标系到角度坐标系转换得到激光点和异物点的角度坐标，进行定位。使用本发明的方法提高了激光清除异物装置作业过程中对目标的识别率，在目标晃动时也能准确跟踪，使激光能够准确切割异物，提高了激光切割效率。

技术领域

本发明属于输电线缆异物清除跟踪领域，具体地说，是一种基于反射型激光清除异物装置的目标识别定位方法。

背景技术

对视频图像的研究主要包括目标的检测和跟踪两个方面。一般来说，一个完整的视频跟踪系统要经过视频图像采集、目标检测和自主跟踪这几个步骤，最后根据跟踪结果进行其他分析或控制等操作。

近年来，随着计算机视觉等相关领域研究的逐步深入，图像处理与特征匹配等算法的精度和实时性得到不断改进。

视觉伺服检测的目标就是为视觉伺服过程提供可靠而稳定的视觉反馈信息，因此，需要效率高、速度快的图像处理或分析算法。其中涉及了图像采集或视频捕捉、滤波去噪、图像分割、特征提取和特征描述等许多方面。复杂环境下的多种目标的特征提取与识别对于视觉伺服系统的性能尤为重要。

特征提取与识别的方法较多，然而目前并没有一种适用于任何场景下的特征提取方法，并且也没有统一的识别方法，多数的特征提取与识别都是基于某种任务或者场景下的。在选择目标的特征时需要选择易于识别和提取、操作性强和重复率高的特征。视觉特征的数量对系统性能有重要影响，目标特征过多会导致计算量增加，影响视觉伺服系统的灵敏度；目标特征过少又会导致视觉伺服系统的计算不可靠，不能达到良好的精度。同时应选取适合的视觉特征，以保证图像雅可比矩阵的非奇异性。处理庞大的特征集合无法满足图像处理的实时性要求，因此需在保证特征集合灵敏可靠的前提下最小化特征的数量，而该最小特征集合依赖于视觉伺服系统控制闭环的自由度以及所使用的控制方法。局部特征应用广泛，且通常情况下可以得到满意的控制效果，然而局部图像特征主要针对具有已知规则形状的目标，造成其局限性，且当视觉特征超出摄像机视野，无法获得完整的特征信息时，系统将很难做出准确的操作。尤其真实环境中，光照条件、目标遮挡、环境噪声以及物体的形状、纹理等均会对视觉特征的数值精度造成影响，进而影响视觉伺服任务的执行性能。全局图像特征应用于视觉伺服可以弥补局部几何特征的不足。常用的全局特征有图像矩、傅里叶描述子、图像亮度特征等。目前应用最多的全局图像特征为图像矩特征。然而，全局图像特征的定位精度低于局部几何特征，且对图像背景噪声敏感。

可见，视觉特征的选择不存在通用的方法，需要根据机器人的工作环境，在系统实时性、复杂性和稳定性之间进行综合考虑。

发明内容

本发明提出一种基于反射型激光清除异物装置的目标识别定位方法，针对线缆缠绕异物的特征，切实地提高激光清除异物装置作业过程中对目标的识别率，在目标晃动时也能准确跟踪，使激光能够准确切割异物，提高了激光切割效率。

实现本发明目的的技术解决方案为：一种基于反射型激光清除异物装置的目标识别定位方法，包括以下步骤：

步骤一：视觉传感器采集包括异物目标在内的当前图像帧，并传给控制系统，在显示屏上实时显示图像；

步骤二：控制系统接收到输入装置传入的跟踪指令后，进行图像识别；如果识别失败，返回步骤一；否则，通过图像识别得到线缆直径在视觉传感器平面中投影的宽度d和异物缠绕点的图像坐标；

步骤三：根据宽度d求出异物距离装置的真实距离Zc；

步骤四：根据距离Zc解算出激光点在图像平面中的坐标作为目标坐标(x₀,y₀)；