[发明专利]一种输电线路巡检机器人单目检测与定位方法

说明书

本发明提供一种输电线路巡检机器人单目检测与定位方法，包括：(1)采集不同种类线路障碍的彩色图像与深度图像，标注出彩色图片中障碍物区域作为目标区域，构建数据集一；(2)对数据集一进行预处理，送入YOLOV3网络进行训练；(3)根据YOLOV3网络输出结果，得到目标障碍物区域，在对应的深度图像中找到同样的区域，获得深度信息，由YOLOV3网络得到输出张量与其对应的深度信息构成数据集二；(4)将数据集二送入线性回归模型进行训练；(5)利用已训练好的YOLOV3网络与线性回归模型进行障碍物识别与定位测试。本发明利用了深度学习与机器学习的方法，与传统的方法相比升了准确率与实时性，大大降低了成本，得到更好的检测效果和性能。

技术领域

本发明属于模式识别与人工智能技术领域，涉及一种输电线路巡检机器人单目检测与定位方法。

背景技术

智能高压线巡检机器人是一个研究热点，由于智能高压线巡检机器人的一个必要的功能就是要能够翻越多种障碍物，而针对前方的可能障碍物具体执行什么样的越障操作，一个非常重要的前提就是需要知道障碍物的具体类型与位置。对于输电线路的障碍物检测与定位问题，准确率与实时性是最重要的两个指标，在实际应用中要综合考虑两个指标。

目前，进行障碍物检测识别的基本方法主要有两类：基于多传感器融合的障碍物识别和基于视觉的障碍物识别。这两类方法的基本构件都是各种智能的传感器。而由于线路运行环境复杂，容易受到光照等自然环境的影响，导致传统的障碍物检测与识别方法很难满足准确率与实时性的要求，对障碍物的定位功能不完善，且较为依赖功能强大的传感器使得制作成本较高。所以，寻求一种能满足准确率与实时性要求且成本较低的障碍物检测方法已经势在必行。

发明内容

为解决上述技术问题，本发明的目的是提供一种输电线路巡检机器人单目检测与定位方法，具有较高的识别定位准确率。

本发明提供一种输电线路巡检机器人单目检测与定位方法，包括如下步骤：

步骤1：采集不同种类线路障碍的彩色图像与深度图像，标注出彩色图片中障碍物区域部分作为目标区域，按照目标区域中障碍物的种类进行分类从而构建数据集一；

步骤2：对数据集一中的彩色图像进行图像预处理，并送入YOLOV3卷积神经网络模型进行训练，直到损失函数≤0.0001并对模型进行评估；

步骤3：根据YOLOV3卷积神经网络输出结果，得到目标障碍物种类和区域，在对应的深度图像中找到同样的区域，便可获得其深度信息，由YOLOV3卷积神经网络得到输出张量和与其对应的深度信息便构成数据集二；

步骤4：将数据集二送入线性回归模型进行训练，并对模型进行评估；

步骤5：利用已训练好的YOLOV3卷积神经网络与线性回归模型共同组成的检测系统进行障碍物识别与定位测试，自动框出障碍物并显示种类和距离。

在本发明的输电线路巡检机器人单目检测与定位方法中，步骤1中利用kinect2深度相机采集线路障碍图像。

在本发明的输电线路巡检机器人单目检测与定位方法中，步骤1中障碍物的种类包括：防震锤，悬垂线夹，间隔器，耐张线夹，合成绝缘子；分类完成后按照PASCAL VOC数据集格式制作数据集一。

在本发明的输电线路巡检机器人单目检测与定位方法中，步骤2具体包括：

步骤2.1：构建YOLOV3卷积神经网络；

步骤2.2：设定YOLOV3卷积神经网络的训练参数；

步骤2.3：在YOLOV3卷积神经网络中，将原图片均划分成10×10个矩形，在每个矩形中产生3个边框，以供回归；每个边框对应输出4个坐标和目标置信度，同时输出对应5种障碍类别的概率，最终detection层的输出张量大小为10×10×3×(4+1+5)；