[发明专利]一种高压线缆目标识别定位方法及装置

说明书

本发明涉及一种高压线缆目标识别定位方法及装置，对Yolo v4深度神经网络模型进行优化并利用其提取目标的ROI区域；然后，结合HSV色彩追踪技术，提取ROI区域内线缆目标最小外接矩形；最后，结合深度相机的参数信息求得线缆目标上多个等分点的三维坐标信息，从而实现了对高压线缆目标三维坐标的提取，进而为带电作业机器人的机械臂动作提供更加准确的目标空间信息。本发明提供的定位识别方法，在对高压电缆的识别上的识别速度更快，识别准确率提高，并具有更高的可靠性，解决了现有技术中目标识别在不同背景下存在识别定位不准确的问题。

技术领域

本发明涉及电网设备检测技术领域，尤其涉及一种高压线缆目标识别定位方法及装置。

背景技术

近年来，随着国家智能电网建设的稳步推进和对供电稳定性的要求提高，传统配电网维护手段因存在工作强度大、安全风险高、作业效率低等缺点越来越难以满足实际需求。为遵循配网检修作业“能带不停”的原则，各地供电企业单位正在不断加强配网不停电能力建设，不停电作业已成为设备检修维护的重要手段。

带电作业机器人系统依托机械臂控制技术、人工智能算法、视觉传感器等已成为一种较常见的电力维护运维手段，已成为替换人工作业的一种重要作业方式。现有技术中，发展半自主、全自主的带电作业机器人已逐渐成为电力场景检修和维护的必然趋势。然而带电作业机器人在实际应用中还存在各种各样的问题，尤其是对于目标定位识别的准确性，有待进一步提高。

发明内容

基于现有技术的上述情况，本发明的目的在于提供一种高压线缆目标识别定位方法及装置，利用优化后的Yolo v4目标检测技术和色彩追踪技术，结合深度相机，实现对高压线缆目标三维坐标的提取。从而解决了现有技术中目标识别在不同背景下存在识别定位不准确的问题。

为达到上述目的，根据本发明的一个方面，提供了一种高压线缆目标识别定位方法，包括步骤：

采集高压线缆图像，并进行预处理；

优化YOLO v4深度神经网络模型，简化其骨干网络中的残差单元个数，并减少通道数量；

采用训练后的深度神经网络模型识别图像中的高压线缆目标并提取该目标的ROI区域；

根据该高压线缆目标的固有属性和深度信息，在ROI区域中提取该目标的最小外接矩形；

根据该最小外接矩形将线缆目标在长度上进行N等分，求得等分点的三维坐标；

利用所述三维坐标进行定位。

进一步的，所述采集高压线缆目标图像，并进行预处理，包括：

采用深度相机采集高压线缆图像；

对所采集的图像进行标注。

进一步的，所述采用训练后的深度神经网络模型识别图像中的高压线缆目标并提取该目标的ROI区域，包括：

采用训练后的深度神经网络模型对该图像进行目标检测；

判断该图像中是否包含高压线缆目标，若包含，则进行下一步；若不包含，则返回采集高压线缆图像的步骤；

根据检测结果输出的位置信息在所采集的图像上对线缆目标的ROI区域做掩模处理。

进一步的，所述根据该高压线缆目标的固有属性和深度信息，在ROI区域中提取该目标的最小外接矩形，包括：

对所述ROI区域进行HSV特征变换，并统计其分布特征；

根据所统计的HSV分布特征以及该高压线缆目标的固有属性和深度信息，选择阈值以进行二值化处理；

对该二值化处理后的图像利用形态学处理进行滤波；