The invention discloses a directional state indicator identification method suitable for power operation robots. The present invention is mainly based on the following steps: (1) image preprocessing, noise removal to the original image and calculation acceleration; (2) target detection, detection of directional state indicator device in the image to be detected; (3) state. The judgement determines the current state of the indicator according to the characteristics of the pointing state indicator. The invention can quickly and accurately identify the pointing state indicator and its state, so that the staff can understand the position of the switch, and the dispatch command is more accurate and timely.
【技术实现步骤摘要】
一种适用于电力作业机器人的指向型状态指示器识别方法
本专利技术涉及一种适用于电力作业机器人的指向型状态指示器识别方法,所属
为数字图像处理、模式识别和机器学习领域。
技术介绍
近年来中国经济飞速发展,电力是各行各业发展的基石。在电力调度过程中主要依据断路器辅助结点判断开关的状态和位置。由于腐蚀、磨损、老化等原因,致使辅助开关切换不到位,有时不能正确判断开关的真实位置,为调度指挥提供了错误信息。然而主开关设备均联动一个合分指示器,通过观测指示器的合分状态能识别出电力高压断路器开关的合分状态和故障告警。常见指示器主要分为两种:颜色型指示器和指向型指示器。当前指向型状态指示器主要依靠变电站值班人员观测。依靠人力观测有若干问题:第一、对观测人员专业技能要求高,需要专门培训;第二、工作环境不安全,变电站存在高压和放电问题,可能对观测检人员造成伤害;第三、除去观测任务,还有日常巡检任务。巡检人员的巡检周期较长,不能及时发现问题。随着技术发展,图像处理技术在各领域得到了广泛应用。在电力巡检方向图像处理技术也取得了喜人的成绩。机器人技术今年发展迅猛,逐渐代替了值班人员观测和 ...
【技术保护点】
一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,包括以下步骤:(1-1)采集并标定指示器并保存相关信息,保存的相关信息包括指示器位置、指示器图像、指示器图像特征、指示器检测方法和指示器状态指向;(1-2)采集指示器当前时刻的图像为待检测图像;(1-3)根据不同指示器检测方法,对步骤(1‑2)获取的待检测图像做不同预处理;(1-4)根据指示器检测方法,检测步骤(1‑3)预处理后图像中的指示器;(1-5)根据指向型状态指示器特征,判定指示器当前状态。
【技术特征摘要】
1.一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,包括以下步骤:(1-1)采集并标定指示器并保存相关信息,保存的相关信息包括指示器位置、指示器图像、指示器图像特征、指示器检测方法和指示器状态指向;(1-2)采集指示器当前时刻的图像为待检测图像;(1-3)根据不同指示器检测方法,对步骤(1-2)获取的待检测图像做不同预处理;(1-4)根据指示器检测方法,检测步骤(1-3)预处理后图像中的指示器;(1-5)根据指向型状态指示器特征,判定指示器当前状态。2.根据权利要求1中所述的一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,所述步骤(1-1)中指示器检测方法有3种:矩形指示器检测方法、椭圆指示器检测方法和特征匹配指示器检测方法,矩形指示器检测方法适用于指示器为矩形且无边框;椭圆指示器检测方法适用于指示器为圆形或者椭圆且无边框;特征匹配指示器检测方法适用于有边框的指示器。3.根据权利要求1中所述的一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,所述步骤(1-3)预处理是为了消除采集待检测图像噪声和后续计算加速;指示器检测方法为矩形指示器检测方法或椭圆指示器检测方法时,预处理的步骤为:(3-1)将采集的待检测图像灰度化,得到灰度图像;(3-2)检测灰度图像自适应亮度校正: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,一般取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,E>0表示过量,E<0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;(3-3)计算gamma校正图像的双边滤波去噪图像;(3-4)对双边滤波图像做自适应尺度变换得到尺度变换图像: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;(3-5)对尺度变换图像做自适应canny滤波检测边界得到边界图像:(3-5-1)对图像做x方向和y方向的一阶求导;其中:G表示原始图像,Gx表示G在x方向求一阶导,Gy表示G在y方向求一阶导;(3-5-2)计算图像梯度峰值mag,计算出融合梯度图像;magGrad(i,j)=Gx(i,j)+Gy(i,j)mag=max(magGrad(i,j),0)其中:融合梯度图magGrad和统计峰值mag;(3-5-3)压缩融合梯度图像灰度级到0-mag,统计灰度直方图;pmagGrad(i,j)=magGrad(i,j)/bin_sizebin_size=mag/NUM_BINS其中:pmagGrad为压缩后的梯度图,bin_size位压缩比例因子,NUM_BINS为压缩的灰度级,一般取64;(3-5-4)累加直方图,当能量大于阈值时映射回原始灰度级作为高阈值;high_thresh=high_thresh*bin_size其中:hist代表灰度直方图;high_thresh代表高阈值;w代表图像宽度,h代表图像高度not_edge代表非边界占比,一般取0.95;(3-5-5)通过高阈值求取低阈值;low_thresh=high_thresh*ratio其中low_thresh代表低阈值;ratio代表高低阈值比例,一般取0.3;(3-5-6)利用两个阈值求取canny变换,得到边界图像。4.根据权利要求1中所述的一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,所述步骤(1-3)预处理是为了消除采集待检测图像噪声和后续计算加速;指示器检测方法为特征匹配检测方法时,不做预处理。5.根据权利要求1中所述的一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,所述步骤(1-4)在待检测图像中检测出指示器,检测方法为矩形检测方法时,检测出指示器步骤为:(5-1)膨胀步骤(1-3)中预处理后图像的边界图像;(5-2)统计膨胀后图像轮廓,去除不符合条件的部分包括:去除尺寸过小或者过大的轮廓;去除长宽比不符合条件的轮廓;去除面积和周长不符合条件的轮廓和去除直线分布不符合要求的轮廓;(5-3)计算符合条件的轮廓包围矩形;(5-4)非极大值抑制合并矩形,具体步骤为:计算矩形重叠面积比例,重叠面积大于阈值时,标记当前面积和面积重叠比例;当矩形重叠面积为局部极值时合并矩形,成为新的矩形加入计算。6.根据权利要求1中所述的一种适用于电力作业机器人的指向型状态指示器识别方法,其特征在于,所述步骤(1-4)在待检测图像中检测出指示器,检测方法为椭圆检测方法时,检测出指示器步骤为:(6-1)检测步骤(1-3)预处理后图像的边界图像弧段的凹凸性:其中:图像x方向一阶导数Gx;图像y方向一阶导数Gy,其中...
【专利技术属性】
技术研发人员:程雷鸣,马路,申心兰,冯维纲,熊少华,冯维颖,马俊,
申请(专利权)人:武汉中元华电科技股份有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。