基于配网带电作业机器人的导线作业点智能识别定位方法技术

本发明专利技术公开了一种基于配网带电作业机器人的导线作业点智能识别定位方法，包括：利用双目相机获取导线作业点的双目图像，所述导线包括配网导线和引流线；将所述双目图像输入到Res

【技术实现步骤摘要】
基于配网带电作业机器人的导线作业点智能识别定位方法


[0001]本专利技术涉及一种基于配网带电作业机器人的导线作业点智能识别定位方法，属于配电网接引流线


技术介绍

[0002]配网带电作业已成为供电企业减少停电时间、提升供电可靠性和服务水平的最直接、最有效手段，主要开展的作业项目为10kV带电断接引、紧固螺栓、安装接地环、更换避雷器等。目前国内外配网带电作业机器人均搭载于绝缘斗臂车，直接照搬人工作业流程，不断的更换工具头、不断定位、移动斗臂车、双臂配合等，绝缘斗臂车体积较大、重量较重难以适用于没有道路的作业地形、狭小作业空间及复杂作业对象，极大地限制了配网带电作业机器人的应用范围。针对上述问题，申请人研发了一种便携式配电网带电接引流线机器人及其作业方法(申请号2021114865717)，然而配网带电作业机器人在作业时，如何根据其双目相机拍摄的双目图像，来自动识别定位处配网导线和引流线的位置，关系到机器人的准确、快速作业，有必要对此进行研究设计。

技术实现思路

[0003]基于上述，本专利技术提供一种基于配网带电作业机器人的导线作业点智能识别定位方法，能够自动识别定位出配网导线和引流线的位置，以克服现有技术的不足。
[0004]本专利技术的技术方案是：基于配网带电作业机器人的导线作业点智能识别定位方法，包括：
[0005]利用双目相机获取导线作业点的双目图像，所述导线包括配网导线和引流线；
[0006]将所述双目图像输入到Res
‑
Unet分割网络处理，得到配网导线与引流线的分割图像，以及类别；
[0007]通过图像几何矩分别拟合出双目图像中导线的中心线，通过导线中心线与双目光心分别确定双目导线物像面，双目导线物像面交线即是真实导线位置，即为导线作业点。
[0008]在其中一个例子中，所述Res
‑
Unet分割网络的构建方法为：
[0009]构建配网导线与引流线的数据集；
[0010]搭建Res
‑
Unet分割网络；
[0011]对所述Res
‑
Unet分割网络的训练与测试。
[0012]在其中一个例子中，对所述Res
‑
Unet分割网络中的Unet语义分割算法进行改进；首先，将下采样过程中使用的骨干网络VGG16更改为Resnet101；其次，对原Unet网络中低层网络的4次下采样和高层网络4次上采样过程进行改进，在低层网络中增加了4次下采样，并且每2次下采样结束后对得到的2张采样特征图进行融合，叠加到本层网络的最后一张特征图。
[0013]在其中一个例子中，将将配网导线与引流线组成分割数据集进行标注后，通过Res
‑
Unet分割网络训练，最终得到分割图像，并给出导线与引流线的类别。
[0014]在其中一个例子中，通过图像校正将所述双目图像投影到给定焦平面上，同时经过投影变换，使得所述双目图像像素严格行对齐，此时所述双目图像中同一物体对应的像素点位于同一行。
[0015]在其中一个例子中，将分割得到的配网导线的图像看作二维分布f(u,v)，f(x,y)是像素坐标系坐标(x,y)处的灰度值，此时，导线的(p+q)阶几何矩为：
[0016][0017]那么导线图像的中心坐标(x
c
,y
c
)为：
[0018]导线的方向角θ为：
[0019][0020]其中
[0021]那么可以推导出导线中心线在像素坐标系内直线方程为：
[0022]y＝tan(θ)*(x
‑
x
c
)+y
c
[0023]同理可以推导出左右双目内导线的中心线方程分别为：
[0024][0025]在其中一个例子中，将相机成像模型近似为理想小孔成像模型，导线上任一点在在图像坐标系中的坐标为P
Image
(x,y)，单位为米，在像素坐标系中的坐标为P
Pixel
(u,v)，单位为像素个数，图像坐标系原点在像素坐标系下的坐标为(C
x
,C
y
)，此时像素坐标系内导线方程转换为图像坐标系导线方程，即：
[0026][0027]其中，(u
c
,v
c
)与(x,y)分别为像素坐标系与图像坐标系内导线上任一点，dx为x方向1米在像素坐标系对应的像素个数，同理对应y方向1米对应的像素个数。
[0028]在其中一个例子中，由于导线物、导线像、相机光心共面，即物像面，此时导线重心C与相机光心O确定的向量与导线方向向量已知，可确定物像面法线为：
[0029][0030]则物像面方程为：
[0031]x*f*sinθ+y*f*cosθ+z*y
c
*cosθ
‑
x
c
*sinθ＝0
[0032]那么左右双目的两组物像面交线方程为：
[0033][0034]本专利技术的有益效果是：
[0035]1、本专利技术使用Res
‑
UNet深度学习网络对配网导线与引流线进行分割提取后，通过图像几何矩分别拟合出双目图像中导线的中心线；在立体匹配阶段使用双目导线中心线直接匹配代替传统匹配方法逐像素级的匹配，通过导线中心线与双目光心分别确定双目导线物像面，双目导线物像面交线即是真实导线位置。
[0036]2、本专利技术通过构建的平行双目视觉测量系统，结合相机内、外参数变换矩阵，可实现导线的智能识别与定位，据此可进一步计算出导线指定点在机器人坐标系下的三维坐标，和与末端执行器的相对位置，以边作业机械臂将准确定位导线的作业轨迹及位置。
[0037]3、本专利技术采用改进的Unet语义分割算法，能够有效解决传统方法存在的抗干扰性不足、鲁棒性差的问题。
具体实施方式
[0038]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。
[0039]本实施方式一种基于配网带电作业机器人的导线作业点智能识别定位方法，包括以下步骤：
[0040]S1利用双目相机获取导线作业点的双目图像，所述导线包括配网导线和引流线；
[0041]具体而言，配网带电作业机器人在作业时，首先通过双目相机拍摄配网导线和引流线的图像。
[0042]S2将所述双目图像输入到Res
‑
Unet分割网络处理，得到配网导线与引流线的分割图像，以及类别；
[0043]利用ResNet网络与Unet语义分割网络相结合，搭建Res
‑
Unet分割网络。将配网导线与引流线组成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于配网带电作业机器人的导线作业点智能识别定位方法，其特征在于，包括：利用双目相机获取导线作业点的双目图像，所述导线包括配网导线和引流线；将所述双目图像输入到Res
‑
Unet分割网络处理，得到配网导线与引流线的分割图像，以及类别；通过图像几何矩分别拟合出双目图像中导线的中心线，通过导线中心线与双目光心分别确定双目导线物像面，双目导线物像面交线即是真实导线位置，即为导线作业点。2.根据权利要求1所述的导线作业点智能识别定位方法，其特征在于，所述Res
‑
Unet分割网络的构建方法为：构建配网导线与引流线的数据集；搭建Res
‑
Unet分割网络；对所述Res
‑
Unet分割网络的训练与测试。3.根据权利要求2所述的导线作业点智能识别定位方法，其特征在于，对所述Res
‑
Unet分割网络中的Unet语义分割算法进行改进；首先，将下采样过程中使用的骨干网络VGG16更改为Resnet101；其次，对原Unet网络中低层网络的4次下采样和高层网络4次上采样过程进行改进，在低层网络中增加了4次下采样，并且每2次下采样结束后对得到的2张采样特征图进行融合，叠加到本层网络的最后一张特征图。4.根据权利要求2所述的导线作业点智能识别定位方法，其特征在于，将将配网导线与引流线组成分割数据集进行标注后，通过Res
‑
Unet分割网络训练，最终得到分割图像，并给出导线与引流线的类别。5.根据权利要求1所述的导线作业点智能识别定位方法，其特征在于，通过图像校正将所述双目图像投影到给定焦平面上，同时经过投影变换，使得所述双目图像像素严格行对齐，此时所述双目图像中同一物体对应的像素点位于同一行。6.根据权利要求5所述的导线作业点...

【专利技术属性】
技术研发人员：张秋雁，肖书舟，李华鹏，陈宇，黄如云，张迅，王冕，黄亮程，樊绍胜，盛舫，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：