配電線路維護機器人目標(biāo)識別算法設(shè)計

1、    配電線路維護機器人目標(biāo)識別算法設(shè)計    霍凱龍 翁利國 沈海江 馮興隆 周國華摘 要：針對配電線路維護機器人圖像采集背景復(fù)雜的問題，本研究結(jié)合當(dāng)前視頻圖像采集技術(shù)，提出一種基于圖像處理的目標(biāo)識別方法。在該方法中，針對目標(biāo)背景復(fù)雜，容易受物體遮擋等問題，采用基于顏色直方圖及形態(tài)學(xué)的方法實現(xiàn)了圖像分割與作業(yè)目標(biāo)的提取。然后，運用canny邊緣檢測算法和hough變換算法實現(xiàn)了圖像的精準(zhǔn)定位，并采用基于位置和大小約束的橢圓擬合法對圖像進行了作業(yè)目標(biāo)識別。最后，通過搭建實驗仿真平臺，模擬了配電線路維護機器人對圖像的采集與識別，并通過對比分析了不同條件下

2、的圖像識別結(jié)果。實驗結(jié)果表明，文中提出的方法可有效識別復(fù)雜背景中的熔絲管。關(guān)鍵詞：canny邊緣檢測;目標(biāo)識別;hough變換;熔絲管中圖分類號：tp391.41;tp242        文獻標(biāo)識碼：a 文章編號：1001-5922（2021）09-0091-05design of target recognition algorithm for distribution line maintenance robothuo kailong1， weng liguo2， shen haijiang1， feng xinglong1， zhou guohu

3、a1（1.state grid zhejiang hangzhou xiaoshan district power supply co.， ltd.， hangzhou 311200， china;2. automation branch of zhejiang zhongxin power engineering construction co.， ltd.， hangzhou 311200， china）abstract：aiming at the problem of complex image acquisition background of distribution line ma

4、intenance robot， this paper proposes a target recognition method based on image processing combined with current video image acquisition technology. in this method， aiming at the problems of complex background and easy to be covered by objects， the method based on color histogram and morphology is u

5、sed to realize image segmentation and extraction of operation target. then， canny edge detection algorithm and hough transform algorithm are used to realize the accurate positioning of the image， and the ellipse fitting method based on position and size constraints is used to recognize the operation

6、 target of the image. finally， through the establishment of experimental simulation platform， the image acquisition and recognition of distribution line maintenance robot is simulated， and the image recognition results under different conditions are compared and analyzed. experimental results show t

7、hat the proposed method can effectively identify fuse tubes in complex background.key words：canny edge detection; target recognition; hough transform; fuse tube隨著人工智能的快速發(fā)展，機器人在現(xiàn)代社會生產(chǎn)生活各個領(lǐng)域中扮演著越來越重要的角色，尤其是在高危險系數(shù)和復(fù)雜精細的領(lǐng)域中，使用機器人代替人工進行作業(yè)更是備受青睞。配電線路維護中，由于操作難度系數(shù)大，利用機器人維護配電線路已逐漸成為一種趨勢。然而在實際機器人進行配電線路維護作業(yè)中，由

8、于作業(yè)目標(biāo)周圍背景復(fù)雜，且容易受到光照等環(huán)境因素的影響，導(dǎo)致機器人無法精確識別并定位作業(yè)目標(biāo)，進而無法獨立完成相應(yīng)的配電線路維護作業(yè)。因此，有必要對配電線路維護機器人的目標(biāo)識別和空間定位進行深入研究。本研究以配電線路中最具特點的熔絲管作為研究對象，完成了對配電線路維護機器人目標(biāo)識別算法設(shè)計。1 圖像預(yù)處理配電線路維護機器人常于室外環(huán)境作業(yè)，因此其采集到的圖像容易受到天氣變化、太陽光照、建筑物反光等因素的影響，導(dǎo)致采集到的圖像質(zhì)量較差，不利于后期對圖像的分析。尤其是在作業(yè)目標(biāo)背景復(fù)雜和環(huán)境光照過強時，由于作業(yè)目標(biāo)嵌入到背景中，無法直接提取目標(biāo)特征;作業(yè)目標(biāo)過度曝光，特征被掩蓋，更不利于后期圖像分

9、析。因此，對采集到的圖像進行預(yù)處理是分析圖像必不可少的一個重要環(huán)節(jié)。為使配電線路機器人采集到的圖像作業(yè)目標(biāo)更突出，本研究以配電線路維護機器人室外拍攝的跌落式烙斷照片為例，采用基于顏色直方圖和形態(tài)學(xué)方法對作業(yè)目標(biāo)和背景進行分割，獲得了較為單一的目標(biāo)圖像;然后采用對比度受限的自適應(yīng)直方圖均衡法，對圖像中作業(yè)目標(biāo)的弱光區(qū)域進行了亮度提升，得到了亮度較為統(tǒng)一的目標(biāo)圖像;同時采用灰度非線性變換法，去除了圖像中作業(yè)目標(biāo)的局部反光;最后，通過同態(tài)濾波器，對圖像全局高光進行動態(tài)調(diào)整，增強圖像的對比度，進而獲得較為突出的目標(biāo)主體以及高質(zhì)量的圖像。1.1 基于顏色直方圖及形態(tài)學(xué)的圖像分割在配電線路維護機器人拍攝的

10、跌落式烙斷器照片中，由于無法避免房屋、樹葉、草地等背景，因此需要對圖像進行作業(yè)目標(biāo)與背景的分割，去除圖像中的背景。考慮到照片中烙斷器與背景色差較大，本研究采用基于顏色直方圖和形態(tài)學(xué)的圖像分割方法，實現(xiàn)兩者的分割。具體方法是將采集到的圖像rgb顏色空間轉(zhuǎn)化為hsv顏色空間，得到hsv顏色空間三通道的圖像，轉(zhuǎn)化公式為：式（1）中，若max=min，則表示圖像為純灰色，沒有色彩;若h將圖像轉(zhuǎn)化為hsv空間后，若h通道中的圖像前景和背景區(qū)分明顯，可用閥值分割法進行圖像分割。本研究中，h通道圖像前景和背景區(qū)分明顯，故選取ostu最大類間方差法對圖像進行分割。ostu最大類間方差法計算簡單，可自動計算閾值

11、，且不需要人為選擇參數(shù)就能得到良好的分割結(jié)果，十分適合本研究的圖像分割。ostu最大類間方差法分割流程如圖1所示。完成圖像分割后，由于還需對圖像進行形態(tài)學(xué)處理，故需要將hsv圖像轉(zhuǎn)化為rgb圖像。1.2 形態(tài)學(xué)處理形態(tài)學(xué)處理即圖像中存在的細小的干擾區(qū)域進行處理，得到干凈的作業(yè)目標(biāo)圖像。具體方法是先斷開作業(yè)目標(biāo)和細小干擾區(qū)域，然后根據(jù)面積大小去除干擾區(qū)域，最后利用形態(tài)學(xué)的腐蝕和膨脹算法對圖像進行處理。腐蝕處理：s對z的腐蝕。膨脹處理：s對z的膨脹。為提高形態(tài)學(xué)算法的運算速度，本研究將該算法在二值圖像中進行運算。通過形態(tài)學(xué)算法的腐蝕和膨脹作用，可將作業(yè)目標(biāo)與背景之間的連接斷開，并計算出連接域面積和

12、個數(shù)，從而去除細小干擾區(qū)域。1.3 高光圖像處理由于跌落式烙斷器照片拍攝于室外，因此太陽的強光容易導(dǎo)致圖像整體曝光過度，出現(xiàn)全局高光的現(xiàn)象，進而使得照片中的作業(yè)目標(biāo)不夠突出。針對該問題，本研究采用同態(tài)濾波算法進行高光圖像處理。令圖像f （x，y）可用照射分量s（x，y）和反射分量r（x，y）相乘來表示。取式（4）兩邊的對數(shù)，并轉(zhuǎn)化為相加的兩個分量，然后進行傅里葉變換，得到式（5）：對式（5）進行濾波后再進行傅里葉變化，最后再進行指數(shù)運算，得到式（6）同態(tài)濾波結(jié)果。2 作業(yè)目標(biāo)識別2.1 基于迭代閾值法的canny邊緣檢測作業(yè)目標(biāo)識別首先需要進行邊緣檢測，以獲取目標(biāo)的輪廓。傳統(tǒng)的邊緣檢測方法包括

13、sobel算子、log算子等，但由于這些方法不能同時實現(xiàn)邊緣精準(zhǔn)定位與噪聲抑制，故本研究采用canny算子進行邊緣檢測。canny算子可準(zhǔn)確定位邊緣，同時具有高抗噪抗干擾的能力，因此被廣泛應(yīng)用于邊緣檢測中。canny算子主要通過雙閾值法檢測出圖像的強邊緣和弱邊緣，并將強邊緣和弱邊緣相連，得到“最優(yōu)”邊緣圖。檢測中，由于閾值需要人為多次實驗確定，容易受到光照等不確定因素影響，無法得到一個確定的固定閾值。因此，本研究提出基于梯度直方圖的閾值自適應(yīng)方法，選取canny算子的閾值，并在在此基礎(chǔ)上對圖像邊緣進行檢測。基于梯度直方圖的閾值自適應(yīng)canny算法的圖像邊緣檢測具體步驟如圖2所示。2.2 熔絲管

14、識別2.2.1 管體識別熔絲管管圖像平面顯示為矩形，經(jīng)過邊緣檢測后，其主要特征表現(xiàn)在矩形長度方向，為兩條平行的直線。因此，本研究根據(jù)該特征采用直線擬合法識別熔絲管管體。目前，常用的直線擬合法是基于霍夫變換的直線擬合法。該方法具有噪聲小、魯棒性好等特點，但由于其受直線間隙影響小，在本研究中容易誤將熔絲管管體長度方向兩條間隙較大的直線判斷呈一條直線，或檢測到圖像中不存在的一些直線，因此不適用與本研究熔絲管管體識別。為解決這一問題，本研究在此基礎(chǔ)上，采用概率hough變換和幾何約束條件對結(jié)果進行了篩選，提出一種基于幾何約束的直線擬合法。該算法的具體流程如圖3所示。2.2.2 操作環(huán)識別操作環(huán)圖像的平

15、面顯示為一個圓環(huán)或橢圓，故本研究采用橢圓擬合法對操作環(huán)進行識別。橢圓擬合法，首先需要確定橢圓的五個參數(shù)，而傳統(tǒng)的hough變換橢圓擬合法確定參數(shù)的過程復(fù)雜且計算量大，不適用于本研究，故最終選用最小二乘法對橢圓圖像進行擬合。最小二乘法主要通過最小化整體誤差尋找最佳擬合曲線，基于該方法的代數(shù)擬合法和幾何擬合法雖然都能得到最小目標(biāo)函數(shù)值的橢圓，但并不能反映出原始邊界和得到的橢圓的關(guān)系，且容易受到噪聲、孤立點的影響，導(dǎo)致得到的橢圓并不能準(zhǔn)確反映出實際情況。另外，如果采用在操作環(huán)的邊緣圖中進行橢圓擬合，由于橢圓邊緣點數(shù)量較多，容易受邊緣其他物體影響，因此容易出現(xiàn)擬合誤差較大的情況。而實際上，熔絲管管體和

16、操作環(huán)位置具有一定的約束關(guān)系，操作環(huán)永遠位于熔絲管管體的左右上方或左右下方，如圖4的1、2、3、4區(qū)域。此外，熔絲管管體和操作環(huán)的大小同樣具有一定的比例關(guān)系。因此，本研究提出基于位置和大小約束的橢圓擬合算法?；谖恢煤痛笮〖s束的橢圓擬合算法，首先是根據(jù)熔絲管管體的位置和大小，將熔絲管管體周圍劃分為四個區(qū)域。然后，采用最小二乘法和隨機采樣原理進行橢圓擬合。最后，根據(jù)橢圓的大小和擬合率以及橢圓率對擬合的結(jié)果進行篩選，去除與實際操作環(huán)差異較大的擬合橢圓，得到較為精確的擬合橢圓?；谖恢煤痛笮〖s束的橢圓擬合算法的具體步驟如圖5所示。3 實驗驗證3.1 實驗平臺搭建為驗證上述圖像預(yù)處理和圖像識別方法的可

17、行性，本研究首先搭建了配電線路維護機器人圖像采集的實驗平臺。具體方法是在機器人的機械臂后端立桿上安裝一臺微型固定的全景監(jiān)控攝像機，用于整體環(huán)境的圖像采集;在機器人兩條機械臂和輔助機械臂分別安裝兩臺雙目攝像機，構(gòu)成機器人的手眼系統(tǒng)。具體硬件平臺如圖6所示。3.2 圖像識別結(jié)果根據(jù)作業(yè)目標(biāo)識別步驟，得到如圖7、8、9所示的識別結(jié)果。通過分析識別結(jié)果可知，在模擬的室外配電線路機器人作業(yè)場景中，應(yīng)用本研究提出的識別方法，可精確識別熔絲管，說明該識別方法具有較好的魯棒性。4 結(jié)語本研究根據(jù)配電線路維護機器人圖像采集背景復(fù)雜，容易受物體遮擋等問題，首先采用基于顏色直方圖及形態(tài)學(xué)的方法實現(xiàn)了圖像分割與作業(yè)目

18、標(biāo)的提取。然后，運用canny邊緣檢測算法和hough變換算法實現(xiàn)了圖像的精準(zhǔn)定位，并采用基于位置和大小約束的橢圓擬合法對圖像進行了作業(yè)目標(biāo)識別。最后，通過搭建實驗仿真平臺，模擬了配電線路維護機器人對圖像的采集與識別，并通過對比分析了不同條件下的圖像識別結(jié)果。實驗結(jié)果表明，本研究提出的作業(yè)目標(biāo)識別方法準(zhǔn)確度高、魯棒性好。參考文獻1譚雪峰.自主導(dǎo)航農(nóng)業(yè)機器人全方位視覺目標(biāo)識別與跟蹤研究j.農(nóng)機化研究，2017，39（12）：53-57.2王江明，余燁，金強，等.多梯度融合的rgbd圖像邊緣檢測j.電子測量與儀器學(xué)報，2017，31（03）：436-442.3羅陸鋒，鄒湘軍，王成琳，等.基于輪廓分析的雙串疊貼葡萄目標(biāo)識別方法j.農(nóng)業(yè)機械學(xué)報，2017，48（06）：15-22.4李娜，陳寧.自然場景下蘋果采摘機器人視覺系