[发明专利]适用于变电站机器人巡检的识别方法及装置

说明书

技术领域

本发明涉及一种适用于变电站机器人巡检的识别方法及装置，可以用于识别开关状态。

背景技术

在电力系统中，开关应用非常广泛，能够实时指示电力线路运行状态，对排除电力故障有一定的帮助。但由于电力系统到处高压，人工检查的时候需要承担极大的风险，而通过机器人拍照并自动进行识别，就能保证人身安全。

目前常用的开关识别方法可以总结为：基于相关匹配的方法、基于统计理论的方法、基于传统知识的方法、基于几何特征的方法、基于表象的方法，这些方法在理想条件下可以取得较好的识别效果，但是应用于机器人时，往往会表现出很差的性能。主要原因在于：由于地理空间和控制器的约束，机器人只能到达某些地方并且会有偏差，造成图像中开关大小、方向等变化，进而影响识别性能。

机器视觉领域，可以使用的识别方法很多，如AdaBoost分类器、支持向量机、神经网络等等，但这些方法在应用在机器人巡检领域时识别率较低。

发明内容

本发明的目的是提供一种识别方法，用以解决现有识别方法识别率低的问题。

为实现上述目的，本发明的方案包括：

适用于变电站机器人巡检的识别方法，其特征在于，包括步骤如下：

1）对待检测图像进行放大处理；

2）对放大后的图像进行HOG特征金字塔分解；

3）对特征金字塔每一层的特征图，采用滑动窗口进行检测，以与对应模型进行匹配和判定；所述对应模型是指采用支持向量机对样本HOG特征进行训练得到的对应模型。

待识别特征为分状态、合状态；所述对应模型为分模型、合模型。

在判定之前还包括颜色确认的步骤，通过检测图像中的像素颜色数量确认开关状态。

采用并行运算方式，同时进行滑动窗口分状态匹配和滑动窗口合状态匹配。

采用隐藏支持向量机对样本HOG特征进行训练；所述滑动窗口的尺寸是根滤波器的尺寸；对于每一层的特征金字塔，利用滑动窗口在特征图上进行开关状态检测；根滤波器与特征图的点积响应加上窗口内的部件滤波器与特征图的最大点积响应减去部件变形损失，得到窗口的一个得分，将该得分与对应模型的门限值进行比较，判定窗口是否为待识别特征。

适用于变电站机器人巡检的识别装置，包括模块如下：

1）对待检测图像进行放大处理；

2）对放大后的图像进行HOG特征金字塔分解；

3）对特征金字塔每一层的特征图，采用滑动窗口进行检测，以与对应模型进行匹配和判定；所述对应模型是指采用支持向量机对样本HOG特征进行训练得到的对应模型。

待识别特征为分状态、合状态；所述对应模型为分模型、合模型。

在判定之前还包括颜色确认的模块，通过检测图像中的像素颜色数量确认开关状态。

采用并行运算方式，同时进行滑动窗口分状态匹配和滑动窗口合状态匹配。

采用隐藏支持向量机对样本HOG特征进行训练；所述滑动窗口的尺寸是根滤波器的尺寸；对于每一层的特征金字塔，利用滑动窗口在特征图上进行开关状态检测；根滤波器与特征图的点积响应加上窗口内的部件滤波器与特征图的最大点积响应减去部件变形损失，得到窗口的一个得分，将该得分与对应模型的门限值进行比较，判定窗口是否为待识别特征。

本发明在支持向量机的基础上，使用基于可变形部件模型的识别方法。这种方法通常用于人脸识别，还没有在变电站机器人巡检的开关状态上的成功应用。本发明首先将该方法应用于开关状态检测。

现有技术中，在应用DPM方法时，由于涉及HOG的按照分辨率分层（分辨率低处于较顶层，分辨率高处于较底层）进行特征计算，分辨率越高则识别率越高。所以，在使用机器人拍照时，我们尽量选择分辨率较高的摄像头，但实际分辨率却较差，并且进一步提高分辨率对识别率提高的贡献却十分有限。

经过反复实验和分析发现：为了方便控制机器人，拍摄图像离开关较远，开关图像在图像中较小；小的目标在应用DPM时增加分辨率时还可能导致与周围环境产生误判，所以导致了提高分辨率对识别率提高的贡献却十分有限。发现这一问题之后，我们对识别方法进行了改进，反现有技术之道而行之，对待识别图像进行放大处理，虽然降低了图像的分辨率，但待识别文字轮廓没有改变，在应用HOG时匹配更准确，大大提高了分辨率；而且对摄像头的分辨率要求不高，节约设备成本。

进一步的，本发明方法中，在利用滑动窗口在特征图上进行开关状态检测时，滑动窗口的尺寸为根滤波器的尺寸；在开关识别的时候，只有一个部件称为部件；设置适合于开关状态识别。