[发明专利]变电站巡检机器人的仪表定位方法在审

专利信息
申请号: 201810652710.0 申请日: 2018-06-22
公开(公告)号: CN108921177A 公开(公告)日: 2018-11-30
发明(设计)人: 米建勋;杨清云;邓欣;邓力;李林洁;彭松璧 申请(专利权)人: 重庆邮电大学;重庆西电普华智能机器人技术有限公司
主分类号: G06K9/46 分类号: G06K9/46
代理公司: 重庆棱镜智慧知识产权代理事务所(普通合伙) 50222 代理人: 李兴寰
地址: 400065*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 仪表 变电站巡检机器人 滤波器 模板图 巡检图像 预备阶段 巡检 空间结构信息 目标区域图像 读取 图像 滤波器计算 采集仪表 定位问题 空间信息 旋转变化 仪表位置 鲁棒性 实时性 特征点 标定 尺度 响应 保留
【权利要求书】:

1.一种变电站巡检机器人的仪表定位方法,其特征在于:包括预备阶段和正式巡检阶段,

所述预备阶段为:变电站巡检机器人采集仪表图像作为模板图,人工标定出各模板图中仪表的位置信息,利用各模板图分别训练相关滤波器;

所述正式巡检阶段为:读取巡检图像,对巡检图像提取HOG特征,利用相关滤波器计算出响应地图,得到仪表位置。

2.根据权利要求1所述的变电站巡检机器人的仪表定位方法,其特征在于:所述预备阶段具体为:

S11、变电站巡检机器人根据预先规划的路径进行巡检,定点停车采集仪表图像,将采集的仪表图像作为模板图;

S12、根据模板图人工标定出仪表位置信息及目标区域作为预设参数,并记录相关数据;

S13、扩展目标区域范围大小,分别提取模板图中的目标区域作为训练图像;

S14、利用每个模板图提取出的训练图像提取HOG特征,分别训练相关滤波器,按照对应编号保存相关滤波器参数。

3.根据权利要求1所述的变电站巡检机器人的仪表定位方法,其特征在于:所述正式巡检阶段具体为:

S21、读取巡检机器人实时采集传回的巡检图像以及相应设备编号;

S22、按照设备编号读入相关滤波参数器参数及预设目标位置信息;

S23、对巡检图像提取HOG特征;

S24、根据HOG特征的图像,利用相关滤波器计算响应地图;

S25、计算出响应地图中的最大响应值位置;

S26、获取仪表图像。

4.根据权利要求1-3任意一项所述的变电站巡检机器人的仪表定位方法,其特征在于:所述人工标定出各模板图中仪表的位置信息具体为:

对采集的模板图人为标定出仪表中心(x,y),以及仪表范围尺度[w,h],按照仪表对应编号存入相应参数文件供后续检测过程使用。

5.根据权利要求4所述的变电站巡检机器人的仪表定位方法,其特征在于:所述训练相关滤波器为根据相关滤波器函数计算出相关滤波器模板,具体为:

根据仪表的编号,读入相应模板图及仪表中心坐标(x,y)及仪表范围尺度[w,h],扩大范围k倍,即[w*k,h*k];

以中心坐标及扩大后的范围提取出训练图像;

对提取的训练图像提取HOG特征;

利用提取的HOG特征的图像,计算相关滤波器作为相关滤波器模板。

6.根据权利要求3、5所述的变电站巡检机器人的仪表定位方法,其特征在于:所述相关滤波器函数为f(xi)=wTxi,以获取训练图像的HOG特征图作为正样本,以其为中心,利用循环矩阵来近似密集采样,设xi为第i个样本图像的HOG特征,对应标签函数为yi,yi值处于[0,1]区间,可构造一种权值函数产生,如高斯函数等,越靠近中心yi值越高,当xi处于中心时yi为1,当xi处于矩阵边缘时yi为0;

训练目标为:

最优解为其中x为训练图像的HOG特征,为x的傅里叶变换,*为复共轭,e为元素级相乘。

引入核函数后相关滤波器函数在傅里叶域,对于整个循环矩阵的滤波结果可表示为即响应地图;

其中,^表示在傅里叶域中,kxz为核函数,是x和z的核卷积,y为样本循环矩阵对应的标签,是yi的向量容器。其中,在训练相关滤波器时,为样本特征自身的核卷积,在正式检测阶段,x是模板图中训练图像的HOG特征,z为待检测图像的HOG特征。其中,核函数可以选择但不限于线性核、高斯核等。

7.根据权利要求1-3任意一项所述的变电站巡检机器人的仪表定位方法,其特征在于:利用相关滤波器计算响应地图的具体方法为:所提取HOG特征图像生成循环矩阵,利用训练好的相关滤波器对循环矩阵进行滤波,获取响应地图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学;重庆西电普华智能机器人技术有限公司,未经重庆邮电大学;重庆西电普华智能机器人技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810652710.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top