[发明专利]一种基于机器视觉的自主巡检的方法

说明书

一种基于机器视觉的自主巡检的方法，包括：建立识别模型，识别模型通过多组训练数据训练得出，其中每一组数据包括：检测目标的照片与用于识别检测目标类型的识别信息；根据不同检测目标的标准建设参数标准量化定位目标与拍摄目标的坐标信息，将定位目标的坐标信息标记为第一坐标，将多个拍摄目标的坐标信息标记为多个第二坐标，将第一坐标与多个第二坐标存入数据库；利用已知的标准化参数构造一个先验识别模型，检测到塔头中容易识别的关键定位目标后，剩余待检测的拍摄目标便可通过绑定的第二坐标并直接调用计算得出其位置，大幅提升了对杆塔上多种目标的检测效率。

技术领域

本发明涉及巡检导航定位技术领域，特别是一种基于机器视觉的自主巡检的方法。

背景技术

在输电线路的日常检测工作中，运行人员受工作经验及工作能力等方面因素限制，无法每次巡检都在现场对设备进行检测，所以现在采用了具有拍摄功能的机器人对于电站的设施进行拍摄，通过拍摄的图片来判断用电设施是否出现问题，在机器人巡检过程中需要对输电线路的设施进行巡检拍摄，如金具挂点、绝缘子串、塔头支架、塔基础环境等。而输电线路巡检机器人是一种用于巡检高压输电线路的特种机器人，可用于代替人工巡检，其巡检效率高，成像效果好，是机器人技术与输电线路巡检技术发展相结合的优秀案例。

但是传统输电线路巡检机器人需要人工手动调节云台相机的旋转角度，在目标较多且需要逐个微调的情况下，比较耗时，工作效率较低，而且绝缘子串与金具挂点等需要检测的物件体积较小，检测难易程度不如塔头中特征明显的结构。且目标位置跨度过大时，传统检测方法需要进一步拉远云台相机镜头，去将所有的目标拍全，当拉远云台相机的镜头时，绝缘子串与金具挂点等与对应缩小，增加了识别的难度。

发明内容

针对上述缺陷，本发明的目的在于提出一种基于机器视觉的自主巡检的方法。

为达此目的，本发明采用以下技术方案：一种基于机器视觉的自主巡检的方法，包括：

建立识别模型，所述识别模型通过多组训练数据训练得出，其中每一组数据包括：检测目标的照片与用于识别检测目标类型的识别信息；

根据不同检测目标的标准建设参数标准量化定位目标与拍摄目标的坐标信息，将定位目标的坐标信息标记为第一坐标，将多个拍摄目标的坐标信息标记为多个第二坐标，将所述第一坐标与多个第二坐标存入数据库；

云台相机对检测目标进行拍摄，获取一张含有定位目标的原始图像，将原始图像输入到所述识别模型中，获取识别结果，所述识别结果为识别所述检测目标的类型，根据识别结果调用对应的第一坐标与第二坐标；

根据第一坐标与第二坐标获取云台相机的转动角度，根据转动角度转动所述云台相机，使得所述云台相机的拍摄中心移动到单个拍摄目标，所述云台相机进行相应比例放大拍摄，获取该单个拍摄目标的放大图像，

继续调用其余的第二坐标，将单个检测目标所有的拍摄目标进行拍照检测，获取所有所述拍摄目标的放大图像，并将所有放大图像上传至云端。

优选的，所述将定位目标的坐标信息标记为第一坐标，包括获取定位目标的长度、宽度与高度，通过长度、宽度与高度构建一个第一长方体，获取第一长方体的中心点，将第一长方体的中心点标记为第一坐标；

将多个拍摄目标的坐标信息标记为多个第二坐标，包括获取拍摄目标的长度、宽度与高度，通过长度、宽度与高度构建一个第二长方体，获取第二长方体的中心点，以所述第一坐标为中心点构建一个三维坐标系，获取第二长方体的中心点在三维坐标系定位，并标记为第二坐标。

优选的，获取识别结果包括：使用图像降噪算法对所述原始图像进行降噪处理，提高所述原始图像的清晰度；

使用图像增强方法增强所述原始图像的边缘信息；

通过卷积神经网络识别在所述原始图像中的所述定位目标。