[发明专利]基于PCA-OCSVM的电力巡检机器人障碍识别方法

权利要求书

1.一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，其特征在于，包括以下步骤：

数据采集：利用电力巡检机器人本体携带的高速球型摄像机，拍摄包含输电线路极其周围环境的障碍样本图像和实时图像；

PCA降维：对障碍样本图像，提取不同障碍物的原始图像特征，建立不同类型障碍物的特征向量集；利用PCA算法分别对所提取的障碍物特征集中的特征向量进行降维处理，去除不必要的特征向量；

数据训练：将降维处理后得到的障碍样本图像的特征向量集合形成的n个数据样本，利用OCSVM对样本集进行训练，获取不同障碍物的识别模型；

障碍识别：基于建立的障碍识别模型，对实时图像数据进行识别，将得到障碍识别结果输出到电力巡检机器人控制单元，用于避障。

2.根据权利要求1所述的一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，其特征在于，所述输电线路极其周围环境的实时图像中的障碍包括间隔器、防震锤、悬垂夹和绝缘子的任意组合。

3.根据权利要求1所述的一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，其特征在于，所述图像数据降维处理所采用的PCA计算过程包括：

步骤a：将特征向量集组成n行m列的向量X，

其中x_i＝(x_1i，x_2i,...,x_ni)^T,i＝1,2,...,m,n表示样本的数量，m表示样本特征；

步骤b：对样本进行中心化处理，即将X每一进行零均值化处理：即

步骤c：求解样本的协方差矩阵，即：

步骤d：求解协方差矩阵的特征值λ，以及λ对应的特征向量W,W＝(w₁,w₂,....,w_m)；

步骤e：对样本集中的每一个样本x_i，转化为新的样本z_i，z_i＝W^Tx_i

步骤f：得到新的样本，Z'＝(z₁,z₂,...,z_m)；

步骤g：对于样本集合中的每个向量，按照其贡献率的大小，从中适当选择前k个特征就得到降维后的样本矩阵Z＝(z₁,z₂,...,z_k)。

4.根据权利要求1所述的一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，其特征在于，贡献率包括方差贡献率和累计方差贡献率，所述方差贡献率是各个主成分的方差所占所有主成分总方差的比重；累计方差贡献率是前k个主成分方差贡献率之和占所有主成分方差的比重。

5.根据权利要求1所述的一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，其特征在于，所述OCSVM算法为在一个高维的特征空间H，将训练样本集数据通过非线性映射Φ映射到高维样本空集间H中，在高维特征空间中建立以ω为法向量，ρ为截距的分类超平面ω·Φ-ρ＝0，使样本点与原点分开。