[发明专利]基于PCA-OCSVM的电力巡检机器人障碍识别方法

说明书

本发明涉及一种基于PCA‑OCSVM的电力巡检机器人障碍识别方法。该发明针对电力巡检机器人作业危险程度高，障碍识别速度慢、准确率低的问题，通过电力巡检机器人配置的高清摄像机采集输电线路实时图像信息，首先利用主成分分析(PCA)方法对原始高清图像进行降维处理，有效减少无关特征，用最少的特征向量建立对应障碍物的特征集合，可大幅降低运算量，提高图像处理实时性；在此基础上，采用单类支持向量机(OCSVM)方法对PCA处理数据进行数据训练，建立障碍识别的分类模型，并进一步完成障碍识别。本发明可以大幅提高高维图像处理的实时性，提高障碍识别的准确性，实现对输电线路的实时准确障碍识别。

技术领域

本发明涉及机器人数据采集与处理技术，具体来说是一种基于 PCA-OCSVM的电力巡检机器人障碍识别方法。

背景技术

电力机器人的出现，一定程度上满足了电网运维检修各个领域的需求，发展电力机器人技术，运用电力机器人智能运检，提高电网运维效率，降低安全风险的重要举措，对于电力发展有着远大的意义。

电力巡检机器人的一个必要功能就是要能够翻越多种障碍物，并需要知道障碍物的具体类型。电力巡检机器人以一定的速度沿输电线爬行，通过搭载可见光摄像机、红外热像仪、激光雷达等巡检设备，对输电线路及其附属金具、杆塔、线路走廊进行智能巡检。然而，在输电线上存在悬挂物体，如绝缘子、防震锤等，需要机器人检测到障碍物信息，选择不同的障碍策略快速越过线路上的障碍物，实现大范围巡检。

当巡检机器人检测到前方有障碍物存在时，将采集到的线路信息输入到障碍物识别系统，对障碍物图像进行预处理后，提取其图像特征，然后将提取到的图像特征输入到预先训练好的分类器中进行分类识别，将最终分类结果输出到控制系统，以便机器人选择行进策略。

发明内容

针对现有技术中的上述不足，本发明对障碍物图像进行预处理，提取障碍物的特征，采用主成分分析(PCA)对高维图像数据进行降维处理，减低数据量，提高数据处理时间；在此基础上，利用单类支持向量机(OCSVM)实现障碍物识别。OCSVM具有较少的计算时间，较少的数据样本即可用于训练的优点，对噪声样本数据具有鲁棒性，能建立较准确的识别模型。

本发明为实现上述目的所采用的技术方案是：

一种基于PCA-OCSVM的电力巡检机器人障碍识别方法，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。

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。

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