论文部分内容阅读
双臂巡线机器人是为实现输电线路自动巡检功能而设计的机电一体化设备，其目的是为了提高巡检质量和效率，减少巡检死角，改善工人劳动强度。对保证输电系统的安全可靠运行具有重要意义。基于轮式行走机构的巡线机器人在线上运行时需要在复杂背景和环境下识别架空输电线路相线和地线上安装的防震锤、间隔棒、绝缘子、悬垂线夹、耐张线夹等线路附件。因此，巡线机器人必须借助传感器探测并识别这些障碍，然后根据障碍类型规划越障行为，跨越杆塔，才能沿输电线路大范围自主行走。
本文围绕实验室自主研制的双臂回转型巡线机器人视觉导航、输电线路障碍识别、图像复原等任务，针对障碍目标的检测、识别、基于无监督学习的分类和由于抖动造成的运动模糊图像复原等问题进行了研究。本文工作的主要贡献体现在：
针对220kV单分裂、多分裂架空输电线路的结构特点，提出了一种基于直线提取、圆／椭圆检测方法，在此基础上设计了基于结构约束的障碍识别算法。能可靠的识别出典型线上障碍物。并采用Kalman预估器跟踪障碍物，融合帧间信息以提高障碍物识别质量。并采用双目立体视觉测量障碍物与巡线机器人之间的距离。
根据双臂巡线机器人工作环境的特点，设计了基于图像局部特征的无监督判别式类属分类学习机制。该学习机制基于图像局部特征点集之间形成的直方图交函数金字塔(PMK)型部分匹配。提出了在增强型空间金字塔匹配核(E-SPK)的基础上自调整式的谱聚类方法判别式的种属分类机制。并且设计了一组在此种属分类机制上训练的分类器，能够在少量的数据集标记样本上得到精确的分类效果。另外，将提出的图像局部特征描述子的直方图交函数作为核函数用于多核学习理论中。将传统的单核优化算法改进为一种能够进行多核学习的线性核函数组合优化算法，通过优化准则，能够学习出不同特性的核函数的融合系数，并且求出最优关系。该方法对于多异类数据集的分类具有较高的查准率。
提出了一种基于巡线机器人线上运动模式的运动模糊图像复原算法。算法根据机器人线上运动的特点，分析了造成图像降质的原因，建立了巡线机器人的运动图像模糊模型，从CCD摄像机获取的模糊图像中估计模糊算子参数，然后利用自回归神经网络进行图像恢复，从而实现正常的视觉检测。