基于激光雷达的绝缘子串识别方法与流程

本发明涉及一种应用于变电站绝缘子串基于激光雷达的自主识别方法，具体地说是一种基于机器视觉的绝缘子串自动识别方法。

背景技术：

在线运行的绝缘子，在自然环境中，受到so2、氮氧化物以及颗粒性尘埃等大气环境的影响，在其表面逐渐沉积了一层污秽物。在天气干燥的情况下，这些绝缘子可以保持较高的绝缘水平，其放电电压和洁净、干燥状态时接近；当遇有雾、露、雨等潮湿天气，以及融冰、融雪时，绝缘子因表面污秽物吸收水分致使污秽层中的电解质溶解，造成绝缘子绝缘水平降低，泄漏电流增大，严重时发生闪络事故。因此，绝缘子串需要定期进行清洗。

现阶段，绝缘子串清洗的主要手段是通过变电站的专业人员进行清洗。在进行清洗时，存在劳动强度大，危险性高等问题。

作为一种先进的技术手段，变电站巡检机器人可以代替人工进行绝缘子串冲洗任务。为完成此任务机器人需对绝缘子串进行自动识别。因此需要提出一种自动化程度较高的绝缘子串自动识别方法。

由于绝缘子串处于室外环境中，其光照变化复杂，且变电站内架设结构复杂。通过激光雷达检测，可以避免光照对传感器的影响，同时可以克服复杂背景的影响，能够很好的适应室外环境。而且目前基于激光雷达的绝缘子串自动识别方法尚未见报道。

技术实现要素：

针对上述问题，本发明要解决的技术问题是提供一种识别精度高的基于激光雷达的绝缘子串自动识别方法。

本发明解决其技术问题所采用的技术方案是：基于激光雷达的绝缘子串识别方法，包括以下步骤：

深度图像的获取：通过机器人上安装的激光雷达设备获得深度图像；

深度图像的预处理：对带有绝缘子串的深度图像进行预处理，获得感兴趣的区域；

深度图像的特征提取：在感兴趣的区域中，建立深度特征曲线模型，构建深度周期性特征矩阵和宽度向量，提取绝缘子串段数特征和盘径变化特征；

绝缘子串类型识别：根据提取出的特征对绝缘子串类型进行识别。

所述深度图像的预处理包括以下步骤：

(2.1)对深度图像二值化处理，分离出深度图像中的前景、背景，并消除背景干扰；

(2.2)对处理后的二值图像采用膨胀运算，再采用腐蚀运算，消除二值图像上的干扰像素点；

(2.3)然后选取最大连通域，提取出感兴趣区域，完成预处理。

所述建立深度特征曲线模型如下：

提取目标区域左边缘：

lik＝k,

提取目标区域右边缘：

rik＝k,

式中d(x,y)为二值图像，k代表图像的行数，t代表图像的列数，lk，rk为边缘上的像素点位置；

通过左边缘和右边缘确定目标区域中线上的位置：

mik＝k,

式中mk为深度特征曲线像素点的坐标，mik为深度特征曲线像素点行坐标，mjk为深度特征曲线像素点列坐标；ni为图像行数；

建立深度特征曲线模型:

f(xk,yk)＝0

其中:

xk＝mik

xk为特征曲线的横坐标，即图像行数，yk为特征曲线的纵坐标，即深度值；l(mk)表示深度图像。

所述构建深度周期性特征矩阵：

先求出深度特征曲线f(xk,yk)＝0上的极大值和极小值；建立矩阵

式中：

v2k为深度特征曲线f(xk,yk)＝0上极值点的横坐标，v3k为深度特征曲线f(xk,yk)＝0上极值点的纵坐标，即深度值；k＝1,2…ni；

设定阈值λc1,λc2且λc1﹤λc2；再对进行按列遍历，将v3,k+1-v3,k＞λc1并且v3,k+1-v3,k＜λc2时的v1,k与v2,k进行记录；当遍历结束时，将满足条件的值按记录顺序组成矩阵将v1,k记录在矩阵的第一行，v2,k记录在矩阵的第二行，得到：

n3为矩阵列数；

再对按列进行遍历，令

c1,k＝abs(v11,k+1-v11,k)

c2,k＝v12,k+1-v12,k

c3,k＝v12,k

得到深度周期性特征矩阵

构建宽度向量：

式中：

i＝1,2…ni

(xi1,yi1,zi1)为左边缘点的空间坐标，(xi2,yi2,zi2)为右边缘点的空间坐标；ni表示图像行数。

所述提取出绝缘子串段数特征和盘径变化特征包括以下步骤：

(1)由提取绝缘子串段数特征

首先设定阈值αc，初始化标志位δc为0，段数信息num(c)为0；

再对按列进行遍历：

当c1,k＝1，c2,k＜αc并且δc＝0时，置标志位δc为1，并将c3,k存入向量t中作为绝缘子串上边缘；

当δc＝1并且c1,k＝0或c2,k＞αc时，置标志位δc为0，将c3,k存入向量t中作为绝缘子串下边缘，并将段数信息num(c)加1；

向量t为绝缘子串的上、下边缘，其中奇数项元素t2n-1为绝缘子串的上边缘，偶数项元素t2n为绝缘子串的下边缘；n＝1,2…k1；k1为向量t的长度。

(2)由w提取绝缘子串的盘径变化特征

根据向量t计算绝缘子串宽度方差：

当d²＜阈值αw时，该绝缘子为等盘径，否则，为变盘径。

所述根据提取出的特征对绝缘子串类型进行识别包括以下步骤：

若num(c)＝1，且d²＜阈值αw，则绝缘子串为单段等盘径绝缘子串；若num(c)＝2，且d²＜阈值αw，则绝缘子串为双段等盘径绝缘子串，若num(c)＝1，且d²＞阈值αw，则绝缘子串为单段变盘经绝缘子串。

本发明具有以下有益效果及优点：

1.本发明利用激光深度周期性特征，绝缘子串间距特征及盘径特征进行识别，对绝缘子的识别准确性高，提高了工作效率，对之后的变电站巡检机器人完成任务提供依据。

2.本发明采用激光雷达作为传感器，在逆光条件下，同样可以准确地识别出绝缘子串。在深度图像中，也可以准确地分离前景和背景，克服复杂背景对识别精度的影响。

附图说明

图1是本发明的流程示意图；

图2是激光深度图；

图3是预处理后的深度二值图；

图4是深度特征曲线图；

图5是识别效果图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明。

一种基于激光雷达的绝缘子串自动识别方法，包括以下步骤：

(1)深度图像的获取：在变电站巡检机器人上安装激光雷达设备，固定于云台上，激光雷达旋转固定角度，获得深度图像；

(2)深度图像的预处理：对带有绝缘子串的深度图像进行预处理，获得感兴趣的区域。

(3)深度图像的特征提取：在感兴趣的区域中，建立深度特征曲线模型，构建深度周期性特征矩阵和宽度向量，提取绝缘子串段数特征和盘径变化特征。

(4)绝缘子串类型识别：根据提取出的特征对绝缘子串类型进行识别。

所述深度图像的预处理包括以下步骤：

(2.1)通过深度二值化处理，分离出深度图像中的前景背景，并消除深度图像中背景干扰。

(2.2)采用图像形态学处理深度二值图像，首先采用膨胀运算，再采用腐蚀运算，消除深度二值图像上的干扰像素点。

(2.3)在深度二值图中选取最大连通域，提取出感兴趣的区域，完成预处理。

所述深度图像的特征提取方法如下：

(3.1)建立深度特征曲线模型，定义的深度特征曲线能够反映绝缘子串特征，方法如下：

提取目标区域左边缘：

lik＝k,

提取目标区域右边缘：

rik＝k,

式中d(x,y)为深度二值图像，k代表图像的行数，t代表图像的列数，lk，rk为边缘上的像素点位置。ni代表为图像的最大行数。通过这两个集合可以确定出目标区域中线上的位置集合。

mik＝k,

式中mk为深度特征曲线像素点的坐标，mik为深度特征曲线像素点行坐标，mjk为深度特征曲线像素点列坐标。

建立深度特征曲线模型:

f(xk,yk)＝0

其中:

xk＝mik

xk为特征曲线的横坐标，即图像行数，yk为特征曲线的纵坐标，即深度值；l(mk)表示深度图像。

(3.2)通过一定规则构建深度周期性特征矩阵和宽度向量，并提取出绝缘子串段数特征和盘径变化特征。

所述在深度图像中提取出的绝缘子串段数特征和宽度特征进行分析，完成对绝缘子串识别。

基于激光雷达的绝缘子串自动识别方法流程图如1所示。具体流程如下：

1.激光雷达采集数据

激光雷达扫描绝缘子串区域，得到激光深度图像l(x,y)，如图2所示。

2.图像预处理

将深度图像按公式(1)进行二值化：

d(x,y)表示二值化，m为阈值。再进行膨胀腐蚀运算，标记最大连通域。经预处理后，可分离出前景背景，得到绝缘子串及其架设。如图3所示。

3.建立深度特征曲线模型

根据深度图像中绝缘子串所处区域的深度周期性变化，建立深度特征曲线模型，方法如下：

提取目标区域左边缘：

lik＝k,

提取目标区域右边缘：

rik＝k,

式中d(x,y)为二值图像，k代表图像的行数，t代表图像的列数，lk，rk为边缘上的像素点位置。左、右边缘分别为绝缘子串的左、右边缘。通过这两个集合可以确定出目标区域中线的位置集合。

mik＝k,

式中mk为深度特征曲线像素点的坐标，mik为深度特征曲线像素点行坐标，mjk为深度特征曲线像素点列坐标。

建立深度特征曲线模型:

f(xk,yk)＝0

其中:

xk＝mik

如图4所示，横坐标表示图像行数，纵坐标表示深度值。

4.构建深度周期性特征及宽度特征向量

(1)构建深度周期性特征矩阵：

先求出深度特征曲线f(xk,yk)＝0上的极大值和极小值。建立矩阵

式中：

v2k为深度特征曲线f(xk,yk)＝0上极值点的横坐标，v3k为深度特征曲线f(xk,yk)＝0上极值点的纵坐标，即深度值。n1表示矩阵的列数，n2表示矩阵的列数。

设定阈值λc1,λc2，λc1﹤λc2，本实施例分别取3、10。再对进行按列遍历，将v3,k+1-v3,k＞λc1并且v3,k+1-v3,k＜λc2时的v1,k与v2,k进行记录。当遍历结束时，将满足条件的值按记录顺序组成矩阵将v1,k记录在矩阵的第一行，v2,k记录在矩阵的第二行，得到：

n3为矩阵列数。

再对v1按列进行遍历，令

c1,k＝abs(v11,k+1-v11,k)

c2,k＝v12,k+1-v12,k

c3,k＝v12,k

得到深度周期性特征矩阵。

(2)构建宽度特征向量如下：

式中：

i＝1，2...ni

(xi1,yi1,zi1)为左边缘点的空间坐标，(xi2,yi2,zi2)为右边缘点的空间坐标。ni表示图像的最大行数。这里

5.提取绝缘子串段数特征及盘径特征

(1)由提取绝缘子串段数特征

首先设定阈值αc，本实施例取15。初始化标志位δc为0，段数信息num(c)为0。

再对按列进行遍历。当c1,k＝1，c2,k＜αc并且δc＝0时，置标志位δc为1，并将c3,k存入向量t中作为绝缘子串上边缘。当δc＝1并且c1,k＝0或c2,k＞αc时，置标志位δc为0，将c3,k存入向量t中作为绝缘子串下边缘，并将段数信息num(c)加1。遍历至矩阵末端，完成对绝缘子串的识别。向量t为绝缘子串的上下边缘，其中奇数项元素t2n-1为绝缘子串的上边缘，偶数项元素t2n为绝缘子串的下边缘。n＝1,2…k1；k1为向量t的长度。

(2)由w提取绝缘子串的盘径变化特征

根据向量t计算绝缘子串宽度方差：

当d²＜αw时，αw为阈值，本实施例取0.01。；提取盘径特征为等盘径，否则，提取盘径特征为变盘径。

6.绝缘子串类型识别

根据段数信息和盘径变化信息对变电站内三种支柱绝缘子串进行识别。根据得到的段数特征和盘径特征进行组合，若num(c)＝1，且d²＜阈值αw，则绝缘子串为单段等盘径绝缘子串，若num(c)＝2，且d²＜阈值αw，则绝缘子串为双段等盘径绝缘子串，若num(c)＝1，且d²＞阈值αw，则绝缘子串为单段变盘经绝缘子串。完成对变电站常用三种绝缘子串的识别。如图5所示，为双段等盘径绝缘子串。