本发明涉及高压线路铁塔识别领域，尤其涉及一种高压线路铁塔的图像识别方法。
背景技术：
高压线路铁塔是保障供电可靠性的一种基础设施，近些年来，由于配网自动化技术的不断提升与发展，很多传统由人工进行配网作业慢慢转变为机器人作业。但是目前由于机器人对铁塔型号的自动识别能力不足，导致有一些技术领域机器人的作业无法得到迅速发展。每个高压线路铁塔的底部均设有蚀刻有该铁塔型号的铭牌。但是，由于长时间的日晒风吹，大部分的高压线路铁塔的铭牌部分已然模糊，这给辨别该高压线路铁塔的型号与规格尺寸带来困难，铁塔防腐机器人若无法准确得到该铁塔的型号与相应规格尺寸，将很难进行精细化的铁塔防腐作业。为了克服上述困难，本发明提供一种高压线路铁塔的图像识别方法，该高压线路铁塔的图像识别方法能够解决高压线路铁塔的型号识别问题，将机器人从对应型号中精确查找出数据库中该铁塔的精确结构与尺寸。
技术实现要素：
本发明的目的是提供一种高压线路铁塔的图像识别方法，该高压线路铁塔的图像识别方法可以有效解决上述技术问题，能够解决高压线路铁塔的型号识别问题。
为了实现上述目的，本发明的技术方案是：
一种高压线路铁塔的图像识别方法，其包括：用摄像装置对塔体进行拍摄，并通过测距装置测量所述摄像装置至所述塔体的距离信息；
将拍摄图像进行预处理并转换为二值图像；
对所述二值图像内的塔体的顶角点、底角点和叉点进行特征值提取；
根据所述特征值和所述距离信息，得出所述塔体的比对信息；
将所有铁塔的型号及其对应的特征信息录入至数据库中，并以型号进行分组；
将所述比对信息与所述数据库中的其中一组型号的特征信息进行差值运算，并将运算结果与误差阈值进行比较；
当运算结果小于等于误差阈值时，输出被比对的特征信息所对应的型号和所述型号所对应的特征信息；
当运算结果大于误差阈值时，基于遍历法，将所述比对信息与所述数据库中的其余型号的特征信息进行比较。
进一步，所述比对信息S包括有：塔体上的横架的数量S1，横架的长度S2，塔体的高度S3，以及叉点的数量S4；
所述数据库中的其中一组型号的特征信息Z包括有：横架的数量Z1，横架的长度Z2，塔体的高度Z3，以及叉点的数量Z4；
所述比对信息S与所述特征信息Z进行差值运算，运算结果为ΔT＝|S-Z|；将所述运算结果ΔT与所述误差阈值T进行比较。
进一步，根据八邻域，对所述二值图像中的塔体的顶角点，底角点，以及叉点进行提取。
进一步，所述二值图像中的塔体的顶角点的集合为α＝{α1，α2，···αu}；
所述二值图像中的塔体的底角点的集合为β＝{β1，β2，···βv}；
所述二值图像中的塔体的叉点的集合为γ＝{γ1，γ2，···γw}；
其中，u，v，w均为正整数；且α，β，以及γ集合内的元素根据离所述塔体底部的距离，从左至右依照距离增大的方式进行排序。
进一步，计算所述二值图像中横架的长度qs2，qs2＝|Xα1-Xα2|，其中，Xα1和Xα2为同一高度下的α1和α2的横坐标值；
计算所述二值图像中塔体的高度qs3，qs3＝|Yαu-Yβ1|，其中，Yαu为αu的纵坐标值，Yβ1为β1的纵坐标值。
进一步，计算所述比对信息中的横架数量和叉点的数量S4＝w；
根据成像公式，计算所述比对信息中的横架长度和塔体的高度其中，wj为所述摄像装置至所述塔体的距离，xj为所述摄像装置的像距。
进一步，所述拍摄图像预处理包括：图像增强，滤波，二值化和细化。
进一步，所述拍摄图像为所述塔体的正视图，且所述塔体的中轴线垂直于所述拍摄图像的底部。
与现有技术相比，本发明具有以下技术效果：
本发明的高压线路铁塔的图像识别方法，对塔体进行图像拍摄并进行图像预处理转换为清晰的二值图像，对该二值图像进行特征值取点得到所述塔体的特征信息，并利用遍历法将所述特征信息与数据库中的现有铁塔的特征信息进行比对，得到相应的铁塔的型号及其特征信息，解决现有技术中的机器人维修时，对于无法准确得到该铁塔的型号与相应规格尺寸进行判断的问题，提高了机器人的工作效率。
进一步，所述拍摄图像为所述塔体的正视图，且所述塔体的中轴线垂直于所述拍摄图像的底部，从而提高测量所述二值图像中塔体的横架长度和所述塔体的高度。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明的高压线路铁塔的特征点示意图；
图2是本发明的各特征值在3*3模板上的二值显示图；
图3是本发明的高压线路铁塔的图像识别方法的流程图。
具体实施方式
为了充分地了解本发明的目的、特征和效果，以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明。
如图1、图2和图3所示，一种高压线路铁塔的图像识别方法，其包括：
用摄像装置对塔体进行拍摄，并通过测距装置测量所述摄像装置至所述塔体的距离信息；
将拍摄图像进行预处理并转换为二值图像；
将二值图像的塔体设为待识别模板Tp，对应的像素矩阵设为提取模板Tp中的特征点，所述特征点包括有：对所述二值图像中的塔体的顶角点，底角点，以及叉点进行提取。特征点在3*3的模板中的二值图像如图2所示。模板Tp上任意一点设为Pmn，当Pij是当前待检测的点，a1，a2，a3，a4，a5，a6，a7，a8是Pij的八邻域并沿顺时针方向排列。R1，R2，···R8是二值化图像在a1，a2···a8处的灰度值。在中心点Pij的八邻域内，任选一点为起点，沿中心点Pij顺时针进行相邻值求差值，然后将每次差值进行求绝对值后再一起求和，求和结果其中R9＝R1。
对于顶角点的提取，由于顶角点位于横架上且每个横架有两个顶角点，顶角点的左部分或者右部分的像素值全为0，且顶角点在3*3的模版内的DN＝4。
根据上述条件提取顶角点的方法可表达为下列公式：
所述二值图像中的塔体的顶角点的集合为α＝{α1，α2，···αu}；其中，u为正整数。
对于底角点的提取，由于底角点位于所述塔体的底部，底角点下方部分的像素值全为0，且底角点在3*3的模版内的DN＝4。
根据上述条件提取底角点的方法可表达为下列公式：
所述二值图像中的塔体的底角点的集合为β＝{β1，β2，···βv}；其中，v为正整数。
对于叉点的提取，由于叉点的DN＝8，且叉点还需要满足在所述塔体的中轴线上；而中轴线上任意一点的横坐标其中，Xα1和Xα2为同一高度下的α1和α2的横坐标值；叉点的横坐标设为与中轴线横坐标XC的误差不超过eps1个像素点。
根据上述条件提取叉点的方法可表达为下列公式：
所述二值图像中的塔体的叉点的集合为γ＝{γ1，γ2，···γw}；其中，w均为正整数；
需要说明的是，为了方便采集顶角点集合、底角点集合和叉点集合内的元素，α，β，以及γ集合内的元素根据离所述塔体底部的距离，从左至右依照距离增大的方式进行排序。
根据所述特征值信息，计算所述二值图像中横架的长度qs2，qs2＝|Xα1-Xα2|；由于同一塔体的横架的长度均为同一尺寸，因此，计算同一高度下两个顶角点之间的距离即可得出横架的长度qs2；
计算所述二值图像中塔体的高度qs3，qs3＝|Yαu-Yβ1|，其中，Yαu为αu的纵坐标值，αu为所述塔体的最高的横架的顶角点，即塔体的最高点，Yβ1为β1的纵坐标值，β1为所述塔体的最低点，换言之，塔体的最高的横架的顶角点αu与塔体的最低点β1之间的垂直高度为塔体的高度。
通过上述计算所得到的横架的长度qs2、塔体的高度qs3和测量所得到的所述摄像装置至所述塔体的距离wj，计算得出所述塔体的比对信息S；所述比对信息S包括有：塔体上的横架的数量S1，横架的长度S2，塔体的高度S3，以及叉点的数量S4；
所述横架的数量由于一个横架均设有左右两个顶角点，将提取的顶角点的数量除以2将得到横架的数量；
所述叉点的数量S4＝w，与提取的叉点的数相同；
通过成像公式、二值图像中横架的长度qs2和二值图像中的塔体高度qs3，计算所述横架的实际长度和塔体的实际高度其中，wj为所述摄像装置至所述塔体的距离，xj为所述摄像装置的像距。
收集目前的铁塔的设计图的数据，并将所有铁塔的型号及其对应的特征信息录入至数据库中，并以型号进行分组；所述特征信息Z包括有：横架的数量Z1，横架的长度Z2，塔体的高度Z3，以及叉点的数量Z4；
所述比对信息S与所述数据库中的其中一组型号的特征信息Z进行差值运算，运算结果为ΔT＝|S-Z|；将所述运算结果ΔT与所述误差阈值T进行比较。
当运算结果ΔT小于等于误差阈值T时，输出被比对的特征信息所对应的型号和所述型号所对应的特征信息；
当运算结果大于误差阈值时，基于遍历法，将所述比对信息与所述数据库中的其余型号的特征信息进行比较，直至匹配到相应的铁塔型号或与所述数据库中的所有型号的特征信息进行比较为止。
进一步，所述拍摄图像预处理包括：图像增强，滤波，二值化和细化。
进一步，为了更好地测量所述二值图像中塔体的横架长度和所述塔体的高度，所述拍摄图像为所述塔体的正视图，且所述塔体的中轴线垂直于所述拍摄图像的底部。
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。