智能电网巡检机器人终端视觉巡检技术研究

钱平 张永 徐街明

摘 要： 传统的变电站巡检主要是人工巡检，工作量繁多且不能实时检测到系统的反常和障碍，使得巡检存在漏检和效率低的问题。因此提出智能电网巡检机器人终端视觉巡检方法，使用[3×3]邻域的边缘检测算法，提取引导线的边缘特征点，依据边缘特征点通过隔10行扫描获取指定行像素的中点，得到引导线中心线，采用优化的行列联合搜索算法获取循迹图片中心线，使用“区域均衡”判别算法对图像进行判别，得到最佳引导线。依据最佳引导线采用智能电网巡检机器人终端视觉巡检控制系统，实现智能电网巡检机器人终端视觉巡检。实验结果表明，利用所提方法进行巡检控制的成功率在93%以上，具有高效率、抗干扰的优势。

关键词： 智能电网； 巡检机器人； 视觉巡检； 引导线； 中心线； 行列联合搜索

中图分类号： TN915.5?34； TP242 文献标识码： A 文章编号： 1004?373X（2018）18?0113?04

Research on terminal visual inspection technology of smart grid inspection robot

QIAN Ping1，2， ZHANG Yong2， XU Jieming2

（1. Zhejiang University of Science & Technology， Hangzhou 310023， China； 2. Zhejiang Electric Power Co.， Ltd. of State Grid， Hangzhou 310000， China）

Abstract： The traditional manual substation inspection has heavy workload， and cannot detect the abnormality and obstacle of the system in real time， resulting in missing inspection and low inspection efficiency. Therefore， a terminal visual inspection method of the smart grid inspection robot is proposed. The edge detection algorithm of the 3×3 neighborhood is adopted to extract edge feature points of the guide line. According to the edge feature points， the center point for pixels of the specified row is obtained by scanning once every 11 lines， so as to obtain the center line of the guide line. The optimized row column joint search algorithm is used to obtain the center line of the tracking picture. The "regional equilibrium" discriminant algorithm is used to discriminate images and obtain the best guide line. According to the best guide line， the terminal visual inspection control system of the smart grid inspection robot is adopted to realize terminal visual inspection of the smart grid inspection robot. The experimental results show that the proposed method has a success rate of over 93% in inspection control， and has the advantages of high efficiency and anti?interference.

Keywords： smart grid； inspection robot； visual inspection； guide line； center line； row column joint search

0 引 言

由于变电站是电网的重中之重，因此需要消除在电力系统生产中的危险因素并得以顺利运转[1]。传统的变电站巡检主要是人工巡检，人工巡检由于工作量繁多，会有漏检的现象产生，而且人工不能实时检测到系统的反常和障碍[2]。科学技术的发展和电力体制的改革使智能电网巡检机器人代替了传统人工巡检。机器人的技能特征可以胜任人工巡检完成不了的工作，不仅提升了巡检质量，还使智能电网建设得以飞速发展[3]。本文采用智能电网巡检机器人终端视觉巡检方法，实现机器人终端的智能视觉导航，提高智能电网巡检机器人终端视觉巡检的效率和精度。

1 智能电网巡检机器人终端视觉巡检技术研究

1.1 引导线识别

如果变电站的路面没有太大起伏，根据地面设置的蓝色条状线以及路面背景的影像灰度值的不同，对影像进行提取[4]，通过在选取的影像画面中使图像灰度化，并且经过对图像的联合滤波作用，获取蓝色引导线的边缘，得到引导线的中心线[5]。中心线的位置是辨别机器人自身和引导线间距的重要依据。

1.1.1 中心线提取

中心线是机器人识别引导线的关键点所在。提取引导线的中心线需要先提取出引导线的边缘特征点，才可以正确无误地按照蓝色引导线行驶。为了防止在像素之间里插点上计算梯度，在此使用[3×3]邻域的边缘检测算法[6]，提取引导线的边缘特征点。

在边缘检测后的图像中获取的线条边缘是单像素，传统逐行搜索法是在相同区域边缘线周围搜索2个边缘点并采集该2点的坐标中心点，按照这个对全部图像区域进行检索，得出的全部中心点的集合就是中心线。由于该方法的搜索效率低，因此，本文基于引导线边缘特征点，通过隔10行扫描获取指定行像素的中点，提取引导线中心线，以此提高搜索效率。

变电站巡检机器人拍到的蓝色引导线图像会以穿过图片上下边界直线的形式呈现[7]。可以较为清楚地展现图像信息。但是在图片左右边界处，由于机器人拍到的引导线穿过图片左右边界会使其发生畸变[8]，因此在获取该循迹图片中心线时，需要使用优化的行列联合搜索算法，实现引导线中心线准确定位识别。

1.1.2 “区域均衡”判别算法

通过第1.1.1节可知，中心线是依据机器人拍摄的蓝色引导线图像进行搜索边缘点而获取的。而拍摄过程中变电站室外存在地面的差异和光照差异等外在因素的影响，需要对图像进行判别[9]，获取最佳引导线。因此，采用“区域均衡”判别算法，把[16×16]点阵设定成一个判断区域，通过对此区域平均RGB（颜色模型融合检测）数值的计算[10]，来判断蓝色引导线与此区域的关系。

实际现场的使用结果证明，“区域均衡”判别算法方便适用，对光线的抗干扰性强。引导线的视觉识别导航示意图如图1所示，“区域均衡”判别算法示意图如图2所示。

1.2 智能电网巡检机器人终端视觉巡检控制系统

通过上文的阐述，根据最终所得的最佳引导线，通过智能电网巡检机器人终端视觉巡检控制系统，让巡检机器人通过拍摄的图像，然后在终端视觉系统中做出操作指示，沿线行驶，完成“循迹”运行。首先按照智能终端视觉系统指出的引导线位置和巡检机器人当前位置作对比，从而得知位置间隔的距离；然后通过智能PID控制方法对巡检机器人的左右轮实行转速协调控制；最后巡检机器人行驶方向和速度会根据引导线进行循迹运行。巡检机器人终端视觉循迹控制方案详情见图3。

由图3可知，在智能电网巡检机器人的终端视觉系统中，通过智能PID控制方法对巡检机器人左右轮实行转速协调控制，可使巡检机器人按照引导线循迹运行。

2 实验分析

实验为了验证本文提出的智能电网巡检机器人终端视觉巡检方法的性能优劣，采用某智能电网的巡检机器人获取的循迹图像进行仿真实验的方法。采用的图像包括白天各时间段的光照条件。各时间段不同光照条件下的图像如图4所示。

从室外环境提取不同光照条件的图像一共200幅，训练集和测试集的数量分别是120幅和80幅，进而测试验证智能电网巡检机器人采用本文终端视觉巡检方法，采集引导线的有效性。首先在实验前把在各光照条件下提取的一部分样本图像中的引导线周边选取一片小区域，然后把图像中的色调设为H、饱和度设为S。通过本文方法中的Sobel算法得出此区域里各个像素点的H，S值来提取二者的上下阈值，结果如表1所示。把在提取的引导线区域中H，S分量上下阈值当作所要获取的引导线颜色特征值，然后在测试图像里依据边缘特征得到引导线区域。

由表1可知，在不同光照下H，S的特征值也分别存在差异，说明引导线的判别也受其影响。因此使用本文方法中的“区域均衡”判别算法把光照分为强光照、正常光照以及弱光照，进行抗干扰测试，测试集内3幅各光照条件下的引导线的获取结果如图5所示。其中图5a）是获取的原始图像，图5b）描述的是相应的颜色特征和边缘特征的融合图像。在选取的图像画面中进行图像灰度化和联合滤波，根据颜色特征和边缘特征融合后的图像在引导线边缘处找到分散的边缘点，通过行列联合搜索算法获取引导线的有效边缘点。

如图5b）所示，在不同光照条件下，因为受周围树木的干扰，使图像中呈现出的强弱光条件下的路面区域颜色没有太大的不同。但是在融合后的图像里引导线边缘周围存在着分散的小像素点，而在各区域光照条件各异的情况下，像素点之间具有非线性关系。本文所提取的引导线像素点间应是具有鲜明的线性关系才可以正确地指引巡检机器人运行。因此通过本文方法中的“区域均衡”判别算法在不同光照条件下依然可以准确地获取引导线，实现机器人的准确巡检，具有较高的抗干扰性。

本文方法获取的引导线边缘如图5c）所示，图中白线标识的即是。从图5所描述的内容可以得出，本文方法在各区域不同光照条件下都可以获取到正确有效的边缘线从而识别出引导线的路径，实现智能电网巡检机器人终端视觉的准确巡检。测试集里的剩余80幅图像使用本文方法对引导线左右两侧边缘进行检测，如果出现获取的引导线一侧产生偏离或者误检现象，那么可以说明检测失败。在检测中，测试集内有5幅图图像存在误检，正确率高达93.75%，因此实验结果证明了智能电网巡检机器人终端视觉采用本文方法的指引在变电站进行巡检作业时具有较高的效率、精度，并且抗干扰性能强。

3 结 论

在智能电网建设中，由于人工不能实时检测到系统的反常和障碍，因此巡检机器人的应用成为当下研究的重要核心。本文提出智能电网巡检机器人终端视觉巡检方法，该方法的高效率以及抗干扰性通过实验测试得以证明。把其运用到智能电网巡检机器人终端视觉系统中后，智能电网巡检机器人通过终端视觉系统按照引导线可以在室外不同光照下準确有效地进行导航工作，说明本文方法具有较高的应用价值。

参考文献

[1] 任天宇，端木庆铎，吴博琦，等.巡线LiDAR多通道光谱图像异常识别技术[J].红外与毫米波学报，2017，36（5）：554?562.

Ren Tianyu， DUANMU Qingduo， WU Boqi， et al. LiDAR multichannel spectral abnormal image recognition technology for transmission lines [J]. Journal of infrared and millimeter waves， 2017， 36（5）： 554?562.

[2] 李和平，陈育新.基于物联网的矿井智能巡检机器人控制系统设计[J].机床与液压，2015，43（11）：119?122.

LI Heping， CHEN Yuxin. Design of control system of intelligent mine patrol robot based on Internet of Things [J]. Machine tool & hydraulics， 2015， 43（11）： 119?122.

[3] 陈杨阳，蔡建羡，刘智伟，等.多路径识别的智能循迹机器人设计与实现[J].测控技术，2014，33（12）：65?68.

CHEN Yangyang， CAI Jianxian， LIU Zhiwei， et al. Design and implementation of intelligent tracking robot in multi?path identification [J]. Measurement & control technology， 2014， 33（12）： 65?68.

[4] 陈亮亮，李达辉.基于移动终端嵌入式的视觉传感网络的人像识别技术[J].科技通报，2015，31（8）：219?221.

CHEN Liangliang， LI Dahui. Portrait recognition technology based on mobile terminal embedded visual sensing network [J]. Bulletin of science and technology， 2015， 31（8）： 219?221.

[5] 曹若琛，陈靖，王涌天.一种面向移动终端的混合跟踪定位算法[J].太原理工大学学报，2016，47（4）：506?512.

CAO Ruochen， CHEN Jing， WANG Yongtian. Hybrid tracking algorithm for mobile terminals [J]. Journal of Taiyuan University of Technology， 2016， 47（4）： 506?512.

[6] 梁经伦，邝泳聪，冼志军，等.基于视觉测量的XY?Theta并联平台分步运动学标定[J].机械工程学报，2014，50（1）：1?9.

LIANG Jinglun， KUANG Yongcong， XIAN Zhijun， et al. Step kinematic calibration of a XY?Theta parallel stage using vision?based metrology [J]. Journal of mechanical engineering， 2014， 50（1）： 1?9.

[7] 徐显金，吴龙辉，杨小俊，等.高压直流巡检机器人的磁悬浮方法建模与仿真[J].计算机仿真，2016，33（7）：378?382.

XU Xianjin， WU Longhui， YANG Xiaojun， et al. Modeling and simulation of magnetic levitation method of inspection robot for HVDC transmission lines [J]. Computer simulation， 2016， 33（7）： 378?382.

[8] 开思聪，陶重犇，孙云飞.基于STM32控制的仓储搬运机器人[J].计算机系统应用，2016，25（7）：49?54.

KAI Sicong， TAO Chongben， SUN Yunfei. Automatism storage handling robot based on STM32 controller [J]. Computer systems & applications， 2016， 25（7）： 49?54.

[9] FU P P， CHEN X W， LIU Z， et al. Intelligent inspection system on information equipment in smart grids based on IoT [J]. Advanced materials research， 2012， 542?543（2）： 394?397.

[10] GUO H C， NIU D X， LIU J P， et al. Research on the utilization of smart meters′ information under the background of smart grid [J]. Advanced materials research， 2013， 605?607（1）： 1023?1026.