輸電線路除冰機(jī)器人基于小波矩及SVM的障礙物識(shí)別研究

摘要：障礙物檢測(cè)與識(shí)別是高壓輸電線路除冰機(jī)器人自主越障和行走的前提條件.本文根據(jù)除冰機(jī)器人自身結(jié)構(gòu)以及高壓線路工作環(huán)境的要求，設(shè)計(jì)了一種障礙物智能識(shí)別方法.首先對(duì)機(jī)器人在線拍攝的障礙物圖像進(jìn)行預(yù)處理、最佳閾值處理，然后用小波模極大值計(jì)算二值圖像邊緣，再計(jì)算具有不變性的圖像小波矩，把優(yōu)化后的小波矩特征輸入支持向量機(jī)（SVM）進(jìn)行分類，從而實(shí)現(xiàn)對(duì)障礙物的識(shí)別.實(shí)驗(yàn)表明：障礙物的小波矩特征向量穩(wěn)定可靠，SVM目標(biāo)識(shí)別準(zhǔn)確率高，利用兩者優(yōu)勢(shì)對(duì)障礙物進(jìn)行識(shí)別是一種切實(shí)可行的方法.



關(guān)鍵詞：障礙物檢測(cè);除冰機(jī)器人;小波模極大值算法;SVM分類器

中圖分類號(hào)： TP24 文獻(xiàn)標(biāo)識(shí)碼：A

2008年1月我國南方數(shù)省輸電線路遭遇歷史上罕見的冰雪災(zāi)害，導(dǎo)致湖南、湖北、江西、浙江等地的電網(wǎng)發(fā)生倒塔、斷線、覆冰閃絡(luò)等多種災(zāi)害.雪災(zāi)造成國家電網(wǎng)公司直接財(cái)產(chǎn)損失達(dá)104.5億元，災(zāi)后電網(wǎng)恢復(fù)重建和改造需要投入資金390億元［1］.線路大量覆冰就是造成此次電力損失的主要原因，而采用人工除冰的方法不僅效率低，而且對(duì)電力工人的生命安全造成了極大的威脅，因此研究輸電線路在線除冰機(jī)器人替代人工除冰，對(duì)于保護(hù)我國電網(wǎng)的安全運(yùn)行和電力工人的生命安全具有極其迫切的現(xiàn)實(shí)意義.

高壓輸電線路上的防震錘、懸垂線夾、耐張線夾等部件都是線路安裝中必要的附件，但是對(duì)于在線路上行走的除冰機(jī)器人來說，就構(gòu)成使其不能平坦行走的障礙物，所以障礙物的檢測(cè)識(shí)別是除冰機(jī)器人在線路上自動(dòng)行走的前提條件，是越障動(dòng)作前的首要準(zhǔn)備工作.

本文針對(duì)除冰機(jī)器人自身結(jié)構(gòu)以及高壓線路工作環(huán)境的特點(diǎn)，設(shè)計(jì)一種基于視覺的智能障礙物識(shí)別方法.方法中利用小波多尺度分析工具獲得穩(wěn)定的障礙物圖像特征，再利用SVM強(qiáng)大的分類能力進(jìn)行目標(biāo)識(shí)別，結(jié)合兩者的優(yōu)點(diǎn)提高障礙物識(shí)別精度和速度，實(shí)現(xiàn)機(jī)器人對(duì)障礙物的實(shí)時(shí)感知.

6 結(jié)論

針對(duì)除冰機(jī)器人特殊工作環(huán)境需要，提出了基于小波矩及SVM技術(shù)的障礙物識(shí)別方法.實(shí)驗(yàn)表明機(jī)器人能有效地感知遇到的各種障礙物，為機(jī)器人自主在線行走和越障準(zhǔn)備了條件.

參考文獻(xiàn)

［1］ 王超，魏世民.高壓輸電線上除冰機(jī)器人的系統(tǒng)設(shè)計(jì)［J］.機(jī)械工程與自動(dòng)化，2010(1):148-149.

WANG Chao， WEI Shiming. Design of a robot for deicing high voltage transmission lines［J］. Mechanical Engineering Automation，2010(1):148-149. (In Chinese)

［2］ OSTU N A.Threshold selection method from graylevel histogram［J］. IEEE Transactions on Systems， Man， and Cybernetics， 1979， 9(1): 62-66.

［3］ 何通能， 賈志勇.基于小波矩的車牌字符識(shí)別研究［J］.浙江工業(yè)大學(xué)學(xué)報(bào)，2005，33(23):170-172.

HE Tongneng， JIA Zhiyong. A study of license plate character recognition based on wavelet moment［J］. Journal of Zhejiang University of Technology，2005，33(23):170-172. (In Chinese)

［4］ HU M K. Visual pattern recognition by moment invariants［J］.IEEE Transactions on Information Theory，1962，2(8):179-187.

［5］ UNSER M， ALDROUBI A， EDEN M. Ontheasymptotic convergence of Bspline wavelets to gabor functions［J］.IEEE Transactions on Information Theory，1992，38(2):864-872.

［6］ 邊肇祺，張學(xué)工.模式識(shí)別［M］.北京:清華大學(xué)出版社，2000:253-257.

BIAN Zhaoqi， ZHANG Xuegong. Pattern recognition［M］. Beijing: Tsinghua University Press，2000:253-257. (In Chinese)

［7］ 李庚銀，王洪磊.基于改進(jìn)小波能熵和支持向量機(jī)的短時(shí)電能質(zhì)量擾動(dòng)識(shí)別［J］.電工技術(shù)學(xué)報(bào)，2009，4(24):161-166.

LI Genyin， WANG Honglei. Shorttime power quality disturbances identification based on improved wavelet energy entropy and SVM［J］.Transactions of China Electrotechnical Society，2009，4(24):161-166. (In Chinese)

［8］ 沈琳琳，紀(jì)震. 采用精選Gabor小波和SVM分類的物體識(shí)別［J］.自動(dòng)化學(xué)報(bào)，2009，4(35):350-355.

SHEN Linlin， JI Zhen. Gabor wavelet selection and SVM classification for object recognition［J］. Acta Automatica Sinica，2009，4(35):350-355. (In Chinese)

［9］ JOHN C.Fast training of SVM using sequential minimal optimization advances in kernel methods support vector machine［J］.MA:Cambridge Boston，MIT Press，1999.

［10］申宇皓.小波包變換和支持向量機(jī)模擬電路故障診斷方法［J］.火力與指揮控制，2009，34(11):154-157.

SHEN Yuhao. Research on method of analog circuit fault diagnosis based on wavelet packet transform and SVM［J］. Fire Control Command Control，2009，34(11):154-157. (In Chinese)