基于HOG-SVM的GIS設備智能拆裝機器人系統研究

錢 平，周臘吾，李斐然，李俊民

（1.國網浙江省電力有限公司，杭州 310007；2.長沙理工大學電氣與信息工程學院，長沙 410114；3.國網浙江省電力有限公司電力科學研究院，杭州 310014；4.湖南長高電氣有限公司，長沙 410600）

0 引言

相比于傳統敞開式高壓設備，GIS（氣體絕緣金屬封閉開關）因其具有構造緊湊、占地面積小、檢修周期長、運行可靠性高、裝置整體重量輕、接地性良好等優點[1]，自60年代問世以來，逐漸成為變電站中的重要設備，在電力系統中有著至關重要的地位[2]。但目前，在GIS設備安裝和檢修過程中仍存在運行維護水平和檢修效率較低的問題[3]，突出體現在：

（1）拆裝作業可行性低[4]。現有GIS變電站配電室大多不配備電動運輸車，僅在房頂預安裝懸掛環，而且部分GIS安裝在室內，無法使用起重機進行操作。房頂的懸掛環在使用時不能移動位置，且起重機安裝在房頂限制了大多數使用場景，降低了它的適用性。

（2）拆裝作業安全性低。在拆裝作業過程中采用腳手架或者抱桿時，腳手架可能過于單薄導致難以承重，抱桿的支撐點選擇不好會影響設備起吊過程中的平衡。GIS的氣室易發生晃動[5]，難以保證其安全。臨時運行設備缺乏日常的專業安全檢測和監控，無法保證設備的可靠性。

（3）拆裝作業的方式會影響GIS拆裝工藝[6]。當GIS的氣室進行接觸時，需要起吊設備對方位實現精準調整，起吊過程中產生的微小晃動都會影響氣室接觸的精準性和可靠性。GIS中氣室接觸面錯位會導致法蘭密封面產生摩擦或碰撞，密封橡膠圈變形或移位，拆卸和組裝時接觸面內應力不均勻，造成質量隱患和強度過大的風險[7]。

（4）人員勞動強度大（比如裝配固定等），在一定程度上束縛人員工作效率，存在產出比不經濟等問題。

隨著移動機器人技術與自動化技術的發展[8]，機器人已開始逐漸應用到變電站中，但目前大部分研究和應用都面向變電站的巡檢[9-11]，針對變電站GIS設備智能拆裝機器人系統的研究和應用國內還處于空白階段。本文在實地考察平高、泰開、西開等多個變電站的基礎上，分析了GIS安裝作業過程[12]，將機器人技術與GIS設備的拆裝問題相結合，為GIS設備維護與檢修提供了一種新的思路——GIS設備智能拆裝機器人系統。針對GIS設備智能拆裝機器人系統中機構檢測對接的難題，本文在視覺定位的基礎上，采用基于HOG（梯度方向直方圖）特征提取和SVM（支持向量機）線性分類器的分支母線位置判別對接方法，實現了GIS分支母線與機構的智能對接。

1 GIS設備智能拆裝機器人系統結構

GIS設備智能拆裝機器人系統主要由履帶車、夾具、智能機器人三部分組成，如圖1所示。

圖1 GIS設備智能拆裝機器人系統模型

（1）履帶車：具有接地面積大、接地比壓小、附著性能好、爬坡能力強、轉彎半徑小、跨溝越埂能力強等特點[13]，兼具行走和搬運2種功能。

（2）夾具：安裝于多軸機器人的末端關節處，實現對GIS工件的柔和、穩定抓取。

（3）智能機器人：由機器人及控制系統組成，拆卸時負責對分支母線的空間位置實現精確控制。機器人安裝在履帶運輸車上，是GIS設備智能拆裝系統的核心部件。

2 對接機構的智能檢測

2.1 分支母線對接任務分析

當人工操作機械臂夾取分支母線移動至目標分支母線附近時，開始進入智能對接模式階段。如圖2所示，該過程主要分為四個階段：進入圖像捕獲區階段、中心對準階段、平面對齊階段和標識螺孔對齊階段。

圖2 分支母線對接過程

（1）進入圖像捕獲區階段：操作員操作機器人將分支母線移動至目標分支母線附近，目標分支母線即進入圖像捕獲區域內。

（2）中心對準階段：工業相機將對接面圖像發送至計算機，計算機將控制信號傳送給控制柜，移動分支母線使抓持的分支母線軸心與對接面圓心對齊。

（3）平面對齊階段：工業相機繼續拍攝對接面圖像并將其發送至計算機，將操作控制信號傳送給控制柜，繼續移動分支母線，完成平面對齊。

（4）標識螺孔對齊階段：通過（2），（3）類似的步驟獲取視覺圖像，對抓持分支母線進行旋轉操作使標識螺孔一一對齊，之后控制機械手沿縱向（y方向）移動完成對接。

2.2 分支母線的位置判別與對接方法

基于視覺定位的基本方法，融合HOG和SVM的對接面分支母線的位置判別與對接方法，實現GIS分支母線的對接，其流程圖如圖3所示。總體分為3個模塊：像素識別模塊、圖像計算模塊和對齊控制模塊，像素識別模塊為圖像計算模塊提供計算數據，圖像計算模塊向機柜控制模塊提供操作信號。

圖3 基于HOG和SVM的GIS視覺對接流程

2.2.1 圖像獲取

通過工業相機獲取目標對接面圖像資料，3個攝像頭應對稱分布。

2.2.2 圖像處理

通過開運算、灰度化及二值化的圖像后處理方法，有效減少目標圖像中與分支母線顏色接近部件的干擾，達到對分支母線進行準確定位的目的。

（1）圖像開運算處理：將A集合和B集合腐蝕運算后的結果與B集合膨脹運算。

（2）圖像灰度化處理：為得到可二值化處理的圖像數據格式，須通過圖像灰度化處理對目標圖像進行降維。

（3）圖像二值化處理：采用不同的閾值范圍，就能獲得只含有目標分支母線像素的圖像，至此圖像后處理完畢。

2.2.3 HOG特征值提取

HOG是梯度方向直方圖特征，通過將圖像劃分成小的Cell，在每個Cell內部進行梯度方向統計得到直方圖描述[14]。HOG特征提取流程如圖4所示，其基本要點為：

對HOG特征進行提取時，為減小由物體表面光學效應導致的特征變化，須壓縮圖像顏色，空間歸一化處理目標圖像[15]。因為顏色狀態對HOG特征的影響很小，為增加目標圖像灰度處理后邊界區的區分度，通常使用γ校正的方法[16]。

式中：f為數字圖像；f1（x，y）為點（x，y）在目標圖像γ校正前的灰度值；f（x，y）為點（x，y）在目標圖像γ校正后的灰度值；通常γ值越大代表圖像的灰度級越高。

將目標圖像分別與[-1，0，1]和[1，0，-1]T算子進行卷積運算，則圖像中每個像素點位置的梯度幅值M（x，y）和梯度方向θ（x，y）分別為：

式中：Gx和Gz分別為x和z方向上的梯度值。

將每個Cell單元的梯度直方圖進行權重投影，最后將所有單元直方圖向量組合起來就構成了圖像的HOG特征。

圖4 HOG特征提取方法

2.2.4 SVM分類

SVM線性分類器，通過調整線性分類函數閾值的大小來確定樣本所屬類別，將樣本中的數據分成兩類[17]。線性分類器的作用是通過在n維空間中尋找一個超平面來劃分兩類需要分割的部分，從而實現對特定目標的分類。

假設N個訓練數據的坐標信息構成數據集E：

數據集E可被一超平面分開，能將超平面表示為：

式中：ω為權向量；b為超平面偏值；x為需要分類的特征。

如果分類函數為f（x）=ωTx+b，如圖5所示。當點x位于超平面上時，f（x）=0；而當點x位于軸y=1上時，f（x）＞0；當點x位于軸y=-1上時，f（x）＜0。

圖5 SVM示意圖

平面上任意一個數據點到超平面的距離D可表示為：

令該超平面滿足：

則所求向量ω和b可以表達為：

即可求得分類器函數f（x）。

2.2.5 重心計算

在進行重心計算前首先需對圖像中的像素進行目標識別，像素的準確識別需使用準確的分類器，需利用大量樣本訓練進行提高，圖6為基于HOG和SVM的目標識別方法流程。

圖6 HOG和SVM的目標識別方法流程

以圖案中對接面法蘭邊緣的螺孔作為像素識別目標，對目標像素集合進行二值圖重心計算，即可到對接面中心相對于GIS工件工業相機所在截面中心的位置參數，可據此進行中心對齊。

2.2.6 平面對齊

由于工業相機并非正對對接面，獲得的圖像存在幾何失真，螺孔呈橢圓形分布。當中心對準完成后，對接面平面與GIS工件工業相機所在截面很可能并不平行，此時3個相機獲得的圖像失真變形參數存在差異，根據幾何逆變函數進行平面對準，直至3個工業相機獲得圖像的幾何失真程度一致。

2.2.7 標志螺孔對齊

為確保對接面螺孔與GIS工件的螺孔一一對齊，需在對接面目標螺孔上設置標識物，通過轉動GIS工件實現螺孔對齊。

3 GIS智能檢測對接技術的應用

本文所提出的基于HOG和SVM的智能對接檢測技術在工程實際中得到了很好的應用，工業相機用于捕獲現場分支母線的位置信息，如圖7所示。

取對接過程中經工業相機捕獲回來的一幅原始圖像分析，如圖8所示。

為消除干擾部分的影響，準確找到目標分支母線的位置及方位，要對截取出來的目標圖片進行開運算、灰度化及二值化的圖像處理，如圖9所示。

圖7 智能檢測對接技術的實際應用

圖8 工業相機捕獲的原始圖像

圖9 開運算、灰度化及二值化處理后的圖像

由于對接過程圖像較暗導致對接法蘭孔與其他部分區分不明顯，可以使用γ校正的方法處理，在降低了圖像的亮度、減少了暗區的對比度的同時增加了亮區的對比度，從而突出分支母線根部待對接法蘭孔以便后續處理，γ校正處理后的對接圖像如圖10所示。

在對圖像HOG特征做統計分析之前必須對圖像進行分割，把圖像分成若干個特定的、具有獨特性質的區域。通過圖像分割可以提取出分支母線根部待對接法蘭孔，處理后的對接圖像如圖11所示。然后經過SVM線性分類器對圖像進行特定目標的分類后，圖像采集卡把處理后的圖片傳送給控制系統，控制系統分析圖片信息后，將控制信號傳送給機器人控制柜，機器人控制柜控制機器人執行對接命令。

圖10 γ校正處理后的圖像

圖11 圖像分割處理后的圖像

GIS設備智能拆裝機器人移動分支母線，使抓持的分支母線軸心與對接面圓心對齊，如圖12所示。

圖12 中心對準圖

GIS設備智能拆裝機器人抓持分支母線繼續移動，完成平面對齊，如圖13所示。

GIS設備智能拆裝機器人抓持分支母線進行旋轉操作使標識螺孔一一對齊，如圖14所示。

采用本文所提出的基于HOG和SVM的智能對接檢測技術后，GIS設備智能拆裝機器人系統成功實現了GIS設備的檢測與對接。

圖13 平面對齊圖

圖14 標識螺孔對齊圖

4 結論

本文在充分調研多個變電站GIS設備工作環境后，提出了GIS設備智能拆裝機器人系統，整個拆裝系統由履帶車、夾具及智能機器人組成。針對GIS設備智能輔助拆裝系統中機構檢測對接的難題，本文在工業相機獲取目標對接面圖像資料預處理后，提取目標圖像的HOG特征，采用SVM線性分類器對目標圖像的像素點行準確識別。通過對目標像素集合的重心計算、圖像失真參數的對比分析及標識螺孔的對齊實現了GIS分支母線與機構的智能對接。