机器人自动巡检系统中图像配准与图像匹配问题的研究

论文摘要

在变电站巡检机器人系统中,机器人拍摄的巡检图像的计算机分析与处理是该系统核心组成部分之一。通过对图像中的设备进行状态识别,就可以自动监控变电站的工作状态。对于同一场景,机器人每次拍摄的图像之间具有较大的相关性和一定的差别。因此,找到图像中所关心设备的位置,即目标定位成为研究的关键所在。图像配准技术可以有效地解决这一问题。图像配准问题是图像处理技术中的一个基本问题,是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的图像对齐或匹配,消除存在的几何畸变。图像配准在计算机视觉、模式识别、医学图像处理和遥感信息处理方面有着广泛的应用。针对变电站巡检机器人系统,本文提出采用基于特征点的特征匹配方法。针对问题需求,对采用Harris角点作为特征点,使用灰度共生矩阵的Bhattacharyya距离作为相似度,基于多约束的匹配方法进行了研究。在此基础上进一步进行RANSAC匹配,有效地提高了整个匹配过程的正确性和速度。本文提出一种简单有效的图像匹配方法。该方法使用图像配准的结果作为图像的Chamfer匹配的初始假设,使用原Chamfer边缘匹配的方法,通过计算图像间的边缘相似度,来实现系统中对于目标定位结果正确性进行度量的要求。实验证明在阈值选取恰当时,其度量效果较好。本文运用图像配准技术完成在机器人巡检图像中的目标定位,利用图像匹配技术确认其配准结果,进而得到准确的设备定位结果。根据这一结果,对得到的设备图像进行相应的处理,设计了刀闸、开关和仪表等变电站设备的图像处理和识别算法,从而实现变电站设备机器人自动巡检系统中的图像处理和模式识别功能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 变电站设备巡检机器人系统
• 1.1.1 变电站设备巡检现状
• 1.1.2 巡检机器人系统的结构
• 1.2 机器人视觉研究现状与分析
• 1.2.1 机器人视觉的概念和意义
• 1.2.2 机器人视觉的关键技术
• 1.3 本文的研究内容及结构安排
• 第2章 单目摄像机巡检图像的图像配准
• 2.1 基于特征点的图像配准
• 2.1.1 图像配准概述
• 2.1.2 基于特征点的图像配准
• 2.2 经典角点检测算法回顾与分析
• 2.2.1 基于边缘检测的角点检测算法
• 2.2.2 基于灰度的角点检测算法
• 2.2.3 基于模板的角点检测算法
• 2.3 Harris角点检测算法
• 2.4 基于RANSAC匹配的场景对齐
• 2.4.1 平面透视变换和平面透视变换矩阵
• 2.4.2 基于多约束条件的灰度相关匹配
• 2.4.3 特征点的RANSAC匹配
• 2.4.4 基于两视角间参数估计的优化
• 2.5 本章小结
• 第3章 基于图像匹配的设备图像确认
• 3.1 图像匹配
• 3.2 边缘提取算法
• 3.3 Chamfer距离变换和图像的边缘匹配
• 3.4 本章小结
• 第4章 基于图像的设备状态的识别
• 4.1 刀闸状态判别
• 4.1.1 梯度检测及梯度方向计算
• 4.1.2 Canny边缘检测
• 4.1.3 刀闸状态判断
• 4.2 仪表读数判别
• 4.2.1 预处理
• 4.2.2 表盘检测
• 4.2.3 表针检测
• 4.3 本章小结
• 第5章 系统实现和试验结果分析
• 5.1 系统实现
• 5.2 试验结果分析
• 5.2.1 角点检测及图像配准
• 5.2.2 设备确认及设备状态识别
• 5.3 本章小结
• 结论
• 参考文献
• 致谢