高压输电线路除冰机器人视觉控制方法研究

摘要

输电线路覆冰和积雪常会引起线路的跳闸、断线、倒杆、绝缘子闪络和通信中断等事故。世界各国都曾因输电线路覆冰引发安全事故，给各国带来了巨大的经济损失。而传统除冰方法效率低下而且安全性不高，因此研究新型的除冰方法替代人工除冰就变得十分迫切。
　　除冰机器人是一种实现自动在线除冰的新装备，得到了研究人员和电力公司的广泛关注。但是它的运行环境非常复杂，需要解决许多关键技术难题，尤其在机器人的自主越障机构、传感器与控制等方面，是制约除冰机器人研究进展的主要因素。本文以除冰机器人的在线行走与越障为应用背景，研究利用视觉传感器为主要传感器的视觉控制方法。基于视觉的机器人控制是通过对视觉信息的分析与处理来感知环境，并利用视觉信息引导和控制机器人完成给定的任务。因此本文对除冰机器人的视觉控制研究主要包括两个方面:(1)除冰机器人通过对在线拍摄图像的分析处理，实现对工作环境的感知和识别;(2)利用相机反馈图像信息引导和控制机器人完成在线行走和越障动作。内容涉及机器人技术、图像处理技术、目标识别与空间定位技术、图像视觉伺服技术等。
　　除冰机器人利用视觉信息可实现对环境的识别和运动的伺服控制，为了实现这一目标，本文在以下几个方面进行了研究:
　　1、在借鉴国内外巡线机器人研究经验的基础上，提出了两臂式和三臂式除冰机器人本体设计方案。考虑到除冰机器人多手臂爬行机构的复杂性，利用旋量理论简化运动学分析，成功建立了机器人手臂的正、逆向运动学模型，为机器人在线行走与越障动作的控制提供了基础。
　　2、除冰机器人工作环境复杂，其中安装在输电线路上的防震锤、悬垂线夹、耐张线夹等线路附件将是机器人在线行走时的障碍，而冰机器人要实现在线自主行走和越障，就必须能识别与定位前方线路上的各种障碍。在对大量实际图像观察后，提出利用障碍物图像局部特征进行障碍物目标识别与定位。首先，收集机器人在线行走时拍摄的各种障碍物样本图像，然后提取障碍物图像区域的SURF特征构造障碍物SURF(Speeded-UpRobustFeatures)特征模板库。在实际应用中，将在线拍摄实时图像的SURF特征与模板图像特征匹配，若达到匹配条件则认为匹配成功，即认为当前图像中存在与模板图像同类的障碍物。初步匹配成功后，选取4对以上的匹配点计算模板图像与实时图像平面间的单应性矩阵，再用单应性矩阵将模板图像中离相机最近的点（事先设置）映射到当前实时图像中，把该点坐标代入单目测距计算式得出机器人与障碍物之间的距离。机器人在了解前方障碍的类型和距离信息后就可实现在线行走的导航控制。
　　3、基于障碍物外部形状特征的识别、定位方法。由于不同障碍物的外形和轮廓差别很大，可利用障碍物图像外形轮廓特征来识别它们。首先，对机器人实时采集图像进行预处理、最佳阈值分割、小波模提取轮廓边缘。然后利用具有旋转、平移、缩放不变性的小波矩算法计算障碍物轮廓图像的小波矩特征向量，把特征向量输入SVM神经网络实现对障碍物图像的识别判断。在定位阶段采用霍夫变换和结构约束条件对边缘图像中的直线、圆、椭圆等几何基元进行定位，然后把几何基元图像的形心坐标代入单目测距算式可估计出机器人与障碍物的距离。以上识别与定位信息为机器人在线行走与导航提供了条件。
　　4、在分析除冰机器人环境特点和越障机理的基础上，提出了基于图像的越障视觉伺服控制方案。首先，选取具有全局性、通用性、抗干扰性能好的图像矩特征作为反馈图像的伺服特征，而小波神经网络具有较强的学习和泛化能力，将两者结合起来设计伺服控制器。经过训练后的神经网络将具备伺服控制能力，在除冰机器人执行越障动作时，神经网络将反馈图像特征与期望特征的误差直接映射为手臂关节控制量，实现机器人越障动作的伺服控制，避免了传统视觉伺服控制中的相机标定和图像雅可比逆矩阵的求解，大大减少了计算量，提高了图像视觉伺服的响应速度。
　　5、在应用本文以上研究技术的基础上，研制了三臂式除冰机器人样机。分析了除冰机器人研制的难点与关键技术，并从工程应用角度，重点介绍了除冰机器人本体的机械结构和设计方法、电机与控制系统的设备构成。在整机装配完成后，分别对各分部进行了测试和整体调试，最后给出了除冰机器人上线行走和除冰的实验情况。
　　文章结尾部分，总结了全文的主要工作和创新性研究成果，并对下一步研究工作进行了展望。

目录

声明

摘要

第1章 绪论

1．1 论文的研究背景及意义

1．1．1 输电线路覆冰的危害

1．1．2 电网覆冰灾害的发展趋势

1．1．3 研制输电线路除冰机器人的意义

1．2 输电线路机器人国内外研究现状

1．2．1 国外研究概况

1．2．2 国内研究概况

1．3 机器人视觉控制方法的研究现状

1．3．1 机器视觉在机器人中的应用

1．3．2 典型机器人视觉控制算法

1．4 项目来源及本文的主要研究内容

第2章 除冰机器人视觉伺服控制基础

2．1 引言

2．2 除冰机器人工作环境分析

2．3 除冰机器人本体结构与控制分析

2．3．1 两臂式除冰机器人设计方案

2．3．2 三臂除冰机器人的设计方案

2．3．3 除冰机器人总体控制方案

2．4 除冰机器人运动学分析与建模

2．4．1 除冰机器人运动学分析研究内容

2．4．2 机器人运动学分析的原理与方法

2．4．3 基于旋量理论的除冰机器人运动学分析

2．5 机器人视觉成像原理与参数标定

2．5．1 摄像机成像原理

2．5．2 标定实验

2．6 三臂除冰机器人视觉系统结构和功能

2．6．1 三臂除冰机器人视觉系统介绍

2．6．2 除冰机器人视觉系统功能分析

2．7 本章小结

第3章 基于局部特征的输电线路障碍物识别与定位

3．1 引言

3．2 图像局部特征匹配算法介绍

3．2．1 SIFT、SURF算法发展与应用

3．2．2 SURF图像特征计算特点

3．3 基于SURF特征的线路环境模板库

3．3．1 基于SURF特征模板匹配的图像识别

3．3．2 SURF特征提取计算

3．4 基于SURF特征的图像匹配算法

3．4．1 基于k-d树的最近邻搜索

3．4．2 图像特征点聚类

3．5 基于单应矩阵的目标定位

3．6 图像模板匹配实验与分析

3．7 基于单目测距的障碍物距离计算

3．7．1 障碍物图像最近点的选择

3．7．2 障碍物图像最近点坐标的计算

3．7．3 基于图像的障碍物测距原理

3．7．4 基于图像的障碍物测距实验与分析

3．8 本章小结

第4章 基于形状特征的输电线路障碍物识别与定位

4．1 引言

4．2 除冰机器人工作环境分析

4．3 基于障碍物边缘轮廓的识别方法

4．4 障碍物图像的边缘检测

4．4．1 图像预处理

4．4．2 图像二值化处理

4．4．3 基于小波模极大值的图像边缘提取算法

4．5 障碍物图像的小波矩特征提取

4．5．1 图像矩特征的一般表达形式

4．5．2 图像小波矩的构造

4．5．3 图像小波矩特征的选择与优化

4．6 支持向量机分类原理与分类方法

4．6．1 SVM分类原理

4．6．2 SVM多分类算法

4．7 障碍物图像SVM识别实验与分析

4．7．1 SVM分类过程

4．7．2 实验结果分析

4．8 基于结构约束的障碍物检测与定位

4．8．1 相线的识别与定位

4．8．2 相线快速定位实验

4．8．3 障碍物端面圆和椭圆特征识别与定位

4．8．4 障碍物端面圆和椭圆定位实验

4．9 结论

第5章 除冰机器人越障视觉伺服控制

5．1 引言

5．2 除冰机器人越障动作规划

5．3 除冰机器人视觉伺服控制方法介绍

5．3．1 传统机器人视觉伺服控制方法分析

5．3．2 除冰机器人视觉伺服控制方法原理

5．4 手臂监控相机对目标的观测与分析

5．4．1 手臂监控相机的安装与配置

5．4．2 手臂运动与反馈图像特点分析

5．5 反馈图像中控制对象的识别与分析

5．5．1 导线图像纹理特征分析

5．5．2 导线纹理分割方法设计

5．5．3 导线区域分割实验

5．5．4 图像特征与手臂关节运动之间的关系

5．6 基于图像矩特征的视觉伺服控制器设计

5．6．1 图像雅克比矩阵常规设计方法

5．6．2 图像矩特征在视觉伺服中的应用

5．6．3 图像矩特征计算及其特点分析

5．6．4 基于图像矩特征的视觉伺服控制器设计

5．6．5 矩特征视觉伺服控制器存在问题的分析

5．7 基于神经网络的图像视觉伺服控制器设计

5．7．1 神经网络视觉伺服控制器的优点

5．7．2 小波神经网络视觉伺服控制器的结构设计

5．8 本章小结

第6章 高压输电线路除冰机器人的研制与实验

6．1 引言

6．2 除冰机器人本体的设计与开发

6．2．1 三臂式除冰机器人本体的设计与开发

6．3 除冰机器人控制系统设计

6．3．1 主控计算机的选择与设计

6．3．2 传感器模块

6．3．3 电源模块

6．3．4 无线通信模块

6．3．5 运动控制模块

6．4 模拟导线的除冰分析与试验

6．4．1 线路覆冰的特点

6．4．2 线路覆冰的力学分析计算

6．4．3 导线模拟覆冰的切削实验

6．4．4 模拟除冰结果分析

6．5 除冰机器人电机控制与调试

6．5．1 电机控制相关硬件选型

6．5．2 电机控制工作模式

6．5．3 基于PMAC的电机控制

6．5．4 电机调试方法

6．6 除冰机器人在线工作调试

6．6．1 上线准备工作

6．6．2 在线越障和除冰实验

6．7 本章小结

结论与展望

参考文献

致谢

附录A 攻读博士学位期间发表的学术论文

附录B 博士期间所获专利、奖励、参与科研项目

附录C 除冰机器人接近觉传感器