基于視覺的輸電線路除冰機器人障礙識別方法.pdf

1、障礙物檢測識別是高壓輸電線路除冰機器人的關(guān)鍵技術(shù)之一,要實現(xiàn)除冰機器人的自主越障,必須先對高壓輸電線路上存在的防震錘、懸垂線夾、耐張線夾等障礙物進行識別。本文針對220kV單分裂輸電線路的結(jié)構(gòu)特點,重點研究了基于視覺的障礙物檢測識別方法。所研究的方法不需要結(jié)構(gòu)約束,實現(xiàn)比較簡單,將其應用到除冰機器人的障礙物檢測識別,取得了良好的分類效果。本文主要的研究內(nèi)容如下:
　　 1、對通過視覺傳感器采集到的障礙物圖像進行了中值濾波、膨脹腐

2、蝕等預處理。采用小波模極大值算法對處理后的圖像進行了邊緣檢測,并與canny算子提取的邊緣圖比較,證明了小波模極大值算法具有更強的抗干擾能力,取得了比canny算子更好的邊緣提取效果。
　　 2、選取障礙物邊緣圖像的矩特征作為障礙物分類器的輸入向量。構(gòu)造了邊緣圖像的相對矩和小波矩兩種矩特征。并采用次優(yōu)搜索算法實現(xiàn)了矩特征的降維和優(yōu)化。
　　 3、研究了基于神經(jīng)網(wǎng)絡的障礙物分類識別方法。首先研究了多層前向BP神經(jīng)網(wǎng)絡和基于

3、BP算法的小波神經(jīng)網(wǎng)絡分類識別方法,然后針對BP算法收斂速度慢、易陷入局部最優(yōu)等缺陷,引入收斂速度快、全局搜索能力強的粒子群優(yōu)化算法代替BP算法訓練小波神經(jīng)網(wǎng)絡,設計了基于粒子群優(yōu)化的小波神經(jīng)網(wǎng)絡分類器。由于粒子群算法仍然有可能陷入局部極小值,本文借鑒模擬退火的概率突跳思想,提出了一種基于模擬退火的改進粒子群優(yōu)化的小波神經(jīng)網(wǎng)絡分類方法,取得了了更加優(yōu)異的識別分類效果。
　　 4、考慮到支持向量機更加適合小樣本的模式識別問題,本文