一种适用于变电站巡检机器人的仪表识别算法

本资料包含pdf文件1个，下载需要1积分

M eter Recognition Algorithm for Equipment Inspection RobotFANG Hua1，2 MING Zhi-qiang3，ZHOU Yun-feng3，LI Hong-yu1，2 LI Jian '(1.Shandong Electric Power Special Robot Engineering Laboratory，Jinan 250002，China：2.Shandong Luneng Inteli-gence Technology Co.，Ltd.，Jinan 250002，China：3.Siehuan Electric Power Corporation Maintenance Company，Cheng-du 610041，China)Abstract：An improved VS-riOUS meters recognition algorithm was proposed which Was adapted to suit the equipmentinspection robot works outdoor in the smart substation.First，the template images were made for each style of meterand the min” and max” values were illustrated for each template image.SIFT method was utilized to match witllthe template image for detecting the meter device region from the real-time image captured by the robot.And then，a fast Hough transform method Was proposed to detect the line in the preprocessed image as the pointer of the me-ter.Comparing the angle with the rainor max”value the result of the meter Can he recogn ized.This algorithmhas been applied in one 500 kV smart substation in China.Various instruments recogn ition rate of over 99.2% .withhigh precision and high robustness of the meter readings.Experimental results of various metem have showh goodperformance，which proves that the proposed method Was both efective and accurate。

Key words：smart substation；inspection robot；meter recogn ition；SIH"matching；fast Hough tran sform变电站设备巡检机器人基于 自主导航，集成可见光、红外、声音等传感器 ，实现对设备热缺陷、分合状态、外观异常的判别，以及仪表读数、油位计位置的识别，并配合智能变电站顺控操作系统实现被控设备状态的自动校核”。电力系统的变电站有许多设备配置了指针仪表，如 ：气压表、温度表、油温收稿 日期 ：2012-10-12；修订 日期 ：20l2-11-28作者简介：房桦(1978-)，男，博士，研究方向为计算机视觉、电力机器人模式识别算法研发；明志强(1971-)，男，硕士，高工，研究方向为电力系统生产技术管理；周云峰(1978-)，男，工程师，研究方向为变电运行检修管理。

田表、避雷器表等。目前记录仪表数据主要靠人眼观测，精度低、可靠性差。随着智能变电站的试点建设与巡检机器人的发展及推广使用21，仪表数据的记录工作已经向自动化操作方向改进 。但仍需运行人员参与核实确认机器人采集的仪表状态图像。这种模式虽然减轻了运行人员 的劳动强度 ，但对现场人员的主观判断依赖较大，影响变电站无人值守等集约化运行管理模式的推进。因此 ，研发-种适用于巡检机器人的快速、准确、稳定可靠的指针式仪表的自动识别系统具有非常重要的意义。

1 仪表识别算法概述变电站的仪表多数安置在室外。巡检机器人采集的仪表图像通常受到环境的影响。现有的识别算法为.利用仪表表盘的形状特征.通过模板匹配或椭圆拟合确定仪表表盘在图像中的基本位置及区域范围3-4]。虽然其算法具备-定实时性和鲁棒性，但并不适用于巡检机器人采集到的变电站仪表图像。这是由于变电站设备结构复杂，在机器人采集到的图像中，背景紊乱 ，并不仅仅包含仪表区域，还同时囊括了其它设备，之中不乏包含近似圆形的部件 ，在使用椭圆检测的算法时，极易出现错误的检测结果。在指针识别方面，通常在获取了仪表表盘的子图像后，再使用多种的图像处理方法提取仪表指针的位置及指向方向。文献5中提到把刻度作为小段的直线 ，利用 Hough变换同时识别指针与刻度，虽然可以保证-定的精度和计算时间，但对-些多符号、多条纹的等干扰的仪表并不适用。文献[6]中提出用输人图像仪表指针位置减去零刻度时的指针位置的减影法。再以直线拟合得到指针的中心线的骨干精确位置，以此来提高计算速度和指针精度 。在刻度识别 时采 用条件 Hough变换 (eon-strained Hough transform)结合中心投影分析的迭代方法去除噪音的干扰。得到完整的刻度读数。但此算法利用减影法的零刻度仪表指针图像要与输入图像保证在同-个拍摄平面，如果两幅图像存在角度差异，则会影响最终的指针读数 ，由此也不适合用于巡检机器人在远距离多角度下拍摄的仪表图像的识别。

智能机器人能够 自动实现对仪表设备的状态识别 ，首先必须进行仪表设备在图像中的准确定位，在这基础上，实现仪表读数的自动识别。在此，自动化与仪表 2013(5)本文提出-种改进的适合变电站巡检机器人工作环境与流程的变电站仪表设备的识别算法。首先针对各个不同种类的仪表设备图像，进行设备模板化处理，并在模板库中建立各仪表的 min刻度和 max刻度的位置信息。对于机器人实时采集的仪表设备图像，在后台服务中调取相应设备的模板图，利用尺度不变特征变换(swr)算法，在输入图像中匹配提取仪表表盘区域子图像。而后对表盘子图像进行二值化、仪表指针骨干化处理，利用快速霍夫变换(fastHough transform)检测指针直线去除噪音干扰，定位指针精确位置和指向角度。完成指针读数。此算法经国内某 500 kV智能变电站巡检机器人实地反复测试.各种仪表综合识别率超过99.2%，对仪表的读数具有高精度高鲁棒性，完全满足变电站现场应用的要求。图 1所示为巡检机器人在此变电站执行设备检测任务时的姿态图像。

图 1 变电站设备巡检机器人Fig.1 Substation inspection mobile robot2 改进的仪表识别算法2.1 利用 SIFT算法实现仪表定位SIFT算法是-种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变的图像局部特征描述算子l7。SIFT 特征是 图像的局部特征 ，对视角变化、仿射变换、噪声也保持-定程度的稳定性，其特征具有独特性、多量性、高速性、可扩展性等特点。

2.1.1 尺度空间的生成尺度空问的图像是利用～组连续的高斯卷积核与原图像进行卷积生成的～相邻尺度的图像相减得到-组 Diference of Gaussian(DoG)图像 D( ，Y，)，搜索局部极值点，确定备选的特征点。若-幅图像的像素强度表示为 l(x，Y)，则高斯卷积图像为G( ，y) e (1)二T/-UDoG图像可表示为田 D(x，Y， )(G( ，y，kmo-)-C(x，Y， ))xI(x，Y)(2)其 中，ml，2，，s，k2 ，D(x，Y，，no-)表示相邻尺度的 DoG图像。

2.1.2 SIFTr特征 向量 的生成1)通过尺度空间极值的检测，初步确定关键点位置和所在尺度。图2为 DoG尺度空间的三个相邻尺度 ，在检测尺度空间的极值时，图中标记为叉号的像素需要与相同和相邻尺度的 26个像素进行比较，以确保在尺度空间和二维图像空问均检测到极值点 。

图 2 DoG 尺度空间Fig.2 Scale space of DoG2)通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力。

3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。

4)在以关键点为中心的8x8的窗口内，分成 4个 4x4的虚 ，在每 4x4的虚上计算 8个方向的梯度方向直方图，绘制每个梯度方向的累加值，即可形成-个种子点。实际计算过程中，为了增强匹配的稳健性〃议对每个关键点使用 4x4共 16个种子点来描述，这样对于-个关键点最终形成 128维的 Sill特征向量。此时 SI-T特征向量已经去除了尺度变化、旋转等几何变形因素的影响，再继续将特征向量的长度归-化，则可以进-步去除光照变化的影响。

2.1.3 SIFT特征向量的匹配生成图像的SIFI1特征向量后，采用两幅图像中关键点特征向量的欧氏距离作为相似性判定度量。

取源图像(模板图像)中的某个关键点，并找出其与待匹配图像中欧氏距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离小于某个比例阈值 ，则接受这-对匹配点 。

田得到两 幅图像 的特征点 的匹配关系后 ，两幅图像存在这样的-个变换过程： 日 (3)日为投影变换矩阵 ，Y ，1] ，Ix，Y，l 分别为某组特征匹配点在源图像和待匹配图像上的像点坐标。由已知点的坐标，求得日矩阵，根据模板图像中的设备位置，实现待检测图像中设备的准确定位。

经过 以上 的步骤 ，可以在巡检机器人采集 的仪表设备图像中依照模板图像准确的定位仪表位置。

如图3所示，虽然有个别特征点在配准的过程中有误，但可以利用特征点对的分布状态将其去除，然后根据公式(3)将特征点在模板图像中的坐标位置映射到机器人采集图像中.从而得到仅保留仪表设备区域的子图像。

图 3 利用仪表模板图像实现在 采集 图像 中的仪表定位Fig.3 Get the location of meter device by Sift matching2.2 仪表指针识别指针式仪表设备通常分类有深色表盘浅色指针与刻度.或者浅色表盘深色指针与刻度两种。而在变电站形形色色的指针式仪表中，指针都具有-个统-的特征 ，这就是 ，通过表盘圆心(或 由圆心起始)的具有-定长度的近似直线。在完成仪表表盘定位之后.便可以利用指针的这-特征，对指针进行识别提取 。

2.2.1 仪表图像预处理为了提取仪表指针，需要对图像进行分割，去除对提取表针有干涉影响的背景。先将彩色图像转换为灰度图像，采用标准的平均值法，用 g表示灰度化后的灰度值：g0.30RO.59G0.1 1B (4)由于仪表指针在灰度 图像中具有均-值 ∩ 以用灰度图像二值化去除背景噪音而保留仪表指针的区域 图像的二值化处理就是把图像中的像素按照给定的阈值分化成黑白两种颜色。变电站的仪表通常是安置在室外 ，由于现场的光线变化及其他设备阴影的遮挡 ，使得采集的仪表图像亮度不均，有时甚至会出现阴阳”似的表盘图像。使用 自适应阈值算法对图像进行二值化[81。具体步骤为：首先定义- 个 区域大小 为(2w1)×(2w1)的模板 ，同时定义( ， )为该模板的中心坐标，f(x，，)为中心点灰度图像的灰度值，T(x， )为中心点二值化阈值，按照公式(5)计算各像素的阈值，按照公式(6)对灰度图像进行二值化。

丕f(xk，Y ) (5)㈤ 其中.I(x，Y)为二值化后各个像素的图像强度。

二值化后的结果过滤了部分的背景噪音，消除了其对定位待识别指针的影响。为了准确的检测出指针，需要对二值化的图像进行细化处理。图像细化的本质就是寻找图形的中轴线或骨架，并以其骨架来取代该图形。细化的结果应该是-个像素宽度的线条图像 。但仍能保持原图像的连通性和拓扑结构[91。本文采用数学形态学中的击中击不中变换来细化图像，这种算法处理速度快，细化效果好lol。基本思想是在给定系列具有-定形状的结构元素后，顺序循环的删除满足击中变换的像素。设 A。是待处理图像 A的补集，结构元素 由两个不相交的部分和 ：组成，-个探测图像内部，另-个探测图像外部 ，即 BBlUB2，且 口 n 2 (空集)。击 中击不中变换定义为：A ( OBj)n(A OB2) (7)其中：0表示形态学腐蚀运算。利用 细化 定义为：A B-A- ) (8)即在 中去掉 被 击中的结果。如果定义-个结构元素对序列 J ，B ，， )，其中鼠 代表 旋转的效果，则细化也可以定义为(( B ) B2)) B ) (9)这个过程是先用 曰 细化-遍 ，然后再用 对前面结果细化-遍 ，如此直到用 细化-遍 ，整个过程可再重复直到没有变化产生为止，最终得到-个细化 的结果。

图 4表示了由图 3所得的仪表区域图像的预自动化与仪表 2013(5)处理过程。

(1)仪表图像灰度化 (2)二值化 (3)细化图 4 仪表图像的预处理Fig.4 Preprocessing of meter device image2.2.2 快速 Hough变换识别仪表指针Hough变换堤!模式识别领域中对二值图像进行直线检测的有效方法，其核心思想是点线的对偶性，通过变换将图像空间转换到参数空间中。在标准参数化方式下，图像空间中的直线表达为pxcosOysin0，p≥0，0≤ ≤订 (10)直角坐标系中平面上的任意-点对应极坐标系上的-条正弦曲线.所以同-直线上的点转换到参数空间后都有相应的-条曲线。但是这些曲线必然相交于-点，参数空间中共点的正弦曲线条数即为直角坐标系平面上共线的点数。为了找到这些点组成 的直线段 ，将极坐标空间量化成许多累加器小格 ，转换的时候 ，图像中的每-点( ，Y )映射到 Hough空间中的-组累加器 List(P ，Oi)中，满足以上正弦曲线方程的每-点，将使相应的所有累加器加-。统计完所有的点后.累加器最大值对应于最长的直线。

Hough变换的容错性较好.即使预处理后指针有轻微的残缺，也能很好地检测出直线，但 Hough的计算量较大。采用限定角度来缩小 Hough变换范围，减少需要计算的像素点。首先，根据模板库的仪表图像定制-个指针角度的偏转范围 ( ， )，即仪表刻度的最小值与最大值 .而后标定出模板图像的指针位置 。在机器人输入的采集图像中，把角度约束 在 3O。以内的范围 07v15▲行 Hough变换 。

如果没有检测到直线 ，则再在此范围外检测，这样就大大减少 了 Hough变换不必要的计算量 §速Hough指针检测具体步骤如下：(1)定义-个二维数组 Hp[刎作为累加器。P的范围为图像矩阵对角线的距离.0最初定义仪表图像库 中对应设备的最刑度和最大角度范围( ， )。

(2)把0值局限在 Ore±15。范围内利用 Hough变换检测指针，如果 H[p 的最大值大于长度阈值田 ，说明检测到了指针，如果小于阈值 ，说明没有检测到指针，则再把 限制在( ， )内检测。

(3)在完成指针检测之后 ，根据指针直线所在的 值与( ， )的比例进行仪表的读数。

图 5表示了由细化后的仪表图像得到的 Hough直线检测结果 ，以及 由此所得的在仪表图像 中指针所在的位置。

(1)Hough变换指针检测 (2)结果表示图 5 仪表指针检测及结果读数Fig.5 Result of meter device recognition3 实 际应用某 500kV智能变电站是目前国内首次采用智能巡检机器人自动识别户外敞开式断路器、隔离开关位置状态及仪表读数的示范站。该站通过变电站监控信息-体化平台与智能机器人双向交互 ，实现了智能机器人代替人工进行变电站设备巡检、状态识别的任务。

在实际应用中.变电站巡检机器人对仪表设备的读数识别流程如图 6所示。

建立多种仪表模板为每-模板标定Min”与Max”刻度信息机器人巡检任务仪表设备图像采集调用对应仪表图像模板SIFr配准仪表区域图像预处理tgiSHough变换检测指针仪表刻度识别读取图 6 巡检机器人仪表设备识别流程Fig.6 Block flow of meter devices recognition4 结语由于机器人需要全天候的在室外运作，实验测试结果表明本文提出的变电站仪表设备读数检测算法具有很好的鲁棒性。在不同的光照条件下 .采用的 SIFT特征配准算法可以准确的在机器人采集 图像中获取仪表设备的区域 ，而后采用改进的快速Hough直线检测算法提高了后台服务器对实时输入图像的计算能力，并且具有高度的准确性 .进而可以保证变电站监控平台可以及时的获得仪表读数结果。经在国内某 500kV变电站实地运行测试统计 。

应用本文算法的智能巡检机器人对多种仪表设备的读数正确率综合统计在 99.2%以上，完全满足该智能变电站推进无人值守的仪表设备读数 自动检测识别的要求。