基于視覺的輸電線路除冰機(jī)器人障礙識(shí)別方法.pdf

1、障礙物檢測(cè)識(shí)別是高壓輸電線路除冰機(jī)器人的關(guān)鍵技術(shù)之一,要實(shí)現(xiàn)除冰機(jī)器人的自主越障,必須先對(duì)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(jìn)行識(shí)別。本文針對(duì)220kV單分裂輸電線路的結(jié)構(gòu)特點(diǎn),重點(diǎn)研究了基于視覺的障礙物檢測(cè)識(shí)別方法。所研究的方法不需要結(jié)構(gòu)約束,實(shí)現(xiàn)比較簡(jiǎn)單,將其應(yīng)用到除冰機(jī)器人的障礙物檢測(cè)識(shí)別,取得了良好的分類效果。本文主要的研究?jī)?nèi)容如下:
　　 1、對(duì)通過(guò)視覺傳感器采集到的障礙物圖像進(jìn)行了中值濾波、膨脹腐

2、蝕等預(yù)處理。采用小波模極大值算法對(duì)處理后的圖像進(jìn)行了邊緣檢測(cè),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(qiáng)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(duì)矩和小波矩兩種矩特征。并采用次優(yōu)搜索算法實(shí)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(luò)的障礙物分類識(shí)別方法。首先研究了多層前向BP神經(jīng)網(wǎng)絡(luò)和基于

3、BP算法的小波神經(jīng)網(wǎng)絡(luò)分類識(shí)別方法,然后針對(duì)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(qiáng)的粒子群優(yōu)化算法代替BP算法訓(xùn)練小波神經(jīng)網(wǎng)絡(luò),設(shè)計(jì)了基于粒子群優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)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(jìn)粒子群優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)分類方法,取得了了更加優(yōu)異的識(shí)別分類效果。
　　 4、考慮到支持向量機(jī)更加適合小樣本的模式識(shí)別問(wèn)題,本文