仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2011年
9期
2049-2056
,共8页
曹文明%王耀南%印峰%伍锡如%缪思怡
曹文明%王耀南%印峰%伍錫如%繆思怡
조문명%왕요남%인봉%오석여%무사이
除冰机器人%障碍识别%小波模极大值算法%联合不变矩%小波神经网络
除冰機器人%障礙識彆%小波模極大值算法%聯閤不變矩%小波神經網絡
제빙궤기인%장애식별%소파모겁대치산법%연합불변구%소파신경망락
障碍物检测识别是高压输电线路自主除冰机器人的关键技术之一.针对220 kV输电线路特殊的机器人工作环境,提出一种基于视觉的障碍物识别方法.首先对拍摄的障碍物图像进行中值滤波、膨胀腐蚀等预处理,经OTSU阈值优化计算后,用小波模极大值算法提取图像边缘.然后计算障碍物边缘图像的联合不变矩特征,再把矩特征输入小波神经网络进行障碍物图像的分类识别.并选取防震锤、悬垂线夹、耐张线夹三类障碍物做识别试验,还把小波神经网络与普通BP神经网络识别性能进行了比较,实验表明:以联合不变矩作为障碍物识别特征具有良好的可靠性和稳定性;小波神经网络识别分类的性能良好,比普通BP神经网络具有更快的收敛速度和更高的识别精度.
障礙物檢測識彆是高壓輸電線路自主除冰機器人的關鍵技術之一.針對220 kV輸電線路特殊的機器人工作環境,提齣一種基于視覺的障礙物識彆方法.首先對拍攝的障礙物圖像進行中值濾波、膨脹腐蝕等預處理,經OTSU閾值優化計算後,用小波模極大值算法提取圖像邊緣.然後計算障礙物邊緣圖像的聯閤不變矩特徵,再把矩特徵輸入小波神經網絡進行障礙物圖像的分類識彆.併選取防震錘、懸垂線夾、耐張線夾三類障礙物做識彆試驗,還把小波神經網絡與普通BP神經網絡識彆性能進行瞭比較,實驗錶明:以聯閤不變矩作為障礙物識彆特徵具有良好的可靠性和穩定性;小波神經網絡識彆分類的性能良好,比普通BP神經網絡具有更快的收斂速度和更高的識彆精度.
장애물검측식별시고압수전선로자주제빙궤기인적관건기술지일.침대220 kV수전선로특수적궤기인공작배경,제출일충기우시각적장애물식별방법.수선대박섭적장애물도상진행중치려파、팽창부식등예처리,경OTSU역치우화계산후,용소파모겁대치산법제취도상변연.연후계산장애물변연도상적연합불변구특정,재파구특정수입소파신경망락진행장애물도상적분류식별.병선취방진추、현수선협、내장선협삼류장애물주식별시험,환파소파신경망락여보통BP신경망락식별성능진행료비교,실험표명:이연합불변구작위장애물식별특정구유량호적가고성화은정성;소파신경망락식별분류적성능량호,비보통BP신경망락구유경쾌적수렴속도화경고적식별정도.