基于图像识别的移动机器人自动完成充电

移动机器人正在慢慢普及到我们的生活当中,而移动机器人在移动过程中消耗电能,当电能耗尽时需要人工为移动机器人进行充电,提出一种基于图像识别的方法,让机器人自动完成充电。移动机器人通过对图像的纹理分析和对兴趣点的快速匹配SIFT算法完成移动机器人识别电源插座,实现自动充电。本文的方法充分考虑到由于移动机器人的灵活多变性对所采集到的图像造成的影响,如图像旋转,图像周围有遮挡物体等,用纹理分析与SIFT算法识别插座,当所采集的图像与机器人本身记忆的图像达到一定匹配度时,移动机器人将完成自动充电。     

机器人路径规划及目标识别算法在变电站检测机器人中的应用

针对变电站X射线检测机器人的路径规划问题,提出将A*算法和人工势场法结合的方法将搭载X射线检测设备的移动机器人送达指定的待检测地点,并利用SIFT算法对于GIS等电力设备检测目标进行识别,根据是图像的局部SIFT特征找出电力设备的待检测部位的特征及位置,以便开展X射线检测工作。     

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂，物料分布具有随机性，导致机器人目标位姿的辨识和定位精度低，实时性差，为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理，构建多尺度灰度差异算子以及局部图像熵算子，将两者点积运算获取加权局部熵，抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息，提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理，采用优化后的BP神经网络算法对提取的特征展开训练和识别，最终实现机器人目标位姿识别。实验结果表明，当机器人目标测试样本数量为55个时，所提方法的亮度方差为0.305,当像素识别误差为1.5%时，所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标，获取高精度的机器人目标位姿识别结果。     

基于磁耦合谐振的自主无线充电机器人系统设计

设计了具有非接触自主无线充电功能的室内移动机器人系统,采用基于磁耦合谐振原理的无线电能传输技术对机器人进行非接触无线充电。发射线圈埋于室内固定某处,其上方放置扬声器,接收线圈安放在机器人底部。充电步骤为:机器人通过监测电池电压或用户发送手机短信的方式开启充电程序,同时触发能量发射系统语音播放单元,使其播放语音指令呼叫机器人充电;机器人利用DSP实时采集语音信号,并通过声源定位算法判断发射系统方向,利用DSP进行驱动控制,指导其寻找发射源;当机器人进入发射源指定区域范围内,便可实现无线充电。该系统具有自主移动寻源和非接触无线充电的特点,无需人为干预,机器人可在几十秒内快速找到发射源并实现自主无线充电。     

基于改进遗传算法的变电站巡检机器人行驶轨迹优化

针对变电站巡检机器人巡检效率问题,研究一种移动机器人的巡检系统在变电站的应用情况。基于改进遗传算法,对机器人巡检的路线进行优化,优化过程中将变电站平面图网格化处理便于计算,计及最高寻址效率,以行驶距离最短为优化目标。鉴于实际使用工况,优化方法考虑了若电量剩余较少时,机器人应自动停止寻址,并返回充电,充电后继续按照优化寻址轨迹进行巡检这种情况。通过工程计算仿真分析发现,所提优化方法可使机器人快速完成站内寻址,与未采取优化的机器人相比,优化机器人寻址效率更高,行驶距离更短,尤其适用于大型变电站。     

一种适用于智能变电站巡检机器人的双针仪表读数的识别算法

提出一种适合智能变电站巡检机器人室外工作环境的对变电站双指针式仪表设备读数的识别算法。首先针对双针仪表设备图像,进行设备模板化处理,并在模板库中建立仪表的min刻度和max刻度的位置信息。对于机器人实时采集的仪表图像,先要在后台服务中调取相应采集位置设备的模板图,利用尺度不变特征变换(SIFT)算法,在输入图像中匹配提取仪表表盘区域子图像。而后除去上方指针在表盘中的阴影降低指针误识别率,再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(Fast Hough Transform)检测两条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。此算法经过国内某500 kV智能变电站巡检机器人实地测试,各种仪表综合识别率超过95%,对仪表的读数具有高精度高鲁棒性,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。     

电力设备红外图像缺陷检测

机器人在巡检过程中采集到的红外图像很难反映设备目标的纹理信息。人工方法或传统机器学习方法不能精准识别和分类电力设备缺陷,同时其他环境因素容易导致误判。采用CenterNet结合结构化定位的算法模型,通过对现场红外图像数据样本收集、训练及验证算法模型的计算,实现从复杂的红外图像中以较高的准确率将不同变电站设备及其部件识别定位出来。根据设备部件表面温度范围值和识别定位出的变电站设备类型,结合相关温度规范实现电力设备红外图像缺陷检测。实验结果表明,该方法提高了电力设备红外图像缺陷检测的检测精度,为电力设备红外图像智能检测提供了新的思路。     

基于分水岭与Krawtchouk不变矩相结合的改进方法在变电站巡检图像处理中的应用

变电站的巡检机器人在执行巡检任务时,由于位置的变动导致采集的现场设备图像内容出现差异。针对传统定点拍摄的图像处理方法不能满足变电站设备图像处理要求的问题,该文提出了一种基于标记分水岭模型与Krawtchouk不变矩相结合的改进算法,以实现巡检图像中的设备存在遮挡物及仿射变换情况下的目标分割与特征量提取,基于Hsim函数完成最终的目标识别。以松原500 k V变电站巡检机器人实际拍摄的图像为例,结果证明所提算法能够对设备图像进行有效的分割与分类,并通过特征量匹配实现对变电站设备现场状态的甄别,为变电站现场设备图像智能处理提供一种可行的方案。     

基于地理信息的电力线全景图像信息融合方法

提出一种基于地理信息的电力线全景图像拼接方法。首先利用自动巡检机器人同步采集电力线的可见光图像和红外图像,采用尺度不变特征变换(SIFT)特征匹配算法分别拼接成全景图。其中红外全景图用于电力线的故障检测,可见光全景图对故障作进一步的可视化辅助检测,实现了故障信息、GPS信息和全景图像的融合,能够较精确地确定故障处的实际地理位置,提高了对电力线的维修效率。     

一种基于图像处理的目标识别算法

在未知环境中,移动机器人的同步定位与地图创建是机器人研究领域的一个非常重要的问题.作为自主机器人,能够可靠地探索未知环境中的目标或局部环境,是否具有视觉信息采集能力是非常重要的,基于尺度不变的特征变换算法(SIFT)在图像匹配与检测方面具有强大的功能.提出了一种方法来优化SIFT特征向量的维度,降低算法的复杂度,提高算...     

基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别

新型电力系统中电能质量扰动问题愈加复杂和严重,多种电能质量扰动同时出现,导致传统算法识别准确率降低。 提出一种基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别算法。采用马尔可夫变迁场将电能质量扰动信号可视化映射为二维特征图像;通过EfficientNet卷积神经网络处理图像数据,实现扰动信号的特征提取;利用神经架构搜索自动调节卷积神经网络超参数进行网络训练,建立电能质量扰动分类识别模型。仿真结果表明,所提方法能够准确高效地提取扰动信号特征,对复合电能质量扰动分类效果好且抗噪声能力强。     

基于阵列式发射模组的群体机器人动态无线供电路径规划研究

群体机器人可依靠群智能有效分工协作完成复杂和大规模任务,在物流、制造、交通和军事等领域有极大的应用价值。然而,目前已有电能补给方式均无法满足其持续不间断充电的需求,导致强大的协同工作能力得不到充分发挥。为此,本文提出一种基于阵列式发射模组的群体机器人动态无线充电方式,可为群体机器人工作过程中实时供给电能。首先,分析了机器人动态无线充电过程中效率和功率的波动特性。其次,以充电效率最优为目标,提出一种带有惩罚机制改进的蚁群算法以及协同工作模式,并应用于群体机器人协同动态无线充电系统。最后,进行仿真实验,验证了本文提出的方法可实现群体机器人在动态无线充电过程中稳定可靠协同工作。本文的研究对群体智能的研究具有极大的促进作用。     

模糊神经网络应用于巡检机器人路径规划及绝缘子视觉图像处理

目前变电站巡检机器人广泛应用于变电站巡检过程中,主要巡检高压电力设备绝缘子、均压环等外部配件。在巡检过程中,机器人配备红外成像仪、紫外成像仪存储高压电力设备光子分布图、温度分布图,建立设备红外与紫外图像数据库。一方面,机器人在巡检过程中应有效规避变电站较高电场强度区域,在巡检过程中应以最短距离遍历变电站典型高压电力设备,且机器人机械臂可有效进行图像多角度采集。另一方面,在图像采集过程中应实现机器人对设备绝缘子、均压环图像区域分割、聚焦和光子采集操作,且应用深度学习方法实现采集图片与原始图像库的自动匹配比较,判别高压电力设备运行状态进而发现潜伏性绝缘故障。其中最短低场强路径与遍历设备路线应用免疫蚁群算法自动实现,且图像数据库深度学习与自动匹配模块应用模糊神经网络实现。联合免疫蚁群算法与模糊神经网络应用于变电站巡检机器人路径规划及视觉图像后处理,对于变电站高压电力设备智能巡检具有一定理论和工程指导价值。     

多信息融合的目标辨识研究

针对智能移动机器人未知环境探测与地图创建的研究与应用,在优化图像匹配算法的基础上,提出了一种基于图像信息与激光测距信息融合的算法,用于机器人作业环境中进行目标有效辨识,以完成机器人的环境探测与地图创建。实验结果证明了该算法的可行性和有效性。     

用电信息采集系统电能计量数据异常识别研究

针对电能计量数据识别异常问题,进行用电信息采集系统电能计量数据异常识别方法的研究。选取改进的粒子群算法优化支持向量机核函数参数,构建电能质量扰动模型,对用电信息系统采集的电能计量异常数据实施分类;利用LOF算法计算异常因子,采用飞走异常智能分析方法所确定的扰动模型来判断电能计量器示值是否异常,完成电能计量数据异常识别过程。实验结果表明：该方法对异常数据分类较为精准,识别准确率高达98.50%;检测时间较短,仅为1.121 s,均优于对比方法。说明能更好地防止发生错误判断,可有效提升电能计量数据异常判断的质量和效率。     

基于特征算法的塔式光热电站镜场云识别技术研究

地表太阳辐照度是塔式光热电站稳定运行的关键影响因素。针对电站镜场云层遮挡会影响地表辐照度数值，带来设备安全与集热量之间的矛盾问题，利用全天空成像仪对镜场上空云层进行实时监测。结合Otsu、Surf和HOG算法，提出颜色、边缘和纹理组合视觉特征算法。根据真实采集云层图像对所提组合算法与单一算法进行准确率对比分析。结果表明，组合算法对各类云状识别准确率远高于单一算法，验证了所提方法的有效性和优越性。     

基于扩展扫描区域的现场表计指针识别方法

为了满足变电站巡检机器人对现场表计指针的智能识读要求,文中提出一种基于扩展扫描区域的现场表计指针识别方法。通过改进的SIFT算法进行图像匹配并求出单应矩阵,利用单应矩阵将在模板图像上标定的刻度弧线映射到待测图像上,通过扩展扫描区域,依据检测曲线路径上像素点的灰度值和确定指针位置并计算读数。文中对变电站现场的五种仪表,共计500张图片进行了测试。实验结果表明,文中所提算法简单实用、稳定且识别精度高,可以对多种不同的仪表进行识别,适用性强,在变电站多类指针表计识别中具有较好的应用前景。     

移动机器人检测识别技术的研究

在计算机视觉领域中,对于物体检测识别等技术的广泛应用而受到了大量学者的研究与关注。其中SIFT算法作为一项关键技术依然存在配准实时性较低与耗时问题,针对此问题,采用了局部特征配准的方法,特征点检测的区域缩小了,从而减少了两张图像配准的特征点数目,最终提升了SIFT算法的运行效率。并成功地应用于实验室的服务机器人的平台中,准确性和有效性得到了验证。     

基于遗传优化神经网络在高压瓷瓶裂缝识别中的应用

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测.本文通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集,并通过滤除噪声、图像分割等预处理操作和形状特征,完成图像中裂缝的定位.对于聚焦放大后的裂缝图像提取五个特征值,得出图像信息.最后利用遗传算法和BP网络、RBF网络相结合的算法,分别实现对绝缘瓷瓶裂缝五种状态的分类识别.通过仿真和实验比较表明该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其它领域.     

高分辨率瓷砖图像实时拼接算法

为了解决不同纹理瓷砖图像的快速拼接问题，研究了图像拼接算法。首先，分析了图像拼接中速度和精度的关系，通过构建高斯金字塔尺度空间以减少程序的运算时间。然后，采用相位相关法配准瓷砖图像。在这个过程中，结合亚像素细化补偿分辨率下降引起的配准误差，并提出一种基于拉普拉斯算子的高频特征凸显策略以增强相位相关法鲁棒性。在多种颜色和纹理的瓷砖图像拼接实验表明，所提出的算法相比于基于SIFT和ORB算法，拼接成功率提升了60%和65%;相比于SURF、H-SURF和FFT算法，SSIM提升了9.04%、7.58%和4.02%。在运行速度上，所提出的方法相比于SIFT、SURF和H-SURF算法提升了4倍、3倍和2倍，仅为传统基于傅里叶变换的相位相关法的52%。该算法实现了快速和高质量的图像拼接，满足了工业应用中对高分辨率瓷砖的成像要求。