CN102622614B - 基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法 - Google Patents

Abstract

本发明公开了一种基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，应用于在竖直面内旋转以进行分合的刀闸，所述判别方法包括以下步骤：A．模板信息生成步骤；B．实时图像采集后的预处理步骤；C．分合到位判断步骤，通过比较图像采集中状态不发生变化或者变化较小的要素的比较进行判断。依据本发明的刀闸合位可靠性判别法有效的解决该类刀闸合位可靠性的自动判别问题。

Description

基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法

技术领域

本发明涉及一种基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法。

背景技术

在变电运行中，刀闸是一种转换运行方式的重要设备，《电力工业技术法规》专门针对刀闸配置了一套操作注意事项。在变电站刀闸操作中由于刀闸二次回路限位开关异常或刀闸一次部分机械构件存在松动或者卡滞，会造成刀闸分合不可靠的故障，这会直接影响到系统供电的安全性和可靠性，甚至可能会引起恶性事故，这势必影响工农业的生产和人们的正常生活，给国民经济带来损失。

为有效防止刀闸分合不可靠引发的人身和重大设备事故，国内外许多机构都对此进行了深入的研究，并提出了很多有益的探索：

如中国CN101629833A公开了一种刀闸分合到位检测装置，该装置具有刀闸动作辅助接点，刀闸动作辅助接点与操作保护装置连接，还具有聚光反射体和光反射接收装置，所述聚光反射体设在刀闸的动触头上，而所述光发射接收装置设置在刀闸底座安全平台上，一组光发射接收装置发射并接收到刀闸在合闸到位时由聚光反射体反射回的光束，另一组光发射接收装置发射并接收到刀闸在分闸到位时由聚光反射体反射回的光束，由光发射接收装置的对比判断电路的输出端与刀闸辅助接点连接，判断出刀闸是否分合到位。 

中国CN102289676A则公开了一种基于红外检测的变电站刀闸模式识别方法，提出基于SIFT特征的电力刀闸状态识别方法，代替人来实现刀闸分合状态的自动识别。

山东鲁能智能技术有限公司于2011年10月27日向中国国家知识产权局提出了名称为“一种基于图像模式识别的刀闸分合可靠性识别方法”的专利申请，申请号为201110329986.3，提出了通过分析电力刀闸图像特征来识别刀闸分合可靠状态识别方法，由此代替人来实现刀闸分合可靠性状态的自动识别。

上述研究都取得了一定程度上的有益效果，但仍存在如下问题：

1、中国CN101629833A通过改变刀闸的物理构造来实现刀闸分合到位的判断，需要对刀闸设备进行改造，工作量大，且成本较高；另一方面，在改造过程中需要对线路停电，给生产和生活带来不便。

2、而中国CN102289676A通过对红外图像的分析来达到刀闸分合状态的自动识别，但无法实现对刀闸分合到位可靠性的进行自动判别。

3、中国第201110329986.3号申请通过图像模式识别技术来达到刀闸分合可靠性的自动识别，但其应用由其局限性，只适用于该申请所披露的水平旋转式刀闸。

发明内容

因此，本发明的目的在于提供一种基于刀闸臂特征点与固定端距离的刀闸状态合位可靠性判别法，适用于在竖直面内旋转以分合的刀闸，有效的解决该类刀闸合位可靠性的自动判别问题。

为了实现本发明的发明目的，采用以下技术方案：

一种基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，应用于在竖直面内旋转以进行分合的刀闸，该刀闸包括由其固定端构成的基座，与该基座铰接以形成竖直平面内转动副的刀闸臂，以及对应刀闸臂目标接合端的接合座，其中刀闸臂中部设有一个转动轴线水平的关节，且关节部位侧面投影为一圆形，所述判别方法包括以下步骤：

A．模板信息生成步骤，人工采集所述刀闸合闸到位时的光学图像，选择并标定所述关节部位的圆形特征和基座上能够为匹配所述光学图像的光学分析所识别的参考特征，测量圆形特征中心到刀闸臂连架端转轴中心的第一距离和参考特征的第一长度，取所述第一距离与第一长度的基准比值为刀闸合闸到位的模板，对应的光学图像为模板图像；

B．实时图像采集后的预处理步骤，对实时采集到的光学图像进行特征点匹配，利用Hough变换提取关节部位的圆形特征和基座上的参考特征，生成第一预处理图像，进而计算该第一预处理图像上圆形特征中心到刀闸连架端转轴中心的第二距离和参考特征的第二长度，从而计算该第二距离与第二长度的实时比值；

C．分合到位判断步骤，若实时比值小于等于基准比值，则刀闸分合可靠，反之，若实时比值大于基准比值，则刀闸分合不可靠。

依据上述方法，依据竖直平面内旋转分合的刀闸的结构特点，提取其中的典型特征，基于图像模式识别算法实现道闸分合到位可靠性的识别，不仅满足代替运行人员实现刀闸分合到位可靠性的识别，以减轻运行人员的劳动强度，缩短操作时间，消除现场人员的主观因素的影响，而且通过对易于识别的特征的提取，减少系统开销，且能够对刀闸分合到位可靠性进行准确识别。

另一方面，依据上述方案，建立在移动机器人载有的光学采集设备进行图像采集，不需要对刀闸设备进行改造，工作量小，不会影响电力设备的运行，系统成本小，具有较高的推广价值。

上述基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，所述参考特征选择为基座一侧水平方向上的图像特征，易于识别，且基座本身属于固定不同的部件，具有参考的相对稳定性；另外，所适用刀闸的分合到位状态为水平状态，基于此具有更加的参考价值。

较佳地，上述基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，所述参考特征为基座的外框，具有比较鲜明的特征，可以更有效的区分背景，容易消除噪声对图像识别的影响。

由于机器人具有停靠精度和所在有光学摄像头云台控制精度的问题，必然会对采集图像的精度产生影响，具体为刀闸在图像中的位置会有改变，因此，上述基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，所述步骤B含有对刀闸在所采集光学图像中通过SURF算法进行定位的步骤，然后再进行识别，可以减少计算量，进而降低系统开销。

根据权利要求4所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，对刀闸在所采集光学图像中通过SURF算法进行定位的步骤是以模板对应的图像设定的特征点为基础，通过SURF算法特征点的提取和匹配实时采集的图像对刀闸进行定位。

进而，上述基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，对刀闸在所采集光学图像中通过SURF算法进行定位的步骤具体包括：

生成选定的特征点的特征向量，并生成实时图像的SURF特征向量，进行图像配准，配准时以实时图像和模板图像中对应特征点特征向量间的欧式距离作为相似性判定的度量；

依据实时图像和模板图像间的特征点的匹配关系，计算出两幅图像间的投影变换矩阵，实现实时图像中刀闸设备的准确定位。

为了减少噪声影响，利用Hough变换进行圆形特征提取时取一个过滤阈值。

较佳地，所述过滤阈值取最小圆形半径值，取值为30个像素。

附图说明

图1为一种基于刀闸臂特征点与固定端距离的刀闸状态合位可靠性判别法流程方框图；

图2为一种基于刀闸臂特征点与固定端距离的刀闸状态合位可靠性判别法流程图。

图3为DOG尺度空间；

图4为SURF特征向量。

具体实施方式

竖直面内旋转分合的刀闸的结构特点是，含有一个基座，或者说叫做固定端，一个中部设有关节并铰接于所述基座的刀闸臂，所形成的转动副在竖直平面内，其中关节部位的明显特征是其侧面投影为一个圆盘形的结构，比较容易识别，而在基座侧，比较容易识别的则是圆角矩形，长边平行于所述刀闸臂在分合到位状态下的形态，也就是水平状态。

为了减少人力消耗，或者固定光学采集设备安装不便的缺陷，本方案基于移动机器人，通过分析移动机器人采集到的可见光或红外图像，利用图像模式识别技术，通过分析刀闸臂特征点与固定端距离，实现刀闸分合到位可靠性的自动识别。

利用移动机器人进行数据，尤其是图像采集的缺陷在于其停止位的准确性并受摄像头云台精度的影响，不如固定采集设备所采集的图像那样具有一致性，不过通过参考量的设置可以避开这一点。

以此所采用如下的基本技术方案：利用特征点匹配技术实现图像中刀闸的固定端区域的精确定位，通过图像圆形检测技术，可以实现对位于刀闸臂上的圆形特征区域的识别定位，计算刀闸圆形特征区域中心与刀闸固定端间的距离和刀闸固定端的特征长度。通过计算两者间的比例关系，实现对刀闸状态合位可靠性识别。

依据上述方法，是一种无损检测技术，无需对刀闸设备进行改造，系统简单、灵活、且投资较小，能满足变电站刀闸操作需求。

参见说明书附图1和附图2，其实现主要有以下三个步骤：

A．首先是模板信息的生成步骤，提供比较的基础，尤其是要选择一些稳定的、不随外界环境变化的特征点。

通过人工采集刀闸设备合闸到位时的可见光或红外图像，选择并标定出图像中刀闸固定端区域以及刀闸臂上圆形特征的位置，测量刀闸圆形特征区域中心与刀闸固定端间的距离DM1和选定的刀闸固定端的特征长度DM0，并计算RM= DM0 / DM1，以此作为刀闸合闸到位的模板。其中DM1指的是几何上的距离，以过刀闸臂固定端或者说铰接端的回转轴线的竖直面为参考，刀闸臂上圆形特征距离该面的距离，显然，当以分合到位为基准，水平方向为零位，那么当刀闸臂与水平面有夹角时，就是分合不到位，所述距离会变小，相应的RM会增大。

而固定端指的是前述的基座，其长度在此表示为水平上平行于刀闸臂分合到位时的方向上的边框长度，相对比较容易识别和测量。

此外，选定的刀闸固定端的特征应为移动机器人上光学图像采集设备易于识别的结构特征，有利于后续的识别和处理。

B．实时图像信息分析处理步骤，也就是对相关图像的与处理步骤：

对移动机器人实时采集到的可将光和红外图像进行分析，其具体过程如下：

利用特征点匹配技术实现移动机器人实时采集到的图像中刀闸固定端区域的精确定位，从而从复杂的背景信息中将刀闸固定端特征区域剥离出来，并可得到刀闸固定端的特征长度D0。

移动机器人的采集状态不同，采集到的图像会有差异，但其中的一些特征不会随着采集环境的变化而变化，如某些特征点的比例关系，因此，依据上述技术手段可以有效地规避移动机器人定位精度差的缺陷。

利用图像圆形检测技术实现对刀闸上圆形特征区域的自动识别，进而可以计算刀闸臂上圆形特征中心到刀闸固定端的距离D1，并计算R = D0 / D1。

C．刀闸分合到位可靠性的判别步骤：

通过实时采集到的图像中刀闸圆形特征区域中心与刀闸固定端间的距离和刀闸固定端的特征长度的比例R和刀闸合闸到位模板规定的刀闸圆形特征区域中心与刀闸固定端间的距离和刀闸固定端的特征长度的比例RM经行对比，实现刀闸合位可靠性的判别。刀闸分合到位可靠性判别规则如下： 

若R〉RM，则表示分合不到位，否则表示分合到位，条件是R≤RM；依据前述的RM的由来的解释可以清楚地其原理。

所述移动机器人集成可见光、红外传感器，实现基于磁信号和RFID技术的自主导航和准确定位，具备自主充电、无线传输功能，并安装有雨刷、辅助光源等辅助设备。其主要有以下部分构成：安装有驱动器、电源和控制计算机的机器人本体，与机器人本体相连的磁传感器和RFID传感器，安装在机器人本体上方的云台，安装在云台上方的可将光摄像机、红外摄像机、雨刷和辅助光源。

所述特征点匹配技术是利用图像模式识别算法，分别在模板和实时图像中提取其中存在的一些稳定的、不随外界环境变化而变化的特征点，遍历这些特征点，找到模板图像和实时图像中相互匹配的特征点对，通过这些特征点对的信息，求取模板图像和实时图像之间的映射关系，利用模板信息中标定的刀闸区域的位置信息，进而实现实时图像中刀闸的准确定位。

本方案采用SURF算法来实现设备的准确定位，其算法出自于David G. Lowe 于2004年在《International Journal of Computer Vision》上发表的“Distinctive Image Features from Scale-Invariant Keypoints”。 

所述图像圆形检测技术是在提取出刀闸臂上圆形特征所在区域图像的基础上，利用图像处理技术提取图像中圆形区域，为刀闸分合到位可靠性的判别提供依据。本方案采用Hough变换算法来实现刀闸臂上圆形特征提取，其算法出自L.Pires,P.De Smet,I.Bruyland于2000年在《International Conference on Image Processing》发表的“Line extraction with the use of an automatic gradient threshold technique and the Hough Transform”。

同时依据Hough变换可以进行直线特征的提取。

关于实时图像信息分析处理步骤，更具体的表述如下：

首先对移动机器人采集的实时图像和模板图像进行SURF特征点提取和匹配，从而从复杂的背景信息中将刀闸固定端区域剥离出来，主要有两个步骤： 

 对移动机器人采集的实时图像和模板图像进行SURF特征点提取和匹配，从而从复杂的背景信息中将刀闸设备剥离出来，主要有两个步骤： 

1、分别生成实时图像和模板图像的SURF特征向量并进行图像配准。建议对每个关键点使用4×4共16个种子点来描述，计算8个方向的梯度方向直方图，即最终形成128维的SURF特征向量，其具体过程如下：

A、尺度空间的生成。尺度空间的图像是利用一组连续的高斯卷积核与原图像进行卷积生成的。将相邻尺度的图像相减得到一组Difference of Gaussian(DOG)图像，搜索局部极值点，确定备选的特征点。

其中，

为图像的横轴坐标变量，

为图像的纵轴坐标变量，

为图像在

坐标处的灰度值，

为图像的高斯变换结果，

为尺度空间的分层层数，

为高斯函数标准差，

表示相邻尺度的DOG 图像。在本实施例中选取如下参数

。

B、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3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间均检测到极值点。

C、通过拟合特征向量函数方程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。

D、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。

E、在以关键点为中心的8×8的窗口内，分成4个4×4的小块，在每4×4的小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值，即可形成一个种子点，如图4所示。实际计算过程中，为了增强匹配的稳健性，建议对每个关键点使用4×4共16个种子点来描述，这样对于一个关键点最终形成128维的SURF特征向量。此时SURF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一化，则可以进一步去除光照变化的影响。

2、由实时图像和模板图像间的特征点的匹配关系，计算两幅图像之间的投影变换矩阵，实现实时图像中刀闸设备的准确定位，最终从复杂的背景信息中将刀闸臂固定端特征区域剥离出来。

然后利用Hough变换技术实现对刀闸臂上圆形特征区域的自动识别，进而可以计算刀闸臂上圆形特征中心到刀闸固定端的距离D1，并计算R = D0 / D1。一般Hough变换的参数：最小圆形半径取30个像素。

进而就可以进行刀闸分合到位可靠性的判别步骤。

Claims (8)

1.一种基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，应用于在竖直面内旋转以进行分合的刀闸，该刀闸包括由其固定端构成的基座，与该基座铰接以形成竖直平面内转动副的刀闸臂，以及对应刀闸臂目标接合端的接合座，其中刀闸臂中部设有一个转动轴线水平的关节，且关节部位侧面投影为一圆形，其特征在于，所述判别方法包括以下步骤：

A.模板信息生成步骤，人工采集所述刀闸合闸到位时的光学图像，选择并标定所述关节部位的圆形特征和基座上能够为匹配所述光学图像的光学分析所识别的参考特征，测量圆形特征中心到刀闸臂连架端转轴中心的第一距离和参考特征的第一长度，取所述第一距离与第一长度的基准比值为刀闸合闸到位的模板，人工采集所述刀闸合闸到位时的光学图像为模板图像；

B.实时图像采集后的预处理步骤，对实时采集到的光学图像进行特征点匹配，利用Hough变换提取关节部位的圆形特征和基座上的参考特征，生成第一预处理图像，进而计算该第一预处理图像上圆形特征中心到刀闸连架端转轴中心的第二距离和参考特征的第二长度，从而计算该第二距离与第二长度的实时比值；

C.分合到位判断步骤，若实时比值小于等于基准比值，则刀闸分合可靠，反之，若实时比值大于基准比值，则刀闸分合不可靠。

2.根据权利要求1所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，所述参考特征选择为基座一侧水平方向上的图像特征。

3.根据权利要求2所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，所述参考特征为基座的外框。

4.根据权利要求1至3任一所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，所述步骤B中在进行Hough变化的同时还包括对刀闸在所采集光学图像中通过SURF算法进行定位的步骤。

5.根据权利要求4所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，对刀闸在所采集光学图像中通过SURF算法进行定位的步骤是以模板对应的图像设定的特征点为基础，通过SURF算法特征点的提取和匹配实时采集的图像对刀闸进行定位。

6.根据权利要求5所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，对刀闸在所采集光学图像中通过SURF算法进行定位的步骤具体包括：

生成选定的特征点的特征向量，并生成实时图像的SURF特征向量，进行图像配准，配准时以实时图像和模板图像中对应特征点特征向量间的欧式距离作为相似性判定的度量；

依据实时图像和模板图像间的特征点的匹配关系，计算出两幅图像间的投影变换矩阵，实现实时图像中刀闸设备的准确定位。

7.根据权利要求1所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，利用Hough变换进行圆形特征提取时取一个过滤阈值。

8.根据权利要求7所述的基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法，其特征在于，所述过滤阈值取最小圆形半径值，取值为30个像素。

Images