CN102622615B - 基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法 - Google Patents

Abstract

本发明公开了一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，利用特征点匹配方式实现图像中刀闸的触头区域的准确定位，通过图像圆形检测方式，实现对分别位于两个刀闸臂上的圆形特征区域的识别定位，通过计算任意一侧圆形的直径和两个圆形区域中心的距离，计算两者间的比例关系，实现对刀闸状态合位可靠性识别；本发明的有益效果：本发明基于图像模式识别技术实现刀闸合位可靠性识别，代替运行人员实现刀闸合闸到位可靠性的识别，大大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；工作量小，系统成本小，具有较高的实用性。

Description

基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法

技术领域

本发明属于变电站自动化控制领域，尤其涉及一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法。

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，在变电站倒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涩，会造成刀闸分合不可靠故障，这会直接影响到系统供电的安全性和可靠性，可能引起恶性事故的发生，是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，主要的研究成果包括：

1、国家知识产权局于2010年01月20日公告的专利号200910065685.7，名称为“一种刀闸分合到位检测装置”的专利中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，聚光反射体设在刀闸的动触头上，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。

2、国家知识产权局于2011年5月18日公告的专利号201110216378.1，名称为“基于红外检测的变电站刀闸模式识别方法”的专利中提供一种基于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。

3、国家知识产权局于2011年10月27日公告的专利号201110329986.3，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”的专利中提供一种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、“一种刀闸分合到位检测装置”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，且改造过程中需要对线路停电，给生产和生活带来不便。

2、“基于红外检测的变电站刀闸模式识别方法”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自动判别。

3、“一种基于图像模式识别的刀闸分合可靠性识别方法”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，但该方法只是适用于该专利中所述的水平旋转式刀闸，不适用于本文所述类型的刀闸。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，该方法判断精确，工作量小、成本低和有效解决了所述类型刀闸合位可靠性的自动判别的问题的优点。

本发明基于移动机器人，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间距离，实现刀闸分合到位可靠性的自动识别。

本发明采用如下技术方案：

一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，它实现的步骤是：

步骤一、依据刀闸合闸到位数据信息建立合闸到位标准数据模板；

步骤二、计算机对移动机器人实时采集的刀闸合闸状况的可见光或红外图像信息进行分析；

步骤三、对刀闸合闸到位可靠性进行判别；将实时采集的刀闸合闸状况与建立的合闸到位标准数据模板进行比对，若一致则满足刀闸可靠合闸到位；否则，说明刀闸合闸未可靠到位。

所述步骤一具体为：

人工采集刀闸设备合闸到位可见光或红外图像，标定出图像中两个刀闸臂上圆形特征区域；测量任意一侧圆形的直径DM0和两个圆形区域中心的距离DM1，并计算两者比例关系RM＝DM0/DM1，以此作为刀闸合闸到位的模板。

所述步骤二具体步骤如下：

I、利用特征点匹配方式实现图像中刀闸触头区域的准确定位，从而从复杂的背景信息中将刀闸臂上圆形特征区域剥离出来；

II、利用图像圆形检测方式实现对刀闸上两个圆形特征区域的自动识别，进而计算任意一侧圆形的直径D0和两个圆形区域中心的距离D1；通过D0/D1两者比例关系得到R。

所述步骤三具体为：

通过实时采集到的图像中任意一侧圆形的直径和两个圆形区域中心的距离的比例R，与RM进行对比，实现刀闸合位可靠性的判别；刀闸合位可靠性判别规则如下：

即若R-RM≥0则刀闸合位可靠；当R-RM＜0则刀闸合闸到位不可靠。

所述移动机器人包括：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见光摄像机、红外摄像机、雨刷和辅助光源；所述移动机器人还设有可见光、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。

所述特征点匹配方式是利用SURF算法来实现刀闸设备的准确定位。

所述图像圆形检测方式是采用Hough变换算法来实现对刀闸上两个圆形特征区域的识别。

所述SURF算法中，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。

所述特征点匹配方式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。

所述图像圆形检测方式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，为刀闸合闸到位可靠性的判别提供依据。

本发明采用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 Featuresfrom Scale-Invariant Keypoints”。

本发明采用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.DeSmet，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 theHough Transform”。

本发明技术方案的原理是：

建立刀闸合闸到位模板信息，通过利用特征点匹配方式以及图像圆形检测方式，实现对分别位于两个刀闸臂上的圆形特征区域的识别定位，通过计算任意一侧圆形的直径和两个圆形区域中心的距离得出计算两者间的比例关系，并与刀闸合闸到位模板信息相比较，最终实现对刀闸状态合位可靠性识别；

本发明的有益效果包括：

1、本发明基于图像模式识别技术实现刀闸合位可靠性识别，可以代替运行人员实现刀闸合闸到位可靠性的识别，大大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；

2、本发明采用无损检测技术，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；

3、本发明基于图像模式识别技术，工作量小，系统成本小，具有较高的实用性；

附图说明

图1为一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法流程方框图；

图2为一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法流程图；

图3为标出具体实际应用中的刀闸特征点的示意图；

图4为DOG尺度空间；

图5为特征向量。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

图1、图2、图3、图4、图5中表示了一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法的具体实施情况，它实现的步骤是：

步骤一、建立刀闸合闸到位模板信息，

人工采集刀闸设备合闸到位可见光或红外图像，标定出图像中两个刀闸臂上圆形特征点所在区域，测量任意一侧圆形的直径DM0和两个圆形区域中心的距离DM1，并计算RM＝DM0/DM1，以此作为刀闸合闸到位的模板；

步骤二、计算机对移动机器人实时采集到的实时可见光和红外图像信息进行分析，

2.1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D(x，y，ms)，搜索局部极值点，确定备选的特征点。

$G(x,y)=\frac{1}{2{\mathrm{\πs}}^2}{e}^{(-(x^2+y^2)/2s^2)}$

D(x，y，mS)＝(G(x，y，k^mS)-G(x，y，k^m-1S))×I(x，y)

其中m＝1，2，…s，k＝2^1/s，x为图像的横轴坐标变量，y为图像的纵轴坐标变量，I(x，y)为图像在(x，y)坐标处的灰度值，G(x，y)为图像的高斯变换结果，s为尺度空间的分层层数，S为高斯函数标准差，D(x，y，ms)表示相邻尺度的DOG图像。在本实施例中选取如下参数s＝0.5，S＝3。

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4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5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上圆形特征区域剥离出来。

2.2利用Hough变换技术实现对刀闸上两个圆形特征区域的自动识别，进而可以计算任意一侧圆形的直径D0和两个圆形区域中心的距离D1。通过计算R＝D0/D1。一般Hough变换的参数：最小圆形半径取30。

步骤三、对刀闸合闸到位可靠性的判别；将实时采集的刀闸合闸状况与建立的合闸到位标准数据模板进行比对，若一致则满足刀闸可靠合闸到位；否则，说明刀闸合闸未可靠到位。

通过实时采集到的图像中任意一侧圆形的直径和两个圆形区域中心的距离的比例R和刀闸合闸到位模板规定的任意一侧圆形的直径和两个圆形区域中心的距离的比例RM经行对比，实现刀闸合位可靠性的判别。

即若R-RM≥0则刀闸合位可靠；当R-RM＜0则刀闸合闸到位不可靠。

所述移动机器人包括：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见光摄像机、红外摄像机、雨刷和辅助光源；所述移动机器人还设有可见光、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。

所述特征点匹配方式是利用SURF算法来实现刀闸设备的准确定位。

所述图像圆形检测方式是采用Hough变换算法来实现对刀闸上两个圆形特征区域的识别。

所述SURF算法中，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。

通过本实施例说明：本发明可以代替运行人员实现刀闸合闸到位可靠性的识别，大大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；本发明利用图像模式识别技术，不需要对刀闸设备进行改造，工作量小，系统成本小，具有较高的实用性。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (6)

1.一种基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，它实现的步骤是：

步骤一、依据刀闸合闸到位数据信息建立合闸到位标准数据模板；

步骤二、计算机对移动机器人实时采集的刀闸合闸状况的可见光或红外图像信息进行分析；

步骤三、对刀闸合闸到位可靠性进行判别；将实时采集的刀闸合闸状况与建立的合闸到位标准数据模板进行比对，若一致则满足刀闸可靠合闸到位；否则，说明刀闸合闸未可靠到位；

所述步骤一具体为：

人工采集刀闸设备合闸到位时可见光或红外图像，标定出图像中两个刀闸臂上圆形特征区域；测量任意一侧圆形的直径DM0和两个圆形区域中心的距离DM1，并计算两者比例关系RM=DM0/DM1，以此作为刀闸合闸到位的模板；

所述步骤二具体步骤如下：

I、利用特征点匹配方式实现图像中刀闸触头区域的准确定位，从而从复杂的背景信息中将刀闸臂上圆形特征区域剥离出来；

II、利用图像圆形检测方式实现对刀闸上两个圆形特征区域的自动识别，进而计算任意一侧圆形的直径D0和两个圆形区域中心的距离D1；通过D0/D1两者比例关系得到R。

2.如权利要求1所述的基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，所述步骤三具体为：

通过实时采集到的图像中任意一侧圆形的直径和两个圆形区域中心的距离的比例R，与RM进行对比，实现刀闸合位可靠性的判别；刀闸合位可靠性判别规则如下：

即若R-RM≥0则刀闸合位可靠;当R-RM<0则刀闸合闸到位不可靠。

3.如权利要求1所述的基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，所述移动机器人包括：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见光摄像机、红外摄像机、雨刷和辅助光源；所述移动机器人还设有可见光、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。

4.如权利要求1所述的基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，所述特征点匹配方式是利用SURF算法来实现刀闸设备的准确定位。

5.如权利要求1所述的基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，所述图像圆形检测方式是采用Hough变换算法来实现对刀闸上两个圆形特征区域的识别。

6.如权利要求4所述的基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法，其特征是，所述SURF算法中，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。

Images