專利名稱：基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法的制作方法
技術領域：
本發(fā)明涉及一種基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法。
背景技術：
在變電運行中，刀閘是一種轉(zhuǎn)換運行方式的重要設備，《電力工業(yè)技術法規(guī)》專門針對刀閘配置了一套操作注意事項。在變電站刀閘操作中由于刀閘二次回路限位開關異?；虻堕l一次部分機械構件存在松動或者卡滯，會造成刀閘分合不可靠的故障，這會直接影響到系統(tǒng)供電的安全性和可靠性，甚至可能會引起惡性事故，這勢必影響工農(nóng)業(yè)的生產(chǎn)和人們的正常生活，給國民經(jīng)濟帶來損失。為有效防止刀閘分合不可靠引發(fā)的人身和重大設備事故，國內(nèi)外許多機構都對此進行了深入的研究，并提出了很多有益的探索
如中國CN101629833A公開了一種刀閘分合到位檢測裝置，該裝置具有刀閘動作輔助接點，刀閘動作輔助接點與操作保護裝置連接，還具有聚光反射體和光反射接收裝置，所述聚光反射體設在刀閘的動觸頭上，而所述光發(fā)射接收裝置設置在刀閘底座安全平臺上，一組光發(fā)射接收裝置發(fā)射并接收到刀閘在合閘到位時由聚光反射體反射回的光束，另一組光發(fā)射接收裝置發(fā)射并接收到刀閘在分閘到位時由聚光反射體反射回的光束，由光發(fā)射接收裝置的對比判斷電路的輸出端與刀閘輔助接點連接，判斷出刀閘是否分合到位。中國CN102289676A則公開了一種基于紅外檢測的變電站刀閘模式識別方法，提出基于SIFT特征的電力刀閘狀態(tài)識別方法，代替人來實現(xiàn)刀閘分合狀態(tài)的自動識別。山東魯能智能技術有限公司于2011年10月27日向中國國家知識產(chǎn)權局提出了名稱為“一種基于圖像模式識別的刀閘分合可靠性識別方法”的專利申請，申請?zhí)枮?01110329986. 3，提出了通過分析電力刀閘圖像特征來識別刀閘分合可靠狀態(tài)識別方法，由此代替人來實現(xiàn)刀閘分合可靠性狀態(tài)的自動識別。上述研究都取得了一定程度上的有益效果，但仍存在如下問題
I、中國CN101629833A通過改變刀閘的物理構造來實現(xiàn)刀閘分合到位的判斷，需要對刀閘設備進行改造，工作量大，且成本較高；另一方面，在改造過程中需要對線路停電，給生產(chǎn)和生活帶來不便。2、而中國CN102289676A通過對紅外圖像的分析來達到刀閘分合狀態(tài)的自動識別，但無法實現(xiàn)對刀閘分合到位可靠性的進行自動判別。3、中國第201110329986. 3號申請通過圖像模式識別技術來達到刀閘分合可靠性的自動識別，但其應用由其局限性，只適用于該申請所披露的水平旋轉(zhuǎn)式刀閘
發(fā)明內(nèi)容

因此，本發(fā)明的目的在于提供一種基于刀閘臂特征點與固定端距離的刀閘狀態(tài)合位可靠性判別法，適用于在豎直面內(nèi)旋轉(zhuǎn)以分合的刀閘，有效的解決該類刀閘合位可靠性的自動判別問題。
為了實現(xiàn)本發(fā)明的發(fā)明目的，采用以下技術方案
一種基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，應用于在豎直面內(nèi)旋轉(zhuǎn)以進行分合的刀閘，該刀閘包括由其固定端構成的基座，與該基座鉸接以形成豎直平面內(nèi)轉(zhuǎn)動副的刀閘臂，以及對應刀閘臂目標接合端的接合座，其中刀閘臂中部設有一個轉(zhuǎn)動軸線水平的關節(jié)，且關節(jié)部位側面投影為一圓形，所述判別方法包括以下步驟 A.模板信息生成步驟，人工采集所述刀閘合閘到位時的光學圖像，選擇并標定所述關節(jié)部位的圓形特征和基座上能夠為匹配所述光學圖像的光學分析所識別的參考特征，測量圓形特征中心到刀閘臂連架端轉(zhuǎn)軸中心的第一距離和參考特征的第一長度，取所述第一距離與第一長度的基準比值為刀閘合閘到位的模板，對應的光學圖像為模板圖像；
B.實時圖像采集后的預處理步驟，對實時采集到的光學圖像進行特征點匹配，利用Hough變換提取關節(jié)部位的圓形特征和基座上的參考特征，生成第一預處理圖像，進而計算該第一預處理圖像上圓形特征中心到刀閘連架端轉(zhuǎn)軸中心的第二距離和參考特征的第二長度，從而計算該第二距離與第二長度的實時比值；
C.分合到位判斷步驟，若實時比值小于等于基準比值，則刀閘分合可靠，反之，若實時比值大于基準比值，則刀閘分合不可靠。依據(jù)上述方法，依據(jù)豎直平面內(nèi)旋轉(zhuǎn)分合的刀閘的結構特點，提取其中的典型特征，基于圖像模式識別算法實現(xiàn)道閘分合到位可靠性的識別，不僅滿足代替運行人員實現(xiàn)刀閘分合到位可靠性的識別，以減輕運行人員的勞動強度，縮短操作時間，消除現(xiàn)場人員的主觀因素的影響，而且通過對易于識別的特征的提取，減少系統(tǒng)開銷，且能夠?qū)Φ堕l分合到位可靠性進行準確識別。另一方面，依據(jù)上述方案，建立在移動機器人載有的光學采集設備進行圖像采集，不需要對刀閘設備進行改造，工作量小，不會影響電力設備的運行，系統(tǒng)成本小，具有較高的推廣價值。上述基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，所述參考特征選擇為基座一側水平方向上的圖像特征，易于識別，且基座本身屬于固定不同的部件，具有參考的相對穩(wěn)定性；另外，所適用刀閘的分合到位狀態(tài)為水平狀態(tài)，基于此具有更加的參考價值。較佳地，上述基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，所述參考特征為基座的外框，具有比較鮮明的特征，可以更有效的區(qū)分背景，容易消除噪聲對圖像識別的影響。由于機器人具有?？烤群退谟泄鈱W攝像頭云臺控制精度的問題，必然會對采集圖像的精度產(chǎn)生影響，具體為刀閘在圖像中的位置會有改變，因此，上述基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，所述步驟B含有對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟，然后再進行識別，可以減少計算量，進而降低系統(tǒng)開銷。根據(jù)權利要求4所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟是以模板對應的圖像設定的特征點為基礎，通過SURF算法特征點的提取和匹配實時采集的圖像對刀閘進行定位。進而，上述基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟具體包括
生成選定的特征點的特征向量，并生成實時圖像的SURF特征向量，進行圖像配準，配準時以實時圖像和模板圖像中對應特征點特征向量間的歐式距離作為相似性判定的度量;
依據(jù)實時圖像和模板圖像間的特征點的匹配關系，計算出兩幅圖像間的投影變換矩陣，實現(xiàn)實時圖像中刀閘設備的準確定位。為了減少噪聲影響，利用Hough變換進行圓形特征提取時取一個過濾閾值。較佳地，所述過濾閾值取最小圓形半徑值，取值為30個像素。


圖1為一種基于刀閘臂特征點與固定端距離的刀閘狀態(tài)合位可靠性判別法流程方框 圖2為一種基于刀閘臂特征點與固定端距離的刀閘狀態(tài)合位可靠性判別法流程圖。圖3為DOG尺度空間；
圖4為SURF特征向量。
具體實施例方式豎直面內(nèi)旋轉(zhuǎn)分合的刀閘的結構特點是，含有一個基座，或者說叫做固定端，一個中部設有關節(jié)并鉸接于所述基座的刀閘臂，所形成的轉(zhuǎn)動副在豎直平面內(nèi)，其中關節(jié)部位的明顯特征是其側面投影為一個圓盤形的結構，比較容易識別，而在基座側，比較容易識別的則是圓角矩形，長邊平行于所述刀閘臂在分合到位狀態(tài)下的形態(tài)，也就是水平狀態(tài)。為了減少人力消耗，或者固定光學采集設備安裝不便的缺陷，本方案基于移動機器人，通過分析移動機器人采集到的可見光或紅外圖像，利用圖像模式識別技術，通過分析刀閘臂特征點與固定端距離，實現(xiàn)刀閘分合到位可靠性的自動識別。利用移動機器人進行數(shù)據(jù)，尤其是圖像采集的缺陷在于其停止位的準確性并受攝像頭云臺精度的影響，不如固定采集設備所采集的圖像那樣具有一致性，不過通過參考量的設置可以避開這一點。以此所采用如下的基本技術方案利用特征點匹配技術實現(xiàn)圖像中刀閘的固定端區(qū)域的精確定位，通過圖像圓形檢測技術，可以實現(xiàn)對位于刀閘臂上的圓形特征區(qū)域的識別定位，計算刀閘圓形特征區(qū)域中心與刀閘固定端間的距離和刀閘固定端的特征長度。通過計算兩者間的比例關系，實現(xiàn)對刀閘狀態(tài)合位可靠性識別。依據(jù)上述方法，是一種無損檢測技術，無需對刀閘設備進行改造，系統(tǒng)簡單、靈活、且投資較小，能滿足變電站刀閘操作需求。參見說明書附圖I和附圖2，其實現(xiàn)主要有以下三個步驟
A.首先是模板信息的生成步驟，提供比較的基礎，尤其是要選擇一些穩(wěn)定的、不隨外界環(huán)境變化的特征點。通過人工采集刀閘設備合閘到位時的可見光或紅外圖像，選擇并標定出圖像中刀閘固定端區(qū)域以及刀閘臂上圓形特征的位置，測量刀閘圓形特征區(qū)域中心與刀閘固定端間的距離DMl和選定的刀閘固定端的特征長度DM0，并計算RM= DMO / DMl,以此作為刀閘合閘到位的模板。其中DMl指的是幾何上的距離，以過刀閘臂固定端或者說鉸接端的回轉(zhuǎn)軸線的豎直面為參考，刀閘臂上圓形特征距離該面的距離，顯然，當以分合到位為基準，水平方向為零位，那么當?shù)堕l臂與水平面有夾角時，就是分合不到位，所述距離會變小，相應的RM會增大。而固定端指的是前述的基座，其長度在此表示為水平上平行于刀閘臂分合到位時的方向上的邊框長度，相對比較容易識別和測量。此外，選定的刀閘固定端的特征應為移動機器人上光學圖像采集設備易于識別的結構特征，有利于后續(xù)的識別和處理。B.實時圖像信息分析處理步驟，也就是對相關圖像的與處理步驟
對移動機器人實時采集到的可將光和紅外圖像進行分析，其具體過程如下 利用特征點匹配技術實現(xiàn)移動機器人實時采集到的圖像中刀閘固定端區(qū)域的精確定位，從而從復雜的背景信息中將刀閘固定端特征區(qū)域剝離出來，并可得到刀閘固定端的特征長度D0。移動機器人的采集狀態(tài)不同，采集到的圖像會有差異，但其中的一些特征不會隨著采集環(huán)境的變化而變化，如某些特征點的比例關系，因此，依據(jù)上述技術手段可以有效地規(guī)避移動機器人定位精度差的缺陷。利用圖像圓形檢測技術實現(xiàn)對刀閘上圓形特征區(qū)域的自動識別，進而可以計算刀閘臂上圓形特征中心到刀閘固定端的距離D1，并計算R = DO / Dl0C.刀閘分合到位可靠性的判別步驟
通過實時采集到的圖像中刀閘圓形特征區(qū)域中心與刀閘固定端間的距離和刀閘固定端的特征長度的比例R和刀閘合閘到位模板規(guī)定的刀閘圓形特征區(qū)域中心與刀閘固定端間的距離和刀閘固定端的特征長度的比例RM經(jīng)行對比，實現(xiàn)刀閘合位可靠性的判別。刀閘分合到位可靠性判別規(guī)則如下
若R〉RM,則表示分合不到位，否則表示分合到位，條件是R < RM ;依據(jù)前述的RM的由來的解釋可以清楚地其原理。所述移動機器人集成可見光、紅外傳感器，實現(xiàn)基于磁信號和RFID技術的自主導航和準確定位，具備自主充電、無線傳輸功能，并安裝有雨刷、輔助光源等輔助設備。其主要有以下部分構成安裝有驅(qū)動器、電源和控制計算機的機器人本體，與機器人本體相連的磁傳感器和RFID傳感器，安裝在機器人本體上方的云臺，安裝在云臺上方的可將光攝像機、紅外攝像機、雨刷和輔助光源。所述特征點匹配技術是利用圖像模式識別算法，分別在模板和實時圖像中提取其中存在的一些穩(wěn)定的、不隨外界環(huán)境變化而變化的特征點，遍歷這些特征點，找到模板圖像和實時圖像中相互匹配的特征點對，通過這些特征點對的信息，求取模板圖像和實時圖像之間的映射關系，利用模板信息中標定的刀閘區(qū)域的位置信息，進而實現(xiàn)實時圖像中刀閘的準確定位。本方案采用SURF算法來實現(xiàn)設備的準確定位,其算法出自于David G. Lowe于2004 年在〈〈International Journal of Computer Vision〉〉上發(fā)表的“Distinctive ImageFeatures from Scale-Invariant Keypoints，，。所述圖像圓形檢測技術是在提取出刀閘臂上圓形特征所在區(qū)域圖像的基礎上，利用圖像處理技術提取圖像中圓形區(qū)域，為刀閘分合到位可靠性的判別提供依據(jù)。本方案采用Hough變換算法來實現(xiàn)刀閘臂上圓形特征提取,其算法出自L. Pires, P. De Smet, I.Bruyland 于 2000 年在〈〈International Conference on Image Processing〉〉發(fā)表的“Lineextraction with the use of an automatic gradient threshold technique and theHough Transform，，。同時依據(jù)Hough變換可以進行直線特征的提取。關于實時圖像信息分析處理步驟，更具體的表述如下
首先對移動機器人采集的實時圖像和模板圖像進行SURF特征點提取和匹配，從而從復雜的背景信息中將刀閘固定端區(qū)域剝離出來，主要有兩個步驟
對移動機器人采集的實時圖像和模板圖像進行SURF特征點提取和匹配，從而從復雜的背景信息中將刀閘設備剝離出來，主要有兩個步驟
I、分別生成實時圖像和模板圖像的SURF特征向量并進行圖像配準。建議對每個關鍵點使用4X4共16個種子點來描述，計算8個方向的梯度方向直方圖，即最終形成128維的SURF特征向量，其具體過程如下
A、尺度空間的生成。尺度空間的圖像是利用一組連續(xù)的高斯卷積核與原圖像進行卷積生成的。將相鄰尺度的圖像相減得到一組Difference of Gaussian (DOG)圖像,搜索局部極值點，確定備選的特征點。
權利要求
1.一種基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，應用于在豎直面內(nèi)旋轉(zhuǎn)以進行分合的刀閘，該刀閘包括由其固定端構成的基座，與該基座鉸接以形成豎直平面內(nèi)轉(zhuǎn)動副的刀閘臂，以及對應刀閘臂目標接合端的接合座，其中刀閘臂中部設有一個轉(zhuǎn)動軸線水平的關節(jié)，且關節(jié)部位側面投影為一圓形，其特征在于，所述判別方法包括以下步驟 A.模板信息生成步驟，人工采集所述刀閘合閘到位時的光學圖像，選擇并標定所述關節(jié)部位的圓形特征和基座上能夠為匹配所述光學圖像的光學分析所識別的參考特征，測量圓形特征中心到刀閘臂連架端轉(zhuǎn)軸中心的第一距離和參考特征的第一長度，取所述第一距離與第一長度的基準比值為刀閘合閘到位的模板，對應的光學圖像為模板圖像； B.實時圖像采集后的預處理步驟，對實時采集到的光學圖像進行特征點匹配，利用Hough變換提取關節(jié)部位的圓形特征和基座上的參考特征，生成第一預處理圖像，進而計算該第一預處理圖像上圓形特征中心到刀閘連架端轉(zhuǎn)軸中心的第二距離和參考特征的第二長度，從而計算該第二距離與第二長度的實時比值； C.分合到位判斷步驟，若實時比值小于等于基準比值，則刀閘分合可靠，反之，若實時比值大于基準比值，則刀閘分合不可靠。
2.根據(jù)權利要求I所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，所述參考特征選擇為基座一側水平方向上的圖像特征。
3.根據(jù)權利要求2所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，所述參考特征為基座的外框。
4.根據(jù)權利要求I至3任一所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，所述步驟B含有對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟。
5.根據(jù)權利要求4所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟是以模板對應的圖像設定的特征點為基礎，通過SURF算法特征點的提取和匹配實時采集的圖像對刀閘進行定位。
6.根據(jù)權利要求5所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，對刀閘在所采集光學圖像中通過SURF算法進行定位的步驟具體包括 生成選定的特征點的特征向量，并生成實時圖像的SURF特征向量，進行圖像配準，配準時以實時圖像和模板圖像中對應特征點特征向量間的歐式距離作為相似性判定的度量; 依據(jù)實時圖像和模板圖像間的特征點的匹配關系，計算出兩幅圖像間的投影變換矩陣，實現(xiàn)實時圖像中刀閘設備的準確定位。
7.根據(jù)權利要求I所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，利用Hough變換進行圓形特征提取時取一個過濾閾值。
8.根據(jù)權利要求7所述的基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，其特征在于，所述過濾閾值取最小圓形半徑值，取值為30個像素。
全文摘要
本發(fā)明公開了一種基于刀閘臂特征點與固定端距離的刀閘合位可靠性判別法，應用于在豎直面內(nèi)旋轉(zhuǎn)以進行分合的刀閘，所述判別方法包括以下步驟A．模板信息生成步驟；B．實時圖像采集后的預處理步驟；C．分合到位判斷步驟，通過比較圖像采集中狀態(tài)不發(fā)生變化或者變化較小的要素的比較進行判斷。依據(jù)本發(fā)明的刀閘合位可靠性判別法有效的解決該類刀閘合位可靠性的自動判別問題。
文檔編號G06K9/64GK102622614SQ20121004341
公開日2012年8月1日 申請日期2012年2月24日 優(yōu)先權日2012年2月24日
發(fā)明者劉延興, 孫勇, 孫玉田, 王振利, 魯守銀 申請人:山東魯能智能技術有限公司