基于雙目視覺技術的高壓輸電線路巡檢機器人在線測距

王吉岱， 郭 帥*， 孫愛芹， 付恩鵬， 梁茂軒， 楊 帥， 侯建國

(1.山東科技大學機械電子工程學院，青島 266590；2.國電南瑞科技股份有限公司，南京211000)

用巡線機器人替代傳統(tǒng)巡檢方式進行高壓輸電線路巡檢和維護，可以顯著提高巡檢的效率，降低工人的勞動強度[1]。機器人在巡檢過程中大多采用傳感器檢測線路障礙，然而受光照、天氣等原因，傳感器的障礙識別精度會受到影響，造成機器人判斷失誤從而出現(xiàn)事故。

隨著巡檢機器人視覺技術的不斷發(fā)展，機器視覺測距技術逐漸成為巡檢機器人定位測量的一個重要發(fā)展方向[2]。目前，巡檢機器人都是基于單目的測距系統(tǒng)，單目測距系統(tǒng)具有操作簡單、易開發(fā)和成本低等優(yōu)點。曹文明[3]在除冰機器人視覺導航中提出了一種單目測距算法，首先檢測圖像上障礙物距離機器人的最近點，采用攝像機的小孔成像模型，結合機器人的尺寸的俯仰角得到距離表達式，但算法中需測量的參數(shù)較多，精度有限[3]；張峰等[4]提出了一種單目視覺識別的多傳感器障礙物識別和定位測距的方法，此方法根據(jù)小孔成像的原理，建立攝像機與金具障礙物的特征點的幾何關系模型，然后根據(jù)標定的不同焦距的每個像素點的弧度，建立出攝像機在此焦距下與障礙物距離的關系式，從而得到攝像機與障礙物的距離，但此方法從未在實際線路應用；程立等[5]提出了一種用于巡檢機器人依靠單個攝像機提取深度的算法，利用機器人行走導線成像的遠小近大的特點，結合小孔成像模型，得到障礙物距離，測量精度滿足要求但算法過于煩瑣實時性較差。因此，依靠單目測距的巡檢機器人不能夠滿足實際線路的巡檢越障工作。

為此，提出一種基于巡檢機器人的雙目視覺測距方法，在識別線路障礙物的基礎上對其預設取點，結合雙目立體視覺模型，對所取點進行三角測距，巡檢機器人既可以識別障礙，同時又可以對障礙進行測距，此測距算法測量精度滿足要求且實時性強，并通過在線實驗進行了驗證。

1 雙目測距原理及測距參數(shù)獲取

1.1 雙目測距原理

雙目視覺幾何模型如圖1所示。圖1中，P為待測物體上的某一點，Ol與Or分別為兩個相機的光心，點P在兩個相機感光器上的成像點分別為xl和xr，f為相機焦距，B為兩相機中心距，Z為要求的深度信息[6]，設點xl到點xr的距離為D，則：

D=B-(xl-xr)

(1)

根據(jù)相似三角形原理,由Δpxlxr和ΔpOlOr可得：

(2)

代入式(1)得：

(3)

由式(3)整理可得：

(4)

式(4)中:通過標定就可以得到焦距f和攝像頭中心距B的值，左右攝像頭上的成像點相對于兩攝像頭光軸的距離分別xl和xr[7- 8]，因此，只要求得視差d的值，即xl-xr就可獲得深度Z。

綜上所述，雙目測距主要是利用了目標點在左右兩幅視圖上成像的橫向坐標存在的距離差與目標點到成像平面距離Z存在反比例的關系。

圖1 雙目視覺幾何模型Fig.1 Binocular visual geometry model

1.2 獲取參數(shù)

為了精確獲得某點在三維坐標系中的距離Z，需要獲得焦距f，視差d和兩攝像頭的中心距B。若想獲得X坐標和Y坐標，需獲取左右像平面的坐標系與立體坐標系中原點的偏移量cx和cy。其中f、B、cx和cy可以通過使用MATLAB進行立體標定獲得初始值，然后通過立體校正，把非共面行對準的左右圖像校正為共面行對準，為立體匹配做準備。最后通過立體匹配獲得變量視差d。從而最終完成求一個點三維坐標的準備工作。其實，雙目測距中立體標定、立體校正和立體匹配都是為獲得f、B、d、cx和cy而設計的,對于雙目測距前期的參數(shù)準備不再重復敘述，會直接詳細介紹雙目實時測距的實現(xiàn)方法。

假設目標點在左視圖中的坐標為(x,y),在左右視圖上形成的時差為d，目標點在以做左攝像頭光心為原點的世界坐標系中的坐標為(X,Y,Z),則存在變換矩陣Q,使得Q[xyd1]′=[XYZW]′

(5)

(6)

2 雙目在線實時測距實現(xiàn)方法及實驗分析

2.1 雙目在線測距實時測距實現(xiàn)方法

巡檢機器人在高壓線上行走時需要實時輸出前方障礙物距離信息，從而實現(xiàn)精準定位并執(zhí)行越障動作[9]。傳統(tǒng)的雙目測距方式是手動選取視差圖中被測物體的測距點得到相應的距離，然而機器人在實際線路時需要完全自主運行，手動取點測距已不能滿足巡線要求，因此在傳統(tǒng)雙目測距算法的基礎上對其加以改進，左右攝像頭相互協(xié)作完成測距，首先雙目測距需建立在左攝像頭識別障礙的基礎上進行，因此識別出障礙范圍是雙目測距的關鍵技術之一[10]。

采用方向梯度直方圖(histogram of oriented gradient, HOG)特征提取和支持向量機(support vector machine，SVM)對線路障礙物進行分類識別。巡檢機器人進行野外高空作業(yè)時，光照對圖像質(zhì)量影響很大，而HOG特征對光照變化魯棒性很好，因此對圖像采用HOG特征提取。在機器學習領域，SVM是一個有監(jiān)督的學習模型，會形成一個分類超平面將兩類物體分隔，而且分隔距離盡可能最大也就是將誤識別率降到最低，SVM也可以很好地區(qū)分背景，受背景影響很小，訓練時采集的正樣本圖像為3 400張，負樣本圖像34 700張，正樣本是待檢測的線路障礙物圖像，負樣本為模擬線路周圍環(huán)境或任意且不可包含線路障礙的圖像，而且SVM訓練分類器時間僅需要12 min，訓練時間短，識別效果好。由遠及近識別障礙時，障礙識別范圍會隨障礙物的大小發(fā)生變化，也就是攝像頭距離障礙物較遠時，障礙識別范圍小；距離障礙物近時，障礙識別范圍大，實際線路由遠及近障礙識別圖像如圖2所示。

圖2 由遠及近障礙識別圖Fig.2 Identification map from far and near obstacles

然后左右攝像頭進行雙目測距，為實現(xiàn)在線實時測距，對線路障礙物進行預設取點，為防止選取的測距點偏離線夾，在懸垂線夾面積較大、視差圖生成效果最佳的位置選取合適的測距點，取的測距點數(shù)多距離精度高，但實時輸出距離信息反應遲緩；取的測距點數(shù)少距離精度會下降[11-13]，經(jīng)過多次取點實驗測試最終取得5個合適的測距點，既滿足測距精度要求又可以實時輸出距離信息，以圖像識別矩形框的左上角為原點(x,y)，寬為w，高為h,線夾取點圖像如圖3所示。

圖3 線夾取點示意圖Fig.3 Schematic diagram of the line clamp

取得五個點的坐標：P1(x+w/3,y+37h/60)；P2(x+w/2,y+37h/60)；P3(x+2w/3,y+37h/60)；P4(x+5w/12,y+4h/5)；P5(x+7w/12,y+4h/5)。只要所取測距點坐落在障礙物上就可以通過三角測距對障礙物進行測量，而且坐標點會隨識別范圍的變化而變化，由于巡檢機器人在線路上行走時會不可避免地發(fā)生抖動，導致所取點偏離預設固定位置產(chǎn)生錯誤數(shù)據(jù)值，在手動取點測距實驗過程中，只要所取的測距點不在視差圖的輪廓內(nèi)都會產(chǎn)生相同的數(shù)據(jù)值16 000，所以在五點距離測好后如果出現(xiàn)這個錯誤值就把所有的測距值相加減去 16 000n(n為16 000出現(xiàn)的次數(shù))，最后把準確的測距值之和除以相應的取點數(shù)，求得的平均值即為障礙物的距離[14]，這種算法測距速度快且實時性強。

2.2 實驗與分析

采用三臂式巡檢機器人作為移動控制平臺，在工控機上安裝Windows系統(tǒng)，利用Visual Studio 2015配置OpenCV 3.2運行測距程序，樣機如圖4所示。

1為前臂；2為中臂；3為后臂；4為控制箱；5為雙目攝像頭；6為激光雷達；7為行走機構；8為開合機構；9為滑移機構；10為夾持機構；11為伸展機構圖4 巡檢機器人樣機Fig.4 Inspection robot prototype

在巡檢機器人行走方向的手臂外側安裝雙目攝像頭，攝像頭通過USB端口與工控機連接，檢測到障礙后機器人開始減速，通過緩慢前進不斷測出障礙物到機器人的實時距離，測得的距離信息由工控機通過USB串口與ARM(advanced RISC machine)實時通信，然后ARM通過接收到的距離信息控制機器人動作。機器人行走時分別在0.8、0.7、0.6、0.5、0.4 m處采集到的實時距離輸出如圖5所示。

機器人緩慢靠近障礙物時測得的距離結果如表1所示。

由表1可知，實際距離在1.38～0.70 m時，測得的距離與實際距離差別較大，實際距離在0.60～0.30 m時，測得的距離與實際距離相差不大，相對誤差百分比在5%以內(nèi)，經(jīng)在線實驗， 本文提出的雙目實時測距算法完全可以滿足巡檢機器人實時性和可靠性的要求，因此雙目實時測距滿足巡檢機器人的應用條件。

圖5 實時距離輸出圖Fig.5 Real-time distance output map

表1 障礙測距信息Table 1 Obstacle ranging information

從表1也可以看出，利用兩個攝像頭組成的雙目攝像頭進行測距，在距離被測物體較遠時，測量誤差較大；隨著攝像頭不斷接近被測物體時，測量誤差會不斷減小；而距離被測物體很近時，測量誤差又會增大。考慮到兩個攝像頭可能存在幀率不同的狀況，對實驗數(shù)據(jù)造成一定的干擾，因此，為保證實驗數(shù)據(jù)的準確性，建議采用非拼接雙目攝像頭進行實驗。

3 結論

提出一種基于MATLAB與OpenCV相結合的高壓輸電線路巡檢機器人雙目實時測距技術。在傳統(tǒng)雙目測距算法的基礎上對其加以改進，實現(xiàn)了真正的雙目實時測距功能，在離障礙物較遠距離測距時與實際距離相差較大，但近距離的精準測距完全可以滿足機器人定位要求。

在線實驗時不可避免地會因為雙目擺放角度和機器人抖動等原因?qū)е抡系K物的取點不穩(wěn)定，測距數(shù)據(jù)出現(xiàn)間斷等現(xiàn)象，但本文算法可實時消除不穩(wěn)定點，保證機器人數(shù)據(jù)的準確傳輸，在規(guī)定的距離范圍內(nèi)就可觸發(fā)指令完成精準定位。

綜上所述，所提出的基于雙目視覺技術的巡檢機器人在在線測距越障的實驗中驗證了其測距的實時性和可靠性，可達到實際應用要求。