輸電線路防震錘復位機器人的目標識別

劉艷梅，文師華，陳 震，張東禹，劉 義，鄭志剛

(1.沈陽航空航天大學 自動化學院，沈陽 110136；2.遼寧省送變電工程有限公司 機械化分公司，沈陽 110021)

架空地線上的防震錘是一種為了減少輸電線因風力被扯起發生振動而安裝的設備，高壓架空線路的檔距較大，桿塔也較高，當架空輸電線路長期暴露在空氣中，常年受風、雨、冰等氣象條件的影響，尤其是導線受大風吹動時，會發生較強烈的震動。長時間周期性震動將造成導線疲勞損壞，使導線發生斷股、斷線，有時強烈的震動還會破壞金具和絕緣子。為了防止和減輕導線的震動，一般在懸掛導線線夾的附近安裝一定數量的防震錘，在當導線發生震動時，防震錘也上下運動，產生一個與導線震動不同步甚至相反的作用力，可減小導線的振幅，甚至能消除導線的震動。防震錘在長時間使用過程中，由于微風振動可能造成其緊固螺栓松動，進而造成防震錘發生位移，失去原有的減震作用，特別是老舊架空輸電線路運行年限長，防震錘不間斷地發生微小位移，因此需要對其進行重新歸位處理。在復位防震錘時，必須使防震錘緊固螺栓和螺母正確旋合，目前防震錘移位復位主要由人工處理，存在勞動強度高、人員移動成本高、工作效率低、問題發現及時性差、作業人員風險大等問題。因此，視覺識別技術是防震錘復位機器人研究的關鍵技術之一，對架空地線上的防震錘復位問題的研究具有重要意義。

國內外關于輸電線作業機器人研究已取得諸多可借鑒的研究成果。2000 年加拿大首次提出了一款具有架空導線上除冰功能且命名為HQ Line ROVe 的電力作業機器人[1]；2014年，美國的TI巡檢機器人的結構設計進一步完善，成為一款具有高度智能化的高壓輸電線路巡檢功能的智能機器人，該款機器人可以在架空地線上通過夾緊并行走，該機器人包括控制系統、通信系統、驅動系統以及用于檢測機器人位置的全球定位系統[2]。國內這方面雖然起步稍晚，但許多大學和研究所也研究出了多款高壓輸電線作業機器人[3]。2006年，中科院沈陽自動化研究所歷經數年完成了三代巡檢機器人樣機的制造，第三代機器人樣機進行了實際輸電線路的測試，成功實現線上穩定行走、越障、剎車等功能[4]。2015年開始，國家電網湖南省分公司聯合武漢大學與長沙理工大學先后研制了一代同時具有絕緣子更換和螺栓緊固功能的機器人，以及二代具有防震錘更換功能的機器人[5]。目前，國內關于輸電線作業機器人的研究已取得諸多可借鑒的研究成果[6-8]，可以完成巡線、越障、更換一些電力金具等作業任務，但都需要電網作業人員準確遙控控制機器人完成作業，其電力作業效率以及作業速度和精確度完全依靠人工操作熟練程度[9-11]。本文針對防震錘復位機器人機器臂作業末端螺栓定位不準確的缺陷，在防震錘復位過程中提出了利用機器視覺檢測技術和視覺定位技術來幫助作業人員操控機器人松懈和擰緊防震錘緊固螺栓的方案。實驗證明視覺檢測算法和視覺定位算法的加入，大大降低操作機器人的難度以及對人工操作熟練程度的要求。

1 防震錘復位機器人本體結構設計

根據高壓輸電線路作業環境，本文對基于視覺檢測的防震錘復位機器人整體機械結構進行設計，設計的機器人三維本體機構如圖1所示。機器人主要包括底臺、左、右行走輪臂、捕錘臂、行走輪和作業末端等部件。機器人還配備縱向旋轉關節、伸縮關節和水平滑動梁。采用連桿、凸輪擺桿、導槽滑移、滾珠絲杠和鏈輪傳動等機構構成骨架式運動結構，通過多部直流減速電機驅動完成防震錘復位作業功能。其中捕錘臂是能使作業末端到達作業范圍內任意位置的一條小型機械臂。該機械臂是基于機器視覺技術和伺服控制技術的高精度機電遙一體化運動控制系統，本設計改進了傳統的機械臂作業末端定位不準確的缺點[11-12]，能夠提高定位精度，準確、快速地識別和定位防震錘的螺栓。

圖1 機器人三維本體機構

1.1 行走、越障機構設計

應用機械結構學原理設計設備的行走、越障功能，行走、越障方式如圖2所示，驅動機構驅動部分采用四輪驅動，1、3號輪一組、2、4號輪一組，分別通過鏈條連接，并帶有驅動電機，每個車輪之間保持一定的距離，車輪在電機驅動下行走。在沒有遇到障礙物時，四輪同時驅動機器人前進；而當遇到障礙物時,1、3號輪打開脫離導線，在2、4號輪的驅動下使脫離導線的1、3號輪越過障礙后又合攏而與導線接觸作為驅動輪，2、4兩個輪依次完成相同的動作，這樣復位機器人就可以順利地通過障礙物。

圖2 機器人驅動機構示意圖

1.2 機械臂作業末端機構設計

防震錘復位機器人機械臂作業末端由擰螺栓電機、內六角套筒、爪夾結構、旋轉軸和蝸輪蝸桿機構等構成。機械臂作業末端機構簡圖如圖3所示。

圖3 機械臂作業末端機構簡圖

精確的目標定位是移動機器人導航的基礎，利用機器視覺系統對目標圖像信息進行采集和處理，獲得防震錘螺栓準確的中心位置，解決了人眼視覺系統可能存在的盲區問題。本文設計開發的基于機器視覺的防震錘復位機器人的作業末端系統主要由圖像采集、圖像邊緣信息提取、螺栓幾何特征識別、螺栓對中4個部分組成。圖像采集部分是采用的是一個UP-800工業攝像頭。通過這個攝像頭中 的CCD圖像傳感器將經過光電轉換后的圖像信號傳遞給PC的圖像采集卡，圖像預處理、邊緣提取以及特征識別都采用軟件實現。

2 目標識別算法設計

基于局部特征的物體識別方法主要是通過局部識別整體。該方法無需對處理數據進行分割，往往通過提取物體的關鍵點、邊緣等局部特征進行比對來完成物體的識別。其中，特征提取是物體識別中非常關鍵的一步，它將直接影響物體識別系統的性能[13-15]。基于局部特征的方式對噪聲和遮擋有更好的魯棒性，同時不受顏色和紋理信息缺乏的限制。由于局部特征描述子僅使用參考點鄰域信息，所以不對場景進行分割即可處理復雜場景。本文基于螺栓頭部是正六邊形的局部特征進行目標識別，利用機器視覺系統對目標圖像信息進行采集和處理，獲得防震錘螺栓準確的中心位置，解決了人眼視覺系統可能存在的盲區問題。本文設計開發的基于機器視覺的防震錘復位機器人的作業末端系統主要由圖像采集、圖像邊緣信息提取、螺栓幾何特征識別，螺栓對中幾個部分組成。圖像采集部分采用一個UP-800工業攝像頭，通過這個攝像頭中的CCD圖像傳感器將經過光電轉換后的圖像信號傳遞給PC的圖像采集卡，進行圖像預處理、邊緣提取以及特征識別，幾個部分都采用軟件實現；防震錘復位機器人作業末端螺栓檢測算法流程如圖 4 所示。

圖4 防震錘復位機器人作業末端螺栓檢測算法流程圖

2.1 基于改進canny算法的防震錘螺栓圖像邊緣提取

圖像邊緣檢測是機器視覺檢測的第一步，且圖像邊緣提取方法有很多，例如Sobel邊緣檢測、Laplacian邊緣檢測、Canny邊緣檢測以及形態學邊緣檢測等。其中Sobel算子雖然對噪聲具有一定的抑制能力，但由于算法是先加權平均后進行差分運算的，容易丟失一些細節信息，會使圖像邊緣提取模糊；Laplacian算子具有能對任何走向的界限和線條銳化、無方向性的優點，但也具有對噪聲敏感的缺點；Canny算子可以很好地去除噪聲，但也具有濾波時人為選取標準差導致圖像平滑處理過度而使圖像細節丟失的缺點；形態學算子檢測具有耗時長、檢測邊緣連續性差的缺點。本文的防震錘復位機器人是在高空中的輸電線上工作，攝像機拍攝到的圖像很容易受到高空惡劣環境的影響，夾雜不同的噪聲，如機器人受風影響而抖動拍攝、防震錘螺栓毛坯上的銹漬、有污漬的攝像機鏡頭、空氣中的灰塵以及高壓輸電線產生的各種電磁干擾信號等。拍攝的圖像在傳輸過程中也可能產生一些噪聲影響。這些噪聲可能會降低圖像的畫面質量，進而影響后續圖像邊緣提取結果。因此本文選用去噪效果較好的Canny 算子邊緣檢測算法對圖像進行邊緣提取，并且針對Canny 算子可能會丟失細節的缺點進行了改進，保證具有良好的去噪效果又不丟失細節，更好地對防震錘螺栓進行邊緣提取。

Canny邊緣檢測算法主要由高斯濾波、計算像素梯度幅值與梯度方向、非極大值抑制以及雙閾值法閉合邊緣4部分組成。Canny算法細節丟失的缺點是在濾波過程產生的，傳統Canny算法的高斯濾波本身已經是較好的濾波算法，在去噪聲方面領先其他濾波算法。為了在去噪和保邊兩方面取得平衡，本文在高斯濾波上進行了改進。由于圖像邊緣提取精度和信噪比受高斯函數的標準差影響，標準差σ是由人為選擇的，選取過小會影響去噪效果；選取過大會丟失圖像細節信息。傳統的高斯濾波主要原理是先用鄰域內像素的加權平均值代替中心像素點值，之后通過高斯函數產生一個m×n濾波器模板，對原始圖像進行卷積操作。二維零均值離散高斯濾波函數分布如下:

式中u2+v2表示像素點和中心像素點的距離，(u，v)表示像素點坐標，σ為標準差。改進的高斯濾波算法針對標準差σ的選取問題給出一種新的選取方案。為了動態確定具體的標準差σ，彌補傳統高斯濾波人為設定σ的缺陷，改進的高斯濾波算法根據高斯核系數權值與方差的正比例關系，先求得方差，再確定標準差σ。首先，計算某一區域內的方差：

設

計算得

可以發現，當R一定時，σ的取值隨著迭代方差D的變化而變化。本文運用3×3高斯模板，可以得到標準差σ與R的函數關系圖像。R關于σ的函數圖像如圖5所示。

圖5 標準差R隨σ的變化曲線

本文的Canny邊緣檢測算法主要改進了高斯濾波標準差σ選取方法，保證了去噪和保邊兩方面的平衡，既可以動態確定具體的標準差σ，彌補傳統高斯濾波人為設定σ的缺陷，以達到很好的去噪效果，又精確提取了圖像邊緣。在計算像素梯度幅值與梯度方向、非極大值抑制以及雙閾值法閉合邊緣3方面沿用了傳統Canny邊緣檢測算法。改進Canny邊緣檢測算法對圖像邊緣提取流程如圖6所示。

圖6 改進Canny邊緣檢測算法對圖像邊緣提取流程圖

當防震錘復位機器人機器臂作業末端到達防震錘螺栓位置，控制器啟動攝像頭對防震錘螺栓進行圖像采集，使用本文的改進Canny邊緣檢測算法對防震錘及螺栓進行邊緣提取。防震錘復位機器人作業末端上的攝像頭拍攝的防震錘及螺栓原圖如圖7a所示。經Canny邊緣檢測算法非極大值抑制處理后提取到的螺栓邊緣如圖7b所示。通過Canny邊緣檢測算法處理后得到的螺栓邊緣圖像如圖7c所示。

圖7 基于改進Canny算法的防震錘螺栓邊緣檢測

2.2 基于改進Hough算法圖形定位檢測

傳統的Hough變換是一種很有效的圓檢測算法，后來出現了Hough直線變換檢測直線段的方法,然而傳統的Hough 直線變換法檢測直線存在運算量大、斷線錯連、極其微小的線段也檢測等缺陷。本文通過分析傳統Hough直線變換原理,提出利用梯度閾值篩選有效像素點,用間隔閾值分割直線的改進方法。 經實驗證實,降低了計算復雜度并避免了小直線段錯檢的缺點。用改進Canny邊緣檢測算法對圖像進行邊緣提取后，如果直接用傳統 Hough 直線檢測算法檢測，可能會檢測出其他滿足直線特點的線段，給螺栓外邊框的定位帶來干擾。Hough 變換的基本原理在于利用直角坐標系中的線與極坐標系中的點的對應關系，即將檢測直角坐標系直線y=kx+b問題轉化為檢測極坐標系點(θ，r)的問題，其中r=cos(θ)·x+sin(θ)·y。本文要檢測的螺栓為正六邊形，具有對邊平行且相等的特點，且內角均為120°，故外角分別為60°。對標準目標模板進行正六邊形螺栓邊緣提取時，記錄外邊框的六條邊長度相等，且每組對邊斜率相同，每兩個鄰邊斜率角度相差60°，這些正六邊形的特征也相應地呈現在Hough 空間中峰值的分布上。圖像空間中的六邊形與 Hough 空間中的六邊形如圖8所示。根據這一特征，改進了Hough 空間的峰值選擇策略: 第一步在 Hough空間中找到投票值最高的峰值點，以該峰值點所在角度為基準角度θ，第二步分別取前后60°以及當前角度 3 個角度，并且考慮誤差5°取區域范圍，即(θ+5°，θ-5°)、(θ-60°+5°，θ-60°-5°) 、(θ+60°+5°，θ+60°-5°)。

圖8 圖像空間中的六邊形與Hough空間中的六邊形

通過經典Hough變換直線提取算法處理后得到的螺栓邊緣圖像如圖9a所示。經改進Hough變換直線提取算法處理后得到的螺栓邊緣圖像如圖9b所示。

圖9 螺栓邊緣圖像

3 實驗結果

當防震錘復位機器人機器臂作業末端到達防震錘螺栓位置時，控制器啟動攝像頭對防震錘螺栓進行圖像采集，然后使用本文改進Canny邊緣檢測算法以及改進Hough變換直線提取算法對防震錘及螺栓進行檢測。檢測得到的初步結果只是用像素表示的螺母幾何特征尺寸，要得到實際螺母的檢測尺寸還需要系統標定，其作用就是將用像素表示的尺寸大小換算成實際計量單位的尺寸大小。換言之，進行系統標定的目的就是確定圖像處理后的像素尺寸與相應的實際尺寸之間的比例系數，提取到螺栓有效的邊緣特征，在此基礎上利用改進的Hough變換算法定位防震錘螺栓上表面正六邊形的6個邊。位于螺母左上方的直線邊界為L1，其余各邊的標號按照順時針順序往后排，分別為L2、L3、L4、L5、L6。得到L1=83.358像素，直線度為1.702 5 像素；L2=83.273像素，直線度為 1.545 3像素；L3=83.356像素，直線度為 1.358像素；L4=83.483 像素，直線度為 1.642 2 像素；L5=83.376像素，直線度為 1.840 2像素；L6=83.431像素，直線度為 1.825 6像素；經標定計算以后，得到表1。

表1 標定計算的邊長與直線度 (mm)

經實際測量螺栓頂部六邊形，得到表2。

表2 實際測量的螺栓頂部邊長與直線度 (mm)

對二者進行對比，可發現L1尺寸偏差為0.007 mm，直線度偏差為0.002 mm；L2尺寸偏差為0.002 mm，直線度偏差為0.005 mm；L3尺寸偏差為0.022 mm，直線度偏差為0.002 mm；L4尺寸偏差為0.031 mm，直線度偏差為0.006 mm；L5尺寸偏差為0.031 mm，直線度偏差為0.008 mm；L6尺寸偏差為0.018 mm，直線度偏差為0.007 mm。在螺栓頭部正六邊形檢測實驗中，邊長直線檢測誤差為0.53%，直線度誤差為0.87%。結果表明，該方法是有效的，能準確地檢測出圖像中的正六邊形。最后利用改進的Hough變換算法定位防震錘螺栓上表面正六邊形的中心，如圖10所示。

圖10 改進的Hough變換算法定位防震錘螺栓六邊形中心

當計算機完成螺栓中心定位后，將可視化信息反饋給控制器，機器人控制器將計算螺栓與作業末端的距離，控制器采用相關運動控制策略來控制機械臂運動，進而控制機器臂各關節驅動器，不斷調整防震錘復位機器人機器臂作業末端位姿，使作業末端對中防震錘螺栓，機械臂作業末端螺栓對中過程如圖11所示。

圖11 螺栓對中過程

4 結論

輸電線路導線壓接是電力運輸的前提，本文著重研究了防震錘復位機器人通過攝像頭實時獲取外部環境信息，并通過改進的Canny算法對采集的防震錘螺栓圖像進行邊緣提取，提取有效的邊緣特征。在此基礎上利用改進的Hough變換尋找防震錘螺栓上表面正六邊形的6個邊以及螺栓的中心，完成對目標物體的定位。改進的Hough變換對螺栓頭部檢測時，邊長直線檢測誤差為0.53%，直線度誤差為0.87%。結果表明，該方法是有效的，能準確地檢測螺栓頭部的正六邊形，其中算法部分采用 MATLAB 平臺編程實現，控制部分采用單片機與 MATLAB 串行通信，進而控制和解決螺母零件的篩選與對中，實現防震錘復位機器人機器臂作業末端視覺導航，完成防震錘復位機器人基于機器視覺對防震錘緊固螺栓快速定位、松懈、擰緊及對防震錘復位的作業任務，該系統可以廣泛應用在工業機器人導航、目標定位、避障等領域，具有較高的實用價值。