首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于计算机视觉的绝缘升降车位置跟踪方法

基于计算机视觉的绝缘升降车位置跟踪方法

2024-10-18 14 上传者：管理员

摘要：为提升绝缘升降车位置跟踪效果，提出一种基于计算机视觉的绝缘升降车位置跟踪方法。分析物体特征点与图像特征点坐标系之间的关系，制作标定板完成照片的导入，求取摄像机参数完成标定。建立基于计算机视觉的图像处理模型，利用图像灰度变换函数提升图像质量，根据幂律曲线图像得到合适的伽马值，在透视变换过程中调整图像中的空间关系；使用CamShift跟踪方法利用颜色概率直方图作为跟踪标准，调整窗口值实现绝缘升降车位置跟踪。测试结果证明：所提方法跟踪评价指标IoU和稳像效果指标均较优，在实际应用中的可靠性较强。

关键词：
位置跟踪
图像处理
绝缘升降车
计算机视觉
透视变换
加入收藏

在我国的电力系统中，日常的维修和巡检都需要应用到绝缘升降车来运输设备或人员，绝缘升降车能够有效保证电路日常维护过程中检修设备的安全，加深电网自动化运维的程度，提升工作效率[1]。但在绝缘升降车的使用过程中，为了更好地控制绝缘升降车的运动，需要对其进行实时的位置跟踪。

对于位置跟踪方法来说，目前很多学者展开了这方面的研究。文献[2]中提出了一种基于浸入与不变理论的位置跟踪方法，利用非线性的构造扩张状态观测器实现负载扰动的跟踪，提升跟踪精度，不断收敛后得到逼近真实值的估计参数，在浸入与不变理论的基础上实现精确跟踪。文献[3]中提出了一种滑模位置跟踪控制方法，该方法结合了定结构滑模控制器和扩展滑模扰动观测器，保证在跟踪过程中不会受到外界的参数扰动。在定结构滑模控制器中设定限制条件，保证滑模面同侧的系统状态稳定，消除扰动所产生的抖振现象，补偿扰动观测，消除跟踪过程中的外界影响。尽管上述学者对位置跟踪方法进行研究，但以上几种传统的位置跟踪方法应用在升降位置跟踪时存在位置跟踪拟合效果差的问题。

为此，一些学者针对升降车类机械进行了位置跟踪控制研究。文献[4]提出了桥式吊车负载台升降位置跟踪控制方法。利用sigmoid函数建立台车升降加速度轨迹模型；基于微分平坦理论融合台车升降位移与负载摆动数据，构建负载升降工况下的微分平坦输出模型；设计轨迹跟踪控制器一体化跟踪控制升降工况下的负载摆角和位移。文献[5]设计了一种可升降式变电站室内巡检机器人控制系统。基于巡检点的位置信息改进Floyd全局路径规划算法；基于欧拉数值积分设计升降轨迹跟踪控制算法，跟踪控制升降平台和摄像头云台位置。但以上方法因未分析物体特征点与图像特征点坐标系之间的关系，标定升降目标位置，位置跟踪的稳像效果较差，获得的位置跟踪结果可靠性较低。为此本文设计一种基于计算机视觉的绝缘升降车位置跟踪方法。

1、绝缘升降车位置跟踪方法

1.1 数据跟踪图像采集

本文所设计的绝缘升降车位置跟踪方法主要是依据计算机视觉技术。计算机视觉技术主要利用摄像机跟踪采集升降车位置的视频与图像。因此，为了提高位置跟踪的可靠性，应利用摄像机精准采集视频和图像。根据摄像机内部参数和外部参数，建立摄像机坐标系模型；设定目标位置标定工具参数，调整摄像机在实际采集过程中的位置标定参数，对准升降目标拍摄图像，将拍摄的图像导入图像处理模型，完成图像采集。

摄像机内部参数主要是描述了拍摄过程中物体特征点与图像特征点之间的关系，相机的外部参数表示物体的坐标系在相机坐标系上的位置。摄像机的成像原理采用了小孔成像原则[6]，根据成像原理，建立升降目标坐标系与摄像机坐标系具有如下联系：

式中，(u,v)表示升降目标图像特征点所在的坐标系所对应的坐标值，z表示特征点映射到摄像机坐标系中的垂直坐标轴上的坐标值。Min表示摄像机的内部参数所构成的矩阵，[R P]表示经过平移之后的矩阵，能够从中看出所对应的矩阵平移具体数值[7]。根据上述关系模型制定升降物体位置标定板，调整摄像机的实际位置坐标参数，精准拍摄相应的照片或视频，一般不少于20个文件，将采集的照片导入至图像处理模型中进一步处理。

1.2 建立基于计算机视觉的图像处理模型

在位置跟踪的领域中，使用计算机视觉技术首先要将得到的视觉图像处理成便于跟踪的形态。在绝缘升降车的位置跟踪过程中，对升降车图像进行识别，是位置跟踪的重点内容。识别过程中要对图像进行处理，将图像中的目标进行分割和提取，并实现目标的定位[8]。由于摄像机在拍摄过程中，存在一定的敏感性，图像在传输过程中受到外界干扰，导致图像的画质清晰度较差。因此需要对图像进行增强，利用图像灰度变换函数来提升图像的对比图，将图像中的有用信息进行突出并提取。在处理过程中使用图像伽马变换，在伽马变换模型可以表示为：

式中，γ表示伽马参数，c表示常参数，当伽马参数在变换的过程中，会得到不同的变换幂律曲线[9-10]。幂律曲线图像如图1所示。

图1 γ值变化下的模型变换幂律曲线

图1中，当γ值在一定数值下，所得到的幂律曲线能够将原有图像的灰度从较窄的范围映射到较大的范围上。此时得到的图像像素值为离散的整数，经过取整处理之后，选择合适的伽马值。

在图像处理过程中，由于绝缘升降车在上升和下降的过程中会发生角度变化，在实际的跟踪过程中，这种角度变化所产生的畸变会影响跟踪效果[11-12]。因此需要以目标区域为投影中心，建立一个新的视场范围。本文选择透视方法作为变换的基本方法，透视变换的过程如图2所示：

图2 透视变换示意图

在以上的透视变换中能够实现二维-三维-二维之间的映射，调整图像中由于升降车工作过程中的空间关系。得到的相关计算公式如下：

式中，[u v w]分别表示在变换之前的绝缘升降车的跟踪点，[x'y'w']表示三维点坐标，在以上的计算公式下，能够得到透视之后的二维坐标，如式（4）所示：

经过以上计算之后，得到的(x,y)为变换之后的坐标。

1.3 优化目标跟踪流程

在完成图像处理之后，对绝缘升降车的位置跟踪算法进行优化，本文使用的是CamShift跟踪方法，该方法是以像素的直方图产生目标概率分布，并在统计学意义上以最鲁棒的动态概率分布模式跟踪目标的方式。该方法能够有效解决绝缘升降车载物台在升降过程中所产生的目标变形问题。在该方法的跟踪流程下，对方法跟踪的窗口进行初始化，使其包含绝缘升降机表面的颜色标签；计算采样过程中将各像素在不同通道上的值，得到色调直方图并保存。在整个位置跟踪过程中，计算跟踪区域内的各个像素。查询提前设置的升降车标签颜色直方图，可知相关标签概率。将目标之外的其他颜色概率设置为0，此时跟踪窗口内的图像为升降车颜色的概率分布图。经过灰度化之后，图像中的亮点像素为绝缘升降车所在位置。当窗口收缩到一个定值之后，说明原有的定值已经无法满足升降车的运行高度，此时需要扩大窗口，开始新的跟踪。整体的跟踪流程如图3所示。

图3 优化后的跟踪流程

在以上的流程中，CamShift跟踪方法在各个图像的帧之间都是根据上一步的情况得到零阶矩和中心坐标，并适应不同帧的位置，在绝缘升降车运动过程中出现遮挡或变形时，仍然能保证良好的效果。

2、方法性能测试

2.1 前期数据准备

为了验证本方法的有效性，需要选择相关数据集进行验证。实验中所使用的实际升降车数据集主要来自摄像机所获取的视频数据和升降车惯性数据。其中包括100个绝缘升降车不同位置的视频图像，图像尺寸为1 250×960。视频图像中所包含的内容主要有图像名称、相关基准线下的横纵坐标以及周边尺寸，另外还有绝缘升降车的运动状态以及目标距离。在本文中仅仅进行绝缘升降车载物台的监测识别。实验中为了保证位置跟踪方法性能对比的便利性，选择的评价指标为IoU和稳像效果，其中稳像效果是由MSE、PSNR以及SSIM三个指标构成的。以上指标中，IoU表述的是各个跟踪方法下目标的检测框与真实框之间的拟合度，计算公式如下：

式中，caseR表示升降车载物台的真实框，caseM表示各个方法下的跟踪检测框。IoU的值越大，说明跟踪效果越好。MSE为均方误差距离，表示当前位置跟踪范围内图像和真实图像的均方误差，计算公式为：

式中，m、n表示图像的尺寸，D(i,j)表示当前位置跟踪范围内图像，R(i,j)表示真实图像。PSNR为峰值信噪比，主要是描述跟踪范围内图像和真实图像之间的均方误差相对于信号最大值平方的对数值，能够体现出跟踪方法获得的跟踪画面的失真情况。具体计算公式为：

式中，n表示采样值的比特数。SSIM为结构相似性，其作用是衡量两幅图像的相似度，对比两图中的亮度、对比度以及结构。计算公式为：

式中，μR、R2表示真实图像的平均值和方差，μM、M2表示跟踪图像的平均值和方差。以上三个指标中，MSE值越小，稳像效果越好，PSNR和SSIM的值越大，稳像效果越好。

2.2 实验结果分析

在以上指标的描述下，使用本文设计的基于计算机视觉的绝缘升降车位置跟踪方法和传统的文献[4]方法进行测试，并对各项指标进行对比。由于升降车可以进行纵向垂直升降和平移升降，升降车平台在平移升降时位置跟踪难度更高，因此在测试中，选择升降车在纵向升降和平移升降两种条件下不同位置的跟踪视频进行测试，得到本文方法跟踪结果如图4所示。

由图4可以看出，无论在何种条件下应用本文位置跟踪方法得到的升降车不同位置跟踪结果与实际位置参考值相差不大。将两种方法下的IoU值利用第三方软件进行对比，得到的结果如表1所示：

图4 不同条件下升降车不同位置跟踪结果

表1 不同跟踪方法下的IoU值对比

根据实际的IoU值对比结果来看，在测试的数据集中，本文方法跟踪结果的IoU值明显高于文献[4]方法，说明本文跟踪结果检测框与真实的跟踪框拟合程度更高。

对比两种跟踪方法的稳像效果，根据不同指标的计算公式，得到的不同跟踪方法下的各个指标值如图5所示。

从图5的结果汇总中可以看出，本方法所得到的MSE值均低于传统方法，PSNR值和SSIM值均高于传统方法，说明文献[4]方法的跟踪效果较差，验证了本文方法在对绝缘升降车进行位置跟踪过程中的有效性。

图5 不同方法下稳像效果指标对比

3、结束语

本文利用计算机视觉对绝缘升降车位置进行跟踪，在此过程中，分别对设备、图像处理以及跟踪过程进行了优化。通过标定摄像机，对图像进行增强和透视变换，并结合CamShift跟踪方法实现了绝缘升降车在三个维度方向上运动的有效跟踪。本文位置跟踪方法在实际应用中的可靠性，决定了今后绝缘升降车在工作过程中的运动控制的安全性。精准的位置跟踪，能够有效判断出升降距离，提升电网运维过程中的效率，保证人员安全，实现深度自动化。但由于技术和设备上的限制，本方法还存在一些瑕疵。例如，在实验中没有测试极端恶劣天气下的跟踪效果，在今后的研究中，还需要在浓雾、大雪、暴雨等条件下测试跟踪效果并不断优化，以提升位置跟踪方法的可靠性和适用性。

参考文献:

[1]芦泽阳,李树江,王向东.计及位置不确定的喷雾机喷杆系统仿形姿态渐近跟踪控制[J].应用数学和力学,2022,43(2):132-141.

[2]唐立伟,颜红芹.基于PSO算法的串联机械手位置跟踪模糊PID控制(英文)[J].机床与液压,2020,48(12):72-76.

[3]武志涛,李帅,程万胜.基于扩展滑模扰动观测器的永磁直线同步电机定结构滑模位置跟踪控制[J].电工技术学报,2022,37(10):2503-2512.

[4]肖友刚,王辉堤,李蔚,等.负载升降及干扰工况下桥式吊车微分平坦跟踪控制[J].中南大学学报:自然科学版,2022,53(7):2476-2486.

[5]姚楚阳,刘爽.一种可升降式变电站室内巡检机器人控制系统设计[J].华东理工大学学报:自然科学版,2021,47(1):116-122.

[6]韩江,汪鹏,董方方,等.基于Udwadia-Kalaba方法的平面冗余并联机器人建模与轨迹跟踪控制[J].应用数学和力学,2020,41(11):1183-1196.

[7]林新东,冉冲,钟织富,等.基于机器视觉的固体发动机摆动喷管空间位姿的实时测量技术[J].固体火箭技术,2021,44(6):825-831.

[8]王高,李仰军,郝争辉,等.基于STC目标跟踪的机器视觉测速算法[J].火力与指挥控制,2020,45(10):122-126,131.

[9]邓子阳.采用神经网络模糊滑模控制的液压驱动活塞位置控制研究[J].机床与液压,2020,48(5):179-183.

[10]沈伟,袁小康,刘明.基于事件触发和扩展状态观测器的液压位置跟踪系统控制研究[J].机械工程学报,2022,58(8):274-284.

[11]赵俊伟,宋金典,代军,等.基于机器视觉的高频感应钎焊感应器位置检测方法研究[J].河南理工大学学报(自然科学版),2021,40(3):85-91.