1。2  电力机器人国内外研究现状

20世纪80年代以来，电力机器人的研究受到国内外许多学者的关注。并且随着机器人技术的不断发展，对电力机器人的研究也越来越深入。

1。2。1  国外研究现状

1。2。2  国内研究现状

1。3  视觉测量关键技术

视觉测量技术是把图像作为检测和传递信息的载体加以利用，从图像中提取有用的信息，通过处理被测图像而获得所需的各种参数[12]。其主要包括数字图像采集、图像特征提取、相机标定、目标识别与测量等技术。其中相机标定、目标识别是部分关键技术。

1。3。1  相机标定

目标物体通过相机成像模型投影到像面上，物体上的点与成像点是一一对应的，并且是由相机成像模型的参数所决定的，即相机参数，确定这些相机成像模型参数的过程通常被称为相机标定[13]。相机的标定通常分为自标定法和传统标定法两种方法。

自标定法不需要任何标定物作为标定参照，通过不断地变换相机的姿态与位置，控制其做严格的运动，使相机同时拍摄多张图片来完成相机的内参数和外参数的标定。该标定方法虽然不依赖已知的标定参照物，但其稳定性差，对实验操作要求较高，所以通常不被采用。传统相机标定法[14]包括直接线性法（DLT法）、非线性优化法、Tsai的两步法、张氏平面法等等。其中张氏平面法是通常被采用的相机标定方法。张氏标定法提出利用相机拍摄平面标定板的不同角度姿态的图像，通过二维信息的分析处理来获取相机参数，先用线性法求解部分参数，而再考虑镜头畸变利用最大似然准则对参数进行非线性的优化，通过获取的内参数及单应性矩阵求解出相机的外参数，最终完成相机内外参数的标定[15]。

1。3。2  目标识别

目标识别是在图像中利用模式识别与图像处理领域中的理论和方法获取感兴趣的目标。其中最简单的方法是模板匹配法，它包括基于特征的模板匹配和基于灰度相关的模板匹配。基于特征的模板匹配法首先提取图像特征，然后将其与模板图像的特征进行匹配，最后根据匹配的结果识别出目标。李健等人采用基于SIFT特征的模板匹配方法识别目标，首先提取目标图像的SIFT角点特征，然后将提取的特征与模板特征进行比较[16]。该方法虽然鲁棒性较好，适用于非结构化环境中的目标识别，但其计算量大，特征提取复杂，因此其应用受到一定限制。基于灰度相关的模板匹配法相比于基于特征的模板匹配法计算简单，速度快，但其匹配的鲁棒性较差[17]。论文网

在目标识别中，基于形状的识别方法也是一种常用的方法。姜浩然等利用绝缘子图像的轮廓形状特征来识别绝缘子，首先利用小波变换对图像进行边缘检测，然后提取图像轮廓，最后通过改进的Hough椭圆变换来识别绝缘子[18]。

1。4  本文内容安排

本文研究电力机器人视觉测量方法，按照视觉测量的步骤进行了如下工作：

第一章：介绍课题研究背景及意义，对电力机器人的国内外研究现状进行了综述。对视觉测量中的部分关键技术进行分析。

第二章：首先根据电力机器人的工作过程对视觉测量系统进行了需求分析，在此基础上，给出电力机器人视觉测量系统的整体方案设计。最后对视觉测量系统中的关键部分，目标识别与测量系统进行实验平台的搭建。

第三章：首先介绍相机的成像模型以及各种坐标系之间的变换关系。然后介绍张氏标定法的原理和标定步骤，在此基础上进行相机的单目标定和立体标定，确定相机的内参数和外参数。最后介绍图像立体校正的原理，并利用标定得到的内外参数进行相机的立体校正实验。