本發(fā)明涉及自動控制領(lǐng)域，特別是涉及基于視覺反饋的巡視機器人云臺調(diào)整方法。
背景技術(shù)：
名詞解釋：
roi：regionofinterest，感興趣區(qū)域。
隨著科學技術(shù)的步伐，電網(wǎng)的建設(shè)正由傳統(tǒng)的有人值守人工檢測向無人值守智能變電站方向發(fā)展。因此巡視機器人孕育而生，巡視機器人系統(tǒng)是集信息一體化技術(shù)、多傳感器融合技術(shù)、自主導航技術(shù)、安防技術(shù)、高級圖像處理技術(shù)、模式識別技術(shù)、高效無線傳輸技術(shù)于一體的復雜系統(tǒng)。巡視器人基于激光自主導航，實現(xiàn)巡檢路線的最優(yōu)規(guī)劃，自動避障繞行，進行變電站設(shè)備的圖像、音頻、紅外測溫數(shù)據(jù)的采集，并通過無線網(wǎng)絡(luò)傳輸至后臺服務(wù)器，應(yīng)用高級圖像識別技術(shù)，音頻分析技術(shù)，紅外專家?guī)斓燃夹g(shù)實現(xiàn)設(shè)備異常分析，開關(guān)分合識別、儀表讀數(shù)，油位計油位識別，異物檢查，設(shè)備測溫等功能。因此可知，高清可見圖像和紅外測溫圖像的拍攝采集的過程在整個系統(tǒng)中尤為重要。但在實際機器人巡檢過程中，有很多的客觀因素制約著設(shè)備圖像的采集工作。
通過實際變電站巡視機器人的試行中發(fā)現(xiàn)，通過高清攝像機和紅外攝像機實時采集到的圖像時常出現(xiàn)拍攝角度和視野的偏差，偶爾甚至會出現(xiàn)拍攝不到需要檢測的設(shè)備的情況。因此如果拍攝姿態(tài)的重復性不高，將導致后面的圖像識別工作將無法進行。通過分析和試驗總結(jié)了導致圖像采集出現(xiàn)誤差的主要幾個重要因素：
(1)設(shè)備模板圖像是由操作員人工控制機器人云臺及相機進行拍攝采集，一般情況下需要觀察的設(shè)備區(qū)域位于圖像的中央部分，并保存云臺角度與相機倍率，聚焦等相關(guān)的參數(shù)，但是巡視機器人在執(zhí)行巡檢任務(wù)時無操作人員對其進行指引，機器人行進至每一設(shè)備觀測預(yù)置位后，調(diào)用該設(shè)備模板圖像的拍攝參數(shù)，進行云臺轉(zhuǎn)動控制及相機參數(shù)，進行自主采集實時設(shè)備狀態(tài)圖像，此過程缺乏對設(shè)備區(qū)域是否偏出圖像視野范圍作驗證。
(2)巡視機器人在變電站中行駛的路面大多由瀝青或水泥鋪設(shè)，甚至有些還是水泥板拼接而成的。這類地勢環(huán)境對于機器人的驅(qū)動輪來說難免會有一定的影響，這就導致了巡檢過程中一路走來在預(yù)置位停車位置的重復性有一定的誤差，此時機器人的航向角相對于模板圖像采集時會有差別，這樣的差別便導致了即使機器人準確的控制了云臺姿態(tài)，也不能避免采集圖像中設(shè)備區(qū)域的偏離誤差。
(3)在一個普通的220kv變電站中，機器人執(zhí)行巡檢任務(wù)時需要觀測的設(shè)備多達3千個以上，巡視機器人云臺載重約5kg，經(jīng)過一定時間的使用后，云臺轉(zhuǎn)動次數(shù)數(shù)以萬計，云臺的機械設(shè)備難免會出現(xiàn)磨損，如果一直使用相同的角度轉(zhuǎn)動控制參數(shù)，云臺的實際姿態(tài)可能會發(fā)生變化，即設(shè)備圖像可能偏移出圖像的視野范圍。
(4)當云臺轉(zhuǎn)動控制的不再像初始時那樣精確，需要對云臺進行復位校正、調(diào)整云臺轉(zhuǎn)動控制參數(shù)，甚至當云臺出現(xiàn)故障后需要進行云臺更換，這些云臺設(shè)備的維護措施導致了轉(zhuǎn)動控制參數(shù)的更改，需要進行模板圖像的重新采集以及云臺參數(shù)的重設(shè)，耗時費力，但如果不采取措施，會產(chǎn)生更大的巡檢采集圖像的偏離。
(5)當機器人遠距離采集如儀表此類的設(shè)備時，需要將高清攝像機倍率放大到30倍來進行觀測，這時機器人姿態(tài)或云臺控制中任何細微的差別都可能造成設(shè)備區(qū)域的偏出。
(6)當云臺進行小角度運動時，由于運動距離較短，電機可能無法到達設(shè)定的速度，從而由于速度較低無法靠慣性運動到位，造成系統(tǒng)誤差，這也可以導致采集的圖像產(chǎn)生偏離。
技術(shù)實現(xiàn)要素：
為了解決上述的技術(shù)問題，本發(fā)明的目的是提供基于視覺反饋的巡視機器人云臺調(diào)整方法。該方法通過圖像場景信息的匹配反饋調(diào)整云臺的姿態(tài)，實現(xiàn)云臺控制的高精度閉環(huán)控制定位，有效的解決了巡視機器人實時采集圖像產(chǎn)生的偏離誤差問題，為圖像處理打好了基礎(chǔ)，同時提高了巡檢的效率和質(zhì)量。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
基于視覺反饋的巡視機器人云臺調(diào)整方法，包括步驟：
s1，巡視機器人進行巡檢，在巡檢過程中從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)后進行拍攝，并將實時拍攝采集的設(shè)備圖像發(fā)送到服務(wù)器；
s2，服務(wù)器接收到實時采集的設(shè)備圖像后，從數(shù)據(jù)庫中調(diào)用對應(yīng)待檢設(shè)備的模版圖像，采用基于形狀的模版匹配方法，將實時采集的設(shè)備圖像與數(shù)據(jù)庫中保存的匹配模版進行匹配；
s3，計算實時采集到的設(shè)備圖像與模版圖像的位置偏移關(guān)系，以及兩幅圖像的匹配值；
s4，根據(jù)計算出的匹配值判斷所采集的設(shè)備圖像的完整性，當判斷所采集的設(shè)備圖像不完整時，對巡視機器人的云臺姿態(tài)數(shù)據(jù)和相機工作參數(shù)進行調(diào)整，重新返回步驟s1，直到判斷所采集的設(shè)備圖像完整或調(diào)整次數(shù)達到預(yù)設(shè)次數(shù)閾值時，執(zhí)行步驟s5；
s5，將采集的設(shè)備圖像進行圖像識別處理后進行存儲，并發(fā)出控制指令控制巡檢機器人進行下一個預(yù)設(shè)點的巡檢工作。
進一步，所述步驟s1之前還包括步驟：
s0，將巡視機器人巡檢路線中每一個預(yù)設(shè)點的待檢設(shè)備的云臺姿態(tài)數(shù)據(jù)、相機工作參數(shù)、模版圖像和生成圖像roi區(qū)域的參數(shù)文件與該待檢設(shè)備進行關(guān)聯(lián)后保存在數(shù)據(jù)庫中。
進一步，所述步驟s0，包括步驟：
s01，控制巡視機器人依次行駛到巡檢線路中的每個預(yù)設(shè)點位置，然后記錄該預(yù)設(shè)點的地理位置信息并保存在數(shù)據(jù)庫中；
s02，調(diào)節(jié)云臺的旋轉(zhuǎn)角度和俯仰角度，同時調(diào)整相機的工作參數(shù)，直到待檢測設(shè)備被清晰拍攝并處于所拍攝圖像的中心位置后，拍攝獲得待檢設(shè)備的模板圖像并設(shè)定圖像的roi區(qū)域；
s03，獲取此時的云臺姿態(tài)數(shù)據(jù)、相機工作參數(shù)、模版圖像和生成圖像roi區(qū)域的參數(shù)文件后，與該待檢設(shè)備進行關(guān)聯(lián)后保存在數(shù)據(jù)庫中。
進一步，所述s1中從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)后進行拍攝的步驟，其具體為：
從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)，進而解析獲得云臺的旋轉(zhuǎn)角度和俯仰角度后，控制云臺進行相應(yīng)的運動，進而根據(jù)相機參數(shù)調(diào)整相機后，對待檢設(shè)備進行拍攝。
進一步，所述步驟s2，包括步驟：
s21，服務(wù)器接收到實時采集的設(shè)備圖像后，從數(shù)據(jù)庫中調(diào)用對應(yīng)待檢設(shè)備的模版圖像，進而采用高斯光滑的拉普拉斯變化對模板圖像進行邊緣特征提取，提取模版圖像的roi區(qū)域中的邊緣特征；
s22，采用金字塔二次采樣，將模版圖像多次縮小一半，構(gòu)成金字塔圖像；
s23，對金字塔圖像進行旋轉(zhuǎn)平移變換后生成匹配模板；
s24，將設(shè)備圖像與匹配模板進行匹配。
進一步，所述步驟s3，包括步驟：
s31，根據(jù)下式，計算實時采集到的設(shè)備圖像與模版圖像的位置偏移關(guān)系：
上式中，offset(pix)為像素偏移差，h代表水平方向，v代表垂直方向，ctemp表示模版圖像中的特征點的位置；ccap表示設(shè)備圖像中的特征點的位置，n表示特征點數(shù)量；
s32，根據(jù)下式，計算判斷設(shè)備圖像與模版圖像的匹配值：
其中，ncc(r,c)表示匹配值，mt表示模版圖像的平均灰度值，
進一步，所述s4中所述根據(jù)計算出的匹配值判斷所采集的設(shè)備圖像的完整性的步驟，具體為：判斷計算出的匹配值是否處于預(yù)設(shè)匹配閾值范圍內(nèi)，若是，則表示所采集的設(shè)備圖像完整，反之，表示所采集的設(shè)備圖像不完整。
進一步，所述s4中所述當判斷所采集的設(shè)備圖像不完整時，對巡視機器人的云臺姿態(tài)數(shù)據(jù)和相機工作參數(shù)進行調(diào)整的步驟，包括：
縮小相機的光學放大倍率后重新進行拍攝，獲得調(diào)整前后拍攝的兩幅設(shè)備圖像在水平方向和垂直方向平移的距離，并在該距離大于最小閾值時，根據(jù)相機像距和焦距，計算獲得模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度后，將其轉(zhuǎn)換為對云臺姿態(tài)數(shù)據(jù)的調(diào)整參數(shù)，進而將調(diào)整參數(shù)與原云臺姿態(tài)數(shù)據(jù)疊加獲得補償后的云臺姿態(tài)數(shù)據(jù)，最后將光學放大倍率放大到原倍率。
進一步，所述模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度是通過下式計算獲得的：
其中，
上式中，offset(ang)表示模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度，offset表示像素偏移差，h代表水平方向，v代表垂直方向，solution表示相機的像距，f表示相機的焦距。
進一步，所述s5中所述將采集的設(shè)備圖像進行圖像識別處理后進行存儲的步驟，其具體為：
根據(jù)前述設(shè)備圖像與模板圖像的匹配結(jié)果，獲得設(shè)備圖像中設(shè)備區(qū)域的坐標位置并裁剪獲得待識別的設(shè)備區(qū)域子圖像后，調(diào)用與該待檢設(shè)備對應(yīng)的圖像處理函數(shù)，對該設(shè)備區(qū)域子圖像進行設(shè)備工作狀態(tài)的識別，并進行存儲。
本發(fā)明的有益效果是：本發(fā)明的基于視覺反饋的巡視機器人云臺調(diào)整方法，包括步驟：s1，巡視機器人進行巡檢，在巡檢過程中從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)后進行拍攝，并將實時拍攝采集的設(shè)備圖像發(fā)送到服務(wù)器；s2，服務(wù)器接收到實時采集的設(shè)備圖像后，從數(shù)據(jù)庫中調(diào)用對應(yīng)待檢設(shè)備的模版圖像，采用基于形狀的模版匹配方法，將實時采集的設(shè)備圖像與數(shù)據(jù)庫中保存的匹配模版進行匹配；s3，計算實時采集到的設(shè)備圖像與模版圖像的位置偏移關(guān)系，以及兩幅圖像的匹配值；s4，根據(jù)計算出的匹配值判斷所采集的設(shè)備圖像的完整性，當判斷所采集的設(shè)備圖像不完整時，對巡視機器人的云臺姿態(tài)數(shù)據(jù)和相機工作參數(shù)進行調(diào)整，重新返回步驟s1，直到判斷所采集的設(shè)備圖像完整或調(diào)整次數(shù)達到預(yù)設(shè)次數(shù)閾值時，執(zhí)行步驟s5；s5，將采集的設(shè)備圖像進行圖像識別處理后進行存儲，并發(fā)出控制指令控制巡檢機器人進行下一個預(yù)設(shè)點的巡檢工作。本方法可以通過巡航機器人采集的待檢設(shè)備的設(shè)備圖像的反饋信息，實現(xiàn)云臺的閉環(huán)控制，實現(xiàn)巡航機器人的云臺自動控制調(diào)整，控制精度高，智能化程度高，操作便捷。
附圖說明
下面結(jié)合附圖和實施例對本發(fā)明作進一步說明。
圖1是本發(fā)明的基于視覺反饋的巡視機器人云臺調(diào)整方法的流程圖。
具體實施方式
參照圖1，本發(fā)明提供了一種基于視覺反饋的巡視機器人云臺調(diào)整方法，包括步驟：
s1，巡視機器人進行巡檢，在巡檢過程中從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)后進行拍攝，并將實時拍攝采集的設(shè)備圖像發(fā)送到服務(wù)器；巡視機器人在接收到后臺的巡檢任務(wù)下發(fā)指令時，巡視機器人自動啟動巡檢模式，按照預(yù)設(shè)置的巡檢路徑順序進行巡檢，巡檢過程中，到達預(yù)設(shè)位置即停車，調(diào)用數(shù)據(jù)庫中該位置的云臺姿態(tài)數(shù)據(jù)，即云臺的俯仰角度和旋轉(zhuǎn)角度，以及相機的參數(shù)，包括放大倍數(shù)和聚焦值等；
s2，服務(wù)器接收到實時采集的設(shè)備圖像后，從數(shù)據(jù)庫中調(diào)用對應(yīng)待檢設(shè)備的模版圖像，采用基于形狀的模版匹配方法，將實時采集的設(shè)備圖像與數(shù)據(jù)庫中保存的匹配模版進行匹配；
s3，計算實時采集到的設(shè)備圖像與模版圖像的位置偏移關(guān)系，以及兩幅圖像的匹配值；
s4，根據(jù)計算出的匹配值判斷所采集的設(shè)備圖像的完整性，當判斷所采集的設(shè)備圖像不完整時，對巡視機器人的云臺姿態(tài)數(shù)據(jù)和相機工作參數(shù)進行調(diào)整，重新返回步驟s1，直到判斷所采集的設(shè)備圖像完整或調(diào)整次數(shù)達到預(yù)設(shè)次數(shù)閾值時，執(zhí)行步驟s5；如果調(diào)整次數(shù)達到預(yù)設(shè)次數(shù)閾值，還未達到規(guī)定匹配值即表示相機仍未能拍攝采集到待檢設(shè)備的完整的設(shè)備圖像，則意味該預(yù)設(shè)點的檢測任務(wù)失敗，執(zhí)行步驟5后，按照巡檢順序進行下一個預(yù)設(shè)點巡檢；
s5，將采集的設(shè)備圖像進行圖像識別處理后進行存儲，并發(fā)出控制指令控制巡檢機器人進行下一個預(yù)設(shè)點的巡檢工作。
在夜間或能見度不佳的天氣條件下執(zhí)行巡檢任務(wù)時，巡航機器人可以使用攜帶的紅外熱像儀采集設(shè)備熱能圖像，計算紅外圖像的像素偏差計算云臺誤差完成角度補償，實現(xiàn)機器人可以在24小時全天候下準確采集電力設(shè)備的可見光圖像與紅外熱圖像。至此，在任一預(yù)置位執(zhí)行相應(yīng)的“視覺反饋”后，機器人相機中呈現(xiàn)的畫面與模板圖像的誤差已經(jīng)很微，不必再做調(diào)整，采集實時的設(shè)備圖像與模板圖像匹配進行設(shè)備區(qū)域標定及設(shè)備工作狀態(tài)識別。
進一步作為優(yōu)選的實施方式，所述步驟s1之前還包括步驟：
s0，將巡視機器人巡檢路線中每一個預(yù)設(shè)點的待檢設(shè)備的云臺姿態(tài)數(shù)據(jù)、相機工作參數(shù)、模版圖像和生成圖像roi區(qū)域的參數(shù)文件與該待檢設(shè)備進行關(guān)聯(lián)后保存在數(shù)據(jù)庫中。
進一步作為優(yōu)選的實施方式，所述步驟s0，包括步驟：
s01，控制巡視機器人依次行駛到巡檢線路中的每個預(yù)設(shè)點位置，然后記錄該預(yù)設(shè)點的地理位置信息并保存在數(shù)據(jù)庫中；
s02，調(diào)節(jié)云臺的旋轉(zhuǎn)角度和俯仰角度，同時調(diào)整相機的工作參數(shù)，直到待檢測設(shè)備被清晰拍攝并處于所拍攝圖像的中心位置后，拍攝獲得待檢設(shè)備的模板圖像并通過鼠標輸入設(shè)定圖像的roi區(qū)域；
s03，獲取此時的云臺姿態(tài)數(shù)據(jù)、相機工作參數(shù)、模版圖像和生成圖像roi區(qū)域的參數(shù)文件后，與該待檢設(shè)備進行關(guān)聯(lián)后保存在數(shù)據(jù)庫中。云臺姿態(tài)數(shù)據(jù)包括旋轉(zhuǎn)角度和俯仰角度。
進一步作為優(yōu)選的實施方式，所述s1中從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)后進行拍攝的步驟，其具體為：
從數(shù)據(jù)庫中獲取對應(yīng)的云臺姿態(tài)數(shù)據(jù)和相機參數(shù)，進而解析獲得云臺的旋轉(zhuǎn)角度和俯仰角度后，控制云臺進行相應(yīng)的運動，進而根據(jù)相機參數(shù)調(diào)整相機后，對待檢設(shè)備進行拍攝。
進一步作為優(yōu)選的實施方式，所述步驟s2，包括步驟：
s21，服務(wù)器接收到實時采集的設(shè)備圖像后，從數(shù)據(jù)庫中調(diào)用對應(yīng)待檢設(shè)備的模版圖像，進而采用高斯光滑的拉普拉斯變化對模板圖像進行邊緣特征提取，提取模版圖像的roi區(qū)域中的邊緣特征；
高斯光滑濾波的計算公式如下：
上式中，g0(x,y)表示高斯光滑濾波結(jié)果，x表示橫坐標，y表示縱坐標，a表示幅值，μ表示均值，σ表示標準差，μ和σ均包括x方向和y方向上的均值和標準差。
其中拉普拉斯變化是在圖像的x，y方向上二階偏導求和，計算公式如下：
s22，采用金字塔二次采樣，將模版圖像多次縮小一半，構(gòu)成金字塔圖像；基于金字塔分層搜索策略：由高層開始到底層搜索，在高層圖像搜索到的模版實例追蹤到圖像金字塔的最底層，應(yīng)用金字塔二次采樣大大的加速了圖像搜索效率。
s23，對金字塔圖像進行旋轉(zhuǎn)平移變換后生成匹配模板；
旋轉(zhuǎn)平移變換矩陣如下：
δx，δy分別表示圖像在x軸和y軸上平移的距離，θ分別表示圖像繞中心位置的旋轉(zhuǎn)角度。
s24，將設(shè)備圖像與匹配模板進行匹配。
進一步作為優(yōu)選的實施方式，所述步驟s3，包括步驟：
s31，根據(jù)下式，計算實時采集到的設(shè)備圖像與模版圖像的位置偏移關(guān)系：
上式中，offset(pix)為像素偏移差，h代表水平方向，v代表垂直方向，ctemp表示模版圖像中的特征點的位置；ccap表示設(shè)備圖像中的特征點的位置，n表示特征點數(shù)量；模版圖像中的特征點是指前述步驟s21進行拉普拉斯變化后得到的邊緣特征點；
s32，根據(jù)下式，計算判斷設(shè)備圖像與模版圖像的匹配值：
其中，ncc(r,c)表示匹配值，是通過歸一化相關(guān)系數(shù)來表達的，mt表示模版圖像的平均灰度值，
以上計算得到ncc的范圍值是-1≤ncc≤1，歸一化相關(guān)系數(shù)的絕對值越大表示模版與待檢測圖像越相近。
進一步作為優(yōu)選的實施方式，所述s4中所述根據(jù)計算出的匹配值判斷所采集的設(shè)備圖像的完整性的步驟，具體為：判斷計算出的匹配值是否處于預(yù)設(shè)匹配閾值范圍內(nèi)，若是，則表示所采集的設(shè)備圖像完整，反之，表示所采集的設(shè)備圖像不完整。
進一步作為優(yōu)選的實施方式，所述s4中所述當判斷所采集的設(shè)備圖像不完整時，對巡視機器人的云臺姿態(tài)數(shù)據(jù)和相機工作參數(shù)進行調(diào)整的步驟，包括：
縮小相機的光學放大倍率后重新進行拍攝，獲得調(diào)整前后拍攝的兩幅設(shè)備圖像在水平方向和垂直方向平移的距離，并在該距離大于最小閾值時，根據(jù)相機像距和焦距，計算獲得模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度后，將其轉(zhuǎn)換為對云臺姿態(tài)數(shù)據(jù)的調(diào)整參數(shù)，進而將調(diào)整參數(shù)與原云臺姿態(tài)數(shù)據(jù)疊加獲得補償后的云臺姿態(tài)數(shù)據(jù)，最后將光學放大倍率放大到原倍率。這里，調(diào)整前后拍攝的兩幅設(shè)備圖像在水平方向和垂直方向平移的距離用于判斷是否需要對云臺進行調(diào)節(jié)，當該距離小于最小閾值時，表示云臺不需要再進行調(diào)節(jié)，反之，需要進行調(diào)節(jié)，繼續(xù)執(zhí)行后面的調(diào)整參數(shù)計算等步驟。
進一步作為優(yōu)選的實施方式，所述模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度是通過下式計算獲得的：
其中，
上式中，offset(ang)表示模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度，offset表示像素偏移差，h代表水平方向，v代表垂直方向，solution表示相機的像距，f表示相機的焦距。
將偏轉(zhuǎn)角度轉(zhuǎn)換為對云臺姿態(tài)數(shù)據(jù)的調(diào)整參數(shù)的計算方法如下：
其中，ptzctrloffset表示調(diào)整參數(shù)，ptzsolution表示云臺轉(zhuǎn)動單位角度的控制采樣值，h代表水平方向，v代表垂直方向，offset(ang)表示前述的模版圖像與設(shè)備圖像的偏轉(zhuǎn)角度。
將調(diào)整參數(shù)與原云臺姿態(tài)數(shù)據(jù)疊加獲得補償后的云臺姿態(tài)數(shù)據(jù)的過程如下：
其中，ptz表示補償后的云臺姿態(tài)數(shù)據(jù)，ptzcur為云臺當前的云臺姿態(tài)數(shù)據(jù)，ptzctrloffset表示調(diào)整參數(shù)，即表示對云臺控制補償?shù)膮?shù)，-v表示由于當云臺向上運動過度時，設(shè)備圖像中的特征點位置相對于模版圖像偏下，此時，前述計算的偏轉(zhuǎn)角度符號為“+”時，調(diào)整參數(shù)的符號為“-”；水平方向的補償則與補償量的符號一致。
進一步作為優(yōu)選的實施方式，所述s5中所述將采集的設(shè)備圖像進行圖像識別處理后進行存儲的步驟，其具體為：
根據(jù)前述設(shè)備圖像與模板圖像的匹配結(jié)果，獲得設(shè)備圖像中設(shè)備區(qū)域的坐標位置并裁剪獲得待識別的設(shè)備區(qū)域子圖像后，調(diào)用與該待檢設(shè)備對應(yīng)的圖像處理函數(shù)，對該設(shè)備區(qū)域子圖像進行設(shè)備工作狀態(tài)的識別，并進行存儲。
本發(fā)明很大程度上提高了巡檢任務(wù)中采集設(shè)備圖像的準確性，通過巡檢過程中云臺視覺反饋的調(diào)整，圖象采集的準確率高達99.3％以上。設(shè)置在最大放大倍率30倍的情況下，也能準確的將待檢設(shè)備拍攝回來。本發(fā)明標志著巡視機器人能夠通過視覺的反饋信息，與云臺控制形成閉環(huán)，完成了“眼睛”(相機)和“頭部”(云臺)的自動協(xié)調(diào)控制，從而提高了巡視機器人的智能化程度，給工作人員帶來了很大的便捷。
另外，巡視機器人攜帶的相機可以采用可見光及紅外攝像機進行視覺反饋，在本發(fā)明實施之后實現(xiàn)了機器人在變電站24小時全天候的電力設(shè)備巡檢任務(wù)，保障變電站設(shè)備安全運行。
以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做出種種的等同變形或替換，這些等同的變型或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。