增强现实(AR)技术在电力设备智能巡检中的应用

(1)

因为影响每个像素的噪声独立，模型位于坐标(x,y)的概率是该模型所覆盖的每个像素的联合概率，即：

(2)

其中，n为模型中的像素个数，这个函数称为似然函数。在最大似然估计中，需要选择参数，以使似然函数最大化。在实际算法设计中，场景匹配使用了存储模型相对于采集图像不同位置的匹配存储空间。

2.2 区域定位

在建模的时候，根据现场的实际情况，事先在训练图像上对特定的设备和仪器仪表等需要识别的对象做区域定位。在对当前查询图像进行区域定位时，利用查询图像与匹配到的训练图像之间的透视变换关系，将训练图片上的区域定位框拉伸到查询图像视角下，以便确定查询图像上待识别目标所处区域。

2.3 目标识别与跟踪

在2.2定位到的区域内，通过2.1的算法(已经作为0glass计算机视觉SDK面向社会开放)实现基于图像的目标识别，从而识别出根据模型建立和操作规程要求的巡检点。

识别出特定的巡检点后，增强现实SDK会将事先建立好与之对应的可视化巡检流程数据和判定模型数据传输给AR智能眼镜，通过AR的SDK技术，实时指引巡检人员实现标准规范化的巡检工作，最终达到如图2所示效果。

AR智能眼镜在使用过程中，需要全方位地移动，在眼镜中内置了头部姿态传感器，用以捕获人的头部运动姿态，从而实现物体的跟踪，确保头部运动不影响识别的对象和虚拟信息的融合。

3 结论

基于AR智能眼镜以及AR技术结合电力企业实际需要，可以很好地改进目前电力设备巡检状况。本文提到的方法提高了巡检的效率，确保了电力系统更加稳定运行，并且进一步推进了巡检工作的标准化、管理的科学智能化，以及监督的自动化，具有推广价值。

参考文献：

[1]付跃安.移动增强现实(AR)技术在图书馆中应用前景分析.中国图书馆学报,2013,5:034-039.

[2]朱月香.电力设备缺陷管理模式的探讨[J].浙江电力, 2000(2):48-49.

[3]刘重阳.基于物联网的工业设备智能巡检系统研发.[D].燕山大学,2015.

[4]G Kipper, J Rampolla.增强现实技术导论[M].郑毅,译.北京:国防工业出版社,2014,8.

[5]王涌天,陈靖,程德文.增强现实技术导论[M].北京:科学出版社,2015,6.

本文来源于《电子产品世界》2017年第5期第58页，欢迎您写论文时引用，并注明出处。