巡线机器人在巡检过程中,要实现大范围自主行走,需要具有跨越诸如防震锤、悬垂线夹之类障碍物的能力。要跨越障碍物,首先应该检测到它们,进而识别障碍物的种类和对其进行定位。视觉传感器由于具有无接触检测、可感知信息丰富等优点,成为巡线机器人导航时感知周围环境,获取外部信息的首选传感器。通过视觉,检测、识别和定位地线上的障碍物,使机器人接近它们时避免发生碰撞,并依据障碍物种类制定越障方案,是利用视觉导航的重要任务。同时,在手眼视觉中,利用视觉检测地线的姿态信息,回馈给控制系统,使机器人跨越杆塔时有效抓取地线。基于以上需求,本文主要研究内容如下:（1）架空地线的快速视觉检测。为准确快速的检测导航摄像机视频中的地线,给后续处理提供基础,本文针对图像处理中常用的穷尽搜索算法计算量大的问题,对分级算法进行了改进。改进算法中,整个处理分两级进行,通过使其时间复杂度达到最小来确定第一级步长,结合降采样,将检测的时间复杂度由O（mn²）降至O(m^1/2n),并将其应用于检测文本图像的倾角和导航视频帧中的地线,验证了算法的有效性。在地线检测中,根据其轴线的表达式,获取边缘直线的法向角范围。利用角度范围和地线两侧边缘为最长两直线这两条先验知识,采用分级算法,实现了地线的快速检测。测试中对于480×360和640×360的巡检图像,应用改进算法,能够在不降低精度的情况下,将处理速度提高到传统Hough变换的7.54倍和7.21倍,在法向角和距离检测精度为0.1°和0.05的条件下,平均处理时间分别为8.5ms和5.0ms。（2）架空地线上障碍物的视觉检测与识别。为应对巡检图像受摄像机晃动、目标的运动和大尺度变化、光照变化等不利影响,从中准确检测并识别障碍物,本文在克服上述影响检测出运动目标的基础上,通过PCA算法融合目标的Hu矩和HOG特征,并采用支持向量机作为分类器对其进行识别。首先通过灰度拉伸减弱光照影响,利用Harris角点匹配法检测背景的抖动以消除其影响,然后结合帧差和阈值分割实现运动目标的检测。检测出目标后,提取Hu矩和HOG特征并组合成联合特征,采用PCA算法将其降为低维特征,利用SVM分类器进行分类。最后对三种型号的防震锤、悬垂线夹及负样本组成的训练集和测试集各100幅和60幅图像分别进行训练和测试,在PCA降维中贡献率占比阈值为0.85时,四种金具识别率最高,分别为98.3%、95.0%、96.7%和98.3%,优于文献中已有的单一特征识别算法,且对单个目标的识别时间只需0.1ms。（3）架空地线上障碍物的单目距离估测。检测到障碍物后,为确定它沿地线到摄像机的距离,文中提出了一种单目距离估测算法。通过摄像机相对于地线的几何关系和小孔成像模型,获取所求距离与图像中地线上最近点到摄像机镜头距离这一已知量的关系,实现距离的估测。为验证算法效果,设计了摄像机处于静止和运动两种情况下的实验。静止实验中,在1.5-9.5米范围内,估测距离绝对误差不超过0.20米,相对误差不超过10%,相对误差的绝对值均值不超过3%。动态实验中,机器人匀速运动所走过距离和估测距离之和基本为定值,符合预期结果。通过两种实验,证明该算法是可靠的。本算法具有检测精度较高、所需参数少等优点。（4）导航摄像机的自动标定。针对机器人高空作业时无法拍摄标定板图像,本文在张正友标定算法的基础上给出了一种自动标定方法,无需人工拍摄标定板图像即可完成标定,获取焦距等参数。检测到地线上的运动目标后,机器人做已知速度的低匀速运动。在此过程中摄像机俯仰角保持不变,通过n幅图像中的运动目标,从地线上获取3×n个交点,构造出一幅含2×（n-1）个尺寸已知的矩形的标定棋盘格图像。这些交点为地线边缘及轴线与位于该轴线所在竖直面内的垂线相交所产生。改变两次偏转角,共获取3幅含相同数目矩形的棋盘格图像,按张氏标定法相同的处理方式完成计算。试验中以张氏标定结果为基准,当焦距均值分别为1420.27、2524.69和1855.23时,自动标定相对误差均值分别为4.41%,5.72%和8.31%。（5）手眼视觉中地线姿态的检测。为了从手眼视觉图像中准确检测出地线的斜率角和截距这两个反应其姿态的参数,利用图像中地线的纹理特点,本文设计了一种通过对直线进行聚类以确定目标分割区域的算法。通过边缘图像,获取其中直线的法向角、到原点距离和起止点等信息。对各直线的法向角和距离进行聚类,将近似平行且距离接近的直线作为同一个类别。去除外点直线后,由类别中直线端点确定各目标的分割区域,获取其中心线的斜率角和截距,并分割出各区域作为待识别目标。最后提取目标的LBP特征,利用SVM分类器进行识别,实现地线姿态的检测。通过实验验证,算法可达到较好的检测效果:斜率角最大误差为3.4°,截距误差最大为9.5像素,不超过图像宽度的1/24。