基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进OA
针对变电站复杂动态工况下智能巡检机器人定位建图精度衰减问题,提出一种融合改进CA-YOLOv5目标检测的增强型定位与地图构建架构。采用多模态注意力机制优化CA-YOLOv5网络,构建动态目标实时识别框架;通过语义-几何联合约束策略,在特征匹配阶段建立动态区域掩膜与运动概率模型;设计基于时空一致性的动态特征过滤算法,在捆绑调整优化环节实现动态干扰源的精准剔除与静态场景结构的有效保留。在公开数据集与真实动态场景中的对比试验表明,改进系统将动态环境下的定位误差降低43.7%,地图重建完整度提升41.5%,同时维持良好的实时处理性能。融合框架解决动态元素导致的误匹配与地图污染问题,有效克服了变电站典型动态干扰。
何龙庆;李小勇;石鑫;姜寒;李玉强;王永君;王凯
青岛大学电气工程学院,山东青岛266071山东广域科技有限责任公司,山东东营257029山东广域科技有限责任公司,山东东营257029国家电投东北电力有限公司抚顺热电分公司,辽宁抚顺113010青岛海尔智能技术研发有限公司,山东青岛266101青岛海尔智能技术研发有限公司,山东青岛266101青岛大学电气工程学院,山东青岛266071
信息技术与安全科学
ORB-SLAM3YOLO智能巡检传感器识别动态剔除变电站注意力机制
《综合智慧能源》 2026 (2)
P.47-58,12
中央引导地方科技发展资金项目(YDZX2024060)。
评论