社会的迅速发展倚重于稳定的电力供应。国家电力系统担负着生产与输送电力的重任,对国家经济发展,国家安全保卫,轻重工业崛起与民生稳步改善等方面均有重大意义。随着输电线路里程和区域的增加,用于高压线自动检测的设备越来越受到重视。目前的一些巡检设备通过自身携带的超声波等设备进行障碍探测,不能对前方具体的障碍进行分类,巡检越障时适应性较差。而随着计算机视觉和图像处理等学科的崛起和发展,国内外越来越多的研究将其融合到高压线巡检设备中,改善和提高了机器人巡检的自主性。本课题基于自研发的高压线巡检平台,提出了一种适应于户外环境的高压线视觉巡检的解决方案,利用双目相机作为硬件平台,对障碍物定位方法进行了深入研究。针对户外的开放巡检场景下,巡检平台因为侧向风,机体振动等因素导致采集到的图像有模糊的现象,提出了一种巡检图像清晰化方案。对退化图形进行建模,分析了退化原因和需要标定的退化参数,并利用图像的二次傅里叶变换和自相关函数对退化图像进行参数估计,并将估计得到的模糊角度和模糊步长输入到图像还原算法中。经过试验验证,该清晰化方案可以较准确地对模糊参数进行估计并复原图像,保证巡检的正常进行。针对高压线塔上的常规障碍,如防震锤、间隔棒、悬垂线夹等具有一定结构特征和尺寸特征保障性金具,提出了一种障碍物视觉定位识别方案。分析了现有的障碍物识别定位方法,利用双目相机作为硬件平台,通过同时采集到的左右眼图像进行立体匹配,获取深度信息。在立体匹配过程中,综合比较了不同匹配算法以及不同匹配参数下生成的视差图的精度和运算时间,综合考虑实时性和精确度要求,确定了最佳的匹配算法。在障碍物类别检测中,提出了一种使用SVM与ANN联合检测的方法对障碍物进行提取。提取类似场景中障碍物的HOG描述子,并用SVM进行训练。在训练过程中,引入难例以提高初检精度。在初选的障碍物ROI范围中,利用ANN对候选区域进行打分,满足分数要求的候选区域为待识别的障碍物区域,保证可以反馈准确的位置类别信息。经过试验验证,本方案可以准确快速地识别出视野障碍物的类别位置。