500 kV高压线是我国长距离输电系统的主网架,在国家建设过程中起着极其重要的作用。随着输电线路巡检机器人技术的应用和智能电网建设的逐步推进,高压线故障的自动检测越来越受到更多的关注。传统的自主检测系统主要是依赖机器人携带的超声波、电涡流等传感器来完成检测识别障碍物和检测线路故障的任务,具有效率低、时效性差等缺点。随着计算机视觉的发展,国内外学者逐渐将其融入到巡线机器人自动检测系统当中,提高了巡线机器人的智能化水平。目前的基于视觉的巡线机器人监控系统多存在适应性差、准确性低等问题,本课题为解决这些不足,研制了一款巡线机器人样机,并以该机器人为平台提出了一种视觉越障方案和输电线路故障的视觉检测方法。针对高压线智能巡检的性能要求,设计了一款机器人样机,提出了一种视觉越障方案。根据500 kV超高压输电线路的特征和巡线机器人需满足行走、越障等基本功能的要求,设计了一款三臂悬挂式巡线机器人系统。该机器人采用圆弧导轨作为驱动支撑臂,具有设计新颖、控制简单、运动稳定等特点。机器人在运动过程中必须检测并识别防震锤等多种障碍物,并根据其类型做出相应的越障动作。针对杆塔间输电线路的障碍物特征,开展了障碍物识别研究,利用障碍物样本的Haar特征和HOG特征训练障碍物分类器,结合其与高压线之间的结构约束进行障碍物类型的判定。在驱动臂挂线过程中,根据导线的纹理特征,利用灰度共生矩阵和聚类算法相结合的方法增强其纹理特征,并分割出高压线;利用驱动轮图像的HSV颜色和轮廓特征,实现驱动轮的检测分割,进而实现巡线机器人的自主挂线对中操作。通过实验平台测试,该方案能够准确的检测识别出障碍物类型并指导机器人平稳越障。针对高压线智能巡检的工作任务,提出了一种输电线路故障的视觉检测方案。对高压线断股和输电线悬挂异物两种故障图像做显著性特征分析,选用合适的显著性模型处理图像并获得显著性图。利用FT分割方法从图像中分割出高压线,并根据输电线路故障特征对分割图形作进一步处理,检测出故障类型并定位其位置。通过对实地故障图像的处理,证明了该方法的准确性。