随着我国工业智能机器人技术的发展,电力领域的带电作业机器人也在向全自主、智能化的方向发展,其中机器人的目标识别与定位技术是研究的重点。本文对高压输电线的识别与定位问题进行了研究,设计了一套基于双目视觉的高压输电线检测与定位系统用于引导机械手抓取目标输电线完成带电作业任务。首先,研究了一种基于彩色图像的高压输电线分割方法。结合不同色彩空间的特性,先根据输电线的颜色在HSV色彩空间下设定三个通道的阈值对背景进行过滤,然后使用形态学开运算对初步分割的结果进行迭代处理,提取到输电线的模板图像后在Lab色彩空间下对原始图像进行直方图反向投影,得到目标输电线的概率分布图像,最后对该概率分布图像进行二值化从而完成目标输电线的分割。然后针对输电线的分割结果中存在与背景有大量连通域的问题,提出了一种基于轮廓分析的融合目标特征的连通域去除方法。先对彩色图像的分割结果进行输电线主体轮廓的提取,并通过曲线拟合的方式去除毛刺、平滑边缘;然后利用轮廓曲线上点到切线相对距离的累加和作为拐点判别函数,设计出一种新的反映曲率特性的拐点检测算法;对检测出的输电线主体轮廓上的拐点进行类别判断,并筛选出输电线两边缘轮廓点集,最后根据边缘轮廓点集拟合提取出中心线从而完成背景连通域的去除。针对传统目标检测算法的局限性,本文对基于深度学习的YOLOv3算法进行了研究,对该算法从原理、网络结构和损失函数三个方面进行了剖析,通过制作输电线样本数据集并配置网络相关参数完成了算法模型的训练,结合本文的应用场景从数据集增强方法、损失函数以及后处理方法三个方面对该算法进行了优化,并将其成功应用于本文所设计的目标检测与定位系统中。最后本文对基于双目视觉的高压输电线检测与定位系统进行了设计。根据双目视觉测量原理对系统功能需求进行分析,设计出系统顶层架构,结合多线程并发技术实现了各个模块的功能,最后对设计出的双目视觉系统进行了测试,定位误差控制在5mm以内,能够达到每秒钟6帧以上的实时检测速度,并且测量过程中的数据波动稳定在3mm以内,进一步验证了本文所设计系统的准确性、实时性以及鲁棒性。