近几年,旋翼飞行机器人在架空输电线路自主巡检方面的应用已经得到迅速发展。旋翼机器人能够通过机载相机和导航设备获取海量的架空输电线路的巡检视频／图像,以及自身和电力杆塔的地理位置。只有快速和准确确定电力杆塔在海量巡检图像中的位置才能为旋翼机器人的自主高效巡检以及为下一步的故障点检测奠定了基础。针对这一问题,本文充分利用旋翼机器人和电力杆塔的相对位置信息提出了融合地理位置信息的电力杆塔检测方法。针对这一课题,本文主要解决两个关键问题：(1)获取旋翼机器人和电力杆塔的相对位置,预估计电力杆塔在巡检图像中的位置区域,称之为GI区域；(2)在预估计的基础上,利用这个位置区域作为可变型部件模型(DPM)检测区域的约束,从而快速精确定位电力杆塔的位置。针对电力杆塔在巡检图像中的位置区域估计,本文重点研究了旋翼机器人和电力杆塔的相对位置的获取,以及导航设备定位误差的影响。针对这些问题,本文采用通用的摄像机几何变换方法获取旋翼机器人和电力杆塔的相对位置。由于导航设备定位误差一般满足高斯分布,所以,在已知相对位置的基础上,本文重点研究了高斯误差对预估计区域的影响。针对电力杆塔检测,本文深入研究了可变型部件模型(DPM)方法在电力杆塔检测的应用。可变型部件模型方法能够有效解决在光照,视角,背景条件不同以及电力杆塔形状各异等情况下的电力杆塔检测。为了进一步提高电力杆塔的检测速度和精度,充分利用电力杆塔的预估计位置区域,实现了电力杆塔的快速,精确定位。实验结果表明,本文通过在飞行机器人巡检获取的视频图像做测试,验证了融合地理位置信息后的可变型部件模型的方法(GI-DPM),电力杆塔检测精度几乎保持不变且检测速度提高了近2倍。本文在充分研究相关目标的位置信息和通用的可变型部件模型检测方法的优缺点后,提出了融合地理位置信息的电力杆塔检测方法。该方法能够实现快速,精确地定位电力杆塔在巡检图像中的位置,为下一步故障点的确定奠定了基础。该方法也为旋翼机器人的自主巡检架空输电线路的推广应用提供了保障。