高压输电线路是远距离配送电力的主要方式,对输电线路的检测和维护是电力输送的重点发展规划之一。随着机器视觉的发展,将机器视觉应用到巡线机器人上,替代传统的传感器对线路障碍和环境状况进行检测,可提高巡线机器人的智能化水平,但基于机器视觉的巡线机器人控制系统尚不成熟,存在识别种类单一,定位精准率低等问题。因此,本文提出了一种基于双目视觉的在线障碍物识别与定位方法。首先,针对现有巡线机器人障碍物识别种类单一的问题,本文搭建了一个用于高压输电线路障碍物多分类识别的视觉检测系统。以梯度方向直方图(HOG)特征提取和支持向量机(SVM)分类识别为基础,设计出一种多循环多分类识别检测方法,分别训练出每类障碍物的分类器,在SVM单分类识别的基础上,对其进行循环识别检测,解决了单一分类器无法识别多障碍的难点,摆脱了多分类识别库只可在MATLAB上应用的约束。其次,针对巡线机器人障碍物定位精度低的问题,在对单目和双目测距进行分析的基础上,结合线路上障碍物的具体状况,本文搭建了一个用于高压输电线路障碍物定位的双目实时测距系统。此系统通过左右摄像头相互协作来实现,以左摄像头障碍物识别为基础,结合其识别出的障碍物范围对其进行预设取点,然后通过双目摄像头对所取点进行测距,并随着机器人前进不断更新障碍物到镜头的距离。最后,在现有的巡线机器人平台上搭建了基于双目视觉的在线障碍物识别与定位系统,双目视觉系统由多分类识别系统和双目实时测距系统共同构成,在线巡检时与传感器信息相结合,共同完成巡检任务。经过一系列的实验验证,实验结果表明,本文所搭建的双目视觉识别定位系统对线路障碍物识别定位速度快、精度高、实时性强,完全满足巡线机器人的在线障碍物识别与定位需求。