基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进

何龙庆; 李小勇; 石鑫; 姜寒; 李玉强; 王永君; 王凯

doi:10.3969/j.issn.2097-0706.2026.02.005

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进

人工智能赋能的运维与巡检 | 更新时间：2026-03-09

- 基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进
- Improvement of feature point filtering algorithm for dynamic scenarios in substations based on fusion of YOLOv5 and ORB-SLAM
- 综合智慧能源 2026年48卷第2期页码：47-58
- 作者机构：
  
  1.青岛大学电气工程学院，山东青岛 266071
  2.山东广域科技有限责任公司，山东东营 257029
  3.国家电投东北电力有限公司抚顺热电分公司，辽宁抚顺 113010
  4.青岛海尔智能技术研发有限公司，山东青岛 266101
- 作者简介：
  
  何龙庆（2002），男，硕士生，从事变电站智能巡检、机器视觉等方面的研究，hlq20011225@163.com；
  李小勇（1983），男，工程师，从事110 kV变电站安装工程方面的研究，275314252@qq.com；
  石鑫（1987），男，工程师，从事110 kV变电站安装工程方面的研究，372300812@qq.com；
  姜寒（2000），男，工程师，硕士，从事变电站巡检、机器视觉等方面的研究，1026172648@qq.com；
  李玉强（1985），男，工程师，从事传感器检测技术、人工智能技术在智能家电的应用等方面的研究， liyuqiang920@163.com；
  王永君（1981），男，工程师，从事传感器应用、家电智能控制等方面的研究，thywyj@126.com；
  王凯*（1985），男，教授，博士生导师，博士，从事新型电力系统智能控制与安全防御、新能源储能器件状态评估和寿命预测、储能元件、新能源的存储和转化、能源互联网等方面的研究， wkwj888@163.com。
- 基金信息：
  
  中央引导地方科技发展资金项目(YDZX2024060┫Central Guidance)
- DOI：10.3969/j.issn.2097-0706.2026.02.005
  中图分类号：
- 收稿：2025-09-15，
  
  修回：2025-11-30，
  
  网络首发：2025-12-23，
  
  纸质出版：2026-02-25
- 稿件说明：
移动端阅览
何龙庆,李小勇,石鑫等.基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进[J].综合智慧能源,2026,48(02):47-58.

HE Longqing,LI Xiaoyong,SHI Xin,et al.Improvement of feature point filtering algorithm for dynamic scenarios in substations based on fusion of YOLOv5 and ORB-SLAM[J].BLASTING,2026,48(02):47-58.
何龙庆,李小勇,石鑫等.基于YOLOv5与ORB-SLAM融合的变电站动态场景特征点筛选算法改进[J].综合智慧能源,2026,48(02):47-58. DOI： 10.3969/j.issn.2097-0706.2026.02.005.

HE Longqing,LI Xiaoyong,SHI Xin,et al.Improvement of feature point filtering algorithm for dynamic scenarios in substations based on fusion of YOLOv5 and ORB-SLAM[J].BLASTING,2026,48(02):47-58. DOI： 10.3969/j.issn.2097-0706.2026.02.005.

摘要

针对变电站复杂动态工况下智能巡检机器人定位建图精度衰减问题，提出一种融合改进CA-YOLOv5目标检测的增强型定位与地图构建架构。采用多模态注意力机制优化CA-YOLOv5网络，构建动态目标实时识别框架；通过语义-几何联合约束策略，在特征匹配阶段建立动态区域掩膜与运动概率模型；设计基于时空一致性的动态特征过滤算法，在捆绑调整优化环节实现动态干扰源的精准剔除与静态场景结构的有效保留。在公开数据集与真实动态场景中的对比试验表明，改进系统将动态环境下的定位误差降低43.7%，地图重建完整度提升41.5%，同时维持良好的实时处理性能。融合框架解决动态元素导致的误匹配与地图污染问题，有效克服了变电站典型动态干扰。

Abstract

To address the degradation in localization and mapping accuracy of intelligent inspection robots under complex and dynamic operating conditions in substations， an enhanced localization and mapping architecture integrating improved CA-YOLOv5 target detection was proposed. A multimodal attention mechanism was used to optimize the CA-YOLOv5 network and construct a real-time dynamic target recognition framework. A semantic-geometric joint constraint strategy was used to establish a dynamic region mask and a motion probability model during the feature matching stage. A dynamic feature filtering algorithm based on spatiotemporal consistency was designed to achieve precise elimination of dynamic interference sources and the effective preservation of the static scene structure in the BA optimization process. Comparative experiments on public datasets and real dynamic scenarios demonstrated that the improved system reduced the localization errors by 43.7% and improved the map reconstruction completeness by 41.5% in dynamic environments， while maintaining satisfactory real-time processing performance. The fusion framework effectively solves the problems of mismatching and map pollution caused by dynamic elements， thereby overcoming typical dynamic disturbances in substations.

关键词

Keywords

references

姜寒，王凯 . 面向变电站无人化巡检的多源融合即时定位与建图方法综述［J］. 广东电力， 2025 ， 38 （ 3 ）： 55 - 68 .

JIANG Han ， WANG Kai . A review of multi‑source fusion SLAM methods for unmanned substation inspection ［J］. Guangdong Electric Power ， 2025 ， 38 （ 3 ）： 55 - 68 .

刘涛，李伟华，汤熠 . 综合智慧能源系统典型构架网络安全防护研究［J］. 综合智慧能源， 2024 ， 46 （ 5 ）： 81 - 90 .

LIU Tao ， LI Weihua ， TANG Yi . Security protection of typical networks for integrated smart energy systems ［J］. Integrated Intelligent Energy ， 2024 ， 46 （ 5 ）： 81 - 90 .

MUR-ARTAL R ， MONTIEL J M M ， TARDOS J D . ORB-SLAM： A versatile and accurate monocular SLAM system ［J］. IEEE Transactions on Robotics ， 2015 ， 31 （ 5 ）： 1147 - 1163 .

CAI D P ， LI R Q ， HU Z H ， et al . A comprehensive overview of core modules in visual SLAM framework ［J］. Neurocomputing ， 2024 ， 590 ： 127760 .

王仕仪，张学峰，任彬，等 . 基于SLAM的楼层巡检智能车设计［J］. 科学技术创新， 2022 （ 21 ）： 183 - 186 .

WANG Shiyi ， ZHANG Xuefeng ， REN Bin ， et al . Design of intelligent vehicle for floor inspection based on SLAM ［J］. Scientific and Technological Innovation ， 2022 （ 21 ）： 183 - 186 .

赵康，闫正义，王凯 . 光纤传感技术在电池荷电状态/健康状态监测中的研究进展［J/OL］. 发电技术， 2025 ： 1 - 12 （ 2025-03-11 ）［ 2025-09-12 ］. https：//kns.cnki.net/KCMS/detail/detail.aspx？filename=SLJX20250311001&dbname=CJFD&dbcode=CJFQ https://kns.cnki.net/KCMS/detail/detail.aspx?filename=SLJX20250311001&dbname=CJFD&dbcode=CJFQ .

ZHAO Kang ， YAN Zhengyi ， WANG Kai . Research advances of fiber optic sensing technology in battery SOC/SOH monitoring ［J/OL］. Power Generation Technology ， 2025 ： 1 - 12 （ 2025-03-11 ）［ 2025-09-12 ］. https：//kns.cnki.net/KCMS/detail/detail.aspx？filename=SLJX20250311001&dbname=CJFD&dbcode=CJFQ https://kns.cnki.net/KCMS/detail/detail.aspx?filename=SLJX20250311001&dbname=CJFD&dbcode=CJFQ .

李彬，张文艳，王庆宇，等 . 支撑新型电力系统客户侧互动业务的融合通信发展及展望［J］. 综合智慧能源， 2025 ， 47 （ 11 ）： 72 - 86 .

LI Bin ， ZHANG Wenyan ， WANG Qingyu ， et al . Development and prospects of converged communications supporting customer‑side interactive services in new‑type power system ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 11 ）： 72 - 86 .

柳宁，崔小军，绳鹏鹏，等 . 基于SLAM的电厂巡检机器人导航技术实现［J］. 自动化与仪器仪表， 2023 （ 7 ）： 214 - 218 .

LIU Ning ， CUI Xiaojun ， SHENG Pengpeng ， et al . Implementation of navigation technology for power plant inspection robots based on SLAM ［J］. Automation & Instrumentation ， 2023 （ 7 ）： 214 - 218 .

TATENO K ， TOMBARI F ， LAINA I ， et al . CNN-SLAM： Real‑time dense monocular SLAM with learned depth prediction ［C］// Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR） . IEEE ， 2017 ： 6565 - 6574 .

蒋经纬，吉月辉，刘俊杰，等 . 基于轻量级CNN的视觉SLAM快速回环检测算法［J］. 计算机仿真， 2024 ， 41 （ 8 ）： 182 - 188 .

JIANG Jingwei ， JI Yuehui ， LIU Junjie ， et al . Visual slam fast loop detection algorithm based on lightweight CNN ［J］. Computer Simulation ， 2024 ， 41 （ 8 ）： 182 - 188 .

王伟良 . 动态环境下基于Mask R-CNN的ORB-SLAM研究［J］. 现代信息科技， 2020 ， 4 （ 21 ）： 80 - 83 .

WANG Weiliang . Research on ORB-SLAM based on Mask R-CNN in dynamic environment ［J］. Modern Information Technology ， 2020 ， 4 （ 21 ）： 80 - 83 .

ENDO Y ， SATO K ， YAMASHITA A ， et al . Indoor positioning and obstacle detection for visually impaired navigation system based on LSD-SLAM ［C］// Proceedings of 2017 International Conference on Biometrics and Kansei Engineering （ICBAKE） . IEEE ， 2017 ： 158 - 162 .

KLAPPSTEIN J ， VAUDREY T ， RABE C ， et al . Moving object segmentation using optical flow and depth information ［C］// Advances in Image and Video Technology . Berlin，Heidelberg ： Springer ， 2009 ： 611 - 623 .

CUI L Y ， MA C W . SOF-SLAM： A semantic visual SLAM for dynamic environments ［J］. IEEE Access ， 2019 ， 7 ： 166528 - 166539 .

陈明强，李奇峰，冯树娟，等 . 动态环境下基于深度学习的视觉SLAM ［J］. 计算机与数字工程， 2024 ， 52 （ 5 ）： 1529 - 1535 .

CHEN Mingqiang ， LI Qifeng ， FENG Shujuan ， et al . Visual SLAM based on deep learning in dynamic environment ［J］. Computer & Digital Engineering ， 2024 ， 52 （ 5 ）： 1529 - 1535 .

高利平，林周勇，柯一鸿，等 . 基于SLAM算法和动静态规划的电厂智能巡检机器控制研究［J］. 电子设计工程， 2024 ， 32 （ 17 ）： 191 - 195 .

GAO Liping ， LIN Zhouyong ， KE Yihong ， et al . Research on intelligent inspection machine control for power plants based on SLAM algorithm and dynamic and static planning ［J］. Electronic Design Engineering ， 2024 ， 32 （ 17 ）： 191 - 195 .

白克强，朱亚兰，杨秀清，等 . 融合动态目标跟踪的视觉SLAM算法［J］. 信息与控制， 2024 ， 53 （ 5 ）： 574 - 584 .

BAI Keqiang ， ZHU Yalan ， YANG Xiuqing ， et al . Visual SLAM algorithm of integrating dynamic target tracking ［J］. Information and Control ， 2024 ， 53 （ 5 ）： 574 - 584 .

付明磊，卫宁伟，金宇强，等 . 面向动态环境的视觉惯性定位方法［J］. 传感技术学报， 2024 ， 37 （ 2 ）： 268 - 277 .

FU Minglei ， WEI Ningwei ， JIN Yuqiang ， et al . Visual‑inertial positioning method for dynamic environment ［J］. Chinese Journal of Sensors and Actuators ， 2024 ， 37 （ 2 ）： 268 - 277 .

LIU J H ， LI X F ， LIU Y Q ， et al . RGB-D inertial odometry for a resource‑restricted robot in dynamic environments ［J］. IEEE Robotics and Automation Letters ， 2022 ， 7 （ 4 ）： 9573 - 9580 .

WEI S ， LI Z . An RGB-D SLAM algorithm based on adaptive semantic segmentation in dynamic environment ［J］. Journal of Real‑Time Image Processing ， 2023 ， 20 （ 5 ）： 85 .

LI F ， CHEN W F ， XU W F ， et al . A mobile robot visual SLAM system with enhanced semantics segmentation ［J］. IEEE Access ， 2020 ， 8 ： 25442 - 25458 .

YIN H S ， LI S M ， TAO Y ， et al . Dynam-SLAM： An accurate， robust stereo visual‑inertial SLAM method in dynamic environments ［J］. IEEE Transactions on Robotics ， 2023 ， 39 （ 1 ）： 289 - 308 .

YUAN C F ， XU Y L ， ZHOU Q . PLDS-SLAM： Point and line features SLAM in dynamic environment ［J］. Remote Sensing ， 2023 ， 15 （ 7 ）： 1893 .

柯学良，肖玮，曲乃铸，等 . 基于光照不变特征提取和动态特征祛除的视觉SLAM算法［J］. 测绘通报， 2025 （ 9 ）： 105 - 111 .

KE Xueliang ， XIAO Wei ， QU Naizhu ， et al . A visual SLAM algorithm based on illumination‑robust feature extraction and dynamic feature removal ［J］. Bulletin of Surveying and Mapping ， 2025 （ 9 ）： 105 - 111 .

方福涛 . 基于SLAM和IoT的仓储机器人的应用研究［J］. 中国设备工程， 2025 （ 18 ）： 98 - 101 .

FANG Futao . Application research of storage robot based on SLAM and IoT ［J］. China Plant Engineering ， 2025 （ 18 ）： 98 - 101 .

王庆，史晓琼，严超，等 . 基于动态多目标追踪与背景提取的视觉SLAM方法［J］. 中国惯性技术学报， 2025 ， 33 （ 9 ）： 856 - 863 .

WANG Qing ， SHI Xiaoqiong ， YAN Chao ， et al . Visual SLAM method based on dynamic multi‑object tracking and background extraction ［J］. Journal of Chinese Inertial Technology ， 2025 ， 33 （ 9 ）： 856 - 863 .

HOU Q B ， ZHOU D Q ， FENG J S . Coordinate attention for efficient mobile network design ［C］// Proceedings of 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR） . IEEE ， 2021 ： 13708 - 13717 .

尚玉朝，刘春豪，王凯 . 基于融合优化算法的超级电容器健康状态预测模型［J/OL］. 发电技术， 2025 ： 1 - 11 （ 2025-01-17 ）［ 2025-09-12 ］. https：//kns.cnki.net/KCMS/detail/detail.aspx？filename=SLJX20250117001&dbname=CJFD&dbcode=CJFQ https://kns.cnki.net/KCMS/detail/detail.aspx?filename=SLJX20250117001&dbname=CJFD&dbcode=CJFQ .

SHANG Yuzhao ， LIU Chunhao ， WANG Kai . A state of health prediction model for supercapacitors based on an integrated optimization algorithm ［J/OL］. Power Generation Technology ， 2025 ： 1 - 11 （ 2025-01-17 ）［ 2025-09-12 ］. https：//kns.cnki.net/KCMS/detail/detail.aspx？filename=SLJX20250117001&dbname=CJFD&dbcode=CJFQ https://kns.cnki.net/KCMS/detail/detail.aspx?filename=SLJX20250117001&dbname=CJFD&dbcode=CJFQ .

时洪雷，刘喜军，高竟译，等 . 基于超参数优化和混合神经网络的锂硫电池健康状态估计［J/OL］. 储能科学与技术， 2025 ： 1 - 11 （ 2025-09-11 ）［ 2025-09-12 ］. https：//link.cnki.net/doi/10.19799/j.cnki.2095-4239.2025.0608 https://link.cnki.net/doi/10.19799/j.cnki.2095-4239.2025.0608 .

SHI Honglei ， LIU Xijun ， GAO Jingyi ， et al . State of health estimation of lithium-sulfur batteries based on hyperparameter optimization and hybrid neural networks ［J/OL］. Energy Storage Science and Technology ， 2025 ： 1 - 11 （ 2025-09-11 ）［ 2025-09-12 ］. https：//link.cnki.net/doi/10.19799/j.cnki.2095-4239.2025.0608 https://link.cnki.net/doi/10.19799/j.cnki.2095-4239.2025.0608 .

张考，何凯琳，杨沛豪 . 基于模糊强化学习的电力变压器故障诊断算法研究［J］. 综合智慧能源， 2024 ， 46 （ 10 ）： 48 - 55 .

ZHANG Kao ， HE Kailin ， YANG Peihao . Research on power transformer fault diagnosis algorithm based on fuzzy reinforcement learning ［J］. Integrated Intelligent Energy ， 2024 ， 46 （ 10 ）： 48 - 55 .

REDMON J ， DIVVALA S ， GIRSHICK R ， et al . You only look once： Unified， real‑time object detection ［C］// Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR） . IEEE ， 2016 ： 779 - 788 .

任一鸣，杜董生，邓祥帅，等 . 基于Real‑ESRGAN和改进YOLOv8n的输电线路绝缘子故障检测［J］. 综合智慧能源， 2024 ， 46 （ 7 ）： 29 - 39 .

REN Yiming ， DU Dongsheng ， DENG Xiangshuai ， et al . Fault detection of transmission line insulators based on Real‑ESRGAN and improved YOLOv8n ［J］ Integrated Intelligent Energy ， 2024 ， 46 （ 7 ）： 29 - 39 .

Redmon J ， Farhadi A . Yolov3：An incremental improvement ［J］. arXiv Preprint ， 2018 ： 1804 .02767.

WANG C Y ， MARK LIAO H Y ， WU Y H ， et al . CSPNet： A new backbone that can enhance learning capability of CNN ［C］// Proceedings of 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW） . IEEE ， 2020 ： 1571 - 1580 .

GAO S H ， CHENG M M ， ZHAO K ， et al . Res2Net：A new multi‑scale backbone architecture ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2021 ， 43 （ 2 ）： 652 - 662 .

高翔，张涛 . 视觉SLAM十四讲：从理论到实践［M］. 2版 . 北京：电子工业出版社， 2019 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

ADC-YOLO：面向绝缘子巡检的轻量化动态注意力检测器

基于模态二次分解和OOA-CNN-BiLSTM-Attention的光伏发电功率组合预测

变电站站用电源系统在线状态评估系统架构及关键策略研究

基于平行控制理论的循环流化床锅炉床温智能预测模型

基于长短期记忆循环神经网络的变电站监控系统智能故障推理方法