1.基于光学图像的绝缘子串自动识别方法，其特征在于：包括以下步骤：步骤一：获取光学图像：通过在机器人上安装工业相机，对绝缘子串进行数据采集，获得光学图像；步骤二：对光学图像进行预处理：对带有绝缘子串的光学图像进行预处理，获得目标区域；步骤三：对光学图像进行特征提取：在目标区域中，建立灰度特征曲线模型，构建灰度周期性特征矩阵和灰度阈值特征矩阵，提取绝缘子串特征；所述建立灰度特征曲线模型包括以下步骤：步骤3.1.1：提取目标区域左边缘：li k ＝k,步骤3.1.2：提取目标区域右边缘：ri k ＝k,式中D(x,y)为二值图像，k代表图像的行数，t代表图像的列数，l k ，r k 为边缘上的像素点位置；n I 为图像的最大行数；步骤3.1.3：通过目标区域的左边缘与右边缘，确定目标区域中线的位置：mi k ＝k,式中m k 为灰度特征曲线像素点的坐标，mi k 为灰度特征曲线像素点行坐标，mj k 为灰度特征曲线像素点列坐标；步骤3.1.4：建立灰度特征曲线模型:f(x k ,y k )＝0其中:x k ＝mi kx k 为特征曲线的横坐标，即图像行数，y k 为特征曲线的纵坐标，即灰度值；L(m k )表示灰度图像；所述灰度周期性特征矩阵：其中：h 1,k ＝a k+1 -a k ,h 2,k ＝|b k+1 -b k |,(1)k＝1,2…n 1 -1式中a k 为灰度特征曲线f(x k ,y k )＝0上极小值点的横坐标，b k 为灰度特征曲线f(x k ,y k )＝0上极小值点的纵坐标，即灰度值；n 1 为灰度周期性特征矩阵的列数；所述步骤三中，所述灰度阈值特征矩阵：设定阈值λ g1 ,λ g2 ，λ g1 ﹤λ g2 ，在特征曲线上筛选出y k >λ g1 并且y k <λ g2 的点；选出点后，将这些点对应的x k 按由小到大排列，依次加入到矩阵 的第2行中，将x k 对应的y k 加入到矩阵 的第1行中；g 1,k 为选取到点的纵坐标，即灰度值，g 2,k 为选取到点的横坐标，即图像行数；k＝1,2…n 2 ；步骤四：绝缘子串类型识别：根据绝缘子串特征对绝缘子串类型进行识别。
2.根据权利要求1所述的基于光学图像的绝缘子串自动识别方法，其特征在于：所述步骤二中，对光学图像进行预处理包括以下步骤：步骤2.1：将光学图像进行灰度化处理得到灰度图像；步骤2.2：通过otsu算法将灰度图像转换为二值图像；步骤2.3：再依次通过膨胀运算、腐蚀运算消除二值图像中的干扰像素点；步骤2.4：在处理后的二值图像中选取最大连通域作为目标区域，完成预处理。
3.根据权利要求1所述的基于光学图像的绝缘子串自动识别方法，其特征在于：所述步骤三中，提取绝缘子串特征包括以下步骤：步骤3.2.1：由 提取绝缘子串段数特征首先设定阈值α h1 ,α h2 ，初始化标志位δ g 为0，段数信息Num(G)为0；然后对 按列进行遍历：当δ h ＝0，h 1,k <α h1 并且h 2,k <α h2 时，置标志位δ h 为1，并记录当前h 1,k 对应的a k 作为绝缘子串的上边界；当δ h ＝1并且h 1,k ≥α h1 或者h 2,k ≥α h2 时，置标志位δ h 为0，记录当前h 1,k 对应的a k 作为绝缘子串的下边界，并将段数信息加1，完成一段绝缘子串的识别；最后，Num(H)为灰度周期性特征矩阵提取出的绝缘子串段数，并将记录灰度特征曲线行数在图像中做出标记，完成灰度周期性特征矩阵对绝缘子串的识别；步骤3.2.2：由 提取绝缘子串段数特征首先设定阈值α g1 ,α g2 ，初始化标志位δ g 为0，段数信息Num(G)为0；对 按列进列遍历：当g 2,k+1 -g 2,k <α g1 并且δ g ＝0时，置δ g 为1，并记录其对应的图像行数，即g 1k ；当g 2,k+1 -g 2,k >α g1 并且δ g ＝1时，并记录其对应的图像行数g 1,k ；将两次纪录的行数做差，求得行数跨度L；当L>α g2 时，将段数信息Num(G)加1，将第一次记录的图像行数作为绝缘子串上边界，第二次记录的绝缘子串作为下边界，在图像中做出标记；当L≤α g2 时，不做任何操作；最后，Num(G)为灰度阈值特征矩阵提取出的绝缘子串段数，并将记录的边缘信息在图像中做出标记，完成灰度周期性特征矩阵对绝缘子串的识别。
4.根据权利要求1所述的基于光学图像的绝缘子串自动识别方法，其特征在于：所述步骤四中，根据绝缘子串特征对绝缘子串类型进行识别包括以下步骤：将步骤3.2.1和步骤3.2.2中分别得到的绝缘子串上边界取均值、下边界取均值，作为识别到的绝缘子串上、下边界；将步骤3.2.1和步骤3.2.2中分别得到的段数信息取均值，作为识别到的绝缘子串的段数。
