CN109992006B - 一种电力巡检无人机的精准回收方法和系统 - Google Patents
一种电力巡检无人机的精准回收方法和系统 Download PDFInfo
- Publication number
- CN109992006B CN109992006B CN201910466189.6A CN201910466189A CN109992006B CN 109992006 B CN109992006 B CN 109992006B CN 201910466189 A CN201910466189 A CN 201910466189A CN 109992006 B CN109992006 B CN 109992006B
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- landing
- level point
- rtk
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011084 recovery Methods 0.000 title claims abstract description 28
- 238000004064 recycling Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种电力巡检无人机的精准回收方法，包括：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行分析；结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标；对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，控制无人机降落在降落点上。本发明将视觉导航及RTK差分定位技术相结合，保证了无人机回收的精度，在视觉导航无效的情况下利用差分定位技术，根据无人机的当前RTK坐标和降落点的RTK坐标的位置偏差，引导无人机快速、准确降落至降落点，提高了无人机回收的速度、精度和稳定性。
Description
技术领域
本发明涉及无人机降落控制技术领域，具体而言涉及一种电力巡检无人机的精准回收方法和系统。
背景技术
近年来，无人机(Unmanned Aerial Vehicle，UAV)一直是航空领域的研究热点，其具有使用便利，成本低，飞行精度高，机动灵活，易于智能化等优点，得到了越来越广泛的应用，如军事行动、地质勘探、物流运输、影像拍摄、消防抗灾、电力电力巡检、农业植保等领域，越来越多的领域开始使用无人机代替人工进行作业。
无人机自主降落技术是无人机全自动飞行的重要组成部分，提高导航的精确性，对于无人机自主降落具有重要意义。传统的无人机自主降落技术主要包括基于惯性导航系统和基于卫星导航系统，惯性导航系统的位置误差随着时间积累会逐渐增大，卫星导航系统依赖于无线电信号传播，存在容易受干扰和信号丢失的问题。近年来，随着图像处理技术的发展，基于计算机视觉的导航技术在算法上日益成熟，与传统的导航技术相比，视觉导航存在成本低，精度高等优势，对于无人机的完全自主降落具有重大的价值。
基于差分定位的卫星导航系统采用RTK(Real-Time-Kinematic，实时动态差分法)定位技术，虽然其精度相比普通的GPS定位有大幅提高，但仍然无法满足电力巡检无人机精准回收的精度要求。视觉导航技术主要是对无人机摄像头传回的视频进行分析识别，实时计算出无人机相对降落点的位置，并以此引导飞机降落，该技术与传统的卫星导航技术相比，具有成本低、精度高的优势，但是容易受到天气条件、镜头视野以及计算延时的影响，存在不稳定性。而无人机精准回收技术是无人机自动化、甚至无人值守化作业的重要环节，由于无人机续航能力有限，电力巡检结束后必须将无人机自动回收至机舱内进行充电和维护，等待下一次电力巡检任务，才能真正实现全自动、全天候的作业，而无需人工介入。目前无人机回收主要依赖于卫星导航系统，容易收到天气、信号条件等自然环境的干扰，即使采用RTK(实时动态差分法)定位技术，也存在着信号不稳定的问题，且RTK本身存在厘米级的误差，无法完全满足无人机精准回收的精度需要。
视觉导航技术主要是对无人机摄像头传回的视频进行分析识别，实时计算出无人机相对降落点的位置，并以此引导飞机降落，该技术与传统的卫星导航技术相比，具有成本低、精度高的优势，但是受天气(特别是光线、雨雾)和镜头成像的影响较大，而且受镜头视野范围和位置计算延时的限制，无人机在降落过程中容易丢失降落标识物，从而影响降落速度和成功率。
发明内容
本发明目的在于提供一种电力巡检无人机的精准回收方法和系统，通过识别出的最低等级的降落标识实时计算无人机相对于降落点的位置坐标，再根据无人机的当前RTK坐标计算降落点的RTK坐标以及无人机的机头方向与降落标识的方向之间的角度偏差、以及无人机的当前RTK坐标与降落点的RTK坐标平均值之间的位置偏差，进而控制无人机降落到降落平台上的降落点。本发明将视觉导航及RTK差分定位技术相结合，既保证了电力巡检无人机回收的精度，又能在视觉导航无效的情况下利用差分定位技术，根据无人机的当前RTK坐标和降落点的RTK坐标的位置偏差，引导无人机快速、准确降落至降落点，提高了无人机回收的速度、精度和稳定性。
为达成上述目的，结合图1，本发明提出一种电力巡检无人机的精准回收方法，所述精准回收方法包括：
S1：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行分析识别。
S2：响应于识别到降落标识，结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标。
S3：对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，根据调整后的无人机降落飞行路线控制无人机降落在降落点上。
结合图3，基于前述方法，本发明还提及一种电力巡检无人机的精准回收系统，所述系统包括以下模块：
1)拍摄装置，用于实时拍摄降落平台的图像。
2)RTK定位导航模块，用于实时获取无人机的当前RTK坐标。
3)处理器，所述处理器中安装有图像处理模块和无人机飞行路线调整模块，图像处理模块用于对拍摄到的降落平台的图像中的降落标识进行分析识别、以及计算无人机与降落标识之间的相对距离，无人机飞行路线调整模块用于计算无人机的当前RTK坐标与降落点的RTK坐标之间的位置偏差，根据计算结果调整无人机的降落飞行路线。优选的，所述处理器具有一存储单元，用于存储拍摄图像、降落标识图像、获取的无人机的RTK坐标与降落点的RTK坐标等等。
4)无人机飞行控制模块，用于根据调整后的无人机的降落飞行路线，生成对应的飞行控制指令。
5)无人机运动模块，用于根据无人机飞行控制模块生成的飞行控制指令，驱动无人机本体执行对应的飞行动作。
6)包括至少两个等级的降落标识的降落平台。
优选的，所述拍摄装置、RTK定位导航模块、无人机飞行控制模块、无人机运动模块均安装在无人机本体上，降落平台安装在巡检车或者地面上。所述处理器可以采用遥控器、智能平板、智能手机等智能终端的处理器，以实现无人机控制方式的智能切换，无人机控制方式包括手动控制和自动控制两种。
结合图4，本发明还提及一种降落平台，所述降落平台包括水平放置的降落平台本体，以及设置在降落平台上表面的至少两个等级的降落标识。
所述降落标识按照面积由大到小的顺序分为若干个等级，每一级降落标识嵌套在前一级标识中，最高等级的标识位于降落平台中心位置。
所述降落标识的方向一致。
无人机起飞时，记录起飞点，将起飞点作为降落点的RTK坐标的初始值。当无人机请求降落时，飞至降落平台上方，实时拍摄降落平台的图像，无人机对图像进行分析，如果识别出降落标识，采用图像分析软件对降落标识进行分析，由于拍摄装置的标定参数、识别出降落标识与降落点的相对位置均是固定的已知值，结合图像中降落标识的大小、角度位置等等计算出无人机相对于降落点的位置坐标。通过RTK定位导航模块获取无人机的当前RTK坐标值，计算降落点的RTK坐标值、无人机的机头方向与降落标识的方向之间的角度偏差。
由于本次计算出的降落点的RTK坐标值只取决于针对本次拍摄图像的分析结果，考虑到计算误差，本发明提出，周期性采集降落平台的图像、以及计算对应的降落点的RTK坐标值，采用最新M次计算出的降落点的RTK坐标值的平均值作为修正后的降落点的RTK坐标值，调整降落飞行路线，引导无人机精准降落。
在修正过程中，如果降落标识目标丢失、或由于环境影响拍摄出的降落标识的图像模糊不清无法识别，无人机仍然可以采用当前修正后的降落点的RTK坐标，引导无人机降落在降落点，解决了传统视觉导航突然失效带来的无法降落或降落偏差过大等问题。
本发明所采用的降落平台上表面设置有多个等级的降落标识，每一级降落标识嵌套在前一级标识中，最高等级的标识位于降落平台中心位置，所有降落标识的方向一致。
无人机对图像进行分析，根据识别出的图像中的最低等级的降落标识确定对应的降落阶段，实时计算无人机相对于降落点的位置坐标，再根据无人机的当前RTK坐标计算降落点的RTK坐标、以及无人机的当前RTK坐标与降落点的RTK坐标平均值之间的位置偏差，调整降落飞行路线，采用该降落阶段对应的降落措施，结合调整后的降落飞行路线，控制无人机调整机头方向后逐渐向降落点靠近。
在降落过程中，周期性拍摄降落平台的图像，对图像进行分析，直至识别出更低等级的降落标识，结束当前降落阶段，进入与识别出的新的降落标识所对应的降落阶段，采用新的降落措施，控制无人机继续向降落点靠近。
当无人机相对于降落点的高度小于设定高度阈值时，结束飞行路线调整，控制无人机直接降落至降落点处。
不同降落阶段对应的无人机控制逻辑相同，均采用RTK差分定位技术以实现。
由于识别出的降落标识的等级越低，降落标识越小，图像精度越高，分析出的降落点的RTK坐标值的误差也越小，通过不同等级降落标识层级引导的迭代方法，不断提高修正后的降落点的RTK坐标值的精度，使无人机能够更加精准的降落在降落点。
以上本发明的技术方案，与现有相比，其显著的有益效果在于：
(1)本发明将视觉导航及RTK差分定位技术相结合，既保证了电力巡检无人机回收的精度，又能在视觉导航无效的情况下利用差分定位技术，根据无人机的当前RTK坐标和降落点的RTK坐标的位置偏差，引导无人机快速、准确降落至降落点，提高了无人机回收的速度、精度和稳定性。
(2)本发明通过设置多个等级的降落标识，将降落过程划分成多个降落阶段，采用逐级迭代的方法，在保证降落精度的前提下，降低了无人机识别降落标识的难度。
(3)降落标识组成冗余阵列，有效解决无人机下降过程中由于坐标计算或者控制精度影响而导致的标识丢失率，提高了降落过程的鲁棒性。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的电力巡检无人机的精准回收方法的流程图。
图2是本发明的电力巡检无人机的精准回收方法的其中一个实施例的方法流程图。
图3是本发明的电力巡检无人机的精准回收系统的结构示意图。
图4是本发明的其中一种降落标识的结构示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
实施例一
结合图1，本发明提及一种电力巡检无人机的精准回收方法，所述精准回收方法包括：
S1：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行分析识别。
S2：响应于识别到降落标识，结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标。
S3：对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，根据调整后的无人机降落飞行路线控制无人机降落在降落点上。
结合图4，所述降落标识按照面积由大到小的顺序分为若干个等级，每一级降落标识嵌套在前一级降落标识中，最高等级的降落标识位于降落平台中心位置。
所述降落标识的方向一致。
除最高等级之外的其他等级的降落标识组成标识冗余阵列。降落标识组成冗余阵列，有效解决无人机下降过程中由于坐标计算或者控制精度影响而导致的标识丢失率，提高了降落过程的鲁棒性。
所述降落阶段与降落标识的等级相对应。所述根据降落标识的等级进入对应的降落阶段是指，根据识别出的最低等级的降落标识判断进入的降落阶段。
当无人机请求降落时，飞至降落平台上方，实时拍摄降落平台的图像，本发明所采用的降落平台上表面设置有多个等级的降落标识，每一级降落标识嵌套在前一级标识中，最高等级的标识位于降落平台中心位置，所有降落标识的方向一致。
无人机对图像进行分析，根据识别出的图像中的最低等级的降落标识确定对应的降落阶段，采用该降落阶段对应的降落措施，结合RTK差分定位技术，控制无人机调整机头方向后逐渐向降落点靠近。
在降落过程中，周期性拍摄降落平台的图像，对图像进行分析，直至识别出更低等级的降落标识，结束当前降落阶段，进入与识别出的新的降落标识所对应的降落阶段，采用新的降落措施，控制无人机继续向降落点靠近。
当无人机相对于降落点的高度小于设定高度阈值时，结束飞行路线调整，控制无人机直接降落至降落点处。
不同降落阶段对应的无人机控制逻辑相同，均采用RTK差分定位技术以实现，具体的控制过程如下：
通过实时计算无人机的机头方向与降落标识的方向之间的角度偏差、以及无人机的当前RTK坐标与降落点的RTK坐标平均值之间的位置偏差，调整降落飞行路线，结合调整后的降落飞行路线，控制无人机调整机头方向后逐渐向降落点靠近。
本发明通过设置多个等级的降落标识，将降落过程划分成多个降落阶段，采用逐级迭代的方法，在保证降落精度的前提下，降低了无人机识别降落标识的难度。
图4是其中一种降落标识的结构示意图。
降落平台上设置有1个大的第一标识21和多个小的第二标识22，多个第二标识22内嵌设置在第一标识21内，多个第二标识22构成标识冗余阵列。每个第二标识22的图案不相同，以作区分。
优选的，第二标识22的数量为5个，第一标识21和5个第二标识22的方向一致，具有同一正方向。具体的，标识冗余阵列包括设置在中间的1个第二标识22、以及设置在四周的4个第二标识22。
第一标识21位于降落平台的中央位置，中间位置的第二标识22位于第一标识21的中心，其中心点即为第一标识21的中心点，称为降落点，降落标识具有方向属性，第一标识21和第二标识22的正方向指向同一个方向，即图像识别算法识别到任意一个降落标识时，可计算出当前无人机与识别出的降落标识的相对位置坐标以及无人机机头朝向与识别出的降落标识正方向的夹角。
优选的，降落标识设置成彩色，或者对应设置有如LED灯管等引导单元，利于无人机快速识别，尤其是恶劣天气环境下的快速识别。
更加优选的，降落平台下方分布设置有多个压力传感器，通过感知无人机降落时造成的压力以探测无人机的实际降落点，将之与降落平台的中心点比较后分析本次降落是否成功，继而对降落平台或者无人机进行调整校正。
降落过程中，不管识别到哪一个降落标识，都会根据识别到的降落标识与降落点的相对关系计算出当前无人机相对于降落点的位置坐标，从而计算和修正降落点的RTK坐标值，以降落点的RTK坐标值与无人机的当前RTK坐标之间的位置偏差，引导无人机降落至降落点。采用的降落标识具有方向属性，所有降落标识的正方向指向同一个方向，以此来调整无人机降落时的机头朝向。
对应的，所述无人机设置有第一降落阶段、第二降落阶段和最终降落阶段，所述无人机在第一降落阶段以第一标识21作为参考标识，所述无人机在第二降落阶段以任意一个第二标识22作为参考标识。最终降落阶段的进入条件为无人机相对于降落点的高度小于设定高度阈值，由于在最终降落阶段，无人机和降落点的距离很近，因此在最终降落阶段，无需再调整降落飞行路线，直接控制无人机降落至降落点即可。
以图4中两个等级的降落标识为例，无人机通过RTK定位导航模块12到达降落平台上空的预设高度Ht，该预设高度Ht可以为12米、15米、20米、30米、40米、50米等等，根据无人机性能及其视野环境来确定。
整个降落回收过程从无人机飞到降落点上空(第一降落阶段的如高度Ht1)开始，分为三个阶段：第一降落阶段、第二降落阶段和最终降落阶段。第一个降落阶段中，无人机距离降落标识较远，通过识别大的第一标识21来计算和修正降落点的RTK坐标，并以此引导无人机降落。无人机下降至一定高度Ht2后，识别到5个第二标识22中的任意一个，进入第二降落阶段，通过识别出的任意一个第二标识22，计算出无人机相对于降落点的位置坐标，以此来计算和修正降落点的RTK坐标值，同时计算出降落标识的正方向以及无人机的机头方向与降落标识的正方向之间的角度偏差，以此引导无人机修正机头方向并降落。如果计算得到的无人机相对于降落点的高度小于某个阈值Ht3(比如0.4米)，则进入最终降落阶段，此时直接控制无人机按照一定的下降速度垂直降落至降落平台的降落点上，直至无人机桨叶停转，期间不需要视觉或者RTK定位的引导。本实施例采用三个阶段的降落模式，在无人机回收的第一降落阶段，可以方便地调整无人机开始降落时的高度和降落标识的尺寸大小，在保证第一降落阶段能顺利识别到降落标识的前提下，尽可能降低第一个降落阶段开始时的无人机高度，缩短整个降落过程的时间，如果RTK精度足够，甚至可以跳过第一降落阶段，采用RTK定位技术引导无人机飞到降落点上空足够识别第二标识22的高度，直接进入第二降落阶段。即，第一降落阶段与第二降落阶段之间的切换取决于是否识别到小的第二标识22，与无人机降落高度没有直接关系，高度Ht2的值并不固定。
对于无人机来说，其识别能力除自身识别性能外，还受到环境影响。采用前述方法，可以结合无人机自身性能、环境参数智能动态调整降落方案，确保不同情况下的无人机的精准回收。
在第二降落阶段，有5个小的第二标识22可供识别，互为冗余，由于5个第二标识22与降落点之间，以及5个第二标识22相互之间的位置关系固定，所以只要识别到任何一个第二标识22，就能计算出当前无人机相对于降落点的位置坐标，从而计算和修正降落点的RTK坐标值，以降落点的RTK坐标值与无人机的当前RTK坐标之间的位置偏差，引导无人机降落至降落点。而且多个第二标识22可以有效解决无人机下降过程中由于坐标计算或控制精度影响而导致无人机稍微偏离降落点，识别不到部分第二标识22的问题，提高了降落算法的稳定性和鲁棒性。
在一些例子中，步骤S2中，所述响应于识别到降落标识，结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标的过程包括以下步骤：
结合无人机的拍摄装置的标定参数、识别出的降落标识的原始尺寸及其正方向来计算无人机相对于降落点的位置坐标。
获取无人机的当前RTK坐标，结合无人机相对于降落点的位置坐标和无人机的当前RTK坐标计算降落点的RTK坐标。
而步骤S3中，所述对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，根据调整后的无人机降落飞行路线控制无人机降落在降落点上的过程包括以下步骤：
S31：计算无人机的机头方向与降落标识的方向之间的角度偏差，根据角度偏差调整无人机的机头方向，使无人机的机头方向与降落标识的方向一致。
S32：按照设定的周期计算无人机的当前RTK坐标与降落点的最新M个RTK坐标平均值之间的位置偏差，根据无人机的当前RTK坐标与降落点的最新M个RTK坐标平均值之间的位置偏差调整降落飞行路线，控制无人机按照调整后的飞行路线降落至降落点。
所述M为大于1的正整数。
优选的，所述降落点的最新M个RTK坐标平均值的计算过程包括以下步骤：
S321：记录无人机起飞点的RTK坐标值，作为降落点的RTK坐标的初始值。
S322：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行识别，计算无人机相对于降落点的位置坐标，结合无人机的当前RTK坐标，计算降落点的RTK坐标的中间值，具体的：
根据无人机的拍摄装置的标定参数、降落标识的原始尺寸及其正方向来计算无人机相对于降落点的位置坐标(x,y,z,rx,ry,rz)，其中，x、y、z为无人机相对于降落点的空间坐标，rx、ry、rz为无人机在x、y、z轴的旋转角度；无人机的机头方向与降落标识的正方向之间的角度偏差为rz。
结合无人机相对于降落点的位置坐标以及无人机的当前RTK坐标，采用下述公式计算降落点的RTK坐标(Lat0,Lon0,Alt0)：
dx＝-x
dy＝-y
ec＝Eb+(Ea-Eb)*(90-Lat1)/90
ed＝ec*cos(Lat1*PI/180)
Alt0＝Alt1-z
其中，Ea为赤道半径6378137，Eb为极半径6356725，PI为圆周率；Lat1为无人机的RTK坐标纬度值，Lon1为无人机的RTK坐标经度值，Alt1为无人机的RTK坐标海拔值；Lat0为降落点的RTK坐标纬度值，Lon0为所述降落点的RTK坐标经度值，Alt0为所述降落点的RTK坐标海拔值。
S322：取降落点的RTK坐标的最新M个取值的平均值，作为本次降落过程中降落点的RTK坐标平均值。
所述M为大于1的正整数。优选的，M取值范围为5-10。
优选的，所述根据调整后的无人机降落飞行路线控制无人机降落在降落点上的过程还包括：
判断无人机相对于降落点的高度是否小于设定高度阈值，如果小于设定高度阈值，控制无人机直接降落在降落平台的降落点。
结合图2，本发明提及的电力巡检无人机的精准回收方法包括以下步骤：
S10、无人机通过RTK定位导航模块12到达降落平台上空的预设高度Ht；所述降落平台包括降落标识，所述降落标识的中心点为降落平台的降落点。
S20、无人机实时拍摄降落平台的图像并进行分析识别。
S30、判断是否识别到降落标识，若是，则执行步骤S40；若否，则执行步骤S20。
S40、计算无人机相对于降落点的位置坐标，再根据无人机的当前RTK坐标计算降落点的RTK坐标，以及无人机的机头方向与降落标识的方向之间的角度偏差。
S50、根据角度偏差控制旋转无人机的机头方向，使得无人机的机头方向与降落标识的方向一致。
S60、根据无人机的当前RTK坐标与降落点的RTK坐标平均值之间的位置偏差控制无人机进行降落。
S70、判断所述无人机相对于降落点的高度是否小于设定阈值，若否，则执行步骤S60，若是，则执行步骤S70。
S80、控制所述无人机直接降落在降落平台的降落点。
优选的，所述方法还包括以下步骤：
S100、周期性计算无人机的当前RTK坐标与降落点的RTK坐标平均值之间的位置偏差；其中，所述降落点的RTK坐标的平均值为降落点的最新M个RTK坐标的平均值。
降落过程中，始终用图像识别技术计算得到无人机相对于降落点的空间坐标，以此实时计算和修正降落点的RTK坐标值，同时计算无人机当前RTK坐标和降落点的RTK坐标的偏差，以此控制无人机飞行至降落点。既利用了视觉导航精度高的优点，又融合了RTK定位技术，即使降落过程中突然识别不到降落标识，也能利用RTK定位实现精准降落，避免因视觉识别算法无法识别到降落标识而导致无人机自动降落失败，在减少降落时间的同时，也提高了精准降落的成功率和稳定性。
本发明结合了视觉导航和RTK导航两种技术的优势，实现电力巡检无人机的精准回收，保证了电力巡检无人机回收的精度。首先用RTK定位技术引导无人机飞到降落点上空，然后根据无人机的当前RTK坐标和降落点的RTK坐标的位置偏差，继而控制无人机降落到降落平台上的降落点。为了消除RTK定位的误差，在整个降落过程中，始终周期性(如1秒4次)地利用图像识别技术识别降落平台上的降落标识，并以此计算出无人机相对于降落点的位置坐标，再根据无人机的当前RTK坐标计算和修正降落点的RTK坐标值，引导电力巡检无人机快速、准确降落至降落点，提高了电力巡检无人机回收的速度、精度和稳定性。
实施例二
本领域普通技术人员可以理解，实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一个计算机可读的存储介质中，存储介质上存储有计算机程序，所述计算机程序被(如处理器13)执行时，执行包括上述电力巡检无人机精准回收方法实施例的步骤，而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例三
本发明还提供一种电力巡检无人机的精准回收装置的实施例，包括处理器13及存储器；其中，所述存储器用于存储计算机程序，所述处理器13用于执行存储器存储的计算机程序，以使处理器执行上述电力巡检无人机精准回收方法实施例的步骤。具体的，电力巡检无人机的精准回收装置可以为遥控器、智能平板、智能手机等智能终端，在此不做具体限制。
实施例四
本发明还提供一种电力巡检无人机精准回收系统，包括无人机、降落平台以及电力巡检无人机精准回收装置；具体的，电力巡检无人机精准回收装置包括处理器13及存储器；存储器用于存储计算机程序，处理器13用于执行存储器存储的计算机程序，以使智能终端13执行如上述电力巡检无人机精准回收方法实施例的步骤。更为具体的，无人机包括无人机本体100、无人机飞行控制模块14、无人机飞行运动模块15、拍摄装置11(相机)等等，在此不做赘述。电力巡检无人机精准回收装置可以为遥控器、智能平板、智能手机等智能终端，在此不做具体限制。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (8)
1.一种电力巡检无人机的精准回收方法，其特征在于，所述精准回收方法包括：
S1：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行分析识别；
S2：响应于识别到降落标识，结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标；
S3：对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，根据调整后的无人机降落飞行路线控制无人机降落在降落点上；
步骤S3中，所述对降落点的RTK坐标进行修正，通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差，调整无人机降落飞行路线，根据调整后的无人机降落飞行路线控制无人机降落在降落点上的过程包括以下步骤：
S31：计算无人机的机头方向与降落标识的方向之间的角度偏差，根据角度偏差调整无人机的机头方向，使无人机的机头方向与降落标识的方向方向一致；
S32：计算无人机的当前RTK坐标与降落点的最新M个RTK坐标平均值之间的位置偏差，根据无人机的当前RTK坐标与降落点的最新M个RTK坐标平均值之间的位置偏差调整降落飞行路线，控制无人机按照调整后的飞行路线降落至降落点；
所述M为大于1的正整数。
2.根据权利要求1所述的电力巡检无人机的精准回收方法，其特征在于，所述精准回收方法还包括：
根据识别出的最低等级的降落标识判断进入的降落阶段，所述降落标识至少包括两个等级。
3.根据权利要求1所述的电力巡检无人机的精准回收方法，其特征在于，所述降落标识按照面积由大到小的顺序分为若干个等级，每一级降落标识嵌套在前一级降落标识中，最高等级的降落标识位于降落平台中心位置；
所述降落标识的方向一致。
4.根据权利要求3所述的电力巡检无人机的精准回收方法，其特征在于，除最高等级之外的其他等级的降落标识组成标识冗余阵列，每个降落标识的图案不相同。
5.根据权利要求1-4任意一项中所述的电力巡检无人机的精准回收方法，其特征在于，步骤S2中，所述响应于识别到降落标识，结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标的过程包括以下步骤：
结合无人机的拍摄装置的标定参数、识别出的降落标识的原始尺寸及其正方向来计算无人机相对于降落点的位置坐标；
获取无人机的当前RTK坐标，结合无人机相对于降落点的位置坐标和无人机的当前RTK坐标计算降落点的RTK坐标。
6.根据权利要求1所述的电力巡检无人机的精准回收方法，其特征在于，步骤S3中，所述根据调整后的无人机降落飞行路线控制无人机降落在降落点上的过程还包括：
判断无人机相对于降落点的高度是否小于设定高度阈值，如果小于设定高度阈值，控制无人机直接降落在降落平台的降落点。
7.根据权利要求1所述的电力巡检无人机的精准回收方法，其特征在于，所述降落点的最新M个RTK坐标平均值的计算过程包括以下步骤：
S321：记录无人机起飞点的RTK坐标值，作为降落点的RTK坐标的初始值；
S322：按照设定的周期拍摄降落平台的图像，对拍摄图像中的降落标识进行识别，计算无人机相对于降落点的位置坐标，结合无人机的当前RTK坐标，计算降落点的RTK坐标的中间值，具体的：
根据无人机的拍摄装置的标定参数、降落标识的原始尺寸及其正方向来计算无人机相对于降落点的位置坐标(x,y,z,rx,ry,rz)，其中，x、y、z为无人机相对于降落点的空间坐标，rx、ry、rz为无人机在x、y、z轴的旋转角度；无人机的机头方向与降落标识的正方向之间的角度偏差为rz；
结合无人机相对于降落点的位置坐标以及无人机的当前RTK坐标，采用下述公式计算降落点的RTK坐标(Lat0,Lon0,Alt0)：
dx＝-x；
dy＝-y；
ec＝Eb+(Ea-Eb)*(90-Lat1)/90；
ed＝ec*cos(Lat1*PI/180)；
Alt0＝Alt1-z；
其中，Ea为赤道半径6378137，Eb为极半径6356725，PI为圆周率；Lat1为无人机的RTK坐标纬度值，Lon1为无人机的RTK坐标经度值，Alt1为无人机的RTK坐标海拔值；Lat0为降落点的RTK坐标纬度值，Lon0为所述降落点的RTK坐标经度值，Alt0为所述降落点的RTK坐标海拔值；
S322：取降落点的RTK坐标的最新M个取值的平均值，作为本次降落过程中降落点的RTK坐标平均值。
8.根据权利要求1所述的电力巡检无人机的精准回收方法，其特征在于，所述精准回收方法还包括：
如果降落标识丢失，采用当前修正后的降落点的RTK坐标，引导无人机降落在降落点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466189.6A CN109992006B (zh) | 2019-05-31 | 2019-05-31 | 一种电力巡检无人机的精准回收方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466189.6A CN109992006B (zh) | 2019-05-31 | 2019-05-31 | 一种电力巡检无人机的精准回收方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109992006A CN109992006A (zh) | 2019-07-09 |
| CN109992006B true CN109992006B (zh) | 2019-08-16 |
Family
ID=67136903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910466189.6A Active CN109992006B (zh) | 2019-05-31 | 2019-05-31 | 一种电力巡检无人机的精准回收方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992006B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362109A (zh) * | 2019-07-11 | 2019-10-22 | 祺步智能科技（上海）有限公司 | 一种无人机跨域停机库降落方法及降落平台 |
| CN110413004A (zh) * | 2019-08-23 | 2019-11-05 | 酷黑科技（北京）有限公司 | 一种无人机精准起降控制方法及系统 |
| CN111142546A (zh) * | 2019-11-22 | 2020-05-12 | 航天时代飞鸿技术有限公司 | 一种多旋翼无人机精准降落引导系统及方法 |
| CN111401146A (zh) * | 2020-02-26 | 2020-07-10 | 长江大学 | 一种无人机电力巡检方法、设备及存储介质 |
| CN112706937B (zh) * | 2020-04-08 | 2022-03-22 | 江苏方天电力技术有限公司 | 无人机柔性精准自主起降装置及控制方法 |
| CN111510686B (zh) * | 2020-04-27 | 2021-04-06 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于车载的无人机电力巡检飞行管控方法和系统 |
| CN112269399A (zh) * | 2020-11-06 | 2021-01-26 | 北京理工大学 | 应用于无人机的主动回收控制方法及装置 |
| CN112965513A (zh) * | 2020-11-11 | 2021-06-15 | 普宙飞行器科技（深圳）有限公司 | 一种无人机降落控制方法、系统、存储介质及电子设备 |
| CN113156998B (zh) * | 2021-04-30 | 2023-07-25 | 中国人民解放军陆军装甲兵学院 | 一种无人机飞控系统的控制方法 |
| CN113325869A (zh) * | 2021-05-27 | 2021-08-31 | 广州市华科尔科技股份有限公司 | 一种伴飞无人机系统及其控制方法 |
| CN113375642B (zh) * | 2021-06-25 | 2022-11-08 | 上海大风技术有限公司 | 一种基于无人机自动拍照的桥梁拉索检测方法 |
| CN113671979B (zh) * | 2021-08-24 | 2024-03-08 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 一种无人机复位固定装置及应用其的降落定位方法 |
| CN113955136B (zh) * | 2021-09-02 | 2024-04-05 | 浙江图盛输变电工程有限公司温州科技分公司 | 一种电网自动巡检无人机目标挂点校准中转站 |
| CN113867373A (zh) * | 2021-09-30 | 2021-12-31 | 广州极飞科技股份有限公司 | 无人机降落方法、装置、停机坪以及电子设备 |
| CN114237280B (zh) * | 2021-11-24 | 2024-03-26 | 中飞赛维智能科技股份有限公司 | 一种无人机精准降落机巢平台的方法 |
| CN114326757A (zh) * | 2021-12-03 | 2022-04-12 | 国网智能科技股份有限公司 | 一种无人机精准降落控制方法及系统 |
| CN114261306A (zh) * | 2021-12-20 | 2022-04-01 | 深圳市歌尔泰克科技有限公司 | 无人机返舱充电方法、无人机、充电舱及可读存储介质 |
| CN118170162A (zh) * | 2022-01-12 | 2024-06-11 | 上海赫千电子科技有限公司 | 一种配对方法 |
| CN114594789B (zh) * | 2022-03-03 | 2024-06-21 | 飞循智航(成都)科技有限公司 | 一种无人机回收引导方法、装置及电子设备 |
| CN117980850A (zh) * | 2022-03-21 | 2024-05-03 | 深圳市大疆创新科技有限公司 | 无人机降落的控制方法和装置、无人机 |
| CN115167531A (zh) * | 2022-07-20 | 2022-10-11 | 广西电网有限责任公司电力科学研究院 | 用于无人机无线充电的三段式精准降落导引方法及系统 |
| CN116578035A (zh) * | 2023-07-14 | 2023-08-11 | 南京理工大学 | 基于数字孪生技术的旋翼无人机自主降落控制系统 |
| CN117148869B (zh) * | 2023-10-31 | 2024-01-19 | 西安天成益邦电子科技有限公司 | 无人机精准回收控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108305264A (zh) * | 2018-06-14 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 一种基于图像处理的无人机精确着陆方法 |
| CN108828500A (zh) * | 2018-06-22 | 2018-11-16 | 深圳草莓创新技术有限公司 | 无人机精准的降落引导方法及相关产品 |
| CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
| CN109270953A (zh) * | 2018-10-10 | 2019-01-25 | 大连理工大学 | 一种基于同心圆视觉标识的多旋翼无人机自主降落方法 |
| CN109598758A (zh) * | 2018-11-21 | 2019-04-09 | 三峡大学 | 一种可视觉定位的无人机起降平台及无人机落点修正方法 |
-
2019
- 2019-05-31 CN CN201910466189.6A patent/CN109992006B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108305264A (zh) * | 2018-06-14 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 一种基于图像处理的无人机精确着陆方法 |
| CN108828500A (zh) * | 2018-06-22 | 2018-11-16 | 深圳草莓创新技术有限公司 | 无人机精准的降落引导方法及相关产品 |
| CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
| CN109270953A (zh) * | 2018-10-10 | 2019-01-25 | 大连理工大学 | 一种基于同心圆视觉标识的多旋翼无人机自主降落方法 |
| CN109598758A (zh) * | 2018-11-21 | 2019-04-09 | 三峡大学 | 一种可视觉定位的无人机起降平台及无人机落点修正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109992006A (zh) | 2019-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992006B (zh) | 一种电力巡检无人机的精准回收方法和系统 | |
| CN106054929B (zh) | 一种基于光流的无人机自动降落引导方法 | |
| CN105318888B (zh) | 基于无人机感知的无人驾驶车辆路径规划方法 | |
| Cesetti et al. | A vision-based guidance system for UAV navigation and safe landing using natural landmarks | |
| CN106774386B (zh) | 基于多尺度标识物的无人机视觉导航降落系统 | |
| CN206691107U (zh) | 无人驾驶汽车系统及汽车 | |
| CN105197252B (zh) | 一种小型无人机降落方法及系统 | |
| CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
| Martínez et al. | On-board and ground visual pose estimation techniques for UAV control | |
| CN109683629B (zh) | 基于组合导航和计算机视觉的无人机电力架线系统 | |
| CN112789672B (zh) | 控制和导航系统、姿态优化、映射和定位技术 | |
| CN109407708A (zh) | 一种基于多信息融合的精准着陆控制系统及着陆控制方法 | |
| CN105644785A (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
| CN113093772B (zh) | 一种无人机机库精确降落方法 | |
| CN106155086A (zh) | 一种道路检测无人机及其自动巡航方法 | |
| CN103809598A (zh) | 一种基于三层品字形多色降落坪的旋翼无人机自主起降系统 | |
| CN104049641A (zh) | 一种自动降落方法、装置及飞行器 | |
| CN104808685A (zh) | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 | |
| CN115661204B (zh) | 一种无人机集群对运动目标的协同搜寻与跟踪定位方法 | |
| CN105335733A (zh) | 一种无人机自主着陆视觉定位方法及系统 | |
| CN109739257A (zh) | 融合卫星导航与视觉感知的巡检无人机停机方法及系统 | |
| CN110362109A (zh) | 一种无人机跨域停机库降落方法及降落平台 | |
| CN112068539A (zh) | 一种风电机组叶片无人机自动驾驶巡检方法 | |
| CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
| CN106502257A (zh) | 一种无人机精准降落抗干扰的控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |