CN110297498B - 一种基于无线充电无人机的轨道巡检方法及系统 - Google Patents
一种基于无线充电无人机的轨道巡检方法及系统 Download PDFInfo
- Publication number
- CN110297498B CN110297498B CN201910509274.6A CN201910509274A CN110297498B CN 110297498 B CN110297498 B CN 110297498B CN 201910509274 A CN201910509274 A CN 201910509274A CN 110297498 B CN110297498 B CN 110297498B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- image
- coordinate system
- charging pile
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 21
- 238000003708 edge detection Methods 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 17
- 238000004146 energy storage Methods 0.000 claims description 15
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 14
- 229910052744 lithium Inorganic materials 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000005674 electromagnetic induction Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 230000005764 inhibitory process Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 229910044991 metal oxide Inorganic materials 0.000 claims 1
- 150000004706 metal oxides Chemical class 0.000 claims 1
- 239000004065 semiconductor Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 230000001629 suppression Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 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 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于无线充电无人机的轨道巡检方法及系统，该方法的步骤为：无人机按设定的巡检路线进行巡检；将拍摄数据传输至地面控制系统；对拍摄数据进行轨道图像识别；监测无人机的电池剩余电量，计算能否飞达距离最近的充电桩；无人机到达充电桩上空后，将采集的图像传到地面控制系统，进行着陆信标图像识别，检测图像中的着陆信标位置，计算无人机与着陆信标相对位置，无人机调整位置，超声波测距模块测量与着陆信标的垂直距离，无人机进行降落；无人机与充电桩进行无线充电；无人机充满电后，与充电桩断开连接，继续巡检。本发明及时高效地检测轨道的故障点，减少轨道交通的事故发生率，提高电车在轨道运行的安全性。
Description
技术领域
本发明涉及轨道巡检技术领域，具体涉及一种基于无线充电无人机的轨道巡检方法及系统。
背景技术
目前对轨道或是地面供电系统的检修大都实行的是计划检修加故障检修的检修模式。计划检修单纯按照规定的时间间隔对设备进行相当程度的解体维修方法，设备需要停机检修，造成人力、物力、财力的浪费，甚至会引发维修故障，传统的维修管理模式日渐不能满足新系统供电设备的维修管理需求，设备频繁停电也降低了供电可靠性，而现有的智能巡检设备也只能单一的检测轨道的完整性或地面供电系统，且其安装布置也较为繁琐，经济成本较高，工程量也较大。
发明内容
为了克服现有技术存在的缺陷，本发明提供一种基于无线充电无人机的轨道巡检方法及系统，采用无人机巡检的方式代替了人工巡检，能够利用无人机对轨道异物和供电系统的短路发热情况进行自动检测，能够在突发状况下进行高效实时地监测，在日常巡检以及应急巡检中及时高效地检测轨道的故障点，减少轨道交通的事故发生率，提高电车在轨道运行的安全性。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种基于无线充电无人机的轨道巡检方法，包括下述步骤：
S1：地面控制系统控制无人机根据设定的巡检路线进行日常巡检；
S2：无人机在巡检过程中将高清摄像头和红外热成像仪对轨道进行拍摄，将拍摄数据传输至地面控制系统；
S3：地面控制系统对采集的图像或视频进行轨道图像识别，包括轨道检测、温度检测和物体检测；
S4：监测无人机巡检过程中的电池剩余电量，无人机根据电池剩余电量计算能否飞达距离最近的充电桩，如果能飞往距离最近的充电桩但飞不到距离第二近的充电桩，则无人机通过GPS导航飞往距离最近的充电桩上空，如果无人机能飞达距离第二近的充电桩，则待无人机飞过距离最近的充电桩后再计算能否飞达第二近的充电桩；
S5：无人机到达充电桩上空后，高清摄像头对充电桩进行图像采集，无人机将采集的图像传到地面控制系统，地面控制系统的视觉导航模块进行着陆信标图像识别，检测图像中的着陆信标位置，计算无人机与着陆信标相对位置，无人机调整位置，超声波测距模块测量与着陆信标的垂直距离，无人机进行降落；
S6：无人机与充电桩进行蓝牙无线通讯，启动充电桩无线充电模块进行无线充电；
S7：无人机充满电后，通知充电桩停止充电，与充电桩断开连接，继续进行日常巡检。
作为优选的技术方案，步骤S3中所述包括轨道检测、温度检测和物体检测，具体步骤包括：
所述轨道检测的具体步骤为：将高清摄像头采集到的拍摄数据进行自适应阈值局部二值化处理，得到图像灰度图，采用Canny算法进行图像边缘处理提取出轨道线的轮廓，然后通过基尔霍夫变换检测出轨道直线，最后进行逆透视变换使传输的图像变为俯视图；
所述温度检测的具体步骤为：将红外热成像仪采集到的拍摄数据截取多帧图像，转换到HSV颜色空间，将表示高温区域的颜色进行掩膜保留，再进行自适应阈值局部二值化处理转变为二值图像，提取出高温区域的轮廓坐标数组，在图像的相应位置进行标注，将标注后的图像发送到地面控制系统；
所述物体检测的具体步骤为：建立数据库并采集正样本和负样本，将样本导入opencv，拟合训练级联器，生成分类器，将高清摄像头采集到的拍摄数据中截取多帧图像，对图像进行自适应阈值局部二值化处理，通过生成的分类器识别图像中是否存在需要检测的物体，对检测到的物体在图像上进行标注。
作为优选的技术方案，步骤S5中所述地面控制系统的视觉导航模块进行着陆信标图像识别，具体步骤包括对采集的图像进行图像灰度化处理和图像边缘检测，所述图像灰度化处理采用加权平均法对图像进行灰度化处理，将图像RGB三个分量采用不同的权值进行加权平均，生成灰度图像；所述图像边缘检测采用Canny算法对灰度化处理后的图像进行边缘检测，包括对图像进行平滑滤波、计算图像梯度幅值、图像梯度方向、对梯度幅值进行非极大值抑制、阈值化和边缘连接，设定高低阈值去除假的边缘和连接真的边缘，得到图像中的着陆信标位置。
作为优选的技术方案，步骤S5中所述计算无人机与着陆信标相对位置，具体步骤为：设定着陆信标坐标系、摄像头坐标系、载体坐标系、图像平面坐标系和图像像素坐标系，设定摄像头坐标系与载体坐标系重合，采用Harris角点检测获取图像平面的像素坐标，通过旋转矩阵S和平移矩阵T进行坐标变换，摄像头相对于着陆信标的位置关系表示为：
T＝[Tx Ty h]；
其中，λ＝Zc为图像的像素点在摄像头坐标系上的Z轴坐标，(u，v)表示以像素为单位的图像像素坐标系坐标，K为摄像头标定矩阵，
为图像的像素点在摄像头坐标系的坐标，
为图像的像素点在着陆信标坐标系的坐标。
作为优选的技术方案，步骤S6所述启动充电桩无线充电模块进行无线充电，所述无线充电的具体步骤为：
充电桩接收到无人机的充电控制信号后，产生PWM波驱动MOS管，充电桩的储能电池经过E类功放型逆变电路后，直流电流变成高频交流电，经过原边线圈发射电路输出；
无人机无线充电模块的副边线圈经过电磁感应产生高频交流电，经过整流电路变成直流电，最后经过BUCK降压电路，调整电压匹配无人机锂电池充电电压范围。
作为优选的技术方案，还包括应急巡检步骤，达到设定的应急条件时，地面控制系统控制无人机飞往指定地点进行图像采集，将采集到的图像进行图像识别。
本发明还提供一种基于无线充电无人机的轨道巡检系统，包括：充电桩、无人机和地面控制系统；
所述充电桩包括：充电桩无线充电模块、MCU主控模块、储能电池、充电桩蓝牙模块和充电桩GPS模块；
所述充电桩无线充电模块用于给无人机进行无线充电，所述MCU主控模块用于控制充电桩无线充电模块和充电桩蓝牙模块，以及实时监测储能电池的电量，所述充电桩蓝牙模块用于与无人机进行蓝牙无线通信，所述充电桩GPS模块用于定位充电桩的位置；
所述无人机包括：锂电池、无人机主控模块、无人机蓝牙模块、无人机无线充电模块、无人机GPS导航模块、航拍模块和超声波测距模块；
所述无人机主控模块用于接收和处理地面着陆控制系统的控制信号，控制无人机运行状态，所述无人机蓝牙模块用于与充电桩进行蓝牙无线通信，所述无人机无线充电模块用于接收充电桩的电能并给无人机的锂电池充电，所述无人机GPS导航模块用于无人机定位导航到充电桩充电，所述航拍模块包括高清摄像头和红外热成像仪，所述超声波测距模块用于检测无人机与充电桩的相对高度；
所述地面着陆控制系统包括：无人机地面站、轨道图像识别模块和视觉导航模块；
所述无人机地面站用于处理无人机与充电桩的位置信息，向无人机发送控制信号；
所述轨道图像识别模块包括轨道检测单元、温度检测单元和物体检测单元，所述轨道检测单元用于识别图像中的轨道线，所述温度检测单元用于监测轨道图像的高温区域，所述物体检测单元用于识别图像中需要检测的物体；
所述视觉导航模块用于无人机着陆时提供视觉导航，对采集的图像数据进行处理，计算出无人机与充电桩的相对位置。
作为优选的技术方案，所述视觉导航模块包括图像灰度化处理单元、图像边缘检测单元、相对位置计算单元，分别用于对高清摄像头采集到的图像进行图像灰度化处理、图像边缘检测，以及对无人机与充电桩上的着陆信标相对位置的计算。
作为优选的技术方案，所述充电桩无线充电模块包括PWM波生成电路、E类功放型逆变电路和发射电路，所述E类功放型逆变电路设有MOS管，PWM波生成电路产生PWM波驱动MOS管，将充电桩储能直流电流变成高频交流电，所述发射电路设有原边线圈，用于产生高频交流电的感应电流；
所述无人机无线充电模块包括接收电路、整流电路和BUCK降压电路，所述接收电路设有副边线圈，与原边线圈通过电磁感应产生高频交流电，BUCK降压电路用于调整电压，匹配无人机锂电池充电电压范围。
作为优选的技术方案，其特征在于，所述充电桩还设有太阳能充电模块和着陆信标，所述太阳能充电模块用于给储能电池进行充电，所述着陆信标正对着充电桩无线充电模块；
所述无人机还设有无人机5G网络通信模块和无人机照明灯，所述无人机5G网络通信模块用于提供5G通信网络；
所述无人机地面站设有PC端和地面端5G网络通信模块，PC端通过地面端5G网络通信模块连接无线网络。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明采用无人机进行日常巡检和应急巡检，无人机具有飞行速度快、操纵性强的特点，在日常巡检过程中能在短时间巡检完目标轨道，在应急巡检中能够及时达到事故点进行故障检测，提高了巡检效率。
(2)本发明采用高清摄像头和红外热成像仪配合地面控制系统的图像识别模块，对轨道上的异物和轨道下的线路进行多方位检测，提高了轨道巡检的准确度。
(3)本发明采用无线充电方式对无人机进行充电，使得无人机可以在巡检的线路上进行无线充电，提高了巡检的距离和充电效率。
(4)本发明通过5G网络实现对无人机超视距远程控制、超高清实时视频传输，使得无人机只要在网络覆盖的地方都可被操控飞行，实现超视距飞行，而且降低了无人机控制信号和高清图像传输的时延，同时提高了无人机的抗干扰能力，提高了无人机飞行的安全性。
(5)本发明采用无人机搭载无人机照明灯，达到防水及照明的效果，能够在雨天或光线较暗的条件下进行轨道巡检。
附图说明
图1为本实施例基于无线充电无人机的轨道巡检系统的整体结构示意图；
图2为本实施例基于无线充电无人机的轨道巡检系统的充电桩结构示意图；
图3为本实施例基于无线充电无人机的轨道巡检系统的着陆信标的结构示意图；
图4为本实施例基于无线充电无人机的轨道巡检系统的无人机整体结构示意图；
图5为本实施例基于无线充电无人机的轨道巡检系统的无人机内部模块连接示意图；
图6为本实施例基于无线充电无人机的轨道巡检系统的5G通信网络结构示意图；
图7为本实施例基于无线充电无人机的轨道巡检系统的无线充电电路示意图；
图8为本实施例基于无线充电无人机的轨道巡检方法的巡检流程示意图；
图9为本实施例基于无线充电无人机的轨道巡检方法的无人机无线充电流程示意图；
图10为本实施例基于无线充电无人机的轨道巡检方法的图像识别流程示意图；
图11为本实施例基于无线充电无人机的轨道巡检方法的视觉导航着陆流程示意图。
其中，1-太阳能充电模块，2-着陆信标，3-充电桩无线充电模块，4-充电桩MCU主控模块，5-储能电池，6-航拍模块，7-无人机无线充电模块，8-无人机照明灯。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，本实施例提供一种基于无线充电无人机的轨道巡检系统，包括充电桩、无人机和地面控制系统，地面控制系统在无人机巡检过程中监控和控制无人机的巡检情况，保证无人机的巡检安全和巡检效率；而充电桩能在无人机的巡检途中为无人机进行无线充电，提高了无人机巡检的距离；
如图2所示，本实施例的充电桩包括：太阳能充电模块1、着陆信标2、充电桩无线充电模块3，充电桩MCU主控模块4、储能电池5、充电桩蓝牙模块、充电桩GPS模块；
太阳能充电模块1用于给储能电池5进行充电，充电桩MCU主控模块4用于控制太阳能充电模块1、充电桩无线充电模块3、充电桩蓝牙模块和充电桩GPS模块等模块，并实时监测储能电池5的电量，充电桩GPS模块用于定位充电桩的信息；
如图3所示，在本实施例中，着陆信标2是无人机降落过程中视觉导航的标志物，设于充电桩上，充电桩的无线充电模块设在着陆信标2的正下方。
如图4、图5所示，在本实施例中，无人机包括：锂电池、飞行控制模块，无人机主控模块、三轴航拍云台、云台控制模块、航拍模块6、无人机5G网络通信模块、无人机GPS导航模块、超声波测距模块、无人机蓝牙模块、无人机无线充电模块7和无人机照明灯8，所述航拍模块6包括高清摄像机、红外热成像仪；
在本实施例中，飞行控制模块用于控制无人机调整飞行状态；无人机主控模块用于接收地面站的控制信号控制无人机上相关模块处理数据，云台控制模块用于驱动控制三轴航拍云台，三轴航拍云台上搭载有高清摄像机、红外热成像仪、无线充电模块和无人机照明灯8，无人机通过高清摄像机和红外热成像仪分别采集高清图像及红外图像，无人机5G网络通信模块用于接入5G网络，利用5G网络实现对无人机超视距远程控制、超高清实时视频传输；无人机GPS导航模块用于为无人机规划飞行路径以及在无人机需要充电时可导航至附近充电桩；超声波测距模块用于在无人机与充电桩对接过程中实时检测无人机与充电桩的相对高度；无人机蓝牙模块用于与充电桩蓝牙模块进行无线通信；
在本实施例中，地面控制系统包括：地面站和地面端5G网络通信模块，地面站设有PC端，地面站还设置有地面站控制模块及图像识别模块，PC端通过地面端5G网络通信模块连接5G网络，从而与无人机进行无线通讯；地面站控制模块通过5G网络发送控制指令；图像识别模块采用python与opencv开发环境所编写而成，通过5G网络接收无人机所拍摄的高清视频，用于对图像或视频进行图像识别判断出无人机巡检过程中是否发现异常，以及在与充电桩对接的过程中提供视觉导航。本实施例的地面控制系统实现对无人机的实时控制和监控，可控制无人机的飞行与姿态、图像或视频的拍摄和5G网络通讯，通过5G网络对无人机回传的图像或视频进行图像识别从而判断轨道是否有故障或异物。
在本实施例中，无人机的主控模块和充电桩的MCU主控模块均采用pcduino，高清摄像机采用SwellPro三轴云台4k相机，红外热成像仪采用FLIR Tau2红外相机，无人机的锂电池采用24V锂电池，充电桩储能电池5采用36V锂电池，所述原、副边线圈采用线径为0.8mm的漆包线绕制线圈，匝数18匝，有5层线圈，线圈半径为12.5cm，飞行控制模块采用雷迅PixhackV3。
如图6所示，在本实施例中，无人机主控模块通过无人机5G网络通信模块接收地面控制系统发送的图像采集控制信号，对图像采集控制信号分析处理后，通过接口向云台控制模块发送PWN调制信号，驱动控制三轴航拍云台，完成俯仰、横滚、水平旋转等动作；通过串口向高清摄像机发送控制信号，实现高清摄像机的调焦、变倍等动作的控制；利用开关电路产生高低电平，高低电平通过I/O口控制红外热成像仪的快门，实现红外热成像仪的抓拍，所采集的图像再经过5G网络传回地面控制系统。
如图7所示，在本实施例中，充电桩无线充电模块3用于给无人机进行无线充电，所述充电桩无线充电模块3包括PWM波生成电路、E类功放型逆变电路和发射电路，所述E类功放型逆变电路设有MOS管，PWM波生成电路产生PWM波驱动MOS管，将充电桩储能直流电流变成高频交流电，所述发射电路设有原边线圈，原边线圈通过电磁感应原理产生感应电流；
本实施例中无人机无线充电模块7用于接收充电桩的电能并给无人机的锂电池充电，所述无人机无线充电模块7包括接收电路、整流电路和BUCK降压电路，所述接收电路设有副边线圈，与原边线圈通过电磁感应产生高频交流电，BUCK降压电路用于调整电压，匹配无人机锂电池充电电压范围；
如图7所示，在充电桩无线充电模块3和无人机无线充电模块7的无线充电电路中，其中R1为充电桩电池内阻；L3、L4为耦合线圈，L3为发射线圈、L4为接收线圈；R2为线圈发射线圈L3的内阻，R3为接收线圈L4的内阻；Q1和Q2为功率NMOS管；C2为发射端补偿电容，C3为接收端补偿电容；C4为电能经过整流后的起稳压、滤波作用的电容；L2的目的是确保功放Q值足够高；R4为无人机电池内阻。其中逆变电路本方案选择电路结构简单、效率高的E类功放型逆变电路，电路主要由单管MOS管(功率NMOS管)和负载网络组成，其中MOS管选取IRF640，IRF640转换速度快，其漏源电压达到200V，最大漏极电流达到18A，导通电压一般为4V。饱和导通电阻为0.15Ω。
如图8、图9所示，本实施例还提供一种基于无线充电无人机的轨道巡检方法，包括下述步骤：
S1：地面控制系统控制无人机根据设定的巡检路线进行日常巡检；
本实施例中还包括应急巡检步骤，包括地面供电系统跳闸和发生交通事故时进行应急处理的步骤；
当出现地面供电系统跳闸时，地面控制系统控制无人机飞往跳闸地点，到达跳闸地点后，对整段轨道进行图像或视频采集，将图像或视频数据通过5G网络回传到地面控制系统，地面控制系统进行图像识别，识别出轨道异常发热源(故障点)；
当出现交通事故时，地面控制系统控制无人机飞往事故发生地点，到达事故发生地点后，对事故发生地进行拍摄，并将图像或视频数据发送到地面控制系统，后台工作人员判断相应事故原因，通知相关部门迅速赶往现场处理事故；
S2：无人机在巡检过程中将高清摄像头和红外热成像仪对轨道进行拍摄，并将拍摄的图像或视频通过5G网络传到地面控制系统；
S3：地面控制系统对采集的图像或视频进行图像识别，检测判断轨道是否出现异物或裂纹锈蚀，以及轨道控制电路是否出现电路发热，若出现异常，发出异常信号，将出现异常的地点通知到工作人员；
如图10所示，在步骤S3中的地面控制系统对采集的图像或视频进行图像识别，具体步骤为：
搭建python与opencv开发环境对视频进行处理，系统初始化完成后实时捕捉红外视频流，运用opencv算法实现的过程分为轨道检测、温度检测和物体检测：
轨道检测：
所述轨道检测的具体步骤为：将高清摄像头采集到的拍摄数据进行自适应阈值局部二值化处理，得到图像灰度图即将图像的像素点转换为白色与黑色之间按对数关系分为若干等级的图像。自然界中，颜色本身非常容易受到光照的影响，rgb变化很大，反而梯度信息能提供更本质的信息，三通道转为一通道后，运算量大大减少，opencv的很多函数只支持单通道，二值化后能方便计算机的处理，局部自适应阈值则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值，这样做的好处在于每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的，亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小，不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值；
实现图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波，canny算子能筛选出图层边缘线，通过实验的测试得出图像的一般双阈值，一般的边缘检测算法用一个阀值来滤除噪声或颜色变化引起的小的梯度值，而保留大的梯度值。Canny算法应用双阀值，即一个高阀值和一个低阀值来区分边缘像素。如果边缘像素点梯度值大于高阀值，则被认为是强边缘点，如果边缘梯度值小于高阀值，大于低阀值，则标记为弱边缘点，小于低阀值的点则被抑制掉；
在图像中检测直线的问题，其实质是找到构成直线的所有的像素点，那么所要解决的问题就是从找到直线变成找到符合y＝kx+b的所有(x,y)的点的问题，通过前面的步骤可以的出图像的边缘值，通过基尔霍夫变换检测出轨道直线，并通过测试得出图像中轨道距离值，最后判断检测的轨道直线距离值和角度最值是否符合，若符合则开始进行后续的检测；
最后进行逆透视变换使传输的图像变为俯视图，逆透视变换大致过程为，将原图的四个基准点是通过摄像头的标定信息计算出来的，通过摄像头的标定信息计算出摄像头的消失点，找到消失点之后需要保证四个点构成一个正矩形，四个点之间的像素距离可以根据标定信息计算，这样能够最大程度上让鸟瞰图的尺寸比例更接近现实世界的尺寸比例关系；
温度检测：利用已经识别出的最近两条曲线所包含的范围即为轨道范围形成红外识别区域，由于红外热图通过不同颜色代表不同温度，因此可以通过识别图像中的颜色来判断温度高低；
首先从红外热成像仪采集的图像或视频数据中获取一帧图像，转化到HSV颜色空间，搜索是否存在高温颜色区域(即亮度最高的区域)，如果发现异常，则对代表高温区域的颜色进行掩膜，保留下来这部分区域，再通过自适应阈值局部二值化处理转变为二值图像，提取出高温区域的轮廓坐标数组，用绿色的矩形在图像的相应位置标注出来后显示到用户使用的显示窗口中，向地面站发送报警信息，继续捕捉下一帧图像作同样的处理，不断的循环便得到连续的视频，并能从视频中看到标注的异常区域，从而检测到轨道下方的线路或元器件出现的异常发热；
物体检测：建立数据库并人工采集正样本和负样本，负样本取自任意图像，不包含要检测的对象每个图像应该等于或大于所需的训练窗口大小，在提供所有的正负样本图像，使用工具将它们裁剪，调整大小，并把它们放在OpenCV所需的二进制格式中，将样本导入的opencv的opencv_createsamplesd.exe生成器来生成vec文件，再通过opencv_traincascaded.exe导入样本的LBP特征，拟合训练的阶数越高生成时间越长，最后生成一个.xml分类器(文件分类器)，将高清摄像头采集到的拍摄数据中截取多帧图像，对图像进行自适应阈值局部二值化处理，利用生成的分类器识别图像中是否存在需要检测的物体如落石树叶等杂物，检测到物体时对图像进行标注；
S4：无人机在巡检过程中实时监测电池剩余电量，计算能否飞达距离自己最近的充电桩；
在本实施例中，当前无人机自身的坐标发送给地面控制系统，地面控制系统计算后返回无人机距离它最近和第二近的充电桩的坐标信息，在无人机正式工作前模拟无人机在满电情况下的实际飞行距离，通过多次实验得出无人机的飞行距离与剩余电量之间的关系，如剩余20％电量可以飞行大概1.5公里，然后在实际工作时将剩余电量所对应的飞行距离，与无人机坐标和距离最近和第二近充电桩坐标间距离进行对比，之后无人机根据自身剩余电量计算能否飞达距离自己最近的充电桩；
如果能飞往距离自己最近的充电桩但飞不到距离自己第二近的充电桩，则无人机利用GPS导航模块飞往距离自己最近的充电桩上空，如果无人机能飞达距离自己第二近的充电桩，则待无人机飞过距离自己最近的充电桩后再计算届时能否飞达第二近的充电桩，以此类推；
S5：无人机飞达充电桩上空后利用视觉导航与超声波测距模块与充电桩对接，然后进行无线充电；
如图11所示，步骤S5中无人机飞达充电桩上空后利用视觉导航与超声波测距模块与充电桩对接，具体的步骤为：
视觉导航模块进行图像识别，对无人机采集的图像进行图像灰度化处理和图像边缘检测，检测图像中的着陆信标；
其中，图像灰度化处理：高清摄像头所拍摄的图像一般都为彩色图像，在对图像做进一步处理时需要对彩色图片进行灰度化处理，本实施例采用加权平均法对图像进行灰度化处理，加权平均法根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像：
f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)；
图像边缘检测：本实施例采用Canny算法对灰度化处理后的图像进行边缘检测，该方法首先对图像进行平滑滤波，计算去噪后的图像梯度幅值、方向和对梯度幅值进行非极大值抑制，最后设定高低阈值去除假的边缘和连接真的边缘。图像边缘检测具体步骤如下：
a、图像的平滑滤波：采用一维高斯函数对要检测的图像按行和列进行平滑滤波去噪，其中一维高斯滤波函数如下式所示：
一维高斯函数中σ为标准差，σ的大小影响定位精度和信噪比，σ的大小对边缘检测很重要，当σ较大时可以很好的平滑噪声，但边缘定位精度较低；
b、计算去噪后的图像梯度幅值和方向：本实施例Canny算法通过求偏导得到梯度幅值和方向，利用2×2邻域内一阶偏导的有限差分，平滑滤波后图像(x,y)的一阶偏导如下式所示：
其中，f(x,y)、f(x,y+1)、f(x+1,y)、f(x+1,y+1)为图像各点像素的灰度值。
去噪后的图像梯度幅值的计算公式为：
去噪后的图像梯度方向的计算公式为：
c、对梯度幅值进行非极大值抑制：为了更加精确地进行边缘定位，Canny算法还需要对梯度进行非极大值抑制，经过细化才能以单像素确定边缘的位置，即保留幅值局部变化最大的点，这就是非极大值抑制处理。在3×3邻域内，中心像素点和它周边相邻的两个像素进行幅值比较，如果中心像素点大于相邻像素点，则该点是边缘点，反之则不是边缘点；
d、阈值化和边缘连接：经过非极大值抑制后的图像中仍存在许多噪声点，Canny算法使用双阈值对非极大值抑制过的图像进行分割，如果点(x,y)的梯度幅值小于阈值下界则该点不是边缘点；如果点(x,y)的梯度幅值大于阈值下界则该点是边缘点；如果该点的梯度幅值介于两者之间，则寻找该点附近是否存在另一点大于阈值上界，如果有，则该点是边缘点，否则不是边缘点；
检测到着陆信标时，视觉导航模块计算无人机与着陆信标相对位置；
在本实施例中，视觉导航模块计算无人机与着陆信标相对位置的具体步骤如下：
坐标系定义：设定着陆信标坐标系、摄像头坐标系OcXcYcZc、载体坐标系、图像平面坐标系OfXfYf和图像像素坐标系Ocuv，
所述着陆信标坐标系的原点为着陆信标的中心，即小圆环的圆心，X轴与Y轴在着陆信标平面内且X轴平行于上下边界Y轴平行于左右边界，Z轴垂直于着陆信标平面竖直向上；所述摄像头坐标系OcXcYcZc的原点为高清摄像头的光心，X轴与Y轴位于相机平面内，X轴指向右方，Y轴指向下方，Z轴垂直于相机平面指向拍摄方向即竖直向下；所述载体坐标系的原点为无人机的质心，X轴与Y轴位于水平面内，X轴指向无人机前进方向，Y轴指向无人机前进方向的右方，Z轴垂直于水平面竖直向下；将摄像头坐标系与载体坐标系设置为相等的坐标系；图像平面坐标OfXfYf为二维坐标，Xf，Yf分别于与摄像头坐标系的Xc，Yc轴平行；
求得图像像素点坐标，图像像素坐标原点位于图像左上角，每个像素坐标(u，v)为以像素为单位的图像像素坐标系坐标，图像像素坐标系与图像平面坐标系的数学对应公式如下：
其中，(x，y)为像素点在图像平面坐标系的坐标值，u0、v0为图像平面坐标系原点在图像像素坐标系中的坐标，dx、dy为单位像素在x轴与y轴的物理长度；
设定摄像头标定矩阵K：
本实施例采用COMS摄像头获取图像，空间点P(XcYcZc)被映射到图像平面上的点p(Xf,Xf)，根据相似三角形定理，采用矩阵表达式表示为：
其中，f为摄像头焦距，结合公式3.2的图像平面与图像像素坐标系的转换关系，可得：
得到摄像头标定矩阵K为：
其中，ax、ay为摄像头焦距在x,y轴方向上的单位长度，K为摄像头标定矩阵，与摄像头焦距、拍摄图像像素有关，根据高清摄像头标定得到；
计算无人机与着陆信标相对位置：
设定摄像头坐标系与载体坐标系重合，摄像头坐标系与着陆信标坐标系的平移关系表示无人机与着陆信标的相对位置关系，通过旋转矩阵S和平移矩阵T进行坐标变换，其中T＝[Tx Ty h]，如下式：
其中，图像的像素点坐标(u,v)已在上述步骤中得到，
为图像的像素点在摄像头坐标系的坐标，
为图像的像素点在着陆信标坐标系的坐标，λ＝Zc为图像的像素点在摄像头坐标系上的Z轴坐标；
本实施例的旋转矩阵S可由四元数求得，q＝(θ x y z)T为单位向量(x y z)旋转θ角度后得到的四元数，四元数求解旋转矩阵S的公式如下：
本实施例的平移矩阵T的求解方法如下：
由于只考虑相对位置解算，取着陆信标中心坐标为(0，0，0)可减少计算量，所以公式3.4.1可变换为：
解公式3.4.2方程组得
其中，ax、ay为摄像头焦距在x,y轴方向上的单位长度，可根据摄像头参数得到，(u0，v0)为已知，因此，求得h就可得到平移矩阵T，
在各个坐标系集合对应关系中，f/d为 摄像头焦距长度(像素单位)，Q1,Q2为着陆信标上的两个特征点，可选取矩形的两个顶点，两点的物理长度|Q1Q2|为己知，q1、q2为两个特征点在图像坐标系下的映射点，根据图像像素坐标系的坐标可以得出其在图像坐标系中的像素距离|q1q2|，由相似三角形定理可求得：
求得平移矩阵T即求得自主降落所需要的着陆目标位置，然后对检测到着陆信标特征圆的图像进行Harris角点检测；
在本实施例中，Harris角点检测的具体步骤为：
建立图像灰度矩阵
其中，Iy分别为图像像素点灰度值在x方向与y方向的梯度，若一个点为角点，则Ix该点在x方向与y方向的较小移动均会引起灰度值的较大变化；
采用高斯函数进行平滑滤波，减少图像中存在的噪声，滤波后的图像矩阵M′为：
定义角点响应函数：
CRF＝det(M′)/trace(M′)
其中，det(M′)为矩阵M′的行列式，trace(M′)为矩阵M′的迹；
选取适当的阈值，当图像中像素点的CRF为局部极大值点且大于此阈值，则标记该点为角点；
在本实施例中，着陆信标经过Harris角点检测和轮廓检测之后共存在12个角点和一个中心圆心作为特征点，因为特征点在着陆信标坐标系上的坐标已知，通过角点检测获取图像平面的像素坐标，着陆信标坐标系的原点位于摄像头坐标系的三维坐标
着陆信标在载体坐标系中的坐标
然后根据以上步骤便可求出人机相对于着陆目标的相对位置关系。
在本实施例中，无人机主控模块调整无人机位置，直到高清摄像头光心与着陆信标中心重合；
在本实施例中，无人机着陆过程中采用超声波测距模块测量与着陆信标的垂直距离，下降至无人机与着陆信标距离小于设定值时，无人机停止运转，完成着陆。
S6：无人机充满电后继续进行巡检工作，结束后按原航线返回。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种基于无线充电无人机的轨道巡检方法，其特征在于，包括下述步骤：
S1：地面控制系统控制无人机根据设定的巡检路线进行日常巡检；
S2：无人机在巡检过程中将高清摄像头和红外热成像仪对轨道进行拍摄，将拍摄数据传输至地面控制系统；
S3：地面控制系统对采集的图像或视频进行轨道图像识别，包括轨道检测、温度检测和物体检测；
S4：监测无人机巡检过程中的电池剩余电量，无人机根据电池剩余电量计算能否飞达距离最近的充电桩，如果能飞往距离最近的充电桩但飞不到距离第二近的充电桩，则无人机通过GPS导航飞往距离最近的充电桩上空，如果无人机能飞达距离第二近的充电桩，则待无人机飞过距离最近的充电桩后再计算能否飞达第二近的充电桩；
S5：无人机到达充电桩上空后，高清摄像头对充电桩进行图像采集，无人机将采集的图像传到地面控制系统，地面控制系统的视觉导航模块进行着陆信标图像识别，检测图像中的着陆信标位置，计算无人机与着陆信标相对位置，无人机调整位置，超声波测距模块测量与着陆信标的垂直距离，无人机进行降落；
视觉导航模块计算无人机与着陆信标相对位置的具体步骤如下：
设定着陆信标坐标系、摄像头坐标系OcXcYcZc、载体坐标系、图像平面坐标系OfXfYf和图像像素坐标系Ocuv，所述着陆信标坐标系的原点为着陆信标的中心，所述摄像头坐标系OcXcYcZc的原点为高清摄像头的光心，所述载体坐标系的原点为无人机的质心，将摄像头坐标系与载体坐标系设置为相等的坐标系；
每个像素坐标(u，v)为以像素为单位的图像像素坐标系坐标，图像像素坐标系与图像平面坐标系的数学对应公式如下：
其中，(x，y)为像素点在图像平面坐标系的坐标值，u0、v0为图像平面坐标系原点在图像像素坐标系中的坐标，dx、dy为单位像素在x轴与y轴的物理长度；
设定摄像头标定矩阵K；
空间点P(XcYcZc)被映射到图像平面上的点p(Xf，Xf)，根据相似三角形定理，采用矩阵表达式表示为：
其中，f为摄像头焦距，结合图像平面与图像像素坐标系的转换关系，可得：
得到摄像头标定矩阵K为：
其中，ax、ay为摄像头焦距在x，y轴方向上的单位长度；
计算无人机与着陆信标相对位置：
设定摄像头坐标系与载体坐标系重合，摄像头坐标系与着陆信标坐标系的平移关系表示无人机与着陆信标的相对位置关系，通过旋转矩阵S和平移矩阵T进行坐标变换，其中T＝[Tx Ty h]，如下式：
其中，
为图像的像素点在摄像头坐标系的坐标，
为图像的像素点在着陆信标坐标系的坐标，λ＝Zc为图像的像素点在摄像头坐标系上的Z轴坐标；
旋转矩阵S可由四元数求得，q＝(θ x y z)T为单位向量(x y z)旋转θ角度后得到的四元数，四元数求解旋转矩阵S的公式如下：
平移矩阵T的求解方法如下：
取着陆信标中心坐标为(0，0，0)，旋转矩阵S和平移矩阵T变换的公式变换为：
求解后得
其中，ax、ay为摄像头焦距在x，y轴方向上的单位长度，f/d为摄像头焦距长度(像素单位)，Q1，Q2为着陆信标上的两个特征点，q1、q2为两个特征点在图像坐标系下的映射点，求得平移矩阵T即求得自主降落所需要的着陆目标位置，然后对检测到着陆信标特征圆的图像进行Harris角点检测；
通过Harris角点检测获取图像平面的像素坐标，着陆信标坐标系的原点位于摄像头坐标系的三维坐标
着陆信标在载体坐标系中的坐标
S6：无人机与充电桩进行蓝牙无线通讯，启动充电桩无线充电模块进行无线充电；
S7：无人机充满电后，通知充电桩停止充电，与充电桩断开连接，继续进行日常巡检。
2.根据权利要求1所述的基于无线充电无人机的轨道巡检方法，其特征在于，步骤S3中所述包括轨道检测、温度检测和物体检测，具体步骤包括：
所述轨道检测的具体步骤为：将高清摄像头采集到的拍摄数据进行自适应阈值局部二值化处理，得到图像灰度图，采用Canny算法进行图像边缘处理提取出轨道线的轮廓，然后通过基尔霍夫变换检测出轨道直线，最后进行逆透视变换使传输的图像变为俯视图；
所述温度检测的具体步骤为：将红外热成像仪采集到的拍摄数据截取多帧图像，转换到HSV颜色空间，将表示高温区域的颜色进行掩膜保留，再进行自适应阈值局部二值化处理转变为二值图像，提取出高温区域的轮廓坐标数组，在图像的相应位置进行标注，将标注后的图像发送到地面控制系统；
所述物体检测的具体步骤为：建立数据库并采集正样本和负样本，将样本导入opencv，拟合训练级联器，生成分类器，将高清摄像头采集到的拍摄数据中截取多帧图像，对图像进行自适应阈值局部二值化处理，通过生成的分类器识别图像中是否存在需要检测的物体，对检测到的物体在图像上进行标注。
3.根据权利要求1所述的基于无线充电无人机的轨道巡检方法，其特征在于，步骤S5中所述地面控制系统的视觉导航模块进行着陆信标图像识别，具体步骤包括对采集的图像进行图像灰度化处理和图像边缘检测，所述图像灰度化处理采用加权平均法对图像进行灰度化处理，将图像RGB三个分量采用不同的权值进行加权平均，生成灰度图像；所述图像边缘检测采用Canny算法对灰度化处理后的图像进行边缘检测，包括对图像进行平滑滤波、计算图像梯度幅值、图像梯度方向、对梯度幅值进行非极大值抑制、阈值化和边缘连接，设定高低阈值去除假的边缘和连接真的边缘，得到图像中的着陆信标位置。
4.根据权利要求1所述的基于无线充电无人机的轨道巡检方法，其特征在于，步骤S5中所述计算无人机与着陆信标相对位置，具体步骤为：设定着陆信标坐标系、摄像头坐标系、载体坐标系、图像平面坐标系和图像像素坐标系，设定摄像头坐标系与载体坐标系重合，采用Harris角点检测获取图像平面的像素坐标，通过旋转矩阵S和平移矩阵T进行坐标变换，摄像头相对于着陆信标的位置关系表示为：
T＝[Tx Ty h]；
其中，λ＝Zc为图像的像素点在摄像头坐标系上的Z轴坐标，(u，v)表示以像素为单位的图像像素坐标系坐标，K为摄像头标定矩阵，
为图像的像素点在摄像头坐标系的坐标，
为图像的像素点在着陆信标坐标系的坐标。
5.根据权利要求1所述的基于无线充电无人机的轨道巡检方法，其特征在于，步骤S6所述启动充电桩无线充电模块进行无线充电，所述无线充电的具体步骤为：
充电桩接收到无人机的充电控制信号后，产生PWM波驱动MOS管，充电桩的储能电池经过E类功放型逆变电路后，直流电流变成高频交流电，经过原边线圈发射电路输出；
无人机无线充电模块的副边线圈经过电磁感应产生高频交流电，经过整流电路变成直流电，最后经过BUCK降压电路，调整电压匹配无人机锂电池充电电压范围。
6.根据权利要求1-5任意一项所述的基于无线充电无人机的轨道巡检方法，其特征在于，还包括应急巡检步骤，达到设定的应急条件时，地面控制系统控制无人机飞往指定地点进行图像采集，将采集到的图像进行图像识别。
7.一种基于无线充电无人机的轨道巡检系统，其特征在于，包括：充电桩、无人机和地面控制系统；
所述充电桩包括：充电桩无线充电模块、MCU主控模块、储能电池、充电桩蓝牙模块和充电桩GPS模块；
所述充电桩无线充电模块用于给无人机进行无线充电，所述MCU主控模块用于控制充电桩无线充电模块和充电桩蓝牙模块，以及实时监测储能电池的电量，所述充电桩蓝牙模块用于与无人机进行蓝牙无线通信，所述充电桩GPS模块用于定位充电桩的位置；
所述无人机包括：锂电池、无人机主控模块、无人机蓝牙模块、无人机无线充电模块、无人机GPS导航模块、航拍模块和超声波测距模块；
所述无人机主控模块用于接收和处理地面着陆控制系统的控制信号，控制无人机运行状态，所述无人机蓝牙模块用于与充电桩进行蓝牙无线通信，所述无人机无线充电模块用于接收充电桩的电能并给无人机的锂电池充电，所述无人机GPS导航模块用于无人机定位导航到充电桩充电，所述航拍模块包括高清摄像头和红外热成像仪，所述超声波测距模块用于检测无人机与充电桩的相对高度；
所述地面着陆控制系统包括：无人机地面站、轨道图像识别模块和视觉导航模块；
所述无人机地面站用于处理无人机与充电桩的位置信息，向无人机发送控制信号；
所述轨道图像识别模块包括轨道检测单元、温度检测单元和物体检测单元，所述轨道检测单元用于识别图像中的轨道线，所述温度检测单元用于监测轨道图像的高温区域，所述物体检测单元用于识别图像中需要检测的物体；
所述视觉导航模块用于无人机着陆时提供视觉导航，对采集的图像数据进行处理，计算出无人机与充电桩的相对位置；
视觉导航模块计算无人机与着陆信标相对位置的具体步骤如下：
设定着陆信标坐标系、摄像头坐标系OcXcYcZc、载体坐标系、图像平面坐标系OfXfYf和图像像素坐标系Ocuv，所述着陆信标坐标系的原点为着陆信标的中心，所述摄像头坐标系OcXcYcZc的原点为高清摄像头的光心，所述载体坐标系的原点为无人机的质心，将摄像头坐标系与载体坐标系设置为相等的坐标系；
每个像素坐标(u，v)为以像素为单位的图像像素坐标系坐标，图像像素坐标系与图像平面坐标系的数学对应公式如下：
其中，(x，y)为像素点在图像平面坐标系的坐标值，u0、v0为图像平面坐标系原点在图像像素坐标系中的坐标，dx、dy为单位像素在x轴与y轴的物理长度；
设定摄像头标定矩阵K；
空间点P(XcYcZc)被映射到图像平面上的点p(Xf，Xf)，根据相似三角形定理，采用矩阵表达式表示为：
其中，f为摄像头焦距，结合图像平面与图像像素坐标系的转换关系，可得：
得到摄像头标定矩阵K为：
其中，ax、ay为摄像头焦距在x，y轴方向上的单位长度；
计算无人机与着陆信标相对位置：
设定摄像头坐标系与载体坐标系重合，摄像头坐标系与着陆信标坐标系的平移关系表示无人机与着陆信标的相对位置关系，通过旋转矩阵S和平移矩阵T进行坐标变换，其中T＝[Tx Ty h]，如下式：
其中，
为图像的像素点在摄像头坐标系的坐标，
为图像的像素点在着陆信标坐标系的坐标，λ＝Zc为图像的像素点在摄像头坐标系上的Z轴坐标；
旋转矩阵S可由四元数求得，q＝(θ x y z)T为单位向量(x y z)旋转θ角度后得到的四元数，四元数求解旋转矩阵S的公式如下：
平移矩阵T的求解方法如下：
取着陆信标中心坐标为(0，0，0)，旋转矩阵S和平移矩阵T变换的公式变换为：
求解后得
其中，ax、ay为摄像头焦距在x，y轴方向上的单位长度，f/d为摄像头焦距长度(像素单位)，Q1，Q2为着陆信标上的两个特征点，q1、q2为两个特征点在图像坐标系下的映射点，求得平移矩阵T即求得自主降落所需要的着陆目标位置，然后对检测到着陆信标特征圆的图像进行Harris角点检测；
通过Harris角点检测获取图像平面的像素坐标，着陆信标坐标系的原点位于摄像头坐标系的三维坐标
着陆信标在载体坐标系中的坐标
8.根据权利要求7所述的基于无线充电无人机的轨道巡检系统，其特征在于，所述视觉导航模块包括图像灰度化处理单元、图像边缘检测单元、相对位置计算单元，分别用于对高清摄像头采集到的图像进行图像灰度化处理、图像边缘检测，以及对无人机与充电桩上的着陆信标相对位置的计算。
9.根据权利要求7所述的基于无线充电无人机的轨道巡检系统，其特征在于，所述充电桩无线充电模块包括PWM波生成电路、E类功放型逆变电路和发射电路，所述E类功放型逆变电路设有MOS管，PWM波生成电路产生PWM波驱动MOS管，将充电桩储能直流电流变成高频交流电，所述发射电路设有原边线圈，用于产生高频交流电的感应电流；
所述无人机无线充电模块包括接收电路、整流电路和BUCK降压电路，所述接收电路设有副边线圈，与原边线圈通过电磁感应产生高频交流电，BUCK降压电路用于调整电压，匹配无人机锂电池充电电压范围。
10.根据权利要求7-9任意一项所述的基于无线充电无人机的轨道巡检系统，其特征在于，所述充电桩还设有太阳能充电模块和着陆信标，所述太阳能充电模块用于给储能电池进行充电，所述着陆信标正对着充电桩无线充电模块；
所述无人机还设有无人机5G网络通信模块和无人机照明灯，所述无人机5G网络通信模块用于提供5G通信网络；
所述无人机地面站设有PC端和地面端5G网络通信模块，PC端通过地面端5G网络通信模块连接无线网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910509274.6A CN110297498B (zh) | 2019-06-13 | 2019-06-13 | 一种基于无线充电无人机的轨道巡检方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910509274.6A CN110297498B (zh) | 2019-06-13 | 2019-06-13 | 一种基于无线充电无人机的轨道巡检方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110297498A CN110297498A (zh) | 2019-10-01 |
| CN110297498B true CN110297498B (zh) | 2022-04-26 |
Family
ID=68027892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910509274.6A Active CN110297498B (zh) | 2019-06-13 | 2019-06-13 | 一种基于无线充电无人机的轨道巡检方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110297498B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110989426A (zh) * | 2019-11-15 | 2020-04-10 | 国网河南省电力公司洛阳供电公司 | 一种太阳能供电和5g数据传输的无人机检测平台 |
| CN111002846B (zh) * | 2019-12-13 | 2021-07-20 | 王晰 | 一种无人机的控制方法和系统 |
| CN111462259B (zh) * | 2020-04-02 | 2020-11-17 | 吉安诺惠诚莘科技有限公司 | 一种基于人工智能的汽车充电桩监控系统 |
| TWI752532B (zh) * | 2020-06-18 | 2022-01-11 | 亞東學校財團法人亞東科技大學 | 使用無人飛行載具檢測傳輸訊號品質的系統及方法 |
| CN111741113A (zh) * | 2020-06-23 | 2020-10-02 | 上海铁维物联网科技有限公司 | 铁路智能信息管理系统 |
| CN111739184A (zh) * | 2020-06-28 | 2020-10-02 | 国网宁夏电力有限公司检修公司 | 基于输电线塔杆的输电线路巡检系统 |
| CN112215860B (zh) * | 2020-09-23 | 2024-05-10 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的无人机定位方法 |
| CN112311958A (zh) * | 2020-10-19 | 2021-02-02 | 浙江互灵科技有限公司 | 一种超远距离传输并处理图像的基站和方法 |
| CN112256049A (zh) * | 2020-10-29 | 2021-01-22 | 上海电机学院 | 一种四旋翼无人机安全间距保持系统和方法 |
| CN112379690A (zh) * | 2020-11-05 | 2021-02-19 | 浙江点辰航空科技有限公司 | 一种无人机自动充电巡航方法和无人机系统 |
| CN112781585B (zh) * | 2020-12-24 | 2024-06-21 | 国家电投集团郑州燃气发电有限公司 | 一种通过5g网络连接智能巡检机器人及平台的方法 |
| CN113033349B (zh) * | 2021-03-11 | 2023-12-26 | 北京文安智能技术股份有限公司 | 行人重识别的俯视图像选取方法、存储介质和电子设备 |
| CN112907574B (zh) * | 2021-03-25 | 2023-10-17 | 成都纵横自动化技术股份有限公司 | 一种飞行器的降落点寻找方法、装置、系统及存储介质 |
| CN113593057A (zh) * | 2021-06-28 | 2021-11-02 | 西安坤斗科技有限责任公司 | 一种基于无人机巡检的路内停车位管理方法 |
| CN113433963B (zh) * | 2021-07-15 | 2022-05-20 | 江西理工大学 | 一种针对磁悬浮轨道巡检的无人机多平台系统及方法 |
| CN113485386A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种引导无人机精准降落的方法和系统 |
| CN113361508B (zh) * | 2021-08-11 | 2021-10-22 | 四川省人工智能研究院(宜宾) | 一种基于无人机-卫星的跨视角地理定位方法 |
| CN114928392B (zh) * | 2022-02-18 | 2023-10-20 | 国网浙江省电力有限公司湖州供电公司 | 一种基于5g的无人机自动巡检数据实时回传方法和系统 |
| CN114937007B (zh) * | 2022-04-29 | 2024-08-20 | 西北工业大学 | 一种基于角点特征的无人机视觉着陆跑道起始线检测方法 |
| CN115358497B (zh) * | 2022-10-24 | 2023-03-10 | 湖南长理尚洋科技有限公司 | 基于gis技术的智慧全景巡河方法及系统 |
| CN116844381B (zh) * | 2023-06-06 | 2024-06-14 | 广州思谋信息科技有限公司 | 一种基于人工智能的无人机停机管理系统及方法 |
| CN117555141B (zh) * | 2023-09-27 | 2024-07-26 | 迈特诺（马鞍山）特种电缆有限公司 | 智能vr眼镜系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105391155A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种无人机巡检基站 |
| CN108873917A (zh) * | 2018-07-05 | 2018-11-23 | 太原理工大学 | 一种面向移动平台的无人机自主着陆控制系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170300051A1 (en) * | 2013-02-06 | 2017-10-19 | Dylan T X Zhou | Amphibious vertical take off and landing unmanned device with AI data processing apparatus |
| CN106570820B (zh) * | 2016-10-18 | 2019-12-03 | 浙江工业大学 | 一种基于四旋翼无人机的单目视觉三维特征提取方法 |
| CN108474658B (zh) * | 2017-06-16 | 2021-01-12 | 深圳市大疆创新科技有限公司 | 地面形态检测方法及系统、无人机降落方法和无人机 |
| CN107394873B (zh) * | 2017-08-18 | 2023-05-23 | 华南理工大学 | 一种电力巡检无人机的全自动环保无线充电系统 |
| US20190110461A1 (en) * | 2017-10-14 | 2019-04-18 | Paul Caskey | Method and apparatus for identifying, locating and scaring away birds |
| CN108819775A (zh) * | 2018-06-29 | 2018-11-16 | 国网陕西省电力公司电力科学研究院 | 一种电力巡线无人机无线充电中继系统及充电方法 |
| CN109035320B (zh) * | 2018-08-12 | 2021-08-10 | 浙江农林大学 | 基于单目视觉的深度提取方法 |
| CN109544458B (zh) * | 2018-11-21 | 2023-05-26 | 陕西高速公路工程试验检测有限公司 | 鱼眼图像校正方法、装置及其存储介质 |
-
2019
- 2019-06-13 CN CN201910509274.6A patent/CN110297498B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105391155A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种无人机巡检基站 |
| CN108873917A (zh) * | 2018-07-05 | 2018-11-23 | 太原理工大学 | 一种面向移动平台的无人机自主着陆控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110297498A (zh) | 2019-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
| CN110254258B (zh) | 一种无人机无线充电系统及方法 | |
| CN106203265B (zh) | 一种施工扬尘污染源自动监测及影响范围预测系统及方法 | |
| CN112269398B (zh) | 一种变电站无人机自主巡检系统 | |
| WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
| CN112215860A (zh) | 一种基于图像处理的无人机定位方法 | |
| CN110246175A (zh) | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 | |
| CN110046584B (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
| CN113411501B (zh) | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 | |
| CN106527472A (zh) | 一种无人机全自主超远距离飞行系统及控制方法 | |
| WO2024040566A1 (zh) | 基于图像识别的变电站智能巡检系统及方法 | |
| CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
| CN111786465A (zh) | 一种变电站巡检机器人无线充电系统及方法 | |
| CN114905512B (zh) | 一种智能巡检机器人全景追踪及避障方法及系统 | |
| CN113177918A (zh) | 一种无人机对电力杆塔的智能精准巡检方法及系统 | |
| CN114454137A (zh) | 基于双目视觉的钢结构损伤智能巡检方法、系统及机器人 | |
| CN108184096B (zh) | 一种机场跑滑区全景监控装置、系统及方法 | |
| CN112543272B (zh) | 一种具有光线调节的变电站巡检摄像装置及方法 | |
| CN116894936B (zh) | 基于无人机视觉的海上目标识别定位方法及系统 | |
| CN109145905A (zh) | 一种基于视觉显著性的输电线路配件检测方法 | |
| CN116665077A (zh) | 基于ai识别技术的输电线路检测拍摄方法及其系统 | |
| CN207027526U (zh) | 一种基于双目视觉的具有视频分析功能的移动安防机器人 | |
| CN116297472A (zh) | 一种基于深度学习的无人机桥梁裂缝检测方法及系统 | |
| CN104637051A (zh) | 一种基于移动载体的高可变倍精确拍摄方法 |
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 |