CN110609569B - 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法 - Google Patents

一种应用于电力杆塔的自主控制无人机精准巡检系统和方法 Download PDF

Info

Publication number
CN110609569B
CN110609569B CN201910917118.3A CN201910917118A CN110609569B CN 110609569 B CN110609569 B CN 110609569B CN 201910917118 A CN201910917118 A CN 201910917118A CN 110609569 B CN110609569 B CN 110609569B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
attitude
tower
target
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
Application number
CN201910917118.3A
Other languages
English (en)
Other versions
CN110609569A (zh
Inventor
崔粲
陈海峰
应国德
曹杰
柯如宾
高群
王芊芊
潘成峰
金潮
周啸宇
柳骏
王裘潇
金赛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Zhejiang Wenling Power Supply Co ltd
Wenling Feipu Electric Co ltd
Zhejiang University ZJU
Original Assignee
State Grid Zhejiang Wenling Power Supply Co ltd
Wenling Feipu Electric Co ltd
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Zhejiang Wenling Power Supply Co ltd, Wenling Feipu Electric Co ltd, Zhejiang University ZJU filed Critical State Grid Zhejiang Wenling Power Supply Co ltd
Priority to CN201910917118.3A priority Critical patent/CN110609569B/zh
Publication of CN110609569A publication Critical patent/CN110609569A/zh
Application granted granted Critical
Publication of CN110609569B publication Critical patent/CN110609569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous 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

本发明公开了一种应用于电力杆塔的自主控制无人机精准巡检系统和方法,包括多旋翼无人机、地面人员操作控制系统以及控制系统中轨迹规划的算法。多旋翼无人机带有姿态与位置控制器、视觉处理模块以及机载无线通信模块;地面人员操作控制系统包括操作设备与无线通信模块。本系统使用了无人机姿态与位置控制器、视觉辅助定位技术以及三维轨迹规划算法来保证在电力杆塔对象信息已知的前提下,即使不具备无人机操作专业技能的人员也能够使用本系统操作无人机对目标电力杆塔进行环绕飞行并获取电力杆塔关键点的图像信息,从而实现无人机对电力杆塔的精准自主巡检。

Description

一种应用于电力杆塔的自主控制无人机精准巡检系统和方法
技术领域
本发明主要涉及无人机技术领域、电力巡检自动化技术领域,具体而言涉及一种应用于电力杆塔的自主控制无人机精准巡检系统和方法。
背景技术
自从改革开放以来,我国经济建设不断取得新的成就,电力网络作为重要的基础设施,也随着经济规模不断延展。随着电力网络的规模不断加大,其日常巡检维护工作负担也在不断加重。目前,电力杆塔的主要巡检方式仍以人工巡检为主,但人工巡检存在效率低下,巡检过程粗放,难以有效监督等问题。随着无人机技术的发展,无人机巡检逐渐被电力行业所接受,无人机能够有效地提升巡检效率,并提升巡检的精细化程度。然而,一般无人机对于操作人员的操作技术有较高的要求,并且一般需要配备两名操作人员,由于专业技术人才的培训需要较高的时间和金钱成本,导致无人机巡检在电力行业仍难以推广。
发明内容
针对上述不足,本发明提出了一种应用于电力杆塔的自主控制无人机精准巡检系统和方法,使得不具备专业无人机操作技能的人员经过简单培训也可以使用无人机对杆塔进行快速精准的巡检。
本发明所采用的技术方案如下:一种应用于电力杆塔的自主控制无人机精准巡检系统,包括多旋翼无人机和地面人员操作控制系统;
所述多旋翼无人机带有姿态与位置控制器、视觉处理模块以及机载无线通信模块;
所述姿态与位置控制器包括微处理器、惯性测量单元以及卫星定位传感器;惯性测量单元用于测量无人机当前姿态并传递给微处理器;卫星定位传感器用于测量无人机当前地理坐标并传递给微处理器;微处理器用于对数据进行处理并计算控制量来控制多旋翼无人机;
所述视觉处理模块包括摄像头与处理器;摄像头用于获取目标图像信息;处理器用于对目标图像信息进行计算与信息提取,最后传递给微处理器;
所述地面人员操作控制系统包括操作设备和与操作设备相连的地面无线通信模块;所述地面无线通信模块与机载无线通信模块通过无线进行通讯,机载无线通信模块与微处理器相连。
进一步的,所述视觉处理模块通过摄像头采集目标的图像信息,处理器将图像信息进行储存以便于地面操作人员进行查看;同时,处理器通过视觉处理算法,提取在目标杆塔上安装的特征点,计算无人机的准确位置,计算结果在姿态与位置控制器中与卫星定位模块所测量的结果进行融合,得到无人机相对于目标电力杆塔的准确位置。
进一步的,所述机载无线通信模块与姿态与位置控制器通过串行总线进行通信。
进一步的,所述操作设备为便携式计算机。
本发明的另一目的是提供一种应用于电力杆塔的自主控制无人机精准巡检方法,该方法在上述的系统中实现,该方法包括如下步骤:
(1)根据输入的杆塔三维模型与障碍物模型,构建栅格化地图,被杆塔三维模型或者障碍物模型占用或人工标记为禁飞区记为碰撞空间;
(2)根据无人机上传的与杆塔的相对位置输入无人机当前的位置,由地面操作人员选择需要巡检的一系列目标关键点的位置;关键点不能处于碰撞空间内,也不能距离碰撞空间小于0.5m;
(3)输入完关键点后开始对飞行轨迹进行规划,轨迹从第一关键点,即无人机起始位置开始规划,如果以起始位置与下一个关键点之间的连线路径为轴,0.5m为半径的范围内不存在碰撞空间,则认为无人机能够以直线抵达下一个关键点,认为两点间路径规划成成功,通过插值得到飞行轨迹;
(4)如果步骤(3)中起始位置与下一关键点直接的路径上存在碰撞空间,则建立一个树形探索结构,该树形数据结构以当前起始位置为根节点,开始随机创建子节点,子节点的创建由生成概率p决定,子节点以设定概率p创建一个以自身为父节点的子节点,每一次创建子节点,均检查子节点与该子节点与父节点之间的连线路径半径0.5m范围内是否存在碰撞空间,如有,则销毁该子节点;同时检查该子节点与最终目标点的连线半径0.5m范围内是否存在碰撞空间,如有,则继续进行,如没有,则认为该子节点成功找到到达目标点的路径,将该子节点设置为下一目标点,原先的下一目标点后移一位,开始规划当前位置到达该子节点的路径,通过上述递归过程,直至最终找到的子节点使得无人机可以直接抵达下一目标点;最终求出一条接近最优路径的飞行轨迹;
(5)飞行轨迹通过无线传递到姿态与位置控制器中;姿态与位置控制器通过惯性测量传感器获取无人机的实际姿态数据,将实际姿态数据与姿态设定值的差值输入增量式PID控制器,实现对飞行器姿态的控制。
进一步的,所述步骤(5)中的姿态设定值通过以下方法获得:通过卫星定位传感器获取的飞行器的符合WGS-84标准的大地坐标与目标杆塔的大地坐标的差值,计算得到无人机与目标杆塔的相对直角坐标;同时通过视觉处理系统提取杆塔上预置标记点的信息,得到无人机相对于杆塔的相对位置;通过扩展卡尔曼滤波(EKF)方法将两个坐标数据进行融合得到精度较高的无人机相对位置信息;通过将无人机相对位置信息与预期轨迹的差值输入线性二次型调节器(LQR),即可得到PID控制器姿态输入的姿态设定值。
地面操作人员启动无人机后,除紧急情况控制无人机停止任务外,不需要进行其他控制操作,等待无人机在姿态与位置控制器的控制下完成飞行任务后对无人机进行回收即可。本发明提出的路径规划算法只需要输入预先获取的杆塔模型或者杆塔周围的禁飞区域,即可通过算法生成巡检路径,巡检任务开始后,不需要人为地进行飞行轨迹控制,操作人员只需执行任务启动、暂停以及继续等操作。
相对于现有技术,本发明的有益效果如下:本项发明使用了一种轨迹规划算法,以及一套自动控制算法,使不具备专业无人机操作技能的人员也能够使用无人机对电力杆塔的关键点进行精准巡检,本发明实现了无人机自动巡检的功能,能够有效地降低无人机技术应用于电力杆塔巡检的成本,提升了无人机巡检的工作效率和安全性。
本发明仅限于室外较为开阔的环境中使用,并且为达到最佳的定位效果,采用了视觉定位技术,需要预先在目标杆塔上进行标记,标记形式为杆塔特定位置上的颜色块(有效面积小于10cm*10cm,颜色为红色,蓝色或者黄色),在图5中为白圈标出部分,在没有视觉标记辅助定位的情况下或者视觉标记被遮挡无法定位的情况下,这一功能将自动关闭。
在理想情况下,本发明系统中的无人机飞行定位精度误差小于±20cm,并且可以实现在空中稳定的悬停。
附图说明
图1为本发明系统构成框图;
图2为发明实物示意图;
图3为路径规划算法树形探索结构示意图;
图4为无人机姿态与位置控制器结构;
图5为视觉辅助定位标记点示意图
图6为路径规划算法流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示,本发明提供一种应用于电力杆塔的自主控制无人机精准巡检系统,包括多旋翼无人机和地面人员操作控制系统;
所述多旋翼无人机1带有姿态与位置控制器2、视觉处理模块3以及机载无线通信模块4;
所述姿态与位置控制器2包括微处理器、惯性测量单元以及卫星定位传感器;惯性测量单元用于测量无人机当前姿态并传递给微处理器;卫星定位传感器用于测量无人机当前地理坐标并传递给微处理器;微处理器用于对数据进行处理并计算控制量来控制多旋翼无人机1;
所述视觉处理模块3包括摄像头与处理器;摄像头用于获取目标图像信息;处理器用于对目标图像信息进行计算与信息提取,最后传递给微处理器;
所述地面人员操作控制系统包括操作设备7和与操作设备7相连的地面无线通信模块6;所述地面无线通信模块6与机载无线通信模块4通过无线进行通讯,机载无线通信模块4与微处理器相连。
本发明所包含的硬件模块与体系结构如下:
实例中四旋翼无人机搭载的姿态与位置控制器使用的芯片型号为S5P6818与STM32F407B,姿态控制周期为2ms;
姿态与位置控制模块与惯性测量单元通过I2C总线连接;
机载无线通信模块采用的是无线串口透传模块,与姿态与位置控制器通过通用串行总线连接;
视觉处理模块的处理器使用芯片Intel Edison,摄像头使用传感器尺寸与类型为1/3”CMOS。摄像头与处理器通过通用串行总线进行通信,处理器与姿态与位置控制器中的微处理器通过通用串行总线进行通信。视觉处理模块通过提取杆塔图像信息中的关键点,通过CamPOSIT摄像头矫正算法,计算无人机与目标的相对位置。具体的,所述视觉处理模块通过摄像头采集目标的图像信息,处理器将图像信息进行储存以便于地面操作人员进行查看;同时,处理器通过视觉辅助定位算法,提取在目标杆塔上安装的特征点,计算无人机的准确位置,计算结果在姿态与位置控制器2中与卫星定位模块所测量的结果进行融合,得到无人机相对于目标电力杆塔的准确位置。
飞行器整体结构如图1所示,其中包括①卫星定位传感器,②机载无线通信模块,③姿态与位置控制器,④处理器,⑤视觉处理模块。
姿态控与位置控制器采用线性二次型调节器LQR与PID串级控制形式,具体结构可以参见附图4;
地面操作装置为普通笔记本计算机,操作系统为windows 10,用于安装操作软件与路径规划程序。
一种应用于电力杆塔的自主控制无人机精准巡检方法,该方法在上述的系统中实现,该方法包括如下步骤:
(1)根据输入的杆塔三维模型与障碍物模型,构建栅格化地图,被杆塔三维模型或者障碍物模型占用或人工标记为禁飞区记为碰撞空间;
(2)根据无人机上传的与杆塔的相对位置输入无人机当前的位置,由地面操作人员选择需要巡检的一系列目标关键点的位置;关键点不能处于碰撞空间内,也不能距离碰撞空间小于0.5m;
(3)输入完关键点后开始对飞行轨迹进行规划,轨迹从第一关键点,即无人机起始位置开始规划,如果以起始位置与下一个关键点之间的连线路径为轴,0.5m为半径的范围内不存在碰撞空间,则认为无人机能够以直线抵达下一个关键点,认为两点间路径规划成成功,通过插值得到飞行轨迹;
(4)如果步骤(3)中起始位置与下一关键点直接的路径上存在碰撞空间,则建立一个树形探索结构,该树形数据结构以当前起始位置为根节点,开始随机创建子节点,子节点的创建由生成概率p决定,子节点以设定概率p创建一个以自身为父节点的子节点,每一次创建子节点,均检查子节点与该子节点与父节点之间的连线路径半径0.5m范围内是否存在碰撞空间,如有,则销毁该子节点;同时检查该子节点与最终目标点的连线半径0.5m范围内是否存在碰撞空间,如有,则继续进行,如没有,则认为该子节点成功找到到达目标点的路径,将该子节点设置为下一目标点,原先的下一目标点后移一位,开始规划当前位置到达该子节点的路径,通过上述递归过程,直至最终找到的子节点使得无人机可以直接抵达下一目标点;最终求出一条接近最优路径的飞行轨迹;
(5)飞行轨迹通过无线传递到姿态与位置控制器中;姿态与位置控制器通过惯性测量传感器获取无人机的实际姿态数据,将实际姿态数据与姿态设定值的差值输入增量式PID控制器,实现对飞行器姿态的控制。其中,姿态设定值通过以下方法获得:通过卫星定位传感器获取的飞行器的符合WGS-84标准的大地坐标与目标杆塔的大地坐标的差值,计算得到无人机与目标杆塔的相对直角坐标;同时通过视觉处理系统提取杆塔上预置标记点的信息,得到无人机相对于杆塔的相对位置;通过扩展卡尔曼滤波(EKF)方法将两个坐标数据进行融合得到精度较高的无人机相对位置信息;通过将无人机相对位置信息与预期轨迹的差值输入线性二次型调节器(LQR),即可得到PID控制器姿态输入的姿态设定值。
下面详细描述本发明使用的具体控制方法与算法,包括如下部分:
(1)姿态与位置控制器控制
姿态与位置控制所使用的控制系统结构可以参考附图4中结构框图。通过线性二次型调节器对运动学部分进行控制,通过PID控制器对底层动力学系统进行控制,二者构成一个串级控制结构。
在工作点附近,四旋翼飞行器模型可以近似为如下模型:
Figure BDA0002216436930000061
Figure BDA0002216436930000062
Figure BDA0002216436930000063
Figure BDA0002216436930000064
Figure BDA0002216436930000065
Figure BDA0002216436930000066
其中XYZ表示无人机在三维直角坐标系中的位置,
Figure BDA0002216436930000067
表示位置的一阶导数即速度,
Figure BDA0002216436930000068
表示位置的二阶导数即加速度,其余量表示方式与此雷同。φθψ表示无人机的俯仰,横滚和航向角。Ixx表示无人机沿X轴方向的转动惯量,其余雷同,下标表示轴向,m表示无人机质量,U1表示无人机四个旋翼的合力,U2表示X轴方向两个旋翼产生的力矩,U3表示Y轴方向两个旋翼产生的力矩,U4表示旋翼总的自转力矩。
对于非线性较强模型直接设计非线性控制器效果比较不理想,因而可以采用串级控制形式。对于底层非线性较强的部分采用不依赖精确模型的PID控制,对于上次采用依赖精确模型的LQR控制。
底层增量PID控制原理为根据给定设定值与测量反馈的差值,乘以比例控制系数,计算得到当前时刻的比例控制量P,并将差值进行积分,乘以积分系数得到积分控制量部分I,再将当前被控变量的变化程度乘以微分系数得到微分控制量部分D,三者相加得到PID控制量。其中设定值由上层控制器给出,测量反馈由惯性测量单元测量给出,当前被控变量的变化程度在此处即等同于角速度,同样有惯性测量单元测量给出。比例系数,积分系数与微分系数需要通过实验进行调整以保证系统控制达到良好状态。
LQR控制器是一种基于线性模型的最优状态反馈控制器,考虑对于线性模型(A、B、C、D分标表示线性模型差分方程不同部分的对应矩阵,x为状态量,u为控制量,y为输出)
Figure BDA0002216436930000069
X为状态量,Y为输出量,通过设计状态反馈控制器u=-Kx,K为状态反馈矩阵,代入(2)中可以得到系统方程
Figure BDA0002216436930000071
要使得此方程的输出满足某一个最优指标
Figure BDA0002216436930000072
其中J为评价指标,Q,R为描述最优指标的半正定矩阵,将u=-Kx带入,并定义P为满足下式的矩阵
Figure BDA0002216436930000073
令K=R-1BTP带入即可得到关于矩阵P的Riccati方程
ATP+PA+Q-PBR-1BTP=0 (6)
上述方程中仅有P矩阵未知,求解Riccati方程即可得到P矩阵,求得状态反馈矩阵K。
在此实例中,对于线性模型可以将(1)中动力学部分以X轴为例简化为
Figure BDA0002216436930000074
其中
Figure BDA0002216436930000075
将当前θψ作为常值处理即可求得当前的φ设定值,其余轴计算方式类同。
(2)视觉辅助定位算法
本发明所使用的视觉辅助定位算法需要使用视觉标记点对杆塔进行辅助定位。具体步骤如下:
1.通过摄像头获取目标图像信息,根据色彩阈值提取特征点,对图像进行二值化处理,提取特征点在像素平面上的坐标点pn(u,v)以及特征点的类型(颜色)。
2.根据卫星定位传感器获取的无人机位置信息,通过相机小孔模型计算得到坐标点实际位置P(X,Y,Z)在图像平面上理论的投影位置p'n(u0,v0),相机小孔模型如下式:
Figure BDA0002216436930000076
其中dx为图像x轴方向的像素分辨率,dy为图像y轴方向的像素分辨率,(u0,v0)为图像像素坐标系中点坐标,R为镜头相对于目标的旋转矩阵,t为镜头相对于目标的位移矩阵,均可由卫星定位传感器测量得到的无人机位置与已知的杆塔目标坐标计算得到。通过计算得到特征点理论位置后,对比pn(u,v)与p'n(u0,v0),对特征点进行配对,得到图像中pn(u,v)与特征点实际空间位置Pn(X,Y,Z),其中n表示特征点的编号,在提取到特征点数量n≥3时才能进行有效的计算。
3.同样根据上述摄像头小孔成像公式,通过作为公开算法的P3P,P4P或者EPnp计算方法,可以通过pn(u,v)与Pn(X,Y,Z)的对应关系求得相机相对于特征点的位置,即计算得到(8)中的R矩阵与t矩阵,处理器计算完成后将上述计算结果传输至姿态与位置传感器进行滤波与融合。
(3)路径规划算法
本发明提出的路径规划算法是一种基于快速扩展随机树(RRT)算法改进得到的非均衡随机树算法(树形探索结构)。算法具体工作流程如下:
1、根据输入的杆塔三维模型与障碍物模型模型,构建栅格化地图,实例中栅格化精度为1m,被杆塔三维模型或者障碍物模型占用或人工标记为禁飞区记为碰撞空间,图3中标记为黑框圈出的深色半透明部分,树形探索结构节点表示为右侧的球,节点间的联线表示可行解。
2、根据无人机上传的与杆塔的相对位置输入无人机当前的位置。由地面操作人员选择需要巡检的一系列目标关键点的位置。关键点不能处于碰撞空间内,也不能距离碰撞空间小于0.5m。
3、输入完关键点后算法开始对飞行轨迹进行规划。轨迹从第一关键点,即飞行器起始位置开始规划,如果以起始位置与下一个键点之间的连线路径为轴,0.5m为半径的范围内不存在碰撞空间,则认为无人机能够以直线抵达下一个关键点,认为两点间路径规划成成功,通过插值得到飞行轨迹。
4、如果3中起始位置与下一关键点直接的路径上存在碰撞空间,则建立一个树形探索结构。该树形数据结构以当前起始位置为根节点,开始随机创建子节点,子节点的创建由生成概率p决定,子节点以一定概率p创建一个以自身为父节点的子节点,每一次创建子节点,均检查子节点与该子节点与父节点之间的连线路径半径0.5m范围内是否存在碰撞空间,如有,则销毁该子节点。同时检查该子节点与最终目标点的连线半径0.5m范围内是否存在碰撞空间,如有,则算法继续进行,如没有,则认为该子节点成功找到到达目标点的路径,将该子节点设置为下一目标点,原先的下一目标点后移一位,开始规划当前位置到达该子节点的路径,计算方法同上,直至最终找到的子节点使得无人机可以直接抵达下一目标点。
5、算法中,子节点的创建位置为有限的随机探索,探索范围不超过以父节点为中心,6m为半径的球,相比于一般RRT算法,本算法使用了概率函数p控制子节点的生成,p需要满足:路径越长,即从根节点到当前节点将要产生的位置再到目标点的线段长度的平方和越大,子节点创建概率越小;子节点深度越大,创建概率越小;子节点的兄弟节点越多,创建概率越小;其他所有子节点创建概率之和越大,子节点创建概率越小,其他所有子节点创建概率越小,该子节点创建概率越大。实例中的p的形式为
Figure BDA0002216436930000091
其中j,k,l,m为人工设定的参数。D为节点间矢量的模长平方,d为节点深度,b为节点兄弟节点数量。
6、通过上述递归过程,可以求出一条接近最优路径的轨迹,并且无人机沿该轨迹飞行不会与障碍物发生碰撞。这一算法仅适用于杆塔环境较为稳定,空中没有移动障碍物且人工设置禁飞区较为准确地情况。算法具体流程可以参考附图6。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种应用于电力杆塔的自主控制无人机精准巡检方法,其特征在于,该方法在应用于电力杆塔的自主控制无人机精准巡检系统中实现,应用于电力杆塔的自主控制无人机精准巡检系统包括多旋翼无人机和地面人员操作控制系统;
所述多旋翼无人机带有姿态与位置控制器、视觉处理模块以及机载无线通信模块;
所述姿态与位置控制器包括微处理器、惯性测量单元以及卫星定位传感器;惯性测量单元用于测量无人机当前姿态并传递给微处理器;卫星定位传感器用于测量无人机当前地理坐标并传递给微处理器;微处理器用于对数据进行处理并计算控制量来控制多旋翼无人机;
所述视觉处理模块包括摄像头与处理器;摄像头用于获取目标图像信息;处理器用于对目标图像信息进行计算与信息提取,最后传递给微处理器;
所述地面人员操作控制系统包括操作设备和与操作设备相连的地面无线通信模块;所述地面无线通信模块与机载无线通信模块通过无线进行通讯,机载无线通信模块与微处理器相连;
该方法包括以下步骤:
(1)根据输入的杆塔三维模型与障碍物模型,构建栅格化地图,被杆塔三维模型或者障碍物模型占用或人工标记为禁飞区记为碰撞空间;
(2)根据无人机上传的与杆塔的相对位置输入无人机当前的位置,由地面操作人员选择需要巡检的一系列目标关键点的位置;关键点不能处于碰撞空间内,也不能距离碰撞空间小于0.5m;
(3)输入完关键点后开始对飞行轨迹进行规划,轨迹从第一关键点,即无人机起始位置开始规划,如果以起始位置与下一个关键点之间的连线路径为轴,0.5m为半径的范围内不存在碰撞空间,则认为无人机能够以直线抵达下一个关键点,认为两点间路径规划成功,通过插值得到飞行轨迹;
(4)如果步骤(3)中起始位置与下一关键点直接的路径上存在碰撞空间,则建立一个树形探索结构,该树形数据结构以当前起始位置为根节点,开始随机创建子节点,子节点的创建由生成概率p决定,子节点以设定概率p创建一个以自身为父节点的子节点,每一次创建子节点,均检查子节点与该子节点与父节点之间的连线路径半径0.5m范围内是否存在碰撞空间,如有,则销毁该子节点;同时检查该子节点与最终目标点的连线半径0.5m范围内是否存在碰撞空间,如有,则继续进行,如没有,则认为该子节点成功找到到达目标点的路径,将该子节点设置为下一目标点,原先的下一目标点后移一位,开始规划当前位置到达该子节点的路径,通过上述递归过程,直至最终找到的子节点使得无人机可以直接抵达下一目标点;最终求出一条接近最优路径的飞行轨迹;
(5)飞行轨迹通过无线传递到姿态与位置控制器中;姿态与位置控制器通过惯性测量传感器获取无人机的实际姿态数据,将实际姿态数据与姿态设定值的差值输入增量式PID控制器,实现对飞行器姿态的控制。
2.根据权利要求1所述的一种应用于电力杆塔的自主控制无人机精准巡检方法,其特征在于,所述视觉处理模块通过摄像头采集目标的图像信息,处理器将图像信息进行储存以便于地面操作人员进行查看;同时,处理器通过视觉处理算法,提取在目标杆塔上安装的特征点,计算无人机的准确位置,计算结果在姿态与位置控制器中与卫星定位模块所测量的结果进行融合,得到无人机相对于目标电力杆塔的准确位置。
3.根据权利要求1所述的一种应用于电力杆塔的自主控制无人机精准巡检方法,其特征在于,所述机载无线通信模块与姿态与位置控制器通过串行总线进行通信。
4.根据权利要求1所述的一种应用于电力杆塔的自主控制无人机精准巡检方法,其特征在于,所述操作设备为便携式计算机。
5.根据权利要求1所述的一种应用于电力杆塔的自主控制无人机精准巡检方法,其特征在于,所述步骤(5)中的姿态设定值通过以下方法获得:通过卫星定位传感器获取的飞行器的符合WGS-84标准的大地坐标与目标杆塔的大地坐标的差值,计算得到无人机与目标杆塔的相对直角坐标;同时通过视觉处理系统提取杆塔上预置标记点的信息,得到无人机相对于杆塔的相对位置;通过扩展卡尔曼滤波方法将两个坐标数据进行融合得到精度较高的无人机相对位置信息;通过将无人机相对位置信息与预期轨迹的差值输入线性二次型调节器,即可得到PID控制器姿态输入的姿态设定值。
CN201910917118.3A 2019-09-26 2019-09-26 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法 Active CN110609569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910917118.3A CN110609569B (zh) 2019-09-26 2019-09-26 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910917118.3A CN110609569B (zh) 2019-09-26 2019-09-26 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法

Publications (2)

Publication Number Publication Date
CN110609569A CN110609569A (zh) 2019-12-24
CN110609569B true CN110609569B (zh) 2022-07-15

Family

ID=68893537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910917118.3A Active CN110609569B (zh) 2019-09-26 2019-09-26 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法

Country Status (1)

Country Link
CN (1) CN110609569B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413711A (zh) * 2020-03-18 2020-07-14 杭州微萤科技有限公司 一种定位系统及其自动设置父卫星方法
CN111651649A (zh) * 2020-04-10 2020-09-11 安徽继远软件有限公司 一种输电线路及杆塔的虚拟围栏构建方法及系统
CN111580553A (zh) * 2020-05-11 2020-08-25 桂林电子科技大学 一种无人机飞行控制器、无人机防疫监管系统和方法
CN111882928A (zh) * 2020-06-28 2020-11-03 西安工程大学 基于紫外光的巡线无人机防碰撞系统及方法
CN112486199A (zh) * 2020-12-11 2021-03-12 国网辽宁省电力有限公司沈阳供电公司 一种适用于偏远输电塔群无人机巡检控制系统及巡检方法
CN113534844B (zh) * 2021-08-18 2024-02-27 广东电网有限责任公司 一种未知环境下的旋翼飞行器输电线路巡检方法及装置
CN113534845B (zh) * 2021-08-18 2022-06-21 国网湖南省电力有限公司 基于gnss定位的架空配电线路无人机自主巡检方法及系统
CN114162340B (zh) * 2021-11-29 2024-06-04 浙江图盛输变电工程有限公司温州科技分公司 一种杆塔挂点绝对坐标采集系统
CN114721419B (zh) * 2022-02-22 2023-09-19 广州中科云图智能科技有限公司 基于无人机的输电线路的杆塔巡检方法、装置、以及设备
CN114755693B (zh) * 2022-06-15 2022-09-16 天津大学四川创新研究院 基于多旋翼无人机的基建设施测量系统和方法
CN117308969B (zh) * 2023-09-27 2024-05-14 广东电网有限责任公司汕尾供电局 一种启发式快速探索随机树的电力杆塔三维航线规划方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334104A (zh) * 2017-12-28 2018-07-27 成都优艾维智能科技有限责任公司 一种基于rtk定位的无人机自主巡检系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510011B (zh) * 2011-10-24 2014-10-29 华北电力大学 基于微型多旋翼无人直升机的电力杆塔智能巡检方法
CN102412530B (zh) * 2011-12-23 2014-04-09 北京国网富达科技发展有限责任公司 线航两栖电力线路综合维护机器人的线路维护方法
CN104748746B (zh) * 2013-12-29 2017-11-03 刘进 智能机姿态测定及虚拟现实漫游方法
CN103760905B (zh) * 2014-01-29 2016-06-01 天津大学 基于模糊前馈单旋翼无人直升机姿态非线性鲁棒控制方法
CN104182621B (zh) * 2014-08-08 2017-06-13 同济大学 基于深度信念网络的adhd判别分析方法
CN106094866A (zh) * 2016-07-22 2016-11-09 中国计量大学 一种无人机电力线路巡检装置及其使用方法
CN107085437A (zh) * 2017-03-20 2017-08-22 浙江工业大学 一种基于eb‑rrt的无人机航迹规划方法
CN108445895B (zh) * 2018-02-05 2021-01-29 天津大学 用于倾转式三旋翼无人机位置控制的鲁棒控制方法
CN109739254B (zh) * 2018-11-20 2021-11-09 国网浙江省电力有限公司信息通信分公司 一种电力巡检中采用视觉图像定位的无人机及其定位方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334104A (zh) * 2017-12-28 2018-07-27 成都优艾维智能科技有限责任公司 一种基于rtk定位的无人机自主巡检系统及方法

Also Published As

Publication number Publication date
CN110609569A (zh) 2019-12-24

Similar Documents

Publication Publication Date Title
CN110609569B (zh) 一种应用于电力杆塔的自主控制无人机精准巡检系统和方法
Mohta et al. Fast, autonomous flight in GPS‐denied and cluttered environments
CN105739512B (zh) 无人机自动巡检系统及方法
Hernandez-Lopez et al. An automatic approach to UAV flight planning and control for photogrammetric applications
CN106708073B (zh) 一种自主导航电力巡线故障检测的四旋翼飞行器系统
CN111880573B (zh) 一种基于视觉惯导融合的四旋翼自主导航方法
CN113534844B (zh) 一种未知环境下的旋翼飞行器输电线路巡检方法及装置
Shaker et al. Vision-based landing of a simulated unmanned aerial vehicle with fast reinforcement learning
CN112562345A (zh) 一种基于无人机的交通违章监控方法
Andert et al. Mapping and path planning in complex environments: An obstacle avoidance approach for an unmanned helicopter
CN118020038A (zh) 两轮自平衡机器人
Hinzmann et al. Flexible stereo: constrained, non-rigid, wide-baseline stereo vision for fixed-wing aerial platforms
Wang et al. Image-based visual servoing of quadrotors to arbitrary flight targets
Becce et al. Optimal path planning for autonomous spraying uas framework in precision agriculture
CN117270565A (zh) 一种基于视觉的机载自主感知及飞行系统
US20230073120A1 (en) Method for Controlling an Unmanned Aerial Vehicle for an Inspection Flight to Inspect an Object and Inspection Unmanned Aerial Vehicle
Liu et al. Completely distributed time-varying formation target tracking for quadrotor team via image-based visual servoing
Cole et al. System development and demonstration of a UAV control architecture for information gathering missions
Śmigielski et al. Visual simulator for MavLink-protocol-based UAV, applied for search and analyze task
Talwandi et al. An Automatic Navigation System for New Technical Advanced Drones for Different Alpplications
Yang et al. High-altitude Inspection Technology of Substation Based on Fusion of Unmanned Aerial Vehicle and Multiple Sensors.
Galeone Design and test of a multi-agent robotic system for inspection: coordination and integration of a drone and a robotic rover.
Wu et al. Integrated navigation algorithm based on vision-inertial extended Kalman filter for low-cost unmanned aerial vehicle
Gauthier Quadrotor UAV Flight Control with Integrated Mapping and Path Planning Capabilities
ROGGI A computer vision line-tracking algorithm for UAV GNSS-aided guidance

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