CN111158358A - 一种基于三维模型对变电/换流站自优巡检的方法及系统 - Google Patents
一种基于三维模型对变电/换流站自优巡检的方法及系统 Download PDFInfo
- Publication number
- CN111158358A CN111158358A CN201911200589.9A CN201911200589A CN111158358A CN 111158358 A CN111158358 A CN 111158358A CN 201911200589 A CN201911200589 A CN 201911200589A CN 111158358 A CN111158358 A CN 111158358A
- Authority
- CN
- China
- Prior art keywords
- equipment
- robot
- inspection
- multispectral
- converter station
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000004888 barrier function Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
- 238000001429 visible spectrum Methods 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Abstract
一种基于三维模型对变电/换流站自优巡检的方法及系统。本发明公开了一种基于多光谱机器人对变电/换流站巡检的方法及系统，属于电力巡检技术领域。本发明方法，包括：确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；设置多光谱机器人的参数；映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。本发明避免了巡检机器人端进行边缘计算、减小巡检机器人功耗、减少充电次数和巡检总时间。
Description
技术领域
本发明涉及电力巡检技术领域，并且更具体地，涉及一种基于多光谱机器人对变电/换流站巡检的方法及系统。
背景技术
变电/换流站在运行过程中，电力系统运行检修人员需要对站内的设备、仪器仪表和线路等进行巡检和数据录入，以保证上述设施运行正常和数据记录完整。目前，在全国500多个变电/换流站已经实现了利用巡检机器人对上述设施的巡检。在巡检过程中，巡检机器人一般有三种巡检方式：
1)按照站内地面上预置点位进行自动巡检；
2)操作人员通过遥控或线控的方式进行巡检；
3)机器人边缘计算自动巡检。在巡检机器人的协助下，可以确保运行检修人员的人身安全；
但目前依然存在以下问题：
1)预置点位设置不合理。
变电/换流站内巡检机器人暂无通用规范和标准设定巡检预置点位。因此，预置点位的设置存在拍摄距离不合适、拍摄角度不佳、障碍物部分遮挡和拍摄角度单一等问题，导致后期数据分析难度增加、数据利用率低下。
2)人工操作复杂。
人工操作巡检机器人操作复杂、巡检时间增加、容易漏检误检、需要实时图像通讯、通讯装置功耗高，导致电力系统运行检修人员工作负担增加、巡检机器人通讯成本增加。
3)边缘计算效果差。
基于边缘计算的巡检机器人需实时分析图像数据并优化巡检路径，导致巡检机器人功耗增加、充电次数和巡检时间增加、且巡检效果受到环境对图像数据处理的影响。
随着三维技术的发展、变电/换流站精细化规划、以及变电/换流站非接触式检测和运维人员虚拟现实仿真培训，各变电/换流站的三维模型已经初步全面建立。另外，由于目前的变电/换流站设备、表计密集分布，空间结构错落，基于二维的电子地图已经无法满足高精度、高效巡检的需求，急需基于三维空间模型的巡检路径规划，提升机器人巡检效率。
发明内容
针对上述问题，本发明提出了一种基于三维模型对变电/换流站自优巡检的方法，包括：
确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
设置多光谱机器人的参数；
根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
可选的，视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
可选的，图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
可选的，多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
本发明一种基于三维模型对变电/换流站自优巡检的系统，包括：
确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
设置多光谱机器人的参数；
根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
可选的，视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
可选的，图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
可选的，多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
本发明采用二维节点无向地图，避免人工操作机器人巡检造成的运行检修人员的工作负担，缩短巡检时间，避免漏检误检，减少实时通讯成本和后期图像数据分析的难度。
本发明避免了巡检机器人端进行边缘计算、实时图像数据分析和巡检路径优化，减小巡检机器人功耗、减少充电次数和巡检总时间、并且巡检路径的规划精度和可靠性不受到环境对实时图像数据处理的影响。
附图说明
图1为本发明一种基于三维模型对变电/换流站自优巡检的方法流程图；
图2为本发明一种基于三维模型对变电/换流站自优巡检的方法实施例流程图；
图3(a)为本发明一种基于三维模型对变电/换流站自优巡检的方法实施例巡检的图像精度位置预测策略示意图；
图3(b)为本发明一种基于三维模型对变电/换流站自优巡检的方法实施例确定巡检的图像精度位置预测策略流程图；
图4为本发明一种基于三维模型对变电/换流站自优巡检的方法实施例确定巡检路径流程图；
图5为本发明一种基于三维模型对变电/换流站自优巡检的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种基于三维模型对变电/换流站自优巡检的方法，如图1所示，包括：
确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
设置多光谱机器人的参数；
根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
多谱巡检机器人的光谱包括：可见光谱、红外光谱、紫外光谱的单一光谱或组合光谱。
多光谱巡检机器人云台和多光谱摄像头参数应包括：旋转轴心高度范围、水平旋转范围、俯仰旋转范围以及摄像头视场角、焦段。
下面结合实施例对本发明进行进一步说明：
本发明充分考虑待巡检设备的空间位置和空间结构、预置点位的拍摄距离、拍摄角度、障碍物遮挡、预置点位个数等问题。
如图2所示，步骤101，输入变电/换流站三维模型，标注三维模型中不同类型的设备、非设备和可移动路径；
步骤102，输入多光谱巡检机器人参数，应包括底盘、云台及摄像机参数；
步骤103，根据步骤101中标注的三维模型，在整站映射设备、设备周围可移动路径和设备与可移动路径间的视线障碍物，根据步骤102输入的参数和最高图像精度位置预测法，计算各台设备最优预置点位，以及各预置点位的预置角度；
步骤104，输入巡检需求列表，将所有待巡检设备的预置点位生成二维节点无向地图；
步骤105，采用汉密尔顿最短路径算法，求二维节点无向地图最优(最短)巡检路径。
如图3(a)所示，一般情况下，未优化的巡检机器人观测位置P”和观测角度α'，优化后的巡检机器人最高图像精度位置P和观测角度α(α＝0rad)。
首先，在机器人镜头焦距一定的情况下，巡检机器人与被测设备的距离h越近，观测精度越高；
另外，巡检机器人视线应与被测设备观测面垂直以减小观测误差。
在可移动路径上，巡检机器人在观测点P，其观测角度为α，对应的有效观测面积为S＝MN；
在可移动路径上，巡检机器人在观测点P”，其观测角度为α，对应的有效观测面积为S＝MN，但巡检机器人的观测面积为MN'，即被观测设备的图像只占获取的巡检图像中的一部分，从采集图像像素的角度，被观测设备的图像精度下降(100％-MN/MN')。
证明如下：
MN是圆O上的一条弦，对应的圆周角是
即机器人可视角，因此圆周角
又有PN'//P”N'，因此
即MN'是可移动路径上巡检机器人在P”点处观测的面积。
为满足
N'总在MN两侧的延长线上，即MN'≥MN，当且仅当P与P”重合时，MN＝MN'。
即当且仅当在P点垂直观测被观测设备时，观测的图像精度最高。
如图3(b)所示，为根据本发明实施方式的最高图像精度位置预测法的流程图。
所述方法从待检测设备的端点或视线障碍物为起点，沿可移动路径移动，步长确保10％图像重合度，通过在可巡检路径环绕一周，确定被检测设备各侧面都被机器人观测覆盖，输出待巡检设备二维节点图；通过比较多个环绕二维节点的节点数量，输出节点数最少的方案。
如图4所示，将所有待巡检设备二维节点生成二维节点地图，将融合后的二维节点地图生成临接矩阵；
利用汉密尔顿法生成汉密尔顿回路，选取巡检起始点，在跨线处切割形成孤立点，然后将孤立点重新接入路径，如果新形成的环路路径发生变化，则说明路径被优化，如果没有则选取下一个临近节点重复之前的过程，直到回到最初汉密尔顿回路的起点，实现二维节点地图的遍历路径优化。
本发明还提供了一种基于三维模型对变电/换流站自优巡检的系统200，如图2所示，包括：
参数获取模块201，确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
参数配置模块202，设置多光谱机器人的参数；
映射模块203，根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
第一计算模块204，根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
第二计算模块205，确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
巡检控制模块206，遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
本发明采用二维节点无向地图，避免人工操作机器人巡检造成的运行检修人员的工作负担，缩短巡检时间，避免漏检误检，减少实时通讯成本和后期图像数据分析的难度。
本发明避免了巡检机器人端进行边缘计算、实时图像数据分析和巡检路径优化，减小巡检机器人功耗、减少充电次数和巡检总时间、并且巡检路径的规划精度和可靠性不受到环境对实时图像数据处理的影响。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种基于三维模型对变电/换流站自优巡检的方法，所述方法包括：
确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
设置多光谱机器人的参数；
根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
2.根据权利要求1所述的方法，所述视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
3.根据权利要求1所述的方法，所述图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
4.根据权利要求1所述的方法，所述多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
5.一种基于三维模型对变电/换流站自优巡检的系统，所述系统包括：
参数获取模块，确定变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径；
参数配置模块，设置多光谱机器人的参数；
映射模块，根据变电/换流站三维模型的设备类型、非设备类型和巡检的可移动路径映射变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物；
第一计算模块，根据多光谱机器人的参数和映射的变电/换流站的设备、设备预设周围内的可移动路径和设备与可移动路径间的视线障碍物，确定变电/换流站的待巡检设备的最优预置点位和最优预置点位的预置角度；
第二计算模块，确定多光谱机器人巡检列表，根据巡检列表将巡检设备的最优预置点位和最优预置点位的预置角度生成二维节点无向地图；
巡检控制模块，遍历二维节点无向地图确定最短巡检路径，根据最短巡检路径控制多光谱机器人对变电/换流站进行巡检。
6.根据权利要求5所述的系统，所述视线障碍物为变电/换流站的设备或非设备，所述视线障碍物用于确定待巡检设备的最优预置点位和最优预置点位的预置角度。
7.根据权利要求5所述的系统，所述图像精度位置预测策略，具体为：
根据待巡检设备的三维外形、可移动路径、巡检机器人尺寸、摄像头参数，预测多光谱机器人观测位置，使多光谱机器人摄像头视线和被巡检面垂直。
8.根据权利要求5所述的系统，所述多光谱机器人的参数，包括：底盘、云台及摄像机视角的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200589.9A CN111158358B (zh) | 2019-11-29 | 2019-11-29 | 一种基于三维模型对变电/换流站自优巡检的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200589.9A CN111158358B (zh) | 2019-11-29 | 2019-11-29 | 一种基于三维模型对变电/换流站自优巡检的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111158358A true CN111158358A (zh) | 2020-05-15 |
| CN111158358B CN111158358B (zh) | 2022-11-11 |
Family
ID=70556264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911200589.9A Active CN111158358B (zh) | 2019-11-29 | 2019-11-29 | 一种基于三维模型对变电/换流站自优巡检的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111158358B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754083A (zh) * | 2020-06-01 | 2020-10-09 | 三峡大学 | 一种换流站直流场智能巡检机器人巡检路径规划方法 |
| CN112016820A (zh) * | 2020-08-17 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
| CN112347680A (zh) * | 2020-11-16 | 2021-02-09 | 国网湖北省电力有限公司直流运检公司 | 一种直流换流站换流变压器无人机巡检路径规划方法 |
| CN113301306A (zh) * | 2021-05-24 | 2021-08-24 | 中国工商银行股份有限公司 | 智能巡检方法及系统 |
| CN114093052A (zh) * | 2021-11-17 | 2022-02-25 | 中国工商银行股份有限公司 | 适用于机房管理的智能巡检方法及系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930598A (zh) * | 2012-10-08 | 2013-02-13 | 山东康威通信技术股份有限公司 | 使用三维模型定位并展示隧道检测设备状态的系统及方法 |
| CN103034755A (zh) * | 2012-11-29 | 2013-04-10 | 北京科东电力控制系统有限责任公司 | 基于虚拟现实技术的变电站可视化巡检方法 |
| CN103400428A (zh) * | 2013-07-26 | 2013-11-20 | 维坤智能科技（上海）有限公司 | 三维变电站巡检系统多点组合巡检方法 |
| US20140184786A1 (en) * | 2013-01-02 | 2014-07-03 | The Boeing Company | Systems and Methods for Stand-Off Inspection of Aircraft Structures |
| CN103955222A (zh) * | 2014-05-05 | 2014-07-30 | 无锡普智联科高新技术有限公司 | 一种基于多障碍物环境的移动机器人路径规划方法 |
| CN106156888A (zh) * | 2016-06-30 | 2016-11-23 | 广东电网有限责任公司电力科学研究院 | 一种巡检机器人的巡检路径规划方法及装置 |
| CN106710001A (zh) * | 2016-12-29 | 2017-05-24 | 山东鲁能智能技术有限公司 | 一种基于变电站巡检机器人集中监控仿真系统及其方法 |
| CN106780739A (zh) * | 2017-02-07 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种变电站智能巡检三维gis系统建立方法 |
| CN106979786A (zh) * | 2017-04-20 | 2017-07-25 | 国家电网公司 | 基于3d实景地图和uwb定位技术的巡检机器人路径优化方法 |
| CN107036594A (zh) * | 2017-05-07 | 2017-08-11 | 郑州大学 | 智能电站巡检智能体的定位与多粒度环境感知技术 |
| CN107588770A (zh) * | 2017-10-26 | 2018-01-16 | 北京正安维视科技股份有限公司 | 一种基于惯性导航的室内定位方法及设备 |
| CN108154254A (zh) * | 2017-07-24 | 2018-06-12 | 南京交通职业技术学院 | 基于改进型a*算法的物流配送车辆调度方法 |
| CN108638071A (zh) * | 2018-05-22 | 2018-10-12 | 四川超影科技有限公司 | 一种巡检机器人最优路径动态规划方法 |
| CN108667138A (zh) * | 2018-05-09 | 2018-10-16 | 国网浙江省电力有限公司温州供电公司 | 用于电站巡检的智能系统 |
| CN108960442A (zh) * | 2018-06-25 | 2018-12-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种水电厂设备巡检方法 |
| CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
| CN109995995A (zh) * | 2017-12-29 | 2019-07-09 | 杭州海康威视系统技术有限公司 | 摄像装置的控制方法、控制器和系统 |
| CN110213534A (zh) * | 2019-05-14 | 2019-09-06 | 广东康云科技有限公司 | 一种基于变电站的3d实景巡视方法、系统和存储介质 |
-
2019
- 2019-11-29 CN CN201911200589.9A patent/CN111158358B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930598A (zh) * | 2012-10-08 | 2013-02-13 | 山东康威通信技术股份有限公司 | 使用三维模型定位并展示隧道检测设备状态的系统及方法 |
| CN103034755A (zh) * | 2012-11-29 | 2013-04-10 | 北京科东电力控制系统有限责任公司 | 基于虚拟现实技术的变电站可视化巡检方法 |
| US20140184786A1 (en) * | 2013-01-02 | 2014-07-03 | The Boeing Company | Systems and Methods for Stand-Off Inspection of Aircraft Structures |
| CN103400428A (zh) * | 2013-07-26 | 2013-11-20 | 维坤智能科技（上海）有限公司 | 三维变电站巡检系统多点组合巡检方法 |
| CN103955222A (zh) * | 2014-05-05 | 2014-07-30 | 无锡普智联科高新技术有限公司 | 一种基于多障碍物环境的移动机器人路径规划方法 |
| CN106156888A (zh) * | 2016-06-30 | 2016-11-23 | 广东电网有限责任公司电力科学研究院 | 一种巡检机器人的巡检路径规划方法及装置 |
| CN106710001A (zh) * | 2016-12-29 | 2017-05-24 | 山东鲁能智能技术有限公司 | 一种基于变电站巡检机器人集中监控仿真系统及其方法 |
| CN106780739A (zh) * | 2017-02-07 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种变电站智能巡检三维gis系统建立方法 |
| CN106979786A (zh) * | 2017-04-20 | 2017-07-25 | 国家电网公司 | 基于3d实景地图和uwb定位技术的巡检机器人路径优化方法 |
| CN107036594A (zh) * | 2017-05-07 | 2017-08-11 | 郑州大学 | 智能电站巡检智能体的定位与多粒度环境感知技术 |
| CN108154254A (zh) * | 2017-07-24 | 2018-06-12 | 南京交通职业技术学院 | 基于改进型a*算法的物流配送车辆调度方法 |
| CN107588770A (zh) * | 2017-10-26 | 2018-01-16 | 北京正安维视科技股份有限公司 | 一种基于惯性导航的室内定位方法及设备 |
| CN109995995A (zh) * | 2017-12-29 | 2019-07-09 | 杭州海康威视系统技术有限公司 | 摄像装置的控制方法、控制器和系统 |
| CN108667138A (zh) * | 2018-05-09 | 2018-10-16 | 国网浙江省电力有限公司温州供电公司 | 用于电站巡检的智能系统 |
| CN108638071A (zh) * | 2018-05-22 | 2018-10-12 | 四川超影科技有限公司 | 一种巡检机器人最优路径动态规划方法 |
| CN108960442A (zh) * | 2018-06-25 | 2018-12-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种水电厂设备巡检方法 |
| CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
| CN110213534A (zh) * | 2019-05-14 | 2019-09-06 | 广东康云科技有限公司 | 一种基于变电站的3d实景巡视方法、系统和存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754083A (zh) * | 2020-06-01 | 2020-10-09 | 三峡大学 | 一种换流站直流场智能巡检机器人巡检路径规划方法 |
| CN111754083B (zh) * | 2020-06-01 | 2022-06-03 | 三峡大学 | 一种换流站直流场智能巡检机器人巡检路径规划方法 |
| CN112016820A (zh) * | 2020-08-17 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
| CN112016820B (zh) * | 2020-08-17 | 2022-10-25 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
| CN112347680A (zh) * | 2020-11-16 | 2021-02-09 | 国网湖北省电力有限公司直流运检公司 | 一种直流换流站换流变压器无人机巡检路径规划方法 |
| CN113301306A (zh) * | 2021-05-24 | 2021-08-24 | 中国工商银行股份有限公司 | 智能巡检方法及系统 |
| CN114093052A (zh) * | 2021-11-17 | 2022-02-25 | 中国工商银行股份有限公司 | 适用于机房管理的智能巡检方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111158358B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111158358B (zh) | 一种基于三维模型对变电/换流站自优巡检的方法及系统 | |
| CN111537515B (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
| Lim et al. | A robotic crack inspection and mapping system for bridge deck maintenance | |
| CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
| CN107527395A (zh) | 一种无人机巡检方法、装置及无人机 | |
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN107392247A (zh) | 一种电力线下方地物安全距离实时检测方法 | |
| CN107167139A (zh) | 一种变电站巡检机器人视觉定位导航方法及系统 | |
| CN108919367B (zh) | 基于电流磁场的交流输电线路反演方法 | |
| CN106379536A (zh) | 基于无人机的天然气管线巡检系统 | |
| CN107688908B (zh) | 研判施工安全风险的方法及装置 | |
| CN111988524A (zh) | 一种无人机与摄像头协同避障方法、服务器及存储介质 | |
| CN105352975A (zh) | 一种桥梁缆索外观检测方法 | |
| CN109976339B (zh) | 一种车载配网巡检数据采集方法与巡检系统 | |
| CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
| 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 | |
| CN115272560B (zh) | 一种基于三维声场云图的变电设备隐患定位方法及系统 | |
| Kim et al. | As-is geometric data collection and 3D visualization through the collaboration between UAV and UGV | |
| CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
| CN117387603B (zh) | 电力巡检地图导航方法及装置、介质、电子设备 | |
| CN111476062A (zh) | 车道线检测方法、装置、电子设备及驾驶系统 | |
| CN113160202A (zh) | 一种裂缝检测方法及系统 | |
| CN104133164B (zh) | 空间局部放电定位中的可视投影方法 | |
| CN204855838U (zh) | 一种基于光学观测的雷电定位装置 |
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 |