CN111443730B - 一种用于输电线路巡检的无人机轨迹自动生成方法及装置 - Google Patents

Abstract

本发明涉及无人机巡检技术领域，具体涉及一种用于输电线路巡检的无人机轨迹自动生成方法及装置，包括，读取选取的原始点云文件，对第一对象类别的点云数据进行识别；通过轨迹自动生成软件对属于第一对象类别的点云数据进行空间建模生成第一空间数据模型、第二空间数据模型；获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点；根据第一信息点和第一预定要求生成第二信息点；模拟计算所述第二信息点的集合，根据第二空间数据模型与第二信息点的生成第一轨迹。以第一空间数据模型为基准，生成需要拍摄的第一信息点，从而生成第二信息点，进行碰撞检测，生成更为优化的第二轨迹。

Description

一种用于输电线路巡检的无人机轨迹自动生成方法及装置

技术领域：

本发明涉及无人机巡检技术领域，具体涉及一种用于输电线路巡检的无人机轨迹自动生成方法及装置。

背景技术：

随着科技的发展，在追求生产力的同时，安全越来越被人们所重视，而设备的检修则是关乎人们日常生活和工作的重要环节，尤其是对一些在野外的大型设备比如杆塔、高压线塔等，如果每个都需人检修员登塔检修则会耗时耗力，并且同时对检修员的人身安全也会产生一定的威胁；后来在无人机被发明并得以应用的情况下，人们开始手动操控无人机进行巡检，相比人工检修方便了很多，但手动操控进行巡检的质量很大程度上取决于飞手的个人因素，比如当拍摄部件较多、拍摄点比较繁琐，对一些环境恶劣的地形进行作业时等，飞手可能会受到个人主观因素或客观条件影响，使得对于拍摄点的巡检不精确、或者造成根本无法拍摄的情况，进而严重的影响拍摄质量和效率等。

有鉴于此，提出本发明。

发明内容：

为了克服上述问题，本发明利用点云技术提供一种用于输电线路巡检的无人机轨迹自动生成方法，依据特定的拍摄规则，以高效的空间几何算法为支撑，通过少量人工干预，为输电线路无人机自主精细化巡检自动生成并输出巡检轨迹提供条件。

本发明提供一种用于输电线路巡检的无人机轨迹自动生成方法，包括以下步骤：

读取选取的原始点云文件，对第一对象类别的点云数据进行识别；

通过轨迹自动生成软件对属于所述第一对象类别的点云数据进行空间建模生成第一空间数据模型、第二空间数据模型；

获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点；

根据所述第一信息点和第一预定要求生成第二信息点；

模拟计算所述第二信息点的集合，根据所述第二空间数据模型与第二信息点生成第一轨迹。

采用上述方案，提供了一种无人机轨迹自动生成的方法，由整体到局部，通过进行空间建模生成空间数据模型，进而生成所需要获取数据信息的第一信息点和对所述第一信息点进行数据信息采集的第二信息点，最终生成第一轨迹。

进一步地，所述获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点包括：确定第一信息点种类和第一筛选特征，根据所述第一信息点种类和第一筛选特征在所述第二对象点云文件中生成关联信息点，通过所述关联信息点和第一空间数据模型生成第一信息点。

采用上述方案，提供了一种高效生成第一信息点的方法，利用将已有数据直接导入轨迹自动生成软件的方式，可以使第一信息点的生成更加精准而高效。

进一步地，对属于所述第一对象类别的点云数据进行空间建模，生成第一空间数据模型包括：生成第一标记和所述第一对象的第一属性，通过所述第一标记和所述第一属性生成所述第一空间数据模型。

具体地，所述第一对象两侧生成有横担线模型，所述第一标记为横担线模型。

具体地，所述第一属性包括所述第一对象轴向方向的高度。

采用上述方案，提供了一种第一空间数据模型的生成方法，可以生成为包围盒。

进一步地，根据所述第一信息点和所述第一预定要求生成第二信息点包括：在满足所述第一预定要求的情况下，计算所述第二信息点与所述第一信息点之间的相对距离，生成第一夹角，根据所述距离长度和所述第一夹角确定所述第二信息点坐标。

采用上述方案，可以通过几何计算确定所述第二信息点位置。

进一步地，第一预定要求包括所述第二空间数据模型与所述第一空间数据模型之间的安全距离和拍摄要求。

采用上述方案，设置了生成第二信息点的前提条件，可以减少计算。

进一步地，还包括生成第二轨迹，所述生成第二轨迹包括生成第三信息点。

采用上述方案，所述第二轨迹更为优化，可以确保无人机在飞行时减少事故出现率。

具体地，生成所述第三信息点包括：生成前置第二信息点、生成后置第二信息点、确定中转点，判断所述中转点是否满足约束条件。

采用上述方案，所述第三信息点的设置为所述第二轨迹提供了最为优化的路线。

具体地，还包括确定第三信息点属性，包括确定相机第一夹角旋转矩阵

确定正交投影矩阵

根据所述相机第一夹角旋转矩阵和所述正交投影矩阵确定所述第三信息点坐标为

采用上述方案，所述第三信息点属性可以包括相机拍摄方向，实际应用中将相机的第一夹角转换为旋转矩阵，然后把旋转矩阵带入到Opengl库中，得到转换之后的相机位置，通过正交投影在屏幕上展示三维空间点云数据，在通过相机第一夹角旋转矩阵和所述正交投影矩阵得到计算机屏幕上的第三信息点坐标。

具体地，确定相机第一夹角旋转矩阵包括确定通用角度旋转矩阵

采用上述方案，可以由上述通用角度旋转矩阵得出相机第一夹角旋转矩阵。

所述生成第一空间数据模型包括生成部件模型，所述部件模型种类包括中间部件模型和侧边部件模型，判断所述部件模型种类，根据所述部件模型种类的判断对所述部件模型拍摄轨迹进行规划。

采用上述方案，所述部件模型中的部件可以为绝缘子，在杆塔上的绝缘子位置通常会在杆塔的两侧或者在杆塔之中设置，设置在杆塔两侧的绝缘子称之为侧边部件，设置在杆塔之中的绝缘子称之为中间部件，通常中间部件的设置方向会沿杆塔的径向设置；而侧边部件的设置方向会沿杆塔的轴向设置，所以在实际拍摄中，区别对二者的拍摄顺序将会有助于提升拍摄效率及准确度。

对所述第一空间数据模型的俯视图进行投影，获取所述第一空间数据模型俯视图的中心点坐标，获取所述部件模型在所述俯视图中的判断点坐标，设置阈值；当所述中心点与判断点之间的距离小于或者等于所述阈值时，则所述判断点所属的部件模型为中间部件；当所述中心点与判断点之间的距离大于所述阈值时，则所述判断点所属的部件模型为侧边部件。

采用上述方案，可以将所述部件模型的首位元素和末位元素进行连线，以图形或线段的形式参与判断；通过计算中心点与判断点之间的距离与阈值作比较来判断部件种类。

对所有中间部件拍摄点组，取每一组的最低点，按照从低到高排序。在俯视情况下，对于奇数层的中间部件拍摄点组以到左侧地线的距离从近到远排序，对于偶数层的中间部件拍摄点组以到右侧地线的距离从近到远排序，直至遍历完所有的中间部件，形成S型的巡检线路。对于侧边部件可以采用由低到高的方式进行拍摄。

本发明还保护了一种用于输电线路巡检的无人机轨迹自动生成的装置，包括第一数据处理模块，所述第一数据处理模块用于区分出属于所述第一类别的点云数据；

第一显示模块，所述第一显示模块用于显示所述第一空间数据模型和所述第二空间数据模型；

数据导入模块，所述数据导入模块用于生成所述第一信息点；

第二数据处理模块，所述第二数据处理模块用于生成所述第二信息点以及所述第三信息点。

第二显示模块，所述第二显示模块用于显示所述生成的第一轨迹。

采用上述方案，所述第一数据处理模块、第二数据处理模块、数据导入模块、第一显示模块、第二显示模块可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的方法；当然所述第二显示模块也可以用于显示所述生成的第二轨迹。

本发明的有益效果是：

1、本发明提供了一种通过读取点云文件中的相关点云数据，生成杆塔区域模型和无人机模型，然后通过点云坐标求平均值得出杆塔的质点，由杆塔质点计算出杆塔需要拍摄部位的第一信息点，再由第一信息点计算出拍摄的第二信息点，由第二信息点可以生成第一轨迹；

2、本发明还可以根据第二信息点计算出第三信息点，由第二信息点和第三信息点生成第二飞行轨迹；解决了人为操作时会出现的误差，从而更加高效、精准的实现检测；

3、本发明的技术方案中，所述判断部件种类为中间部件还是侧边部件进而采用不同的拍摄顺序的过程，有效地解决了拍摄线路不合理、拍摄效率低的问题。

附图说明：

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明第一种优选实施方式的轨迹生成流程图；

图2为本发明第二种优选实施方式的轨迹生成流程图；

图3为本发明第三种优选实施方式的轨迹生成流程图；

图4为本发明第二信息点计算示意图；

图5为本发明第二信息点坐标计算示意图；

图6为本发明第三信息点计算示意图；

图7为判断中间部件、侧边部件示意图；

图8为本发明第四种优选实施方式的轨迹生成流程图。

具体实施方式：

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

如图1所示，一种用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，包括以下步骤：

读取选取的原始点云文件，对第一对象类别的点云数据进行识别；

通过轨迹自动生成软件对属于所述第一对象类别的点云数据进行空间建模生成第一空间数据模型、第二空间数据模型；

获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点；

根据所述第一信息点和第一预定要求生成第二信息点；

模拟计算所述第二信息点的集合，根据所述第二空间数据模型与第二信息点生成第一轨迹。

采用上述方案，所述原始点云文件中的点云数据可以通过雷达进行户外作业采取杆塔周围的点云数据获得，可以使用轨迹自动生成软件读取所述原始点云文件，比如LibLas点云数据库，LibLas为开源的用于读取和写入点云的C++库，所述点云数据完整包含杆塔坐落范围内的立体空间，包括地面及上方空域可能存在的其他物体且已经过噪声过滤处理，不包含明显的噪声点，所述点云数据中的杆塔结构、导线、绝缘子及关键部件应清晰、可辨识，所述读取的点云文件显示在轨迹自动生成软件中，比如LiRouter中，所述LibLas库将可以读取点云的经纬度、颜色值、类别等数据。

所述第一对象可以为杆塔，生成在UTM坐标系中，所述点云数据基于UTM坐标系的X轴与OPeningl的坐标系的X轴水平。所述UTM坐标系是一种投影坐标系，是用X、Y表示的平面直角坐标系，所述Opengl为GPU底层图形接口，所述点云数据形成在Opengl中，经过分类的可视化的点云数据，并通过显示不同颜色带有区别性的进行显示；所述第一空间数据模型可以为杆塔区域模型，所述第二空间数据模型可以为无人机模型，所述杆塔区域模型和所述无人机模型可以采用生成包围盒的方式生成，包围盒是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体来近似地代替复杂的几何对象。可以生成AABB包围盒、方向包围盒OBB等。

所述第一信息点为位于所述第一空间数据模型内需要拍摄的部位。

所述第二信息点为拍摄时拍摄装置的位置，拍摄装置可以为数码照相机、摄像机等，所述第一预定要求通过拍摄要求、无人机安全距离等确定。比如对紧凑型杆塔拍摄时，可以选用安全距离为0.5m-1.0m型号的大疆无人机，根据无人机巡检拍摄规则，当需要拍摄塔头时，拍摄质量要求为能够完整看到杆塔塔头，此时相机的位置应满足能从杆塔斜上方进行拍摄，拍摄角度为俯视；再比如需要对下相左V串横担端挂点拍摄时，拍摄质量要求为能够清晰分辨螺栓、螺母、锁紧销销钉等小尺寸金具，设备相互遮挡时，采取多角度拍摄，每张照片至少包含一片绝缘子，此时相机的位置应满足能从挂点高度平行，小角度斜侧方拍摄，拍摄角度为平/俯视。

所述第二对象可以为与所述第一对象所表示的杆塔相同类别的杆塔，如第一对象表示的杆塔为猫头塔，第二对象表示的也为同类型的猫头塔，且第二对象表示的杆塔数据均为已知；关联信息点为与第一信息点对应的空间数据信息，如第一信息点为第一对象上的塔基，则关联信息点为第二对象上的塔基。

模拟计算所述第二信息点的集合，根据无人机模型与第二信息点的联合计算，生成第一轨迹。

本发明提供的一种用于输电线路巡检的无人机轨迹自动生成方法可以无需通过飞手手动遥控，避免飞手因个人因素而导致拍摄过程当中出现的误差；还可以使无人机按照既定的飞行轨迹安全飞行，同时适合快速开展大规模批量巡检任务，并且在部分困难地形条件下开展作业，还能对对飞行路径重复利用等。

所述获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点包括：确定第一信息点种类和第一筛选特征，根据所述第一信息点种类和第一筛选特征在所述第二对象点云文件中生成关联信息点，通过所述关联信息点和第一空间数据模型生成第一信息点。

采用上述方案，所述第一信息点种类为位于所述杆塔区域模型内实际需要拍摄部位的类型，比如塔基、塔身等，所述第一筛选特征可以为不同第一信息点之间的位置空间关系或者障碍物点云和杆塔点云数据之间的区别，当第一信息点种类为塔身时，所述关联信息点为第二点云数据中的杆塔点云数据，将所述关联信息点导入到轨迹自动生成软件中，可以生成所述第一信息点。所述第二对象点云文件为同类别杆塔点云文件，例如需要巡检的杆塔类型是交流线路单回直线猫头塔，可以在已有的杆塔点云数据库中获取交流线路单回直线猫头塔的点云数据。

对属于所述第一对象类别的点云数据进行空间建模，生成第一空间数据模型包括：生成第一标记和所述第一对象的第一属性，通过所述第一标记和所述第一属性生成所述第一空间数据模型。所述第一对象两侧生成有横担线模型，所述第一标记为横担线模型。所述第一属性包括所述第一对象轴向方向的高度。

采用上述方案，横担指的是横在杆塔上的铁架，一般是用来固定绝缘子的，横担线的方向通常为横向；所述第一属性可以为所述杆塔的实际轴向方向，通常为竖向；在横担通过金具等部件上挂接绝缘子及地线的部分为横担线，杆塔两侧分别设置有两端横担线；所述横担线模型为横担线在生成软件中的模拟，根据杆塔点云数据可以确定杆塔模型，横担线模型可以为两个，分别位于杆塔模型的两侧，以两个横担线模型之间的距离为直径，选取一个坐标系中z值为零的平面，生成一圆形，轨迹自动生成软件截取包含在该圆形范围内的所有点云数据点，如果截取的点中含有杆塔这一类别的点云数据，那么判断读取成功，所述圆形沿所述杆塔模型的轴向延伸，可以确定所述杆塔区域模型；另外，所述第一标记还可以为横担线模型和在所述横担线模型轴向的扩大范围，所述横担线模型位于杆塔模型和扩大范围之间，所述圆形直径还可以为两个横担线模型之间距离与所述扩大范围之和，保障周围其他障碍物包含在所述杆塔区域模型内，规划轨迹时可规避障碍物。

所述生成第一空间数据模型还包括生成地线拍摄点，遍历所有拍摄点列表，并在坐标系中找出Y值最大的坐标点，确定为地线拍摄点。

所述生成第一空间数据模型还包括对导线模型进行拆分，对所有导线点云进行DBSCAN聚类，DBSCAN(Density-Based Spatial Clustering of Applications withNoise，具有噪声的基于密度的聚类方法)是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。经过聚类后的所有导线模型点点云都被分配了对应的ID号，相同ID号的导线点点云被认为是属于同一根导线模型，即可以拆分出每根导线模型。

遍历导线模型点云，确定导线模型点云中距离横担模型最近的点，记为临近点，将所述临近点与所有拍摄点进行空间对比，选取离临近点最近的拍摄点视为导线绝缘子的导线端挂点，对所述导线端挂点进行额外储存，判断是否还有未处理的单根导线模型点云，如果为是则继续确定临近点，如果为否则进一步参与判断导线绝缘子形式。

采用上述方案，绝缘子是一种特殊的绝缘控件，安装在不同电位的导体或导体与接地构件之间的能够耐受电压和机械应力作用的器件，能够在架空输电线路中起到重要作用，它是为了增加爬电距离的，通常由玻璃或陶瓷制成；通过提取地线拍摄点和拆分导线模型，可以有效地对绝缘子形式进行判断，从而生成更合理、更优化的飞行轨迹。

根据所述第一信息点和所述第一预定要求生成第二信息点包括：在满足所述第一预定要求的情况下，计算所述第二信息点与所述第一信息点之间的相对距离，生成第一夹角，根据所述距离长度和所述第一夹角确定所述第二信息点坐标。所述第一预定要求包括所述第二空间数据模型与所述第一空间数据模型之间的安全距离和拍摄要求。

具体的，所述第一夹角可以为欧拉角。采用上述方案，拍摄要求可以参考架空输电线路无人机巡检影像拍摄指导手册，所述安全距离为所述无人机包围盒外轮廓与所述杆塔区域包围盒外轮廓之间的距离，比如大疆御Mavic 2专业版无人机的安全距离为0.5m-1.0m。实际拍摄中的第一信息点比如塔身，是具有长、宽、高的，可以根据电网确定的拍摄效果图大致估算，实际成像中因为是二维平面，所以只有宽和高；根据拍摄装置的不同确定所述拍摄装置的焦距和底片宽度；根据所述第一信息点实际宽度/所述底片的宽度＝所述第一距离/所述焦距，所述第一信息点实际的高度/所述底片的高度＝所述第二距离/所述焦距，其中所述第一信息点实际宽度、所述底片的宽度、所述焦距是已知的，所述第一信息点实际的高度、所述底片的高度也是已知的，然后分别计算得出所述第一距离和所述第二距离，所述第一距离为所述第二信息点在所述第一信息点宽度方向上距所述第一信息点的距离，所述第二距离为所述第二信息点在所述第一信息点高度方向上距所述第一信息点的距离，通过相似原理，依次得到所有所述第二信息点；图4中为计算所述第一距离的示意图，J为第一信息点，JK为所述第一信息点实际宽度，NO为所述底片宽度，HM为所述焦距，所述第一距离HL为未知量需要进行计算，通过上述公式JK/NO＝HL/HM计算得出；长度方向可同理求出。

如图5所示，已知第一信息点L点坐标，第一夹角θ为已知设置的，LH长度已经求出，那么第二信息点H的坐标计算为：B点的x值应该是L，x±LH*COS(θ)，B点的y值为L,y±LH*Sin(θ)，其中L，x为第一信息点L的横坐标，L,y为第一信息点L的纵坐标；通过上述计算可以确定第二信息点H坐标。

如图2所示，所述步骤还可以包括：生成第二轨迹，所述生成第二轨迹包括生成第三信息点。

采用上述方案，所述第一轨迹中虽然各个第二信息点都满足所述第一预定要求，但在无人机从上一个第二信息点飞往下一个第二信息点的过程当中可能会出现穿过所述杆塔区域的情况，因此本发明还提出了一种优选的实施例，此时所述无人机包围盒可以与所述杆塔区域包围盒进行碰撞检测，所述碰撞检测与所述杆塔的位置类型不同、相机的设定参数不同、以及所述无人机的安全距离有关，如果碰撞检测成功，所述无人机会沿着所述第一轨迹继续飞行，如果碰撞检测失败，所述无人机将会改变方向，规划其他轨迹到达下一个第二信息点；但是重新规划出的轨迹有很多，只有一条是最优轨迹，即为所述第二轨迹，沿所述第二轨迹飞行时，所述无人机会先飞往所述第三信息点，即拍摄装置的拐点，再飞往至下一所述第二信息点。

如图3所示，生成所述第三信息点包括：生成前置第二信息点、生成后置第二信息点、确定中转点，判断所述中转点是否满足约束条件。

采用上述方案，如图6所示，碰撞检测的过程即为生成所述第三信息点的过程，碰撞检测成功，无人机可以沿所述第一轨迹飞行，碰撞检测不成功，则会重新进行轨迹的规划，并生成第三信息点。点B为所述前置第二信息点，点A为所述后置第二信息点，点C、点D、点E都包含在所述中转点中，经过点A和点B的圆为杆塔区域包围盒在软件中显示的区域面积，如果选取D点为第三信息点，当所述无人机包围盒沿着BDA的轨迹飞行时，会穿过所述杆塔区域包围盒且不满足所述无人机包围盒设置的安全距离，当依次由B点、第三信息点、A点所形成的夹角角度逐渐减小时，所述无人机包围盒会远离所述杆塔区域包围盒，且当刚好满足所述无人机包围盒安全距离时，所述第三信息点会变为C点位置；当第三信息点由C点移动到E点过程，依次由B点、第三信息点、A点所形成的夹角角度会逐渐减小，但BDA连线的距离就会大于BCA连线的距离，当满足由前置第二信息点至第三信息点至后置第二信息点距离最短，并且所述无人机包围盒与所述杆塔区域包围盒之间距离满足安全距离，即为满足所述约束条件，即可确定所述第三信息点。

还包括确定第三信息点属性，包括确定相机第一夹角旋转矩阵

确定正交投影矩阵

根据所述相机第一夹角旋转矩阵和所述正交投影矩阵确定所述第三信息点坐标为

采用上述方案，实际应用中现将相机的第一夹角转换为旋转矩阵，然后把旋转矩阵带入到Opengl库中，得到转换之后的相机位置，通过正交投影在屏幕上展示三维空间点云数据，因为计算机屏幕的现实面是一个二维平面，所以在通过相机第一夹角旋转矩阵和所述正交投影矩阵得到计算机屏幕上的第三信息点坐标。

其中，γ、β、φ分别为相机第一夹角的俯仰角、翻滚角、偏航角；left、right、top、bottom分别为屏幕左右上下的位置，zFar和zNear为近裁剪面和远裁剪面；w代表屏幕的宽度，h代表屏幕的高度，ndc标准化空间坐标系。x_ndc标准化空间坐标系的x值，y_ndc标准化空间坐标系的y值，z_ndc标准化空间坐标系的z值,x、y、z分别为转换前的坐标值。

确定相机第一夹角旋转矩阵包括确定通用角度旋转矩阵

采用上述方案，可以由上述通用角度旋转矩阵得出相机第一夹角旋转矩阵。

如图8所示，所述生成第一空间数据模型包括生成部件模型，所述部件模型种类包括中间部件模型和侧边部件模型，判断所述部件模型种类，根据所述部件模型种类的判断对所述部件模型拍摄轨迹进行规划。

采用上述方案，所述部件模型中的部件可以为绝缘子，在杆塔上的绝缘子位置通常会在杆塔的两侧或者在杆塔之中设置，设置在杆塔两侧的绝缘子称之为侧边部件，设置在杆塔之中的绝缘子称之为中间部件；通常中间部件的设置方向会沿杆塔的径向设置，而侧边部件的设置方向会沿杆塔的轴向设置，所以在实际拍摄中，区别对二者的拍摄顺序将会有助于提升拍摄效率及准确度。

参考图7所示，对所述第一空间数据模型的俯视图进行投影，获取所述第一空间数据模型俯视图的中心点坐标，获取所述部件模型在所述俯视图中的判断点坐标，设置阈值；当所述中心点与判断点之间的距离小于或者等于所述阈值时，则所述判断点所属的部件模型为中间部件；当所述中心点与判断点之间的距离大于所述阈值时，则所述判断点所属的部件模型为侧边部件。

采用上述方案，在第一空间数据模型的俯视图中，可以将所述部件模型的首位元素和末位元素进行连线，以图形或线段的形式参与判断；所述中间部件投影标记为a，侧边部件投影标记为b，判断点位于a或上,中心点标记为c,中心点根据杆塔数据点云计算得出，所述阈值的大小能够根据实际操作进行设定，确保不会在判断时产生冲突，并且阈值小于中心点到侧边部件任一判断点之间的距离、大于或等于中心点到中间部件最远判断点的距离，生成以中心点为圆心的阈值范围d；由图可知中间部件判断点都被包含在阈值范围d内，而侧边部件判断点被包含在阈值范围d之外。由此来判断所述部件为中间部件还是侧边部件。

继续参考图8，对所有中间部件拍摄点组，取每一组的最低点，按照从低到高排序。在俯视情况下，对于奇数层的中间部件拍摄点组以到左侧地线的距离从近到远排序，对于偶数层的中间部件拍摄点组以到右侧地线的距离从近到远排序，直至遍历完所有的中间部件，形成S型的巡检线路。对于侧边部件可以采用由低到高的方式进行拍摄。

采用上述方案，有规律对不同部件采用不同的拍摄方式，从而提升了拍摄效率和拍摄精准度。

本发明还保护了一种用于输电线路巡检的无人机轨迹自动生成的装置，包括第一数据处理模块，所述第一数据处理模块用于区分出属于所述第一类别的点云数据；

第一显示模块，所述第一显示模块用于显示所述第一空间数据模型和所述第二空间数据模型；

数据导入模块，所述数据导入模块用于生成所述第一信息点；

第二数据处理模块，所述第二数据处理模块用于生成所述第二信息点以及所述第三信息点。

第二显示模块，所述第二显示模块用于显示所述生成的第一轨迹。

采用上述方案，所述第一数据处理模块、第二数据处理模块、第一显示模块、第二显示模块可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的方法，当然所述第二显示模块也可以用于显示所述生成的第二轨迹。

另一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述项所述的方法。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，包括以下步骤：

读取选取的原始点云文件，对第一对象类别的点云数据进行识别，所述第一对象为杆塔；

通过轨迹自动生成软件对属于所述第一对象类别的点云数据进行空间建模，生成第一空间数据模型、第二空间数据模型，所述第一空间数据模型为杆塔区域模型、第二空间数据模型为无人机模型；

获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点，所述第二对象为与第一对象所表示的杆塔相同类别的杆塔；

根据所述第一信息点和第一预定要求生成第二信息点；

模拟计算所述第二信息点的集合，根据所述第二空间数据模型与第二信息点生成第一轨迹；

执行第二空间数据模型和第一空间数据模型的碰撞检测；

当碰撞检测成功时，则确定所述第一轨迹为巡检轨迹；

当碰撞检测失败时，则生成第二轨迹，确定第二轨迹为巡检轨迹；所述生成第二轨迹包括生成第三信息点，所述第三信息点为第二轨迹上一点，所述第三信息点为第二空间数据模型飞往下一个第二信息点时其上拍摄装置的拐点。

2.根据权利要求1所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，

获取第二对象点云文件和第二对象点云文件中的关联信息点，读取所述关联信息点，生成第一信息点包括：确定第一信息点种类和第一筛选特征，根据所述第一信息点种类和第一筛选特征在所述第二对象点云文件中生成关联信息点，通过所述关联信息点和第一空间数据模型生成第一信息点。

3.根据权利要求1所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，对属于所述第一对象类别的点云数据进行空间建模，生成第一空间数据模型包括：生成第一标记和所述第一对象的第一属性，通过所述第一标记和所述第一属性生成所述第一空间数据模型。

4.根据权利要求3所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，根据所述第一信息点和第一预定要求生成第二信息点包括：在满足所述第一预定要求的情况下，计算所述第二信息点与所述第一信息点之间的相对距离，生成第一夹角，根据所述距离长度和所述第一夹角确定所述第二信息点坐标。

5.根据权利要求1所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，生成所述第三信息点包括：生成前置第二信息点、生成后置第二信息点、确定中转点，判断所述中转点是否满足约束条件，确定满足约束条件的中转点为第三信息点；所述前置第二信息点为无人机模型在对某个第一信息点拍摄时拍摄装置所在的位置，所述后置第二信息点为按照拍摄顺序时，无人机模型在对下一个第一信息点拍摄时拍摄装置所在的位置。

6.根据权利要求5所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，还包括确定第三信息点属性，包括确定相机第一夹角旋转矩阵：

确定正交投影矩阵：

根据所述相机第一夹角旋转矩阵和所述正交投影矩阵确定所述第三信息点坐标为：

其中γ、β、φ分别为相机第一夹角的俯仰角、翻滚角、偏航角；left、right、top、bottom分别为屏幕左右上下的位置，zFar和zNear为近裁剪面和远裁剪面；w代表屏幕的宽度，h代表屏幕的高度，ndc标准化空间坐标系，x_ndc标准化空间坐标系的x值，y_ndc标准化空间坐标系的y值，z_ndc标准化空间坐标系的z值,x、y、z分别为转换前的坐标值。

7.根据权利要求3-6任意一项所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于：所述生成第一空间数据模型包括生成部件模型，所述部件模型种类包括中间部件模型和侧边部件模型，判断所述部件模型种类，根据所述部件模型种类的判断对所述部件模型拍摄轨迹进行规划。

8.根据权利要求7所述的用于输电线路巡检的无人机轨迹自动生成方法，其特征在于，判断所述部件模型种类包括：

对所述第一空间数据模型的俯视图进行投影，获取所述第一空间数据模型俯视图的中心点坐标，获取所述部件模型在所述俯视图中的判断点坐标，设置阈值；

当所述中心点与判断点之间的距离小于或者等于所述阈值时，则所述判断点所属的部件模型为中间部件；

当所述中心点与判断点之间的距离大于所述阈值时，则所述判断点所属的部件模型为侧边部件。

9.一种应用所述用于输电线路巡检的无人机轨迹自动生成方法的装置，其特征在于，包括存储器和处理器，和存储在存储器上并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述权利要求1-8任一项的方法。

Images