CN112262319A - 电力线路的检测方法、毫米波雷达、系统和存储介质 - Google Patents
电力线路的检测方法、毫米波雷达、系统和存储介质 Download PDFInfo
- Publication number
- CN112262319A CN112262319A CN201980033823.5A CN201980033823A CN112262319A CN 112262319 A CN112262319 A CN 112262319A CN 201980033823 A CN201980033823 A CN 201980033823A CN 112262319 A CN112262319 A CN 112262319A
- Authority
- CN
- China
- Prior art keywords
- detected
- data
- millimeter wave
- wave radar
- power line
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000007621 cluster analysis Methods 0.000 claims description 52
- 238000009826 distribution Methods 0.000 claims description 22
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 21
- 238000007689 inspection Methods 0.000 abstract description 8
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 15
- 230000004927 fusion Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000007499 fusion processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 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 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Manufacturing & Machinery (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种电力线路的检测方法、毫米波雷达(200)、系统和存储介质,应用于毫米波雷达(200),毫米波雷达(200)设置于无人机(100)上;方法包括:利用毫米波雷达(200)扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据(S101);根据待检测数据,确定电力线路与障碍物之间的距离信息(S102);将距离信息发送给地面端,以使地面端根据距离信息对电力线路进行检测(S103);通过使用毫米波雷达(200)作为检测设配,具有高可靠性、几乎不受雨雾、阳光等环境的影响,检测数据稳定;且可以借助雷达自身的计算平台,实时处理扫描的环境数据获取检测结果,能过快速的帮助巡检人员定位威胁区域;还可以很大程度上降低树障检测应用成本,可以全天候实时的获取检测结果,提高作业效率。
Description
技术领域
本发明涉及电力巡检技术领域,尤其涉及一种电力线路的检测方法、毫米波雷达、系统和存储介质。
背景技术
电力巡检过程中树障检测是一项重要的检测作业,当高压线与树木的安全距离不足时,很容易引发放电、跳闸等事故;高压线路大部分远离城镇,在荒野山岭、深沟峡谷和沼泽湖泊之间,给巡检人员带来了很大的挑战。
目前电力巡检树障检测主要分为两种方式,一种方式为:地面人员借助激光测距仪,通过多个角度观察高压线到树木的投影,综合对比计算获取树线的距离;另一种方式为:巡检人员通过控制搭载激光雷达扫描设备的飞行平台对高压线周围环境进行扫描,获取点云数据,然后借助地面的计算设备,导入点云数据,通过配套软件分析高压线与下方树木的距离。
然而,对于上述第一种树障检测方式而言,需要携带繁重的测试设备、测试效率低、获取数据精度低,至少需要2人才能完成测试,人工成本高。而对于上述通过激光雷达检测树障的方式,则需要借助地面计算平台才能够得到测量数据,并且,激光雷达的稳定性较差,受雨、雾、阳光、灰尘等环境因素的影响较大,从而影响数据计算的准确性。
发明内容
本发明提供了一种电力线路的检测方法、装置、系统和存储介质,用于解决现有技术中存在的人工成本高,数据稳定性受环境的影响很大的问题。
本发明的第一方面是为了提供一种电力线路的检测方法,应用于毫米波雷达,所述毫米波雷达设置于无人机上;所述方法包括:
利用毫米波雷达扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据;
根据所述待检测数据,确定电力线路与障碍物之间的距离信息;
将所述距离信息发送给地面端,以使所述地面端根据所述距离信息对所述电力线路进行检测。
本发明的第二方面是为了提供一种毫米波雷达,设置于无人机上,所述毫米波雷达包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据;
根据所述待检测数据,确定电力线路与障碍物之间的距离信息;
将所述距离信息发送至地面端,以使所述地面端根据所述距离信息对所述电力线路进行检测。
本发明的第三方面是为了提供一种毫米波雷达,设置于无人机上,所述毫米波雷达包括:
扫描模块,用于扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据;
确定模块,用于根据所述待检测数据,确定电力线路与障碍物之间的距离信息;
发送模块,用于将所述距离信息发送至地面端,以使所述地面端根据所述距离信息对所述电力线路进行检测。
本发明的第四方面是为了提供一种电力线路的检测系统,包括:
无人机;
上述第二方面所述的毫米波雷达,所述毫米波雷达设置于所述无人机上。
本发明的第五方面是为了提供一种计算机可读存储介质,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于第一方面所述的电力线路的检测方法。
本发明提供的电力线路的检测方法,使用毫米波雷达作为检测设备,具有高可靠性、几乎不受雨雾、阳光等环境的影响、检测数据稳定的特点;且可以借助雷达自身的计算平台,实时处理扫描的环境数据获取检测结果,能过快速的帮助巡检人员定位威胁区域;此外,还很大程度上降低了树障检测所需要的成本,可以全天候实时的获取检测结果,有效地提高了对电力线路进行检测的效率,有效地提高该方法的实用性,有利于市场的推广与应用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例提供的一种电力线路的检测方法的流程示意图;
图2为本发明实施例提供的利用毫米波雷达扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据的流程示意图;
图3为本发明实施例提供的根据所述待检测数据,确定电力线路与障碍物之间的距离信息的流程示意图;
图4为本发明实施例提供的对所述待检测数据进行聚类分析,获得多个聚类结果的流程示意图;
图5为本发明实施例提供的对所述待检测数据进行聚类分析,获得多个聚类结果的示意图;
图6为本发明实施例提供的根据所述质心确定所述电力线路与障碍物之间的距离信息的流程示意图;
图7为本发明实施例提供的另一种电力线路的检测方法的流程示意图;
图8为本发明实施例提供的又一种电力线路的检测方法的流程示意图;
图9为本发明实施例提供的还一种电力线路的检测方法的流程示意图;
图10为本发明应用实施例提供的一种电力线路的检测方法的流程示意图一;
图11为本发明应用实施例提供的一种电力线路的检测方法的流程示意图二;
图12为本发明应用实施例提供的一种电力线路的检测方法的流程示意图三;
图13为本发明实施例提供的一种毫米波雷达的结构示意图一;
图14为本发明实施例提供的一种毫米波雷达的结构示意图二;
图15为本发明实施例提供的一种电力线路的检测系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
下面结合附图,对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
图1为本发明实施例提供的一种电力线路的检测方法的流程示意图;参考附图1所示,本实施例提供了一种电力线路的检测方法,该检测方法可以应用于毫米波雷达,毫米波雷达可以设置于无人机上;具体的,该方法可以包括:
S101:利用毫米波雷达扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据。
其中,待检测区域可以是预先设置或者用户指定的区域,待检测区域中可以包括待检测的电力线路和障碍物,具体的,障碍物可以包括树木、其他电力线路等等。在利用毫米波雷达扫描待检测区域时,可以对待检测区域进行360°全方位的扫描,此时,毫米波雷达可以包括可旋转的毫米波雷达,通过控制毫米波雷达的旋转角度实现对待检测区域的360°扫描;或者,毫米波雷达的个数为多个,多个毫米波雷达也可以实现对待检测区域进行360°扫描。
具体的,在毫米波雷达为可旋转的毫米波雷达时,其可通过一转轴安装于无人机上,此时,毫米波雷达可围绕该转轴进行旋转运动。具体的,毫米波雷达可围绕转轴进行水平旋转运动(此时的转轴可看做为垂直于地面),或者,也可以进行竖直旋转运动(此时的转轴可看做为平行于地面);从而实现对待检测区域进行360°扫描,从而可以获得与待检测区域中的电力线路相对应的多个待检测数据,该待检测数据可以包括以下至少之一:电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。
相类似的,毫米波雷达可以为非旋转的毫米波雷达,此时,为了实现对待检测区域进行360°的全方位扫描,毫米波雷达的个数可以为多个,例如:毫米波雷达的个数可以为6个、8个、10个或者12个等等,多个毫米波雷达可以均匀分布在无人机上,通过多个毫米波雷达共同配合,可以实现对待检测区域进行360°扫描,同样可以获得与待检测区域中的电力线路相对应的多个待检测数据,该待检测数据可以包括以下至少之一:电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。
在一个实施例中,无论毫米波雷达的具体设置结构如何,参考附图2所示,在利用毫米波雷达扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据时,可以包括:
S1011:利用毫米波雷达以预设频率扫描待检测区域,获得与待检测区域中的电力线路相对应的多个极坐标数据。
其中,预设频率为预先配置的、针对毫米波雷达进行扫描的工作频率,该预设频率可以根据用户的不同需求和应用场景进行任意设置,例如:预设频率可以为15Hz、20Hz或者30Hz等等。在获取到预设频率之后,毫米波雷达可以基于预设频率扫描待检测区域,从而可以获得多个电力线路相对应的极坐标数据,极坐标数据可以包括电力线路相对于毫米波雷达所在的极径信息和极角信息;另外,本实施例对于极坐标数据的获取个数不做限定,本领域技术人员可以根据具体的应用需求和设计需求进行设置,例如:极坐标数据的个数可以为200个、300个、500个或者600个等等,可以理解的是,极坐标数据的个数越多,对于电力线路的检测越准确,因此,为了保证对电力线路进行检测的准确可靠性,极坐标数据的个数可以为至少200个。
S1012:将极坐标数据转换到直角坐标系下,获得与极坐标数据相对应的待检测数据。
在获取到多个极坐标数据之后,为了方便对极坐标数据进行处理,可以将极坐标数据转换到直角坐标系下,从而可以获得与极坐标数据相对应的多个待检测数据。
举例来说,极坐标数据的个数为600个,分别如下:(ρ1,θ1)、(ρ2,θ2)…(ρ600,θ600),其中,ρ为在极坐标系下,电力线路相对于毫米波雷达所在的极径位置,θ为在极坐标系下,电力线路相对于毫米波雷达所在的极角位置。在获得上述的极坐标数据之后,为了方便对极坐标数据进行处理,可以将上述的极坐标数据转换到直角坐标系下,从而可以获得与上述极坐标数据相对应的多个待检测数据:(x1,y1)、(x2,y2)…(x600,y600),其中,x为在直角坐标系下,电力线路相对于毫米波雷达所在的水平位置,y为在直角坐标系下,电力线路相对于毫米波雷达所在的竖直位置。
S102:根据待检测数据,确定电力线路与障碍物之间的距离信息。
在获取到待检测数据之后,可以对待检测数据进行分析处理,根据分析处理结果可以确定电力线路与障碍物之间的距离信息。具体的,本实施例对于根据待检测数据,确定电力线路与障碍物之间的距离信息的具体实现方式不做限定,例如:可以通过毫米波雷达获得电力线路的坐标点数据和障碍物的坐标点数据,而后,通过电力线路的坐标点数据和障碍物的坐标点数据确定电力线路与障碍物之间的距离信息;当然的,本领域技术人员也可以根据具体的应用需求和设计需求采用其他的方式来确定电力线路与障碍物之间的距离信息,只要能够保证电力线路与障碍物之间的距离信息获取的准确可靠性即可,在此不再赘述。
S103:将距离信息发送给地面端,以使地面端根据距离信息对电力线路进行检测。
其中,地面端可以与毫米波雷达通信连接,该地面端用于控制无人机,在毫米波雷达获得距离信息之后,可以将距离信息发送至地面端,从而使得地面端可以根据所接收到的距离信息对电力线路进行检测。具体的,在地面端根据距离信息对电力线路进行检测时,可以包括如下过程:将距离信息与预先设置的距离阈值进行比较,在距离信息大于或等于距离阈值时,则确定电力线路通过质量检测,也即,电力线路的设置情况符合预设的质量要求;或者,在距离信息小于距离阈值时,则将该距离信息所对应的电力线路位置确定为需要调整的电力线路位置,也即,该电力线路的设置情况不符合预设的质量要求,为了保证电力线路工作的安全可靠性,可以对该需要调整的电力线路位置进行标记,以使得维护人员可以根据所标记的电力线路位置进行调整。
本实施例提供的电力线路的检测方法,利用毫米波雷达扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据;由于毫米波雷达具有高可靠性、几乎不受雨雾、阳光等环境因素的影响、检测数据稳定的特点,从而有效地提高了数据检测的可靠性和稳定性;而后根据待检测数据,确定电力线路与障碍物之间的距离信息,并将距离信息发送给地面端,以使地面端根据距离信息对电力线路进行检测;有效地实现了毫米波雷达可以通过自身的处理平台进行数据处理,从而可以实时处理所扫描的环境数据并获取处理结果,不仅在很大程度上降低了树障检测所需要的成本,可以全天候实时的获取检测结果,并且还能够快速的帮助巡检人员定位威胁区域,有效地提高了电力线路的检测速度和效率,保证了该方法的实用性,有利于市场的推广与应用。
图3为本发明实施例提供的根据待检测数据,确定电力线路与障碍物之间的距离信息的流程示意图;参考附图3所示,本实施例中的根据待检测数据,确定电力线路与障碍物之间的距离信息可以包括:
S1021:对待检测数据进行聚类分析,获得多个聚类结果。
在获取到待检测数据之后,可以对待检测数据进行聚类分析,具体的,可以使用密度聚类算法(Density-Based Spatial Clustering of Applications with Noise,简称DBSAN)对待检测数据进行聚类分析,其中,DBSAN聚类算法是一种基于样本密度的聚类算法,可以去除样本中离散的噪点,既可以适用于凸样本集,也可以适用于非凸样本集,算法适用能力较强,可识别线状、团状的样本集合。当然的,本领域技术人员也可以采用其他的聚类算法,例如:K-Means聚类算法和BIRCH聚类算法等等,只要能够实现对待检测数据进行聚类分析即可,在此不再赘述。
具体的,参考附图4所示,在对待检测数据进行聚类分析,获得多个聚类结果时,可以包括:
S10211:获取预设的聚类半径和聚类样本数。
S10212:根据聚类半径和聚类样本数对待检测数据进行聚类分析,获得多个聚类结果。
其中,聚类半径用于限定一个聚类结果所覆盖的区域范围,聚类样本数用于限定一个聚类结果中所包括的样本点个数。具体应用时,聚类半径和聚类样本数可以是预先设置的,不同的应用场景和应用需求可以配置不同的聚类半径和聚类样本数,例如:在待检测数据为电力线路的待检测数据时,聚类半径可以为1米-3米,聚类样本数可以为5个-20个。
在获取到聚类半径和聚类样本数之后,可以根据聚类半径和聚类样本数对待检测数据进行聚类分析,从而可以获得多个聚类结果。如图5所示,在聚类半径为1.5米,聚类样本数为6个时,可以获得多个聚类半径为1.5米的聚类结果,其中,一个圆圈所在的区域即为一个聚类结果,图中的一个数据点代表一个待检测数据,此时,一个聚类结果中可以包括6个左右的待检测数据。
S1022:确定每个聚类结果所对应的质心。
在获取到多个聚类结果之后,可以对每个聚类结果进行分析识别,从而可以获得每个聚类结果所对应的质心,本实施例对于质心的确定方式不做限定,本领域技术人员可以采用现有的算法来确定质心,例如:可以获取到构成每个聚类结果的多个质点,确定每个质点所对应的质量以及相对于某一固定点的矢径,而后根据每个质点所对应的质量以及矢径来确定质心的矢径,进而可以根据质心的矢径来确定与每个聚类结果相对应的质心。当然的,本领域技术人员也可以采用其他的方式来确定每个聚类结果所对应的质心,只要能够保证质心确定的准确可靠性即可,在此不再赘述。
S1023:根据质心确定电力线路与障碍物之间的距离信息。
在获取到质心之后,可以对质心进行分析处理,从而可以确定电力线路与障碍物之间的距离信息。具体的,参考附图6所示,本实施例中的根据质心确定电力线路与障碍物之间的距离信息可以包括:
S10231:获取质心的分布信息。
S10232:根据质心的分布信息确定电力线路、障碍物以及电力线路与障碍物之间的距离信息。
其中,由于聚类结果的个数可以为多个,而多个聚类结果可以分布在不同的位置中,如图5所示,因此,在获取到每个聚类结果所对应的质心之后,可以获取到质心的分布信息。在获取到质心的分布信息之后,由于电力线路与障碍物之间的空间分布特征或者空间形状特征不同,因此,可以通过质心的分布信息来识别出电力电路的特征数据和障碍物的特征数据,在获取到电力线路的特征数据和障碍物的特征数据之后,可以基于质心分布、电路线路的特征数据和障碍物的特征数据确定电力线路与障碍物之间的距离信息。举例来说,在障碍物为树木时,通过对质心的分布信息进行分析识别之后,可以识别出电力线路的特征数据和树木的特征数据,而后可以获取到电力线路与树木的空间分布信息,而后基于电力线路与树木的空间分布信息,结合质心的分布信息可以确定电力线路与树木之间的树障距离。
本实施例中,通过对待检测数据进行聚类分析,获得多个聚类结果,确定每个聚类结果所对应的质心,并根据质心确定电力线路与障碍物之间的距离信息,有效地保证了对电力线路与障碍物之间的距离信息进行确定的准确可靠性,进一步提高了该方法使用的稳定可靠性。
图7为本发明实施例提供的另一种电力线路的检测方法的流程示意图;在上述实施例的基础上,继续参考附图7所示,在对待检测数据进行聚类分析时,本实施例中的方法还可以包括:
S201:确定待检测数据是否进行聚类分析。
S202:在待检测数据未进行聚类分析,则获取与待检测数据相对应的聚类标识,并且,聚类标识为预设的第一标识;或者,
S203:在待检测数据已进行聚类分析,则获取与待检测数据相对应的聚类标识,并将聚类标识由第一标识调整为第二标识。
其中,由于待检测数据的个数为多个,在对多个待检测数据进行聚类分析时,为了保证聚类分析处理的质量和效率,并且避免对某个待检测数据的遗漏,可以预先针对每个待检测数据设置有聚类标识,该聚类标识可以包括预先设置的第一标识和第二标识,所设置的第一标识用于标识待检测数据未进行聚类分析,第二标识用于标识待检测数据已进行聚类分析。具体的,第一标识和第二标识可以为不同的数字、字母或者关键字等符号,例如:第一标识为预设的“0”,第二标识为预设的“1”;或者,第一标识为预设的“N”,第二标识为预设的“Y”等等;通过识别待检测数据所对应的聚类标识,可以准确地识别出待检测数据是否进行聚类分析,进而保证聚类分析处理的质量和效率,避免了对某个待检测数据的遗漏。
举例来说,在第一标识为预设的“0”,第二标识为预设的“1”时,预先设置有三个待检测数据,分别为数据a、数据b和数据c,上述数据分别对应的聚类标识分别为聚类标识a、聚类标识b和聚类标识c。在获取到上述待检测数据之后,可以通过对聚类标识的分析识别来确定上述数据a、数据b和数据c是否已经进行聚类分析,当聚类标识a为1时,则说明数据a已进行聚类分析,此时则可以不再对数据a进行聚类分析;当聚类标识b为0时,则说明数据b为未进行聚类分析,此时则可以对数据b进行聚类分析;当聚类标识c为0时,则说明数据c为未进行聚类分析,此时,则可以对数据c进行聚类分析,从而可以实现对多个待检测数据进行准确、有效地的聚类分析,有效地保证了聚类分析的质量和效率。
图8为本发明实施例提供的又一种电力线路的检测方法的流程示意图;在上述实施例的基础上,继续参考附图8所示,在获得与待检测区域中的电力线路相对应的多个待检测数据之后,为了提高该方法应用的准确可靠性,本实施例中的方法还可以包括:
S301:获取无人机的姿态角度。
其中,姿态角度包括以下至少之一:俯仰角pitch、翻滚角roll和偏航角yaw,具体的,可以通过设置于无人机上的惯性测量装置准确地获取无人机的姿态角度。
S302:检测姿态角度是否发生变化。
在对电力线路进行检测的过程中,可以定时或者实时地获取到无人机的姿态角度,在获取到无人机的姿态角度之后,可以对姿态角度进行分析识别,以确定姿态角度是否发生变化。具体的,可以将姿态角度与历史姿态角度进行分析比较,在历史姿态角度与姿态角度的姿态角度差值大于预设的角度阈值,则可以确定姿态角度发生变化,则可以判断变化的姿态角度是否会对检测电力线路的数据产生影响,若不会产生影响,侧不需要针对变化的姿态角度对电力线路的待检测数据进行补偿处理;若变化的姿态角度会对检测电力线路产生影响,则需要针对变化的姿态角度对与电力线路相对应的待检测数据进行补偿处理。在历史姿态角度与当前姿态角度的姿态角度差值小于或等于预设的角度阈值,则可以确定姿态角度未发生变化,则可以直接对与电力线路相对应的待检测数据进行分析处理。
S303:在姿态角度发生变化时,则基于变化的姿态角度对待检测数据进行融合处理,获得与待检测数据相对应的融合检测数据。
具体的,在确定姿态角度发生变化时,为了避免变化的姿态角度对检测电力线路所产生的影响,则需要基于变化的姿态角度对待检测数据进行融合处理,从而可以获得与待检测数据相对应的融合检测数据。
为了便于理解融合处理的过程,如图15所示,提供了一种无人机的结构示意图,无人机包括机身100和毫米波雷达200。具体地,机身100包括机架和安装在机架的脚架,毫米波雷达200通过保持架安装在脚架上。机架可作为无人机的飞行控制系统、处理器、摄像机、照相机等的安装载体。脚架安装在机架的下方,脚架可用于为无人机降落时提供支撑。无人机还包括自机身100延伸的机臂,机臂可用于搭载动力装置、螺旋桨等元件以为无人机提供飞行的动力。
下面以毫米波雷达200的转轴与无人机的pitch轴相平行的情况为例进行说明,此时若无人机的俯仰角pitch发生变化,变化的pitch角会对毫米波雷达所获得的待检测数据的准确性产生影响,此时,为了保证电力线路检测的准确可靠性,则需要基于变化的pitch角对待检测数据进行融合处理,具体可以包括:
其中,α为发生变化的pitch角,(x,y)为待检测数据,(X,Y)为融合检测数据。
相类似的,当姿态角度为roll角或者yaw角时,也可以基于变化的姿态角度对待检测数据进行融合处理,融合处理的实现过程与上述基于变化的pitch角对待检测数据进行融合处理的过程相类似,在此不再说明。
在姿态角度发生变化,且会对待检测数据产生影响时,则可以基于变化的姿态角度对待检测数据进行融合处理,获得与待检测数据相对应的融合检测数据,有效地避免姿态角度的变化对待检测数据的影响。之后,可以针对融合检测数据进行聚类分析,从而可以准确地获取到电力线路与障碍物之间的距离信息,有效地保证了该方法应用的准确可靠性。
图9为本发明实施例提供的还一种电力线路的检测方法的流程示意图;在上述实施例的基础上,继续参考附图9所示,为了提高该方法的实用性,本实施例中的方法还可以包括:
S401:获取用户针对毫米波雷达输入的关闭指令。
S402:根据关闭指令关闭毫米波雷达。
具体的,在利用毫米波雷达对电力线路检测完毕之后,用户可以针对毫米波雷达输入控制指令,控制指令可以包括以下至少之一:调整扫描频率的指令、关闭指令等等,在获取到用户针对毫米波雷达输入的关闭指令之后,则可以根据关闭指令关闭毫米波雷达,从而不仅保证了对电力线路进行检测的稳定可靠性,还有效地节省了电力资源和数据处理资源,进一步提高了该方法的实用性。
具体应用时,参考附图10所示,本应用实施例提供了一种电力线路的检测方法,该方法适用于在电力巡线过程中,可以实现对高压线与下方树木进行距离检测。具体的,通过无人机搭载旋转毫米波雷达可以快速、在线识别计算出树障距离,不需要通过地面技术设备获得测量结果,提高了巡线作业速度,进而可以辅助巡线人员快速识别与定位危险区域。该检测方法可以包括:
step1:无人机飞行至待检测点;
待检测点可以是预先设置或者用户指定的,当无人机在待检测点时,可以实现对待检测区域的数据采集操作。
step2:启动毫米波雷达,通过毫米波雷达扫描待检测区域的环境信息,从而可以获得多个极坐标数据(原始数据);
具体的,控制毫米波雷达以预设频率(例如:15Hz、30Hz等等)扫描待检测区域,从而可以获得多个极坐标数据,为了保证对电力线路检测的准确可靠性,极坐标数据的个数最少是200个,例如,可以获得300个极坐标原始数据或者600个极坐标原始数据。需要注意的是,无人机上设置有控制端,该控制端工作在一个预设的工作频率,为了保证对无人机进行控制的稳定可靠性,毫米波雷达的扫描频率与控制端的工作频率不同。
step3:对多个极坐标数据进行分析处理,从而可以输出电力线路与树木障碍物之间的距离信息;
具体的,参考附图11所示,在对多个待检测数据进行分析处理,获得电力线路与树木障碍物之间的距离信息时,可以包括如下步骤:
step31:对所获取的多个极坐标数据进行坐标转换,获得与极坐标数据相对应的直角坐标系数据;
以600个极坐标数据为例进行说明,600个极坐标数据包括(ρ1,θ1)、(ρ2,θ2)…(ρ600,θ600),为了方便数据处理,可以对原始采集的数据坐标转换到直角坐标系,即(x1,y1)、(x2,y2)…(x600,y600)。
step32:检测无人机的姿态角度是否发生变化,若姿态角度发生变化,则基于变化的姿态角度对直角坐标系数据进行姿态融合处理,从而可以获得与直角坐标系数据相对应的融合检测数据。
为了降低无人机的姿态变化对毫米波雷达检测数据的影响,可以实时或者定时的检测无人机的姿态角度是否发生变化,若无人机的姿态角度发生变化、且变化的姿态角度对毫米波雷达检测数据构成影响,则可以将发生变化的姿态角度补偿到毫米波雷达所获得的直角坐标系数据中。以毫米波雷达的旋转轴平行于无人机的pitch轴为例进行说明,此时无人机的pitch角度发生变化,则需要基于变化的pitch角度对直角坐标系数据进行补偿处理,具体的,假设无人机pitch角发生变化,此时pitch角为α,直角坐标系数据为(x,y),融合检测数据为(X,Y),则转换关系为:
step33:对融合检测数据进行聚类分析,可以获得多个聚类结果。
具体的,可以DBSAN聚类算法对融合检测数据进行聚类分析处理,从而可以获取电力线路与障碍物的数据特征,对于电力线路和树木障碍物而言,电力线路的数据都是分散的点,而树木障碍物的数据都是一片一片的,因此,可以通过对聚类结果的分析处理,识别出电力线路的特征信息和树木障碍物的特征信息,该特征信息可以包括空间位置、相对于无人机的位置和方位角、以及能量强度等等信息。参考附图12所示,在对融合检测数据进行聚类分析时,可以包括以下步骤:
step331:开始;
step332:输入样本集合D、半径eps、最小样本数minpts;
其中,样本集合D中可以包括以下至少之一:电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。另外,在对电力线路进行巡检时,半径eps可以为1.5米,最小样本数minpts可以为6个。
step333:初始化i=0,搜索标志D(i).flag=0,目标聚类数K=0;其中,i为样本集合D中待处理的样本数据标识,D(i).flag为预先设置的与每个待处理的样本数据相对应的聚类标识。
step334:计算各样本点的距离;
对样本集合D中待处理的样本数据进行聚类分析,从而可以获得各个样本点的距离。
step335:判断D(i).flag=0?
在对样本数据进行聚类分析处理时,为了避免数据的遗漏,可以对每个样本数据所对应的D(i).flag判断是否为0,在D(i).flag为0时,则说明该样本数据未进行聚类分析处理,在D(i).flag为1时,则说明该样本数据已进行聚类分析处理。
step336:搜索D(i)的样本点给定半径eps的样本数m;
step337:m是否大于或等于minpts?
step338:样本点Di邻域内的所有点进行搜索,并标记D(i).flag=1;
step339:得到第K个聚类集合,K++;
step3310:I++;
step3311:得到第K个聚类集合,如图5所示。
step34:对多个聚类结果进行目标分离处理,从而可以获得电力线路与树木障碍物之间的距离信息。
在获得多个聚类结果之后,可以根据电力线路与树木障碍物在雷达扫描图中的形态分布的区别对聚类结果进行分离,从而可以获取电力线路与树木障碍物之间的空间分布信息,具体的,可以确定每个聚类结果所对应的质心,通过对质心分布的识别,可以确定电力线路与障碍物之间的空间分布;而后对电力线路与障碍物之间的空间分布进行滤波处理,从而可以得到树线距离,即获得电力线路与树木障碍物之间的距离信息。
step4:将距离信息发送至地面端,并判断是否关闭毫米波雷达;
step5:若关闭毫米波雷达,则停止对电力线路进行检测;若不关闭毫米波雷达,则可以继续通过毫米波雷达对其他的待检测区域进行扫描。
本应用实施例提供的电力线路的检测方法,使用毫米波雷达作为检测设备,具有高可靠性、几乎不受雨雾、阳光等环境的影响、检测数据稳定的特点;且可以借助雷达自身的计算平台,实时处理扫描的环境数据获取检测结果,能过快速的帮助巡检人员定位威胁区域;此外,还很大程度上降低了树障检测所需要的成本,可以全天候实时的获取检测结果,有效地提高了对电力线路进行检测的效率,有效地提高该方法的实用性,有利于市场的推广与应用。
图13为本发明实施例提供的一种毫米波雷达的结构示意图一;参考附图13所示,本实施例提供了一种毫米波雷达,该毫米波雷达可以设置于无人机上,并且,该毫米波雷达可以执行上述图1所示的电力线路的检测方法。具体的,该毫米波雷达可以包括:
扫描模块11,用于扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据;
确定模块12,用于根据待检测数据,确定电力线路与障碍物之间的距离信息;
发送模块13,用于将距离信息发送至地面端。
需要注意的是,图13所示毫米波雷达还可以执行图1-图12所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图12所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图12所示实施例中的描述,在此不再赘述。
图14为本发明实施例提供的一种毫米波雷达的结构示意图二;参考附图14所示,本实施例提供了一种毫米波雷达,该毫米波雷达可以设置于无人机上,并且,该毫米波雷达可以执行上述图1所示的电力线路的检测方法。具体的,该毫米波雷达可以包括:
存储器22,用于存储计算机程序;
处理器21,用于运行存储器中存储的计算机程序以实现:
扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据;
根据待检测数据,确定电力线路与障碍物之间的距离信息;
将距离信息发送至地面端。
其中,该毫米波雷达的结构中还可以包括通信接口23,用于电子设备与其他设备或通信网络通信。
在一个实施例中,毫米波雷达包括可旋转的毫米波雷达;或者,毫米波雷达的个数为多个,多个毫米波雷达用于实现对速搜待检测区域进行360°扫描。
在一个实施例中,待检测数据包括以下至少之一:电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。
在一个实施例中,在处理器21利用毫米波雷达扫描待检测区域,获得与待检测区域中的电力线路相对应的多个待检测数据时,该处理器21还用于:利用毫米波雷达以预设频率扫描待检测区域,获得与待检测区域中的电力线路相对应的多个极坐标数据;将极坐标数据转换到直角坐标系下,获得与极坐标数据相对应的待检测数据。
在一个实施例中,在处理器21根据待检测数据,确定电力线路与障碍物之间的距离信息时,该处理器21还用于:对待检测数据进行聚类分析,获得多个聚类结果;确定每个聚类结果所对应的质心;根据质心确定电力线路与障碍物之间的距离信息。
在一个实施例中,在处理器21对待检测数据进行聚类分析,获得多个聚类结果时,该处理器21还用于:获取预设的聚类半径和聚类样本数;根据聚类半径和聚类样本数对待检测数据进行聚类分析,获得多个聚类结果。
在一个实施例中,在处理器21根据质心确定电力线路与障碍物之间的距离信息时,该处理器21还用于:获取质心的分布信息;根据质心的分布信息确定电力线路、障碍物以及电力线路与障碍物之间的距离信息。
在一个实施例中,在对待检测数据进行聚类分析时,处理器21还用于:确定待检测数据是否进行聚类分析;在待检测数据未进行聚类分析,则获取与待检测数据相对应的聚类标识,并且,聚类标识为预设的第一标识;或者,在待检测数据已进行聚类分析,则获取与待检测数据相对应的聚类标识,并将聚类标识由第一标识调整为第二标识。
在一个实施例中,在获得与待检测区域中的电力线路相对应的多个待检测数据之后,处理器21还用于:获取无人机的姿态角度;检测姿态角度是否发生变化;在姿态角度发生变化时,则基于变化的姿态角度对待检测数据进行融合处理,获得与待检测数据相对应的融合检测数据。
在一个实施例中,姿态角度包括以下至少之一:俯仰角pitch、翻滚角roll和偏航角yaw。
在一个实施例中,处理器21还用于:获取用户针对毫米波雷达输入的关闭指令;根据关闭指令关闭毫米波雷达。
图14所示毫米波雷达可以执行图1-图12所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图12所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图12所示实施例中的描述,在此不再赘述。
另外,本发明实施例提供了一种计算机可读存储介质,存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,程序指令用于实现上述图1-图12的电力线路的检测方法。
图15为本发明实施例提供的一种电力线路的检测系统的结构示意图;参考附图15所示,本实施例提供了一种电力线路的检测系统,包括:
无人机;
图14中的毫米波雷达200,毫米波雷达200设置于无人机上。
其中,无人机可以包括机身100和毫米波雷达200。具体地,机身100可以包括机架和安装在机架的脚架,毫米波雷达200通过保持架安装在脚架上。机架可作为无人机的飞行控制系统、处理器、摄像机、照相机等的安装载体。脚架安装在机架的下方,脚架可用于为无人机降落时提供支撑。无人机还包括自机身100延伸的机臂,机臂可用于搭载动力装置、螺旋桨等元件以为无人机提供飞行的动力。
在一个实施例中,本实施例中的系统还可以包括:用于控制无人机100的地面端200;具体的,地面端300,还用于接收毫米波雷达200发送的距离信息,并根据距离信息对电力线路进行检测。
其中,在地面端300根据距离信息对电力线路进行检测时,该地面端300还用于:在距离信息大于或等于预设阈值时,则确定电力线路通过检测;或者,在距离信息小于预设阈值时,则将该距离信息所对应的电力线路位置确定为需要调整的电力线路位置。
本实施例提供的电力线路的检测系统的具体实现原理和实现效果与图14所对应的毫米波雷达的具体实现原理和效果相一致,具体可参考上述陈述内容,在这里不再赘述。
以上各个实施例中的技术方案、技术特征在与本相冲突的情况下均可以单独,或者进行组合,只要未超出本领域技术人员的认知范围,均属于本申请保护范围内的等同实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的相关遥控装置和方法,可以通过其它的方式实现。例如,以上所描述的遥控装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。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,遥控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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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计算机处理器(processor)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,RandomAccess Memory)、磁盘或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例,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。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (26)
1.一种电力线路的检测方法,其特征在于,应用于毫米波雷达,所述毫米波雷达设置于无人机上;所述方法包括:
利用毫米波雷达扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据;
根据所述待检测数据,确定电力线路与障碍物之间的距离信息;
将所述距离信息发送给地面端,以使所述地面端根据所述距离信息对所述电力线路进行检测。
2.根据权利要求1所述的方法,其特征在于,
所述毫米波雷达包括可旋转的毫米波雷达;或者,
所述毫米波雷达的个数为多个,多个所述毫米波雷达用于实现对速搜待检测区域进行360°扫描。
3.根据权利要求2所述的方法,其特征在于,所述待检测数据包括以下至少之一:
电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。
4.根据权利要求3所述的方法,其特征在于,利用毫米波雷达扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据,包括:
利用所述毫米波雷达以预设频率扫描所述待检测区域,获得与所述待检测区域中的电力线路相对应的多个极坐标数据;
将所述极坐标数据转换到直角坐标系下,获得与所述极坐标数据相对应的待检测数据。
5.根据权利要求3所述的方法,其特征在于,根据所述待检测数据,确定电力线路与障碍物之间的距离信息,包括:
对所述待检测数据进行聚类分析,获得多个聚类结果;
确定每个聚类结果所对应的质心;
根据所述质心确定所述电力线路与障碍物之间的距离信息。
6.根据权利要求5所述的方法,其特征在于,对所述待检测数据进行聚类分析,获得多个聚类结果,包括:
获取预设的聚类半径和聚类样本数;
根据所述聚类半径和聚类样本数对所述待检测数据进行聚类分析,获得多个聚类结果。
7.根据权利要求5所述的方法,其特征在于,根据所述质心确定所述电力线路与障碍物之间的距离信息,包括:
获取所述质心的分布信息;
根据所述质心的分布信息确定所述电力线路、所述障碍物以及所述电力线路与障碍物之间的距离信息。
8.根据权利要求5所述的方法,其特征在于,在对所述待检测数据进行聚类分析时,所述方法还包括:
确定所述待检测数据是否进行聚类分析;
在所述待检测数据未进行聚类分析,则获取与所述待检测数据相对应的聚类标识,并且,所述聚类标识为预设的第一标识;或者,
在所述待检测数据已进行聚类分析,则获取与所述待检测数据相对应的聚类标识,并将所述聚类标识由第一标识调整为第二标识。
9.根据权利要求2-8中任意一项所述的方法,其特征在于,在获得与所述待检测区域中的电力线路相对应的多个待检测数据之后,所述方法还包括:
获取所述无人机的姿态角度;
检测所述姿态角度是否发生变化;
在所述姿态角度发生变化时,则基于变化的所述姿态角度对所述待检测数据进行融合处理,获得与所述待检测数据相对应的融合检测数据。
10.根据权利要求9所述的方法,其特征在于,所述姿态角度包括以下至少之一:
俯仰角pitch、翻滚角rol l和偏航角yaw。
11.根据权利要求2-8中任意一项所述的方法,其特征在于,所述方法还包括:
获取用户针对毫米波雷达输入的关闭指令;
根据所述关闭指令关闭所述毫米波雷达。
12.一种毫米波雷达,其特征在于,设置于无人机上,所述毫米波雷达包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
扫描待检测区域,获得与所述待检测区域中的电力线路相对应的多个待检测数据;
根据所述待检测数据,确定电力线路与障碍物之间的距离信息;
将所述距离信息发送至地面端,以使所述地面端根据所述距离信息对所述电力线路进行检测。
13.根据权利要求12所述的毫米波雷达,其特征在于,
所述毫米波雷达包括可旋转的毫米波雷达;或者,
所述毫米波雷达的个数为多个,多个所述毫米波雷达用于实现对速搜待检测区域进行360°扫描。
14.根据权利要求13所述的毫米波雷达,其特征在于,所述待检测数据包括以下至少之一:
电力线路相对于无人机的距离信息、电力线路相对于无人机的角度信息、毫米波雷达的能量信息。
15.根据权利要求14所述的毫米波雷达,其特征在于,所述处理器还用于:
利用所述毫米波雷达以预设频率扫描所述待检测区域,获得与所述待检测区域中的电力线路相对应的多个极坐标数据;
将所述极坐标数据转换到直角坐标系下,获得与所述极坐标数据相对应的待检测数据。
16.根据权利要求14所述的毫米波雷达,其特征在于,所述处理器还用于:
对所述待检测数据进行聚类分析,获得多个聚类结果;
确定每个聚类结果所对应的质心;
根据所述质心确定所述电力线路与障碍物之间的距离信息。
17.根据权利要求16所述的毫米波雷达,其特征在于,所述处理器还用于:
获取预设的聚类半径和聚类样本数;
根据所述聚类半径和聚类样本数对所述待检测数据进行聚类分析,获得多个聚类结果。
18.根据权利要求16所述的毫米波雷达,其特征在于,所述处理器还用于:
获取所述质心的分布信息;
根据所述质心的分布信息确定所述电力线路、所述障碍物以及所述电力线路与障碍物之间的距离信息。
19.根据权利要求16所述的毫米波雷达,其特征在于,在对所述待检测数据进行聚类分析时,所述处理器还用于:
确定所述待检测数据是否进行聚类分析;
在所述待检测数据未进行聚类分析,则获取与所述待检测数据相对应的聚类标识,并且,所述聚类标识为预设的第一标识;或者,
在所述待检测数据已进行聚类分析,则获取与所述待检测数据相对应的聚类标识,并将所述聚类标识由第一标识调整为第二标识。
20.根据权利要求13-19中任意一项所述的毫米波雷达,其特征在于,在获得与所述待检测区域中的电力线路相对应的多个待检测数据之后,所述处理器还用于:
获取所述无人机的姿态角度;
检测所述姿态角度是否发生变化;
在所述姿态角度发生变化时,则基于变化的所述姿态角度对所述待检测数据进行融合处理,获得与所述待检测数据相对应的融合检测数据。
21.根据权利要求20所述的毫米波雷达,其特征在于,所述姿态角度包括以下至少之一:
俯仰角pitch、翻滚角rol l和偏航角yaw。
22.根据权利要求13-19中任意一项所述的毫米波雷达,其特征在于,所述处理器还用于:
获取用户针对毫米波雷达输入的关闭指令;
根据所述关闭指令关闭所述毫米波雷达。
23.一种电力线路的检测系统,其特征在于,包括:
无人机;
权利要求12-22中任意一项所述的毫米波雷达,所述毫米波雷达设置于所述无人机上。
24.根据权利要求23所述的系统,其特征在于,所述系统还包括:
地面端,还用于接收所述毫米波雷达发送的距离信息,并根据所述距离信息对所述电力线路进行检测。
25.根据权利要求24所述的系统,其特征在于,所述地面端,还用于:
在所述距离信息大于或等于预设阈值时,则确定所述电力线路通过检测;或者,
在所述距离信息小于预设阈值时,则将该距离信息所对应的电力线路位置确定为需要调整的电力线路位置。
26.一种计算机可读存储介质,其特征在于,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于实现权利要求1-11中任意一项所述的电力线路的检测方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/103806 WO2021035720A1 (zh) | 2019-08-30 | 2019-08-30 | 电力线路的检测方法、毫米波雷达、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112262319A true CN112262319A (zh) | 2021-01-22 |
Family
ID=74224861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980033823.5A Pending CN112262319A (zh) | 2019-08-30 | 2019-08-30 | 电力线路的检测方法、毫米波雷达、系统和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112262319A (zh) |
WO (1) | WO2021035720A1 (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120169498A1 (en) * | 2010-12-30 | 2012-07-05 | Vesa Johannes Leppanen | Method for locating vegetation having a potential to impact a structure |
CN102891453A (zh) * | 2012-10-16 | 2013-01-23 | 山东电力集团公司电力科学研究院 | 一种基于毫米波雷达的无人机巡检线路走廊方法与装置 |
CN202817605U (zh) * | 2012-10-16 | 2013-03-20 | 山东电力集团公司电力科学研究院 | 一种基于毫米波雷达的无人机巡检线路走廊装置 |
CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于车载雷达系统的障碍物检测方法和装置 |
US20180172825A1 (en) * | 2016-12-16 | 2018-06-21 | Automotive Research & Testing Center | Environment recognition system using vehicular millimeter wave radar |
CN108255189A (zh) * | 2018-01-31 | 2018-07-06 | 佛山市神风航空科技有限公司 | 一种电力巡检无人机系统 |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
WO2018218629A1 (zh) * | 2017-06-01 | 2018-12-06 | 深圳市大疆创新科技有限公司 | 一种基于激光雷达的检测方法、装置及探测设备 |
CN109814558A (zh) * | 2019-01-24 | 2019-05-28 | 成都优艾维智能科技有限责任公司 | 一种基于毫米波雷达的无人机避障系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103224026B (zh) * | 2012-12-05 | 2016-01-20 | 福建省电力有限公司 | 一种适用于山区电网巡检的专用无人直升机避障系统及其工作流程 |
CN103149569B (zh) * | 2013-02-25 | 2014-12-10 | 昆山南邮智能科技有限公司 | 基于小波变换的激光雷达高压线识别方法 |
CN104590573A (zh) * | 2014-12-05 | 2015-05-06 | 国网通用航空有限公司 | 直升机避障系统及避障方法 |
WO2017172932A1 (en) * | 2016-03-30 | 2017-10-05 | Culver Matthew | Systems and methods for unmanned aerial vehicles |
CN107783547A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 灾后救援旋翼无人机避障系统及方法 |
-
2019
- 2019-08-30 CN CN201980033823.5A patent/CN112262319A/zh active Pending
- 2019-08-30 WO PCT/CN2019/103806 patent/WO2021035720A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120169498A1 (en) * | 2010-12-30 | 2012-07-05 | Vesa Johannes Leppanen | Method for locating vegetation having a potential to impact a structure |
CN102891453A (zh) * | 2012-10-16 | 2013-01-23 | 山东电力集团公司电力科学研究院 | 一种基于毫米波雷达的无人机巡检线路走廊方法与装置 |
CN202817605U (zh) * | 2012-10-16 | 2013-03-20 | 山东电力集团公司电力科学研究院 | 一种基于毫米波雷达的无人机巡检线路走廊装置 |
CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于车载雷达系统的障碍物检测方法和装置 |
US20180172825A1 (en) * | 2016-12-16 | 2018-06-21 | Automotive Research & Testing Center | Environment recognition system using vehicular millimeter wave radar |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
WO2018218629A1 (zh) * | 2017-06-01 | 2018-12-06 | 深圳市大疆创新科技有限公司 | 一种基于激光雷达的检测方法、装置及探测设备 |
CN108255189A (zh) * | 2018-01-31 | 2018-07-06 | 佛山市神风航空科技有限公司 | 一种电力巡检无人机系统 |
CN109814558A (zh) * | 2019-01-24 | 2019-05-28 | 成都优艾维智能科技有限责任公司 | 一种基于毫米波雷达的无人机避障系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021035720A1 (zh) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | A survey of intelligent transmission line inspection based on unmanned aerial vehicle | |
Bhola et al. | Detection of the power lines in UAV remote sensed images using spectral-spatial methods | |
KR102032070B1 (ko) | 깊이 맵 샘플링을 위한 시스템 및 방법 | |
Li et al. | Automatic bridge crack detection using Unmanned aerial vehicle and Faster R-CNN | |
Dogru et al. | Pursuing drones with drones using millimeter wave radar | |
Liu et al. | High precision detection algorithm based on improved RetinaNet for defect recognition of transmission lines | |
CN109409225B (zh) | 基于雷达多径信号时频特征融合的无人机分类方法及装置 | |
CN102891453B (zh) | 一种基于毫米波雷达的无人机巡检线路走廊方法与装置 | |
Lebedev et al. | Accurate autonomous uav landing using vision-based detection of aruco-marker | |
Premachandra et al. | Speed-up automatic quadcopter position detection by sensing propeller rotation | |
CN110782465A (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
Waleed et al. | Drone-based ceramic insulators condition monitoring | |
WO2020082364A1 (zh) | 无人机的控制方法、装置、无人机及计算机可读存储介质 | |
CN111157530B (zh) | 一种基于无人机的输电线路的安全检测方法 | |
US11320532B2 (en) | Coordinated detecting of objects in an airspace | |
CN113703470B (zh) | 基于架空输电线电磁场探测的飞行防撞方法及装置 | |
CN113554775B (zh) | 无人机电力巡检系统 | |
Abhijith et al. | Robot operating system based charging pad detection for multirotors | |
Chen et al. | Environment perception technologies for power transmission line inspection robots | |
Ghosh et al. | AirTrack: Onboard deep learning framework for long-range aircraft detection and tracking | |
CN112262319A (zh) | 电力线路的检测方法、毫米波雷达、系统和存储介质 | |
Zhang et al. | Research on conflict detection model for taxi‐in process on the apron based on aircraft wingtip keypoint detection | |
Cao et al. | Multi-Sensor fusion and data analysis for operating conditions of low power transmission lines | |
CN112313535A (zh) | 距离检测方法、距离检测设备、自主移动平台和存储介质 | |
CN112306078A (zh) | 一种无人机自动避障导线的方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210122 |
|
WD01 | Invention patent application deemed withdrawn after publication |