CN112884931A - 一种用于变电站的无人机巡检方法及系统 - Google Patents

Abstract

本发明公开了一种用于变电站的无人机巡检方法，包括：对当前变电站进行激光雷达巡检，获取含有变电站内各个待检测设备的三维激光雷达点云数据，基于此，生成含有规划好的航线信息的飞行巡检计划；由无人机飞行平台控制无人机按照飞行巡检计划内的航线飞行，在无人机到达待检测设备对应的巡检位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别图像中的巡检目标类别和故障类型，完成变电站的自主巡检任务。本发明提高了巡检效率、巡检安全，满足自主巡检任务的在线诊断精度。

Description

一种用于变电站的无人机巡检方法及系统

技术领域

本发明涉及无人机变电站巡检技术领域，具体地说，是涉及一种用于变电站的无人机巡检方法及系统。

背景技术

随着物联网、大数据、云计算、人工智能等新技术的快速发展，无人机已广泛应用到石油、铁路、植保、物流服务等各个行业领域。在电力行业，为满足建设和发展坚强智能电网需求，转变变电站的运检模式，一种采用“直升机、无人机和人工协同巡检”的新型运检模式发展起来。其中，无人机巡检由于方式灵活、成本低，不仅能够发现杆塔异物、绝缘子破损、防震锤滑移、线夹偏移等缺陷，还能够发现金具锈蚀、开口销与螺栓螺帽缺失、查找闪络故障点等人工巡检难以发现的缺陷，可与直升机和人工巡检方式协同配合，成为线路运检技术发展的重点方向之一。另外，依托无人机平台开展导线除异物、工具传递、复合绝缘子憎水性检测等辅助检修作业逐渐增多，有效减轻了作业人员劳动强度，提高了检修效率，确保了检修作业安全。现有验电器在平原地区使用不受限制，但线路跨越河流、山谷等区域作业人员无法抵达或杆塔，另外，在线路高度提升时非接触式验电器无法正常使用。

现今，绝大多数变电站无人机巡检多为手动控制飞行，飞行过程中的安全把控基本取决于操作人员的技术水平，无法有效保证巡检任务的顺利完成和巡检工作的安全性。针对少数的自动飞行控制，也没有成熟的针对变电站行业的自主飞行方案，例如：目前的无人机避障、自主飞行等技术，基本都是针对个人用户及航空摄影等用户市场的，没有任何针对变电站无人机精细化巡检的自主飞行方案。另外，变电站巡检工作的工作内容周期性强、安全要求高，但现有技术无法达到针对变电站无人机的精细化巡检工作中所具有的内容周期性高、内容变化较小、以及对整个各个环节的精细度和高安全性需求等特征。

因此，现有技术中，无论是人工手动操作，还是依赖无人机平台的自组飞行功能，自主巡检的高精度检测效果和安全性都无法达到变电站精细巡检的要求。

发明内容

为了解决上述技术问题，本发明提供了一种用于变电站的无人机巡检方法，包括：计划规划步骤、对所述变电站进行激光雷达巡检，获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划，所述飞行巡检计划包括规划好的航线；自主巡检步骤、由无人机飞行平台控制所述无人机按照所述航线飞行，在所述无人机到达所述待检测设备对应的巡检位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别所述图像中的巡检目标类别和故障类别，从而完成针对所述变电站的自主巡检任务。

优选地，在所述计划规划步骤中，还包括：从所述三维激光雷达点云数据中提取关键特征点，并按照每个所述关键特征点的定位信息进行主体航线规划；获取位于所述关键特征点附近的各个重点巡检目标对应的定位信息，判断所述重点巡检目标与其最相关的所述关键特征点之间是否存在遮挡关系，根据所述判断结果，对与每个所述关键特征点相关的各个所述重点巡检目标进行辅助航线规划；根据主体航线规划结果、以及每个辅助航线规划结果，得到所述航线。

优选地，进一步，在主体航线规划过程中，依次对每个所述关键特征点进行航迹标注；在依次对每个所述关键特征点进行辅助航线规划过程中，包括：确定与当前所述关键特征点相关的重点巡检目标；判断每个所述相关的重点巡检目标与该关键特征点之间、以及各个所述相关的重点巡检目标之间是否存在障碍物；根据判断结果，在将当前所述关键特征点作为起点且飞行到下一个邻近的所述关键特征点的情况下，以最短航线距离对每个所述相关的重点巡检目标进行航线标注，生成相应的辅助航线。

优选地，在所述计划规划步骤中，还包括：获得所述变电站内各个设备的电磁辐射数据；根据所述电磁辐射数据，确定在自主巡检过程中对每个所述待检测设备进行图像采集时所对应的所述巡检位置和相应位置下的采集设备调整参数，用以构成所述飞行巡检计划。

优选地，所述飞行巡检计划还包括每个所述待检测设备对应的所述巡检位置和所述采集设备调整参数，其中，在采集当前变电站图像之前，还包括：在到达相应的所述待检测设备对应的所述巡检位置时，按照所述采集设备调整参数对所述无人机内采集设备的角度进行调节并控制所述无人机到达当前巡检位置处，以完成无人机初始化配置。

优选地，在所述自主巡检步骤中，包括：所述无人机按照所述航线飞行，并依次经过所述航线中每个所述待检测设备；在所述无人机需要对相应的所述待检测设备进行检测时，在对所述无人机进行初始化配置后，采集所述当前变电站图像，先利用预设的端到端目标类别识别模型对所述图像中的巡检目标的设备类型进行识别，再利用预设的端到端目标故障识别模型对所述图像中的巡检目标的故障类别进行在线诊断，生成相应的针对当前待检测设备的检测结果；在得到所有所述待检测设备的检测结果后，完成所述变电站的自主巡检任务。

另一方面，本发明还提出了一种用于变电站的无人机巡检系统，所述系统执行如上述所述的无人机巡检方法，所述系统包括：巡检计划规划子系统，其用于对所述变电站进行激光雷达巡检，获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划，所述飞行巡检计划包括规划好的航线；自主巡检子系统，其用于由无人机飞行平台控制所述无人机按照所述航线飞行，在所述无人机到达所述待检测设备对应的巡检位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别所述图像中的巡检目标类别和故障类别，从而完成针对所述变电站的自主巡检任务。

优选地，所述巡检计划规划子系统，包括：关键点航线规划模块，其用于从所述三维激光雷达点云数据中提取关键特征点，并按照每个所述关键特征点的定位信息进行主体航线规划；重点目标航线规划模块，其用于获取位于所述关键特征点附近的各个重点巡检目标对应的定位信息，判断所述重点巡检目标与其最相关的所述关键特征点之间是否存在遮挡关系，根据所述判断结果，对与每个所述关键特征点相关的各个所述重点巡检目标进行辅助航线规划；飞行计划生成模块，其用于根据主体航线规划结果、以及每个辅助航线规划结果，得到所述航线。

优选地，所述飞行计划生成模块，其进一步用于获得所述变电站内各个设备的电磁辐射数据，而后，根据所述电磁辐射数据，确定在自主巡检过程中对每个所述待检测设备进行图像采集时所对应的所述巡检位置和相应位置下的采集设备调整参数，用以构成所述飞行巡检计划。

优选地，所述自主巡检子系统，包括：无人机飞行平台；无人机飞行控制模块，其用于利用所述航线对所述无人机飞行平台进行飞行控制，使得所述无人机按照所述航线飞行，并依次经过所述航线中每个所述待检测设备，以及在所述无人机需要对相应的所述待检测设备进行检测时，控制所述无人机飞行平台和采集设备完成无人机初始化配置，在得到所有所述待检测设备的检测结果后，完成所述变电站的自主巡检任务；所述采集设备，其用于在对所述无人机进行初始化配置后，采集所述当前变电站图像；图像处理模块，其用于获取所述当前变电站图像，先利用预设的端到端目标类别识别模型对所述图像中的巡检目标的类型进行识别，再利用预设的端到端目标故障识别模型对所述图像中的巡检目标的故障类别进行在线诊断，生成相应的针对当前所述待检测设备的检测结果。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

本发明提出了一种用于变电站的无人机自主巡检方法及系统。该方法和系统能够生成精细化的飞行巡检计划，针对满足当前巡检任务需求的重点巡检目标的最佳拍摄的高度和角度都能进行最优化设置，并尽量保证每次拍摄的标准一致，从而大大提高巡检效率、巡检安全和图像识别的准确率。进一步，利用变电站巡检目标识别模型可针对行业巡检需求来定制关于变电站站内设备的图像识别算法，满足自主巡检任务的在线诊断精度，真正解决行业特殊需求，同时，适应各类特定情况和后续调整升级。

本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本申请实施例的用于变电站的无人机巡检方法的步骤图。

图2为本申请实施例的用于变电站的无人机巡检方法的计划规划步骤的第一流程图。

图3为本申请实施例的用于变电站的无人机巡检方法中自主巡检步骤的第二流程图。

图4为本申请实施例的用于变电站的无人机巡检方法的整体流程图。

图5为本申请实施例的用于变电站的无人机巡检系统的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

随着物联网、大数据、云计算、人工智能等新技术的快速发展，无人机已广泛应用到石油、铁路、植保、物流服务等各个行业领域。在电力行业，为满足建设和发展坚强智能电网需求，转变变电站的运检模式，一种采用“直升机、无人机和人工协同巡检”的新型运检模式发展起来。其中，无人机巡检由于方式灵活、成本低，不仅能够发现杆塔异物、绝缘子破损、防震锤滑移、线夹偏移等故障缺陷，还能够发现金具锈蚀、开口销与螺栓螺帽缺失、查找闪络故障点等人工巡检难以发现的缺陷，可与直升机和人工巡检方式协同配合，成为线路运检技术发展的重点方向之一。另外，依托无人机平台开展导线除异物、工具传递、复合绝缘子憎水性检测等辅助检修作业逐渐增多，有效减轻了作业人员劳动强度，提高了检修效率，确保了检修作业安全。现有验电器在平原地区使用不受限制，但线路跨越河流、山谷等区域作业人员无法抵达或杆塔，另外，在线路高度提升时非接触式验电器无法正常使用。

现今，绝大多数变电站无人机巡检多为手动控制飞行，飞行过程中的安全把控基本取决于操作人员的技术水平，无法有效保证巡检任务的顺利完成和巡检工作的安全性。针对少数的自动飞行控制，也没有成熟的针对变电站行业的自主飞行方案，例如：目前的无人机避障、自主飞行等技术，基本都是针对个人用户及航空摄影等用户市场的，没有任何针对变电站无人机精细化巡检的自主飞行方案。另外，变电站巡检工作的工作内容周期性强、安全要求高，但现有技术无法达到针对变电站无人机的精细化巡检工作中所具有的内容周期性高、内容变化较小、以及对整个各个环节的精细度和高安全性需求等特征。

因此，现有技术中，无论是人工手动操作，还是依赖无人机平台的自组飞行功能，自主巡检的高精度检测效果和安全性都无法达到变电站精细巡检的要求。

为了解决上述现有技术中的技术问题，本发明提出了一种用于变电站的无人机自主巡检方法和系统。该方法和系统先利用高精度的激光雷达巡检过程，对当前变电站进行全方位的激光雷达扫描，构建关于当前变电站的三维激光雷达点云模型，并借助RTK高精度定位技术将三维模型中的每个点标注有准确的定位信息；而后，对模型中的各个设备进行识别，并完成以架构设备上的关键特征点为主线、其他设备(当前变电站内所需检测的除关键特征点的设备外的所有设备)为辅航线的航线规划处理，得到航线最短的线路。另外，由于在规划出飞行航线后，还需要获取当前变电站内各个设备的电磁辐射数据，进一步将飞行航线进行优化，得到检测每个设备时所对应的最佳的飞行高度和相应的图像采集设备的采集角度(采集设备在巡检过程中使用)，得到针对当前变电站的自主飞行巡检计划。

进一步，在后续的正式巡检过程中，根据当前变电站的巡检任务需求，在巡检到相应设备前，均需要按照飞行巡检计划中针对当前设备进行检测时的按飞行高度和采集角度对无人机进行调整，而后再采集检测当前设备所需的图像，利用预设的变电站巡检目标识别模型来对关于当前设备的图像进行分析，得到当前设备的包括类别和故障诊断在内的巡检结果，以在按照预设的航线将航线内所有巡检任务需求中所涉及的所有巡检目标进行检测并返回到航线终点后，结束本次自动巡检任务。

这样，首先，本发明利用高精度定位技术、并结合主体线路加辅助线路的方式得到了精细化的巡检航线。其次，本发明在飞行巡检计划中加入了参考当前变电站内每个设备的电磁辐射数据得到最佳飞行高度和采集设备采集角度来提高巡检过程的安全性。另外，在巡检过程中，利用预设的端到端的变电站巡检目标识别模型对待检测设备进行检测，不但提高了检测效率还提高了检测的准确性。需要说明的是，本发明实施例中所述的无人机优选为带有RTK高精度悬停多旋翼无人机。

实施例一

图1为本申请实施例的用于变电站的无人机巡检方法的步骤图。如图1所示，步骤S110对当前变电站进行激光雷达巡检，(无人机内的)巡检计划规划子系统510获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划。其中，飞行巡检计划包括规划好的针对当前变电站的飞行航线。而后，步骤S120(无人机内的)自主巡检子系统520确定当前变电站内所有待检测设备，由无人机飞行平台控制无人机按照上述步骤S110生成的飞行巡检计划内规划好的航线飞行，在无人机实时到达相应的待检测设备对应的巡检位置时，采集当前含有待检测设备在内的变电站图像，利用预设的变电站巡检目标识别模型，识别图像中的巡检目标类别和故障类别，从而完成对当前变电站的自主巡检任务。

具体地，在步骤S110中，通过利用无人机内的设置的激光雷达设备，对当前变电站进行全方位的扫描，构建包含有当前变电站内各个设备的三维激光雷达模型，得到相应的三维激光雷达点云数据。由于无人机内的巡检计划规划子系统510内设置有RTK接收机，能够实时接收从基站发过来的卫星信号，所述卫星信号由RTK接收机解算后，得到准确的实时无人机定位信息。此时，巡检计划规划子系统510根据实时的无人机定位信息，并结合三维激光雷达点云数据，得到每个点都含有定位信息的三维激光雷达点云数据。因此，在本发明实施例中，巡检计划规划子系统510所构建的三维激光雷达模型结合了RTK高精度定位技术，得到的三维激光雷达点云数据中每个点都含有高精度的定位信息。

图2为本申请实施例的用于变电站的无人机巡检方法的计划规划步骤的第一流程图。下面结合图1和图2，对本发明实施例中所述的计划规划步骤的具体过程进行说明。具体地，步骤S1101通过激光雷达设备对当前变电站进行全方位的扫描，构建包含有当前变电站内各个待检测设备的三维激光雷达模型，结合RTK定位技术，得到相应的三维激光雷达点云数据。而后，步骤S1102利用点云图像处理技术，从三维激光雷达点云数据中识别出当前变电站内分布于不同位置处的各个(站内)设备所属的设备类型，形成为变电站平面图，并在变电站平面图上将相应设备对应的设备标识按类别进行标注。其中，设备类型选自架构主体、架构连接金具、架构绝缘子、线夹、避雷针、主变、流变、母变等高空设备(参考下述表1)中的一种。

接着，步骤S1103获取并解析当前变电站巡检任务的任务需求，解析出当前变电站内的所有的关键特征点和所有的重点巡检目标，并将各个关键特征点和每个重点巡检目标在上述变电站平面图中进行标记。其中，在本发明实施例中，当前变电站内每个关键特征点和每个重点巡检目标均可作为上述待检测设备。最后，步骤S1104根据标记所有关键特征点和所有重点巡检目标的变电站平面图，将所有关键特征点和所有重点巡检目标进行飞行顺序排序，并将每个需要检测的关键特征点或重点巡检目标作为当前变电站巡检任务中的待检测设备，以完成针对当前变电站的自主巡检任务的飞行航线规划，得到含有规划好的航线(飞行轨迹)信息的飞行巡检计划。其中，规划好的飞行航线包括按照规划顺序排序的各个待检测设备的定位信息、以及每个待检测设备的类型。

需要说明的是，本发明实施例中的针对当前变电站的所有待检测设备，为当前变电站内的各个关键特征点、和所有的重点巡检目标，是根据不同的任务需求而设置的，对于不同位置的变电站，其中的任务需求中所包含的待检测设备的类型、数量等信息是不同的。另外，针对不同位置的变电站，虽然内部所包含的设备类型、设备分布情况可能相类似，但根据不同的任务需求，并不是变电站内的所有站内设备都是当前变电站的待检测设备，优选地，变电站内的待检测设备，可能是当前变电站内的所有站内设备，也可能是当前变电站内所有站内设备中的部分设备。

进一步，关键特征点为构建飞行线路主体的关键点，通常，在变电站场合下，关键点分布于架构主体上的不同位置的避雷针处；重点巡检目标指的是，针对当前变电站的巡检任务所对应的任务需求中，所涉及的除关键特征点之外的其他需要巡检的设备。

在步骤S120中，本发明所述的变电站巡检目标识别模型，包括目标类别识别模型和目标故障识别模型。其中，目标类别识别模型是利用深度学习模型构建的直接将含有当前待检测设备在内的当前变电站图像作为实时输入信息，到目标类型识别结果作为实时输出信息的端到端的深度学习模型。在构建端到端目标类别识别模型过程中，首先，构建第一深度学习模型，将大量的含有不同类型站内各类站内设备的训练图片作为目标类别识别模型的训练输入数据，并将每幅训练图片对应的站内设备类别作为目标类别识别模型的训练输出数据，对第一深度学习模型中的前端的特征提取层和后端的分类器层进行训练，从而训练出上述端到端目标类别识别模型。

另外，目标故障识别模型是利用深度学习模型构建的直接将含有当前待检测设备在内的当前变电站图像作为实时输入信息，到目标故障识别结果作为实时输出信息的端到端的深度学习模型。在构建端到端目标故障识别模型过程中，首先，构建第二深度学习模型，将大量的含有不同类型站内设备在正常状态的训练图片、以及含有相应类型站内设备在该类型可能出现发生的各重故障信息的训练图片作为目标故障识别模型的训练输入数据，并将每幅训练图片对应的站内设备故障识别结果(无故障、以及故障类别名称)作为目标故障识别模型的训练输出数据，对第二深度学习模型中的前端的特征提取层和后端的分类器层进行训练，从而训练出上述端到端目标故障识别模型。表1为本发明实施例中的站内设备的类型示例以及每种站内设备对应的故障类别示例表。

表1

这样，本发明在完成上述端到端目标类别识别模型和端到端目标故障识别模型，便能够在后期实时的自主巡检过程中，直接利用上述变电站巡检目标识别模型对含有当前设备在内的变电站图像中的设备类别、该设备是否发生故障、发生何种故障进行在线诊断，高效的完成针对当前变电站的自主巡检任务。

此外，本发明中的端到端目标类别识别模型和端到端目标故障识别模型还能够进行定期更新，以对后续实时的自主巡检过程的设备类别方法和故障识别方法进行升级。

图3为本申请实施例的用于变电站的无人机巡检方法中自主巡检步骤的第二流程图。下面结合图1和图3，对本发明实施例中所述的自主巡检步骤的具体过程进行说明。具体地，步骤S1201由自主巡检子系统520内的无人机飞行平台521控制无人机按照步骤S110生成的飞行巡检计划内规划好的航线飞行，并按照规划航线中的规划顺序依次经过当前变电站内的每个重点巡检目标和每个关键特征点(即当前变电站内的每个待检测设备)。步骤S1202在无人机需要对相应的待检测设备进行检测并到达相应巡检位置时，对无人机进行针对当前待检测设备的初始化配置。步骤S1203在完成当前的初始化配置后，由无人机内配置的采集设备来采集当前变电站图像(此时的图像中包括有待检测设备)。步骤S1204由无人机内设置的图像处理模块，利用上述端到端目标类别识别模型对当前图像中的待巡检目标的类型进行识别，得到相应的针对当前待检测设备的目标类型识别结果，而后，进入到步骤S1205中。

步骤S1205将当前目标识别结果与飞行航线中当前位置所对应的设备类型进行比对，若一致，则表示待检测目标(待检测设备)识别成功，从而进入到步骤S1206中。若不一致，则表示当前待检测目标(待检测设备)识别失败，步骤S1209统计针对当前待检测目标识别失败的次数，从而进入到步骤S1210中。步骤S1210判断针对当前待检测目标识别失败的累计次数是否达到预设的识别阈值(在本发明实施例中，该阈值优选为3次)，如果达到，则步骤S1211生成表示未找到当前待检测目标的识别失败记录(其中，识别失败记录含有当前待检测目标的定位信息、和三次采集的变电站图像信息)，返回到步骤S1201中，以控制无人机飞向下一个待检测设备而进行检测。如果针对当前待检测目标识别失败的累计次数未达到上述识别阈值，则返回到步骤S1203中，重新拍照并识别。

步骤S1206继续由图像处理模块利用上述端到端目标故障识别模型对当前图像中的巡检目标的故障类别进行在线诊断，得到相应的针对当前待检测设备的目标故障识别结果，从而进入到步骤S1207中。

步骤S1207由无人机飞行控制模块生成针对当前待检测设备的包括目标类型识别结果和故障类别识别结果(包括正常无故障和故障类别对应的名称)在内的检测结果，而后进入到步骤S1208中。步骤S1208判断当前待检测设备是否为当前巡检任务中所需检测的最后一个目标(重点巡检目标)。如果当前待检测设备是当前巡检任务中所需检测的最后一个目标，则表示对当前自主巡检任务结束，也就是说，在得到所有待检测设备的检测结果后，由无人机飞行控制模块522控制无人机飞行平台521飞行到终点以完成针对当前变电站的本次自主巡检任务。另外，如果当前待检测设备不是当前巡检任务中所需检测的最后一个目标，则返回到步骤S1201中，以控制无人机飞向下一个待检测设备而进行检测，直到完成当前巡检任务中最后一个目标的检测。

实施例二

基于上述实施例一中所述的用于变电站的无人机巡检方法，为了提高该方法在实际应用过程中的巡检安全和巡检精度，还需要在生成航线规划后，在飞行巡检计划中加入对当前变电站内每个待检测设备(待检测设备)进行采集时采集设备所需的最佳飞行高度和最佳采集设备采集角度，来提高后续自主巡检过程的准确性和安全性。图4为本申请实施例的用于变电站的无人机巡检方法的整体流程图。下面结合图1和图4对本发明所述的无人机巡检方法的整体流程进行进一步说明。

步骤S401通过激光雷达设备对当前变电站进行全方位的扫描，构建包含有当前变电站内各个待检测设备的三维激光雷达模型，结合RTK定位技术，得到相应的三维激光雷达点云数据，而后，进入到步骤S402中。步骤S402利用点云图像处理技术，从三维激光雷达点云数据中识别出当前变电站内分布于不同位置处的各个(站内)设备所属的设备类型，形成为变电站平面图，并在变电站平面图上将相应设备对应的设备标识进行标注。

进一步，进入到步骤S403中，步骤S403巡检计划规划子系统510获取并解析当前变电站巡检任务的任务需求，解析出符合当前任务需求的当前变电站内的所有关键特征点和所有的重点巡检目标，并将各个关键特征点和每个重点巡检目标在变电站平面图中进行标记，从而进入到步骤S404。需要说明的是，由于步骤S401～步骤S403分别与上述步骤S1101～步骤S1103相对应，故在此不作赘述。

步骤S404巡检计划规划子系统510从用于表示三维激光雷达点云数据的当前站点平面图中，提取出与当前站点巡检任务需求所涉及的所有关键特征点，并按照每个关键特征点的定位信息，将航线起点、每个关键特征点和航线终点进行排序，完成主体航线规划。其中，在当前主体航线规划过程中，依次对位于航线起点与航线终点之间的每个关键特征点进行航迹标注，以完成对所有关键特征点排序，进而，进入到步骤S405中。

步骤S405巡检计划规划子系统510获取位于每个关键特征点附近的各个重点巡检目标对应的定位信息，判断每个重点巡检目标与其最相关(最近的)的关键特征点或航线起点或航线终点之间是否存在遮挡关系，根据判断结果，对与每个关键特征点相关的各个重点巡检目标进行辅助航线规划。具体地，在依次对每个(需求)关键特征点进行辅助航线规划过程中，都需要按照如下步骤来完成。需要说明的是，在本发明实施例中，辅助航线规划过程中的关键特征点包括当前任务需求所涉及的飞行起点、航线的飞行终点、以及架构设备主体上对于飞行航线的形成影响较大的关键结构点。进一步，确定与各个关键特征点相关的重点巡检目标。

更具体地说，先利用每个重点巡检目标的定位信息、每个关键特征点的定位信息，来计算每个重点巡检目标分别与各个关键特征点之间的距离，选取出当前重点巡检目标距离最近的关键特征点，并将当前重点巡检目标与其最近的关键特征点标记为相关关系，此时，将与每个关键特征点具有相关关系的一个或多个重点巡检目标，确定为与当前关键特征点相关的重点巡检目标。第二步，判断当前关键特征点与每个相关的重点巡检目标之间是否存在障碍物(例如：树木等)、以及各个相关的重点巡检目标之间是否存在障碍物，并将障碍物进行标记。第三步，根据判断结果(障碍物标记结果)，在将当前关键特征点作为起点且飞行到下一个邻近的辅助航线关键特征点的情况下，以最短航线距离并躲过当前障碍物为原则，对每个相关的重点巡检目标依次进行航线标注，生成针对当前辅助航线关键特征点的辅助航线。需要说明的是，下一个邻近的关键特征点指的是，在对每个关键特征点进行排序后形成的主体航线规划结果中，位于当前关键特征点序号的下一个关键特征点。另外，由于航线终点为整个飞行航线中需要降落的点，故在确定与每个关键特征点相关的重点巡检目标时，需要将航线终点从关键特征点中排除，来对剩余的关键特征点进行辅助航线规划，在完成位于航线内所规划的航线终点之前的所有关键特征点的辅助航线规划后，即可结束整个辅助航线规划过程。这样，在完成针对每个(需求)关键特征点和航线起点的辅助航线规划后，进入到步骤S406中。

步骤S406巡检计划规划子系统510根据主体航线规划结果、每个(需求)关键特征点对应的辅助航线规划结果、航线起点对应的辅助航线规划结果，并结合无人机电池续航时间，得到规划好的飞行航线，继而进入到步骤S407中。由于本发明中的关键特征点分布于架构主体上，并且，各个重点巡检目标分布于关键特征点附近，因此，本发明所述的飞行航线规划结果是基于单个架构主体所形成的一条或者多条辅助轨迹的无人机自主飞行轨迹。其中，规划好的飞行航线包括按照规划顺序排序的各个待检测设备的定位信息、以及每个待检测设备的类型。

步骤S407巡检计划规划子系统510获取当前变电站内各个待检测设备的电磁辐射数据，而后进入到步骤S408中。由于变电站内部电磁环境的复杂性，步骤S401还需要利用无人机内部配置的电磁强度采集设备，结合无人机精细化巡检的关键位置点，来获取当前变电站内各个设备的电磁辐射强度数据，进一步，对无人机自主巡检飞行计划内的巡检采集设备的飞行安全距离、数据采集角度位置等信息进行优化，形成最终的无人机自主飞行计划。

步骤S408巡检计划规划子系统510根据步骤S407采集到的各个设备的电磁辐射数据，确定在自主巡检过程中对每个待检测设备进行图像采集时无人机应飞行的最安全巡检位置和相应位置下的采集设备调整参数，用以构成上述飞行巡检计划。在本发明实施例中，上述最安全巡检位置优选为最安全飞行高度。由于在后续的自主巡检过程中，为了保障在针对每个待检测设备进行图像采集时所采集到的含有待检测设备在内的变电站图像，能够准确的被变电站巡检目标识别模型识别出正确率最高的目标类别和目标故障，故需要选取出最佳的图像采集角度。因此，在本发明实施例中，采集设备调整参数优选为采集含有待检测设备在内的变电站图像时对应的最佳的图像采集角度，从而在后续自主巡检过程中，能够快速且准确的确定出目标类别识别结果和目标故障识别结果。需要说明的是，在本发明实施例中，上述所述采集设备为云台摄像头，进一步，采集设备调整角度为云台摄像头的旋转角度。

在上述飞行巡检计划生成后，进入到步骤S409中。步骤S409由自主巡检子系统520内的无人机飞行控制模块522控制无人机按照飞行巡检计划内规划好的(飞行)航线飞行，并按照规划航线中的规划顺序依次经过当前变电站内的每个重点巡检目标和每个关键特征点，也就是说，经过每个待检测设备，而后进入到步骤S410中。

步骤S410在无人机需要对相应的待检测设备进行检测(识别到相应的待检测设备)，并到达相应定位位置时，对无人机进行针对当前待检测设备的初始化配置，使得当前无人机到达针对当前待检测设备的巡检位置，并且使得当前无人机内的云台摄像头的采集角度调整到最佳角度。具体地，在采集当前变电站图像之前，还需要在无人机到达相应的待检测设备对应的位置时，按照当前采集设备调整参数对无人机内的采集设备角度进行调节，并控制无人机到达当前巡检位置处。更进一步地说，从上述飞行巡检计划中，提取出针对当前待检测设备的最安全巡检点位置信息、以及对应的采集设备调整参数，由无人机飞行控制模块522控制无人机飞行平台521将当前飞行高度调整为与当前最安全巡检点位置信息相符的安全飞行高度，并且由无人机飞行控制模块522控制采集设备523将当前云台角度调整为与当前采集设备调整参数相符的角度，从而完成针对当前待检测设备的无人机初始化配置操作，以进入到步骤S411中。

步骤S411在完成当前的初始化配置后，由无人机内配置的采集设备523来采集当前变电站图像(此时的图像中包括有待检测设备)。步骤S412由无人机内设置的图像处理模块524，利用上述端到端目标类别识别模型对当前图像中的待巡检目标的类型进行识别，得到相应的针对当前待检测设备的目标类型识别结果，而后，进入到步骤S413中。

步骤S413由无人机飞行控制模块522将当前目标识别结果与飞行航线中当前位置所对应的设备类型进行比对，若一致，则表示待检测目标(待检测设备)识别成功，从而进入到步骤S414中。若不一致，则表示当前待检测目标(待检测设备)识别失败，步骤S418由无人机飞行控制模块522统计针对当前待见目标识别失败的次数，从而进入到步骤S419中。步骤S419由无人机飞行控制模块522判断针对当前待检测目标识别失败的累计次数是否达到预设的识别阈值(在本发明实施例中，该阈值优选为3次)，如果达到，则步骤S420由无人机飞行控制模块522生成表示未找到当前待检测目标的识别失败记录(其中，识别失败记录含有当前待检测目标的定位信息、和三次采集的变电站图像信息)，返回到步骤S409中，以控制无人机飞向下一个待检测设备而进行检测。如果针对当前待检测目标识别失败的累计次数未达到上述识别阈值，则返回到步骤S411中，重新拍照并识别。

步骤S414继续由图像处理模块524利用上述端到端目标故障识别模型，对当前图像中的巡检目标的故障类别进行在线诊断，得到相应的针对当前待检测设备的目标故障识别结果，从而进入到步骤S415中。步骤S415由无人机飞行控制模块522根据目标故障识别结果，判断当前待检测设备是否发生故障，在当前故障识别结果为无故障时，实时生成表示针对当前待检测设备的检测结果信息，并立即从当前步骤S415跳转至步骤S417中。在当前故障识别结果为故障状态时，进入到步骤S416。其中，检测结果信息包括：检测完成时间、待检测设备的定位位置信息、待检测设备在线识别结果和待检测设备的故障识别结果。

步骤S416由无人机飞行控制模块522输出当前故障类别信息，并生成含有当前故障类别信息在内的故障警示信息(检测结果)，以将故障警示信息进行时间和定位位置标注后存储于无人机内的相应故障存储空间内，从而进入到步骤S417中。

步骤S417由无人机飞行控制模块522判断当前待检测设备是否为当前巡检任务中所需检测的最后一个目标(重点巡检目标)。如果当前待检测设备是当前巡检任务中所需检测的最后一个目标，则表示对当前自主巡检任务结束，也就是说，在得到所有待检测设备的检测结果后，需要由无人机飞行控制模块522控制无人机飞行平台521飞行到航线终点，从而完成针对当前变电站的本次自主巡检任务。另外，如果当前待检测设备不是当前巡检任务中所需检测的最后一个目标，则返回到步骤S409中，以控制当前无人机飞行到下一个待检测设备进行检测，直到完成当前巡检任务中最后一个目标的检测。

实施例三

另一方面，基于上述实施例一和/或实施例二所述的用于变电站的无人机巡检方法，还提出了一种用于变电站的无人机巡检系统，该系统执行上述无人机巡检方法。图5为本申请实施例的用于变电站的无人机巡检系统的结构示意图。如图5所示，本发明实施例中所述的无人机巡检系统包括：巡检计划规划子系统510和自主巡检子系统520。

其中，巡检计划规划子系统510按照上述步骤S110所述的方法实施，配置为对当前变电站进行激光雷达巡检，获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划。其中，飞行巡检计划包括规划好的航线。自主巡检子系统520按照上述步骤S120所述的方法实施，配置为获取当前变电站内所有待检测设备，由无人机飞行平台控制无人机按照上述航线飞行，在无人机到达待检测设备对应的定位位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别所述图像中的巡检目标类别和故障类别，从而完成对当前变电站的自主巡检任务。

上述巡检计划规划子系统510，包括：关键点航线规划模块511、重点目标航线规划模块512和飞行计划生成模块513。具体地，关键点航线规划模块511，配置为从三维激光雷达点云数据中提取关键特征点，并按照每个关键特征点的定位信息进行主体航线规划。重点目标航线规划模块512，配置为获取位于关键特征点附近的各个重点巡检目标对应的定位信息，判断每个重点巡检目标与其最相关的关键特征点之间是否存在遮挡关系，根据判断结果，对与每个关键特征点相关的各个重点巡检目标进行辅助航线规划。飞行计划生成模块513，配置为用于根据主体航线规划结果、以及每个辅助航线规划结果，得到规划好的符合当前任务需求的航线。进一步，飞行计划生成模块513，还配置为获得当前变电站内各个设备的电磁辐射数据，而后，根据电磁辐射数据，确定在自主巡检过程中对每个待检测设备进行图像采集时所对应的巡检位置和相应位置下的采集设备调整参数，用以构成飞行巡检计划。

上述自主巡检子系统520，包括：无人机飞行平台521、无人机飞行控制模块522、采集设备523和图像处理模块524。其中，无人机飞行平台521配置为执行飞行操作的部件。无人机飞行控制模块522配置为利用当前航线对无人机飞行平台521进行飞行控制，使得无人机按照当前航线轨迹飞行，并依次经过航线中每个待检测设备，以及在无人机需要对相应的待检测设备进行检测时，控制无人机飞行平台521和采集设备523完成无人机初始化配置，在得到所有待检测设备的检测结果后，完成变电站的自主巡检任务。采集设备523为云台摄像头，配置为在对无人机进行初始化配置后，采集当前变电站图像。图像处理模块524，其配置为获取当前变电站图像，先利用预设的端到端目标类别识别模型对当前图像中的巡检目标的类型进行识别，再利用预设的端到端目标故障识别模型对当前图像中的巡检目标的故障进行在线诊断，生成相应的针对当前待检测设备的检测结果。

本发明提出了一种用于变电站的无人机自主巡检方法及系统。该方法和系统能够生成精细化的飞行巡检计划，针对满足当前巡检任务需求的重点巡检目标的最佳拍摄的高度和角度都能进行最优化设置，并尽量保证每次拍摄的标准一致，从而大大提高巡检效率、巡检安全和图像识别的准确率。进一步，利用变电站巡检目标识别模型可针对行业巡检需求来定制关于变电站站内设备的图像识别算法，满足自主巡检任务的在线诊断精度，真正解决行业特殊需求，同时，适应各类特定情况和后续调整升级。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种用于变电站的无人机巡检方法，其特征在于，包括：

计划规划步骤、对所述变电站进行激光雷达巡检，获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划，所述飞行巡检计划包括规划好的航线；

自主巡检步骤、由无人机飞行平台控制所述无人机按照所述航线飞行，在所述无人机到达所述待检测设备对应的巡检位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别所述图像中的巡检目标类别和故障类别，从而完成针对所述变电站的自主巡检任务。

2.根据权利要求1所述的无人机巡检方法，其特征在于，在所述计划规划步骤中，还包括：

从所述三维激光雷达点云数据中提取关键特征点，并按照每个所述关键特征点的定位信息进行主体航线规划；

获取位于所述关键特征点附近的各个重点巡检目标对应的定位信息，判断所述重点巡检目标与其最相关的所述关键特征点之间是否存在遮挡关系，根据所述判断结果，对与每个所述关键特征点相关的各个所述重点巡检目标进行辅助航线规划；

根据主体航线规划结果、以及每个辅助航线规划结果，得到所述航线。

3.根据权利要求2所述的无人机巡检方法，其特征在于，进一步，

在主体航线规划过程中，依次对每个所述关键特征点进行航迹标注；

在依次对每个所述关键特征点进行辅助航线规划过程中，包括：

确定与当前所述关键特征点相关的重点巡检目标；

判断每个所述相关的重点巡检目标与该关键特征点之间、以及各个所述相关的重点巡检目标之间是否存在障碍物；

根据判断结果，在将当前所述关键特征点作为起点且飞行到下一个邻近的所述关键特征点的情况下，以最短航线距离对每个所述相关的重点巡检目标进行航线标注，生成相应的辅助航线。

4.根据权利要求1～3中任一项所述的无人机巡检方法，其特征在于，在所述计划规划步骤中，还包括：

获得所述变电站内各个设备的电磁辐射数据；

根据所述电磁辐射数据，确定在自主巡检过程中对每个所述待检测设备进行图像采集时所对应的所述巡检位置和相应位置下的采集设备调整参数，用以构成所述飞行巡检计划。

5.根据权利要求4所述的无人机巡检方法，其特征在于，所述飞行巡检计划还包括每个所述待检测设备对应的所述巡检位置和所述采集设备调整参数，其中，在采集当前变电站图像之前，还包括：

在到达相应的所述待检测设备对应的所述巡检位置时，按照所述采集设备调整参数对所述无人机内采集设备的角度进行调节并控制所述无人机到达当前巡检位置处，以完成无人机初始化配置。

6.根据权利要求1～5中任一项所述的无人机巡检方法，其特征在于，在所述自主巡检步骤中，包括：

所述无人机按照所述航线飞行，并依次经过所述航线中每个所述待检测设备；

在所述无人机需要对相应的所述待检测设备进行检测时，在对所述无人机进行初始化配置后，采集所述当前变电站图像，先利用预设的端到端目标类别识别模型对所述图像中的巡检目标的设备类型进行识别，再利用预设的端到端目标故障识别模型对所述图像中的巡检目标的故障类别进行在线诊断，生成相应的针对当前待检测设备的检测结果；

在得到所有所述待检测设备的检测结果后，控制所述无人机飞行到终点以完成所述变电站的自主巡检任务。

7.一种用于变电站的无人机巡检系统，其特征在于，所述系统执行如权利要求1～6中任一项所述的无人机巡检方法，所述系统包括：

巡检计划规划子系统，其用于对所述变电站进行激光雷达巡检，获取含有变电站内各个待检测设备信息的三维激光雷达点云数据，基于此，生成飞行巡检计划，所述飞行巡检计划包括规划好的航线；

自主巡检子系统，其用于由无人机飞行平台控制所述无人机按照所述航线飞行，在所述无人机到达所述待检测设备对应的巡检位置时，采集当前含有待检测设备的变电站图像，利用预设的变电站巡检目标识别模型，识别所述图像中的巡检目标类别和故障类别，从而完成针对所述变电站的自主巡检任务。

8.根据权利要求7所述的无人机巡检系统，其特征在于，所述巡检计划规划子系统，包括：

关键点航线规划模块，其用于从所述三维激光雷达点云数据中提取关键特征点，并按照每个所述关键特征点的定位信息进行主体航线规划；

重点目标航线规划模块，其用于获取位于所述关键特征点附近的各个重点巡检目标对应的定位信息，判断所述重点巡检目标与其最相关的所述关键特征点之间是否存在遮挡关系，根据所述判断结果，对与每个所述关键特征点相关的各个所述重点巡检目标进行辅助航线规划；

飞行计划生成模块，其用于根据主体航线规划结果、以及每个辅助航线规划结果，得到所述航线。

9.根据权利要求8所述的无人机巡检系统，其特征在于，

所述飞行计划生成模块，其进一步用于获得所述变电站内各个设备的电磁辐射数据，而后，根据所述电磁辐射数据，确定在自主巡检过程中对每个所述待检测设备进行图像采集时所对应的所述巡检位置和相应位置下的采集设备调整参数，用以构成所述飞行巡检计划。

10.根据权利要求7～9中任一项所述的无人机巡检系统，其特征在于，所述自主巡检子系统，包括：

无人机飞行平台；

无人机飞行控制模块，其用于利用所述航线对所述无人机飞行平台进行飞行控制，使得所述无人机按照所述航线飞行，并依次经过所述航线中每个所述待检测设备，以及在所述无人机需要对相应的所述待检测设备进行检测时，控制所述无人机飞行平台和采集设备完成无人机初始化配置，在得到所有所述待检测设备的检测结果后，完成所述变电站的自主巡检任务；

所述采集设备，其用于在对所述无人机进行初始化配置后，采集所述当前变电站图像；

图像处理模块，其用于获取所述当前变电站图像，先利用预设的端到端目标类别识别模型对所述图像中的巡检目标的类型进行识别，再利用预设的端到端目标故障识别模型对所述图像中的巡检目标的故障类别进行在线诊断，生成相应的针对当前所述待检测设备的检测结果。

Images