CN113091745A - 一种水库消落带的无人机巡航路线规划方法及系统 - Google Patents
一种水库消落带的无人机巡航路线规划方法及系统 Download PDFInfo
- Publication number
- CN113091745A CN113091745A CN202110367567.2A CN202110367567A CN113091745A CN 113091745 A CN113091745 A CN 113091745A CN 202110367567 A CN202110367567 A CN 202110367567A CN 113091745 A CN113091745 A CN 113091745A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- reservoir
- determining
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种水库消落带下的无人机巡航路线规划方法及系统。该方法包括:获取无人机巡检的地形数据以及水库的设计参数数据;根据无人机巡检的地形数据以及水库的设计参数数据划分重点区域以及特殊区域;根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;对每个区域进行风险评估,确定每个区域的风险值;根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理;将初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在最大迭代次数以内的最优飞行路径;根据最优飞行路径进行非常规巡检以及进行常规巡检。本发明提高了水库边坡巡检效率。
Description
技术领域
本发明涉及水库边坡巡检领域,特别是涉及一种水库消落带下的无人机巡航路线规划方法及系统。
背景技术
中国小型水库数量多,且存在工程标准偏低,建设质量较差,老化失修严重,配套设施不全的等问题,部分存在严重的渗漏隐患。此外,在水库日常的运行中,库岸边坡除了在地质演化过程中形成的天然裂隙和短处、节理等地质不连续结构面外,由于开挖、灌浆以及蓄水的影响,产生了一些人工的裂缝。这些裂缝若不及时处理,将会引发库岸滑坡,而且成规模的库岸滑坡对库区和下游的影响往往是灾难性的。
消落带又称为水位涨落带、消涨带、消落带等,是指河流、湖泊、水库中由于季节性水位涨落,而使被水淹没的土地周期性出露水面,成为陆地的一段特殊区域。在目前水电站运行管理中,主要采用人工乘船开展库岸稳定巡检,不仅工作量大,耗时费力且巡航效果不理想,且不利于在周期内多次勘察,而且人工巡检在工作时很难有全局的概念,难免出现遗漏、不够全面等问题。此外,人工巡检难以获得距离水面3m以上的岸坡资料,对于水位变幅较大的区域,更是如此,无法满足普检到位的要求。目前常用的监测技术需要在该区域大规模布设位移监测传感器,也容易受到水体升降、风浪冲蚀等条件破坏,需要增加较多成本。相较与人工巡检,通过无人机上的传感器,可提供调查区域的完整图片,也能在固定周期内进行多次巡检,因此无人机巡检可视为有效的监测设备。
近年来,无人机技术发展迅速,由于其灵活、快速以及不受地形环境等条件制约的特点,被广泛的应用于大比例尺测绘,工程勘察等方面。将无人机应用于水库地形测量、边坡勘探可以很好地解决水库等水利工程由于区域覆盖面广、环境复杂、水位徒涨陡落所造成的巡航里程大、频率高和不及时等问题。
目前,使用无人机进行巡检时,常常采用遥控的方式,但由于库区范围大,环境复杂,使得通过节点传播的无线信号容易被水体、山体和植被等吸收,信号衰减厉害,容易对无人机的飞行造成影响。另外,通过导入DEM数据,自动生成巡检路径的方法,因为DEM的精度不够,也难以达到巡检的要求,此外,在使用无人机巡检时,常需要其进行悬停、转弯、垂直运动、俯仰运动等操作,人工操作难度大,若操作不当易造成无人机损坏,导致数据丢失。无人机在巡航时也受常到自身条件的限制,如无人机巡视易受到电池容量、飞行稳定性较差、机动性能较差等因素的制约。因此,如何优化无人机的巡航路线使其尽可能的收集信息变得十分重要。。
近年来,研究者提出可各种各样的无人机路线优化模型,如通过对偶拓扑收取的方法,将需要监测的区域转化为节点,将无人机的路线优化问题转化为旅行商问题;或是假定在某些区域沿着坡面飞行,其余区域仅是直线低空飞行的方法。由于库岸边坡以及水位涨落的存在,直接应用上述的方法是不可行的。
目前,在库岸稳定巡检工作中,也有部分使用无人机进行巡检,但使用的无人机重量大,飞行时间段,巡航范围小,一般不能完成巡检任务或是需要频繁的起降和补给。此外,无人机没有进行专门的路径规划,巡检路线随意,没有充分利用巡航区域现有的地理信息数据和设计数据,科学性系统性较差,监测针对性弱,无法充分发挥无人机巡检的优势。
针对目前库岸巡检过程中特别是在针对水库消落带的巡检不充分和巡检效率低下的问题,亟需一种水库消落带下的无人机巡航路线规划方法或系统以达到高效巡检库岸的目的。
发明内容
本发明的目的是提供一种水库消落带下的无人机巡航路线规划方法及系统,提高水库边坡巡检效率。
为实现上述目的,本发明提供了如下方案:
一种水库消落带下的无人机巡航路线规划方法,包括:
获取无人机巡检的地形数据以及水库的设计参数数据;
根据所述无人机巡检的地形数据以及所述水库的设计参数数据将库区划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;
根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;
将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。
可选的,根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径,具体包括:
根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
对所述无人机路径进行初始化,确定B样条曲线的控制点;
根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
可选的,所述对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值,具体包括:
根据所述常规巡检获取巡检图像;
根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。
可选的,所述将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径,具体包括:
将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
可选的,所述常规巡检的巡航频率小于所述非常规巡检的巡航频率。
一种水库消落带下的无人机巡航路线规划系统,包括:
数据获取模块,用于获取无人机巡检的地形数据以及水库的设计参数数据;
区域划分模块,用于根据所述无人机巡检的地形数据以及所述水库的设计参数数据将库区划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;
路径处理分析模块,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
风险值确定模块,用于对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
遍历连通模块,用于根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;
最优飞行路径确定模块,用于将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
遍历飞行模块,用于根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。
可选的,所述路径处理分析模块具体包括:
最大迭代次数和无人机路径的参数确定单元,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
控制点确定单元,用于对所述无人机路径进行初始化,确定B样条曲线的控制点;
初始路径确定单元,用于根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
可选的,所述风险值确定模块具体包括:
巡检图像获取单元,用于根据所述常规巡检获取巡检图像;
风险值确定单元,用于根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。
可选的,所述最优飞行路径确定模块具体包括:
成本函数确定单元,用于将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
更新单元,用于根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
最优飞行路径确定单元,用于利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种水库消落带的无人机巡航路线规划方法及系统,通过确定的最优飞行路径进行非常规巡检以及根据无人机直飞的方法,对整个水库库区进行巡检的常规巡检,实现库区巡检;此外,将水库划分重点区域和特殊区域,通过差异化巡检,将巡检区域和巡检频率与所面临的风险相匹配;并且巡检返回区域划分的步骤及时调整巡检区域和巡检频率,此外,根据巡检结果,及时更新巡检区域实现巡检路径规划的动态调整,能够提高巡航效率,并有效降低以往人工巡检所带来的效率低、巡检不充分的问题。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种水库消落带下的无人机巡航路线规划方法流程示意图;
图2为本发明所提供的一种水库消落带下的无人机巡航路线规划系统结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
本发明的目的是提供一种水库消落带下的无人机巡航路线规划方法及系统,提高水库边坡巡检效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种水库消落带下的无人机巡航路线规划方法流程示意图,如图1所示,本发明所提供的一种水库消落带下的无人机巡航路线规划方法,包括:
S101,获取无人机巡检的地形数据以及水库的设计参数数据;
S102,根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;重点区域,记个数为N;特殊区域,记个数为M。
在划分区域之前,将所述水库的设计参数数据转化为用以无人机识别的数据。
对上述区域进行进行编号,分别记为Ni和Mj,其中i、j为变量,分别表示第i、j个区域,注意,若两个区域有重叠,则合并该区域。
S103,根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
所述环境地图可以用栅格表示法表示,即通过离散化的栅格来近似连续的地图空间,将地图划分为大小相等的栅格,每个栅格对应真实环境的一个区域。栅格状态分为两种空闲和占据,分别表示环境中的非常规巡检区域和常规巡检区域。因为栅格是被坐标化的,所以只需要将数列的值,在库区坐标之间转化即可实现分区定位。
S103具体包括:
根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
对所述无人机路径进行初始化,确定B样条曲线的控制点;
所述B样条曲线的构建方法为:假定存在m+n+1个控制点,则可构建m条n次B样条曲线为:Ck,n(t)=∑pr+kGr,n(t),其中Ck,n(t)表示得到的第k条B样条曲线,k=1,2,……,m,t∈[0,1],,pr+k为第k条中的第r个控制点,r=0,1,…,n,Gr,n(t)为B样条曲线的基函数。
S104,对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
S104具体包括:
根据所述常规巡检获取巡检图像;
根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。通过常规巡检达到扩充非常规巡检中的巡检区域的目的,最终实现最佳巡检路径的动态更新的目的。由于风险的强度和大小很难进行明确的界定。故采用模糊综合评价法将项目风险大小用模糊子集进行表达,利用隶属度及模糊推理的概念对风险因素进行排序。
模糊层次分析法步骤如下:
(1)建立模糊一致性矩阵。通过分析选取高程、坡度、降雨量和水位4项评。
价指标来评价区域风险值大小。比较尺度为1~9。所述的比较尺度,分值越大,说明第i个因素相对于第j个因素的影响越强,如表1所示。
表1
尺度 | 含义 |
1 | 第i个因素与第j个因素的影响相同 |
3 | 第i个因素比第j个因素的影响稍强 |
5 | 第i个因素比第j个因素的影响强 |
7 | 第i个因素比第j个因素的影响明显强 |
9 | 第i个因素比第j个因素的影响绝对地强 |
2,4,6,8表示第i个因素相对于第j个因素的影响介于上述两个相邻等级之间。
所述模糊矩阵D,可用如下公式表示:
式中dij(i=1,2,3,4;j=1,2,3,4),dij反映i,j的对应评价指标对库区风险影响程度的大小之比。
(2)获取权重矩阵W。对模糊矩阵D进行模糊一致性检验;对模糊矩阵D的每一行向量进行归一化处理,然后再按照行求和,得到权重矩阵W。对应的计算式为:
式中:wij表示矩阵wij中某一值等于其对应dij除以该4个dij之和。
对归一化处理后的结果wij按行求和,可得矩阵wi。
再对wi进行归一化处理,可得到矩阵wi:
式中:Wi为Wi除以矩阵Wi中各行之和后所构成的矩阵。
则所求的评价指标的权重为:
W=Wi={W1,W2,W3,W4}T
(3)计算隶属函数,构建隶属度矩阵R。隶属函数可根据“梯形分布”函数确定。
(4)推求风险性模糊评价结果B,确定区域风险值。通过权重矩阵W和隶属度矩阵R推求模糊评价结果B,计算式为:
B=W×R
记B={b1,b2,...,bm},其中bj表示被评价对象对应评价等级vj的隶属度。
根据最大隶属度原则:
Vj0=max{bj:1≤j≤m}
则等级Vj0就是最终评价结果的等级。
按照地质灾害的分级标准,将风险等级分为一级、二级、三级和四级划分,等级越大区域所承受的风险越低,并赋予相应的分值,即为风险值。
此外,建立每次评价后的风险值数据库,在对新增区域进行模糊评价之前,保存前一次的评估结果,即只更新新增的巡检区域的风险值。
S105,根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;即根据风险值的大小对区域进行降序排序,根据数值大小划分为1到4级,用Pi表示风险,其中i越小,代表区域等风险等级越大。
将上述的排序后的重点区域和排序后的特殊区域进行邻近节点的最短距离的遍历连通处理,结合优化后得到的巡检路径形成连通图。
采用深度优先原理对所述路径进行遍历。首先,假定所有的区域均未曾被访问,以起点O为出发点,并标记为已访问过;然后依次从O出发搜索O的每个连接点W。若W未曾访问过,则以W为新的出发点继续进行深度优先遍历,直到库区中所有从起点O到终点T有路径相同的区域均已被访问为止。
深度优先遍历法步骤如下:
(1)初始化堆栈,将起点设置为已访问,将其入栈;
(2)查看栈顶节点I连通图中,有没有可以到达、且没有入栈以及没有从该节点出发访问过的节点;
(3)如果有,则将找到这个节点入栈;
(4)如果没有则将节点I访问到下一个节点中集合每个元素赋值为零,I出栈;
(5)当栈顶元素为终点时,设置终点没有被访问过,输出栈中元素,弹出栈顶节点;
(6)重复流程2—5,直到栈中元素为空。
通过上述方法,可以得到连通图中所有从起点至终点的所有路径。
根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
S106,将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
S106具体包括:
将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
作为一个可执行的方案,根据初始路径的可飞行性、安全性和风险等级作为优化目标设计成本函数,并初始化优化目标权重和迭代次数。
根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
所述可飞行性的优化目标包括地形高度、最大曲率、最大爬坡和下降角度和每个巡航点的基本监测时间;经济性优化目标包括飞行总里程和总飞行时间;
所述成本函数为:其中,fi表示地形高度、最大曲率、最大爬坡、下降角度、巡航点基本监测时间、飞行总里程和总飞行时间,i=1,2…,7,ωi为fi相应的优化目标权重。所述采用全局头脑风暴法进行路径规划的实现步骤如下:
(1)初始化全局头脑风暴法的参数,根据种群个数初始化种群聚类个数;
(2)进行循环优化迭代,产生新个体以及相应路径;
(3)根据新个体产生的路径信息计算成本函数,若新个体的成本函数小于原个体的成本函数值,则将新个体替换原个体,否则保持不变;
(4)循环(2)、(3)步骤直到达到最大迭代次数,得到最优路径。
S107,根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。所述常规巡检的巡航频率小于所述非常规巡检的巡航频率。
将常规巡检的巡检结果返回至所述区域划分的步骤中,实现对巡检区域的动态扩充、更新。
常规模式是非常规模式的基础,并为非常规模式的巡检路线的动态调整的实现提供数据支撑。
常规模式是根据常规巡检路线进行巡检的模式,即直接对库区四周进行环绕巡检的方法,通过遍历整个库岸边坡,来达到巡检的目的。
图2为本发明所提供的一种水库消落带下的无人机巡航路线规划系统结构示意图,如图2所示,本发明所提供的一种水库消落带下的无人机巡航路线规划系统,包括:
数据获取模块201,用于获取无人机巡检的地形数据以及水库的设计参数数据;
区域划分模块202,用于根根据所述无人机巡检的地形数据以及所述水库的设计参数数据将库区划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;
路径处理分析模块203,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
风险值确定模块204,用于对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
遍历连通模块205,用于根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;
最优飞行路径确定模块206,用于将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
遍历飞行模块207,用于根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。
所述路径处理分析模块203具体包括:
最大迭代次数和无人机路径的参数确定单元,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
控制点确定单元,用于对所述无人机路径进行初始化,确定B样条曲线的控制点;
初始路径确定单元,用于根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
所述风险值确定模块204具体包括:
巡检图像获取单元,用于根据所述常规巡检获取巡检图像;
风险值确定单元,用于根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。
所述最优飞行路径确定模块206具体包括:
成本函数确定单元,用于将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
更新单元,用于根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
最优飞行路径确定单元,用于利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种水库消落带下的无人机巡航路线规划方法,其特征在于,包括:
获取无人机巡检的地形数据以及水库的设计参数数据;
根据所述无人机巡检的地形数据以及所述水库的设计参数数据将库区划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;
根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;
将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。
2.根据权利要求1所述的一种水库消落带下的无人机巡航路线规划方法,其特征在于,根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径,具体包括:
根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
对所述无人机路径进行初始化,确定B样条曲线的控制点;
根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
3.根据权利要求1所述的一种水库消落带下的无人机巡航路线规划方法,其特征在于,所述对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值,具体包括:
根据所述常规巡检获取巡检图像;
根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。
4.根据权利要求1所述的一种水库消落带下的无人机巡航路线规划方法,其特征在于,所述将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径,具体包括:
将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
5.根据权利要求1所述的一种水库消落带下的无人机巡航路线规划方法,其特征在于,所述常规巡检的巡航频率小于所述非常规巡检的巡航频率。
6.一种水库消落带下的无人机巡航路线规划系统,其特征在于,包括:
数据获取模块,用于获取无人机巡检的地形数据以及水库的设计参数数据;
区域划分模块,用于根据所述无人机巡检的地形数据以及所述水库的设计参数数据将库区划分重点区域以及特殊区域;所述重点区域为已发生过滑坡的区域和设计参数数据中圈定的危险区域;所述特殊区域为在水库消落带范围内周期性露出地表的区域;
路径处理分析模块,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数以及初始路径;
风险值确定模块,用于对所述重点区域以及所述特殊区域进行风险评估,确定每个区域的风险值;
遍历连通模块,用于根据风险值对所有的区域进行排序,并将排序后的区域进行连通处理,确定连通图;
最优飞行路径确定模块,用于将所述初始路径作为优化目标确定成本函数,并利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径;
遍历飞行模块,用于根据所述最优飞行路径进行非常规巡检,同时根据所述水库的库区的边界,采用无人机直飞的方法进行常规巡检,得到常规巡检的巡检结果;并根据常规巡检的巡检结果返回所述根据所述无人机巡检的地形数据以及所述水库的设计参数数据划分重点区域以及特殊区域的步骤。
7.根据权利要求6所述的一种水库消落带下的无人机巡航路线规划系统,其特征在于,所述路径处理分析模块具体包括:
最大迭代次数和无人机路径的参数确定单元,用于根据水库的初始化环境地图和无人机自身参数确定最大迭代次数和无人机路径的参数;所述无人机路径的参数包括:无人机路径的起点和终点、最大曲率以及下降角度;
控制点确定单元,用于对所述无人机路径进行初始化,确定B样条曲线的控制点;
初始路径确定单元,用于根据所述控制点确定遍历所有区域的由起始点到终点的初始路径。
8.根据权利要求6所述的一种水库消落带下的无人机巡航路线规划系统,其特征在于,所述风险值确定模块具体包括:
巡检图像获取单元,用于根据所述常规巡检获取巡检图像;
风险值确定单元,用于根据所述巡检图像,采用专家打分法、模糊综合评价法对所述重点区域以及所述特殊区域的风险评估,确定每个区域的风险值。
9.根据权利要求6所述的一种水库消落带下的无人机巡航路线规划系统,其特征在于,所述最优飞行路径确定模块具体包括:
成本函数确定单元,用于将所述初始路径作为优化目标确定成本函数,并初始化优化目标权重和迭代次数;
更新单元,用于根据所述迭代次数和所述最大迭代次数对优化目标权重进行更新;
最优飞行路径确定单元,用于利用全局最优头脑风暴法对所述成本函数进行迭代,确定在所述最大迭代次数以内的最优飞行路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367567.2A CN113091745A (zh) | 2021-04-06 | 2021-04-06 | 一种水库消落带的无人机巡航路线规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367567.2A CN113091745A (zh) | 2021-04-06 | 2021-04-06 | 一种水库消落带的无人机巡航路线规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113091745A true CN113091745A (zh) | 2021-07-09 |
Family
ID=76674491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110367567.2A Pending CN113091745A (zh) | 2021-04-06 | 2021-04-06 | 一种水库消落带的无人机巡航路线规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113091745A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486977A (zh) * | 2021-07-26 | 2021-10-08 | 广州邦鑫水利科技有限公司 | 一种基于深度学习的无人机测绘方法及系统 |
CN113554190A (zh) * | 2021-07-22 | 2021-10-26 | 广东电网有限责任公司 | 一种输电线路差异化巡视运维方法及装置 |
CN114756026A (zh) * | 2022-04-07 | 2022-07-15 | 青岛沃柏斯智能实验科技有限公司 | 一种实验环境安全检查的巡视控制系统 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426806A (zh) * | 2011-11-07 | 2012-04-25 | 同济大学 | 一种基于动态小区划分的区域路网无人机巡航方法 |
CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
CN107576311A (zh) * | 2017-08-23 | 2018-01-12 | 长江水利委员会长江科学院 | 一种基于三维gis的水库巡检实时监测方法 |
CN109917815A (zh) * | 2019-04-23 | 2019-06-21 | 中原工学院 | 基于全局最优头脑风暴算法的无人机三维路径设计方法 |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111562788A (zh) * | 2020-06-04 | 2020-08-21 | 哈尔滨理工大学 | 一种室内智能清扫机器人的路径规划与避障方法 |
-
2021
- 2021-04-06 CN CN202110367567.2A patent/CN113091745A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426806A (zh) * | 2011-11-07 | 2012-04-25 | 同济大学 | 一种基于动态小区划分的区域路网无人机巡航方法 |
CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
CN107576311A (zh) * | 2017-08-23 | 2018-01-12 | 长江水利委员会长江科学院 | 一种基于三维gis的水库巡检实时监测方法 |
CN109917815A (zh) * | 2019-04-23 | 2019-06-21 | 中原工学院 | 基于全局最优头脑风暴算法的无人机三维路径设计方法 |
CN110766179A (zh) * | 2019-11-21 | 2020-02-07 | 中冶华天工程技术有限公司 | 一种采用风险优先策略的多站点巡检路径设计方法 |
CN111562788A (zh) * | 2020-06-04 | 2020-08-21 | 哈尔滨理工大学 | 一种室内智能清扫机器人的路径规划与避障方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554190A (zh) * | 2021-07-22 | 2021-10-26 | 广东电网有限责任公司 | 一种输电线路差异化巡视运维方法及装置 |
CN113486977A (zh) * | 2021-07-26 | 2021-10-08 | 广州邦鑫水利科技有限公司 | 一种基于深度学习的无人机测绘方法及系统 |
CN114756026A (zh) * | 2022-04-07 | 2022-07-15 | 青岛沃柏斯智能实验科技有限公司 | 一种实验环境安全检查的巡视控制系统 |
CN114756026B (zh) * | 2022-04-07 | 2024-04-19 | 青岛沃柏斯智能实验科技有限公司 | 一种实验环境安全检查的巡视控制系统 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113091745A (zh) | 一种水库消落带的无人机巡航路线规划方法及系统 | |
CN107180450B (zh) | 一种基于dem的河谷横断面形态的算法 | |
Wiguna et al. | Optimization solar farm site selection using multi-criteria decision making fuzzy AHP and PROMETHEE: case study in Bali | |
Jasiewicz et al. | A new GRASS GIS toolkit for Hortonian analysis of drainage networks | |
CN109992923B (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
CN106845559B (zh) | 顾及poi数据空间异质性的地表覆盖验证方法及系统 | |
CN109359350A (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
CN112116160B (zh) | 一种基于优化神经网络改进元胞自动机的重要输电通道灾害监测方法 | |
CN105184423A (zh) | 一种风电场集群风速预测方法 | |
CN114091756B (zh) | 一种基于泰森多边形的乡镇级海啸风险评估方法 | |
CN107092798A (zh) | 滑坡预测模型的稳定性评价方法及装置 | |
CN114626572A (zh) | 基于智能图像识别的输电线路路径优选方法 | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
CN113902259A (zh) | 湿雪崩灾害风险评估方法及装置 | |
CN107818338A (zh) | 一种面向地图综合的建筑物群组模式识别的方法及系统 | |
CN114898138A (zh) | 一种基于地形地貌及遥感数据进行森林火灾预测的方法 | |
CN116777230A (zh) | 基于gis空间分析技术的变电站选址区域智能划分方法 | |
CN117764274A (zh) | 一种区域水生态环境承载力评估方法 | |
CN117330040A (zh) | 一种基于水上测绘无人船的滩涂地形测绘方法及系统 | |
CN111080080B (zh) | 一种村镇地质灾害风险预估方法及系统 | |
CN116976584A (zh) | 风电场升压站的选址方法、设备及计算机可读存储介质 | |
CN115841042A (zh) | 一种基于韧性理论构建的城市生态韧性三维评价方法 | |
Pokonieczny et al. | Using high resolution spatial data to develop military maps of passability | |
CN115577058B (zh) | 一种兼顾全局与局部最优影响的小图斑竞争分裂方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |