CN113220018B - 一种无人机路径规划方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请实施例公开了一种无人机路径规划方法、装置、存储介质及电子设备。该方法包括：利用激光雷达获取电力建筑密闭空间的点云数据；对所述点云数据进行处理，得到至少两个目标平面方程；根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。本技术方案，可以利用激光雷达获取点云数据，进行无人机的全局路径规划，能够实现无人机对密闭空间的电力建筑的检测，空间检测率高，且提高了无人机飞行的安全性。

Description

一种无人机路径规划方法、装置、存储介质及电子设备

技术领域

本申请实施例涉及电力技术领域，尤其涉及一种无人机路径规划方法、装置、存储介质及电子设备。

背景技术

近年来，随着无人机技术的不断发展，无人机在各行各业中的应用越来越多。在电力系统中，一些大型的电力建筑需要定期进行检测维修。例如，火力发电站的燃煤炉膛、堆煤场以及水力发电站的输水管道等大型建筑。这类建筑通常内部空间巨大且密闭，并且大都缺少、甚至没有照明设备。因此，将无人机应用于电力系的建筑检测中具有非常重要的现实意义。

无人机的路径规划通常指无人机利用机载传感器获取周围环境的信息，综合考虑飞行目的，生成飞行路径并引导无人机飞行的规划。密闭空间下的路径规划是一种完全覆盖的全局路径规划，目的是规划覆盖整个地图的连续路径，这对于大型的电力建筑的缺陷检测极为重要。目前，对电力建筑密闭空间检测主要是依靠视觉实现无人机在室内进行初步的路径规划。

在密闭空间下，光线条件较差，采用视觉方法存在较大限制，对于密闭空间的检测率较低，无人机飞行危险性高。

发明内容

本申请实施例提供一种无人机路径规划方法、装置、存储介质及电子设备，基于点云数据，进行无人机的全局路径规划，能够实现无人机对密闭空间的电力建筑的检测，空间检测率高，且提高了无人机飞行的安全性。

第一方面，本申请实施例提供了一种无人机路径规划方法，该方法包括：

利用激光雷达获取电力建筑密闭空间的点云数据；

对所述点云数据进行处理，得到至少两个目标平面方程；

根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

第二方面，本申请实施例提供了一种无人机路径规划装置，该装置包括：

点云数据获取模块，用于利用激光雷达获取电力建筑密闭空间的点云数据；

目标平面方程得到模块，用于对所述点云数据进行处理，得到至少两个目标平面方程；

无人机路径确定模块，用于根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

第三方面，本申请实施例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如本申请实施例所述的无人机路径规划方法。

第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的无人机路径规划方法。

本申请实施例所提供的技术方案，利用激光雷达获取电力建筑密闭空间的点云数据；对点云数据进行处理，得到至少两个目标平面方程；根据至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。本技术方案，可以利用激光雷达获取点云数据，进行无人机的全局路径规划，能够实现无人机对密闭空间的电力建筑的检测，空间检测率高，且提高了无人机飞行的安全性。

附图说明

图1是本申请实施例一提供的无人机路径规划方法的流程图；

图2是本申请实施例一提供的滤波前的点云数据示意图；

图3是本申请实施例一提供的滤波后的点云数据示意图；

图4是本申请实施例二提供的无人机路径规划过程的示意图；

图5是本申请实施例二提供的聚类后的同类别目标点云数据示意图，

图6是本申请实施例二提供的合并后的同类别目标点云数据示意图；

图7是本申请实施例三提供的无人机路径规划装置的结构示意图；

图8是本申请实施例五提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1是本申请实施例一提供的无人机路径规划方法的流程图，本实施例可适用于对密闭空间中的无人机飞行路径进行规划的情况，该方法可以由本申请实施例所提供的无人机路径规划装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于用于路径规划的智能终端等设备中。

如图1所示，所述无人机路径规划方法包括：

S110、利用激光雷达获取电力建筑密闭空间的点云数据。

在本方案中，电力建筑可以是指电力系统中的一些建筑。例如，火力发电站的燃煤炉膛、堆煤场以及水力发电站的输水管道等大型建筑。这类建筑通常内部空间巨大且密闭，并且大都缺少，甚至没有照明设备。本方案适用于对由至少两个平面构成的电力建筑进行检测的情况。

其中，点云数据可以是指在三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息。

在本实施例中，激光雷达可以是指一种通过脉冲激光照射目标并用传感器测量反射脉冲返回时间来测量目标距离的测量方法。可以直接利用激光雷达获取点云数据。

在本技术方案中，可选的，基于体素滤波器对所述点云数据进行滤波处理，获得滤波后的点云数据。

在本实施例中，体素滤波器主要作用是对点云数据进行降采样，可以在保证点云原有几何结构基本不变的前提下减少点云的数量，多用于密集型点云的预处理中。在点云所在的三维空间创建一个体素栅格，对于栅格内的每一个体素，以体素内所有点云的重心近似代替体素中的点云，最终所有体素中的重心点组成滤波后的点云数据，通过体素的大小可以控制降采样的程度。

图2是本申请实施例一提供的滤波前的点云数据示意图，图3是本申请实施例一提供的滤波后的点云数据示意图。电力建筑以4个平面组成的电力建筑为例，对点云数据进行滤波处理，在保证原有几何结构基本不变的前提下减少了点云数据的数量。

通过对点云数据进行滤波处理，将点云数据中的噪声点进行滤除，降低了点云数据的数量，提高了点云数据的精确度。

S120、对所述点云数据进行处理，得到至少两个目标平面方程。

在本实施例中，目标平面方程可以是指构成电力建筑的平面的方程。例如，左后壁平面方程、右后壁平面方程、前壁平面方程以及后壁平面方程等。其中，目标平面方程的一般式形如Ax+By+Cz+D＝0。

具体的，可以利用聚类算法对点云数据进行处理，将属于不同平面的点云数据分开，并将属于同一平面的点云数据聚类，得到聚类后的点云数据，并使用平面拟合算法对聚类后的点云数据进行平面拟合，得到目标平面方程。

S130、根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

其中，无人机路径可以是指无人机在密闭空间的飞行路径。密闭空间下的路径规划是一种完全覆盖的全局路径规划，目的是规划覆盖整个地图的连续路径，综合考虑无人机的续航能力，生成飞行路径并引导无人机飞行的规划。

在本方案中，可以是根据目标平面方程得到电力建筑密闭空间的尺寸，并根据电力建筑密闭空间的尺寸，对无人机飞行路径进行规划。

在本技术方案中，可选的，根据所述至少两个目标平面方程，确定无人机路径，包括：

利用所述至少两个目标平面方程，得到平面交线方程；

根据所述平面交线方程和点云数据的高度值，确定无人机路径。

其中，平面交线方程可以是由目标平面方程两两相交得到的方程。

在本实施例中，点云数据的高度值可以是指点云数据中最高的值。

示例性的，根据得到的目标平面方程，可以得到四个平面两两相交的四条交线，平面交线方程为：

获得平面交线方程后，根据密闭空间的底面为z＝0的平面，将点云数据的高度值最高的作为密闭空间的高度，即密闭空间的顶面为z＝8的平面，根据得到平面交线方程，以及密闭空间的底面和顶面方程，对密闭空间的尺寸进行计算，得到密闭空间的尺寸。经计算，得到密闭空间的尺寸为上底23.62米，下底3.81米，高8米的梯形为竖截面，宽度为50米。

无人机上升路径是根据固定的规则编写程序求得的，规定了螺旋上升飞行的飞行规则、两两目标点的间距以及距墙壁的安全距离自动生成的目标路径。根据得到的密闭空间的尺寸，对无人机上升路径进行计算。计算得到的无人机上升路径如表1所示：

表1

路径点编号	坐标x/m	坐标y/m	坐标z/m
				0	0	0	6
1	0	0	2
				2	0	0.5	2
3	23	0.5	2
				4	23	-0.5	2
5	-23	-0.5	2
				6	-23	0.5	2
7	0	0.5	2
				8	0	0.5	5
9	23	0.5	5
				10	23	-0.5	5
11	-23	-0.5	5
				12	-23	0.5	5
13	0	0.5	5
				14	0	0	2

表1中路径点编号表示无人机飞行的路径顺序，坐标x/m、坐标y/m以及坐标z/m表示无人机飞行的路径坐标。设定的无人机飞行路线是螺旋上升，起始飞行高度为2m，飞行高度间隔为3m，那么在这个高8m的密闭空间里，只能飞行两圈，即高2m处飞一圈，高5m处飞一圈。设定安全距离为2m，即距离锅炉壁的距离为2m。无人机的起始路径为路径点编号0所处的位置，按照无人机路径进行飞行，对电力建筑的密闭空间进行检测。

考虑到无人机的续航能力有限，电力系统中需要检测的建筑大都体积巨大，根据得到的目标平面方程，规划出了更多尽可能多地覆盖空间内壁的飞行路径。实现了基于无人机对电力建筑的检测。

本申请实施例所提供的技术方案，利用激光雷达获取电力建筑密闭空间的点云数据；对点云数据进行处理，得到至少两个目标平面方程；根据至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。通过执行本技术方案，可以利用激光雷达获取点云数据，进行无人机的全局路径规划，能够实现无人机对密闭空间的电力建筑的检测，空间检测率高，且提高了无人机飞行的安全性。

实施例二

图4是本申请实施例二提供的无人机路径规划过程的示意图，本实施例二在实施例一的基础上进行进一步地优化。具体优化为：对所述点云数据进行处理，得到至少两个目标平面方程，包括：通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据；其中，所述同类别目标点云数据处于同一平面上；若所述同类别目标点云数据符合预设平面约束条件，则使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。其中，未在本实施例中详尽描述的内容详见实施例一。如图2所示，该方法包括以下步骤：

S410、利用激光雷达获取电力建筑密闭空间的点云数据

S420、通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据；其中，所述同类别目标点云数据处于同一平面上。

在本方案中，同类别目标点云数据可以是处于同一平面上的点云数据。

其中，DBSCAN聚类算法可以是一种基于密度的聚类算法，将点云的密度大的一系列的点云聚类，而将点云的密度小的一系列点判为噪声点去除掉。

具体的，通过DBSCAN聚类算法对点云数据进行聚类处理，得到同类别目标点云数据，包括如下步骤：

步骤1：从没有被遍历的任意一个点云y_j开始，获取以其为圆心，半径为eps的圆的邻域内的所有点云y_m，||y_j-y_m||≤esp，点云的数量记为M。

步骤2：如果y_j邻域内的点云的数量M大于输入阈值min_samples，则点云y_j成为核心点并以此核心点开始一类的聚类，这个邻域内的所有点云y_m被聚为同一类。如果邻域内的点的数量M小于输入阈值min_samples，则点云y_j被标记为噪声点，重新回到步骤1。

步骤3：对核心点邻域内的每一个点云y_m，获取以其为圆心，半径为eps的圆的邻域内的点云y_p，||y_m-y_p||≤esp。点云的数量记为P；如果y_m邻域内的点云的数量P大于输入阈值min_samples，则点云y_m也成为核心点，这个邻域内的所有点云y_p，1≤p≤P被聚为同一类，重回此步骤。如果邻域内的点云的数量P小于输入阈值min_samples，则云y_m被标记为边界点。

步骤4：遍历完所有核心点的所有邻域点时，这些点云均被标记为核心点或噪声点或边界点，即完成了一类的聚类。

步骤5：一类聚类完成后，以任意未被标记的点云开始，重复步骤1到4，直到所有点云均被标记；最终点云都有自己的归属类别，或者属于噪声点被去除。

图5是本申请实施例二提供的聚类后的同类别目标点云数据示意图，如图5所示，通过对点云数据进行聚类，可以将属于不同平面的点云分开，属于同一平面的点云聚为同一类，点云数据被分为了5类同类别目标点云数据。

在本技术方案中，可选的，通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据，包括：

根据点云数据的密度，对DBSCAN聚类算法中的输入参数进行调整。

其中，输入参数可以是指DBSCAN聚类算法中的输入半径和输入阈值。

可以理解的，通过激光雷达获取电力建筑密闭空间的点云数据，得到的点云数据的分布并不均匀，有的平面上点很多，点的密度很大，而有的平面上点很少，点的密度很小；点密度大的地方噪声点密度也大，点密度小的地方噪声点密度也小。若输入半径很大，输入阈值很小，这样可以保留密度很小的点，但是也会保留很多噪声点；若输入半径很小，输入阈值很大，这样可以去除很多噪声点，但是平面上密度很小的点也会被删除。因此，需要根据点云数据的密度，对DBSCAN聚类算法中的输入半径和输入阈值进行调整。

通过对聚类算法中的输入半径和输入阈值进行调整，可以有效的减少噪声点，并保留点云数据，提高了空间的检测率。

S430、若所述同类别目标点云数据符合预设平面约束条件，则使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

在本实施例中，预设平面约束条件可以是指同一平面上包含一类同类别目标点云数据。

其中，平面拟合算法可以是稳健回归。稳健回归使用不同的目标函数，不同的目标函数定义了不同的稳健回归方法。

在本方案中，部分平面存在点云连续性差的问题，导致的一个平面被分为多类，若同类别目标点云数据符合预设平面约束条件，则说明此时没有一个平面被分为多类，此时，使用平面拟合算法对同类别目标点云数据进行处理，得到至少两个目标平面方程。

在本方案中，可选的，使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程，包括：

使用迭代加权最小二乘算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

其中，最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。使用迭代加权最小二乘算法对同类别目标点云数据进行处理，可以是根据每一次最小二乘的误差平方给每一个点赋予权值，给误差平方大的点赋予较小的权值，给误差平方小的点赋予较大的权值。

具体的，记每一类中的所有同类别目标点云的坐标为(x_i,y_i,z_i),i＝1,2,...,n，平面的参数方程为：

Ax+By+Cz+1＝0；

其中，A、B和C为常数。

第j次迭代后，第i个同一类别目标点云的误差平方函数为：

其中，A_j，B_j，C_j为第j次迭代后的平面方程的系数，新一轮迭代的误差平方函数为：

迭代加权最小二乘估计就是要使加权后的误差平方和最小，而每一次迭代会赋予每一个同一类别目标点云新的权值。权值计算需要先进行误差的标准化：

其中，S是残差尺度，用于标准化残差；

赋权方式为：

其中，常数c是阈值，c的大小决定了可以接受的噪声点范围及权值。当c越大时，可接受的噪声点的范围越大，噪声点的权值越大，反之则越小。当c值固定时，一个点的残差平方越大，对应的权值越小。迭代完成后，输出迭代完成后的平面方程参数，得到目标平面方程。

示例性的，采用迭代加权最小二乘拟合得到的目标平面方程为：

其中，x，y和z表示同类别目标点云数据坐标。0.04x+1＝0表示密闭空间的左后壁的平面方程；-0.04x+1＝0表示密闭空间的右后壁的平面方程；0.53y+0.65z+1＝0表示密闭空间的前壁的平面方程；-0.52y+0.65z+1＝0表示密闭空间的后壁的平面方程。

采用迭代加权最小二乘拟合目标平面方程，可以降低对异常值的敏感度，提高了空间检测率高，且提高了无人机飞行的安全性。

在本技术方案中，可选的，在通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据之后，所述方法还包括：

若所述同类别目标点云数据不符合预设平面约束条件，则利用主成分分析法对同一平面上的各同类别目标点云数据进行合并，得到合并同类别目标点云数据，并使用平面拟合算法对所述合并同类别目标点云数据进行处理，得到至少两个目标平面方程。

其中，主成分分析方法可以是指一种使用最广泛的数据压缩算法，用于将多维的数据降维，降维后的数据被转换到一个新的坐标系下。

在本方案中，若同类别目标点云数据不符合预设平面约束条件，则说明此时有平面被分为多类，此时，使用主成分分析法对同一平面上的各同类别目标点云数据进行合并，得到合并同类别目标点云数据。其中，利用主成分分析方法将至少两个同类别目标点云数据进行合并，第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴选择的是与第一个新坐标轴正交且方差次大的方向。重复该过程，重复次数为原始数据的特征维数。可以理解的，对每一个类的同类别目标点云数据都使用主成分分析，空间中的同类别目标点云数据的坐标具有三个维度，其中方差最小的维度即为平面的法向量，不同的平面的法向量方向是不同的。利用这个特性，可以将被分为多个类的平面找到合并，得到合并同类别目标点云数据。

图6是本申请实施例二提供的合并后的同类别目标点云数据示意图。如图6所示，经过主成分分析方法将同一平面中的两个同类别目标点云数据合并成了同一平面的一个同类别目标点云数据。

利用主成分分析法对不符合预设平面约束条件的同类别目标点云数据进行处理，可以识别出因点云连续性差而导致的一个平面被分为多类的情况，提高了同类别目标点云数据的精度。

S440、根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

本申请实施例所提供的技术方案，利用激光雷达获取电力建筑密闭空间的点云数据；通过DBSCAN聚类算法对点云数据进行聚类处理，得到同类别目标点云数据；若同类别目标点云数据符合预设平面约束条件，则使用平面拟合算法对同类别目标点云数据进行处理，得到至少两个目标平面方程；根据至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。通过执行本技术方案，可以利用激光雷达获取点云数据，进行无人机的全局路径规划，能够实现无人机对密闭空间的电力建筑的检测，空间检测率高，且提高了无人机飞行的安全性。

实施例三

图7是本申请实施例三提供的无人机路径规划装置的结构示意图，如图3所示，无人机路径规划装置包括：

点云数据获取模块710，用于利用激光雷达获取电力建筑密闭空间的点云数据；

目标平面方程得到模块720，用于对所述点云数据进行处理，得到至少两个目标平面方程；

无人机路径确定模块730，用于根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

在本技术方案中，可选的，目标平面方程得到模块720，包括：

同类别目标点云数据得到单元，用于通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据；其中，所述同类别目标点云数据处于同一平面上；

预设平面约束条件符合单元，用于若所述同类别目标点云数据符合预设平面约束条件，则使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

在本技术方案中，可选的，目标平面方程得到模块720，还包括：

预设平面约束条件不符合单元，用于若所述同类别目标点云数据不符合预设平面约束条件，则利用主成分分析法对同一平面上的各同类别目标点云数据进行合并，得到合并同类别目标点云数据，并使用平面拟合算法对所述合并同类别目标点云数据进行处理，得到至少两个目标平面方程。

在本技术方案中，可选的，同类别目标点云数据得到单元，具体用于：

根据点云数据的密度，对DBSCAN聚类算法中的输入参数进行调整。

在本技术方案中，可选的，预设平面约束条件符合单元，具体用于：

使用迭代加权最小二乘算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

在本技术方案中，可选的，无人机路径确定模块730，包括：

平面交线方程得到单元，用于利用所述至少两个目标平面方程，得到平面交线方程；

无人机路径确定单元，用于根据所述平面交线方程和点云数据的高度值，确定无人机路径。

在本技术方案中，可选的，所述装置还包括：

滤波处理模块，用于基于体素滤波器对所述点云数据进行滤波处理，获得滤波后的点云数据。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例四

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种无人机路径规划方法，该方法包括：

利用激光雷达获取电力建筑密闭空间的点云数据；

对所述点云数据进行处理，得到至少两个目标平面方程；

根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的无人机路径规划操作，还可以执行本申请任意实施例所提供的无人机路径规划方法中的相关操作。

实施例五

本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提供的无人机路径规划装置。图8是本申请实施例五提供的一种电子设备的结构示意图。如图8所示，本实施例提供了一种电子设备800，其包括：一个或多个处理器820；存储装置810，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器820执行，使得所述一个或多个处理器820实现本申请实施例所提供的无人机路径规划方法，该方法包括：

利用激光雷达获取电力建筑密闭空间的点云数据；

对所述点云数据进行处理，得到至少两个目标平面方程；

根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测。

当然，本领域技术人员可以理解，处理器820还实现本申请任意实施例所提供的无人机路径规划方法的技术方案。

图8显示的电子设备800仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，该电子设备800包括处理器820、存储装置810、输入装置830和输出装置840；电子设备中处理器820的数量可以是一个或多个，图8中以一个处理器820为例；电子设备中的处理器820、存储装置810、输入装置830和输出装置840可以通过总线或其他方式连接，图8中以通过总线850连接为例。

存储装置810作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块单元，如本申请实施例中的无人机路径规划方法对应的程序指令。

存储装置810可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置810可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置810可进一步包括相对于处理器820远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置830可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置840可包括显示屏、扬声器等电子设备。

本申请实施例提供的电子设备，可以达到利用激光雷达获取点云数据，进行无人机的全局路径规划，实现无人机对密闭空间的电力建筑的检测的目的。

上述实施例中提供的无人机路径规划装置、存储介质及电子设备可执行本申请任意实施例所提供的无人机路径规划方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的无人机路径规划方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (9)

1.一种无人机路径规划方法，其特征在于，包括：

利用激光雷达获取电力建筑密闭空间的点云数据；

对所述点云数据进行处理，得到至少两个目标平面方程；

根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测；其中，所述无人机路径包括最大覆盖所述电力建筑密闭空间内壁的螺旋上升路径；

其中，根据所述至少两个目标平面方程，确定无人机路径，包括：

利用所述至少两个目标平面方程，得到平面交线方程；

根据所述平面交线方程和点云数据的高度值，确定无人机路径；其中，所述点云数据的高度值是指点云数据的最高值。

2.根据权利要求1所述的方法，其特征在于，对所述点云数据进行处理，得到至少两个目标平面方程，包括：

通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据；其中，所述同类别目标点云数据处于同一平面上；

若所述同类别目标点云数据符合预设平面约束条件，则使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

3.根据权利要求2所述的方法，其特征在于，在通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据之后，所述方法还包括：

若所述同类别目标点云数据不符合预设平面约束条件，则利用主成分分析法对同一平面上的各同类别目标点云数据进行合并，得到合并同类别目标点云数据，并使用平面拟合算法对所述合并同类别目标点云数据进行处理，得到至少两个目标平面方程。

4.根据权利要求2所述的方法，其特征在于，通过DBSCAN聚类算法对所述点云数据进行聚类处理，得到同类别目标点云数据，包括：

根据点云数据的密度，对DBSCAN聚类算法中的输入参数进行调整。

5.根据权利要求2所述的方法，其特征在于，使用平面拟合算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程，包括：

使用迭代加权最小二乘算法对所述同类别目标点云数据进行处理，得到至少两个目标平面方程。

6.根据权利要求1所述的方法，其特征在于，在利用激光雷达获取电力建筑密闭空间的点云数据之后，所述方法还包括：

基于体素滤波器对所述点云数据进行滤波处理，获得滤波后的点云数据。

7.一种无人机路径规划装置，其特征在于，包括：

点云数据获取模块，用于利用激光雷达获取电力建筑密闭空间的点云数据；

目标平面方程得到模块，用于对所述点云数据进行处理，得到至少两个目标平面方程；

无人机路径确定模块，用于根据所述至少两个目标平面方程，确定无人机路径，以供无人机对电力建筑进行检测；其中，所述无人机路径包括最大覆盖所述电力建筑密闭空间内壁的螺旋上升路径；

其中，无人机路径确定模块，包括：

平面交线方程得到单元，用于利用所述至少两个目标平面方程，得到平面交线方程；

无人机路径确定单元，用于根据所述平面交线方程和点云数据的高度值，确定无人机路径；其中，所述点云数据的高度值是指点云数据的最高值。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的无人机路径规划方法。

9.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的无人机路径规划方法。

Images