CN113238578A - 一种电力杆塔无人机巡检路线规划方法及系统 - Google Patents

一种电力杆塔无人机巡检路线规划方法及系统 Download PDF

Info

Publication number
CN113238578A
CN113238578A CN202110525293.5A CN202110525293A CN113238578A CN 113238578 A CN113238578 A CN 113238578A CN 202110525293 A CN202110525293 A CN 202110525293A CN 113238578 A CN113238578 A CN 113238578A
Authority
CN
China
Prior art keywords
tower
point cloud
key
image
unmanned aerial
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.)
Granted
Application number
CN202110525293.5A
Other languages
English (en)
Other versions
CN113238578B (zh
Inventor
陈乃超
潘卫国
赵锦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202110525293.5A priority Critical patent/CN113238578B/zh
Publication of CN113238578A publication Critical patent/CN113238578A/zh
Application granted granted Critical
Publication of CN113238578B publication Critical patent/CN113238578B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种电力杆塔无人机巡检路线规划方法及系统,包括根据杆塔类型,获取杆塔关键巡检部件的点云数据并将其转化为图像,作为目标样品类;根据杆塔的地理位置,将整个电力杆塔转换为图像数据;以目标样品类为目标对所述图像数据进行检索,得到所述关键巡检部件的位置信息;利用所述关键巡检部位的位置信息规划出无人机的巡检轨迹。本发明根据已有的杆塔物理尺寸与地理信息,大幅简化了点云文件的杆塔识别,提高了数据处理速度,减少了数据处理时间,增强了识别的准确性;通过对关键部件的图像化处理,获取关键部件的位置信息,避免了对点云大数据量的分析,大幅降低了点云数据部件识别的难度,提高了关键部件识别的效率。

Description

一种电力杆塔无人机巡检路线规划方法及系统
技术领域
本发明涉及无人机电力巡检的技术领域,尤其涉及一种电力杆塔无人机巡检路线规划方法及系统。
背景技术
随着科学技术的发展和进步,设备的巡检和检修也发生了一系列变化,智能化、无人化等技术的突破,逐步形成了新型的巡检方式和方法。电力输电线路是电力输送的关键,因此确保电力输送的平稳与安全是整个电力系统安全的重要内容之一。采用传统人工巡检需要登塔检修,耗时耗力,而且对检修人员的人身安全也存在一定的威胁。无人机具有高度的灵活性、便捷性、经济性和高效性等特征,在设备的巡检中越来越得到重视,尤其是针对野外等大空间领域具有明显优势。近年来,无人机在电力输电线路的应用越来越广泛,通过对输电线路进行拍摄,从数据和图像上观测输电线路情况,在一定程度上减少了检修工作和人员。但是,无人机的运行和操作的复杂性也对检修人员提出了更高的要求,因此,增强无人机巡检技术的智能化水平,减少检修人员的干预是无人机检修工作发展的重要方向。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在电力杆塔巡检安全性的问题,提出了本发明。
因此,本发明解决的技术问题是:通过部分点云数据图像转换,利用深度学习的方法,分析点云转换图像,通过图像匹配技术,避免点云数据的处理,对杆塔各部分的定位,通过少量人工干预,为电力杆塔无人机巡检提供线路规划。
为解决上述技术问题,本发明提供如下技术方案:根据杆塔类型,获取杆塔关键巡检部件的点云数据并将其转化为图像,作为目标样品类;根据杆塔的地理位置,将整个电力杆塔转换为图像数据;以目标样品类为目标对所述图像数据进行检索,得到所述关键巡检部件的位置信息;利用所述关键巡检部位的位置信息规划出无人机的巡检轨迹。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述杆塔包括,根据输电线路杆塔分布特点,对杆塔进行分类,其中同类型相近尺寸大小的所述杆塔为一类,并选取其中一个作为标定杆塔,根据该类杆塔实际尺寸,确定关键巡检部位的相对位置和大小。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述关键巡检部件的点云数据包括,采用切片处理的方法,将点云数据沿某一方向进行切片,沿着y轴方向进行切片时,其中每片间的距离为Δy,设定片的位置为y1,并且将分布于y1±Δy/2的所有点的坐标统一标定为y1,以xz坐标为像素点坐标,根据点云出现的位置点,按照黑白二值色分配原则,对所述点云进行分配,获取多张切片图片,并且将这些切片图片作为目标样本。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述目标样品类包括,根据所述杆塔实际尺寸,确定关键巡检部位的相对位置和大小,读取所述标定杆塔点云数据并根据所述关键巡检部位的相对位置和大小进行分割,形成关键部位的子点云数据,将所述云数据按预定算法形成关键部位的二维图像,形成目标样品类。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述将整个电力杆塔转换为图像数据包括,根据原始电云文件,结合所述杆塔实际分布的地理位置信息,获取该位置处的杆塔物体的包围盒,对所述包围盒进行降噪处理,利用预定算法将整个电力杆塔转换为图像数据。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述获取该位置处的杆塔物体的包围盒并进行降噪处理包括,获取所述包围盒的顶点集坐标,求取各方向上投影最长和最短的6个点,分别确定对应轴向上的坐标轴,确定最大和最小的所述坐标值,根据所述坐标值构造包围盒,在各个方向上,根据所述点云的实际大小设置阈值对所述点云进行截取,快速去除离群点和噪音点。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:其特征在于:得到关键巡检部件的位置包括,根据所述关键部位的样品图像对所述杆塔图像数据进行目标检测,根据所述目标检测的位置以及整个杆塔图像的原始位置信息,得到关键部件的在整个杆塔点云数据的具体位置信息。
作为本发明所述的电力杆塔无人机巡检路线规划方法的一种优选方案,其中:所述目标检测包括,对每一切片电力输变电线路点云图像,按照关键部位切片点云图像进行目标检测,若点云数量超过90%则认为杆塔相匹配。
作为本发明所述的电力杆塔无人机巡检路线规划系统的一种优选方案,其中:目标样品单元用于对已知实际尺寸的杆塔进行预处理,根据所述杆塔的点云数据,获取关键部件的局部点云数据;地理匹配单元,连接于所述目标样品单元,用于根据实际的杆塔地理布局数据,在输电线路点云文件中直接获取杆塔点云数据;点云图像单元,与所述目标样品单元和地理匹配单元相连接,根据所述关键部位和杆塔的点云数据形成包含位置信息的图像;图像识别单元,与所述点云图像单元相连接,以所述关键部位的图像信息进行整个杆塔图像的识别,得到关键部位的位置信息;路径规划单元,与所述图像识别单元相连接,根据所述关键部位的位置信息,进行无人机相应路径规划。
本发明的有益效果:根据已有的杆塔物理尺寸与地理信息,大幅简化了点云文件的杆塔识别,提高了数据处理速度,减少了数据处理时间,增强了识别的准确性;通过关键部件的图像化处理,形成目标对象,进行监督性学习,采用图像识别技术,获取关键部件的位置信息,避免了对点云大数据量的分析,为关键部件识别提供了有效方法,大幅降低了点云数据部件识别的难度,提高了关键部件识别的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的电力杆塔无人机巡检路线规划方法的基本流程示意图;
图2为本发明第二个实施例所述的电力杆塔无人机巡检路线规划方法的框架示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,该实施例提供了一种电力杆塔无人机巡检路线规划方法,包括:
S1:根据杆塔类型,获取杆塔关键巡检部件的点云数据并将其转化为图像,作为目标样品类。其中需要说明的是,
杆塔包括,根据输电线路杆塔分布特点,对杆塔进行分类,将同类型、相近尺寸大小的杆塔为一类,并选取其中一个作为标定杆塔,根据标定杆塔的实际尺寸,确定关键巡检部位的相对位置和大小,根据标定杆塔的类型,分析典型杆塔的点云形貌,获取关键部件的点云数据,将点云数据转化为图像,作为目标样品。
在实施过程中,首先采用激光扫描或摄像技术获取点云文件,如获取LAS文件格式的点云数据;通过已有的关于输变电线路中包括杆塔结构尺寸、地理坐标和类型的资料,将杆塔按类型进行分类,其中杆塔类型包括直线型、耐张型,在分类时将耐张型杆塔归于一类;分类完成后,在同类杆塔中任意选取一杆塔作为样本,直接获得该样本的点云坐标;结合已有的结构尺寸,确定输电线路杆塔巡检的关键部件的位置,与选取样本的点云文件进行对比,其中关键部位包括,绝缘纸、避雷器;结合关键部件的实际位置,寻找出选取样本中对应的点云文件的位置,采用包围盒的方法,将关键部件的从点云文件中取出,作为识别关键部件的特征点云样本,用以识别输变电线路点云文件中的相同关键部件。
进一步的是,关键巡检部件的点云数据包括,采用切片处理的方法,将点云数据沿某一方向进行切片,沿着y轴方向进行切片时,其中每片间的距离为Δy,设定片的位置为y1,并且将分布于y1±Δy/2的所有点的坐标统一标定为y1,以xz坐标为像素点坐标,根据点云出现的位置点,按照黑白二值色分配原则,对点云进行分配,即点云出现的点为黑色,其余点为白色,获取多张切片图片,并且将这些切片图片作为目标样本,用于形成监督方式下的目标识别。
目标样品类包括,根据杆塔实际尺寸,确定关键巡检部位的相对位置和大小,读取标定杆塔点云数据并根据关键巡检部位的相对位置和大小进行分割,形成关键部位的子点云数据,将云数据按预定算法形成关键部位的二维图像,形成目标样品类。
S2:根据杆塔的地理位置,将整个电力杆塔转换为图像数据。其中需要说明的是,
将整个电力杆塔转换为图像数据包括,根据原始电云文件,结合杆塔实际分布的地理位置信息,获取该位置处的杆塔物体的包围盒,对包围盒进行降噪处理,利用预定算法将整个电力杆塔转换为图像数据。
进一步的是,获取该位置处的杆塔物体的包围盒并进行降噪处理包括,获取包围盒的顶点集坐标,从顶点集中获取X,Y和Z方向上最远的和最近的点,求出了在X,Y和Z轴向上投影最长和最短的6个点,分别确定对应轴向上的坐标轴,确定最大和最小的坐标值,根据坐标值构造包围盒,在各个方向上,由于噪音点和塔架的点云大小不一样,因此根据点云的大小在X、Y、Z方向设置阈值对点云进行截取,快速去除离群点和噪音点。
S3:结合位置和云数据得到关键巡检部位的地理信息。其中需要说明的是,
得到关键巡检部件的位置包括,根据关键部位的样品图像对杆塔图像数据进行目标检测,如采用滑窗法、Fast R-CNN方法进行图像数据的目标检测,根据目标检测的位置以及整个杆塔图像的原始位置信息,得到关键部件的在整个杆塔点云数据的具体位置信息。
进一步的是,本发明的目标检测与传统目标检测相比,本发明需要对一系列的图片进行目标检测,即对每一切片电力输变电线路点云图像,按照关键部件切片点云图像进行目标检测,若点云数量超过90%则认为杆塔相匹配,其中点云数据例如所有切片电力输变电线路点云图像中关键部件位置与关键部件切片点云图像切片层数与切片距离相近。
S4:利用关键巡检部位的地理信息规划出无人机的巡检轨迹。其中需要说明的是,
根据在电力输变电线路中寻找的关键部件,给定的关键部件无人机线路规划方法,加入该输变线路杆塔的地理和位置信息后,得到实际的无人机线路规划。
现有的巡检路线规划方法包括采用单一杆塔的关键点进行杆塔巡检、建立空间模型进行无人机路线规划以及利用数字模型图像,结合三次样条插值算法进行路径规划等,传统的无人机路径规划中会出现以下问题:
结合大量的算法模型,对杆塔的各部位的图像数据进行分析处理,其分析过程需要对点云数据进行大数据量的分析,降低路径规划的工作效率。
仅以单一的杆塔关键点作为整体的巡检过程基础,并没有考虑到不同类型的杆塔在关键点的选取以及各项数据上会出现区别,无法共同使用,因此其路线规划的准确率不高。
尽管现有的巡检路线规划方法可以提高系统的智能化水平,有效减少检修人员的干预和工作量,但是由于其计算量太大、路径规划准确度不高,在实际应用过程中并不能大幅度提高系统的路线规划效率;本发明方法根据已有的杆塔数据,简化点云识别过程,减少数据处理时间,并且按类别进行杆塔关键部位的选取,并仅对关键部位进行数据分析,避免了大数据分析,大幅降低了点云数据部件识别的难度,提高了关键部件识别的效率。
为了更好地对本发明方法中采用的技术效果加以验证说明,本实施例中选择单一杆塔巡检方法和数字模型巡检方法与本发明进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果;
单一杆塔巡检方法,采集的单一杆塔的关键点,提出了连续杆塔巡检法、小跨度巡检法及大跨度巡检法,并根据不同工况条件进行选择,进行路线规划;数字模型巡检方法,提出了利用数字表面模型图像和数字高程模型图像,提取地表物体点云集,采用包围盒建立泰森多边形图,采用单源最短路径算法,结合三次样条插值算法获取最优路径。
在城市郊区,随机选取具有不同类型的20个电力杆塔,利用无人机进行杆塔巡检的路线规划,分别利用传统的单一杆塔巡检、数字模型巡检方法与本发明方法,并利用MATLB软件编程实现三种方法的仿真实验,每种方法进行50次路线模拟规划,计算路线规划时所用的时间以及路线长短,其中路线长短以20个电力杆塔的直线距离为基准,将计算出的路线与基准线路的比例作为路线规划的实验结果,将三种方法获得的实验数据的均值进行比对,其实验结果如下表1所示:
表1:三种方法的巡检路线规划结果。
Figure BDA0003061011260000071
从表1可以看出,在三种方法中,对于路径的选取上,本发明方法选取的路径最短,为最优的巡检路线,在规划用时上,所花时间要略多于传统单一杆塔巡检方法,但是本方法的路径选取要远优于使用传统方法,因此本方法减少了数据处理时间,增强了识别的准确性,提高路径巡检的效率。
实施例2
参照图2,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种电力杆塔无人机巡检路线规划系统,包括:目标样品单元100、地理匹配单元200、点云图像单元300、图像识别单元400以及路径规划单元500。
其中,目标样品单元100用于对已知实际尺寸的杆塔进行预处理,根据杆塔的点云数据,获取关键部件的局部点云数据;地理匹配单元200,连接于目标样品单元100,用于根据实际的杆塔地理布局数据,在输电线路点云文件中直接获取杆塔点云数据;点云图像单元300,与目标样品单元100和地理匹配单元200相连接,根据关键部位和杆塔的点云数据形成包含位置信息的图像,以便于对杆塔进行识别;图像识别单元400,与点云图像单元300相连接,以关键部位的图像信息进行整个杆塔图像的识别,得到关键部位的位置信息;路径规划单元500,与图像识别单元400相连接,根据关键部位的位置信息,进行无人机相应路径规划,获取无人机巡检路径。
不难理解的是,本实施例中所提供的系统,其涉及目标样品单元100、地理匹配单元200、点云图像单元300、图像识别单元400以及路径规划单元500的连接关系,例如可以是运行在计算机可读程序,通过提高各模块的程序数据接口实现。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种电力杆塔无人机巡检路线规划方法,其特征在于:包括,
根据杆塔类型,获取杆塔关键巡检部件的点云数据并将其转化为图像,作为目标样品类;
根据杆塔的地理位置,将整个电力杆塔转换为图像数据;
以目标样品类为目标对所述图像数据进行检索,得到所述关键巡检部件的位置信息;
利用所述关键巡检部位的位置信息规划出无人机的巡检轨迹。
2.如权利要求1述的电力杆塔无人机巡检路线规划方法,其特征在于:所述杆塔包括,
根据输电线路杆塔分布特点,对杆塔进行分类,其中同类型相近尺寸大小的所述杆塔为一类,并选取其中一个作为标定杆塔,根据该类杆塔实际尺寸,确定关键巡检部位的相对位置和大小。
3.如权利要求1或2所述的电力杆塔无人机巡检路线规划方法,其特征在于:所述关键巡检部件的点云数据包括,
采用切片处理的方法,将点云数据沿某一方向进行切片,沿着y轴方向进行切片时,其中每片间的距离为Δy,设定片的位置为y1,并且将分布于y1±Δy/2的所有点的坐标统一标定为y1,以xz坐标为像素点坐标,根据点云出现的位置点,按照黑白二值色分配原则,对所述点云进行分配,获取多张切片图片,并且将这些切片图片作为目标样本。
4.如权利要求3所述的电力杆塔无人机巡检路线规划方法,其特征在于:所述目标样品类包括,
根据所述杆塔实际尺寸,确定关键巡检部位的相对位置和大小,读取所述标定杆塔点云数据并根据所述关键巡检部位的相对位置和大小进行分割,形成关键部位的子点云数据,将所述云数据按预定算法形成关键部位的二维图像,形成目标样品类。
5.如权利要求4所述的电力杆塔无人机巡检路线规划方法,其特征在于:所述将整个电力杆塔转换为图像数据包括,
根据原始电云文件,结合所述杆塔实际分布的地理位置信息,获取该位置处的杆塔物体的包围盒,对所述包围盒进行降噪处理,利用预定算法将整个电力杆塔转换为图像数据。
6.如权利要求5所述的电力杆塔无人机巡检路线规划方法,其特征在于:所述获取该位置处的杆塔物体的包围盒并进行降噪处理包括,
获取所述包围盒的顶点集坐标,求取各方向上投影最长和最短的6个点,分别确定对应轴向上的坐标轴,确定最大和最小的所述坐标值,根据所述坐标值构造包围盒,并且在各个方向上,根据所述点云的实际大小设置阈值对所述点云进行截取,快速去除离群点和噪音点。
7.如权利要求1~2和4~6任一所述的电力杆塔无人机巡检路线规划方法,其特征在于:得到关键巡检部件的位置包括,
根据所述关键部位的样品图像对所述杆塔图像数据进行目标检测,根据所述目标检测的位置以及整个杆塔图像的原始位置信息,得到关键部件的在整个杆塔点云数据的具体位置信息。
8.如权利要求7所述的电力杆塔无人机巡检路线规划方法,其特征在于:所述目标检测包括,
对每一切片电力输变电线路点云图像,按照关键部位切片点云图像进行目标检测,若点云数量超过90%则认为杆塔相匹配。
9.一种电力杆塔无人机巡检路线规划系统,其特征在于:包括,
目标样品单元(100)用于对已知实际尺寸的杆塔进行预处理,根据所述杆塔的点云数据,获取关键部件的局部点云数据;
地理匹配单元(200),连接于所述目标样品单元(100),用于根据实际的杆塔地理布局数据,在输电线路点云文件中直接获取杆塔点云数据;
点云图像单元(300),与所述目标样品单元(100)和地理匹配单元(200)相连接,根据所述关键部位和杆塔的点云数据形成包含位置信息的图像;
图像识别单元(400),与所述点云图像单元(300)相连接,以所述关键部位的图像信息进行整个杆塔图像的识别,得到关键部位的位置信息;
路径规划单元(500),与所述图像识别单元(400)相连接,根据所述关键部位的位置信息,进行无人机相应路径规划。
CN202110525293.5A 2021-05-11 2021-05-11 一种电力杆塔无人机巡检路线规划方法及系统 Active CN113238578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110525293.5A CN113238578B (zh) 2021-05-11 2021-05-11 一种电力杆塔无人机巡检路线规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110525293.5A CN113238578B (zh) 2021-05-11 2021-05-11 一种电力杆塔无人机巡检路线规划方法及系统

Publications (2)

Publication Number Publication Date
CN113238578A true CN113238578A (zh) 2021-08-10
CN113238578B CN113238578B (zh) 2022-12-16

Family

ID=77134193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110525293.5A Active CN113238578B (zh) 2021-05-11 2021-05-11 一种电力杆塔无人机巡检路线规划方法及系统

Country Status (1)

Country Link
CN (1) CN113238578B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113641187A (zh) * 2021-08-26 2021-11-12 江苏方天电力技术有限公司 一种输电线路无人机巡检航迹规划自动命名方法
CN113808145A (zh) * 2021-09-30 2021-12-17 深圳市优必选科技股份有限公司 巡检移动装置的巡检路网获取方法及巡检移动装置
CN114237224A (zh) * 2021-11-19 2022-03-25 深圳市鑫疆基业科技有限责任公司 自动巡检方法、系统、终端设备以及计算机可读存储介质
CN114859962A (zh) * 2022-04-15 2022-08-05 国网通用航空有限公司 具备智能避障、定高巡航功能的无人机系统及控制方法
CN115297303A (zh) * 2022-09-29 2022-11-04 国网浙江省电力有限公司 适用于电网输变电设备的图像数据采集处理方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529029A (zh) * 2016-10-25 2017-03-22 北京煜邦电力技术股份有限公司 输电线路杆塔的点云数据提取方法及装置
EP3346449A1 (en) * 2017-01-05 2018-07-11 Menhirs NV Point cloud preprocessing and rendering
CN108389256A (zh) * 2017-11-23 2018-08-10 千寻位置网络有限公司 二三维交互式无人机电力杆塔巡检辅助方法
CN109214457A (zh) * 2018-09-07 2019-01-15 北京数字绿土科技有限公司 一种电力线路的分类方法及装置
CN109671174A (zh) * 2018-12-20 2019-04-23 北京中飞艾维航空科技有限公司 一种电塔巡检方法及装置
CN110619678A (zh) * 2019-08-15 2019-12-27 成都优艾维智能科技有限责任公司 一种基于点云匹配的电力杆塔巡检航迹生成方法
CN110703800A (zh) * 2019-10-29 2020-01-17 国网江苏省电力有限公司泰州供电分公司 基于无人机的电力设施智能识别方法及系统
CN110780681A (zh) * 2019-11-26 2020-02-11 贵州电网有限责任公司 一种基于激光点云的无人机自主巡检绝缘子路径规划方法
CN111830528A (zh) * 2020-06-29 2020-10-27 西安交通大学 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法
US20210103727A1 (en) * 2019-10-07 2021-04-08 Hitachi Solutions, Ltd. Aerial line extraction system and aerial line extraction method
CN112767352A (zh) * 2021-01-19 2021-05-07 国网通用航空有限公司 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529029A (zh) * 2016-10-25 2017-03-22 北京煜邦电力技术股份有限公司 输电线路杆塔的点云数据提取方法及装置
EP3346449A1 (en) * 2017-01-05 2018-07-11 Menhirs NV Point cloud preprocessing and rendering
CN108389256A (zh) * 2017-11-23 2018-08-10 千寻位置网络有限公司 二三维交互式无人机电力杆塔巡检辅助方法
CN109214457A (zh) * 2018-09-07 2019-01-15 北京数字绿土科技有限公司 一种电力线路的分类方法及装置
CN109671174A (zh) * 2018-12-20 2019-04-23 北京中飞艾维航空科技有限公司 一种电塔巡检方法及装置
CN110619678A (zh) * 2019-08-15 2019-12-27 成都优艾维智能科技有限责任公司 一种基于点云匹配的电力杆塔巡检航迹生成方法
US20210103727A1 (en) * 2019-10-07 2021-04-08 Hitachi Solutions, Ltd. Aerial line extraction system and aerial line extraction method
CN110703800A (zh) * 2019-10-29 2020-01-17 国网江苏省电力有限公司泰州供电分公司 基于无人机的电力设施智能识别方法及系统
CN110780681A (zh) * 2019-11-26 2020-02-11 贵州电网有限责任公司 一种基于激光点云的无人机自主巡检绝缘子路径规划方法
CN111830528A (zh) * 2020-06-29 2020-10-27 西安交通大学 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法
CN112767352A (zh) * 2021-01-19 2021-05-07 国网通用航空有限公司 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
石永建等: "基于GIS的直升机巡检数据缺陷库系统设计与应用", 《电力信息与通信技术》, no. 07, 15 July 2017 (2017-07-15), pages 35 - 39 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113641187A (zh) * 2021-08-26 2021-11-12 江苏方天电力技术有限公司 一种输电线路无人机巡检航迹规划自动命名方法
CN113641187B (zh) * 2021-08-26 2023-09-22 江苏方天电力技术有限公司 一种输电线路无人机巡检航迹规划自动命名方法
CN113808145A (zh) * 2021-09-30 2021-12-17 深圳市优必选科技股份有限公司 巡检移动装置的巡检路网获取方法及巡检移动装置
CN113808145B (zh) * 2021-09-30 2023-09-26 深圳市优必选科技股份有限公司 巡检移动装置的巡检路网获取方法及巡检移动装置
CN114237224A (zh) * 2021-11-19 2022-03-25 深圳市鑫疆基业科技有限责任公司 自动巡检方法、系统、终端设备以及计算机可读存储介质
CN114859962A (zh) * 2022-04-15 2022-08-05 国网通用航空有限公司 具备智能避障、定高巡航功能的无人机系统及控制方法
CN115297303A (zh) * 2022-09-29 2022-11-04 国网浙江省电力有限公司 适用于电网输变电设备的图像数据采集处理方法及装置
CN115297303B (zh) * 2022-09-29 2022-12-27 国网浙江省电力有限公司 适用于电网输变电设备的图像数据采集处理方法及装置

Also Published As

Publication number Publication date
CN113238578B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN113238578B (zh) 一种电力杆塔无人机巡检路线规划方法及系统
CN109615611B (zh) 一种基于巡检影像的绝缘子自爆缺陷检测方法
CN108648169B (zh) 高压输电塔绝缘子缺陷自动识别的方法及装置
Yang et al. Automated extraction of street-scene objects from mobile lidar point clouds
CN111080693A (zh) 一种基于YOLOv3的机器人自主分类抓取方法
CN106133756A (zh) 用于过滤、分割并且识别无约束环境中的对象的系统
CN109580004A (zh) 一种温度检测方法及装置
CN112367400B (zh) 一种边云协同的电力物联网智能巡检方法及系统
CN115546630A (zh) 基于遥感影像特征目标检测的工地提取方法和系统
CN111950543A (zh) 一种目标检测方法和装置
US20220004740A1 (en) Apparatus and Method For Three-Dimensional Object Recognition
CN110910445B (zh) 一种物件尺寸检测方法、装置、检测设备及存储介质
CN113313703A (zh) 基于深度学习图像识别的无人机输电线巡检方法
CN115909059A (zh) 一种自然资源样本库建立方法和装置
CN109146880A (zh) 一种基于深度学习的电力设备检测方法
EP4068210A1 (en) System and method for automated estimation of 3d orientation of a physical asset
CN113033516A (zh) 对象识别统计方法及装置、电子设备、存储介质
CN114565916A (zh) 目标检测模型训练方法、目标检测方法以及电子设备
CN113033386B (zh) 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统
CN113902793A (zh) 基于单视觉遥感影像端到端建筑物高度预测方法、系统和电子设备
CN109657540A (zh) 枯死树定位方法及系统
CN110569712B (zh) 一种检测平面图图像中狭长墙体的方法
CN115731560B (zh) 一种基于深度学习的槽线识别方法、装置、存储介质及终端
CN111079752A (zh) 识别红外图像中的断路器的方法、装置及可读存储介质
CN116152685A (zh) 一种基于无人机视野下行人检测方法及系统

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
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210810

Assignee: SHANGHAI PROINVENT INFORMATION TECH Ltd.

Assignor: Shanghai Electric Power University

Contract record no.: X2023310000033

Denomination of invention: A Method and System for Route Planning of Power Tower UAV Patrol Inspection

Granted publication date: 20221216

License type: Common License

Record date: 20230317

EE01 Entry into force of recordation of patent licensing contract