CN113485453A - 一种海上无人机巡检飞行路径生成方法、装置及无人机 - Google Patents

Abstract

本发明公开了一种海上无人机巡检飞行路径生成方法、装置及无人机，预先基于海上风电场信息和风机信息构建海上风电场三维模型；基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成所述无人机的最终巡检飞行路径。实现无人机自适应巡检，提高了无人机巡检的效率，降低了巡检风险，从而可有效提高风机叶片的检测效率。

Description

一种海上无人机巡检飞行路径生成方法、装置及无人机

技术领域

本发明属于自动化检测领域，涉及一种海上无人机巡检飞行路径生成方法、装置及无人机。

背景技术

近年来，海上风电的发展尤为显著，海上风电机组进一步向大型化趋势发展，风机高度超过100m，叶片长度达到90m。

海上风电机组在运行过程中，叶片整体裸露在外，不可避免地会经常受到盐腐蚀、台风等恶劣环境的影响，导致设备叶片损伤。传统技术通常采用人工巡检方式对风机叶片进行检测，例如可包括望远镜、高空吊篮等方式。为了解决传统人工巡检方式的弊端，相关技术在无人机上搭建图像采集设备，通过人工控制无人机在其飞行过程中采集风机叶片图像来实现对风机叶片的检测。

但是，由于无人机载荷与续航里程的限制条件，以及海面上大风与海浪的影响，这种人工操作控制无人机的飞行方式会导致无人机飞行效率低下，风机叶片的检测效率也会相对的降低，无法满足风机叶片的高检测率的现实需求。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种海上无人机巡检飞行路径生成方法、装置及无人机，实现无人机自适应巡检，提高了无人机巡检的效率，降低了巡检风险，从而可有效提高风机叶片的检测效率。

为达到上述目的，本发明采用以下技术方案予以实现：

一种海上无人机巡检飞行路径生成方法，包括：

预先基于海上风电场信息和风机信息构建海上风电场三维模型；

基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；

根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

优选的，构建海上风电场三维模型的具体过程为：

获取海上风电场的位置信息、水域深度信息、风机物理参数、海上风电场图像数据和风机图像数据；

根据海上风电场图像数据构建环境三维模型；

根据风机图像数据构建风机三维模型；

基于环境三维模型、风机三维模型、海上风电场的位置信息、水域深度信息和风机物理参数生成海上风电场三维模型。

进一步，构建风机三维模型的具体过程为：

对海面上不同类型的风机进行外作业扫描，生成点云数据；

通过内作业处理，对点云数据进行粗模勾线和特征点提取，生成各风机的初始三维模型；

基于初始三维模型，通过绘制钢化结构与进行模型渲染，生成各类型风机的精细化三维模型；

通过区域色彩校正，利用精细化三维模型进行数字微分纠正，生成像片数字正射影像图；

对像片数字正射影像图进行质量检查，并处理相应的质量问题；

将不存在质量问题的像片数字正射影像图作为风机三维模型。

优选的，基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径的具体过程为：

通过GIS平台利用TangentBUG算法对障碍物进行规避，以满足预设路径参数条件为目标，生成初始飞行路径；

TangentBUG算法可对障碍物做出提前规避，获得更短更平滑的无人机飞行路径；在无人机传感器P(x,θ)中，x是机器人位置和θ是传感器扫描角度，满足公式

其中x+λ(cosθ,sinθ)^T属于障碍物范围，d为距离，λ为距离系数，对于某一个固定的位置x，P被传感器视野内的障碍物分割成多个连续区间，TangentBUG算法利用者些区间的端点避开工作空间中的障碍物。

优选的，最终巡检飞行路径的生成具体过程为：

预先设置当前环境参数和无人机自身参数的权重因子；

获取海上风力值、海浪高度值、处于正常工作状态的风机叶片旋转信息、无人机的任务量和电池续航时间；

根据海上风力值、海浪高度值、风机叶片旋转信息、任务量和电池续航时间的权重因子，对初始飞行路径中的航迹点进行修正；

基于修正后的航迹点，以最优路径为目标生成最终巡检飞行路径。

进一步，对初始飞行路径中的航迹点进行修正的具体过程为：

调用飞行速度计算关系式计算无人机的当前飞行速度，飞行速度计算关系式为：

调用位置更新关系式计算无人机的当前位置，位置更新关系式为

根据当前飞行高度度和当前位置对初始飞行路径中的航迹点的飞行高度和位置信息进行修正

在飞行速度公式中，

为第k次迭代的飞行速度，i为第i次速度修正，w为惯性权重，c₁，m₁，n₁为现场环境对无人机工作的影响因子，c₁为海上风力大小，m₁为海浪高度，n₁为风机叶片影响因子，P_best在现场环境影响下最优位置，

为上一时刻无人机位置，r₁，s₁为无人机自身的影响权重，r₁为剩余任务量，s₁为电池续航时间，G_best为在无人机自身影响因素下的最优位置。

一种海上无人机巡检飞行路径生成装置，包括：

模型构建模块，用于预先基于海上风电场信息和风机信息构建海上风电场三维模型；

路径生成模块，用于基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；

路径修正模块，用于根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述海上无人机巡检飞行路径生成方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述海上无人机巡检飞行路径生成方法的步骤。

一种无人机，包括无人机机身、图像采集设备和处理器；

图像采集设备和处理器搭载在无人机机身；图像采集设备与处理器相连；

图像采集设备在接收到图像采集指令后，采集当前环境的图像数据；

处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述海上无人机巡检飞行路径生成方法的步骤。

与现有技术相比，本发明具有以下有益效果：

本发明基于海上风电场的三维模型生成初始的路径图像，并根据实际现场环境，如大风、海浪、风机叶片旋转等环境因素，以及无人机本身电池电量等自身因素，对飞行线路进行实时优化，实现了无人机在海上复杂环境以及风机叶片运转下的避障，实现无人机自适应巡检，提高了无人机巡检的效率，降低了巡检风险。

附图说明

图1为本发明实施例提供的一种无人机飞行路径生成方法的流程示意图；

图2为本发明实施例提供的无人机飞行路径生成装置的一种具体实施方式结构图；

图3为本发明实施例提供的电子设备的一种具体实施方式结构图；

图4为本发明实施例提供的无人机的一种具体实施方式结构图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。

首先参见图1，图1为本发明实施例提供的一种无人机飞行路径生成方法的流程示意图，本发明实施例可包括以下内容：

S101：预先基于海上风电场信息和风机电机组信息构建海上风电场三维模型。

其中，海上风电场信息包括但并不限制于海上风电场的环境信息、位置参数信息、水域信息及无人机采集的海上风电场的图像数据，风机信息包括但并不限制于风机的物理参数、工作参数、位置信息及无人机采集的风机电机组的图像数据。可先获取海上风电场风机的位置、高度、叶片长度工参、影像等数据；然后基于海上风电场风机工参、影像等数据构建典型场景下的海上风电场三维模型。举例来说，海上风电场东西向最长约6.6km，南北向最宽约3.5km，涉海面积12.7km2，水深范围16m～18m，风机分布其中，风机70台，风机模型高度值范围为70～150m。

S102：基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径。

在本实施例中，可基于海上风电场三维模型，利用诸如TangentBUG算法在实现当前巡检任务总量的基础上生成初始的路径图像。进一步来说，可通过GIS(GeographicInformation System，地理信息系统)平台利用TangentBUG算法对障碍物进行规避，在满足预设路径参数条件为目标，生成初始飞行路径。预设路径参数条件如可为最短路径，当然，所属领域技术人员可根据实际需求确定预设路径参数条件，本申请对此不作任何限定。

S103：根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

在上个步骤生成初始飞行路径之后，可对初始路径图像进行实际现场环境情况、无人机本身情况等因素进行实时优化，实现了无人机在海上复杂环境以及风机叶片运转下的避障，生成海上风电场无人机巡检的自适应飞行线路。实际现场环境如大风、海浪、风机叶片旋转等环境因素，无人机本身参数如电池电量、机身重量等自身因素。在线路修正时，可利用任何一种路径寻优算法如粒子群算法。

在本发明实施例提供的技术方案中，基于海上风电场的三维模型生成初始的路径图像，并根据实际现场环境，如大风、海浪、风机叶片旋转等环境因素，以及无人机本身电池电量等自身因素，对飞行线路进行实时优化，实现了无人机在海上复杂环境以及风机叶片运转下的避障，实现无人机自适应巡检，提高了无人机巡检的效率，降低了巡检风险。

需要说明的是，本申请中各步骤之间没有严格的先后执行顺序，只要符合逻辑上的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图1只是一种示意方式，并不代表只能是这样的执行顺序。

在上述实施例中，对于如何执行步骤S101并不做限定，本实施例中给出一种可选的实施方式，可包括如下步骤：

获取海上风电场的位置信息、水域深度信息、风机物理参数、海上风电场图像数据、风机电机组图像数据；

根据海上风电场图像数据构建环境三维模型；

根据风机图像数据构建风机三维模型；

基于环境三维模型、风机三维模型、海上风电场的位置信息、水域深度信息和风机物理参数生成海上风电场三维模型。

其中，可采用影像识别技术、特征物自动提取技术生成三维模型文件，然后根据无人机巡检所获取的影像数据和风电场数据制作包含实景的环境三维模型。可通过影像识别的技术，采用轮廓提取、面片拟合等方法提取地物三维信息，同时对多视角影像进行影像分割、边缘提取、纹理聚类等方法获取地物全方位纹理信息。最后建立地物几何信息与纹理信息的对应关系，同时进行整体匀光匀色梳理，实现多视影像的正射处理。风机三维模型的构建过程可包括：对海面上不同类型的风机包括基础、塔身、风机、叶片等进行外作业扫描，生成点云数据；通过内作业处理，对点云数据进行粗模勾线和特征点提取，生成每个风机的粗略三维模型作为初始三维模型；基于所述初始三维模型，通过绘制钢化结构与进行模型渲染，生成各类型风机的精细化三维模型；通过区域色彩校正，利用精细化三维模型进行数字微分纠正，生成像片数字正射影像图；对像片数字正射影像图进行质量检查，并诸如对影像模糊、错位、扭曲、变形、漏洞问题及现象进行处理等质量问题进行相应的处理，最后将不存在质量问题的像片数字正射影像图作为风机三维模型。采用数据库保存风机的类型、位置、大小、编号等信息，保存风机关键部件的类型、长度、品牌等信息，数据库文件同时支持PC(Person Computer，个人计算机)端和移动端的展示和信息更新。

在上述实施例中，对于如何执行步骤S103并不做限定，本实施例中给出巡检路径的一种可选的优化方式，可包括如下步骤：

预先设置当前环境参数和无人机自身参数的权重因子；获取海上风力值、海浪高度值、处于正常工作状态的风机叶片旋转信息、无人机的任务量、电池续航时间；根据海上风力值、海浪高度值、风机叶片旋转信息、任务量和电池续航时间的权重因子，对初始飞行路径中的航迹点进行修正；基于修正后的航迹点，以最优路径为目标生成最终巡检飞行路径。

在本实施例中，可使用无人机自带的摄像头传感器扫描无人机前方场景。无人机内部处理器可使用TangentBUG算法对障碍物做出提前规避动作，获得更短更平滑的无人机飞行路径。在无人机传感器中P(x,θ)，x是机器人位置和θ是传感器扫描角度，满足公式：

其中x+λ(cosθ,sinθ)^T属于障碍物范围，d为距离，λ为距离系数。对于某一个固定的位置x，P被传感器视野内的障碍物分割成多个连续区间。TangentBUG算法利用者些区间的端点避开工作空间中的障碍物。

在无人机使用TangentBUG算法避障的同时，可使用粒子群算法进行路径优化。在其中引入实际飞行环境对无人机的影响权重，包括：海上风力大小、海浪高度、正常工作的风机叶片旋转等。在粒子群算法中，可预先设置无人机的飞行速度计算关系式，然后调用飞行速度计算关系式计算无人机的当前飞行速度，飞行速度计算关系式可表示为：

式中

为第k次迭代的飞行速度，i为第i次速度修正，w为惯性权重，c₁，m₁，n₁为现场环境对无人机工作的影响因子，c₁为海上风力大小，m₁为海浪高度，n₁为风机叶片影响因子。P_best在现场环境影响下最优位置，

为上一时刻无人机位置。r₁，s₁为无人机自身的影响权重，r₁为剩余任务量，s₁为电池续航时间，G_best为在无人机自身影响因素下的最优位置。

根据当前飞行高度度对初始飞行路径中的航迹点的飞行高度进行修正。利用预先设置的无人机的位置更新关系式计算无人机的当前位置，无人机的位置更新公式可表示为：

根据无人机的当前位置对初始飞行路径中的航迹点的位置信息进行修正，确保无人机的剩余电量可使无人机飞回充电处，最后将修正后的航迹点输入到海上风电场三维模型中，从而得到最终的无人机巡检路径。

本实施例可通过GIS平台利用TangentBUG算法和粒子群算法快速生成无人机的初始巡检路径，并对飞行路径进行实时修正，将修正后的航迹点输入到海上风电场三维模型中；基于海上风电场风机工参、影像等数据构建典型场景下的海上风电场三维模型中航迹点，以最优路径为目标生成海上风电巡检的无人机路径，保证无人机可稳定、顺利地执行完巡检任务。

本发明实施例还针对无人机飞行路径生成方法提供了相应的装置，进一步使得方法更具有实用性。其中，装置可从功能模块的角度和硬件的角度分别说明。下面对本发明实施例提供的无人机飞行路径生成装置进行介绍，下文描述的无人机飞行路径生成装置与上文描述的无人机飞行路径生成方法可相互对应参照。

基于功能模块的角度，参见图2，图2为本发明实施例提供的无人机飞行路径生成装置在一种具体实施方式下的结构图，该装置可包括：

模型构建模块201，用于预先基于海上风电场信息和风机信息构建海上风电场三维模型；

路径生成模块202，用于基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；

路径修正模块203，用于根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

可选的，在本实施例的一些实施方式中，上述模型构建模块201可用于：获取海上风电场的位置信息、水域深度信息、风机电机组物理参数、海上风电场图像数据、风机图像数据；根据海上风电场图像数据构建环境三维模型；根据风机图像数据构建风机三维模型；基于环境三维模型、风机三维模型、海上风电场的位置信息、水域深度信息和风机电机组物理参数生成海上风电场三维模型。

作为本实施例的一种可选的实施方式，上述模型构建模块201还可进一步用于：对海面上不同类型的风机进行外作业扫描，生成点云数据；通过内作业处理，对点云数据进行粗模勾线和特征点提取，生成各风机的初始三维模型；基于所述初始三维模型，通过绘制钢化结构与进行模型渲染，生成各类型风机的精细化三维模型；通过区域色彩校正，利用精细化三维模型进行数字微分纠正，生成像片数字正射影像图；对像片数字正射影像图进行质量检查，并处理相应的质量问题；将不存在质量问题的像片数字正射影像图作为风机三维模型。

可选的，在本实施例的另一些实施方式中，上述路径修正模块203可进一步用于：预先设置当前环境参数和无人机自身参数的权重因子；获取海上风力值、海浪高度值、处于正常工作状态的风机叶片旋转信息、无人机的任务量、电池续航时间；根据海上风力值、海浪高度值、风机叶片旋转信息、任务量和电池续航时间的权重因子，对初始飞行路径中的航迹点进行修正；基于修正后的航迹点，以最优路径为目标生成最终巡检飞行路径。

作为本实施例的一种可选的实施方式，上述路径修正模块203还可进一步用于：调用飞行高度计算关系式计算无人机的当前飞行高度，飞行高度计算关系式为：

调用位置更新关系式计算所述无人机的当前位置，所述位置更新关系式为：

根据所述当前飞行高度度和当前位置对所述初始飞行路径中的航迹点的飞行高度和位置信息进行修正。在飞行速度公式中：

为第k次迭代的飞行速度，i为第i次速度修正，w为惯性权重，c₁，m₁，n₁为现场环境对无人机工作的影响因子，c₁为海上风力大小，m₁为海浪高度，n₁为风机叶片影响因子。P_best在现场环境影响下最优位置，

为上一时刻无人机位置。r₁，s₁为无人机自身的影响权重，r₁为剩余任务量，s₁为电池续航时间，G_best为在无人机自身影响因素下的最优位置。

作为本实施例的另外一种可选的实施方式，上述路径生成模块202可进一步用于：通过GIS平台利用TangentBUG算法对障碍物进行规避，以满足预设路径参数条件为目标，生成初始飞行路径。

本发明实施例无人机飞行路径生成装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

由上可知，本发明实施例可有效提高风机叶片的检测效率。

上文中提到的无人机飞行路径生成装置是从功能模块的角度描述，进一步的，本申请还提供一种电子设备，是从硬件角度描述。图3为本申请实施例提供的电子设备在一种实施方式下的结构示意图。如图3所示，该电子设备包括存储器30，用于存储计算机程序；处理器31，用于执行计算机程序时实现如上述任一实施例提到的无人机飞行路径生成方法的步骤。

其中，处理器31可以包括一个或多个处理核心，比如4核心处理器、8核心处理器，处理器31还可为控制器、微控制器、微处理器或其他数据处理芯片等。处理器31可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable GateArray，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器31也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器31可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器31还可以包括AI(ArtificialIntelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器30可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器30还可包括高速随机存取存储器以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。存储器30在一些实施例中可以是电子设备的内部存储单元，例如服务器的硬盘。存储器30在另一些实施例中也可以是电子设备的外部存储设备，例如服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器30还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器30不仅可以用于存储安装于电子设备的应用软件及各类数据，例如：执行漏洞处理方法的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。本实施例中，存储器30至少用于存储以下计算机程序301，其中，该计算机程序被处理器31加载并执行之后，能够实现前述任一实施例公开的无人机飞行路径生成方法的相关步骤。另外，存储器30所存储的资源还可以包括操作系统302和数据303等，存储方式可以是短暂存储或者永久存储。其中，操作系统302可以包括Windows、Unix、Linux等。数据303可以包括但不限于无人机飞行路径生成结果对应的数据等。

在一些实施例中，上述电子设备还可包括有显示屏32、输入输出接口33、通信接口34或者称为网络接口、电源35以及通信总线36。其中，显示屏32、输入输出接口33比如键盘(Keyboard)属于用户接口，可选的用户接口还可以包括标准的有线接口、无线接口等。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。通信接口34可选的可以包括有线接口和/或无线接口，如WI-FI接口、蓝牙接口等，通常用于在电子设备与其他电子设备之间建立通信连接。通信总线36可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extendedindustry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

本领域技术人员可以理解，图3中示出的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的组件，例如还可包括实现各类功能的传感器37。

本发明实施例所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

可以理解的是，如果上述实施例中的无人机飞行路径生成方法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，本申请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，执行本申请各个实施例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(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电可擦除可编程ROM、寄存器、硬盘、多媒体卡、卡型存储器(例如SD或DX存储器等)、磁性存储器、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。

基于此，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时如上任意一实施例所述无人机飞行路径生成方法的步骤。

本发明实施例所述可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本发明实施例还提供了一种无人机，请参见图4，可包括无人机机身41、处理器43和图像采集设备43。图像采集设备43和处理器42均搭载在无人机机身上，图像采集设备43与处理器42相连。

其中，图像采集设备43在接收到图像采集指令后，采集当前环境的图像数据。图像采集设备43可将采集的图像数据直接存储在本地，也可存储在云端，还可直接发送给处理器42，这均不影响本申请的实现。处理器42可用于执行存储器中存储的计算机程序时实现如上任意一个实施例中所记载的无人机飞行路径生成方法的步骤。

本发明实施例所述无人机的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

由上可知，本发明实施例可有效提高风机叶片的检测效率。

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它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的硬件包括装置及电子设备而言，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。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

以上对本申请所提供的一种无人机飞行路径生成方法、装置、无人机、电子设备及可读存储介质进行了详细介绍。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。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种海上无人机巡检飞行路径生成方法，其特征在于，包括：

预先基于海上风电场信息和风机信息构建海上风电场三维模型；

基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；

根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

2.根据权利要求1所述的海上无人机巡检飞行路径生成方法，其特征在于，构建海上风电场三维模型的具体过程为：

获取海上风电场的位置信息、水域深度信息、风机物理参数、海上风电场图像数据和风机图像数据；

根据海上风电场图像数据构建环境三维模型；

根据风机图像数据构建风机三维模型；

基于环境三维模型、风机三维模型、海上风电场的位置信息、水域深度信息和风机物理参数生成海上风电场三维模型。

3.根据权利要求2所述的海上无人机巡检飞行路径生成方法，其特征在于，构建风机三维模型的具体过程为：

对海面上不同类型的风机进行外作业扫描，生成点云数据；

通过内作业处理，对点云数据进行粗模勾线和特征点提取，生成各风机的初始三维模型；

基于初始三维模型，通过绘制钢化结构与进行模型渲染，生成各类型风机的精细化三维模型；

通过区域色彩校正，利用精细化三维模型进行数字微分纠正，生成像片数字正射影像图；

对像片数字正射影像图进行质量检查，并处理相应的质量问题；

将不存在质量问题的像片数字正射影像图作为风机三维模型。

4.根据权利要求1所述的海上无人机巡检飞行路径生成方法，其特征在于，基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径的具体过程为：

通过GIS平台利用TangentBUG算法对障碍物进行规避，以满足预设路径参数条件为目标，生成初始飞行路径；

TangentBUG算法可对障碍物做出提前规避，获得更短更平滑的无人机飞行路径；在无人机传感器P(x,θ)中，x是机器人位置和θ是传感器扫描角度，满足公式

其中x+λ(cosθ,sinθ)^T属于障碍物范围，d为距离，λ为距离系数，对于某一个固定的位置x，P被传感器视野内的障碍物分割成多个连续区间，TangentBUG算法利用者些区间的端点避开工作空间中的障碍物。

5.根据权利要求1所述的海上无人机巡检飞行路径生成方法，其特征在于，最终巡检飞行路径的生成具体过程为：

预先设置当前环境参数和无人机自身参数的权重因子；

获取海上风力值、海浪高度值、处于正常工作状态的风机叶片旋转信息、无人机的任务量和电池续航时间；

根据海上风力值、海浪高度值、风机叶片旋转信息、任务量和电池续航时间的权重因子，对初始飞行路径中的航迹点进行修正；

基于修正后的航迹点，以最优路径为目标生成最终巡检飞行路径。

6.根据权利要求5所述的海上无人机巡检飞行路径生成方法，其特征在于，对初始飞行路径中的航迹点进行修正的具体过程为：

调用飞行速度计算关系式计算无人机的当前飞行速度，飞行速度计算关系式为：

调用位置更新关系式计算无人机的当前位置，位置更新关系式为

根据当前飞行高度度和当前位置对初始飞行路径中的航迹点的飞行高度和位置信息进行修正

在飞行速度公式中，

为第k次迭代的飞行速度，i为第i次速度修正，w为惯性权重，c₁，m₁，n₁为现场环境对无人机工作的影响因子，c₁为海上风力大小，m₁为海浪高度，n₁为风机叶片影响因子，P_best在现场环境影响下最优位置，

为上一时刻无人机位置，r₁，s₁为无人机自身的影响权重，r₁为剩余任务量，s₁为电池续航时间，G_best为在无人机自身影响因素下的最优位置。

7.一种海上无人机巡检飞行路径生成装置，其特征在于，包括：

模型构建模块，用于预先基于海上风电场信息和风机信息构建海上风电场三维模型；

路径生成模块，用于基于当前巡检任务总量，调用海上风电场三维模型生成无人机的初始飞行路径；

路径修正模块，用于根据当前环境参数和无人机自身参数，对初始飞行路径进行线路修正，以生成无人机的最终巡检飞行路径。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，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至6任意一项所述海上无人机巡检飞行路径生成方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述海上无人机巡检飞行路径生成方法的步骤。

10.一种无人机，其特征在于，包括无人机机身、图像采集设备和处理器；

图像采集设备和处理器搭载在无人机机身；图像采集设备与处理器相连；

图像采集设备在接收到图像采集指令后，采集当前环境的图像数据；

处理器用于执行存储器中存储的计算机程序时实现如权利要求1至6任意一项所述海上无人机巡检飞行路径生成方法的步骤。

Images