CN113985907A - 一种基于无人机多载荷数据的树障风险预测和优化方法 - Google Patents
一种基于无人机多载荷数据的树障风险预测和优化方法 Download PDFInfo
- Publication number
- CN113985907A CN113985907A CN202111260875.1A CN202111260875A CN113985907A CN 113985907 A CN113985907 A CN 113985907A CN 202111260875 A CN202111260875 A CN 202111260875A CN 113985907 A CN113985907 A CN 113985907A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- adjusting
- detection
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 230000004888 barrier function Effects 0.000 title claims description 16
- 238000001514 detection method Methods 0.000 claims abstract description 153
- 238000012937 correction Methods 0.000 claims abstract description 32
- 230000007246 mechanism Effects 0.000 claims description 223
- 239000000523 sample Substances 0.000 claims description 60
- 238000003384 imaging method Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 20
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 230000000087 stabilizing effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 13
- 230000006698 induction Effects 0.000 abstract description 3
- 230000001976 improved effect Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 230000008093 supporting effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 239000003562 lightweight material Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于无人机多载荷数据的树障风险预测系统和优化方法,其包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,调整装置用于对检测的位置或者范围进行调整;检测装置用于对树障进行检测或者采集;规划装置用于对无人机的飞行方向进行规划;校正装置用于对无人机的姿势进行校正;导引装置用于对无人机的检测区域和范围进行导引;感应装置基于导引装置的导引数据,对检测位置进行实时感测。本发明通过采用规划装置、校正装置和导引装置相互配合,使得无人机在移动的过程中能够对障碍物进行实时的采集,并对无人机的移动路径进行预测、校正和优化。
Description
技术领域
本发明涉及无人机设备技术领域,尤其涉及一种基于无人机多载荷数据的树障风险预测和优化方法。
背景技术
传统以人工巡检的方式对树障进行排查,劳动强度大,而且巡检效率低。通过基于普通无人机的传感器获取的图片数据,可以对例如绝缘子、金具等输电线路设备进行缺陷检测,但是很难具备对地距离或交叉跨越等三维空间量测能力。
如CN109390873A现有技术公开了一种利用输电线路通道内点云数据来预测树障威胁的方法,利用植被与输电线之间距离变化值的历史数据,采用二次移动平均法,预测出未来距离的变化趋势,极易受到风向或者风速的影响,对检测的精度产生极大的影响。
经过大量检索发现存在的现有技术如KR145254364B1、EP2415816B1和US08729540B1,线路巡视专业人员乘坐直升飞机沿线路飞行,目视判断线下树高,对于可能发生缺陷的线段,应用测距望远镜量测导线与树顶间距,记录线路里程及垂直间距。巡视完成后,根据线路运维规范判断是否为树障缺陷,编写缺陷报告。线路检修人员依据树障缺陷报告,将过高树木砍伐到安全高度,消除线路树障缺陷。同时,还存在利用无人机进行检测,存在机载激光设备重量大,飞行平台要求高,巡视成本高等缺陷。
为了解决本领域普遍存在劳动强度高、无法自动避障、重量过大、调整检测范围小、极易受到风向或者风速的影响和检测的精度差等等问题,作出了本发明。
发明内容
本发明的目的在于,针对目前树障预测所存在的不足,提出了一种基于无人机多载荷数据的树障风险预测和优化方法。
为了克服现有技术的不足,本发明采用如下技术方案:
一种基于无人机多载荷数据的树障风险预测系统,其包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,所述调整装置用于对检测的位置或者范围进行调整;所述检测装置用于对树障进行检测或者采集;所述规划装置用于对无人机的飞行方向进行规划;所述校正装置用于对所述无人机的姿势进行校正;所述导引装置用于对所述无人机的检测区域和范围进行导引;所述感应装置基于所述导引装置的导引数据,对检测位置进行实时感测。
可选的,所述调整装置包括调整机构和限位机构,所述调整机构用于对所述检测装置的角度进行调整;所述限位机构用于对所述调整机构的位置进行限位;
所述调整机构包括调整座、调整杆、角度检测件和调整驱动机构,所述调整座设有供所述调整杆容纳的调整腔,所述调整杆的一端与所述调整腔嵌套,所述角度检测件用于对所述调整杆的转动的角度进行检测;所述调整杆的另一端朝着远离所述调整腔的一侧伸出且端部与所述检测装置连接;所述调整驱动机构被构造为与所述调整杆驱动连接。
可选的,所述检测装置包括检测机构和通信机构,所述检测机构用于对所述树障进行检测;所述通信机构用于把所述检测机构的数据进行传输;
所述检测机构包括检测探头、聚焦构件和稳定构件,所述聚焦构件对所述检测探头的焦距进行调整;所述稳定构件对所述聚焦构件和所述检测探头的振动进行稳定;所述聚焦构件包括多个图像传感器、可变焦光学元件和可变焦距成像控制器,多个图像传感器器用于对工作距离上的目标物进行捕获;所述可变焦距成像控制器配置为控制可变光学元件用于在整个工作距离上定位多个成像平面的元件,可变焦点光学元件具有沿中心轴延伸的视场;其中,可变焦距成像控制器配置为连续循环可变焦成像组件可聚焦在每个成像平面上并在以下位置捕获图像多个所述成像平面中的每一个在工作距离内。
可选的,所述规划装置包括规划机构和识别机构,所述识别机构用于对运行环境中的环境进行采集,并生成一个或者多个障碍物的位置数据;所述规划机构基于所述识别机构的识别数据对所述无人机的路径进行规划;所述识别机构包括测距传感器和转向构件,所述转向构件用于对所述测距传感器的方向进行调整;所述测距传感器用于对环境中的障碍物进行检测。
可选的,所述校正装置包括偏离机构和矫正机构,所述偏离机构用于对所述无人机的偏离量进行检测;所述矫正机构基于所述偏离机构的数据克服所述偏离量对无人机的影响;所述偏离机构包括采样构件和位置检测件,所述采样构件用于对参考位置进行数据采集;所述位置检测件对偏离量进行检测。
可选的,所述导引装置包括导引机构和对准机构,所述对准机构用于对所述障碍物进行对准;所述导引机构基于所述对准机构的数据对所述无人机的检测位置进行导引;所述导引机构包括若干个导引头、转向构件和随动构件,所述随动构件用于对各个所述导引头驱动连接形成调整部,所述转向构件用于对所述调整部的横向位置进行调整。
可选的,所述感应装置包括感应机构,所述感应机构实时检测与所述障碍物的距离,并反馈给所述规划装置;所述感应机构包括若干个感应探头和传输模块,各个所述感应探头设置在所述无人机的外壁,并对行进路径上的障碍物进行检测,所述传输模块用于采集各个所述检测探头的数据,并与所述处理器建立通信链路。
可选的,所述规划机构对基于所述检测装置的环境检测数据中并生成占用图,其中,所述规划机构对基于所述检测装置的环境检测数据中并生成占用图,其中,基于障碍物被归类为能够干扰无人机的行进方向,选择障碍物的位置并添加到占用地图;采集所述检测装置的扫描范围,基于检测范围动态调整所述无人机的移动路线;所述规划机构还被构造为接收所述导引装置的数据,并收集障碍物环境中相关的鸟瞰图像数据,并分析鸟瞰图像数据以确定与所述无人机移动轨迹相关联的路线。
另外,本发明还通过一种基于无人机多载荷数据的树障风险优化方法,所述优化方法包括:所述优化方法包括:根据无人机的运动姿态和障碍物的姿态判断无人机与障碍物是否会发生碰撞;根据无人机姿态确定无人机与障碍物之间直线的斜率大小;将直线斜率的大小与斜率阈值进行比较。
可选的,所述优化方法还包括以下步骤:采集所述检测探头采集的图像进行采集,并对样本进行统一分析,并进行样本数据作如下归一化处理:
其中,Qk表示原始数据Qk经过归一化后的输入样本,
Qmin和Qmax分别表示原始数据中的最小值和最大值;γ为矫正参数,其值与检测探头的检测范围有关。
本发明所取得的有益效果是:
1通过导引装置还对无人机检测的范围进行限定,同时,规划装置还基于导引装置的数据进行移动路径的规划,通过规划装置与导引装置相互配合,使得无人机能够对特定位置的区域范围进行检测;
2.通过规划装置、校正装置和导引装置相互配合,使得无人机在移动的过程中能够对障碍物进行实时的采集,并对无人机的移动路径进行校正;
3.通过校正装置还对无人机的飞行的姿态进行检测,使得无人机进行移动的过程中能够进行避障或者移动,提升整个无人机进行检测的精准性;
4.通过调整机构与限位机构相互配合,使得检测装置的检测角度能够被精准的调整;
5.通过可变焦距成像控制器对可变焦光学元件进行控制,使得检测探头获取最佳的图像数据;
6.通过采用多个图像传感器、可变焦光学元件和可变焦距成像控制器之间的配合,使得对障碍物的检测能够更加的精准;
7.通过识别机构与规划机构相互配合使得无人机的移动路径能够被精准的控制。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明的控制流程示意图。
图2为所述无人机的结构示意图。
图3为所述无人机与所述识别机构工作状态时的结构示意图。
图4为所述无人机与障碍物的应用场景示意图。
图5为所述识别机构的结构示意图。
图6为所述限位机构的结构示意图。
图7为所述导引装置的结构示意图。
图8为所述导引装置与所述导引探头的结构示意图。
图9为所述无人机主体与所述矫正机构的结构示意图。
图10为所述矫正机构的结构示意图。
附图标号说明:1-检测探头;2-支撑架;3-无人机;4-限位机构;5-矫正机构;6-调整装置;7-障碍物;8-识别机构;9-伸缩杆;10-测距传感器;11-第一转向杆;12-第二转向杆;13-转向驱动机构;14-转向座;15-容腔座;16-固定座;17-限位凸起;18-转动构件;19-伸出构件;20-立杆;21-限位环;22-磁吸头;23-磁性带;24-导引头;25-导引探头;26-转动座;27-支撑底座;28-升降杆;29-调整扇叶;30-驱动杆;31-连接杆。
具体实施方式
为了使得本发明的目的.技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。对于本领域技术人员而言,在查阅以下详细描述之后,本实施例的其它系统.方法和/或特征将变得显而易见。旨在所有此类附加的系统.方法.特征和优点都包括在本说明书内.包括在本发明的范围内,并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征,并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”.“下”.“左”.“右”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组件必须具有特定的方位.以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例一:一种基于无人机多载荷数据的树障风险预测系统,其包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,所述调整装置用于对检测的位置或者范围进行调整;所述检测装置用于对树障进行检测或者采集;所述规划装置用于对无人机的飞行方向进行规划;所述校正装置用于对所述无人机的姿势进行校正;所述导引装置用于对所述无人机的检测区域和范围进行导引;所述感应装置基于所述导引装置的导引数据,对检测位置进行实时感测;
进一步的,所述调整装置包括调整机构和限位机构,所述调整机构用于对所述检测装置的角度进行调整;所述限位机构用于对所述调整机构的位置进行限位;
所述调整机构包括调整座、调整杆、角度检测件和调整驱动机构,所述调整座设有供所述调整杆容纳的调整腔,所述调整杆的一端与所述调整腔嵌套,所述角度检测件用于对所述调整杆的转动的角度进行检测;所述调整杆的另一端朝着远离所述调整腔的一侧伸出且端部与所述检测装置连接;所述调整驱动机构被构造为与所述调整杆驱动连接;
进一步的,所述检测装置包括检测机构和通信机构,所述检测机构用于对所述树障进行检测;所述通信机构用于把所述检测机构的数据进行传输;
所述检测机构包括检测探头、聚焦构件和稳定构件,所述聚焦构件对所述检测探头的焦距进行调整;所述稳定构件对所述聚焦构件和所述检测探头的振动进行稳定;所述聚焦构件包括多个图像传感器、可变焦光学元件和可变焦距成像控制器,多个图像传感器器用于对工作距离上的目标物进行捕获;所述可变焦距成像控制器配置为控制可变光学元件用于在整个工作距离上定位多个成像平面的元件,可变焦点光学元件具有沿中心轴延伸的视场;其中,可变焦距成像控制器配置为连续循环可变焦成像组件可聚焦在每个成像平面上并在以下位置捕获图像多个所述成像平面中的每一个在工作距离内;
进一步的,所述规划装置包括规划机构和识别机构,所述识别机构用于对运行环境中的环境进行采集,并生成一个或者多个障碍物的位置数据;所述规划机构基于所述识别机构的识别数据对所述无人机的路径进行规划;所述识别机构包括测距传感器和转向构件,所述转向构件用于对所述测距传感器的方向进行调整;所述测距传感器用于对环境中的障碍物进行检测;
进一步的,所述校正装置包括偏离机构和矫正机构,所述偏离机构用于对所述无人机的偏离量进行检测;所述矫正机构基于所述偏离机构的数据克服所述偏离量对无人机的影响;所述偏离机构包括采样构件和位置检测件,所述采样构件用于对参考位置进行数据采集;所述位置检测件对偏离量进行检测;
进一步的,所述导引装置包括导引机构和对准机构,所述对准机构用于对所述障碍物进行对准;所述导引机构基于所述对准机构的数据对所述无人机的检测位置进行导引;所述导引机构包括若干个导引头、转向构件和随动构件,所述随动构件用于对各个所述导引头驱动连接形成调整部,所述转向构件用于对所述调整部的横向位置进行调整;
进一步的,所述感应装置包括感应机构,所述感应机构实时检测与所述障碍物的距离,并反馈给所述规划装置;所述感应机构包括若干个感应探头和传输模块,各个所述感应探头设置在所述无人机的外壁,并对行进路径上的障碍物进行检测,所述传输模块用于采集各个所述检测探头的数据,并与所述处理器建立通信链路;
进一步的,所述规划机构对基于环境的数据中检测到的障碍物的并生成占用图,其中,基于障碍物被归类为能够干扰无人机的行进方向,选择障碍物的位置并添加到占用地图;采集所述无人机移动路径;所述规划机构还被构造为接收所述导引装置的数据,并收集障碍物环境中相关的鸟瞰图像数据,并分析鸟瞰图像数据以确定与所述无人机移动轨迹相关联的路线;
另外,本发明还通过一种基于无人机多载荷数据的树障风险优化方法,所述优化方法包括:所述优化方法包括:根据无人机的运动姿态和障碍物的姿态判断无人机与障碍物是否会发生碰撞;根据无人机姿态确定无人机与障碍物之间直线的斜率大小;将直线斜率的大小与斜率阈值进行比较;
可选的,所述优化方法还包括以下步骤:采集所述检测探头采集的图像进行采集,并对样本进行统一分析,并进行样本数据作如下归一化处理:
其中,Qk表示原始数据Qk经过归一化后的输入样本,
Qmin和Qmax分别表示原始数据中的最小值和最大值;γ为矫正参数,其值与检测探头的检测范围有关。
实施例二:本实施例应当理解为至少包含前述任一一个实施例的全部特征,并在其基础上进一步改进;提供一种基于无人机多载荷数据的树障风险预测系统,其包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,所述调整装置用于对检测的位置或者范围进行调整;所述检测装置用于对树障进行检测或者采集;所述规划装置用于对无人机的飞行方向进行规划;所述校正装置用于对所述无人机的姿势进行校正;所述导引装置用于对所述无人机的检测区域和范围进行导引;所述感应装置基于所述导引装置的导引数据,对检测位置进行实时感测;所述处理器分别与所述调整装置、所述检测装置、所述规划装置、所述校正装置、所述导引装置和所述感应装置控制连接,并基于所述处理器的集中控制下对各个装置进行精准的控制;所述调整装置与所述检测装置相互配合,使得所述检测装置的检测角度能够调整;所述规划装置、所述校正装置和所述导引装置相互配合,使得所述无人机在移动的过程中能够对所述障碍物进行实时的采集,并对所述无人机的移动路径进行校正;另外,所述导引装置还对所述无人机检测的范围进行限定,同时,所述规划装置还基于所述导引装置的数据进行移动路径的规划,通过所述规划装置与所述导引装置相互配合,使得所述无人机能够对特定位置的区域范围进行检测;所述校正装置还对所述无人机的飞行的姿态进行检测,使得所述无人机进行移动的过程中能够进行避障或者移动,提升整个无人机进行检测的精准性;另外,预测系统还包括定位装置,所述定位装置用于对所述无人机进行回收,使得所述无人机在移动的过程中,所述无人机在初始位置或者终点位置均能进行精准的导航,有效提升所述无人机的回收或者精准导航;所述定位装置包括定位平台、通信机构和定位机构,所述定位机构设置在所述无人机的下底部;所述通信机构用于与所述定位机构进行通信连接,并指导所述无人机的移动轨迹;所述通信机构设置在所述定位平台上并对所述无人机的回收轨迹进行导航;
所述调整装置包括调整机构和限位机构,所述调整机构用于对所述检测装置的角度进行调整;所述限位机构用于对所述调整机构的位置进行限位;所述调整机构包括调整座、调整杆、角度检测件和调整驱动机构,所述调整座设有供所述调整杆容纳的调整腔,所述调整杆的一端与所述调整腔嵌套,所述角度检测件用于对所述调整杆的转动的角度进行检测;所述调整杆的另一端朝着远离所述调整腔的一侧伸出且端部与所述检测装置连接;所述调整驱动机构被构造为与所述调整杆驱动连接;所述检测装置与所述调整装置相互配合,使得所述检测装置的检测角度进行调整;所述调整机构与所述限位机构相互配合,使得所述检测装置的检测角度能够被精准的调整;
限位机构包括限位环、固定座、定位杆、立杆和磁吸头,磁吸头设置在所述定位杆的一端,所述定位杆的杆体与所述立杆铰接,所述定位杆的另一端朝向远离所述磁吸头的一端伸出;所述限位环与所述固定座分别与所述立杆嵌套,并分设在所述立杆的两端,且所述立杆的一端与所述固定座连连接;另外,所述立杆与所述固定座、所述限位环均同轴设置;另外,所述限位环的本体上还设置有磁性带,所述磁性带呈环形,并与所述限位环同轴设置;所述限位机构还包括伸出构件和转动构件,所述伸出构件设置在所述定位杆远离所述磁吸头的一端端部,并与所述定位杆连接;所述伸出构件在对所述限位环进行限位时,通过缩回的操作实现对所述;所述转动构件用于固定座的位置进行调整;所述转动构件包括容腔座、转动驱动机构和齿轮组,所述转动驱动机构与所述齿轮组驱动连接形成驱动部,且所述驱动部的输出轴与所述固定座连接,使得所述固定座能够沿着自身的轴线进行转动;所述固定座嵌套在所述容腔座中,并在所述转动部的转动操作下实现转动;另外,所述固定座上还设置有限位凸起,所述限位凸起用于对所述固定座的位置进行限制,使得所述固定座在所述转动部进行转动的过程中不会产生偏移;同时,所述容腔座中设置有供所述驱动部容纳的活动腔;所述伸出构件的一端与所述定位杆连接,所述伸出构件的另一端与固定连接在所述固定座上,且跟随所述固定座的转动而转动;通过所述伸出构件与所述转动构件的配合,使得所述检测装置在检测的过程中能够被限制或者限位;当需要对所述检测装置的检测角度进行调整时,通过所述定位杆上的所述磁吸头在所述伸出构件的伸出下沿着铰接位置转动,使得所述磁吸头与所述限位环进行吸引,并在所述转动部对所述固定座转动下,进而实现所述检测装置的调整;
所述检测装置包括检测机构和通信机构,所述检测机构用于对所述树障进行检测;所述通信机构用于把所述检测机构的数据进行传输;所述检测机构包括检测探头、聚焦构件和稳定构件,所述聚焦构件对所述检测探头的焦距进行调整;所述稳定构件对所述聚焦构件和所述检测探头的振动进行稳定;所述聚焦构件包括多个图像传感器、可变焦光学元件和可变焦距成像控制器,多个图像传感器器用于对工作距离上的目标物进行捕获;所述可变焦距成像控制器配置为控制可变光学元件用于在整个工作距离上定位多个成像平面的元件,可变焦点光学元件具有沿中心轴延伸的视场;其中,可变焦距成像控制器配置为连续循环可变焦成像组件可聚焦在每个成像平面上并在以下位置捕获图像多个所述成像平面中的每一个在工作距离内;所述光学元件的工作距离依据各个不同的类型进行确定,因而不再一一赘述;另外,通过多个所述图像传感器、所述可变焦光学元件和所述可变焦距成像控制器之间的配合,使得对所述障碍物的检测能够更加的精准,同时,基于采集后的图像的数据能够对不同的树障风险进行检测,并反馈到控制中心,此时,监控者通过回传到所述控制中心的数据进行分析,并作出相应的排险操作;另外,多个所述图像传感器用于检测角度的目标物进行识别,并响应对所述检测探头对目标物体的捕捉;可变焦的光学元件设置在所述检测探头上使得所述检测探头获取最精准的图像数据;同时,所述检测探头、各个所述图像传感器、可变焦光学元件和可变焦距成像控制器之间相互配合,当所述检测探头采集的图像数据不清晰时,通过所述可变焦距成像控制器对所述可变焦光学元件进行控制,使得所述检测探头获取最佳的图像数据;所述稳定构件包括缓冲器和连接杆,所述缓冲器产生的振动进行过滤,有效的降低所述无人机振动对多个所述图像传感器和可变焦光学元件的影响;所述缓冲器的一端与所述连接杆连接,所述缓冲器的另一端与所述检测探头进行连接,提升图像采集的精度;所述连接杆设置在所述检测探头朝向所述限位机构的一侧,并与所述限位机构连接;另外,所述缓冲器采用于对振动进行减振,是本领域常见的手段,本领域的技术人员也应对此熟悉,因而不再一一赘述;
所述检测装置还包括支撑架,所述调整机构和所述限位机构均设置在所述支撑架上,且通过所述调整机构和所述限位机构的配合,使得所述检测装置能够进行角度的调整;所述调整杆远离所述调整腔的一侧的伸出的端部与所述支撑架固定连接;所述支撑架包括调整部和限位部,所述限位部呈U字型结构,且所述检测装置设置在U字型的开口处,并通过所述限位机构与所述限位部连接;所述调整部的一端与所述限位部上顶部连接,所述调整部的另一端与所述调整杆固定连接,使得所述支撑架能够在所述调整机构的调整操作下进行转动;所述调整机构用于在水平方向的角度进行调整;所述限位机构用于对所述检测机构的俯仰角度进行调整;
所述规划装置包括规划机构和识别机构,所述识别机构用于对运行环境中的环境进行采集,并生成一个或者多个障碍物的位置数据;所述规划机构基于所述识别机构的识别数据对所述无人机的路径进行规划;所述识别机构包括测距传感器和转向构件,所述转向构件用于对所述测距传感器的方向进行调整;所述测距传感器用于对环境中的障碍物进行检测;所述识别机构与所述规划机构相互配合使得所述无人机的移动路径能够被精准的控制;所述转向构件用于对所述测距传感器的识别角度进行检测,且所述识别机构设置在所述无人机的周侧,使得所述无人机移动路径上的环境或者多个障碍物的数据能够被识别或者采集;所述转向构件包括转向座、第一转向杆、第二转向杆、以及若干个转向驱动机构和若干个角度检测件,所述第一转向杆和第二转向杆的一端依次铰接形成第一连接部,所述转向驱动机构设置在第一铰接部上,使得第一连接部能够进行各种方向进行调整;所述第一转向杆的另一端与另一转向驱动机构驱动连接并与所述转向座连接,使得所述第一转向杆能够在水平方向上转动;所述第二转向杆的另一端与所述转向驱动机构形成驱动部,且所述驱动部与所述检测探头连接;另外,各个所述角度检测件均等间距的设置在所述转向座上;
所述识别机构在非使用状态下,隐藏在所述无人机的主体内;另外,所述无人机的主体设置有供所述识别机构的隐藏腔;所述识别机构还包括若干个伸缩杆和伸缩驱动机构,各个所述伸缩杆的一端与所述转向座的上顶部,所述伸缩杆的另一端与所述隐藏腔的底部垂直固定连接;各个所述伸缩杆与所述伸缩驱动机构驱动连接;
所述规划机构对基于所述检测装置的环境检测数据中并生成占用图,其中,基于障碍物被归类为能够干扰无人机的行进方向,选择障碍物的位置并添加到占用地图;采集所述检测装置的检测范围,基于检测范围动态调整所述无人机的移动路线;所述规划机构还被构造为接收所述导引装置的数据,并收集障碍物环境中相关的鸟瞰图像数据,并分析鸟瞰图像数据以确定与所述无人机移动轨迹相关联的路线;
所述校正装置包括偏离机构和矫正机构,所述偏离机构用于对所述无人机的偏离量进行检测;所述矫正机构基于所述偏离机构的数据克服所述偏离量对无人机的影响;所述偏离机构包括采样构件和位置检测件,所述采样构件用于对参考位置进行数据采集;所述位置检测件对偏离量进行检测;所述偏离机构和所述矫正机构相互配合,使得所述无人机的位置的偏移能够被纠正;同时,所述矫正机构还基于所述规划装置的数据进行路径的矫正;当在所述无人机的行进路径上的出现障碍物,则通过规划装置对所述障碍物进行分析,并重新规划出一条新的移动路径;所述采样构件和所述位置检测件相互配合,对所述无人机的实时位置进行检测;所述位置检测件包括但是不局限于以下列举的几种:检测雷达、高度传感器和距离传感器等,用于对所述无人机的高度进行检测;所述采样构件与所述位置检测件配合使得所述无人机的变换位置的偏离量进行检测;举例如:采集所述位置检测件的某一初始高度值,此时所述采集构件被激活,记录由初始高度值与最终高度值的偏差值,即为偏离量;同理,也可以获取水平方向的偏移量;所述校正装置设置在所述无人机的主体上,且所述无人机的主体上还设置有所述校正装置容纳的空腔;所述校正机构包括驱动杆、若干个调整扇叶和矫正驱动机构,各个所述调整扇叶嵌套在所述驱动杆上,跟随所述驱动杆的转动而转动;所述矫正驱动机构被构造为对所述驱动杆进行连接,同时,各个所述调整扇叶采样轻质材料;通过所述矫正机构对所述无人机进行辅助,使得所述无人机能够更加的稳定;同时,在所述偏离机构对偏移量进行检测后,能够通过所述无人机自身的上升力和所述辅助机构的辅助使得所述偏离量能够克服;
所述导引装置包括导引机构和对准机构,所述对准机构用于对所述障碍物进行对准;所述导引机构基于所述对准机构的数据对所述无人机的检测位置进行导引;所述导引机构包括若干个导引头、转向构件和随动构件,所述随动构件用于对各个所述导引头驱动连接形成调整部,所述转向构件用于对所述调整部的横向位置进行调整;所述转向构件包括转向驱动机构、转向检测件、转动座和支撑底座,所述转向驱动机构与所述转动座驱动连形成转向部;所述转向部被构造为对所述支撑底座铰接,同时,当所述转动座被所述转向驱动机构驱动后,就会绕着铰接位置的轴线进行转动;所述转向检测件对所述转动座的转动角度进行采集;在本实施例中,设置为两组导引头,且所述两组导引头分别对所述无人机的活动区域的宽度区域进行限定;所述对准构机构包括导引探头,所述导引探头被构造为对限制区域进行指引;所述导引探头包括但是不局限于以下列举的几种:红外线、可见光、感应雷达等用于指示活动区域元器件;所述随动构件包括升降杆和升降驱动机构,所述升降杆的一端与所述转动座的支撑筋板上,所述升降杆的另一端朝着远离所述支撑底座的一侧伸出并与所述导引头连接;所述升降驱动机构被构造为与所述升降杆驱动连接;所述支撑筋板对称设置在所述转动座的周侧并供所述升降杆进行支撑;
所述感应装置包括感应机构,所述感应机构实时检测与所述障碍物的距离,并反馈给所述规划装置;所述感应机构包括若干个感应探头和传输模块,各个所述感应探头设置在所述无人机的外壁,并对行进路径上的障碍物进行检测,所述传输模块用于采集各个所述检测探头的数据,并与所述处理器建立通信链路;所述感应装置还与所述定位装置进行配合,使得所述无人机的飞行距离进行精准感应;所述感应机构设置在所述无人机上,并通过感应与所述定位装置的距离,若超多设定的最大阈值,则触发博报警,在使用的过程中,需要把所述无人机与所述定位装置的使用半径在合理的识别阈值内为最佳;
另外,本实施例还通过一种基于无人机多载荷数据的树障风险优化方法,所述优化方法包括:所述优化方法包括:根据无人机的运动姿态和障碍物的姿态判断无人机与障碍物是否会发生碰撞;根据无人机姿态确定无人机与障碍物之间直线的斜率大小;将直线斜率的大小与斜率阈值进行比较;
可选的,所述优化方法还包括以下步骤:采集所述检测探头采集的图像进行采集,并对样本进行统一分析,并进行样本数据作如下归一化处理:
其中,Qk表示原始数据Qk经过归一化后的输入样本,Qmin和Qmax分别表示原始数据中的最小值和最大值;γ为矫正参数,其值与检测探头的检测范围Scan有关。
实施例三:本实施例应当理解为至少包含前述任一一个实施例的全部特征,并在其基础上进一步改进;提供一种基于无人机多载荷数据的树障风险预测系统,其包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,所述调整装置用于对检测的位置或者范围进行调整;所述检测装置用于对树障进行检测或者采集;所述规划装置用于对无人机的飞行方向进行规划;所述校正装置用于对所述无人机的姿势进行校正;所述导引装置用于对所述无人机的检测区域和范围进行导引;所述感应装置基于所述导引装置的导引数据,对检测位置进行实时感测;所述处理器分别与所述调整装置、所述检测装置、所述规划装置、所述校正装置、所述导引装置和所述感应装置控制连接,并基于所述处理器的集中控制下对各个装置进行精准的控制;所述调整装置与所述检测装置相互配合,使得所述检测装置的检测角度能够调整;所述规划装置、所述校正装置和所述导引装置相互配合,使得所述无人机在移动的过程中能够对所述障碍物进行实时的采集,并对所述无人机的移动路径进行校正;另外,所述导引装置还对所述无人机检测的范围进行限定,同时,所述规划装置还基于所述导引装置的数据进行移动路径的规划,通过所述规划装置与所述导引装置相互配合,使得所述无人机能够对特定位置的区域范围进行检测;所述校正装置还对所述无人机的飞行的姿态进行检测,使得所述无人机进行移动的过程中能够进行避障或者移动,提升整个无人机进行检测的精准性;另外,预测系统还包括定位装置,所述定位装置用于对所述无人机进行回收,使得所述无人机在移动的过程中,所述无人机在初始位置或者终点位置均能进行精准的导航,有效提升所述无人机的回收或者精准导航;所述定位装置包括定位平台、通信机构和定位机构,所述定位机构设置在所述无人机的下底部;所述通信机构用于与所述定位机构进行通信连接,并指导所述无人机的移动轨迹;所述通信机构设置在所述定位平台上并对所述无人机的回收轨迹进行导航;
所述规划机构对基于所述检测装置的环境检测数据中并生成占用图,其中,基于障碍物被归类为能够干扰无人机的行进方向,选择障碍物的位置并添加到占用地图;采集所述检测装置的扫描范围,基于检测范围动态调整所述无人机的移动路线;所述规划机构还被构造为接收所述导引装置的数据,并收集障碍物环境中相关的鸟瞰图像数据,并分析鸟瞰图像数据以确定与所述无人机移动轨迹相关联的路线;
假设所述无人机飞行的速度为V,在对于所述无人机的采样比ρcyc为:
其中,Tcyc为无人机的采样时间,ΔR为单个工作周期内所述检测探头对所述障碍物的实时检测区域;在本实施例中,ρcyc至少小于1,对应的,就是障碍物的过采样因子,当其大于1使所述检测装置的检测探头在连续跟踪障碍物,从而提高了系统的稳定性;ΔR由所述检测探头的垂直扫描范围所决定;
假设无人机的采样高度为h,且无人机在该位置与所述障碍物的第一采样点和第二采样点的α和θ;所述无人机与所述第一采样点和所述第二采样点的距离为ΔL和ΔL+ΔR,
则有:
若存在:
其中,获得Scan后就能对障碍物的扫描范围进行风险路径规划,有效防止所述无人机与所述障碍物的碰撞风险;
另外,本实施例还通过一种基于无人机多载荷数据的树障风险优化方法,所述优化方法包括:所述优化方法包括:根据无人机的运动姿态和障碍物的姿态判断无人机与障碍物是否会发生碰撞;根据无人机姿态确定无人机与障碍物之间直线的斜率大小;将直线斜率的大小与斜率阈值进行比较;
所述优化方法还包括以下步骤:
Step1:采集障碍物的尺寸、高度、范围等三个指标:
Step2:采集所述检测探头采集的图像进行采集,并对样本进行统一分析,并进行样本数据作如下归一化处理:
其中,Qk表示原始数据Qk经过归一化后的输入样本,
Qmin和Qmax分别表示原始数据中的最小值和最大值;γ为矫正参数,其值与检测探头的检测范围Scan(即:公式(3))有关;
Step3:将归一化后的数据作为训练样本,并通过神经网络进行处理,同时利用升降网络进行训练,从而获得最佳障碍物的预测模型;
Step4:异常风险位置处进行分析;
Step5:搜寻异常风险位置处的引入信息素和灵敏度两个因子,从而获得异常风险位置处的准确位置,并进行路线规划;
优化的对障碍物路线算法包括:
首先找出障碍物(如本实例中树障的位置)First(i),计算障碍物的信息函数P(i);
其中,First(i)为采集的障碍物最初位置,smell为采样点性质,包括正相关(smell≥1)或者负相关(smell<1),负相关设置为不是障碍物上的采样点;
保留位置(x(i),y(i))和上一代的位置(x0(i),y0(i))(即:本次采集的障碍物的位置较上次凸出,则保留),根据下式计算灵敏度判定因子Kx(i)的值,且Ky(i)的计算公式同Kx(i),以下列举Kx(i),同理可得出Ky(i),此处不再赘述;
根据信息函数与灵敏度的适应关系和障碍个体的灵敏度判定因子,计算每个障碍个体对应的灵敏度S(i);
其中:Smin=Pmin,Smax=Pmin;Smax和Smin为最大灵敏度和最低灵敏度,Pmin和Pmin最大障碍的位置和最小障碍物的位置;
找出信息函数与灵敏度相匹配的障碍,即满足P(i)≤S(i),确定下一轮的搜寻起点:
其中,(xbest,ybest)和(xbad,ybad)分别为障碍物最突出的位置和障碍物最矮的位置,通过对两者坐标的确定则可以求出所述无人机的最佳的移动点坐标,通过若干个移动点坐标进行检测后,并连成线即为所述无人机的移动轨迹。
本施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。也就是说上面讨论的方法,系统和设备是示例。各种配置可以适当地省略,替换或添加各种过程或组件。例如,在替代配置中,可以以与所描述的顺序不同的顺序执行方法,和/或可以添加,省略和/或组合各种部件。而且,关于某些配置描述的特征可以以各种其他配置组合,如可以以类似的方式组合配置的不同方面和元素。此外,随着技术发展其中的元素可以更新,即许多元素是示例,并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而,可以在没有这些具体细节的情况下实践配置例如,已经示出了众所周知的电路,过程,算法,结构和技术而没有不必要的细节,以避免模糊配置。该描述仅提供示例配置,并且不限制权利要求的范围,适用性或配置。相反,前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下,可以对元件的功能和布置进行各种改变。
综上,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于无人机多载荷数据的树障风险预测系统,其特征在于,包括调整装置、检测装置、规划装置、校正装置、导引装置、感应装置和处理器,其特征在于,所述调整装置用于对检测的位置或者范围进行调整;所述检测装置用于对树障进行检测或者采集;所述规划装置用于对无人机的飞行方向进行规划;所述校正装置用于对所述无人机的姿势进行校正;所述导引装置用于对所述无人机的检测区域和范围进行导引;所述感应装置基于所述导引装置的导引数据,对检测位置进行实时感测。
2.如权利要求1所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述调整装置包括调整机构和限位机构,所述调整机构用于对所述检测装置的角度进行调整;所述限位机构用于对所述调整机构的位置进行限位;
所述调整机构包括调整座、调整杆、角度检测件和调整驱动机构,所述调整座设有供所述调整杆容纳的调整腔,所述调整杆的一端与所述调整腔嵌套,所述角度检测件用于对所述调整杆的转动的角度进行检测;所述调整杆的另一端朝着远离所述调整腔的一侧伸出且端部与所述检测装置连接;所述调整驱动机构被构造为与所述调整杆驱动连接。
3.如权利要求2所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述检测装置包括检测机构和通信机构,所述检测机构用于对所述树障进行检测;所述通信机构用于把所述检测机构的数据进行传输;
所述检测机构包括检测探头、聚焦构件和稳定构件,所述聚焦构件对所述检测探头的焦距进行调整;所述稳定构件对所述聚焦构件和所述检测探头的振动进行稳定;所述聚焦构件包括多个图像传感器、可变焦光学元件和可变焦距成像控制器,多个图像传感器器用于对工作距离上的目标物进行捕获;所述可变焦距成像控制器配置为控制可变光学元件用于在整个工作距离上定位多个成像平面的元件,可变焦点光学元件具有沿中心轴延伸的视场;其中,可变焦距成像控制器配置为连续循环可变焦成像组件可聚焦在每个成像平面上并在以下位置捕获图像多个所述成像平面中的每一个在工作距离内。
4.如权利要求3所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述规划装置包括规划机构和识别机构,所述识别机构用于对运行环境中的环境进行采集,并生成一个或者多个障碍物的位置数据;所述规划机构基于所述识别机构的识别数据对所述无人机的路径进行规划;所述识别机构包括测距传感器和转向构件,所述转向构件用于对所述测距传感器的方向进行调整;所述测距传感器用于对环境中的障碍物进行检测。
5.如权利要求4所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述校正装置包括偏离机构和矫正机构,所述偏离机构用于对所述无人机的偏离量进行检测;所述矫正机构基于所述偏离机构的数据克服所述偏离量对无人机的影响;所述偏离机构包括采样构件和位置检测件,所述采样构件用于对参考位置进行数据采集;所述位置检测件对偏离量进行检测。
6.如权利要求5所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述导引装置包括导引机构和对准机构,所述对准机构用于对所述障碍物进行对准;所述导引机构基于所述对准机构的数据对所述无人机的检测位置进行导引;所述导引机构包括若干个导引头、转向构件和随动构件,所述随动构件用于对各个所述导引头驱动连接形成调整部,所述转向构件用于对所述调整部的横向位置进行调整。
7.如权利要求6所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述感应装置包括感应机构,所述感应机构实时检测与所述障碍物的距离,并反馈给所述规划装置;所述感应机构包括若干个感应探头和传输模块,各个所述感应探头设置在所述无人机的外壁,并对行进路径上的障碍物进行检测,所述传输模块用于采集各个所述检测探头的数据,并与所述处理器建立通信链路。
8.如权利要求7所述的一种基于无人机多载荷数据的树障风险预测系统,其特征在于,所述规划机构对基于所述检测装置的环境检测数据中并生成占用图,其中,基于障碍物被归类为能够干扰无人机的行进方向,选择障碍物的位置并添加到占用地图;采集所述检测装置的检测范围,基于检测范围动态调整所述无人机的移动路线;所述规划机构还被构造为接收所述导引装置的数据,并收集障碍物环境中相关的鸟瞰图像数据,并分析鸟瞰图像数据以确定与所述无人机移动轨迹相关联的路线。
9.根据权利要求8所述的一种基于无人机多载荷数据的树障风险预测系统的优化方法,其特征在于,所述优化方法包括:根据无人机的运动姿态和障碍物的姿态判断无人机与障碍物是否会发生碰撞;根据无人机姿态确定无人机与障碍物之间直线的斜率大小;将直线斜率的大小与斜率阈值进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111260875.1A CN113985907B (zh) | 2021-10-28 | 2021-10-28 | 一种基于无人机多载荷数据的树障风险预测和优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111260875.1A CN113985907B (zh) | 2021-10-28 | 2021-10-28 | 一种基于无人机多载荷数据的树障风险预测和优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113985907A true CN113985907A (zh) | 2022-01-28 |
CN113985907B CN113985907B (zh) | 2024-02-02 |
Family
ID=79743136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111260875.1A Active CN113985907B (zh) | 2021-10-28 | 2021-10-28 | 一种基于无人机多载荷数据的树障风险预测和优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985907B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115188091A (zh) * | 2022-07-13 | 2022-10-14 | 国网江苏省电力有限公司泰州供电分公司 | 一种融合电力输变配设备的无人机网格化巡检系统及方法 |
CN115585850A (zh) * | 2022-11-15 | 2023-01-10 | 中国地质大学(北京) | 地下工程灾害源多元探测两栖无人机平台及探测方法 |
CN115981366A (zh) * | 2022-12-30 | 2023-04-18 | 广东电网有限责任公司肇庆供电局 | 基于电力线点云目标实时识别的无人机仿线飞行控制方法 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1934495A (zh) * | 2004-03-15 | 2007-03-21 | 1...有限公司 | 照相机的自动调焦装置 |
CN105109686A (zh) * | 2015-09-15 | 2015-12-02 | 长沙冠创控制科技有限公司 | 一种碟形飞行器及自主飞行系统 |
CN105643157A (zh) * | 2016-03-02 | 2016-06-08 | 湘潭大学 | 基于修正型果蝇算法优化grnn的大梁自动焊障碍预测方法 |
CN106051400A (zh) * | 2016-07-08 | 2016-10-26 | 极翼机器人(上海)有限公司 | 一种云台 |
CN206329874U (zh) * | 2016-09-14 | 2017-07-14 | 天津汇讯视通科技有限公司 | 一种云台仰角调节结构 |
CN107883817A (zh) * | 2016-09-29 | 2018-04-06 | 北京理工大学 | 带有混合制导武器的无人直升机控制系统及控制方法 |
CN207311851U (zh) * | 2017-07-07 | 2018-05-04 | 昊翔电能运动科技(昆山)有限公司 | 云台以及柔性件导正装置 |
CN108845484A (zh) * | 2018-07-18 | 2018-11-20 | 中山市迪迈打印科技有限公司 | 动力传递装置 |
US20190061922A1 (en) * | 2017-08-28 | 2019-02-28 | Saudi Arabian Oil Company | Thruster based locomotion for perched unmanned aerial vehicles |
CN208818089U (zh) * | 2018-09-21 | 2019-05-03 | 哈尔滨星航光电科技有限公司 | 一种可快速对接导引头的激光目标模拟器 |
CN110332427A (zh) * | 2019-05-22 | 2019-10-15 | 成都微精控科技有限公司 | 三维自稳平台 |
CN111123983A (zh) * | 2020-04-01 | 2020-05-08 | 中航金城无人系统有限公司 | 一种无人机截击网捕控制系统及控制方法 |
CN111357272A (zh) * | 2017-11-17 | 2020-06-30 | Lg伊诺特有限公司 | 相机模块 |
CN111649741A (zh) * | 2020-06-03 | 2020-09-11 | 江苏和正特种装备有限公司 | 一种基于光电转塔的光电探测系统及其稳像、搜索方法 |
DE102020112415A1 (de) * | 2019-05-08 | 2020-11-12 | Ford Global Technologies, Llc | Zonenbasierte landesysteme und -verfahren für unbemannte luftfahrzeuge |
WO2020251066A1 (ko) * | 2019-06-10 | 2020-12-17 | 엘지전자 주식회사 | 지능형 로봇 디바이스 |
CN112319654A (zh) * | 2020-10-27 | 2021-02-05 | 北京特种机械研究所 | 用于agv导航的机械导引头及使用其的导引装置 |
CN212850749U (zh) * | 2020-08-24 | 2021-03-30 | 山西威翔天地航空科技有限公司 | 一种航拍相机控制设备 |
WO2021078270A1 (zh) * | 2019-10-24 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 一种可拆换的云台相机、飞行器、系统及其云台拆换方法 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
CN113031612A (zh) * | 2021-03-10 | 2021-06-25 | 深圳市科服信息技术有限公司 | 一种基于智能控制的平衡车系统、控制方法及计算机可读存储介质 |
CN113240881A (zh) * | 2021-07-12 | 2021-08-10 | 环球数科集团有限公司 | 一种基于多特征融合的火灾识别系统 |
CN113232893A (zh) * | 2021-04-23 | 2021-08-10 | 北京理工大学 | 一种分布式寻的制导系统 |
CN113299113A (zh) * | 2021-05-25 | 2021-08-24 | 湖南汽车工程职业学院 | 一种基于区块链技术的泊车诱导系统 |
CN113449688A (zh) * | 2021-07-20 | 2021-09-28 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于影像和激光点云数据融合的输电树障识别系统 |
CN214325397U (zh) * | 2021-01-27 | 2021-10-01 | 北京二郎神科技有限公司 | 吊舱结构及无人机 |
-
2021
- 2021-10-28 CN CN202111260875.1A patent/CN113985907B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1934495A (zh) * | 2004-03-15 | 2007-03-21 | 1...有限公司 | 照相机的自动调焦装置 |
CN105109686A (zh) * | 2015-09-15 | 2015-12-02 | 长沙冠创控制科技有限公司 | 一种碟形飞行器及自主飞行系统 |
CN105643157A (zh) * | 2016-03-02 | 2016-06-08 | 湘潭大学 | 基于修正型果蝇算法优化grnn的大梁自动焊障碍预测方法 |
CN106051400A (zh) * | 2016-07-08 | 2016-10-26 | 极翼机器人(上海)有限公司 | 一种云台 |
CN206329874U (zh) * | 2016-09-14 | 2017-07-14 | 天津汇讯视通科技有限公司 | 一种云台仰角调节结构 |
CN107883817A (zh) * | 2016-09-29 | 2018-04-06 | 北京理工大学 | 带有混合制导武器的无人直升机控制系统及控制方法 |
CN207311851U (zh) * | 2017-07-07 | 2018-05-04 | 昊翔电能运动科技(昆山)有限公司 | 云台以及柔性件导正装置 |
US20190061922A1 (en) * | 2017-08-28 | 2019-02-28 | Saudi Arabian Oil Company | Thruster based locomotion for perched unmanned aerial vehicles |
CN111357272A (zh) * | 2017-11-17 | 2020-06-30 | Lg伊诺特有限公司 | 相机模块 |
CN108845484A (zh) * | 2018-07-18 | 2018-11-20 | 中山市迪迈打印科技有限公司 | 动力传递装置 |
CN208818089U (zh) * | 2018-09-21 | 2019-05-03 | 哈尔滨星航光电科技有限公司 | 一种可快速对接导引头的激光目标模拟器 |
DE102020112415A1 (de) * | 2019-05-08 | 2020-11-12 | Ford Global Technologies, Llc | Zonenbasierte landesysteme und -verfahren für unbemannte luftfahrzeuge |
CN110332427A (zh) * | 2019-05-22 | 2019-10-15 | 成都微精控科技有限公司 | 三维自稳平台 |
WO2020251066A1 (ko) * | 2019-06-10 | 2020-12-17 | 엘지전자 주식회사 | 지능형 로봇 디바이스 |
WO2021078270A1 (zh) * | 2019-10-24 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 一种可拆换的云台相机、飞行器、系统及其云台拆换方法 |
CN111123983A (zh) * | 2020-04-01 | 2020-05-08 | 中航金城无人系统有限公司 | 一种无人机截击网捕控制系统及控制方法 |
CN111649741A (zh) * | 2020-06-03 | 2020-09-11 | 江苏和正特种装备有限公司 | 一种基于光电转塔的光电探测系统及其稳像、搜索方法 |
CN212850749U (zh) * | 2020-08-24 | 2021-03-30 | 山西威翔天地航空科技有限公司 | 一种航拍相机控制设备 |
CN112319654A (zh) * | 2020-10-27 | 2021-02-05 | 北京特种机械研究所 | 用于agv导航的机械导引头及使用其的导引装置 |
CN214325397U (zh) * | 2021-01-27 | 2021-10-01 | 北京二郎神科技有限公司 | 吊舱结构及无人机 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
CN113031612A (zh) * | 2021-03-10 | 2021-06-25 | 深圳市科服信息技术有限公司 | 一种基于智能控制的平衡车系统、控制方法及计算机可读存储介质 |
CN113232893A (zh) * | 2021-04-23 | 2021-08-10 | 北京理工大学 | 一种分布式寻的制导系统 |
CN113299113A (zh) * | 2021-05-25 | 2021-08-24 | 湖南汽车工程职业学院 | 一种基于区块链技术的泊车诱导系统 |
CN113240881A (zh) * | 2021-07-12 | 2021-08-10 | 环球数科集团有限公司 | 一种基于多特征融合的火灾识别系统 |
CN113449688A (zh) * | 2021-07-20 | 2021-09-28 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于影像和激光点云数据融合的输电树障识别系统 |
Non-Patent Citations (1)
Title |
---|
何恒德: "压铸机机器人自动上料系统设计", 《现代制造技术与装备》, no. 1 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115188091A (zh) * | 2022-07-13 | 2022-10-14 | 国网江苏省电力有限公司泰州供电分公司 | 一种融合电力输变配设备的无人机网格化巡检系统及方法 |
CN115188091B (zh) * | 2022-07-13 | 2023-10-13 | 国网江苏省电力有限公司泰州供电分公司 | 一种融合电力输变配设备的无人机网格化巡检系统及方法 |
CN115585850A (zh) * | 2022-11-15 | 2023-01-10 | 中国地质大学(北京) | 地下工程灾害源多元探测两栖无人机平台及探测方法 |
CN115981366A (zh) * | 2022-12-30 | 2023-04-18 | 广东电网有限责任公司肇庆供电局 | 基于电力线点云目标实时识别的无人机仿线飞行控制方法 |
CN115981366B (zh) * | 2022-12-30 | 2023-09-22 | 广东电网有限责任公司肇庆供电局 | 基于电力线点云目标实时识别的无人机仿线飞行控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113985907B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113985907A (zh) | 一种基于无人机多载荷数据的树障风险预测和优化方法 | |
EP2772814B1 (en) | Tree metrology system | |
US10656096B2 (en) | Method and system for inspecting a surface area for material defects | |
CN108258613B (zh) | 智能巡线光电吊舱及实现巡线的方法 | |
JP2019009919A (ja) | 巡視点検支援システム及び巡視点検支援制御プログラム | |
CN112348034A (zh) | 基于无人机图像识别的起重机缺陷检测系统和工作方法 | |
CN111239755A (zh) | 一种输电线弧垂测量方法及装置 | |
CN112261270A (zh) | 长中短系列焦距镜头组合视觉传感阵列及其方法 | |
CN109084735B (zh) | 一种基于无人机装置的隧道异常状态监测方法 | |
CN106708075B (zh) | 基于固定翼无人机的大范围油菜田spad值遥感系统及采集方法 | |
KR20180042493A (ko) | 조류 퇴치를 위한 드론 운항시스템 | |
CN109976339B (zh) | 一种车载配网巡检数据采集方法与巡检系统 | |
CN113205116A (zh) | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 | |
CN113778137A (zh) | 输电线路的无人机自主巡检方法 | |
CN110104167A (zh) | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 | |
CN113780246A (zh) | 无人机三维航迹监测方法、系统以及三维监测装置 | |
CN115202376A (zh) | 一种基于单兵移动的无人机巡检电力网格化管控平台 | |
RU2019130604A (ru) | Система и способ защиты от беспилотных летательных аппаратов в воздушном пространстве населенного пункта | |
CN110953993A (zh) | 一种用于输电线路弧垂和限距的检测装置和方法 | |
Ohta et al. | Image acquisition of power line transmission towers using UAV and deep learning technique for insulators localization and recognition | |
CN113449688B (zh) | 一种基于影像和激光点云数据融合的输电树障识别系统 | |
CN113361826B (zh) | 一种基于多维特征融合和神经网络的树木生长预测系统 | |
CN110989623A (zh) | 地面无人作业设备及控制其移动的方法和装置、存储介质 | |
CN110068827A (zh) | 一种无人机自主目标测距的方法 | |
CN114415680A (zh) | 一种轨道巡检机器人避让装置及方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220907 Address after: 225700 No. 2, Fenghuang West Road, Taizhou City, Jiangsu Province Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. TAIZHOU POWER SUPPLY BRANCH Address before: 225700 No. 2, Fenghuang West Road, Taizhou City, Jiangsu Province Applicant before: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. TAIZHOU POWER SUPPLY BRANCH Applicant before: ZHONGXIN HANCHUANG (BEIJING) TECHNOLOGY CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |