CN114332658A - 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 - Google Patents
基于无人机巡检的铁路工务设备与周边环境隐患排查方法 Download PDFInfo
- Publication number
- CN114332658A CN114332658A CN202210039649.9A CN202210039649A CN114332658A CN 114332658 A CN114332658 A CN 114332658A CN 202210039649 A CN202210039649 A CN 202210039649A CN 114332658 A CN114332658 A CN 114332658A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- less
- hidden danger
- railway
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011835 investigation Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 201000010099 disease Diseases 0.000 claims description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 11
- 238000013024 troubleshooting Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000003716 rejuvenation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于无人机巡检的铁路工务设备与周边环境隐患排查方法。所述无人机搭载正射相机、视频相机、倾斜摄影相机、激光雷达，其特征在于，所述方法包括下列步骤：S1.设计无人机航线；S2.获取无人机巡检成果；S3.无人机巡检成果应用。本发明提供了适用于铁路全线工务设备与周边环境的无人机巡检技术体系，在运营阶段能够更好地发现风险隐患，进行多源数据监测与评估，提高数据利用率。
Description
技术领域
本发明涉及铁路检测技术领域，尤其涉及一种基于无人机巡检的铁路工务设备与周边环境隐患排查方法。
背景技术
随着线网规模不断扩大，我国铁路所面临的运营环境日趋复杂，安全风险不断增多，尤其近年来，我国极端天气频发，铁路地质灾害与防洪问题也日益凸显。目前，铁路沿线风险隐患排查通常采用人力徒步巡查、目视检查、手工量测等方式，上述方法存在作业效率低、研判识别率低、量测精度低等问题，无法对潜在的风险隐患形成系统、全面、准确的分析研判。
无人机巡检是近几年发展起来的新兴技术，它融合了航空、遥感、电子、通信等多项高端技术。无人机巡检技术通过搭载不同载荷获取地面信息，特别适用于高陡边坡、深谷大跨桥梁、隧道洞口等巡检人员难以到达、高安全风险区域的巡检，不仅充分发挥了无人机机动性强的特点，而且提高了巡检效率和精度，降低了巡检人员作业安全风险。
在勘察设计阶段，铁路设计单位利用无人机获取影像数据，开展大范围地质调查、勘察测绘、辅助选线等工作，提高了工作效率，且数据精度可满足上述应用场景需求。在新线建设阶段，中国铁路设计集团有限公司等单位利用无人机搭载倾斜摄影相机，获取铁路沿线及周边环境的影像和三维数字模型，实现铁路环境监测、环保验收、静态辅助验收中的应用。在既有线运维阶段，中国铁道科学研究院集团有限公司等单位提出了利用无人机判定铁路沿线病害的工作流程与方法，同时实现了对滑坡、崩塌、泥石流等地质灾害的监测与评估。现有技术CN111998832A公开了一种基于激光点云的利用无人机准确定位目标物的巡检方法，包括S1：场站第一次用无人机进行正测和倾斜测绘，在卫星地图的底图上构建场站详细图纸形成底图模型图；S2：把扫描形成的激光点云图重叠到底图模型图上构成精细地图；S3：在精细地图上将场站的每块目标物上都标注若干个地理坐标形成坐标图；S4：巡检图在上述坐标图上进行重叠，有缺陷点的目标物的地理坐标在底图上被显现出来，实现精准定位缺陷目标物。
综上所述，目前铁路无人机巡检技术主要集中在勘察设计、工程管理、地质灾害评估等方面，鲜有对铁路工务设备与沿线周边环境隐患排查与评估的研究。并且现有技术普遍存在下列技术缺陷：
1、现有无人机巡检全线的巡检主要集中在地形的测绘和施工进度管理，用于铁路的勘察设计阶段和建设阶段，而在运营阶段，虽然开展了地质灾害的评估，但主要是在人工发现风险隐患的基础上，利用无人机影像数据进行单点的监测与评估。
2、无人机巡检获取得到的多源数据未做到因地制宜，充分发挥其特点，导致数据利用率不高。
3、尚未形成适用于铁路全线工务设备与周边环境的无人机巡检技术体系。
如何克服上述现有技术方案的不足, 提出基于无人机巡检的铁路工务设备与周边环境的隐患排查方法，并提供适用于铁路工务设备与周边环境风险隐患排查的体系框架与具体参数，成为本技术领域亟待解决的课题。
发明内容
为克服上述现有技术的不足，本发明提供了一种基于无人机巡检的铁路工务设备与周边环境隐患排查方法，具体采用如下技术方案：
基于无人机巡检的铁路工务设备与周边环境隐患排查方法，所述无人机搭载正射相机、视频相机、倾斜摄影相机、激光雷达，方法包括下列步骤：
S1.设计无人机航线；
S2.获取无人机巡检成果；
S3.无人机巡检成果应用；
所述步骤S3.无人机巡检成果应用，包括：
S3.1.基于影像功能的沿线风险隐患排查；
S3.2.基于测绘功能的数字化台账管理；
S3.3.基于多期点云数据的形变定量分析；
S3.4.基于应急抢险的水害复旧综合处置。
进一步，所述步骤S1.设计无人机航线，具体包括：
采取仿地飞行的作业模式，使航线与三维地形实时保持相对固定的高差。
进一步，所述步骤S2.获取无人机巡检成果，具体包括：
通过所述正射相机，获取数字正射影像图（Digital Orthophoto Map, DOM）；
通过所述视频相机，获取实景视频；
通过所述倾斜摄影相机，获取三维实景模型，所述三维实景模型包含数字正射影像图（Digital Orthophoto Map, DOM），数字正射影像图（Digital Orthophoto Map, DOM）经处理可得到数字地表模型（Digital Surface Model, DSM）；
通过所述激光雷达，获取三维点云模型，三维点云模型经处理得到数字高程模型（Digital Elevation Model, DEM）、数字地表模型（Digital Surface Model, DSM）和数字线划地图（Digital Line Graphic, DLG）。
进一步，所述步骤S3.1.基于影像功能的沿线风险隐患排查，具体包括：
利用所述数字正射影像图（Digital Orthophoto Map, DOM）与所述实景视频，进行工务设备及周边环境的表观风险隐患排查。
进一步，所述步骤S3.2.基于测绘功能的数字化台账管理，具体包括：
利用铁路沿线的所述数字高程模型（Digital Elevation Model, DEM），掌握铁路沿线的基础勘测信息，利用激光点云植被穿透性强的特点，对铁路重点区段的沿线环境风险隐患进行排查。
进一步，所述步骤S3.3.基于多期点云数据的形变定量分析，具体包括：
利用多期三维激光点云数据进行对比，明确隧道洞口仰坡、挡护设备、排水设备及周边环境是否发生变形，对重点设备或区段的形变定量分析；结合人工现场复核与影像数据排查防洪风险隐患。
进一步，所述步骤S3.4.基于应急抢险的水害复旧综合处置，具体包括：
S3.4.1.利用所述数字正射影像图（Digital Orthophoto Map, DOM）与所述实景视频掌握病害规模、实际情况；
S3.4.2.利用三维实景模型量测病害关键特征参数，开展病害影响评估与成因辅助分析；
S3.4.3.利用三维点云模型快速获取病害区段的平面图与横纵断面图，用于病害抢险工程设计。
进一步，所述S3.1.基于影像功能的沿线风险隐患排查的周期为：每年不少于1次全线排查；
所述S3.2.基于测绘功能的数字化台账管理的的周期为：每年不少于1次全线排查，每年不少于2次对风险隐患高的重点区段进行排查；
所述S3.3.基于多期点云数据的形变定量分析的周期为：每年不少于2次。
进一步，所述无人机、正射相机、视频相机、倾斜摄影相机、激光雷达的具体参数条件为：
无人机最大飞行时间不低于55min；最大起飞海拔高度不低于3000m； RTK精度不低于水平1 cm+1 ppm、垂直1.5 cm + 1 ppm；最大可承受风速高于15 m/s；障碍物感知范围不低于前后左右0.7-40 m、上下0.6-30 m；工作环境温度-20°C 至 50°C;
正射相机像素数不低于3500万;
视频相机像素数不低于2000万，视频速率不低于4K/30fps，具备图像传输功能，图像传输距离不低于5km；
倾斜摄影相机像素数不低于2000万，倾斜角度45°；
激光雷达作业行高大于50m；工作视角高于360°*30°；测距精度0.02m以内，高程精度在0.1m，位置精度0.02m，激光回波为双回波。
进一步，所述正射相机拍摄的旁向重叠度和航向重叠度分别不低于30%和50%；所述倾斜摄影相机的航线旁向重叠度不低于55%、航向重叠度不低于55%进；所述激光雷达的航线航带重叠度不低于5%。
本发明的技术方案获得了下列有益效果：提供了适用于铁路全线工务设备与周边环境的无人机巡检技术体系，在运营阶段能够更好地发现风险隐患，进行多源数据监测与评估，提高数据利用率。
附图说明
图1为本发明的无人机仿地飞行示意图。
图2为本发明的无人机巡检成果类型示意图。
图3为本发明的某工点轨枕侵限与排水沟排水不畅示意图。
图4(a)为本发明的三维实景模型示意图。
图4(b)为本发明的三维点云模型示意图。
图5(a)为本发明具体实施例的K132+856隧道示意图。
图5(b)为本发明具体实施例的K134+447隧道示意图。
图5(c)为本发明具体实施例的K134+447隧道三维实景模型示意图。
图6(a)为本发明具体实施例的三维数字模型示意图。
图6(b)为本发明具体实施例的平面地形示意图。
图6(c)为本发明具体实施例的横断面示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。
除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的具体实施例涉及一种基于无人机巡检的铁路工务设备与周边环境隐患排查方法。
本发明的具体实施例所采用设备的设备选型过程如下。
1、无人机
无人机需要至少满足以下要求：（1）最大飞行时间尽可能长，但不低于55min；（2）最大起飞海拔高度不低于3000m；（3）RTK精度不低于1 cm+1 ppm（水平）、1.5 cm + 1 ppm（垂直）；（4）最大可承受风速应高于15 m/s（7级风）；（5）障碍物感知范围应尽可能大，并不低于前后左右0.7-40 m、上下0.6-30 m；（6）工作环境温度在-20°C 至 50°C即可。
2、正射相机
用于获取铁路工务设备及周边环境的正射影像，所拍摄的相片像素不低于3500万，设备重量满足无人机的配重要求。
3、视频相机
用于获取铁路工务设备及周边环境的实景视频，所拍摄的相片像素不低于2000万，视频不低于4K/30fps，具备图像传输功能，图传距离不低于5km，设备重量满足无人机的配重要求。
4、倾斜摄影相机
用于获取铁路工务设备及周边环境的倾斜摄影影像，需要至少满足以下要求：（1）镜头有效像素不低于2000万；（2）设备重量满足无人机的配重要求；（3）倾斜角度45°。
5、激光雷达
用于进行铁路工务设备及周边环境激光点云数据采集，需要至少满足以下要求：（1）作业行高大于50m；（2）设备重量满足无人机的配重要求；（3）工作视角应高于360°*30°；（4）测距精度在0.02m以内，高程精度在0.1m以内，位置精度0.02m以内，激光回波数为双回波。
本发明的具体实施例所采用的航线设计方法如下。
铁路为带状工程，沿线经过山区、河流等复杂地形，无人机采用传统固定航高的飞行模式，这种飞行方式采集的影像数据沿航线变化，会导致被测目标细节缺失，在地形落差较大的区域可能出现空三加密计算失败的情况。为了保证数据高精度与完整性，提高无人机巡检作业效率，提出了仿地飞行的作业模式。仿地飞行是指无人机在飞行作业过程中，航线与三维地形实时保持相对固定的高差，使无人机能够适应不同的地形环境，根据地形执行变高航线，不仅避免了无人机山区作业撞山事故，而且保持了重叠率与地面分辨率不受地形变化影响，如附图1所示。
为保证数字成果内业处理精度与效果，正射相机拍摄的旁向重叠度和航向重叠度分别不低于30%和50%，倾斜摄影相机的航线按照旁向重叠度不低于55%、航向重叠度55%进行设定，激光雷达的航线按照航带重叠度不低于5%进行设定。
本发明的具体实施例所获得巡检成果。
无人机搭载正射相机、视频相机、倾斜摄影相机、激光雷达等不同载荷，可分别获取数字正射影像图（Digital Orthophoto Map, DOM）、实景视频、三维实景模型和三维点云模型。其中，三维实景模型包含DOM，经处理可得到数字地表模型（Digital Surface Model,DSM）；三维点云模型经不同处理可得到数字高程模型（Digital Elevation Model, DEM）、DSM和数字线划地图（Digital Line Graphic, DLG）等不同数字成果。无人机巡检成果类型，如附图2所示。
各数字成果的展示形式、内容、精度等特点不同，使得其在铁路巡检中的应用场景和适用范围不同。各类无人机巡检成果形式与特点，具体如表1所示。
表1
本发明具体实施例的巡线成果的应用原则。
针对无人机巡检不同成果的特点与适用范围，结合现有铁路现有管理制度和具体内容，提出了铁路无人机多层次风险隐患排查体系框架，具体包括以下四个应用层级。
（1）基于影像功能的沿线风险隐患排查。利用无人机DOM与实景视频快速开展工务设备及周边环境的表观风险隐患排查，如废旧轨枕、彩钢瓦、地膜等异物侵限，以及主被动网、拦石网、浆砌片石等防护设备损坏、排水设备失效等。
（2）基于测绘功能的数字化台账管理。利用三维点云模型快速建立铁路沿线DEM，掌握铁路沿线地形、地貌等基础勘测信息，同时利用激光点云植被穿透性强的特点，对铁路重点区段的沿线环境风险隐患进行快速排查。倾斜摄影航迹复杂、采集效率低，但成果可量测、直观性强，可对重点区段的工务设备及沿线环境风险隐患进行定量排查，如工务设备几何形位判断、工务设备表面破损、开裂等排查。三维点云模型和三维实景模型精度优于10cm。
（3）基于多期点云数据的形变定量分析。利用多期三维激光点云数据进行对比，明确隧道洞口仰坡、挡护设备、排水设备及周边环境是否发生变形，实现重点设备或区段的形变定量分析，同时结合人工现场复核与其他影像数据排查防洪风险隐患。
（4）基于应急抢险的病害综合处置。一是利用DOM与实景视频快速掌握病害规模、实际情况；二是利用三维实景模型量测病害关键特征参数，开展病害影响评估与成因辅助分析；三是利用三维点云模型快速获取病害区段的平面图与横纵断面图，直接用于病害抢险工程设计。
基于上述分析，无人机多层次铁路风险隐患排查体系框架如表2所示。
表2
本发明具体实施例的应用效果。
依托某铁路，开展两次无人机巡检数据，按照表2中的体系框架进行处理分析，结果如下。
1、基于影像功能的沿线风险隐患排查
根据《铁路路基大维修规则》（铁运〔2008〕96号）的相关规定，利用DOM和实景视频对被测区段全线的风险隐患进行排查，发现三个路基区段在线路两侧堆放了大量轨枕，同时某区段存在排水沟排水不畅等隐患，如附图3所示。
2、基于测绘功能的数字化台账管理
根据某铁路重点区段的三维实景模型和三维点云模型，通过量测功能，明确了沿线工务设备的分布情况，建立了工务设备和风险隐患数字化台账管理，见表3，极大地提升了提高工务部门管理效率与水平。附图4为典型区段的三维实景模型与三维点云模型。
表3
本发明具体实施例的基于多期点云数据的形变定量分析
针对被测区段的隧道洞口、防护设备、排水设备等重点工务设备，利用2021年5月和7月两期三维激光点云数据，经裁剪、去噪、配准、面变形对比，直观分析被测目标的变形情况，如附图5(a)-5(c)所示。其中蓝色区域表示被测目标未发生变形，其余颜色则表示产生变形。由附图5 (a)可知，该铁路K132+856隧道洞口未发生变形，各项工务设备服役状态良好。根据附图5 (b)和附图5(c)的分析结果可知，该铁路K134+447隧道洞口产生变形，且变形主要集中在排水沟附近，结合三维实景模型和人工现场复核情况，确定该处排水沟存在淤堵、排水不畅的隐患。
本发明具体实施例的基于应急抢险的水害复旧综合处置
该铁路某路堑高挡墙顶部发生浅层滑坡，通过无人机搭载激光雷达和正射相机，将三维点云模型与DOM进行融合处理，形成了水害工点的三维数字模型，快速掌握了水害全貌特征，经处理得到水害工点的平面地形图和横、纵断面图，见附图6(a)- 6(c)，为水害抢险工程快速、科学设计提供了有力支撑。
如上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于无人机巡检的铁路工务设备与周边环境隐患排查方法，所述无人机搭载正射相机、视频相机、倾斜摄影相机、激光雷达，其特征在于，所述方法包括下列步骤：
S1.设计无人机航线；
S2.获取无人机巡检成果；
S3.无人机巡检成果应用；
所述步骤S3.无人机巡检成果应用，包括：
S3.1.基于影像功能的沿线风险隐患排查；
S3.2.基于测绘功能的数字化台账管理；
S3.3.基于多期点云数据的形变定量分析；
S3.4.基于应急抢险的水害复旧综合处置。
2.根据权利要求1所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S1.设计无人机航线，具体包括：
采取仿地飞行的作业模式，使航线与三维地形实时保持相对固定的高差。
3.根据权利要求1所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S2.获取无人机巡检成果，具体包括：
通过所述正射相机，获取数字正射影像图（Digital Orthophoto Map, DOM）；
通过所述视频相机，获取实景视频；
通过所述倾斜摄影相机，获取三维实景模型，所述三维实景模型包含数字正射影像图（Digital Orthophoto Map, DOM），数字正射影像图（Digital Orthophoto Map, DOM）经处理可得到数字地表模型（Digital Surface Model, DSM）；
通过所述激光雷达，获取三维点云模型，三维点云模型经处理得到数字高程模型（Digital Elevation Model, DEM）、数字地表模型（Digital Surface Model, DSM）和数字线划地图（Digital Line Graphic, DLG）。
4.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S3.1.基于影像功能的沿线风险隐患排查，具体包括：
利用所述数字正射影像图（Digital Orthophoto Map, DOM）与所述实景视频，进行工务设备及周边环境的表观风险隐患排查。
5.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S3.2.基于测绘功能的数字化台账管理，具体包括：
利用铁路沿线的所述数字高程模型（Digital Elevation Model, DEM），掌握铁路沿线的基础勘测信息，利用激光点云植被穿透性强的特点，对铁路重点区段的沿线环境风险隐患进行排查。
6.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S3.3.基于多期点云数据的形变定量分析，具体包括：
利用多期三维激光点云数据进行对比，明确隧道洞口仰坡、挡护设备、排水设备及周边环境是否发生变形，对重点设备或区段的形变定量分析；结合人工现场复核与影像数据排查防洪风险隐患。
7.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述步骤S3.4.基于应急抢险的水害复旧综合处置，具体包括：
S3.4.1.利用所述数字正射影像图（Digital Orthophoto Map, DOM）与所述实景视频掌握病害规模、实际情况；
S3.4.2.利用三维实景模型量测病害关键特征参数，开展病害影响评估与成因辅助分析；
S3.4.3.利用三维点云模型快速获取病害区段的平面图与横纵断面图，用于病害抢险工程设计。
8.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，
所述S3.1.基于影像功能的沿线风险隐患排查的周期为：每年不少于1次全线排查；
所述S3.2.基于测绘功能的数字化台账管理的的周期为：每年不少于1次全线排查，每年不少于2次对风险隐患高的重点区段进行排查；
所述S3.3.基于多期点云数据的形变定量分析的周期为：每年不少于2次。
9.根据权利要求3所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述无人机、正射相机、视频相机、倾斜摄影相机、激光雷达的具体参数条件为：
无人机最大飞行时间不低于55min；最大起飞海拔高度不低于3000m； RTK精度不低于水平1 cm+1 ppm、垂直1.5 cm + 1 ppm；最大可承受风速高于15 m/s；障碍物感知范围不低于前后左右0.7-40 m、上下0.6-30 m；工作环境温度-20°C 至 50°C;
正射相机像素数不低于3500万;
视频相机像素数不低于2000万，视频速率不低于4K/30fps，具备图像传输功能，图像传输距离不低于5km；
倾斜摄影相机像素数不低于2000万，倾斜角度45°；
激光雷达作业行高大于50m；工作视角高于360°*30°；测距精度0.02m以内，高程精度在0.1m，位置精度0.02m，激光回波为双回波。
10.根据权利要求9所述的基于无人机巡检的铁路工务设备与周边环境隐患排查方法，其特征在于，所述正射相机拍摄的旁向重叠度和航向重叠度分别不低于30%和50%；所述倾斜摄影相机的航线旁向重叠度不低于55%、航向重叠度不低于55%进；所述激光雷达的航线航带重叠度不低于5%。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210039649.9A CN114332658B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210039649.9A CN114332658B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114332658A true CN114332658A (zh) | 2022-04-12 |
| CN114332658B CN114332658B (zh) | 2023-11-07 |
Family
ID=81026929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210039649.9A Active CN114332658B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114332658B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115580708A (zh) * | 2022-09-15 | 2023-01-06 | 中国人民解放军国防科技大学 | 一种光缆线路无人机巡检的方法 |
| CN117877273A (zh) * | 2024-03-12 | 2024-04-12 | 山东高速股份有限公司 | 基于空地信息融合的智慧高速交通状态判别方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205103998U (zh) * | 2015-11-17 | 2016-03-23 | 中科宇图天下科技有限公司 | 一种基于无人机LiDAR技术的山洪风险分析系统 |
| CN106504362A (zh) * | 2016-10-18 | 2017-03-15 | 国网湖北省电力公司检修公司 | 基于无人机的输变电系统巡检方法 |
| CN110308457A (zh) * | 2018-03-27 | 2019-10-08 | 深圳天眼激光科技有限公司 | 一种基于无人机的输电线路巡检系统 |
| CN111784831A (zh) * | 2020-06-19 | 2020-10-16 | 贵州省水利水电勘测设计研究院有限公司 | 一种基于倾斜摄影的城区河道洪水三维淹没分析方法 |
| CN111928824A (zh) * | 2020-08-07 | 2020-11-13 | 贵州正业工程技术投资有限公司 | 一种结合激光雷达和倾斜摄影的工程勘察方法 |
| CN111998832A (zh) * | 2020-08-12 | 2020-11-27 | 河北雷神科技有限公司 | 一种基于激光点云的利用无人机准确定位目标物的巡检方法 |
| CN113189615A (zh) * | 2021-03-26 | 2021-07-30 | 国家电网有限公司 | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 |
| CN113607135A (zh) * | 2021-08-13 | 2021-11-05 | 中交第一航务工程局有限公司 | 一种用于路桥施工领域的无人机倾斜摄影测量方法 |
| CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 北京铁科特种工程技术有限公司 | 一种无人机铁路边坡监控与预警系统及方法 |
| CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
-
2022
- 2022-01-14 CN CN202210039649.9A patent/CN114332658B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205103998U (zh) * | 2015-11-17 | 2016-03-23 | 中科宇图天下科技有限公司 | 一种基于无人机LiDAR技术的山洪风险分析系统 |
| CN106504362A (zh) * | 2016-10-18 | 2017-03-15 | 国网湖北省电力公司检修公司 | 基于无人机的输变电系统巡检方法 |
| CN110308457A (zh) * | 2018-03-27 | 2019-10-08 | 深圳天眼激光科技有限公司 | 一种基于无人机的输电线路巡检系统 |
| CN111784831A (zh) * | 2020-06-19 | 2020-10-16 | 贵州省水利水电勘测设计研究院有限公司 | 一种基于倾斜摄影的城区河道洪水三维淹没分析方法 |
| CN111928824A (zh) * | 2020-08-07 | 2020-11-13 | 贵州正业工程技术投资有限公司 | 一种结合激光雷达和倾斜摄影的工程勘察方法 |
| CN111998832A (zh) * | 2020-08-12 | 2020-11-27 | 河北雷神科技有限公司 | 一种基于激光点云的利用无人机准确定位目标物的巡检方法 |
| CN113189615A (zh) * | 2021-03-26 | 2021-07-30 | 国家电网有限公司 | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 |
| CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 北京铁科特种工程技术有限公司 | 一种无人机铁路边坡监控与预警系统及方法 |
| CN113607135A (zh) * | 2021-08-13 | 2021-11-05 | 中交第一航务工程局有限公司 | 一种用于路桥施工领域的无人机倾斜摄影测量方法 |
| CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
Non-Patent Citations (2)
| Title |
|---|
| 黄敏儿 等: ""无人机倾斜摄影技术在应急测绘保障中的应用—以遂昌苏村山体滑坡为例"", 《第十九届华东六省一市测绘学会学术交流会论文集》 * |
| 黄敏儿 等: ""无人机倾斜摄影技术在应急测绘保障中的应用—以遂昌苏村山体滑坡为例"", 《第十九届华东六省一市测绘学会学术交流会论文集》, 30 June 2017 (2017-06-30), pages 334 - 338 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115580708A (zh) * | 2022-09-15 | 2023-01-06 | 中国人民解放军国防科技大学 | 一种光缆线路无人机巡检的方法 |
| CN117877273A (zh) * | 2024-03-12 | 2024-04-12 | 山东高速股份有限公司 | 基于空地信息融合的智慧高速交通状态判别方法及系统 |
| CN117877273B (zh) * | 2024-03-12 | 2024-05-10 | 山东高速股份有限公司 | 基于空地信息融合的智慧高速交通状态判别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114332658B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Akgul et al. | Evaluation of UAV-and GNSS-based DEMs for earthwork volume | |
| CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
| CN114332658B (zh) | 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 | |
| CN111540052B (zh) | 一种铁路沿线危岩落石的快速定位及三维重建方法 | |
| Congress | Novel infrastructure monitoring using multifaceted unmanned aerial vehicle systems-close range photogrammetry (UAV-CRP) data analysis | |
| Womble et al. | Multi-scale remote sensing of tornado effects | |
| Gong et al. | Use of mobile lidar data to assess hurricane damage and visualize community vulnerability | |
| Congress et al. | Geotechnical slope stability and rockfall debris related safety assessments of rock cuts adjacent to a rail track using aerial photogrammetry data analysis | |
| CN111522360A (zh) | 一种基于电力铁塔的带状倾斜摄影自动航线规划方法 | |
| Hrůza et al. | Monitoring of forest hauling roads wearing course damage using unmanned aerial systems. | |
| Kaćunić et al. | Application of unmanned aerial vehicles on transport infrastructure network | |
| Lai et al. | The territory-wide airborne light detection and ranging survey for the Hong Kong Special Administrative Region | |
| Hart et al. | Use of micro unmanned aerial vehicles in roadside condition surveys | |
| CN116719334A (zh) | 一种水库智能巡检系统及方法 | |
| Dobson et al. | Collecting decision support system data through remote sensing of unpaved roads | |
| Laefer et al. | Evacuation route selection based on tree-based hazards using light detection and ranging and GIS | |
| CN111678502B (zh) | 基于无人机航测影像提取冻土灾害信息的方法 | |
| Delparte | Avalanche Terrain Modeling in Glacier National Park, Canada | |
| Yıldız et al. | Using drone technologies for construction project management: A narrative review | |
| Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
| Congress et al. | Eye in the sky: condition monitoring of transportation infrastructure using drones | |
| Gong | Mobile lidar data collection and analysis for post-sandy disaster recovery | |
| CN114927002B (zh) | 一种用于灾后救援的道路诱导方法及设备 | |
| Stewart et al. | Use of small unmanned aerial vehicles and related digital data in geotechnical and natural hazard impact assessments | |
| CN115223090A (zh) | 基于多源遥感影像的机场净空障碍物周期监测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |