CN114639025A - 一种无人机辅助下风力机叶片检修方法及装置 - Google Patents
一种无人机辅助下风力机叶片检修方法及装置 Download PDFInfo
- Publication number
- CN114639025A CN114639025A CN202210237827.9A CN202210237827A CN114639025A CN 114639025 A CN114639025 A CN 114639025A CN 202210237827 A CN202210237827 A CN 202210237827A CN 114639025 A CN114639025 A CN 114639025A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- unmanned aerial
- aerial vehicle
- turbine blade
- image
- 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 40
- 238000012423 maintenance Methods 0.000 title claims abstract description 20
- 238000007689 inspection Methods 0.000 claims abstract description 65
- 230000006378 damage Effects 0.000 claims abstract description 44
- 230000003287 optical effect Effects 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 29
- 238000013178 mathematical model Methods 0.000 claims description 17
- 238000005336 cracking Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 2
- 230000006735 deficit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000025274 Lightning injury Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Wind Motors (AREA)
Abstract
本发明提出了一种无人机辅助下风力机叶片检修方法及装置,涉及风力机叶片损伤识别和损伤定位技术领域,本申请所提出的方法以风力机轮毂中心为无人机巡检飞行路径辅助基准点,通过无人机对待检叶片按指定路径巡检,并对巡检图像进行误差判定。本申请所提供的检修方法为人工修补叶片提供前期的损伤识别、成本可控,所拍摄的巡检图像与风力机叶片上的区域精确对应,能够进行高效的损伤定位。
Description
技术领域
本申请涉及风力机叶片损伤识别和损伤定位技术领域,尤其涉及一种无人机辅助下风力机叶片检修方法及装置。
背景技术
风电能源在“双碳”战略目标下将逐渐发挥出其重要影响力,作为推动“30·60目标”的主力军,风电产业将在我国“十四五”期间步入加速提质发展的新阶段。在风力机运行过程中,叶片常处于低温、雷击等恶劣气候条件下,其运行过程中长期受到变载荷的激励且易发生腐蚀,从而引起前缘开裂、雷击损坏、结冰、叶根断裂导致叶片处于亚健康工作状态。因此,风电企业通常会定期对叶片进行停机检修,以确保风电机组的稳定运行。
近年来,随着风力机叶片尺寸的逐渐增大,叶片的损伤修补面临更多新的挑战。风电工人在进行风力机叶片修补时,由于叶片尺寸过大,不能迅速发现叶片损伤部位并到达指定位置进行修补,因此需要长时间在高空作业。现有的风力机叶片修补流程需要耗费大量的人力物力,且长时间的高空作业会加大工人发生安全事故的概率。从检修成本与工人安全的角度出发,有必要提出一种无人机辅助下风力机叶片的停机检修方法,以提升风力机叶片检修过程的效率和安全性。
发明内容
本申请所要解决的技术问题在于,针对现有技术的上述不足,提出一种无人机辅助下风力机叶片检修方法及装置。
无人机辅助下风力机叶片检修方法包括:
步骤S101,以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型;
步骤S102,基于风力机叶片的数学模型,在风力机叶片表面生成检测路径;
步骤S103,根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置;
步骤S104,在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像;
步骤S105,识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0;
步骤S106,提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0;
步骤S107,根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0);
步骤S108,获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq;
步骤S109,根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否重新拍摄巡检图像;
步骤S110,根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
在一些技术方案中,步骤S109包括:
步骤S109a,根据无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq计算推导标记点Pq,Pq=Qq-Q0;
步骤S109b,根据激光标记相对于双目摄像设备光学中心的坐标向量Gq计算测量标记点Dq,Dq=Qq-(Pg-Gq);
步骤S109d,当误差水平R超过阈值F时,重新拍摄巡检图像。
在一些技术方案中,步骤S110具体包括:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。
在一些技术方案中,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。
另一方面,本申请还提出了一种无人机辅助下风力机叶片检修装置,包括:
建立模块,用于以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型;
检测路径生成模块,用于基于风力机叶片的数学模型,在风力机叶片表面生成检测路径;
飞行路径生成模块,用于根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置;
定位模块,用于在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像;
识别模块,用于识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0;
提取模块,用于提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0;
向量确定模块,用于根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0);
获取模块,用于获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq;
判定模块,用于根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否需要重新拍摄巡检图像;
损伤确定模块,用于根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
在一些技术方案中,判定模块包括:
第一计算子模块,用于根据无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq计算推导标记点Pq,Pq=Qq-Q0;
第二计算子模块,用于根据激光标记相对于双目摄像设备光学中心的坐标向量Gq计算测量标记点Dq,Dq=Qq-(Pg-Gq);
重拍子模块,用于当误差水平R超过阈值F时,重新拍摄巡检图像。
在一些技术方案中,所述损伤确定模块具体用于:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。
在一些技术方案中,所述损伤确定模块中,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。
另一方面,本申请还提出了一种电子设备,包括:包括存储器、处理器及存储在所述存储器上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,实现以上部分所提出的无人机辅助下风力机叶片检修方法。
另一方面,本申请还提出了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以上部分所提出的无人机辅助下风力机叶片检修方法。
本申请所提出的方法以风力机轮毂中心为无人机巡检飞行路径辅助基准点,通过无人机对待检叶片按指定路径巡检,具有如下技术效果:第一、本申请所提供的检修方法为人工修补叶片提供前期的损伤识别、成本可控。第二、所拍摄的巡检图像与风力机叶片上的区域精确对应,能够进行高效的损伤定位,使得检修人员能够精准快速地前往损伤位置进行检修,提高了作业效率,减少作业人员高空作业的时间。第三、无人机拍摄的巡检图像能够精确覆盖巡检飞行路径上的叶片表面图像,不会产生区域遗漏。
附图说明
图1是本申请实施例中一种无人机辅助下风力机叶片检修方法的流程图之一。
图2是本申请实施例中一种无人机辅助下风力机叶片检修方法的流程图之二。
图3是本申请实施例中风力机的模型示意图。
图4是本申请实施例中风力机叶片上检测路径的示意图。
图5是本申请实施例中无人机的结构示意图。
图6是本申请实施例中一种无人机辅助下风力机叶片检修装置的示意框图之一。
图7是本申请实施例中一种无人机辅助下风力机叶片检修装置的示意框图之二。
具体实施方式
以下是本申请的具体实施例并结合附图,对本申请的技术方案作进一步的描述,但本申请并不限于这些实施例。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本申请的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本申请的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
需要说明的是,在不冲突的情况下,本申请中的实施方式及实施方式中的特征可以相互组合。
参考图1,本申请实施例提出了一种无人机辅助下风力机叶片检修方法,其包括步骤S101至步骤S110。该方法能够进行高效的损伤定位,使得检修人员能够精准快速地前往损伤位置进行检修,提高了作业效率,减少作业人员高空作业的时间。下面结合附图各个步骤进行具体说明。
在步骤S101中,以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型。
在步骤S102中,基于风力机叶片的数学模型,在风力机叶片表面生成检测路径。
在步骤S103中,根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置。
在步骤S104中,在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像。
步骤S105,识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0。
在步骤S106中,提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0。
在步骤S107中,根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0)。
在步骤S108中,获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq。
在步骤S109中,根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否重新拍摄巡检图像。
在步骤S110中,根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
在步骤S101中,参考图3,计算机设备以风力机轮毂中心为坐标系原点,建立风力机叶片的数学模型。在一些实施方式中,此处风力机叶片的数学模型为一个较为粗略的三维模型,用以规划检测路径,可通过大视野拍摄获得的数据生成。
在步骤S102中,计算机设备基于风力机叶片的数学模型,在风力机叶片表面生成检测路径,并根据所述检测路径平移映射生成无人机的巡检飞行路径。无人机的巡检飞行路径由检测路径平移得到。巡检飞行路径与数学模型上产生的检测路径形状一致,且根据前面双目视觉解算出的相对位置,可由数学模型上生成的检测路径推导出无人机的飞行巡检路径。具体参考图4,检测路径的起始点为轮毂中心,P1-P36为检测路径上的点。
在本申请实施例中,无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置。参考图5,无人机包括:激光投影装置1、机架2、连接杆3、连接运动副4、双目摄像设备5。
在步骤S104中,无人机首先定位到风力机的轮毂中心,即飞行到飞行巡检路径的初始位置,并采集初始图像,通过双目视觉解算出无人机像机光学中心与轮毂中心的相对位置信息。在步骤S105至步骤S107中,无人机在初始位置下,识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0,提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0。进一步地,根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0)。
在步骤S108中,计算机设备获取无人机拍摄的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq。
具体地,根据叶片尺寸,计算出巡检路径总位移s,并设置摄像机组同步采样频率f,无人机巡检速度v,无人机开始按路径巡检,巡检过程中一共采集到L张图像;每采集一次图像记录一次双目摄像设备的左像机的机位坐标,第q次采集到图像时刻的机位坐标记为Qq;关系式为:其中,q≤L。
在步骤S109中,参考图2,计算机设备根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否重新拍摄巡检图像。
在一具体实施方式中,步骤S109包括:
步骤S109a,根据无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq计算推导标记点Pq,Pq=Qq-Q0。
步骤S109b,根据激光标记相对于双目摄像设备光学中心的坐标向量Gq计算测量标记点Dq,Dq=Qq-(Pg-Gq)。
步骤S109d,当误差水平R超过阈值F时,重新拍摄巡检图像。
应当理解,巡检飞行路径与检测路径形状大小一致,无人机在初始状态下,无人机位置与风力机的轮毂中心形成一个位置映射,映射向量与坐标向量Q0一致,检测路径上的初始点为轮毂中心,无人机以此进行定位确定自身在飞行巡检路径上的初始位置。随着无人机在飞行巡检路径上进行移动,其在检测路径上的映射点也随之移动。计算机设备根据无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq计算推导标记点Pq,Pq=Qq-Q0,并根据激光标记相对于双目摄像设备光学中心的坐标向量Gq计算测量标记点Dq,Dq=Qq-(Pg-Gq)。推导标记点Pq为无人机在第一空间坐标系中的位置通过映射向量Q0映射到检测路径上,即风机叶片表面。相应地,测量标记点Dq为通过激光投影装置投影进行定位测算获得。因此,当误差水平R超过阈值F时,可以判定巡检图像的拍摄范围出现了较大的偏差,难以用于对巡检图像对应叶片区域进行定位,因此可需要重新拍摄。此处,通过阈值F限制误差水平R可以用于保证巡检图像与对应的叶片区域形成较为准确的映射关系。
在步骤S110中,计算机设备根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。在一些实施方式中,步骤S110具体包括:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。在一些实施方式中,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。当通过图像检测发现巡检图像上的叶片区域存在缺陷时,可获取此巡检图像的位置信息,以此确定叶片区域。
本申请所提出的方法以风力机轮毂中心为无人机巡检飞行路径辅助基准点,通过无人机对待检叶片按指定路径巡检。本申请所提供的检修方法为人工修补叶片提供前期的损伤识别、成本可控,所拍摄的巡检图像与风力机叶片上的区域精确对应,能够进行高效的损伤定位,使得检修人员能够精准快速地前往损伤位置进行检修,提高了作业效率,减少作业人员高空作业的时间。无人机拍摄的巡检图像能够精确覆盖巡检飞行路径上的叶片表面图像,不会产生区域遗漏。
参考图6,本申请还提出了一种无人机辅助下风力机叶片检修装置,包括:建立模块201、检测路径生成模块202、飞行路径生成模块203、定位模块204、识别模块205、提取模块206、向量确定模块207、获取模块208、判定模块209、损伤确定模块210。
建立模块201,用于以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型。
检测路径生成模块202,用于基于风力机叶片的数学模型,在风力机叶片表面生成检测路径。
飞行路径生成模块203,用于根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置。
定位模块204,用于在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像。
识别模块205,用于识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0。
提取模块206,用于提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0。
向量确定模块207,用于根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0)。
获取模块208,用于获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq。
判定模块209,用于根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否需要重新拍摄巡检图像。
损伤确定模块210,用于根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
参考图7,在一些实施方式中,判定模块209包括:
第一计算子模块209a,用于根据无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq计算推导标记点Pq,Pq=Qq-Q0。
第二计算子模块209b,用于根据激光标记相对于双目摄像设备光学中心的坐标向量Gq计算测量标记点Dq,Dq=Qq-(Pg-Gq)。
重拍子模块209d,用于当误差水平R超过阈值F时,重新拍摄巡检图像。
在一些实施方式中,所述损伤确定模块具体用于:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。
本实施例所提出的无人机辅助下风力机叶片检修装置与以上部分所提出的无人机辅助下风力机叶片检修方法相对应,相关的内容可参见前一部分的内容,这里不再赘述。
在一些实施方式中,所述损伤确定模块中,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。
本申请实施例还提出了一种电子设备,包括:包括存储器、处理器及存储在所述存储器上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,实现上述的无人机辅助下风力机叶片检修方法。
本申请实施例还提出了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上述的无人机辅助下风力机叶片检修方法。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
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、工作、器件、组件和/或它们的组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本文中所描述的具体实施例仅仅是对本申请精神作举例说明。本申请所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本申请的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种无人机辅助下风力机叶片检修方法,其特征在于,包括:
步骤S101,以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型;
步骤S102,基于风力机叶片的数学模型,在风力机叶片表面生成检测路径;
步骤S103,根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置;
步骤S104,在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像;
步骤S105,识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0;
步骤S106,提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0;
步骤S107,根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0);
步骤S108,获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq;
步骤S109,根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否重新拍摄巡检图像;
步骤S110,根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
3.根据权利要求1所述的无人机辅助下风力机叶片检修方法,其特征在于,步骤S110具体包括:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。
4.根据权利要求3所述的无人机辅助下风力机叶片检修方法,其特征在于,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。
5.一种无人机辅助下风力机叶片检修装置,其特征在于,包括:
建立模块,用于以风力机轮毂中心为坐标系原点建立第一空间坐标系,并在所述第一空间坐标系中建立风力机叶片的数学模型;
检测路径生成模块,用于基于风力机叶片的数学模型,在风力机叶片表面生成检测路径;
飞行路径生成模块,用于根据所述检测路径平移映射生成无人机的巡检飞行路径;其中,所述无人机安装有用于对风力机摄像的双目摄像设备和用于发射激光以在风力机上形成激光标记的激光投影装置;
定位模块,用于在无人机进行巡检飞行前,以风力机轮毂中心定位初始位置并采集初始图像;
识别模块,用于识别初始图像中的风力机轮毂中心,并确定初始位置下无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Q0;
提取模块,用于提取初始图像中的激光投影装置在风力机上照射形成的激光标记,并确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量G0;
向量确定模块,用于根据初始图像中无人机的双目摄像设备光学中心在第一空间坐标系中的坐标Q0、以及激光标记相对于双目摄像设备光学中心的坐标向量G0,确定初始图像中激光标记相对于双目摄像设备光学中心的坐标向量Pg;其中,Pg=G0-(-Q0);
获取模块,用于获取无人机在巡检飞行过程中以设定频率对待检测的风力机叶片进行拍摄采集的L张巡检图像,并在拍摄第q张巡检图像时,确定无人机的双目摄像设备光学中心在第一空间坐标系中的坐标向量Qq,并在第q张巡检图像中,确定激光标记相对于双目摄像设备光学中心的坐标向量Gq;
判定模块,用于根据坐标向量Qq和坐标向量Gq对巡检图像进行误差判定,并根据判定结果确定是否需要重新拍摄巡检图像;
损伤确定模块,用于根据巡检图像确定风力机叶片是否有损伤,若有,则根据损伤对应的巡检图像,确定损伤位置。
7.根据权利要求5所述的无人机辅助下风力机叶片检修装置,其特征在于,所述损伤确定模块具体用于:对巡检图像进行图像处理,并提取颜色特征、形状特征和纹理特征,以判定出巡检图像对应的叶片区域的是否损伤以及损伤类型。
8.根据权利要求7所述的无人机辅助下风力机叶片检修装置,其特征在于,所述损伤确定模块中,所述损伤类型包括:起鼓、腐蚀、开裂、表面裂纹和砂眼。
9.一种电子设备,其特征在于,包括:包括存储器、处理器及存储在所述存储器上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,实现如权利要求1-4任一项所述的无人机辅助下风力机叶片检修方法。
10.一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权利要求1至4任一项所述的无人机辅助下风力机叶片检修方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210237827.9A CN114639025B (zh) | 2022-03-11 | 2022-03-11 | 一种无人机辅助下风力机叶片检修方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210237827.9A CN114639025B (zh) | 2022-03-11 | 2022-03-11 | 一种无人机辅助下风力机叶片检修方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114639025A true CN114639025A (zh) | 2022-06-17 |
CN114639025B CN114639025B (zh) | 2024-08-27 |
Family
ID=81948119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210237827.9A Active CN114639025B (zh) | 2022-03-11 | 2022-03-11 | 一种无人机辅助下风力机叶片检修方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114639025B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116442190A (zh) * | 2023-06-20 | 2023-07-18 | 中数智科(杭州)科技有限公司 | 机器人列车巡检系统 |
CN117307414A (zh) * | 2023-09-26 | 2023-12-29 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261394A (zh) * | 2019-06-24 | 2019-09-20 | 内蒙古工业大学 | 在线风机叶片损伤实时诊断系统和方法 |
CN112360699A (zh) * | 2020-10-22 | 2021-02-12 | 华能大理风力发电有限公司 | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 |
WO2021121524A1 (en) * | 2019-12-18 | 2021-06-24 | Vestas Wind Systems A/S | Robotic maintenance device and method using a vision system for scanning leading edge damage on wind turbine blade |
-
2022
- 2022-03-11 CN CN202210237827.9A patent/CN114639025B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261394A (zh) * | 2019-06-24 | 2019-09-20 | 内蒙古工业大学 | 在线风机叶片损伤实时诊断系统和方法 |
WO2021121524A1 (en) * | 2019-12-18 | 2021-06-24 | Vestas Wind Systems A/S | Robotic maintenance device and method using a vision system for scanning leading edge damage on wind turbine blade |
CN112360699A (zh) * | 2020-10-22 | 2021-02-12 | 华能大理风力发电有限公司 | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 |
Non-Patent Citations (1)
Title |
---|
亚库普·艾合麦提;王文韫;古丽巴哈尔·托乎提;孙志;买买提明·艾尼: "基于双目摄影测量的风力机叶片振动测量方法", 《机械强度》, 12 June 2020 (2020-06-12) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116442190A (zh) * | 2023-06-20 | 2023-07-18 | 中数智科(杭州)科技有限公司 | 机器人列车巡检系统 |
CN116442190B (zh) * | 2023-06-20 | 2023-09-05 | 中数智科(杭州)科技有限公司 | 机器人列车巡检系统 |
CN117307414A (zh) * | 2023-09-26 | 2023-12-29 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
CN117307414B (zh) * | 2023-09-26 | 2024-05-03 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114639025B (zh) | 2024-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114639025B (zh) | 一种无人机辅助下风力机叶片检修方法及装置 | |
CN112884931B (zh) | 一种用于变电站的无人机巡检方法及系统 | |
CN106762451B (zh) | 基于无人机的风机叶片损伤检测方法、装置及系统 | |
CN110282143B (zh) | 一种海上风电场无人机巡检方法 | |
EP3744974A1 (en) | Method and device for determining tower clearance for wind turbine | |
CN110133440A (zh) | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 | |
CN112360699A (zh) | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 | |
CN113610749B (zh) | 基于神经网络的风机叶片缺陷检测方法 | |
CN111461210A (zh) | 一种基于无人机风电巡检叶片缺陷等级判定方法 | |
CN115115595B (zh) | 一种面向森林火灾监测的机载激光雷达和红外相机的实时标定方法 | |
CN113900436B (zh) | 巡检控制方法、装置、设备和存储介质 | |
CN117115196B (zh) | 一种切割机刀具磨损视觉检测方法及系统 | |
CN114881997A (zh) | 一种风电机组缺陷评估方法及相关设备 | |
CN113406091B (zh) | 一种用于风机叶片检测的无人机系统及控制方法 | |
CN114943704A (zh) | 一种电池电极模切件缺陷检测方法、装置和设备 | |
CN115078382A (zh) | 基于视频图像的桥梁裂缝监测系统 | |
EP4062365A1 (en) | Unmanned airborne visual diagnosis of an operating wind turbine generator | |
CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN114442658B (zh) | 输配电线路无人机自动巡检系统及其运行方法 | |
CN112882487A (zh) | 风机叶片的无人机巡检轨迹生成方法,巡检方法及系统 | |
CN116091996A (zh) | 刀闸分合状态的识别方法、装置、设备及存储介质 | |
WO2023029445A1 (zh) | 一种风力发电机净空值的测量方法及装置 | |
CN111539919B (zh) | 一种杆塔部件位置判断和轨迹巡检方法及装置 | |
CN212622315U (zh) | 一种风机叶片缺陷的在线非接触检测装置 | |
CN115407766A (zh) | 一种风机自动巡检路径规划方法 |
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 |