CN114935942A - 一种分布式光伏电站巡检航线的确定方法及电子设备 - Google Patents

Abstract

本发明提供了一种分布式光伏电站巡检航线的确定方法以及电子设备，该方法包括：获取到光伏电站的图像；在光伏电站的图像中划分得到光伏电站的多个子区域；将多个子区域进行等距外扩处理，生成外扩后的多个子区域；根据无人机相机取景重叠度确定无人机巡检航点的间隔；按照间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点，其中，每组航点对应于一个外扩后的子区域，每组航点生成的巡检航线覆盖每组航点对应的外扩后的子区域。解决了现有技术中人工测绘航线效率低以及无人机在按照航线巡检时容易发生漏检的技术问题。

Description

一种分布式光伏电站巡检航线的确定方法及电子设备

技术领域

本发明涉及光伏巡检领域，尤其是涉及一种分布式光伏电站巡检航线的确定方法及电子设备。

背景技术

分布式光伏电站通常是指利用分散式资源，装机规模较小的、布置在用户附近的发电系统，它一般接入低于35千伏或更低电压等级的电网。

光伏电站巡检是为了监视光伏电站设备的运行情况，以便及时发现和消除设备缺陷及不安全因素，预防事故发生，是确保设备安全运行的一项重要工作。随着无人机技术的发展，目前大多采用无人机进行巡检，在获得光伏电站的航拍图像后通过人工来测绘无人机航线，再把航线发送至无人机飞控模块。

需要说明的是，一方面现有技术中人工测绘航线效率低，第二方面，分布式电站分布较为分散，无人机在按照航线巡检时容易发生漏检。

有鉴于此，提出本发明。

发明内容

本发明提供了一种分布式光伏电站巡检航线的确定方法以及电子设备，以解决现有技术中人工测绘航线效率低以及无人机在按照航线巡检时容易发生漏检的技术问题。

根据本发明的第一方面，提供了一种分布式光伏电站巡检航线的确定方法，该方法包括：获取到光伏电站的图像；在光伏电站的图像中划分得到光伏电站的多个子区域；将多个子区域进行等距外扩处理，生成外扩后的多个子区域；根据无人机相机取景重叠度确定无人机巡检航点的间隔；按照间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点，其中，每组航点对应于一个外扩后的子区域，每组航点生成的巡检航线覆盖每组航点对应的外扩后的子区域。

进一步地，根据无人机相机取景重叠度确定无人机巡检航点的间隔，包括：根据无人机相机的焦距、相机取景图像的尺寸参数、无人机的飞行高度确定无人机的航向范围；根据无人机相机取景重叠度、无人机的航向范围确定巡检航点的间隔。

进一步地，在按照间隔在每个外扩后的子区域分别进行航点规划之后，方法包括控制无人机按照巡检航线进行巡检，其中，方法还包括：获取到无人机通过巡检航线采集到的红外图像以及正射影像；将正射影像进行组串分割，得到实际组串范围，其中，实际组串范围中包括多个组串；将红外图像进行图像识别，得到红外图像中多个缺陷位置；根据多个缺陷位置以及实际组串范围确定缺陷的实际位置。

进一步地，正射影像通过无人机采集到的可见光图像建模得到，其中，根据多个缺陷位置以及实际组串范围确定缺陷的实际位置，包括：将多个缺陷位置映射到可见光图像中；将可见光图像中的多个缺陷位置映射到正射影像中；根据正射影像中的多个缺陷位置以及实际组串范围确定缺陷的实际位置。

进一步地，根据正射影像中的多个缺陷位置以及实际组串范围确定缺陷的实际位置，包括：在正射影像中的第一缺陷的位置属于实际组串范围的情况下，将第一缺陷的位置直接确定为缺陷的实际位置；在正射影像中的第二缺陷的位置不属于实际组串范围的情况下，获取到预设范围内距离第二缺陷的位置最近的相邻组串，并且将偏移后的第二缺陷的位置确定为缺陷的实际位置。

进一步地，将第二缺陷的位置偏移至距离第二缺陷的位置最近的相邻组串，包括：在最近的相邻组串的数量为多个的情况下，获取光伏电站的运维记录以及第二缺陷的缺陷类型；根据运维记录确定相邻组串中第一相邻组串的缺陷类型；在第一相邻组串的缺陷类型与第二缺陷的缺陷类型相同的情况下，第二缺陷的位置偏移至第一相邻组串。

进一步地，根据光伏电站的组串的分布密度确定预设范围。

进一步地，子区域为多边形形状，多个子区域包括第一子区域，其中，将多个子区域进行等距外扩处理，生成外扩后的多个子区域，包括：获取第一子区域的多边形中的第一端点的坐标；根据第一端点的坐标获取在第一子区域的多边形中经过第一端点的两条邻边的向量；根据两条邻边的向量确定两条邻边的夹角；根据两条邻边的夹角、预设的外扩距离、第一端点的坐标以及两条邻边的向量生成第二端点；将第二端点确定为外扩后的子区域的端点；根据外扩后的子区域的端点生成外扩后的多个子区域。

根据本发明的第三方面，提供了一种非暂时性计算机可读存储介质，计算机程序在由处理器执行时导致第一方面中中任一项方法被执行。

根据本发明的第四方面，提供了一种电子设备，包括存储器和处理器，存储器上存储有计算机指令，计算机指令在由处理器执行时导致第二方面中任一项方法被执行。

本发明提供了一种分布式光伏电站巡检航线的确定方法以及电子设备，该方法包括：获取到光伏电站的图像；在光伏电站的图像中划分得到光伏电站的多个子区域；将多个子区域进行等距外扩处理，生成外扩后的多个子区域；根据无人机相机取景重叠度确定无人机巡检航点的间隔；按照间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点，其中，每组航点对应于一个外扩后的子区域，每组航点生成的巡检航线覆盖每组航点对应的外扩后的子区域。解决了现有技术中人工测绘航线效率低以及，无人机在按照航线巡检时容易发生漏检的技术问题。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的分布式光伏电站巡检航线的确定方法的流程图；

图2是本发明实施例的光伏电站划分区域的示意图；

图3～图4是本发明实施例的在子区域中生成的航线的示意图；

图5～图7是本发明实施例的缺陷点的示意图；

图8是本发明实施例的生成外扩后区域端点的示意图。

具体实施方式

为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。

在以下描述中，阐述了许多具体细节以提供对本发明的透彻理解。然而，对于本领域普通技术人员来说，明显的是，不需要采用具体细节来实践本发明。在其他情况下，未详细描述众所周知的步骤或操作，以避免模糊本发明。

实施例一

本发明提供了一种分布式光伏电站巡检航线的确定方法，结合图1，该方法可以包括：

步骤S11，获取到光伏电站的图像。

具体的，在本方案中，可以由无人机或者光伏电站的服务器等具有数据处理功能的设备作为本方案的执行主体，上述步骤S11中的光伏电站的图像可以为卫星图像。

步骤S13，在光伏电站的图像中划分得到光伏电站的多个子区域。

具体的，结合图2，可以先从上述图像划分出一个基本区域，然后在基本区域的基础上再划分得到多个子区域，每个子区域中包括多个光伏组串，需要说明的是，每个子区域中所包括的相邻光伏组串之间的距离均小于预设阈值，即每个子区域中的组串聚集在所处的区域中。需要说明的是，在上述划分的方案中，通过先划定基本区域，然后从基本区域再划分成多个子区域，两步划分的方式将不同区域的光伏组串做到精准的划片。

这里需要说明的是，本方案可以根据上述图像中的经度和维度进行不同片区的划分。

步骤S15，将多个子区域进行等距外扩处理，生成外扩后的多个子区域。

具体的，在本方案中，由于分布式光伏电站不同于集中式光伏电站的平整地形以及组串分布均匀的特点，分布光伏电站地形复杂，光伏组串分布不均匀，因此，在现有技术中无人机按照人为绘制的航线飞行容易出现漏检，因此本方案将多个子区域进行等距外扩处理，以保证外扩后的多个子区域能够覆盖到分布式光伏电站中所有的光伏组串。

步骤S17，根据无人机相机取景重叠度确定无人机巡检航点的间隔。

步骤S19，按照间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点，其中，每组航点对应于一个外扩后的子区域，每组航点生成的巡检航线覆盖每组航点对应的外扩后的子区域。

具体的，在本方案中，可以预先得到一个无人机取景重叠度，该取景重叠度可以为本方案计划让无人机在相邻两个航点获取图像的重叠度，以全面面的、不遗漏的取到光伏组串的图片。通过取景重叠度可以确定多个巡检航点之中横向或者纵向相邻的两个巡检航点之间的间隔，然后本方案按照上述间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点。这里需要说明的是，在现有技术中，在获取到光伏电站的图像之后，需要绘制人员在图像之上手工进行巡检的规划，即绘制多个航点，绘制人员在人工规划航点时，往往先规划出无人机飞行的方向，然后基于无人机飞行的方向绘制多个航点，此种绘制效率较低，而在本方案，并不考虑实际的无人机的飞行方向，而是仅仅获取到上述间隔就可以去自动进行航点的规划，只要满足每个子区域规划的航点能够覆盖到当前的子区域即可，可选的，本方案可以基于上述间隔并且通过监视覆盖航路生成算法来自动生成多个覆盖每个子区域的多个航点，进而通过航点的拼接生成每个子区域的无人机巡检路径，较大的提升了航点的生成效率。

在本实施例中，通过上述步骤，本方案先将光伏电站划分出每个子区域进行外扩，针对外扩后的子区域按照航点间隔在每个子区域进行多个航点的规划并且在每个子区域中规划有单独的巡检路径，然后控制无人机在每个巡检路径均进行巡检，与现有技术中，在图像中只规划有一个巡检路径所不同，本方案生成的多条巡检路径可以实现分布式光伏电站的全面巡检，避免遗漏巡检。这里需要说明的是，将每个子区域外扩之后，由于外扩后面积的增加使得在外扩后的子区域中可以规划的航点的数量增加，由此生成的巡检路径更加覆盖的全面，正是由于子区域的外扩，才使得本方案可以在每个子区域中都规划有单独的巡检路径，因此本方案确保了分布式光伏电站巡检无巡检遗漏。

在一种可选的实施例中，本方案在每组航点生成的巡检航线可以为多个，每个巡检航线对应一个路径，每个子区域中生成多种不同的巡检路径，结合图3至图4，即每组相同的航点可以生成多个不同的“蛇形”巡检路径，每种巡检路径都会覆盖到所处的子区域，只是巡检路径不同，图3中的巡检路径由A到B，图4中的巡检路径是从C到D。

这里需要说明的是，本方案通过间隔在子区域中同时规划出多条路径可供无人机进行选择，如果在巡检过程中发生意外出现的障碍，无人机可以从多条路径中立即进行切换，以保证巡检的顺利进行，因此本实施例增加了巡检路径的灵活性，此外，由于本方案是在多个子区域的每个子区域都规划有巡检路径，在一个子区域进行巡检结束后，无人机就要飞往下一个子区域进行新的巡检，因此在另一种可选的实施例中，无人机在当前子区域巡检完毕时，先获取到计划巡检的下一个子区域的多个巡检路径，并且根据当前子区域的巡检路径的终点从上述下一个子区域的多个巡检路径中确定出下一个子区域的目标巡检路径，即先获取到下一个子区域中多个巡检路径的起点，并且将距离当前子区域的巡检路径终点最近起点所在的巡检路径作为下一个子区域的目标巡检路径，实现了无人机在当前子区域结束后快速切换到下个子区域继续巡检的效果。

在一种可选的实施例中，上述每个子区域为多边形，多边形的形状根据光伏组串分布的轮廓决定，因此可知，本方案在划分光伏电站的片区的时候，考虑了光伏组串分布的轮廓，使得每个子区域的划分更加准确，较大的去除了光伏电站中的无效区域，从而提升巡检效率。

可选的，步骤S17根据无人机相机取景重叠度确定无人机巡检航点的间隔，包括：

步骤S171，根据无人机相机的焦距f、相机取景图像的尺寸参数W、无人机的飞行高度h确定无人机的航向范围。

具体的，上述航向范围可以通过如下公式计算得到：航向范围＝f/h*W。

步骤S173，根据无人机相机取景重叠度r、无人机的航向范围确定巡检航点的间隔d。

具体的，上述间隔d为在子区域中相邻两个巡检航点之间的距离，可以可以通过如下公式实现：d＝(1-r)*航向范围。可选的，上述重叠度可以是30％。

上述方案在获取到相关参数可以自动生成巡检航点的间隔，同现有技术相比，上述计算生成的巡检航点的间隔可以确保采集光伏电站完整图像的基础上设置最少的的巡检航点，提升了巡检的效率。

需要说明的是，在上述公式中，重叠度为红外图像的重叠度，第一可以保证红外影像有重叠，依次确保电站的组件不漏检。第二，因为在实际应用中，可见光影像的视野范围比红外要大的多，如果按照这种重叠拍摄，能够满足可见光图像建立正射影像的重叠度要求。

可选的，在步骤S19按照间隔在每个外扩后的子区域分别进行航点规划之后，方法包括控制无人机按照巡检航线进行巡检，其中，方法还包括：

步骤S21，获取到无人机通过巡检航线采集到的红外图像以及正射影像。

具体的，本方案可以控制无人机的双光相机采集到各个子区域的红外图像以及正射影像。

步骤S23，将正射影像进行组串分割，得到实际组串范围，其中，实际组串范围中包括多个组串。

具体的，本方案可以对正射影像有交叠的进行切分，设定滑窗切分尺寸512×512，步进128，切分过程中保证正射影像的每一个区域都被覆盖，同时保存每一个切分块的位置索引。本方案可以使用UNet网络对上述切分的图像块进行分割处理，UNet采用全卷积神经网络，进行4次下采样、4次上采样，上采样过程中实现与下采样过程中得到的同尺寸的特征图的特征融合，损失函数使用dice loss和cross entropy，输出为单通道分割结果。然后将UNet的分割结果进行二值化处理，进行简单地形态学操作得到单个图像块的最终分割结果，将每块分割结果按照第一步存储的索引值进行拼合，即得正射影像的组串分割结果。最后按照分割结果提取旋转矩形，从而得到光伏组串实际位置即上述实际组串范围。

步骤S25，将红外图像进行图像识别，得到红外图像中多个缺陷位置。

具体的，本方案从上述红外图像识别得到组串的缺陷类型以及发生在红外图像中发生缺陷的组串的实际位置。可选的，上述组串的缺陷类型可以为热斑、二极管缺陷等。

可选的，识别缺陷的具体方法可以由现有技术中的深度学习模型来实现。

步骤S27，根据多个缺陷位置以及实际组串范围确定缺陷的实际位置。

这里需要说明的是，通过正射影像分割得到的实际组串范围中是包括了所有的光伏组串，本方案可以结合在通过红外图像识别到的多个缺陷位置以及光伏组串的实际范围来精确定位缺陷的实际位置。

可选的，正射影像通过无人机采集到的可见光图像建模得到，其中，步骤S27，根据多个缺陷位置以及实际组串范围确定缺陷的实际位置，包括：

步骤S271，将多个缺陷位置映射到可见光图像中。

步骤S272，将可见光图像中的多个缺陷位置映射到正射影像中。

步骤S273，根据正射影像中的多个缺陷位置以及实际组串范围确定缺陷的实际位置。

具体的，通过上述三个步骤，经过红外图像、可见光图像、正射影像的三步坐标转换可以得到缺陷点在正射影像的具体位置，此处需要说明的是，在三步坐标转换的时候容易存在偏差，本方案需要借助于从上述实际组串范围来对映射后的多个缺陷位置进行矫正。

可选的，步骤S273，根据正射影像中的多个缺陷位置以及实际组串范围确定缺陷的实际位置，包括：

步骤S2731，在正射影像中的第一缺陷的位置属于实际组串范围的情况下，将第一缺陷的位置直接确定为缺陷的实际位置。

具体的，结合图5，图5中的多个矩形框为本方案通过组串分割得到的实际组串的范围，在第一缺陷的位置属于实际组串范围内的任意一个组串中的情况下，本方案则将第一缺陷的位置确定为缺陷的实际位置。

步骤S2732，在正射影像中的第二缺陷的位置不属于实际组串范围的情况下，获取到预设范围内距离第二缺陷的位置最近的相邻组串，并且将偏移后的第二缺陷的位置确定为缺陷的实际位置。

具体的，结合图6，如果第二缺陷的位置不属于实际组串中的任意一个组串，则说明在上述红外图像、可见光图像、正射影像的三步坐标转换的过程中发生了偏差，本方案则将距离第二缺陷偏移至与第二缺陷位置最近的相邻的组串。通过此种方式使得通过坐标转换的缺陷位置都偏移至实际的光伏组串上，从而对缺陷在坐标转换发生的偏差进行弥补。

可选的，步骤S2732将第二缺陷的位置偏移至距离第二缺陷的位置最近的相邻组串，包括：

步骤S27321，在最近的相邻组串的数量为多个的情况下，获取光伏电站的运维记录以及第二缺陷的缺陷类型；

步骤S27322，根据运维记录确定相邻组串中第一相邻组串的缺陷类型；

步骤S27323，在第一相邻组串的缺陷类型与第二缺陷的缺陷类型相同的情况下，第二缺陷的位置偏移至第一相邻组串。

具体的，步骤S27321～27323可以为上述步骤S273的进一步的优化的方案，因为在将缺陷点进行偏移时，在实际中可能发生图7的情况，即缺陷点距离多个(比如图中的左边以及右边)组串的距离相同，此时本方案则获取光伏电站的运维记录，在光伏电站的运维记录则包括了电站中发生缺陷点组串位置以及类型，本方案则将发生过相同类型缺陷的组串确定为目标组串，并且控制缺陷的位置偏移至目标组串，通过此种矫正方式，更加精确的解决了缺陷在坐标转换发生偏差的技术问题。

这里需要说明是是，本方案控制第二缺陷偏移至光伏组串中的任意位置(矩形框的任意位置)即可，因为从实际运维作业中，只需要让运维人员知道缺陷属于哪个组串。

可选的，根据光伏电站的组串的分布密度确定预设范围。

这里需要说明的是，由于光伏电站组串分布较为分散，为了尽快确定缺陷处周围的组串，本方案可以根据光伏电站的组串的分布密度确定预设范围。

可选的，子区域为多边形形状，多个子区域包括第一子区域，其中，步骤S15将多个子区域进行等距外扩处理，生成外扩后的多个子区域，包括：

步骤S151，结合图8，获取第一子区域的多边形中的第一端点P_i的坐标。上述第一端点为多边形中的任意一点。

步骤S152，根据第一端点的坐标P_i获取在第一子区域的多边形中经过第一端点的两条邻边的向量v₁和v₂。

步骤S153，根据两条邻边的向量确定两条邻边的夹角θ。

具体的，

步骤S154，根据两条邻边的夹角、预设的外扩距离、第一端点的坐标以及两条邻边的向量生成第二端点Q_i。

具体的，可以通过如下公式得到上述第二端点：

其中，上述L为预设的外扩距离，

和

为v₁和v₂经过向量单位化的向量。

步骤S155，将第二端点确定为外扩后的子区域的端点。

步骤S156，根据外扩后的子区域的端点生成外扩后的多个子区域。

具体的，按照上述步骤S151～S155的方法可以生成子区域的每个端点对应的外扩后的端点，然后根据所有外扩的端点生成所有的子区域。

由此可知，用户可以根据实际需要设置外扩距离，本方案则根据用户预设的外扩距离将每个子区域迅速进行外扩。

这里需要说明的是，本方案按照边界点进行等距均匀外扩来扩大无人机拍摄的视野范围，与以往的外接矩形法以及手动航线法所不同，在保证采集数据能够满足完整的建模和巡检的要求的同时，不浪费航点，不额外增加航线，减少了飞行距离。

在一种可选的实施例中，在上述步骤S154之前，本申请可以包括如下方案：

步骤S1531，接收用户输入的初始外扩距离，根据初始外扩距离获取得初始外扩距离关联的巡检航点的数量，根据巡检航点的数量得到第一预设消耗电量，并且根据第一预设消耗电量将初始外扩距离确定为预设外扩距离。

具体的，用户可以自定义外扩距离，从而控制外扩后区域的大小，但是，如果用户输入的外扩距离越大，外扩后规划的巡检航点就越多，但是无人机在每个巡检航点均要悬停拍照，如果巡检航点过多，过多的巡检航点会使得无人机电量消耗过快从而不能完成巡检，因此本方案进行判断，只有用户输入合适的初始外扩距离，本方案才会将初始外扩距离确定为预设外扩距离，然后进行后续的操作。通过此种方式使得在用户进行外扩的情况下，也不会因为外扩的过大影响无人机完成巡检。

应理解，本文中前述关于本发明的方法所描述的具体特征、操作和细节也可类似地应用于本发明的装置和系统，或者，反之亦然。另外，上文描述的本发明的方法的每个步骤可由本发明的装置或系统的相应部件或单元执行。

应理解，本发明的装置的各个模块/单元可全部或部分地通过软件、硬件、固件或其组合来实现。所述各模块/单元各自可以硬件或固件形式内嵌于计算机设备的处理器中或独立于所述处理器，也可以软件形式存储于计算机设备的存储器中以供处理器调用来执行所述各模块/单元的操作。所述各模块/单元各自可以实现为独立的部件或模块，或者两个或更多个模块/单元可实现为单个部件或模块。

在一个实施例中，提供了一种计算机设备，其包括存储器和处理器，所述存储器上存储有可由处理器执行的计算机指令，所述计算机指令在由所述处理器执行时指示所述处理器执行本发明的实施例的方法的各步骤。该计算机设备可以广义地为服务器、终端，或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中，该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。

本发明可以实现为一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时导致本发明实施例的方法的步骤被执行。在一个实施例中，所述计算机程序被分布在网络耦合的多个计算机设备或处理器上，以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/操作，或者两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或执行两个或更多个方法步骤/操作。

本领域普通技术人员可以理解，本发明的方法步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成，所述的计算机程序可存储于非暂时性计算机可读存储介质中，该计算机程序被执行时导致本发明的步骤被执行。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。

以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种分布式光伏电站巡检航线的确定方法，其特征在于，所述方法包括：

获取到光伏电站的图像；

在所述光伏电站的图像中划分得到所述光伏电站的多个子区域；

将所述多个子区域进行等距外扩处理，生成外扩后的多个子区域；

根据无人机相机取景重叠度确定无人机巡检航点的间隔；

按照所述间隔在每个外扩后的子区域分别进行均匀航点规划，以生成多组航点，其中，每组航点对应于一个外扩后的子区域，每组航点生成的巡检航线覆盖所述每组航点对应的外扩后的子区域。

2.根据权利要求1所述的方法，其特征在于，根据无人机相机取景重叠度确定无人机巡检航点的间隔，包括：

根据所述无人机相机的焦距、相机取景图像的尺寸参数、无人机的飞行高度确定所述无人机的航向范围；

根据无人机相机取景重叠度、所述无人机的航向范围确定所述巡检航点的间隔。

3.根据权利要求1所述的方法，其特征在于，在按照所述间隔在每个外扩后的子区域分别进行航点规划之后，所述方法包括控制无人机按照巡检航线进行巡检，其中，所述方法还包括：

获取到无人机通过所述巡检航线采集到的红外图像以及正射影像；

将所述正射影像进行组串分割，得到实际组串范围，其中，所述实际组串范围中包括多个组串；

将所述红外图像进行图像识别，得到所述红外图像中多个缺陷位置；

根据所述多个缺陷位置以及所述实际组串范围确定缺陷的实际位置。

4.根据权利要求3所述的方法，其特征在于，所述正射影像通过无人机采集到的可见光图像建模得到，其中，根据所述多个缺陷位置以及所述实际组串范围确定缺陷的实际位置，包括：

将所述多个缺陷位置映射到所述可见光图像中；

将所述可见光图像中的多个缺陷位置映射到所述正射影像中；

根据所述正射影像中的多个缺陷位置以及所述实际组串范围确定缺陷的实际位置。

5.根据权利要求4所述的方法，其特征在于，根据所述正射影像中的多个缺陷位置以及所述实际组串范围确定缺陷的实际位置，包括：

在所述正射影像中的第一缺陷的位置属于所述实际组串范围的情况下，将所述第一缺陷的位置直接确定为缺陷的实际位置；

在所述正射影像中的第二缺陷的位置不属于所述实际组串范围的情况下，获取到预设范围内距离所述第二缺陷的位置最近的相邻组串，并且将偏移后的第二缺陷的位置确定为缺陷的实际位置。

6.根据权利要求5所述的方法，其特征在于，将所述第二缺陷的位置偏移至距离所述第二缺陷的位置最近的相邻组串，包括：

在所述最近的相邻组串的数量为多个的情况下，获取所述光伏电站的运维记录以及所述第二缺陷的缺陷类型；

根据所述运维记录确定所述相邻组串中第一相邻组串的缺陷类型；

在所述第一相邻组串的缺陷类型与所述第二缺陷的缺陷类型相同的情况下，第二缺陷的位置偏移至所述第一相邻组串。

7.根据权利要求5所述的方法，其特征在于，根据所述光伏电站的组串的分布密度确定所述预设范围。

8.根据权利要求1所述的方法，其特征在于，所述子区域为多边形形状，所述多个子区域包括第一子区域，其中，将所述多个子区域进行等距外扩处理，生成外扩后的多个子区域，包括：

获取所述第一子区域的多边形中的第一端点的坐标；

根据所述第一端点的坐标获取在所述第一子区域的多边形中经过所述第一端点的两条邻边的向量；

根据所述两条邻边的向量确定所述两条邻边的夹角；

根据所述两条邻边的夹角、预设的外扩距离、第一端点的坐标以及所述两条邻边的向量生成第二端点；

将所述第二端点确定为外扩后的子区域的端点；

根据所述外扩后的子区域的端点生成所述外扩后的多个子区域。

9.一种非暂时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在由处理器执行时导致权利要求1至8中任一项方法被执行。

10.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机指令，其特征在于，所述计算机指令在由所述处理器执行时导致权利要求1-8中任一项方法被执行。

Images