CN115076049A - 一种风机偏航角的确定方法、装置、存储介质及电子设备 - Google Patents
一种风机偏航角的确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115076049A CN115076049A CN202210777072.1A CN202210777072A CN115076049A CN 115076049 A CN115076049 A CN 115076049A CN 202210777072 A CN202210777072 A CN 202210777072A CN 115076049 A CN115076049 A CN 115076049A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- fan
- cloud data
- determining
- yaw angle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 84
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000000513 principal component analysis Methods 0.000 claims abstract description 12
- 230000002441 reversible effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/329—Azimuth or yaw angle
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- General Health & Medical Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Fluid Mechanics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
Abstract
本发明提供了一种风机偏航角的确定方法、装置、存储介质及电子设备,该方法包括:获取到风机机舱的原始点云数据以及目标点云数据,其中,所述目标点云数据为从所述原始点云数据中进行曲率筛选得到;对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角。解决了现有的风机偏航角计算耗费时间长且准确性差的问题。
Description
技术领域
本发明涉及风机巡检领域,尤其是涉及一种风机偏航角的确定方法、装置、存储介质及电子设备。
背景技术
在进行风力发电机(简称风机)巡检时,需要时刻知晓风机的偏航角,现有的风机偏航角识别方法往往通过点云重建或者利用视频识别来实现。
CN 113187671A公开了一种应用无人机进行风轮偏航角的确定方法,该方法实质上是通过2D-3D的方法构建点云,然后再依赖凹包算法对机舱部分点云进行最小二乘求解,然后通过得到的多边形进行中心线拟合,最后根据拟合后的中心线段得到风机偏航角,该方法过度依赖2D-3D重建点云的完整性和准确性,风机偏航角识别时间过长。
CN 108843492 A公开了一种通过无人机进行风机偏航角测算方法,该方法通过环绕航线采集数据,然后解码视频流,最后进行图像分析得到偏航角的识别结果,整个过程较为繁琐,如果存在连续帧识别失败或误识别等情况,容易造成偏航角识别结果出现较大偏差。
有鉴于此,提出本发明。
发明内容
本发明提供了一种风机偏航角的确定方法、装置、存储介质及电子设备,以解决现有的风机偏航角计算耗费时间长且准确性差的问题。
根据本发明的第一方面,提供了一种风机偏航角的确定方法,该方法包括:步骤S11,获取到风机机舱的原始点云数据以及目标点云数据,其中,所述目标点云数据为从所述原始点云数据中进行曲率筛选得到;步骤S13,对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;步骤S15,基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角。
进一步地,基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角包括:根据所述方向向量对所述原始点云数据进行裁剪,得到所述方向向量指向的第一部分点云以及所述方向向量的反向向量指向的第二部分点云;将所述第一部分点云的数量以及第二部分点云的数量进行比较,并且根据比较结果对所述方向向量进行修正。
进一步地,根据比较结果对所述方向向量进行修正,包括:在所述第一部分点云的数量大于第二部分点云的数量的情况下,将所述点云方向向量确定为所述风机的偏航角的方向向量;在所述第一部分点云的数量小于等于所述第二部分点云的数量的情况下,将所述点云方向的反向向量确定为所述风机的偏航角的方向向量。
进一步地,所述原始点云数据通过目标采集点获取得到,所述方法还包括:确定风机机舱的目标采集点,其中,确定风机机舱的目标采集点,包括:根据风机机舱的预估位置确定风机机舱的初始采集点;根据所述初始采集点以及风机叶片长度确定无人机在水平方向以及垂直方向的点云采集区间;基于所述点云采集区间采集到所述风机机舱的初始点云数据;根据所述初始点云数据确定所述风机机舱的准确位置;根据所述风机机舱的准确位置确定所述风机机舱的目标采集点。
进一步地,在得到风机偏航角之后,所述方法还包括:根据所述风机偏航角确定风机轮毂的正前方位置;控制无人机从所述目标采集点直接飞至所述正前方位置采集到风机的点云图像;确定所述点云图像的竖直方向的分割线,其中,所述分割线将所述点云图像分成面积相同的左部分以及右部分;确定点云图像左部分点云距离无人机的第一最长距离以及右部分点云距离无人机的第二最长距离;在第一最长距离与第二最长距离的差值不超过预设差值的情况下,将所述风机偏航角确定为最终偏航角;在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17。
进一步地,在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17,执行步骤S11至步骤S17,包括:根据第一最长距离与第二最长距离的差值确定执行步骤S11至步骤S15预设数量次数,并得到预设数量的风机的初始偏航角;根据所述预设数量的风机的初始偏航角确定风机的最终偏航角。
根据本发明的第二方面,提供了一种风机偏航角的确定装置,装置包括:采集单元,用于在风机机舱的目标采集点采集到风机机舱的原始点云数据;筛选单元,用于将所述原始点云数据进行曲率筛选,得到目标点云数据;分析单元,用于对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;确定单元,用于基于所述原始点云数据以及所述目标点云数据的点云方向向量确定所述风机的偏航角。
进一步地,所述确定单元包括:裁剪模块,用于以所述方向向量对所述原始点云数据进行裁剪,得到所述点云方向向量指向的第一部分点云以及所述点云方向向量的反向向量指向的第二部分点云;确定模块,用于根据所述第一部分点云的数量、第二部分点云的数量以及所述点云方向向量确定所述风机的偏航角。
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如上述任一项方法被执行。
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,所述存储器上存储有计算机指令,所述计算机指令在由所述处理器执行时导致如上述任一项方法被执行。
本发明提供了一种风机偏航角的确定方法、装置、存储介质及电子设备,该方法包括:获取到风机机舱的原始点云数据以及目标点云数据,其中,所述目标点云数据为从所述原始点云数据中进行曲率筛选得到;对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角。解决了现有的风机偏航角计算耗费时间长且准确性差的问题。
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是本发明实施例的风机偏航角的确定方法的流程图;
图2~图3 是本发明实施例的确定最终风机偏航角的示意图;
图4是本发明实施例的风机偏航角的确定装置的示意图。
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
本发明提供了一种风机偏航角的确定方法,该方法包括:
步骤S11,获取到风机机舱的原始点云数据以及目标点云数据,其中,所述目标点云数据为从所述原始点云数据中进行曲率筛选得到。
具体的,本方案可以采用无人机的控制器或者其它带有数据处理功能的硬件设备作为本方案的方法的执行主体,在本方案中,在确定风机机舱的准确位置之后,根据风机机舱的准确位置生成目标采集点,无人机可以飞至风机机舱的目标采集点,在目标采集点保持无人机悬停然后控制无人机设置的激光雷达采集到风机机舱的原始点云数据,然后将原始点云数据进行曲率筛选,从而得到目标点云数据。这里需要说明的是,目标采集点为风机机舱准确位置的正上方,即目标采集点的经纬坐标与所述机舱的准确位置的经纬坐标相同,目标采集点的高程高于风机机舱的高程。
关于步骤S11中曲率筛选的具体技术细节如下;
本方案可以先将风机机舱的原始点云数据进行离群点过滤,从而去掉雷达自身或者空中干扰物体造成的冗余点云从而得到点云,然后计算点云中每个点的法线,从而求解点云的曲率,然后按照曲率从小到大进行排序,采用区域生长法对采集到的点云进行分割,得到的曲率最小的部分点云视为风机机舱点云(即上述目标点云数据),这里需要说明的是,因为机舱部分近似一个采集平面,因此将曲率最小的部分视为风机机舱点云,通过此种曲率筛选的方式,可以快速的确定风机机舱点云。
还需要说明的是,上述区域生长法,就是给一个初始点,然后计算其邻域内点的曲率,如果符合条件就将其放入一类,这样生长之后就会有多个点云类,即完成点云分割,然后将分割后的类进行排序,曲率最小点云类即为机舱位置的点云(即上述目标点云数据)。
步骤S13,对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量。
步骤S15,基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角。
具体的,本方案在生成目标点云数据的方向向量之后,实际上方向向量并不直接将目标点云数据的方向向量确定为风机的偏航角,而是基于原始点云数据对目标点云数据的方向向量进行修正,从而得到准确的风机偏航角,从而提高了风机偏航角的识别准确性。
这里需要说明的是,本方案通过主成分分析得到机舱点云的方向向量,然后对方向向量进行修正,从而得到风机的偏航角,同现有通过视频采集、点云重建来计算偏航角相比,极大的缩减了偏航角识别所用时长,降低了因风机风向频繁改变带来的风险,与此同时,使用点云进行分析识别,不会造成较大的偏离,也提高了偏航角识别的稳定性和准确性。此外,整个识别过程无须巡检人员的参与,均由无人机自主完成,因此本发明提高巡检效率的同时,也间接降低了风机叶片的巡检成本。因此本方案解决了现有的风机偏航角计算耗费时间长且准确性差的问题。
可选的,步骤S15基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角,包括:
步骤S151,根据所述方向向量对所述原始点云数据进行裁剪,得到所述方向向量指向的第一部分点云以及所述方向向量的反向向量指向的第二部分点云。
步骤S153,将所述第一部分点云的数量以及第二部分点云的数量进行比较,并且根据比较结果对所述方向向量进行修正。
具体的,本方案可以将上述原始点云数据经过离群点过滤得到的点云先投影到无人机所在的2D平面得到,从目标点云数据投影到无人机所在的二维平面得到的中确定中心点C,然后,本方案在中,以C为中心,,以方向向量方向对进行裁剪,得到两部分点云,即第一部分点云和第二部分点云,然后根据第一部分点云的数量、第二部分点云的数量的比较结果对方向向量进行修正,从而得到风机的偏航角。
可选的,步骤S153根据比较结果对所述方向向量进行修正,包括:
步骤S1531,在所述第一部分点云的数量大于第二部分点云的数量的情况下,将所述点云方向向量确定为所述风机的偏航角的方向向量。
步骤S1532,在所述第一部分点云的数量小于等于所述第二部分点云的数量的情况下,将所述点云方向的反向向量确定为所述风机的偏航角的方向向量。
这里需要说明的是,通过点云的主成分分析得到点云方向向量可以被看成是风机的偏航角的方向向量,但是本方案为了更加精确的得到风机偏航角的方向向量,而是对上述点云方向向量进行修正,下面对于修正的原理做如下阐述:上述第一部分点云以及第二部分点云这两部分点云必然有一部分是风机叶轮一侧,另一部分则是机舱一侧,对于采集到的数据而言,风机叶轮一侧采集到的点云一定是比机舱一侧的点云要多。
可选的,所述原始点云数据通过目标采集点获取得到,目标采集点是风机机舱准确位置的上空,在上述步骤S11之前,本方案的方法还可以包括:步骤S10,确定风机机舱的目标采集点,其中,步骤S10确定风机机舱的目标采集点,包括:
步骤S101,根据风机机舱的预估位置确定风机机舱的初始采集点。
具体的,上述初始采集点是风机机舱预估位置的上空,本方案在地面选择一接近风机塔筒的位置记录经度及纬度,将其作为机舱近似所在位置(即上述预估位置),然后选定一距离风机较远且满足起飞条件的位置作为无人机的起飞点,接着控制将无人机从起飞点飞至机舱近似位置上空(即上述初始采集点),然后控制无人机的激光雷达发射面垂直朝下。
具体的,本方案可以按照无人机与风机的相对位置确定点云采集区间,从而对采集点云进行有效过滤,去掉外部点云较少干扰,其中点云采集区间的划分如下:
在水平方向取以无人机所在位置为圆心以风机叶片半径为半径的圆作为有效区间,即:
在垂直方向向下取以无人机所在位置为原点以2个叶轮半径为高度的范围作为有效区间,即:
步骤S103,基于所述点云采集区间采集到所述风机机舱的初始点云数据。
步骤S104,根据所述初始点云数据确定所述风机机舱的准确位置。
具体的,本方案可以对上述初始点云数据进行过滤,从而去掉因雷达自身或空中干扰物体造成的冗余点云,得到点云,然后计算点云法线,求解局部点曲率,按照曲率从小到大进行排序,采用区域生长法对采集到的点云进行分割,得到的曲率最小的部分点云视为风机机舱点云,然后将投影至无人机所在的2D平面得到,计算投影后机舱点云部分的二维坐标均值,视为机舱的准确位置。
步骤S105,根据所述风机机舱的准确位置确定所述风机机舱的目标采集点。
这里需要说明的是,目标采集点可以为风机机场准确位置的上空,上述风机机舱的目标采集点是根据风机机舱的准确位置确定的采集点,风机机舱的准确位置是二维坐标,目标采集点的经纬度坐标和风机机舱准确位置相同,高程,其中,表示风机机舱高度,表示风机叶片半径,以确保无人机在机舱的正上方保证安全的采集到风机机舱的点云图像。本方案可以将换算成无人机的偏移量,然后控制无人机按照上述偏移量飞至上述目标采集点(机舱的正上方),从而采集到更为精确的点云,换算过程如下:
这里需要说明的是,通过上述步骤S101至步骤S105,本方案先控制无人机第一次飞至机舱的预估位置的上空进行采集初始点云,然后通过初始点云数据确定风机机舱的准确位置之后,然后控制无人机第二次飞至风机机舱的准确位置的正上空之后再执行步骤S11至S15得到风机的偏航角。本方案不同于现有技术控制无人机飞至风机上空采集数据直接进行偏航角的识别,而是分两次控制无人机飞至风机机舱上空,第一次飞是为了采集点云进行风机机舱位置的精确定位,在精确定位之后在控制无人机第二次飞采集机舱的点云数据进行机舱方向向量的计算,由于第二次飞的位置为风机机舱准确位置的正上空,因此采集到的机舱点云更加精确,从而使得偏航角识别的精度更高。
在一种可选的实施例中,在步骤S103中,无人机激光雷达按照第一回波模式采集风机机舱的初始点云数据,在步骤S11中,无人机激光雷达按照第二回波模式采集原始点云数据,其中,在第二回波模式下,激光雷达获取到的点云数据量大于第一回波模式。上述第一回波模式可以为激光雷达的三回波模式,上述第二回波模式可以为激光雷达的三回波模式,这里需要说明的是,因为在第一次无人机飞至机舱上空采集初始点云数据的时候,该初始点云数据仅仅是为了确定风机机舱的准确位置,而为了确定风机机舱的准确位置,只需要点云形成的轮廓即可,不需要太多的点云数量,因此本方案按照三回波模式来控制激光雷达采集点云即可。而在无人机第二次飞至机舱上空采集原始点云数据的时候,该原始点云数据为了后续识别出风机机舱的方向向量,因此,本方案采用了双回波模式控制激光雷达采集点云,从而激光雷达获取更多的数量的点云。因此在本实施例中,在无人机两次飞至风机机舱上空,无人机切换激光雷达采集点云模式,可以起到在准确识别机舱方向向量的同时节约能源的技术效果。
可选的,在步骤S15得到风机偏航角之后,本申请的方法还可以包括:
步骤S17,根据所述风机偏航角确定风机轮毂的正前方位置。
步骤S18,控制无人机从所述目标采集点直接飞至所述正前方位置采集到风机的点云图像。
步骤S19,确定所述点云图像的竖直方向的分割线,其中,所述分割线将所述点云图像分成面积相同的左部分以及右部分。
步骤S20,统计点云图像左部分点云距离无人机的第一最长距离以及右部分点云距离无人机的第二最长距离。
步骤S21,在第一最长距离与第二最长距离的差值不超过预设差值的情况下,将所述风机偏航角确定为最终偏航角。
步骤S22,在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17。
具体的,在本方案中,在得到风机的偏航角之后,本方案不用于现有技术,并不直接控制无人机根据风机偏航角生成巡检路线从而执行风机巡检任务,而是针对风机偏航角做进一步的验证。本方案根据步骤S15中计算得到的风机偏航角确定风机轮毂的正前方位置,然后采集到风机的点云图像,需要注意的是,结合图2,如果点云图像左部分点云距离无人机的第一最长距离和点云图像右部分距离无人机的第二最长距离应该是相同的或者差值在于预设差值之内,则说明步骤S15中计算得到的风机偏航角是正确,本方案则直接将风机的偏航角确定为最终偏航角;结合图3,如果步骤S15中计算得到的风机偏航角是错误的话,点云图像左部分点云距离无人机的第一最长距离和点云图像右部分距离无人机的第二最长距离应该不同,且二者的差值超过预设差值,这说明步骤S15中计算得到的风机偏航角是有误差的,本方案则重复执行上述步骤S11至步骤S15,重新计算得到风机的最终偏航角。
需要说明的是,因为图像左部分点云有多个,本方案经过计算,计算出左部分每个点云与无人机的距离,并且将最长的距离确定为第一最长距离。通过相同的方法通过右部分点云确定出第二最长距离。
可选的,在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17的技术细节则包括:
步骤S221,根据根据第一最长距离与第二最长距离的差值确定执行步骤S11至步骤S15预设数量次数,并得到预设数量的风机的初始偏航角。
步骤S222,根据所述预设数量的风机的初始偏航角确定风机的最终偏航角。
具体的,在本方案中,本方案可以根据第一最长距离与第二最长距离的差值的大小来决定执行步骤S11至步骤S15的次数,每次执行步骤S11至步骤S15,都会产生一个风机的偏航角,本方案可以根据多个风机偏航角求取均值来确定风机最终的偏航角,如果第一最长距离和第二最长距离的差值较大,则说明识别偏航角的过程中发生的计算误差比较大,本方案则控制执行步骤S11至步骤S15较多的次数,从而生成较多数量的风机偏航角来确定风机的最终偏航角。如果第一最长距离和第二最长距离的差值较小(但是超过预设差值),则说明识别偏航角的过程中发生的计算误差较小,本方案则控制执行步骤S11至步骤S15较少的次数,从而生成较少数量的风机偏航角来确定风机的最终偏航角。本方案通过第一最长距离与第二最长距离差值的大小来决定生成初始偏航角的次数,可以在最佳的算力资源下生成得到最终偏航角。
实施例二
如图4所示,本申请还提供了一种风机偏航角的确定装置,该装置可以设置于无人机的控制器中,也用于执行上述实施例一的方法,该装置包括:
采集单元40,用于在风机机舱的目标采集点采集到风机机舱的原始点云数据;筛选单元42,用于将所述原始点云数据进行曲率筛选,得到目标点云数据;分析单元44,用于对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;确定单元46,用于基于所述原始点云数据以及所述目标点云数据的点云方向向量确定所述风机的偏航角。
这里需要说明的是,通过上述多个单元,本方案通过主成分分析得到机舱点云的方向向量,然后对方向向量进行修正,从而得到风机的偏航角,同现有技术相比,极大的缩减了偏航角识别所用时长,降低了因风机风向频繁改变带来的风险,与此同时,使用点云进行分析识别,也提高了偏航角识别的稳定性和准确性。此外,整个识别过程无须巡检人员的参与,均由无人机自主完成,因此本发明提高巡检效率的同时,也间接降低了风机叶片的巡检成本。因此本方案解决了现有的风机偏航角计算耗费时间长且准确性差的问题。
可选的,上述确定单元46包括:裁剪模块,用于以所述方向向量对所述原始点云数据进行裁剪,得到所述点云方向向量指向的第一部分点云以及所述点云方向向量的反向向量指向的第二部分点云;确定模块,用于根据所述第一部分点云的数量、第二部分点云的数量以及所述点云方向向量确定所述风机的偏航角。
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)
1.一种风机偏航角的确定方法,其特征在于,所述方法包括:
步骤S11,获取到风机机舱的原始点云数据以及目标点云数据,其中,所述目标点云数据为从所述原始点云数据中进行曲率筛选得到;
步骤S13,对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;
步骤S15,基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角。
2.根据权利要求1所述的方法,其特征在于,基于所述原始点云数据对所述目标点云数据的方向向量进行修正,得到风机偏航角包括:
根据所述方向向量对所述原始点云数据进行裁剪,得到所述方向向量指向的第一部分点云以及所述方向向量的反向向量指向的第二部分点云;
将所述第一部分点云的数量以及第二部分点云的数量进行比较,并且根据比较结果对所述方向向量进行修正。
3.根据权利要求2所述的方法,其特征在于,根据比较结果对所述方向向量进行修正,包括:
在所述第一部分点云的数量大于第二部分点云的数量的情况下,将所述点云方向向量确定为所述风机的偏航角的方向向量;
在所述第一部分点云的数量小于等于所述第二部分点云的数量的情况下,将所述点云方向的反向向量确定为所述风机的偏航角的方向向量。
4.根据权利要求1所述的方法,其特征在于,所述原始点云数据通过目标采集点获取得到,所述方法还包括:确定风机机舱的目标采集点,其中,确定风机机舱的目标采集点,包括:
根据风机机舱的预估位置确定风机机舱的初始采集点;
根据所述初始采集点以及风机叶片长度确定无人机在水平方向以及垂直方向的点云采集区间;
基于所述点云采集区间采集到所述风机机舱的初始点云数据;
根据所述初始点云数据确定所述风机机舱的准确位置;
根据所述风机机舱的准确位置确定所述风机机舱的目标采集点。
5.根据权利要求1所述的方法,其特征在于,在得到风机偏航角之后,所述方法还包括:
根据所述风机偏航角确定风机轮毂的正前方位置;
控制无人机从所述目标采集点直接飞至所述正前方位置采集到风机的点云图像;
确定所述点云图像的竖直方向的分割线,其中,所述分割线将所述点云图像分成面积相同的左部分以及右部分;
确定点云图像左部分点云距离无人机的第一最长距离以及右部分点云距离无人机的第二最长距离;
在第一最长距离与第二最长距离的差值不超过预设差值的情况下,将所述风机偏航角确定为最终偏航角;
在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17。
6.根据权利要求5所述的方法,其特征在于,在第一最长距离与第二最长距离的差值超过预设差值的情况下,执行步骤S11至步骤S17,执行步骤S11至步骤S17,包括:
根据第一最长距离与第二最长距离的差值确定执行步骤S11至步骤S15预设数量次数,并得到预设数量的风机的初始偏航角;
根据所述预设数量的风机的初始偏航角确定风机的最终偏航角。
7.一种风机偏航角的确定装置,其特征在于,所述装置包括:
采集单元,用于在风机机舱的目标采集点采集到风机机舱的原始点云数据;
筛选单元,用于将所述原始点云数据进行曲率筛选,得到目标点云数据;
分析单元,用于对所述目标点云数据进行主成分分析得到所述目标点云数据的方向向量;
确定单元,用于基于所述原始点云数据以及所述目标点云数据的点云方向向量确定所述风机的偏航角。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:
裁剪模块,用于以所述方向向量对所述原始点云数据进行裁剪,得到所述点云方向向量指向的第一部分点云以及所述点云方向向量的反向向量指向的第二部分点云;
确定模块,用于根据所述第一部分点云的数量、第二部分点云的数量以及所述点云方向向量确定所述风机的偏航角。
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如权利要求1至6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如权利要求1-6中任一项方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777072.1A CN115076049A (zh) | 2022-07-04 | 2022-07-04 | 一种风机偏航角的确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777072.1A CN115076049A (zh) | 2022-07-04 | 2022-07-04 | 一种风机偏航角的确定方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115076049A true CN115076049A (zh) | 2022-09-20 |
Family
ID=83258138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210777072.1A Pending CN115076049A (zh) | 2022-07-04 | 2022-07-04 | 一种风机偏航角的确定方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115076049A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213182A (zh) * | 2011-05-12 | 2011-10-12 | 北京金风科创风电设备有限公司 | 偏航误差角获得方法及偏航控制方法/装置和风力发电机组 |
CN105909479A (zh) * | 2016-06-30 | 2016-08-31 | 华北电力科学研究院有限责任公司 | 应用于风力发电机组偏航控制性能测试的数据采集装置 |
CN107630794A (zh) * | 2017-10-17 | 2018-01-26 | 远景能源(江苏)有限公司 | 风力机机舱推力与基础沉降实时监测系统及监测方法 |
CN108457798A (zh) * | 2018-02-11 | 2018-08-28 | 内蒙古久和能源装备有限公司 | 一种风力发电机组偏航误差控制方法及系统 |
CN109710977A (zh) * | 2018-11-27 | 2019-05-03 | 东方电气自动控制工程有限公司 | 一种用于获得风机相对机舱平均风向的装置及方法 |
WO2020135446A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市道通智能航空技术有限公司 | 一种目标定位方法和装置、无人机 |
CN113187671A (zh) * | 2021-04-27 | 2021-07-30 | 南京韦博智控科技有限公司 | 一种应用无人机进行风轮偏航角的确定方法 |
WO2021196548A1 (zh) * | 2020-04-01 | 2021-10-07 | 北京迈格威科技有限公司 | 距离确定方法、装置及系统 |
WO2022017147A1 (zh) * | 2020-07-22 | 2022-01-27 | 上海商汤临港智能科技有限公司 | 点云数据的处理方法和装置、雷达装置、电子设备及计算机可读存储介质 |
-
2022
- 2022-07-04 CN CN202210777072.1A patent/CN115076049A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213182A (zh) * | 2011-05-12 | 2011-10-12 | 北京金风科创风电设备有限公司 | 偏航误差角获得方法及偏航控制方法/装置和风力发电机组 |
CN105909479A (zh) * | 2016-06-30 | 2016-08-31 | 华北电力科学研究院有限责任公司 | 应用于风力发电机组偏航控制性能测试的数据采集装置 |
CN107630794A (zh) * | 2017-10-17 | 2018-01-26 | 远景能源(江苏)有限公司 | 风力机机舱推力与基础沉降实时监测系统及监测方法 |
CN108457798A (zh) * | 2018-02-11 | 2018-08-28 | 内蒙古久和能源装备有限公司 | 一种风力发电机组偏航误差控制方法及系统 |
CN109710977A (zh) * | 2018-11-27 | 2019-05-03 | 东方电气自动控制工程有限公司 | 一种用于获得风机相对机舱平均风向的装置及方法 |
WO2020135446A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市道通智能航空技术有限公司 | 一种目标定位方法和装置、无人机 |
WO2021196548A1 (zh) * | 2020-04-01 | 2021-10-07 | 北京迈格威科技有限公司 | 距离确定方法、装置及系统 |
WO2022017147A1 (zh) * | 2020-07-22 | 2022-01-27 | 上海商汤临港智能科技有限公司 | 点云数据的处理方法和装置、雷达装置、电子设备及计算机可读存储介质 |
CN113187671A (zh) * | 2021-04-27 | 2021-07-30 | 南京韦博智控科技有限公司 | 一种应用无人机进行风轮偏航角的确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
CN114296483B (zh) | 一种风力发电机不停机状态下的智能巡检方法及电子设备 | |
US20210311504A1 (en) | Near real-time reconstruction using drones | |
CN106683097A (zh) | 一种无人机定位的方法以及系统 | |
CN115097867B (zh) | 一种风机巡检航线下无人机拍摄姿态的确定方法 | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
CN112967345B (zh) | 鱼眼相机的外参标定方法、装置以及系统 | |
KR102195051B1 (ko) | 드론의 영상 정보를 이용한 공간 정보 생성 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
CN116501091B (zh) | 基于无人机自动调整航线的风机巡检控制方法和装置 | |
CN114442665B (zh) | 基于无人机的风电叶片巡检线路规划方法 | |
CN115406457A (zh) | 一种可行驶区域检测方法、系统、设备及存储介质 | |
CN114935942A (zh) | 一种分布式光伏电站巡检航线的确定方法及电子设备 | |
CN112465856A (zh) | 基于无人机的船只轨迹修正方法、装置及电子设备 | |
CN111712687B (zh) | 航测方法、飞行器及存储介质 | |
CN110910432A (zh) | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 | |
CN115076049A (zh) | 一种风机偏航角的确定方法、装置、存储介质及电子设备 | |
CN115686073B (zh) | 一种基于无人机的输电线路巡检控制方法及系统 | |
CN115272248B (zh) | 一种风机姿态的智能检测方法以及电子设备 | |
CN113504794B (zh) | 一种无人机集群重构方法、系统和电子设备 | |
CN115562337A (zh) | 一种风机巡检航线的生成方法以及电子设备 | |
CN115480589B (zh) | 基于无人机的风机巡检航线生成方法及系统 | |
CN116167114B (zh) | 一种风机叶片曲线数据的确定方法、装置以及电子设备 | |
CN116906277A (zh) | 风机偏航变动的确定方法、装置、电子设备及存储介质 | |
CN114355378B (zh) | 无人机的自主导航方法、装置、无人机及存储介质 | |
US20240104880A1 (en) | Information processing apparatus and method |
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 |