CN115268488A - 一种电力巡检无人机起降点自动生成方法及系统 - Google Patents
一种电力巡检无人机起降点自动生成方法及系统 Download PDFInfo
- Publication number
- CN115268488A CN115268488A CN202210838171.6A CN202210838171A CN115268488A CN 115268488 A CN115268488 A CN 115268488A CN 202210838171 A CN202210838171 A CN 202210838171A CN 115268488 A CN115268488 A CN 115268488A
- Authority
- CN
- China
- Prior art keywords
- point
- area
- landing
- take
- layer
- 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
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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明公开了一种电力巡检无人机起降点自动生成方法及系统。方法包括:S1、导入电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据;S2、基于DEM高程模型判断巡检区域的地形类型,若地形类型为平原区则获取该区域的图层并作为面分析底图;若地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;S3、基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;S4、将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到备选起降点/区域。本发明解决巡检人员需要通过长期的培训以及实践并且通过长时间的评测才能找到起飞点的问题。
Description
技术领域
本发明涉及无人机巡检技术领域,更具体地说,特别涉及一种电力巡检无人机起降点自动生成方法及系统。
背景技术
近年来,随着我国经济的快速发展和科技水平特别是电子信息技术的全面提高,无人机产业取得了实质性的进步。目前,无人机产品种类齐全、功能多样,已具备了自主研发和设计低、中、高端无人机的能力,并基本形成了配套齐全的研发、制造、销售和服务体系,部分技术已达到国际先进水平。无人机产业已走上全面发展的道路。以大疆创新、零度智控、亿航科技、臻迪智能为代表的国内小型无人机企业飞速发展,规模远超国外企业。在该领域的突破主要依赖我国在民用小型无人机硬件上的成本优势和技术上的先发优势。借助于国内完善的电子元器件供应链,国内无人机企业能够以较低的成本生产和销售产品。国内企业如大疆、零度智控等大都发源于高校及军事院所,在技术上具有较多的储备,加上国内企业相关软件和算法技术的储备,企业获得了先发优势,在技术上领先国外企业。
无人机作为一种高科技的巡检利器在电网行业中得到迅速推广与应用。随着全国电网行业无人机数量、飞手数量及技能水平的不断提升,电网巡检的无人机巡检时代已全面到来。自2016年开始,不断有无人机公司和软件公司投入无人机+AI智能系统的研发。2016年拓维思科技有限公司开发出基于激光雷达的输电线路安全检测与智能识别重建的专业应用系统和解决方案Tovos Powerline Analyzer模块。该模块利于无人机搭载的激光雷达获取的点云数据管理、显示、分析、表达与处理的集成化地理空间解决方案。2018年复亚智能推出正式推出MindSky"睿略"第二代全自动飞行系统,系统通过自动机场让无人机全自动起降、换电,机载AI算法实现无人机全自动飞行,图像数据实时传输到云端识别;中电昊海提出基于北斗高精度位置服务的无人机自动巡航系统。2019年中科云图推出无人化空中自动巡检系统,实现无人机自动巡航以及数据实时回传等功能。2020年大疆推出“大疆智图”,通过无人机激光点云进行实时三维建模,实现无人机自动巡检作业。各企业不仅仅在无人机自动巡航方面有重大突破性发展,企业携手高校和研究所在智能缺陷识别方面也有关键性结果,比如:重庆大学开发出新型输电线路智能检测技术;国家电网携手山东鲁能智能技术有限公司提出一种用于输电线路部件智能自动识别的方法;华北电力大学智能视觉计算研究所提出一套输电线路部件智能检测综合解决方案等等。
目前,国内有越来越多的公司专注于如何运用图像识别等人工智能算法来解决实际生产问题,如人脸识别、安防、金融、交通、医疗等。国内的著名图像识别公司有商汤科技、旷视科技、云从科技等。现阶段,无人机智能自主巡检快速发展,但是大多自主巡检都是基于已有的人工规划路径完成无人机的自动巡检和数据实时回传功能,暂无基于基础地理信息的无人机起飞点自动选择的研究。
而我国电网规模已跃居世界首位,具有范围广、密度高、网络复杂等问题。现有无人机电力巡检技术,需要耗费高昂的人力和物力成本,也无法做到实时在线巡检和处理。实现无人机巡检的自动化以及缺陷识别的实时智能化成为电网维护工作中迫切需要解决的核心问题。
发明内容
本发明的目的在于提供一种电力巡检无人机起降点自动生成方法及系统,以克服现有技术所存在的缺陷。
为了达到上述目的,本发明采用的技术方案如下:
一种电力巡检无人机起降点自动生成方法,包括以下步骤:
S1、导入待巡检的电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中;
S2、基于DEM高程模型判断巡检区域的地形类型,所述地形类型包括平原区和山区,若所述地形类型为平原区则获取该区域的图层并作为面分析底图;若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;
S3、根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;
S4、将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
进一步地,其特征在于,所述步骤S1中待巡检的电塔位置数据包括电塔和电线空间数据,所述基础地形地理数据包括DEM、道路交通矢量数据。
进一步地,所述步骤S2中基于DEM高程模型判断巡检区域的地形类型的具体步骤包括:
基于标准的空间坐标系数据库提取电塔和电线数据空间数据图层;
利用空间查询的方式获取待巡检电塔的空间位置,并以电塔位置为中心,以电力巡检无人机巡航最远距离为半径划定研究区域并得到基础图层;
将基础图层与DEM高程模型图层进行空间叠加,提取研究区域的最高点高程,并将最高点高程与设定参数高程进行比对,若最高点高程小于设定参数高程则所述地形类型为平原区,若最高点高程大于或等于设定参数高程则所述地形类型为山区。
进一步地,所述步骤S2中若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图的具体步骤包括:
根据研究区域的高程信息生成等高线,并将等高线转化为面状高程分带图,提取满足条件的独立自封闭圆;
对满足条件的等高线圆数量判断,若不满足该数量,则返回修改等高线生成参数至满足条件,再遍历扫描各圆内区域高程信息,提取各圆内高程最高点位置为区域范围内的高点,通过Janus通视性分析算法分析,获取满足通视条件的区域范围高点集;
将高点集图层并作为点分析底图。
进一步地,所述步骤S4中面分析底图获取为电力巡检无人机的备选起降点,点分析底图获取为电力巡检无人机的备选起降区域。
进一步地,所述步骤S4中根据备选起降点或区域确定起降点/区域的步骤为:
若为单个电塔巡检,则:以备选起降点或区域到巡检的目标电塔之间的距离作为参考依据,距离越近优先级越高;
若为多个电塔巡检,则:设每个电塔对应的备选起降点/区域图层分别为L1,L2,…,Li,图层中备选起降点/区域分别为P11,P12,…,P1j;P21,P22,…,P2j;Pi1,Pi2,…,Pij;
将所有的备选起降点/区域进行空间叠置分析,得到新图层L(i+1)以及各图层空间位置P;
给新图层的P点集(P1,P2,…,Pn)进行权重赋值,根据P点权重由高到低进行逐个点位提取,并对已提取点位覆盖的电塔进行标记,直到权重为1以上的P点全部遍历提取完成,设权重大于1的P点的集合为集合M,剩余未标记的电塔无叠加备选起降点;
针对无重叠起降点的电塔,采用中心点最近距离法,包括:求当次需巡检作业所有电塔空间位置的几何中心点,逐个遍历剩余杆塔的备选起降点,分别提取其距离中心点最近的起降点位置作为最优起降点,将集合设为集合N
若P点集的权重均为1,则集合M为空集,取离中心点最近的高点集N为最优起降点集,将集合(M+N)中所有点串联的道路线为最佳巡检路线。
本发明还提供一种根据上述的电力巡检无人机起降点自动生成方法的系统,包括:
导入模块,用于导入待巡检的电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中;
巡检区域判断模块,用于基于DEM高程模型判断巡检区域的地形类型,所述地形类型包括平原区和山区,若所述地形类型为平原区则获取该区域的图层并作为面分析底图;若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;
提取模块,用于根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;
空间叠置分析模块,用于将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
与现有技术相比,本发明的优点在于:本发明提供的一种电力巡检无人机起降点自动生成方法及系统,通过导入电塔位置及当地的DEM、道路交通等基础地形地理数据,空域限制、RTK网络定位信号强弱分布等行业地理数据以及根据遥感影像进行的植被和地貌识别结果,进行不同的地形分析,自动设定出最佳的起飞点,解决巡检人员需要通过长期的培训以及实践并且通过长时间的评测才能找到起飞点的问题,为无人机全自动化巡检奠定基础。本发明不仅大大缩短了电网工作人员的工作时间、降低了电网巡检作业难度,还能广泛应用于电力网以外的其他行业的无人机操作中,在无人机使用领域具有重大的实际应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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是本发明电力巡检无人机起降点自动生成方法的流程图。
图2是本发明中最佳起降点选择示意图。
图3是本发明中空间坐标转换示意图。
图4是本发明中地形较高区域获取流程图。
图5是本发明中备选起降点/区域获取流程图。
图6是本发明中单个杆塔巡检最优起飞点效果图。
图7是本发明中最优路径的起降点集合获取流程图。
图8是本发明中多电塔作业最优路径效果图。
图9是本发明电力巡检无人机起降点自动生成系统的原理图。
图10是本发明中程序总体架构图。
图11是本发明系统主要功能图展示效果图。
图12是本发明巡检任务管理图。
图13是本发明巡检内容的选择图。
图14是本发明最佳起飞点展示图。
图15是本发明巡检路线展示图。
图16是本发明路线工单信息详细图。
图17使用本发明系统的前后作业流程。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
结合图2所示,本发明的最佳起降点选择构思为:图2中三角形为当次作业需巡检的电塔,实线圆为目标电塔巡检的无人机可飞行信号范围,在飞行信号范围读入基础地理数据,利用DEM分析法提取每个电塔飞行信号范围内满足通视性要求的高点位置,得到高点位置分布的分析底图。将分析底图与道路缓冲区的可通行地质区图层、空域非限区图层、RTK强信号区图层进行空间叠加分析,得到在所有图层范围内的高点位置即为最优起飞点集,通过最有起飞点串连而成的路径为作业最优路径。
而且,本发明为了满足实时全自主无人机电力巡检作业,无人机起降点位置的选择不仅仅需要考虑无人机飞行与巡检目标之间的距离问题、区域高程和通视性问题,还需要满足以下几个条件:
①便于停车,且满足一定的道路和人员通行性。
②位置平坦且为非植被、水流等无法作业区域。
③在空域非限区范围内。
④在RTK网络型号强覆盖区域内。
参阅图1和图2所示,本实施例公开了一种电力巡检无人机起降点自动生成方法,包括以下步骤:
步骤S1、导入待巡检的电塔位置数据(包括电塔和电线空间数据)、基础地形地理数据(包括DEM、道路交通矢量数据)、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中(这是由于每种数据的坐标系统可能会存在不统一的情况,比如电塔和电线数据是采用84坐标系,道路交通数据底图采用的2000坐标系,所以需要把所有的数据先转换成同一个坐标系),如图3所示。
步骤S2、基于DEM高程模型判断巡检区域的地形类型,地形类型包括平原区和山区。若地形类型为平原区则获取该区域的图层并作为面分析底图;若地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图。
巡检区域的地形类型的判断主要是便针对不同的场景采用不同的起飞点生成算法。
如图4所示,基于DEM高程模型判断巡检区域的地形类型的具体步骤包括:
基于标准的空间坐标系数据库提取电塔和电线数据空间数据图层;利用空间查询的方式获取待巡检电塔的空间位置,并以电塔位置为中心,以电力巡检无人机巡航最远距离r为半径划定研究区域并得到基础图层;将基础图层与DEM高程模型图层进行空间叠加,提取研究区域的最高点高程,并将最高点高程与设定参数高程进行比对,若最高点高程小于设定参数高程(电塔点位高程+20m,参数具体数值待定)则地形类型为平原区,此时参数高程则为该地区的高程最高值,因此无须进行区域高点提取,在仅考虑高程影响的情况下,该区域任意点均可作为无人机巡检起降点。因此直接获取该图层为面分析底图。
若最高点高程大于或等于设定参数高程则地形类型为山区,则需要进行进行区域高点分析以得到高点集图层并作为点分析底图,具体步骤包括:
根据研究区域的高程信息生成等高线,并将等高线转化为面状高程分带图,提取满足条件的独立自封闭圆(在等高线地形图中,如果已设置一个参数阈值为等高距,则区域内高点分布在独立存在的自封闭等高线圆内,该圆内不再有其他等高线)。
对满足条件的等高线圆数量判断,以5个为例,若不满足该数量,则返回修改等高线生成参数至满足条件,再遍历扫描各圆内区域高程信息,提取各圆内高程最高点位置为区域范围内的高点,通过Janus通视性分析算法分析,获取满足通视条件的区域范围高点集。
在仅考虑高程影响的情况下,通过以上高程分析得出的区域高点集即可作为无人机巡检起降点。因此将此高点集图层作为点分析底图。
步骤S3、根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层。
如图5所示,基于起降条件①、②,起降点位置在距离道路400m(参数具体数值待定)范围内,因此从预处理的数据库中提取研究区域道路信息,以道路为基准,400m为参数,进行缓冲区分析,得到起降点人员可通行区域;采用遥感影像地物分析识别法提取该区域硬质地面、沙地等满足起降条件的地质区域,获得可通行地质区图层。通过空间叠置分析法将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行叠置分析获取备选起飞点/区域(山区分析底图获取为备选起降点,平原分析底图获取为备选起降区域)。
S4、将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
具体的,备选的起降点/起降区域均可作为实际作业中对目标电塔进行实时全自主巡检的起降点,由于每次作业可能是单个或多个电塔的巡检,因此对于多个电塔备选起降点/区域组进行综合性分析,达到以下效果:尽可能少的起飞次数覆盖所有需巡检的电塔;尽可能短的距离完成当天作业。
最优起降点/起降路径获取流程如下:
针对单个电塔巡检,以备选起降点/区域到巡检的目标电塔之间的距离作为参考依据,距离越近优先级越高,最终根据作业人员意愿可以从排名前3的位置中选取一个作为该次作业的起降点,也可以直接采用默认的最佳起降点位置。结果显示如图6所示。
针对多个电塔巡检,设每个电塔对应的备选起降点/区域图层分别为L1,L2,…,Li,图层中备选起降点/区域分别为P11,P12,…,P1j;P21,P22,…,P2j;Pi1,Pi2,…,Pij;将所有的备选起降点/区域进行空间叠置分析,得到新图层L(i+1)以及各图层空间位置P。
给新图层的P点集(P1,P2,…,Pn)进行权重赋值(无重叠的点权重为1,两点重叠点权重为2,依此类推),根据P点权重由高到低进行逐个点位提取,并对已提取点位覆盖的电塔进行标记,直到权重为1以上的P点全部遍历提取完成,设权重大于1的P点的集合为集合M,剩余未标记的电塔无叠加备选起降点。针对无重叠起降点的电塔,采用中心点最近距离法,即:求当次需巡检作业所有电塔空间位置的几何中心点,逐个遍历剩余杆塔的备选起降点,分别提取其距离中心点最近的起降点位置作为最优起降点,将集合设为集合N。若P点集的权重均为1,则集合M为空集,取离中心点最近的高点集N为最优起降点集,将集合(M+N)中所有点串联的道路线为最佳巡检路线,如图7所示。
多个电塔巡检结果如图8所示,当次作业需巡检的杆塔有6个,通过最优路径计算后仅需3个无人机起降点全覆盖所有作业电塔,由着3个起降点串联成的路径为作业最短路径。
如图9所示,本发明还提供一种根据上述的电力巡检无人机起降点自动生成方法的系统,包括:导入模块1,用于导入待巡检的电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中;巡检区域判断模块2,用于基于DEM高程模型判断巡检区域的地形类型,所述地形类型包括平原区和山区,若所述地形类型为平原区则获取该区域的图层并作为面分析底图;若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;提取模块3,用于根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;空间叠置分析模块4,用于将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
如图10所示,本发明电力巡检无人机起降点自动生成系统采用前后端分离的思想进行架构。利用JavaScript基于react-native框架进行开发前端应用程序,可以同时部署到苹果和安卓手机上进行使用。后端程序采用Node.JS框架进行快速轻量级开发。
App前端应用程序使用MVC架构进行实现,表现层(View)通过用户界面显示了程序所提供的功能,用户可以使用程序提供的巡检路线三维显示和编辑,巡检内容选择(单个电塔或者多个电塔),巡检任务管理(分配的任务查看)和最佳起飞点推荐等功能。逻辑层(Controller)为系统的核心层,连接了数据层(Model)和表现层,需要对于已经有的数据进行必要的处理并且渲染处理后的数据到表现层。逻辑层包括了航线规划模块,用于自动识别塔型并且生成拍照点数据;起飞点算法模块,用于根据数据层提供的数据计算最佳起飞点;数据服务请求模块,用于请求数据层中的数据,并且分发数据到表现层中;数据缓存模块,用于缓存已经处理好的数据和已经请求到的数据,减少逻辑层对于数据层的请求次数并且加快逻辑层渲染表现层的速度。
App后端程序使用NodeJS中的Express中间件框架进行快速搭建,使用Passport.JS作为安全框架进行接口访问的安全认证,非常规路径无法获取服务器上数据库中存储的数据,数据库采用关系型数据库mysql进行开发,安全稳定。后端程序中设置四个模块,分别为数据响应模块,主要对于访问请求进行路由的分发,使得对应的后台数据处理模块进行数据的处理;数据处理模块,主要用于接收数据后,对于数据进行二次处理,最后得到业务相关的数据并使用数据库操作模块进行存储,或者返回给前端程序;数据库操作模块主要用于对于数据库的存储,使得后台程序可以方便的对于mysql数据库进行增删改查的操作。数据安全模块对于处理的数据进行单向加密操作,所有的敏感数据比如用户密码都以SHA-2哈希算法进行单向加密,后期通过对于哈希过后的字符串比对验证数据的正确性。
依据系统总体结构中的表现层的设计,本发明包含四个前端功能模块:巡检任务管理,巡检内容选择,无人机起飞点推荐和巡检路线展示,如图11所示。
其中,巡检任务管理:主要用于展示用户需要进行的巡检任务的相关信息,并且提供提交完成任务信息的相关功能。其中包含已巡检电塔、待巡检电塔、已完成工单、待完成工单、新建工单几个内容模块。已巡检电塔和待巡检电塔主要用来展示电网中电塔是否巡检;已完成工单展示每次作业巡检工作的详细信息;待完成工单展示为已创建的作业任务,需按照要求工单要求去完成的作业;新建工单为新建作业任务工单。展开如图12所示。
巡检内容选择:主要用于对实时作业内容的划定,通过单击选择本次作业需要巡检的电塔,双击取消已选择的电塔。巡检内容的选择可以选择单个或多个电塔组合巡检等不同作业内容的选择。功能设计如图13所示。
最佳起飞点推荐:主要展示逻辑层中最佳起飞点算法模块的计算结果。通过对已选择需巡检的电塔作业内容进行系统化计算,最终生成单个或者多个电塔巡检备选起飞点,同时对备选起飞点进行综合排序。系统可提供区域放大、缩小展示功能,便于作业人员查看电塔位置的详细情况。在查看确认后,作业人员通过点击保存按钮对工单进行保存,自动生成单个电塔巡检作业工单,图14为单个电塔最佳起飞点推荐示例图。
巡检路线展示:主要展示多个电塔进行巡检任务时,根据系统算法规划的最佳巡检路线图。生成的路线图经人工确认后可以直接点击自动生成作业工单,作业工单包含系统自动生成的工单信息,它包含了当次作业的相关信息,比如线路名称,巡检所包含的杆塔名,当次作业无人机起降点数以及当次作业人员作业路线的长度等信息。点击工单的编辑按钮,可以对工单信息进行修改,点击确定按钮进行工单保存。图15为多个电塔巡检的巡检路线展示图,图16为自动生成的作业工单详细信息。
通过本发明系统的设计,实现了无人机起降点的自动寻找与电力多电塔巡检路线的规划。由于采用无人机进行电力巡检,起降点都是通过人力进行实地踏勘,经过多次测试才能确定,所以以往每次电力巡检无法提前大概预知本次作业能巡检多少个电塔,也无法清晰了解多个电塔巡检需要起降多少次,哪几个电塔是确实可以利用同一次起降就完成巡检任务等事宜。通过本发明的实现,可以通过系统进行电塔的选择,直观的查看当次所需巡检的电塔在哪个位置进行无人机的起降,当次作业的工作路线怎么规划达到以最少的起降次数完成最多的电塔巡检,最终通过工单信息的形式展示出本次作业的作业路线长度,起降点个数,即可预估当次外出巡检作业所需的时间,便于人员和工作的安排。避免了不必要的时间浪费,将以往电力巡检所需花费的寻找起降点和无人机飞行巡检这两大块时间直接缩短为只需到指定位置巡检即可,至少节省了作业人员50%的工作时间和工作量。使用系统前后差距如图17所示。
在使用本发明后,单个电塔巡检至少可节省45分钟,电力系统中,一条电力线路的电塔数从几十到几千个不等,以某条电力线路含100个电塔巡检为例,不考虑系统实现的多电塔同起降点的情况,可以节省4500分钟即9.4个工作日,且系统提供的多电塔巡检最优路径和最优起降点规划,在以上情况下还可以很大程度上减少无人机的起降次数,节省作业人员的巡检时间以及作业路程上花费的时间。
本发明可以实现自动生成最佳起飞点的算法,用户可以在巡检App地面站中选择所要飞行的杆塔,看到可选飞行点的标志,并可以通过导航到达到飞行点的位置。
本发明可以实现航线自动规划的功能,用户可以在巡检App地面站中选择需要巡检的杆塔,并且在三维模型中调整自动生成的拍照点和航线,一键巡检电塔并且提交巡检结果。
本发明可以实现缺陷前端实时识别功能,无人机自主巡检过程中由边缘计算AI加速模块传回有缺陷的图片,识别准确率不低于80%。
虽然结合附图描述了本发明的实施方式,但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改,只要不超过本发明的权利要求所描述的保护范围,都应当在本发明的保护范围之内。
Claims (7)
1.一种电力巡检无人机起降点自动生成方法,其特征在于,包括以下步骤:
S1、导入待巡检的电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中;
S2、基于DEM高程模型判断巡检区域的地形类型,所述地形类型包括平原区和山区,若所述地形类型为平原区则获取该区域的图层并作为面分析底图;若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;
S3、根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;
S4、将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
2.根据权利要求1所述的电力巡检无人机起降点自动生成方法,其特征在于,所述步骤S1中待巡检的电塔位置数据包括电塔和电线空间数据,所述基础地形地理数据包括DEM、道路交通矢量数据。
3.根据权利要求1所述的电力巡检无人机起降点自动生成方法,其特征在于,所述步骤S2中基于DEM高程模型判断巡检区域的地形类型的具体步骤包括:
基于标准的空间坐标系数据库提取电塔和电线数据空间数据图层;
利用空间查询的方式获取待巡检电塔的空间位置,并以电塔位置为中心,以电力巡检无人机巡航最远距离为半径划定研究区域并得到基础图层;
将基础图层与DEM高程模型图层进行空间叠加,提取研究区域的最高点高程,并将最高点高程与设定参数高程进行比对,若最高点高程小于设定参数高程则所述地形类型为平原区,若最高点高程大于或等于设定参数高程则所述地形类型为山区。
4.根据权利要求3所述的电力巡检无人机起降点自动生成方法,其特征在于,所述步骤S2中若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图的具体步骤包括:
根据研究区域的高程信息生成等高线,并将等高线转化为面状高程分带图,提取满足条件的独立自封闭圆;
对满足条件的等高线圆数量判断,若不满足该数量,则返回修改等高线生成参数至满足条件,再遍历扫描各圆内区域高程信息,提取各圆内高程最高点位置为区域范围内的高点,通过Janus通视性分析算法分析,获取满足通视条件的区域范围高点集;
将高点集图层并作为点分析底图。
5.根据权利要求1所述的电力巡检无人机起降点自动生成方法,其特征在于,所述步骤S4中面分析底图获取为电力巡检无人机的备选起降点,点分析底图获取为电力巡检无人机的备选起降区域。
6.根据权利要求1所述的电力巡检无人机起降点自动生成方法,其特征在于,所述步骤S4中根据备选起降点或区域确定起降点/区域的步骤为:
若为单个电塔巡检,则:以备选起降点或区域到巡检的目标电塔之间的距离作为参考依据,距离越近优先级越高;
若为多个电塔巡检,则:设每个电塔对应的备选起降点/区域图层分别为L1,L2,…,Li,图层中备选起降点/区域分别为P11,P12,…,P1j;P21,P22,…,P2j;Pi1,Pi2,…,Pij;
将所有的备选起降点/区域进行空间叠置分析,得到新图层L(i+1)以及各图层空间位置P;
给新图层的P点集(P1,P2,…,Pn)进行权重赋值,根据P点权重由高到低进行逐个点位提取,并对已提取点位覆盖的电塔进行标记,直到权重为1以上的P点全部遍历提取完成,设权重大于1的P点的集合为集合M,剩余未标记的电塔无叠加备选起降点;
针对无重叠起降点的电塔,采用中心点最近距离法,包括:求当次需巡检作业所有电塔空间位置的几何中心点,逐个遍历剩余杆塔的备选起降点,分别提取其距离中心点最近的起降点位置作为最优起降点,将集合设为集合N
若P点集的权重均为1,则集合M为空集,取离中心点最近的高点集N为最优起降点集,将集合(M+N)中所有点串联的道路线为最佳巡检路线。
7.一种根据权利要求1-6任意一项所述的电力巡检无人机起降点自动生成方法的系统,其特征在于,包括:
导入模块,用于导入待巡检的电塔位置数据、基础地形地理数据、空域通行数据、RTK信号覆盖区域数据,并统一至标准的空间坐标系数据库中;
巡检区域判断模块,用于基于DEM高程模型判断巡检区域的地形类型,所述地形类型包括平原区和山区,若所述地形类型为平原区则获取该区域的图层并作为面分析底图;若所述地形类型为山区则进行区域高点分析以得到高点集图层并作为点分析底图;
提取模块,用于根据标准的空间坐标系数据库中的基础地形地理数据得到起降点人员可通行区域,并基于遥感影像地物分析识别法提取起降点人员可通行区域中满足起降条件的地质区域,获得可通行地质区图层;
空间叠置分析模块,用于将分析底图、可通行地质区图层、RTK强网络信号图层、空域非限区图层进行空间叠置分析得到电力巡检无人机的备选起降点/区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838171.6A CN115268488A (zh) | 2022-07-17 | 2022-07-17 | 一种电力巡检无人机起降点自动生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838171.6A CN115268488A (zh) | 2022-07-17 | 2022-07-17 | 一种电力巡检无人机起降点自动生成方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115268488A true CN115268488A (zh) | 2022-11-01 |
Family
ID=83764822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210838171.6A Pending CN115268488A (zh) | 2022-07-17 | 2022-07-17 | 一种电力巡检无人机起降点自动生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115268488A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879827A (zh) * | 2023-02-21 | 2023-03-31 | 国网山东省电力公司平度市供电公司 | 一种线路巡检有效性评估方法 |
-
2022
- 2022-07-17 CN CN202210838171.6A patent/CN115268488A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879827A (zh) * | 2023-02-21 | 2023-03-31 | 国网山东省电力公司平度市供电公司 | 一种线路巡检有效性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106371456B (zh) | 一种无人机巡线方法及系统 | |
Álvares et al. | Exploratory study of using unmanned aerial system imagery for construction site 3D mapping | |
US20150130840A1 (en) | System and method for reporting events | |
CN113781450A (zh) | 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 | |
CN110414359B (zh) | 长输管道无人机巡检数据分析与管理方法及系统 | |
CN108256116B (zh) | 一种农用地现状数据快速采集方法 | |
CN109375290B (zh) | 一种基于机器学习的跨海大桥雾监测系统及其应用方法 | |
CN109032091A (zh) | 云平台远程农业监测采样分布系统及采样方法 | |
CN109739943A (zh) | 面向自然资源矢量地表覆盖变化统计处理方法 | |
CN111539100B (zh) | 井场虚拟建设模型的生成方法、装置、设备及存储介质 | |
CN109163715A (zh) | 一种基于无人机rtk技术的电力选站勘测方法 | |
CN113077561A (zh) | 一种无人机智能巡检系统 | |
CN112764427A (zh) | 接力的无人机巡检系统 | |
CN115268488A (zh) | 一种电力巡检无人机起降点自动生成方法及系统 | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN115375864B (zh) | 一种基于无人机的高速铁路竣工验收方法 | |
CN106990724A (zh) | 环境监测云端服务平台及环境监测方法 | |
Cui et al. | Design of highway intelligent transportation system based on the internet of things and artificial intelligence | |
Voloshyn | Conceptual model of information system for drone monitoring of trees’ condition | |
Favretto | Georeferencing historical cartography: a quality-control method | |
CN115034718A (zh) | 一种危化品管理方法、系统、计算设备及存储介质 | |
Jiang et al. | Application analysis of GPS positioning technology and GIS based on metamaterial in forestry engineering | |
Kamrat | Selected information technology tools supporting for maintenance and operation management electrical grids | |
Zhang et al. | Research on 3D modeling of UAV tilt photogrammetry | |
CN112801432A (zh) | 一种风机组叶片智能巡检系统及风机组叶片巡检方法 |
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 |