CN115373416B - 一种铁路电力贯通线智能巡检方法 - Google Patents

一种铁路电力贯通线智能巡检方法 Download PDF

Info

Publication number
CN115373416B
CN115373416B CN202210942545.9A CN202210942545A CN115373416B CN 115373416 B CN115373416 B CN 115373416B CN 202210942545 A CN202210942545 A CN 202210942545A CN 115373416 B CN115373416 B CN 115373416B
Authority
CN
China
Prior art keywords
image
unmanned aerial
aerial vehicle
target
inspection
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.)
Active
Application number
CN202210942545.9A
Other languages
English (en)
Other versions
CN115373416A (zh
Inventor
谭贵宾
甘琪海
石少波
陈建国
于桂华
蒋少军
刘智
梁孟
胡京东
杜江
李延荣
蒋庆玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhongrunhuitong Technology Co ltd
China Railway Nanning Group Co Ltd
Original Assignee
Beijing Zhongrunhuitong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhongrunhuitong Technology Co ltd filed Critical Beijing Zhongrunhuitong Technology Co ltd
Priority to CN202210942545.9A priority Critical patent/CN115373416B/zh
Publication of CN115373416A publication Critical patent/CN115373416A/zh
Application granted granted Critical
Publication of CN115373416B publication Critical patent/CN115373416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提供了一种铁路电力贯通线智能巡检方法,包括:基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,并基于所述目标巡检任务控制所述固定翼无人机进行巡检操作;基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端;基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,完成对铁路电力贯通线的巡检。通过将通信技术和无人机相结合,实现对电力贯通线路的智能巡检,取代大部分人工的繁杂工作,节省了大量的人力,同时提高巡检效率,保障了铁路电力贯通线的正常运行效果。

Description

一种铁路电力贯通线智能巡检方法
技术领域
本发明涉及智能巡检技术领域,特别涉及一种铁路电力贯通线智能巡检方法。
背景技术
目前,铁路是我国最重要的交通方式之一,在铁路系统中电力贯通线承担着为铁路车站、沿线非牵引供电设备、信号通信设备供电任务,其线路稳定性、安全性对于列车正常运行意义重大。在我国经济快速发展过程中,国内生活水平质量不断提高,铁路电力系统的快速建设给电力贯通线巡检作业带来巨大的挑战;
但是传统的巡检方法通常采用人工巡检,而人工巡检的效率、安全、成本等方面的不足与弊病日益突显,已然跟不上行业发展节奏;
因此,本发明提供了一种铁路电力贯通线智能巡检方法,用以通过将通信技术和无人机相结合,实现对电力贯通线路的智能巡检,取代大部分人工的繁杂工作,节省了大量的人力,同时提高巡检效率,保障了铁路电力贯通线的正常运行效果。
发明内容
本发明提供一种铁路电力贯通线智能巡检方法,用以通过将通信技术和无人机相结合,实现对电力贯通线路的智能巡检,取代大部分人工的繁杂工作,节省了大量的人力,同时提高巡检效率,保障了铁路电力贯通线的正常运行效果。
本发明提供了一种铁路电力贯通线智能巡检方法,包括:
步骤1:基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,并基于所述目标巡检任务控制所述固定翼无人机进行巡检操作;
步骤2:基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端;
步骤3:基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,完成对铁路电力贯通线的巡检。
优选的,一种铁路电力贯通线智能巡检方法,在执行步骤1之前,包括:
获取目标巡检路段中每个电杆的经纬度坐标、海拔高度以及记录名称编号,并基于所述每个电杆的经纬度坐标、海拔高度以及记录名称编号确定所述目标巡检路段的电杆线路图,同时,将所述电杆线路图在管理终端进行存储;
基于存储结果调取所述电杆线路图,并基于所述电杆线路图确定所述目标巡检路段中电杆的走向信息,并基于所述走向信息确定所述固定翼无人机的起始位置以及终止位置;
基于所述固定翼无人机的起始位置、终止位置以及电杆的走向信息得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线。
优选的,一种铁路电力贯通线智能巡检方法,得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线,包括:
获取所述目标巡检路段中铁路电力贯通线的业务属性,并基于所述业务属性确定对所述目标巡检路段中铁路电力贯通线的巡检目的;
基于所述巡检目的确定所述固定翼无人机的子飞行航线,并基于所述巡检目的以及所述子飞行航线得到所述固定翼无人机的巡检任务;
确定所述巡检任务的任务类型,并确定所述任务类型的难度系数;
基于所述难度系数从预设工作人员列表中匹配目标工作人员以及从预设无人机型号列表中匹配目标型号固定翼无人机,其中,所述目标工作人员包括放飞员以及接机员,且不同难度系数的巡检任务对应不同型号的固定翼无人机;
基于所述目标工作人员以及目标型号固定翼无人机创建目标巡检任务,并将所述目标巡检任务对应的创建数据进行保存记录。
优选的,一种铁路电力贯通线智能巡检方法,步骤1中,基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,包括:
获取目标巡检任务,并将所述目标巡检任务生成任务列表,同时,获取工作人员智能终端的通讯地址,其中,所述目标巡检任务至少为一个;
基于所述通讯地址将所述任务列表分派至所述工作人员的智能终端,并提醒所述工作人员对所述目标巡检任务进行认证;
基于认证结果,通过所述智能终端将所述任务列表中的目标巡检任务经所述通讯适配器发送至所述固定翼无人机,且控制所述固定翼无人机进行自检;
基于自检结果判定所述固定翼无人机无异常状态时,控制所述固定翼无人机执行所述目标巡检任务。
优选的,一种铁路电力贯通线智能巡检方法,步骤2中,基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端,包括:
基于所述巡检操作调取所述固定翼无人机的飞行路线,并控制所述固定翼无人机飞行至所述飞行路线的起始位置;
获取所述固定翼无人机在所述起始位置的飞行状态数据,并基于所述飞行状态数据对地面进行图像预采集,得到参考图像,其中,所述飞行状态数据包括所述固定翼无人机的飞行高度、当前经纬度信息以及在空中的姿态信息;
确定所述参考图像的图像信息,并将所述图像信息与预设要求进行比较,其中,所述图像信息包括参考图像的分辨率、图像主体的显示比例以及参考图像的采集角度;
若所述图像信息满足所述预设要求,判定所述固定翼无人机的飞行状态数据合格;
否则,确定所述参考图像的图像信息与预设要求的差异值,并基于所述差异值对所述固定翼无人机的飞行高度、飞行姿态以及当前经纬度进行调整;
基于调整结果获取所述固定翼无人机的实时状态数据以及所述飞行路线,并基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示;
基于实时显示结果控制所述固定翼无人机沿所述飞行路线进行飞行,并基于飞行过程通过所述机载相机采集所述铁路电力贯通线的环境图像,其中,所述环境图像包括传统图像以及热成像图像;
将采集到的环境图像实时传输至通讯适配器,且所述通讯适配器对接收到的环境图像进行缓存,并基于缓存结果对所述环境图像进行协议转换;
基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,并在所述智能终端进行动态更新显示。
优选的,一种铁路电力贯通线智能巡检方法,基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,包括:
获取接收到的环境图像以及飞行路线,并确定所述环境图像以及飞行路线对应的巡检任务,其中,所述巡检任务至少为一个;
确定所述巡检任务的任务名称,并基于所述任务名称构建任务归档列表,且基于所述归档列表为每一巡检任务分配编号;
基于编号结果,将所述巡检任务对应的飞行路线以及采集到的环境图像进行归档,并将归档结果进行存储。
优选的,一种铁路电力贯通线智能巡检方法,基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示,包括:
基于所述状态模拟图像确定所述固定翼无人机执行当前巡检任务所对应的飞行路线的长度信息,同时,基于所述状态模拟图像确定所述固定翼无人机的当前位置信息;
基于所述飞行路线的长度信息以及所述固定翼无人机的当前位置信息确定所述固定翼无人机对当前巡检任务的执行进度,且当执行进度达到目标阈值时,判定所述固定翼无人机完成此次巡检任务;
当所述固定翼无人机完成此次巡检任务时,基于所述智能终端向所述固定翼无人机发送返航指令,并基于所述返航指令控制所述固定翼无人机返回起始位置;
基于所述智能终端向管理终端反馈所述固定翼无人机的返航结果,并当所述固定翼无人机准确返航后在管理终端中对所述固定翼无人机以及工作人员的工作状态进行修正,完成此次巡检任务。
优选的,一种铁路电力贯通线智能巡检方法,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,包括:
当所述环境图像为可见光图片时:
构建卷积神经网络,同时,获取预设标注目标图像集,并将所述预设标注目标图像集分为训练图像集以及检测图像集;
提取所述训练图像集中各预设标注目标图像中标注目标的轮廓特征,并基于所述轮廓特征对所述卷积神经网络进行训练,得到目标卷积神经网络;
基于所述检测图像集对所述目标卷积神经网络进行检测,确定所述目标卷积神经网络的检测性能值,并当所述检测性能值达到预设阈值时,判定所述目标卷积神经网络合格;
当所述目标卷积神经网络合格后,获取所述固定翼无人机采集的环境图像,并将所述环境图像输入至所述目标卷积神经网络进行处理,得到与所述环境图像中的一个或多个隐患目标物一一对应的感兴趣区域图片;
提取所述感兴趣区域图片的图像特征,并基于所述图像特征在所述感兴趣区域中确定多个框选所述隐患目标物的候选外接框;
基于所述候选外接框确定所述隐患目标物的外形特征,并基于所述外形特征确定所述候选外接框中的隐患目标物为预设标注目标的概率值,且在所述概率值大于或等于预设值时,将所述候选外接框锁定为目标外接框;
提取所述目标外接框中所述隐患目标物的关键点集合,并基于所述关键点集合对所述目标外接框进行回归处理;
基于回归处理结果确定所述目标外接框对所述隐患目标物的最终框选范围以及框选位置,并基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记。
优选的,一种铁路电力贯通线智能巡检方法,基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记,包括:
获取对所述环境图像中的隐患目标物的标记结果,并基于所述标记结果确定所述隐患目标物与铁路电力贯通线的图像距离,同时,确定所述环境图像的成像比例;
基于所述成像比例以及图像距离,确定所述隐患目标物距离铁路电力贯通线的实际目标距离;
将所述实际目标距离与预设距离阈值进行比较;
若所述实际目标距离大于或等于所述预设距离阈值,进行预警提醒;
否则,基于管理终端制定管理措施,并基于所述管理措施对所述隐患目标物进行管理。
优选的,一种铁路电力贯通线智能巡检方法,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,还包括:
当所述环境图像为热成像图像时:
获取所述环境图像,并将所述环境图像进行网格化处理,得到待处理环境图像;
确定所述待处理环境图像中各网格图像的像素,并基于所述像素确定各网格图像的色彩值,其中,最低温度用蓝色表示,最高温度用红色表示;
基于所述色彩值确定所述各网格图像中存在红色区域的目标网格图像,并确定所述目标网格图像中红色区域与铁路电力贯通线的位置关系;
若所述位置关系为所述红色区域与所述铁路电力贯通线存在相交,则判定所述红色区域为异常温度点,并确定所述异常温度点对应的目标网格图像在所述待处理环境图像中的位置信息
基于所述位置信息得到所述异常温度点在所述待处理环境图像中的目标位置,并基于所述目标位置通过外接框对所述异常温度点进行框选标记。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种铁路电力贯通线智能巡检方法的流程图;
图2为本发明实施例中一种铁路电力贯通线智能巡检方法中步骤1的流程图;
图3为本发明实施例中一种铁路电力贯通线智能巡检方法中外接框标记的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本实施例提供了一种铁路电力贯通线智能巡检方法,如图1所示包括:
步骤1:基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,并基于所述目标巡检任务控制所述固定翼无人机进行巡检操作;
步骤2:基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端;
步骤3:基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,完成对铁路电力贯通线的巡检。
该实施例中,基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务指的是工作人员通过手机APP向服务器发送相应的指令或是巡检航线、巡检任务,并通过通讯适配器构建智能终端与固定翼无人机之间的通讯链路,从而实现将目标巡检任务下发至固定翼无人机,即通过移动互联网完成对固定翼无人机的控制。
该实施例中,通讯适配器指的是采用树莓派zero嵌入式模组的物联网控制器并融合5G模块,利用智能操作系统来和后台进行数据交互,以提高实时响应度。
该实施例中,目标巡检任务工作人员通过智能终端向固定翼无人机发送的巡检航线、监测目标、飞行距离以及飞行时长等。
该实施例中,机载相机包括热成像相机以及变焦相机,分别用于采集热成像图像以及传统的照片。
该实施例中,隐患目标物指的是目标范围内可能会对铁路电力贯通线造成威胁的物品,具体为周围的数目以及施工的机械设备等。
该实施例中,对所述隐患目标物进行标记处理指的是通过训练的模型对存在的隐患目标物采用方框的形式进行标记,其中,在标记过程成还包括对铁路电力贯通线中的电杆进行标记,从而便于确定隐患目标物与电杆之间的距离情况。
上述技术方案的有益效果是:通过将通信技术和无人机相结合,实现对电力贯通线路的智能巡检,取代大部分人工的繁杂工作,节省了大量的人力,同时提高巡检效率,保障了铁路电力贯通线的正常运行效果。
实施例2
在上述实施例1的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,在执行步骤1之前,包括:
获取目标巡检路段中每个电杆的经纬度坐标、海拔高度以及记录名称编号,并基于所述每个电杆的经纬度坐标、海拔高度以及记录名称编号确定所述目标巡检路段的电杆线路图,同时,将所述电杆线路图在管理终端进行存储;
基于存储结果调取所述电杆线路图,并基于所述电杆线路图确定所述目标巡检路段中电杆的走向信息,并基于所述走向信息确定所述固定翼无人机的起始位置以及终止位置;
基于所述固定翼无人机的起始位置、终止位置以及电杆的走向信息得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线。
该实施例中,目标巡检路段指的是需要对该路段的铁路电力贯通线的线路情况进行监控的路段。
该实施例中,记录名称编号指的是管理人员或是工作人员对每个电杆自主设置的区分标识,具体可以是采用数字1、2、3等进行编号。
该实施例中,走向信息指的是目标巡检路段中电杆的延申方向,具体为东、西、南、北等。
该实施例中,可巡检飞行路线指的是固定翼无人机在对目标巡检路段进行巡检时可飞行的航线,至少有一条。
上述技术方案的有益效果是:通过根据目标巡检路段中电杆经纬度坐标、海拔高度以及名称编号等,实现对目标巡检路段中电杆的位置分布以及走向进行准确判定,从而实现根据电杆路线图对固定翼无人机的飞行路线进行准确规划,提高了对铁路电力贯通线巡检的严谨性,要保障了巡检效率。
实施例3
在上述实施例2的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线,包括:
获取所述目标巡检路段中铁路电力贯通线的业务属性,并基于所述业务属性确定对所述目标巡检路段中铁路电力贯通线的巡检目的;
基于所述巡检目的确定所述固定翼无人机的子飞行航线,并基于所述巡检目的以及所述子飞行航线得到所述固定翼无人机的巡检任务;
确定所述巡检任务的任务类型,并确定所述任务类型的难度系数;
基于所述难度系数从预设工作人员列表中匹配目标工作人员以及从预设无人机型号列表中匹配目标型号固定翼无人机,其中,所述目标工作人员包括放飞员以及接机员,且不同难度系数的巡检任务对应不同型号的固定翼无人机;
基于所述目标工作人员以及目标型号固定翼无人机创建目标巡检任务,并将所述目标巡检任务对应的创建数据进行保存记录。
该实施例中,业务属性指的是铁路电力贯通线的的业务种类以及对应的业务类型。
该实施例中,巡检目的指的是固定翼无人机在对目标巡检路段进行巡检时,需要最终实现的巡检结果,具体为查看电杆附近是否存在数目对电力贯通线进行遮挡或是附近是否存在施工的机械设备。
该实施例中,子飞行航线指的是固定翼无人机在目标巡检路段中飞行的距离,或是适用于存查当前巡检任务对应的航线,是可巡检飞行路线中的一条。
该实施例中,难度系数指的是固定翼无人机执行巡检任务的难易程度,具体为固定翼无人机穿越的海拔、地形的复杂程度等。
该实施例中,预设工作人员列表是提前设定好的,用于记录不同工作人员控制固定翼无人机的能力或是工作能力。
该实施例中,目标工作人员指的是与当前巡检任务的难度系数相匹配的工作人员。
该实施例中,预设无人机型号列表是提前设定好的,用于记录不同型号的固定翼无人机,且不同型号的固定翼无人机的工作性能存在差别。
该实施例中,目标型号固定翼无人机指的是适用于执行当前巡检任务的无人机型号。
该实施例中,目标巡检任务指的是固定翼无人机最终要执行的巡检任务,具体为巡检的路程,巡检的范围以及巡检过程中要查看的隐患物的种类。
上述技术方案的有益效果是:通过根据电力贯通线的业务属性,实现对固定翼无人机对当前巡检路段的巡检任务进行有效判定,同时根据巡检任务的难以程度匹配对应的工作人员以及对应的无人机型号,从而实现铁路电力贯通线进行准确有效的监控,提高了巡检的准确率以及效率。
实施例4
在上述实施例1的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,如图2所示,步骤1中,基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,包括:
步骤101:获取目标巡检任务,并将所述目标巡检任务生成任务列表,同时,获取工作人员智能终端的通讯地址,其中,所述目标巡检任务至少为一个;
步骤102:基于所述通讯地址将所述任务列表分派至所述工作人员的智能终端,并提醒所述工作人员对所述目标巡检任务进行认证;
步骤103:基于认证结果,通过所述智能终端将所述任务列表中的目标巡检任务经所述通讯适配器发送至所述固定翼无人机,且控制所述固定翼无人机进行自检;
步骤104:基于自检结果判定所述固定翼无人机无异常状态时,控制所述固定翼无人机执行所述目标巡检任务。
该实施例中,任务列表是用来记录不同的目标巡检任务。
该实施例中,提醒所述工作人员对所述目标巡检任务进行认证指的是提醒工作人员对对应的巡检任务进行下载并确认,实现对巡检任务的认领。
该实施例中,控制所述固定翼无人机进行自检指的是控制无人机对自身各器件的工作性能进行核验,确保固定翼无人机能够正常运行。
该实施例中,无异常状态指的是固定翼无人机的各器件均能正常工作。
上述技术方案的有益效果是:通过将目标巡检任务下发至工作人员的智能终端进行认证,从而实现工作人员对不同的巡检任务进行准确有效的认领,其次,通过将巡检任务分派至对应的固定翼无人机,且控制固定翼无人机进行自检,确保了固定翼无人机能够有效的执行相应的巡检任务,提高了巡检的效果以及准确率。
实施例5
在上述实施例1的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,步骤2中,基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端,包括:
基于所述巡检操作调取所述固定翼无人机的飞行路线,并控制所述固定翼无人机飞行至所述飞行路线的起始位置;
获取所述固定翼无人机在所述起始位置的飞行状态数据,并基于所述飞行状态数据对地面进行图像预采集,得到参考图像,其中,所述飞行状态数据包括所述固定翼无人机的飞行高度、当前经纬度信息以及在空中的姿态信息;
确定所述参考图像的图像信息,并将所述图像信息与预设要求进行比较,其中,所述图像信息包括参考图像的分辨率、图像主体的显示比例以及参考图像的采集角度;
若所述图像信息满足所述预设要求,判定所述固定翼无人机的飞行状态数据合格;
否则,确定所述参考图像的图像信息与预设要求的差异值,并基于所述差异值对所述固定翼无人机的飞行高度、飞行姿态以及当前经纬度进行调整;
基于调整结果获取所述固定翼无人机的实时状态数据以及所述飞行路线,并基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示;
基于实时显示结果控制所述固定翼无人机沿所述飞行路线进行飞行,并基于飞行过程通过所述机载相机采集所述铁路电力贯通线的环境图像,其中,所述环境图像包括传统图像以及热成像图像;
将采集到的环境图像实时传输至通讯适配器,且所述通讯适配器对接收到的环境图像进行缓存,并基于缓存结果对所述环境图像进行协议转换;
基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,并在所述智能终端进行动态更新显示。
该实施例中,飞行状态数据指的是固定翼无人机在起始位置的飞行高度、经纬度、海拔高度等。
该实施例中,预采集指的是通过机载相机对地面图像进行采集,从而便于对机载相机的安装角度等进行确定。
该实施例中,参考图像指的是通过机载相机对地面图像进行首次采集得到的图像,用于确定当前机载相机的安装位置、安装角度是否合格。
该实施例中,参考图像的图像信息指的是参考图像中天空与地面的比例大小、参考图像的像素值以及对参考图像的拍摄角度等。
该实施例中,预设要求是提前设定好的,用于衡量机载相机的采集到的参考图像是否能够达到巡检的要求,是可以根据实际情况进行设定的。
该实施例中,实时状态数据指的是当机载相机的拍摄角度以及分辨率合格后,实时确定固定翼无人机延飞行路线的飞行情况,包括固定翼无人机的实时位置、实时高度等。
该实施例中,状态模拟图像指的是通过显示设备将固定翼无人机当前的飞行位置与飞行路线之间的位置关系进行显示,从而便于实时了解固定翼无人机的飞行情况。
该实施例中,传统图像指的是可见光图像。
该实施例中,协议转换指的是根据数据传输规则将环境图像的格式进行转换,从而实现将采集到的环境图像快速准确的传输至智能终端。
该实施例中,基于飞行过程通过所述机载相机采集所述铁路电力贯通线的环境图像指的是通过机载相机采集铁路电力贯通线左右100米或200米范围内的环境图像。
该实施例中,当飞行高度一定时,相机俯仰角一般为30°至50°左右。
该实施例中,无人机的飞行高度,针对铁路贯通线场景,应该在保障安全的前提,保证尽量飞低。
上述技术方案的有益效果是:通过确定固定翼无人机的飞行路线以及实时飞行状态数据,从而对固定翼无人机的实时飞行位置与飞行路线的位置关系进行准确锁定,便于准确控制固定翼无人机沿飞行路线进行飞行,同时在飞行过程中实现对地面环境进行采集,并将采集到的环境图像高效准确的传输至智能终端进行显示,从而保障了对铁路电力贯通线的巡检效果,为及时准确的发现隐患目标物提供了便利。
实施例6
在上述实施例5的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,包括:
获取接收到的环境图像以及飞行路线,并确定所述环境图像以及飞行路线对应的巡检任务,其中,所述巡检任务至少为一个;
确定所述巡检任务的任务名称,并基于所述任务名称构建任务归档列表,且基于所述归档列表为每一巡检任务分配编号;
基于编号结果,将所述巡检任务对应的飞行路线以及采集到的环境图像进行归档,并将归档结果进行存储。
该实施例中,巡检任务指的是固定翼无人机最终要实现的巡检目标,具体为路线巡检、隐患目标物巡检等。
该实施例中,任务归档列表指的是将执行过以及正在执行的巡检任务进行记录,包括每个巡检任务对应的巡检时间以及对应的巡检要求等。
该实施例中,编号指的是根据巡检任务的先后顺序对巡检任务进行数字编号,具体为采用数字1、2、3等。
上述技术方案的有益效果是:通过确定固定翼无人机的巡检任务,并构建任务归档列表,将不同巡检任务进行归档存储,提高了对固定翼无人机巡检任务的管理效果,同时也便于根据归档结果及时查看相应的巡检数据,从而保障对铁路电力贯通线的有效管理。
实施例7
在上述实施例5的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示,包括:
基于所述状态模拟图像确定所述固定翼无人机执行当前巡检任务所对应的飞行路线的长度信息,同时,基于所述状态模拟图像确定所述固定翼无人机的当前位置信息;
基于所述飞行路线的长度信息以及所述固定翼无人机的当前位置信息确定所述固定翼无人机对当前巡检任务的执行进度,且当执行进度达到目标阈值时,判定所述固定翼无人机完成此次巡检任务;
当所述固定翼无人机完成此次巡检任务时,基于所述智能终端向所述固定翼无人机发送返航指令,并基于所述返航指令控制所述固定翼无人机返回起始位置;
基于所述智能终端向管理终端反馈所述固定翼无人机的返航结果,并当所述固定翼无人机准确返航后在管理终端中对所述固定翼无人机以及工作人员的工作状态进行修正,完成此次巡检任务。
该实施例中,目标阈值是提前设定好的,具体为巡检路线对应的全额长度,当固定翼无人机完成飞行路线时,即判定需要返航。
该实施例中,返航指令是放飞工作人员通过智能终端向固定翼无人机发送的,且为一键返航。
该实施例中,当所述固定翼无人机准确返航后在管理终端中对所述固定翼无人机以及工作人员的工作状态进行修正指的是当固定翼无人机准确返航后,及时将当前固定翼无人机和工作人员的工作状态修改为代飞状态,从而便于在有巡检任务时,分配相应的固定翼无人机以及对应的工作人员执行对应的巡检任务。
上述技术方案的有益效果是:通过监测固定翼无人机对巡检任务的执行进度,且在固定翼无人机完成巡检任务后,控制固定翼无人机及时返航,同时在管理终端对当前固定翼无人机以及工作人员的运行状态进行调整,从而保障了对固定翼无人机的管理效果,同时,也为实时监测铁路电力贯通线提供了保障。
实施例8
在上述实施例1的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,如图3所示,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,包括:
当所述环境图像为可见光图片时:
构建卷积神经网络,同时,获取预设标注目标图像集,并将所述预设标注目标图像集分为训练图像集以及检测图像集;
提取所述训练图像集中各预设标注目标图像中标注目标的轮廓特征,并基于所述轮廓特征对所述卷积神经网络进行训练,得到目标卷积神经网络;
基于所述检测图像集对所述目标卷积神经网络进行检测,确定所述目标卷积神经网络的检测性能值,并当所述检测性能值达到预设阈值时,判定所述目标卷积神经网络合格;
当所述目标卷积神经网络合格后,获取所述固定翼无人机采集的环境图像,并将所述环境图像输入至所述目标卷积神经网络进行处理,得到与所述环境图像中的一个或多个隐患目标物一一对应的感兴趣区域图片;
提取所述感兴趣区域图片的图像特征,并基于所述图像特征在所述感兴趣区域中确定多个框选所述隐患目标物的候选外接框;
基于所述候选外接框确定所述隐患目标物的外形特征,并基于所述外形特征确定所述候选外接框中的隐患目标物为预设标注目标的概率值,且在所述概率值大于或等于预设值时,将所述候选外接框锁定为目标外接框;
提取所述目标外接框中所述隐患目标物的关键点集合,并基于所述关键点集合对所述目标外接框进行回归处理;
基于回归处理结果确定所述目标外接框对所述隐患目标物的最终框选范围以及框选位置,并基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记。
该实施例中,预设标注目标图像集是提前设定好的,用于对卷积神经网络进行训练,其中,预设标注目标图像集具体为施工车辆,包括挖掘机、推土机等。
该实施例中,训练图像集指的是用于对卷积神经网络进行训练的数据,目的是对卷积神经网络中的各项参数进行修正。
该实施例中,监测图像集指的是对训练好的卷积神经网络进行检测,判断训练好的卷积神经网络是否能够准确识别出环境图像中的预设标注目标。
该实施例中,轮廓特征指的是标注目标的形状、小大以及对应的高度等。
该实施例中,目标卷积神经网络指的是通过训练图像集对构建的卷积神经网络训练后得到的最终的卷积神经网络。
该实施例中,检测性能值是用来描述目标卷积神经网络准确识别检测图像集中的标注目标的准确度。
该实施例中,预设阈值是提前设定好的,用于衡量目标卷积的检测效果是否能够达到预期要求。
该实施例中,感兴趣区域图片指的是采集到的环境图像中隐患目标物对应的图像区域。
该实施例中,图像特征指的是感兴趣区域的背景图像信息以及隐患目标物在感兴趣区域中的具体位置范围等。
该实施例中,候选外接框指的是通过预设的方框将隐患目标物进行初始框选标记。
该实施例中,外形特征指的是隐患目标物在环境图像中存在形状、高度、宽度等。
该实施例中,预设值是提前设定好的,用于衡量环境图像中的识别出的隐患目标物是否为要求标记的标注对象。
该实施例中,目标外接框指的是在候选标记框中确定出最终的隐患标记物后,该隐患标记物对应的候选外接框即为目标外接框。
该实施例中,关键点集合指的是隐患目标物在环境图像中能够表明最大长度以及最大宽度的位置点。
该实施例中,回归处理指的是对目标外接框的框选位置进行调整,确保外接框能够将隐患目标物进行完整框选的同时确保外接框足够小。
该实施例中,基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记,包括:
获取机载相机在所述固定翼无人机上的俯仰角以及安装角,并基于所述俯仰角以及安装角计算所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值,且基于所述距离值计算所述铁路电力贯通线中电杆的估算高度值,具体步骤包括:
根据如下公式计算所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值:
Figure SMS_1
其中,
Figure SMS_2
表示所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值;/>
Figure SMS_3
表示所述机载相机距离地面的相对高度值;/>
Figure SMS_4
表示所述机载相机在所述固定翼无人机上相对水平方向的安装角度值;/>
Figure SMS_5
表示所述机载相机的俯仰角度值;/>
Figure SMS_6
表示所述机载相机的横滚角度值;
获取固定翼无人机与地面垂直点的经纬度坐标值,同时,获取所述固定翼无人机的航向角,并基于所述航向角、经纬度坐标值以及环境图像确定所述环境图像投影至地面中心点的经纬度坐标;
确定所述环境图像的成像比例,并基于所述成像比例确定所述环境图像采集的地面范围;
基于所述地面中心点的经纬度坐标以及地面范围确定地面中与所述环境图像四角相对应的四个点的经纬度坐标值;
基于所述四个点的经纬度坐标值得到所述地面范围的长度值以及宽度值;
根据如下公式计算所述铁路电力贯通线中电杆的估算高度值:
Figure SMS_7
其中,
Figure SMS_9
表示所述铁路电力贯通线中电杆的估算高度值;/>
Figure SMS_10
表示所述环境图像中铁路电力贯通线中电杆的图像高度值;/>
Figure SMS_12
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的右下角的纵坐标值;/>
Figure SMS_14
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的左上角的纵坐标值;/>
Figure SMS_16
表示所述地面范围的长度值;/>
Figure SMS_17
表示所述环境图像的长度值;/>
Figure SMS_18
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的长度值;/>
Figure SMS_8
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的左上角的横坐标值;/>
Figure SMS_11
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的宽度值;/>
Figure SMS_13
表示所述地面范围的宽度值;/>
Figure SMS_15
表示所述环境图像的宽度值;
基于采集到的环境图像确定隐患目标物的形状特征,并基于所述形状特征确定所述隐患目标物的工作高度值;
将所述隐患目标物的工作高度值与所述铁路电力贯通线中电杆的估算高度值进行比较;
若所述隐患目标物的工作高度值小于所述铁路电力贯通线中电杆的估算高度值,判定所述铁路电力贯通线存在安全隐患,并进行第一报警提醒;
否则,判定所述隐患目标物超出铁路电力贯通线允许的最大阈值,并禁止所述隐患目标物的工作进程。
上述技术方案的有益效果是:通过构建卷积神经网络,并通过卷积神经网络对采集到的环境图像进行识别,从而准确识别环境图像中存在的隐患目标物,同时,采用外接框的标记方法对隐患目标物进行标记,且对标记结果进行回归处理,确保外接框在对隐患目标物完整标记的同时缩小标记范围,实现及时对铁路电力贯通线附近的隐患目标物发出警告信号,保障了铁路电力贯通线的运行效果以及运行安全。
实施例9
在上述实施例8的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记,包括:
获取对所述环境图像中的隐患目标物的标记结果,并基于所述标记结果确定所述隐患目标物与铁路电力贯通线的图像距离,同时,确定所述环境图像的成像比例;
基于所述成像比例以及图像距离,确定所述隐患目标物距离铁路电力贯通线的实际目标距离;
将所述实际目标距离与预设距离阈值进行比较;
若所述实际目标距离大于或等于所述预设距离阈值,进行预警提醒;
否则,基于管理终端制定管理措施,并基于所述管理措施对所述隐患目标物进行管理。
该实施例中,图像距离指的是环境图像中隐患目标物与铁路电路贯通线之间的图像尺寸。
该实施例中,成像比例指的是环境图像与实际被拍摄地面之间的缩放比例。
该实施例中,实际目标距离指的是隐患目标物与铁路电力贯通线之间的实际物理距离。
该实施例中,预设距离阈值是提前设定好的,用于衡量隐患目标物是否超出允许的距离范围,是根据实际情况设定的。
该实施例中,预警提醒可以是提醒隐患目标物对应的施工队原理铁路电力贯通线。
该实施例中,基于所述管理措施对所述隐患目标物进行管理指的是当实际目标距离小于预设距离阈值时,通过固定翼无人机向隐患目标物对应的施工队进行喊话,并阻止当前施工操作。
上述技术方案的有益效果是:通过确定环境图像中隐患目标物与铁路电力贯通线之间的图像距离以及环境图像的成像比例,从而实现对隐患目标物与铁路电路贯通线之间的实际距离进行较准确确定,实现当隐患目标物与铁路电力贯通线距离过近时进行阻止操作,从而保障了铁路电力贯通线的安全运行效果。
实施例10:
在上述实施例1的基础上,本实施例提供了一种铁路电力贯通线智能巡检方法,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,还包括:
当所述环境图像为热成像图像时:
获取所述环境图像,并将所述环境图像进行网格化处理,得到待处理环境图像;
确定所述待处理环境图像中各网格图像的像素,并基于所述像素确定各网格图像的色彩值,其中,最低温度用蓝色表示,最高温度用红色表示;
基于所述色彩值确定所述各网格图像中存在红色区域的目标网格图像,并确定所述目标网格图像中红色区域与铁路电力贯通线的位置关系;
若所述位置关系为所述红色区域与所述铁路电力贯通线存在相交,则判定所述红色区域为异常温度点,并确定所述异常温度点对应的目标网格图像在所述待处理环境图像中的位置信息
基于所述位置信息得到所述异常温度点在所述待处理环境图像中的目标位置,并基于所述目标位置通过外接框对所述异常温度点进行框选标记。
该实施例中,网格化处理指的是将环境图像划分为若干个图像块,从而实现将环境图像中不同区域的位置进行有效判定。
该实施例中,待处理环境图像指的是将环境图像进行网格化处理后得到最终的图像。
该实施例中,目标网格图像指的是网格化处理后的环境图像中存在红色的图像块。
该实施例中,异常温度点指的是该点的温度超出允许的正常范围,可能会已造成危险。
该实施例中,目标位置指的是异常温度点在待处理环境图像中的实际位置。
上述技术方案的有益效果是:通过对采集到的热成像图像进行分析,实现对热成像图像中的异常温度点进行准确锁定,并对异常温度点进行标记,实现对铁路电力贯通线巡检的严谨性以及全面性,保障了铁路电力贯通线的运行效果是。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种铁路电力贯通线智能巡检方法,其特征在于,包括:
步骤1:基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,并基于所述目标巡检任务控制所述固定翼无人机进行巡检操作;
步骤2:基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端;
步骤3:基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,完成对铁路电力贯通线的巡检;
其中,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,包括:
当所述环境图像为可见光图片时:
构建卷积神经网络,同时,获取预设标注目标图像集,并将所述预设标注目标图像集分为训练图像集以及检测图像集;
提取所述训练图像集中各预设标注目标图像中标注目标的轮廓特征,并基于所述轮廓特征对所述卷积神经网络进行训练,得到目标卷积神经网络;
基于所述检测图像集对所述目标卷积神经网络进行检测,确定所述目标卷积神经网络的检测性能值,并当所述检测性能值达到预设阈值时,判定所述目标卷积神经网络合格;
当所述目标卷积神经网络合格后,获取所述固定翼无人机采集的环境图像,并将所述环境图像输入至所述目标卷积神经网络进行处理,得到与所述环境图像中的一个或多个隐患目标物一一对应的感兴趣区域图片;
提取所述感兴趣区域图片的图像特征,并基于所述图像特征在所述感兴趣区域中确定多个框选所述隐患目标物的候选外接框;
基于所述候选外接框确定所述隐患目标物的外形特征,并基于所述外形特征确定所述候选外接框中的隐患目标物为预设标注目标的概率值,且在所述概率值大于或等于预设值时,将所述候选外接框锁定为目标外接框;
提取所述目标外接框中所述隐患目标物的关键点集合,并基于所述关键点集合对所述目标外接框进行回归处理;
基于回归处理结果确定所述目标外接框对所述隐患目标物的最终框选范围以及框选位置,并基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记;
其中,基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记,包括:
获取机载相机在所述固定翼无人机上的俯仰角以及安装角,并基于所述俯仰角以及安装角计算所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值,且基于所述距离值计算所述铁路电力贯通线中电杆的估算高度值,具体步骤包括:
根据如下公式计算所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值:
Figure QLYQS_1
其中,
Figure QLYQS_2
表示所述机载相机采集到的环境图像投影至地面中心点与所述固定翼无人机与地面垂直点之间的距离值;/>
Figure QLYQS_3
表示所述机载相机距离地面的相对高度值;/>
Figure QLYQS_4
表示所述机载相机在所述固定翼无人机上相对水平方向的安装角度值;/>
Figure QLYQS_5
表示所述机载相机的俯仰角度值;/>
Figure QLYQS_6
表示所述机载相机的横滚角度值;
获取固定翼无人机与地面垂直点的经纬度坐标值,同时,获取所述固定翼无人机的航向角,并基于所述航向角、经纬度坐标值以及环境图像确定所述环境图像投影至地面中心点的经纬度坐标;
确定所述环境图像的成像比例,并基于所述成像比例确定所述环境图像采集的地面范围;
基于所述地面中心点的经纬度坐标以及地面范围确定地面中与所述环境图像四角相对应的四个点的经纬度坐标值;
基于所述四个点的经纬度坐标值得到所述地面范围的长度值以及宽度值;
根据如下公式计算所述铁路电力贯通线中电杆的估算高度值:
Figure QLYQS_7
其中,
Figure QLYQS_8
表示所述铁路电力贯通线中电杆的估算高度值;/>
Figure QLYQS_11
表示所述环境图像中铁路电力贯通线中电杆的图像高度值;/>
Figure QLYQS_13
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的右下角的纵坐标值;/>
Figure QLYQS_15
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的左上角的纵坐标值;/>
Figure QLYQS_16
表示所述地面范围的长度值;/>
Figure QLYQS_17
表示所述环境图像的长度值;/>
Figure QLYQS_18
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的长度值;
Figure QLYQS_9
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的左上角的横坐标值;
Figure QLYQS_10
表示所述环境图像中框选所述铁路电力贯通线中电杆的外接框的宽度值;/>
Figure QLYQS_12
表示所述地面范围的宽度值;/>
Figure QLYQS_14
表示所述环境图像的宽度值;
基于采集到的环境图像确定隐患目标物的形状特征,并基于所述形状特征确定所述隐患目标物的工作高度值;
将所述隐患目标物的工作高度值与所述铁路电力贯通线中电杆的估算高度值进行比较;
若所述隐患目标物的工作高度值小于所述铁路电力贯通线中电杆的估算高度值,判定所述铁路电力贯通线存在安全隐患,并进行第一报警提醒;
否则,判定所述隐患目标物超出铁路电力贯通线允许的最大阈值,并禁止所述隐患目标物的工作进程。
2.根据权利要求1所述的一种铁路电力贯通线智能巡检方法,其特征在于,在执行步骤1之前,包括:
获取目标巡检路段中每个电杆的经纬度坐标、海拔高度以及记录名称编号,并基于所述每个电杆的经纬度坐标、海拔高度以及记录名称编号确定所述目标巡检路段的电杆线路图,同时,将所述电杆线路图在管理终端进行存储;
基于存储结果调取所述电杆线路图,并基于所述电杆线路图确定所述目标巡检路段中电杆的走向信息,并基于所述走向信息确定所述固定翼无人机的起始位置以及终止位置;
基于所述固定翼无人机的起始位置、终止位置以及电杆的走向信息得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线。
3.根据权利要求2所述的一种铁路电力贯通线智能巡检方法,其特征在于,得到所述固定翼无人机在所述目标巡检路段中的可巡检飞行路线,包括:
获取所述目标巡检路段中铁路电力贯通线的业务属性,并基于所述业务属性确定对所述目标巡检路段中铁路电力贯通线的巡检目的;
基于所述巡检目的确定所述固定翼无人机的子飞行航线,并基于所述巡检目的以及所述子飞行航线得到所述固定翼无人机的巡检任务;
确定所述巡检任务的任务类型,并确定所述任务类型的难度系数;
基于所述难度系数从预设工作人员列表中匹配目标工作人员以及从预设无人机型号列表中匹配目标型号固定翼无人机,其中,所述目标工作人员包括放飞员以及接机员,且不同难度系数的巡检任务对应不同型号的固定翼无人机;
基于所述目标工作人员以及目标型号固定翼无人机创建目标巡检任务,并将所述目标巡检任务对应的创建数据进行保存记录。
4.根据权利要求1所述的一种铁路电力贯通线智能巡检方法,其特征在于,步骤1中,基于智能终端通过后台服务器和通讯适配器向固定翼无人机发送目标巡检任务,包括:
获取目标巡检任务,并将所述目标巡检任务生成任务列表,同时,获取工作人员智能终端的通讯地址,其中,所述目标巡检任务至少为一个;
基于所述通讯地址将所述任务列表分派至所述工作人员的智能终端,并提醒所述工作人员对所述目标巡检任务进行认证;
基于认证结果,通过所述智能终端将所述任务列表中的目标巡检任务经所述通讯适配器发送至所述固定翼无人机,且控制所述固定翼无人机进行自检;
基于自检结果判定所述固定翼无人机无异常状态时,控制所述固定翼无人机执行所述目标巡检任务。
5.根据权利要求1所述的一种铁路电力贯通线智能巡检方法,其特征在于,步骤2中,基于巡检操作通过机载相机实时采集铁路电力贯通线的环境图像,并基于所述通讯适配器将所述环境图像实时回传至智能终端,包括:
基于所述巡检操作调取所述固定翼无人机的飞行路线,并控制所述固定翼无人机飞行至所述飞行路线的起始位置;
获取所述固定翼无人机在所述起始位置的飞行状态数据,并基于所述飞行状态数据对地面进行图像预采集,得到参考图像,其中,所述飞行状态数据包括所述固定翼无人机的飞行高度、当前经纬度信息以及在空中的姿态信息;
确定所述参考图像的图像信息,并将所述图像信息与预设要求进行比较,其中,所述图像信息包括参考图像的分辨率、图像主体的显示比例以及参考图像的采集角度;
若所述图像信息满足所述预设要求,判定所述固定翼无人机的飞行状态数据合格;
否则,确定所述参考图像的图像信息与预设要求的差异值,并基于所述差异值对所述固定翼无人机的飞行高度、飞行姿态以及当前经纬度进行调整;
基于调整结果获取所述固定翼无人机的实时状态数据以及所述飞行路线,并基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示;
基于实时显示结果控制所述固定翼无人机沿所述飞行路线进行飞行,并基于飞行过程通过所述机载相机采集所述铁路电力贯通线的环境图像,其中,所述环境图像包括传统图像以及热成像图像;
将采集到的环境图像实时传输至通讯适配器,且所述通讯适配器对接收到的环境图像进行缓存,并基于缓存结果对所述环境图像进行协议转换;
基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,并在所述智能终端进行动态更新显示。
6.根据权利要求5所述的一种铁路电力贯通线智能巡检方法,其特征在于,基于协议转换结果将所述环境图像经所述后台服务器传输至智能终端,包括:
获取接收到的环境图像以及飞行路线,并确定所述环境图像以及飞行路线对应的巡检任务,其中,所述巡检任务至少为一个;
确定所述巡检任务的任务名称,并基于所述任务名称构建任务归档列表,且基于所述归档列表为每一巡检任务分配编号;
基于编号结果,将所述巡检任务对应的飞行路线以及采集到的环境图像进行归档,并将归档结果进行存储。
7.根据权利要求5所述的一种铁路电力贯通线智能巡检方法,其特征在于,基于所述实时状态数据以及所述飞行路线生成所述固定翼无人机的状态模拟图像,且在智能终端进行实时显示,包括:
基于所述状态模拟图像确定所述固定翼无人机执行当前巡检任务所对应的飞行路线的长度信息,同时,基于所述状态模拟图像确定所述固定翼无人机的当前位置信息;
基于所述飞行路线的长度信息以及所述固定翼无人机的当前位置信息确定所述固定翼无人机对当前巡检任务的执行进度,且当执行进度达到目标阈值时,判定所述固定翼无人机完成此次巡检任务;
当所述固定翼无人机完成此次巡检任务时,基于所述智能终端向所述固定翼无人机发送返航指令,并基于所述返航指令控制所述固定翼无人机返回起始位置;
基于所述智能终端向管理终端反馈所述固定翼无人机的返航结果,并当所述固定翼无人机准确返航后在管理终端中对所述固定翼无人机以及工作人员的工作状态进行修正,完成此次巡检任务。
8.根据权利要求1所述的一种铁路电力贯通线智能巡检方法,其特征在于,基于所述最终框选范围以及框选位置完成对所述隐患目标物的框选标记,包括:
获取对所述环境图像中的隐患目标物的标记结果,并基于所述标记结果确定所述隐患目标物与铁路电力贯通线的图像距离,同时,确定所述环境图像的成像比例;
基于所述成像比例以及图像距离,确定所述隐患目标物距离铁路电力贯通线的实际目标距离;
将所述实际目标距离与预设距离阈值进行比较;
若所述实际目标距离大于或等于所述预设距离阈值,进行预警提醒;
否则,基于管理终端制定管理措施,并基于所述管理措施对所述隐患目标物进行管理。
9.根据权利要求1所述的一种铁路电力贯通线智能巡检方法,其特征在于,步骤3中,基于回传结果对环境图像进行识别,确定所述环境图像中的隐患目标物,并对所述隐患目标物进行标记处理,还包括:
当所述环境图像为热成像图像时:
获取所述环境图像,并将所述环境图像进行网格化处理,得到待处理环境图像;
确定所述待处理环境图像中各网格图像的像素,并基于所述像素确定各网格图像的色彩值,其中,最低温度用蓝色表示,最高温度用红色表示;
基于所述色彩值确定所述各网格图像中存在红色区域的目标网格图像,并确定所述目标网格图像中红色区域与铁路电力贯通线的位置关系;
若所述位置关系为所述红色区域与所述铁路电力贯通线存在相交,则判定所述红色区域为异常温度点,并确定所述异常温度点对应的目标网格图像在所述待处理环境图像中的位置信息
基于所述位置信息得到所述异常温度点在所述待处理环境图像中的目标位置,并基于所述目标位置通过外接框对所述异常温度点进行框选标记。
CN202210942545.9A 2022-08-08 2022-08-08 一种铁路电力贯通线智能巡检方法 Active CN115373416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210942545.9A CN115373416B (zh) 2022-08-08 2022-08-08 一种铁路电力贯通线智能巡检方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210942545.9A CN115373416B (zh) 2022-08-08 2022-08-08 一种铁路电力贯通线智能巡检方法

Publications (2)

Publication Number Publication Date
CN115373416A CN115373416A (zh) 2022-11-22
CN115373416B true CN115373416B (zh) 2023-06-06

Family

ID=84063539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210942545.9A Active CN115373416B (zh) 2022-08-08 2022-08-08 一种铁路电力贯通线智能巡检方法

Country Status (1)

Country Link
CN (1) CN115373416B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117217739B (zh) * 2023-11-07 2024-02-23 厦门闽投科技服务有限公司 一种智能电力巡检系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511495B (zh) * 2016-02-15 2019-02-01 国家电网公司 电力线路无人机智能巡检控制方法和系统
JP6833452B2 (ja) * 2016-10-28 2021-02-24 株式会社東芝 巡視点検システム、情報処理装置、巡視点検制御プログラム
CN108537912A (zh) * 2018-03-06 2018-09-14 全球能源互联网研究院有限公司 一种基于智能图像识别的电力巡检无人机
CN108416299A (zh) * 2018-03-09 2018-08-17 重庆览辉信息技术有限公司 一种电力线路智能巡检系统
CN110426126A (zh) * 2019-07-04 2019-11-08 广州科易光电技术有限公司 基于无人机的电力巡检方法及系统
CN111401146A (zh) * 2020-02-26 2020-07-10 长江大学 一种无人机电力巡检方法、设备及存储介质
CN113009929A (zh) * 2021-03-01 2021-06-22 中国南方电网有限责任公司超高压输电公司贵阳局 无人机电网巡线控制方法
CN113296537B (zh) * 2021-05-25 2024-03-12 湖南博瑞通航航空技术有限公司 基于电力杆塔模型匹配的电力无人机巡检方法及系统
CN113963277A (zh) * 2021-10-26 2022-01-21 广西壮族自治区通信产业服务有限公司工程分公司 基于航拍的铁路电力贯通线隐患目标检测方法
CN114281093B (zh) * 2021-12-27 2023-06-02 国网江苏省电力有限公司泰州供电分公司 一种基于无人机电力巡检的缺陷检测系统及方法
CN114373138A (zh) * 2021-12-28 2022-04-19 北京交通大学 一种高速铁路全自动无人机巡检方法及系统

Also Published As

Publication number Publication date
CN115373416A (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN107067794B (zh) 一种基于视频图像处理的室内车辆定位导航系统及方法
CN108109437B (zh) 一种基于地图特征的无人机自主航线提取生成方法
CN111537515A (zh) 基于三维实景模型的铁塔螺栓缺陷展示方法和系统
CN114373138A (zh) 一种高速铁路全自动无人机巡检方法及系统
CN111931565A (zh) 一种基于光伏电站uav的自主巡检与热斑识别方法及系统
CN112327906A (zh) 一种基于无人机的智能自动巡检系统
CN110418957A (zh) 对具有运行机构的设施进行状态监控的方法和装置
CN112113542A (zh) 一种无人机航摄建设用地土地专项数据验收的方法
CN103941746A (zh) 无人机巡检图像处理系统及方法
CN111141311B (zh) 一种高精度地图定位模块的评估方法及系统
CN110276254B (zh) 基于无人机的禁止摆摊区域摊贩自动识别预警方法
CN210090988U (zh) 一种无人机巡检系统
CN113223087B (zh) 一种基于视频监控的目标物体地理坐标定位方法和装置
CN111722642A (zh) 一种光伏电站的巡检方法、巡检装置以及存储介质
CN114020002A (zh) 无人机巡检风机叶片的方法、装置、设备、无人机及介质
CN110108257A (zh) 一种基于无人机航拍影像和静态规划图相匹配的展示方法
CN113378754B (zh) 一种工地裸土监测方法
CN115373416B (zh) 一种铁路电力贯通线智能巡检方法
CN113077561A (zh) 一种无人机智能巡检系统
CN117217739B (zh) 一种智能电力巡检系统
CN115493594A (zh) 基于bim的巡查控制系统及方法
CN111316324A (zh) 一种自动驾驶模拟系统、方法、设备及存储介质
CN111753645A (zh) 一种光伏电站的巡检方法、巡检装置以及存储介质
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
CN111551150B (zh) 一种自动测量基站天线参数的方法和系统

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
CB03 Change of inventor or designer information

Inventor after: Tan Guibin

Inventor after: Du Jiang

Inventor after: Li Yanrong

Inventor after: Jiang Qingling

Inventor after: Gan Qihai

Inventor after: Shi Shaobo

Inventor after: Chen Jianguo

Inventor after: Yu Guihua

Inventor after: Jiang Shaojun

Inventor after: Liu Zhi

Inventor after: Liang Meng

Inventor after: Hu Jindong

Inventor before: Tan Guibin

Inventor before: Du Jiang

Inventor before: Li Yanrong

Inventor before: Jiang Qingling

Inventor before: Gan Qihai

Inventor before: Shi Shaobo

Inventor before: Chen Jianguo

Inventor before: Yu Guihua

Inventor before: Jiang Shaojun

Inventor before: Liu Zhi

Inventor before: Liang Meng

Inventor before: Hu Jingdong

CB03 Change of inventor or designer information
TR01 Transfer of patent right

Effective date of registration: 20240530

Address after: 1000001208-050, Floor 12, Building 2, Daliushu Fuhai Center, Haidian District, Beijing

Patentee after: BEIJING ZHONGRUNHUITONG TECHNOLOGY Co.,Ltd.

Country or region after: China

Patentee after: CHINA RAILWAY NANNING GROUP Co.,Ltd.

Address before: 1000001208-050, Floor 12, Building 2, Daliushu Fuhai Center, Haidian District, Beijing

Patentee before: BEIJING ZHONGRUNHUITONG TECHNOLOGY Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right