CN115437394A - 一种用于河道监测的无人机系统及其自主巡线方法 - Google Patents
一种用于河道监测的无人机系统及其自主巡线方法 Download PDFInfo
- Publication number
- CN115437394A CN115437394A CN202211007677.9A CN202211007677A CN115437394A CN 115437394 A CN115437394 A CN 115437394A CN 202211007677 A CN202211007677 A CN 202211007677A CN 115437394 A CN115437394 A CN 115437394A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- module
- layer plate
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000001931 thermography Methods 0.000 claims abstract description 10
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 9
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 9
- 230000004438 eyesight Effects 0.000 claims abstract description 8
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims abstract 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011120 plywood Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于河道监测的无人机系统及其自主巡线方法，该无人机系统，包括包含无人机本体，所述无人机本体上设置有嵌入式工控机和锂电池模块，以及与嵌入式工控机电性连接的GPS模块、无人机飞控模块、固定姿态检测模块、WIFI通讯模块、无线电台模块、嵌入式工控机、二维云台相机、深度相机、红外热成像相机和四个旋翼模块；所述锂电池模块为上述模块供电；四个旋翼模块结构相同，沿无人机本体的外周均匀分布。无人机系统结构简单，搭载了多种传感器模块，能够实现多任务巡检。本发明设计了基于视觉的无人机自主巡线方法，该方法能够实现无人机沿着河道与河岸的分界线进行稳定的自主巡线飞行。
Description
技术领域
本发明属于无人机技术领域，具体涉及一种用于河道监测的无人机系统及其自主巡线方法。
背景技术
河道巡检是维护河流清洁、保障河流安全的重要手段，河道巡检的质量和效率对河流的生态保护至关重要。在河道的巡检与治理过程中，需要实时把握河流的动态变化情况，河道堵塞情况，违法排污，以及监测预警天气变化可能引发的河道灾害等。
目前，河道巡逻一般是由工作人员徒步或者乘坐巡逻车利用设备进行沿河道巡检。但人工巡检需要消耗大量的人力。若要想达到快速的巡检，人工巡检往往会带来一些漏检或误判等问题。
基于此，有一些研究人员提出采用无人巡逻艇进行河道的检测，但由于无人巡逻艇是在河道中行进检测，其检测的区域较小，检测的效率相对较低。随着无人机控制技术的发展，无人机的应用领域也不断扩展，国内外针对无人机的研究越来越多。通过无人机搭载视觉传感器、激光传感器等设备检测河道的污染物或者进行河道的生物采样检测，但目前的无人机系统结构较为复杂，且应用于巡检的无人机系统主要是通过人工遥控的方式，操作人员的控制熟练程度也会影响河道监测的效果，由于河道中无明显的标记物，无法实现类似车道跟踪一样的功能。
发明内容
本发明提供了一种用于河道监测的无人机系统及其自主巡线方法，克服现有技术在河道巡检无人机系统中的技术缺陷和不足。
为了解决上述技术问题，本发明采用如下方案实现：
一种用于河道监测的无人机系统，包括包含无人机本体，所述无人机本体上设置有嵌入式工控机和锂电池模块，以及与嵌入式工控机电性连接的GPS模块、无人机飞控模块、固定姿态检测模块、WIFI通讯模块、无线电台模块、嵌入式工控机、二维云台相机、深度相机、红外热成像相机和四个旋翼模块；所述锂电池模块为上述模块供电；四个旋翼模块结构相同，沿无人机本体的外周均匀分布。
进一步优化，所述无人机本体采用分层结构设计，包括第一层板、第二层板、第三层板、第四层板和第五层板；其中，第一层板通过8个长支柱与第三层板固定连接，第一层板位于第三层板上方；第二层板通过4个短支柱与第三层板固定连接，第二层板位于第一层和第三层之间。
所述第三层板与第四层板固定在一起，且第三层板位于第四层板上方，第五层板与第四层板通过短支柱固连。
进一步优化，所述GPS模块固定在第一层板的上表面，无人机飞控模块固定在第二层板的上表面，姿态检测模块、WIFI通讯模块和无线电台模块固定在第三层板上表面；其中，姿态检测模块主要用于检测无人机的三维姿态，WIFI通讯模块用于传输巡检视频，无线电台模块用于和操作人员控制器进行通讯。
所述嵌入式工控机固定安装在第四层板的下表面上，锂电池模块固定安装在第五层板上表面；二维云台相机固定安装在第五层板下表面，用于实现河道的监测；深度相机和红外热成像相机通过一个折弯的安装板固定在第五层板上，拍摄角度呈45度倾斜向下；深度相机用于实现无人机巡线监测，红外热成像相机用于检测河水温度。
进一步优化，所述旋翼模块包含旋翼支杆、2个无人机支撑腿、无刷电机和螺旋桨；其中，旋翼支杆包括上、下两个支撑板，两个支撑板远离无人机主体的一端固连为整体，靠近无人机主体的一端为连接，且均设置有安装孔；
所述第三层板和第四层板的四个角上均设置有安装凸台，两个支撑板的安装孔于对应的安装凸台相适配，并通过螺栓固连；两个无人机支撑腿固定安装在旋翼支杆的两侧，无刷电机和螺旋桨固定安装在旋翼支杆远离无人机主体的一端。
一种基于视觉的无人机河道自主巡线方法，基于上述的无人机系统，包括如下步骤：
S1：所述深度相机经过张正友棋盘格标定，消除或降低相机畸变对巡线检测的影响；
S2：将深度相机采集的图像进行预处理；对摄像头采集到的原始图像进行颜色空间的选取，由于HSV空间是最符合人眼视觉色彩感知的，且HSV空间是均匀的颜色空间。H表示色调，S代表饱和度，V表示亮度。将图像在HSV空间进行分析，并且分离出H、S、V三通道的图像。由于河水和岸边的颜色对比鲜明，且H通道分量受光照影响较小，所以选择H通道的图像进行如步骤三的操作。
S3：深度相机采集的图像的分割：
采用基于K均值的聚类算法对步骤S2所得到的H通道的图像进行图像分割，由于分割的区域是河水和单个岸边，选择聚类个数为2，将图像中的河水和岸边分割成两类，黑色区域是岸边，白色区域为河水；
S4：将上述步骤S3所分割出的图像进行噪声消除，通过图像处理中的腐蚀和膨胀操作将这些错误聚类形成的噪声进行消除；
在H通道利用K均值聚类分割有着较好的分割效果，岸边和河水已经被分割成两类。但由于光照会形成阴影，会把河水中一些区域错误的聚类成岸边区域，通过图像处理中的腐蚀和膨胀操作将这些错误聚类形成的噪声进行消除。
S5：利用opencv中的轮廓提取算法将岸边和河水交界的轮廓线进行提取，提供外轮廓和内轮廓；
S6：利用直线模型对提取出来的轮廓线进行扫描，得到所需检测边缘的两个边缘点，边缘点坐标的中间值即为无人机巡线的坐标；
S7：将直线扫描得到的线坐标作为椭圆扫描的中心，再将椭圆扫描得到的线坐标作为下次椭圆扫描的中心，对每一帧图像进行一次直线扫描以及迭代六次椭圆扫描，得到轮廓线中心的准确坐标位置，即可实现动态岸边线的识别；
S8：每帧图像执行步骤S2到步骤S7，每帧图像可以获得六个坐标值；当采集下一张图像时，将重复执行步骤S2到步骤S7。
进一步优化，所述步骤S3中，K均值聚类算法具体如下所示：
S31：选择2个点作为初始聚类中心C＝{c1,c2}；
S32：计算像素点sj与聚类中心ci的距离，如果距离小于阈值1时，则把该像素点sj归到类ci中；
S33：重新计算类ci的聚类中心；
S34：进行迭代，重复上述S32和S33，直到聚类中心不变则停止计算。
进一步优化，所述步骤S6中，直线模型采用分级扫描方式具体步骤如下：
S61：对图像进行直线扫描模型，扫描整行像素，得到这行像素的灰度值；
S62：对相邻像素的灰度值作差分，可以得到一个最大值和最小值，这两个值的坐标即为线边缘坐标；
S63：将两边缘坐标的中点作为无人机巡线的坐标。
进一步优化，所述步骤S7中，椭圆扫描模型具体操作如下所示：
S71：以直线扫描得到的线中心坐标作为椭圆扫描的中心；
S72：为提高扫描效率，以5°为间隔获取椭圆上半周的像素值，扫描180°可以得到36个像素点的值；
S73：把获得的椭圆半周上相邻的像素值做差分，可以获到一个最大值和最小值，即为目标线两个边缘的坐标；
S74：将扫描获得的36个像素值依次存放在一个数组中，当得到边缘坐标时也可以知道该边缘坐标在整个数组中的索引位置，去两个索引位置的中间值处点坐标近似作为目标线的中心坐标，无人机基于该坐标值计算飞行轨迹。
与现有技术相比，本申请的有益效果如下：
1、本发明中的无人机系统，结构简单，搭载了多种模块，能够实现多任务巡检，并且能够提供稳定精确的无人机自主巡线功能。
2、本发明中，由于无人机上的深度相机是安装在无人机前端的中心线位置，如果要将图像中的坐标转换为实际坐标进行无人机控制，会引入比较大的转换误差。因此，本发明中的无人机直接采用该深度相机采集到的图像进行巡线控制，减小误差，提高精度。
3、本发明以典型的闭环控制器作为无人机巡线控制器，该闭环控制器运行在无人机搭载的嵌入式工控机中。为保障无人机稳定的巡线飞行，要求巡线坐标始终保持在图像的中心线上，因此，以中心线的横轴坐标作为闭环控制器的输入值，以图像处理后的目标线的横轴坐标作为闭环控制器的反馈值，根据两者的插值控制无人机四个旋翼的旋转速度，当闭环控制器达到稳定时，无人机可以沿着河岸与河道的边界线进行巡线飞行。
附图说明
图1为本发明所述无人机系统的三维结构示意图；
图2为本发明所述无人机本体的三维结构示意图；
图3为本发明所述无人机本体右侧结构示意图；
图4为本发明所述无人机本体的俯视图；
图5为本发明所述旋翼模块结构示意图；
图6为本发明所述基于视觉的无人机河道自主巡线方法的流程图；
图7为本发明所述无人机系统的巡线控制器框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
参见图1，一种用于河道监测的无人机系统，该无人机系统主要包含无人机本体1和四个旋翼模块(2、3、4、5)。无人机本体1采用分层结构，主要用于固定安装多种传感器。四个旋翼(2、3、4、5)以对角形式安装，分布在无人机本体1的四周。
参见图2，本发明的无人机本体1的结构由第一层板101、第二层板102、第三层板103、第四层板104和第五层板105构成。其中第一层板101通过8个长支柱与第三层板103固定在一起，第二层板102通过4个短支柱与第三层板103固定在一起，第二层板102在第一层101和第三层103之间。第三层板103与第四层板104固定在一起，第五层板105与第四层板104连接在一起。
参见图2、图3、图4，GPS模块111固定在第一层板101的上表面，无人机飞控模块116固定在第二层板102的上表面，第三层板103上分别固定姿态检测模块112、WIFI通讯模块107和无线电台模块115，其中姿态检测模块112主要用于检测无人机的三维姿态，WIFI通讯模块107用于传输巡检视频，无线电台模块115用来与操作人员控制器进行通讯。以上三个模块均固定安装在第三层板的上表面。
嵌入式工控机108固定安装第四层板104的下表面上，第五层板105上表面固定安装锂电池模块113，用于对无人机的供电。第五层板105的下表面固定安装一个二维云台相机106，主要是用于实现河道的监测。深度相机110和红外热成像相机109通过一个45度折弯的安装板114固定在第五层板105的前端，深度相机110主要是用于实现无人机巡线监测，红外热成像相机109用于检测河水温度等。
参见图5，四个旋翼模块(2、3、4、5)具有相同的结构，以旋翼模块2为例，主要是包含旋翼支杆203、2个无人机支撑腿(201、202)、无刷电机204和螺旋桨205。其中旋翼支杆203被第三层板103和第四层板104的四个角上的凸台夹在中间，两个无人机支撑腿201、202固定安装在旋翼支杆203的两侧，无刷电机204和螺旋桨205固定安装在旋翼支杆203的末端。
实施例二：
一般河道和河岸之间具有较为明确的分界线，因此，基于上述无人机系统，一种基于视觉的无人机河道自主巡线方法，包括如下步骤，参见图6：
S1：深度相机110需经过张正友棋盘格标定，消除或降低相机畸变对巡线检测的影响；
S2：深度相机110采集的图像进行预处理。对摄像头采集到的原始图像进行颜色空间的选取，由于HSV空间是最符合人眼视觉色彩感知的，且HSV空间是均匀的颜色空间。H表示色调，S代表饱和度，V表示亮度。将图像在HSV空间进行分析，并且分离出H、S、V三通道的图像。由于河水和岸边的颜色对比鲜明，且H通道分量受光照影响较小，所以选择H通道的图像进行如步骤三的操作。
S3：深度相机110采集的图像的分割。对上述步骤二所得到的H通道的图像进行分割。基于K均值的聚类算法对H通道的图像进行图像分割。由于分割的区域是河水和单个岸边，选择聚类个数为2，将图像中的河水和岸边分割成两类，黑色区域是岸边，白色区域为河水，K均值聚类算法具体如下所示：
S31:选择2个点作为初始聚类中心C＝{c1,c2}；
S32:计算像素点sj与聚类中心ci的距离，如果距离小于阈值1时，则把该像素点sj归到类ci中；
S33:重新计算类ci的聚类中心；
S34:进行迭代，重复上述(2)和(3)，直到聚类中心不变则停止计算；
S4：分割后的图像进行滤波处理。将上述步骤三所分割出的图像进行噪声消除。在H通道利用K均值聚类分割有着较好的分割效果，岸边和河水已经被分割成两类。但由于光照会形成阴影，会把河水中一些区域错误的聚类成岸边区域，通过图像处理中的腐蚀和膨胀操作将这些错误聚类形成的噪声进行消除。
S5：利用opencv中的轮廓提取算法将岸边和河水交界的轮廓线进行提取，提供外轮廓和内轮廓。
S6：利用直线模型对提取出来的轮廓线进行扫描得到所需检测边缘的两个边缘点，边缘点坐标的中间值即为无人机巡线的坐标，直线模型采用分级扫描方式具体步骤如下：
S61：对图像进行直线扫描模型，扫描整行像素，得到这行像素的灰度值；
S62：对相邻像素的灰度值作差分，可以得到一个最大值和最小值，这两个值的坐标即为线边缘坐标；
S63：将两边缘坐标的中点作为无人机巡线的坐标；
S7：为提高巡线检测的效率，在直线扫描的基础上进行椭圆扫描。将直线扫描得到的线坐标作为椭圆扫描的中心，再将椭圆扫描得到的线坐标作为下次椭圆扫描的中心，对每一帧图像进行一次直线扫描以及迭代六次椭圆扫描，得到轮廓线中心的准确坐标位置，即可实现动态岸边线的识别，椭圆扫描模型具体操作如下所示：
S71：以直线扫描得到的线中心坐标作为椭圆扫描的中心；
S72：为提高扫描效率，以5°为间隔获取椭圆上半周的像素值，扫描180°可以得到36个像素点的值；
S73：把获得的椭圆半周上相邻的像素值做差分，可以获到一个最大值和最小值，即为目标线两个边缘的坐标；
S74：将扫描获得的36个像素值依次存放在一个数组中，当得到边缘坐标时也可以知道该边缘坐标在整个数组中的索引位置，去两个索引位置的中间值处点坐标近似作为目标线的中心坐标，无人机基于该坐标值计算飞行轨迹。
S8：每帧图像执行步骤二到步骤七，每帧图像可以获得六个坐标值。当采集下一张图像时，将重复执行步骤二到步骤七。
参见图7，由于无人机上的深度相机110是安装在无人机本体1前端的中心线位置，如果要将图像中的坐标转换为实际坐标进行无人机控制，会引入比较大的转换误差。因此，本发明中的无人机直接采用该深度相机110采集到的图像进行巡线控制。以典型的闭环控制器作为无人机巡线控制器，该闭环控制器运行在无人机搭载的嵌入式工控机108中。为保障无人机稳定的巡线飞行，要求巡线坐标始终保持在图像的中心线上，因此，以中心线的横轴坐标作为闭环控制器的输入值，以图像处理后的目标线的横轴坐标作为闭环控制器的反馈值，根据两者的插值控制无人机四个旋翼的旋转速度，当闭环控制器达到稳定时，无人机可以沿着河岸与河道的边界线进行巡线飞行。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种用于河道监测的无人机系统，其特征在于，包括包含无人机本体，所述无人机本体上设置有嵌入式工控机和锂电池模块，以及与嵌入式工控机电性连接的GPS模块、无人机飞控模块、固定姿态检测模块、WIFI通讯模块、无线电台模块、嵌入式工控机、二维云台相机、深度相机、红外热成像相机和四个旋翼模块；所述锂电池模块为上述模块供电；四个旋翼模块结构相同，沿无人机本体的外周均匀分布。
2.根据权利要求1所述的用于河道监测的无人机系统，其特征在于，所述无人机本体采用分层结构设计，包括第一层板、第二层板、第三层板、第四层板和第五层板；其中，第一层板通过8个长支柱与第三层板固定连接，第一层板位于第三层板上方；第二层板通过4个短支柱与第三层板固定连接，第二层板位于第一层和第三层之间；
所述第三层板与第四层板固定在一起，且第三层板位于第四层板上方，第五层板与第四层板通过短支柱固连。
3.根据权利要求2所述的用于河道监测的无人机系统，其特征在于，所述GPS模块固定在第一层板的上表面，无人机飞控模块固定在第二层板的上表面，姿态检测模块、WIFI通讯模块和无线电台模块固定在第三层板上表面；其中，姿态检测模块主要用于检测无人机的三维姿态，WIFI通讯模块用于传输巡检视频，无线电台模块用于和操作人员控制器进行通讯；
所述嵌入式工控机固定安装在第四层板的下表面上，锂电池模块固定安装在第五层板上表面；二维云台相机固定安装在第五层板下表面，用于实现河道的监测；深度相机和红外热成像相机通过一个折弯的安装板固定在第五层板上，拍摄角度呈45度倾斜向下；深度相机用于实现无人机巡线监测，红外热成像相机用于检测河水温度。
4.根据权利要求3所述的用于河道监测的无人机系统，其特征在于，所述旋翼模块包含旋翼支杆、2个无人机支撑腿、无刷电机和螺旋桨；其中，旋翼支杆包括上、下两个支撑板，两个支撑板远离无人机主体的一端固连为整体，靠近无人机主体的一端为连接，且均设置有安装孔；
所述第三层板和第四层板的四个角上均设置有安装凸台，两个支撑板的安装孔于对应的安装凸台相适配，并通过螺栓固连；两个无人机支撑腿固定安装在旋翼支杆的两侧，无刷电机和螺旋桨固定安装在旋翼支杆远离无人机主体的一端。
5.一种基于视觉的无人机河道自主巡线方法，其特征在于，基于权利要求1-4中任一项所述的无人机系统，包括如下步骤：
S1：所述深度相机经过张正友棋盘格标定，消除或降低相机畸变对巡线检测的影响；
S2：将深度相机采集的图像进行预处理；
对摄像头采集到的原始图像进行颜色空间的选取，将图像在HSV空间进行分析，并且分离出H、S、V三通道的图像；
S3：深度相机采集的图像的分割：
采用基于K均值的聚类算法对步骤S2所得到的H通道的图像进行图像分割，由于分割的区域是河水和单个岸边，选择聚类个数为2，将图像中的河水和岸边分割成两类，黑色区域是岸边，白色区域为河水；
S4：将上述步骤S3所分割出的图像进行噪声消除，通过图像处理中的腐蚀和膨胀操作将这些错误聚类形成的噪声进行消除；
S5：利用opencv中的轮廓提取算法将岸边和河水交界的轮廓线进行提取，提供外轮廓和内轮廓；
S6：利用直线模型对提取出来的轮廓线进行扫描，得到所需检测边缘的两个边缘点，边缘点坐标的中间值即为无人机巡线的坐标；
S7：将直线扫描得到的线坐标作为椭圆扫描的中心，再将椭圆扫描得到的线坐标作为下次椭圆扫描的中心，对每一帧图像进行一次直线扫描以及迭代六次椭圆扫描，得到轮廓线中心的准确坐标位置，即可实现动态岸边线的识别；
S8：每帧图像执行步骤S2到步骤S7，每帧图像可以获得六个坐标值；当采集下一张图像时，将重复执行步骤S2到步骤S7。
6.根据权利要求5所述的基于视觉的无人机河道自主巡线方法，其特征在于，所述步骤S3中，K均值聚类算法具体如下所示：
S31：选择2个点作为初始聚类中心C＝{c1,c2}；
S32：计算像素点sj与聚类中心ci的距离，如果距离小于阈值1时，则把该像素点sj归到类ci中；
S33：重新计算类ci的聚类中心；
S34：进行迭代，重复上述S32和S33，直到聚类中心不变则停止计算。
7.根据权利要求6所述的基于视觉的无人机河道自主巡线方法，其特征在于，所述步骤S6中，直线模型采用分级扫描方式具体步骤如下：
S61：对图像进行直线扫描模型，扫描整行像素，得到这行像素的灰度值；
S62：对相邻像素的灰度值作差分，可以得到一个最大值和最小值，这两个值的坐标即为线边缘坐标；
S63：将两边缘坐标的中点作为无人机巡线的坐标。
8.根据权利要求7所述的基于视觉的无人机河道自主巡线方法，其特征在于，所述步骤S7中，椭圆扫描模型具体操作如下所示：
S71：以直线扫描得到的线中心坐标作为椭圆扫描的中心；
S72：以5°为间隔获取椭圆上半周的像素值，扫描180°可以得到36个像素点的值；
S73：把获得的椭圆半周上相邻的像素值做差分，可以获到一个最大值和最小值，即为目标线两个边缘的坐标；
S74：将扫描获得的36个像素值依次存放在一个数组中，当得到边缘坐标时也可以知道该边缘坐标在整个数组中的索引位置，去两个索引位置的中间值处点坐标近似作为目标线的中心坐标，无人机基于该坐标值计算飞行轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211007677.9A CN115437394A (zh) | 2022-08-22 | 2022-08-22 | 一种用于河道监测的无人机系统及其自主巡线方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211007677.9A CN115437394A (zh) | 2022-08-22 | 2022-08-22 | 一种用于河道监测的无人机系统及其自主巡线方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115437394A true CN115437394A (zh) | 2022-12-06 |
Family
ID=84243629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211007677.9A Pending CN115437394A (zh) | 2022-08-22 | 2022-08-22 | 一种用于河道监测的无人机系统及其自主巡线方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115437394A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311395A (zh) * | 2023-11-30 | 2023-12-29 | 国家海洋环境监测中心 | 用于河道内污染巡检的无人机路径规划方法及系统 |
-
2022
- 2022-08-22 CN CN202211007677.9A patent/CN115437394A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311395A (zh) * | 2023-11-30 | 2023-12-29 | 国家海洋环境监测中心 | 用于河道内污染巡检的无人机路径规划方法及系统 |
| CN117311395B (zh) * | 2023-11-30 | 2024-02-23 | 国家海洋环境监测中心 | 用于河道内污染巡检的无人机路径规划方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11526998B2 (en) | Methods and system for infrared tracking | |
| CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
| CN108229587B (zh) | 一种基于飞行器悬停状态的输电杆塔自主扫描方法 | |
| CN106405040B (zh) | 一种基于无人设备的水质巡检、污染物溯源方法 | |
| CN110244766B (zh) | 一种光伏电站无人机巡检航线的规划方法及系统 | |
| CN109559310B (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
| CN109270534A (zh) | 一种智能车激光传感器与相机在线标定方法 | |
| CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
| CN106289186B (zh) | 旋翼无人机机载视觉探测与多目标定位系统及实现方法 | |
| Mao et al. | Development of power transmission line defects diagnosis system for UAV inspection based on binocular depth imaging technology | |
| Lebedev et al. | Accurate autonomous uav landing using vision-based detection of aruco-marker | |
| Sanchez-Lopez et al. | Toward visual autonomous ship board landing of a VTOL UAV | |
| CN105447853A (zh) | 飞行装置、飞行控制系统及方法 | |
| CN110309762A (zh) | 一种基于航空遥感的林业健康评价系统 | |
| CN109002048A (zh) | 一种基于多旋翼无人机的规模化集中式光伏电站图像数据采集方法 | |
| CN106227216B (zh) | 面向居家老人的家庭服务机器人 | |
| KR101789982B1 (ko) | 콘크리트 균열 탐지 장치 및 방법 | |
| CN111709994B (zh) | 一种自主无人机视觉探测与引导系统及方法 | |
| CN114331986A (zh) | 一种基于无人机视觉的坝体裂纹识别与测量方法 | |
| CN109765931B (zh) | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 | |
| CN109297978B (zh) | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 | |
| Xi et al. | A vision-based inspection strategy for large-scale photovoltaic farms using an autonomous UAV | |
| CN115437394A (zh) | 一种用于河道监测的无人机系统及其自主巡线方法 | |
| CN110046584A (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
| CN111985435A (zh) | 一种基于机器视觉的无人机水域监测巡航方法 |
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 |