CN115824215A - 一种用于水渠河道线路巡检无人机的三维航迹规划方法 - Google Patents
一种用于水渠河道线路巡检无人机的三维航迹规划方法 Download PDFInfo
- Publication number
- CN115824215A CN115824215A CN202211468738.1A CN202211468738A CN115824215A CN 115824215 A CN115824215 A CN 115824215A CN 202211468738 A CN202211468738 A CN 202211468738A CN 115824215 A CN115824215 A CN 115824215A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- inspection
- patrol
- obstacle
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于水渠河道线路巡检无人机的三维航迹规划方法，对待巡检的水渠河道进行多无人机巡检观察，获取低空影像以及障碍物的地理坐标；将低空影像以及对应的地理坐标上传至后台服务器，然后在后台服务器中生成地理信息数据；在后台服务器中建立无人机航迹模型；输入航迹模型的线路巡检无人机通过GPS模块接收卫星传送的位置坐标，进行其自身在巡检航迹内的初步定位；在巡检现场搭建RTK基站，巡检无人机RTK模块通过RTK网络获取精确差分定位信号；巡检无人机结合航迹模型以及自身雷达的辅助，最终完成障碍物的避障航线拾取和计算；巡检无人机根据双目识别设备识别到的水渠河道特征，生成经过优化的水渠河道无人机巡检路线。
Description
技术领域：
本发明涉及一种用于水渠河道线路巡检无人机的三维航迹规划方法。
背景技术：
近年来，无人机巡检领域不断扩大，河流水系单纯依靠人工巡检已经越来越不能满足管理需要，而诸如水电站水渠河道等长流域、大跨度的区域巡检又对无人机的性能提出挑战。随着雷达、定位等相关技术的发展，无人机已具备在水渠河道巡检的可能性。目前没有专门用于水渠河道线路无人机设计的航迹规划方法，普通的无人机巡检水渠河道风险大、难度高、效益低。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种用于水渠河道线路巡检无人机的三维航迹规划方法。
本发明所采用的技术方案有：
一种用于水渠河道线路巡检无人机的三维航迹规划方法，包括
步骤1：对待巡检的水渠河道进行多无人机巡检观察，获取待巡检水渠河道中障碍物的低空影像以及障碍物的地理坐标；
步骤2：将获取障碍物的低空影像以及对应的地理坐标上传至后台服务器，在后台服务器中对障碍物进行位置标记，然后在后台服务器中生成地理信息数据；
步骤3：在后台服务器中建立无人机航迹模型，并将建立的航迹模型输入至待线路巡检的无人机内；
步骤4： 输入航迹模型的线路巡检无人机通过GPS模块接收卫星传送的位置坐标，进行其自身在巡检航迹内的初步定位；
步骤5：在巡检现场搭建RTK基站，巡检无人机RTK模块通过RTK网络获取精确差分定位信号；
步骤6：巡检无人机结合航迹模型以及自身雷达的辅助，最终完成障碍物的避障航线拾取和计算；
步骤7：巡检无人机根据双目识别设备识别到的水渠河道特征，生成经过优化的水渠河道无人机巡检路线。
进一步地，多无人机在待巡检的水渠河道进行巡检观察时，采用贴近巡检观察原则，巡检观察水渠河道及其沿渠的障碍物。
进一步地，巡检无人机根据航迹模型并双目识别设备形成机载视频成像，发现障碍物，自动完成沿渠行进的三维路线的计算。
进一步地，所述三维路线计算逻辑为：实时获取巡检无人机的地理坐标，并将地理坐标传输至航迹模型内，根据航迹模型以及无人机的地理坐标实时规划全局路径，根据巡检无人机中双目识别设备和雷达实时获取探测信息，同时根据规划的全局路径预判航迹模型内下一节点是否存在障碍物的地理坐标，若存在，则进行重新进行全局路径规划。
进一步地，所述障碍物包括自然山峰、建筑、电力设施、以及雷达、火炮和被划分的禁飞区。
本发明具有如下有益效果：
本发明专用于水渠河道线路无人机设计的航迹规划，通过事先进行多无人机巡检观察获取水渠河道现场障碍物信息建立航迹模型，无人机根据航迹模型来生成巡检路线，最终规划有效的可行的航迹，降低飞行风险。
附图说明：
图 1 为本发明流程图。
具体实施方式：
下面结合附图对本发明作进一步的说明。
如图1所示，本发明一种用于水渠河道线路巡检无人机的三维航迹规划方法，包括如下步骤：
步骤1：对待巡检的水渠河道进行多无人机巡检观察，获取待巡检水渠河道中障碍物的低空影像以及障碍物的地理坐标；多无人机在待巡检的水渠河道进行巡检观察时，采用贴近巡检观察原则，巡检观察水渠河道及其沿渠的障碍物。
采用多台无人机进行巡检，协同覆盖式航巡检观察，多角度多方位的确定并记录障碍物的位置，通过将地图网格化处理和障碍物坐标向网格节点的整合，最终获得待巡检水渠河道的影像。
本发明涉及的障碍物包括自然山峰、建筑、电力设施、以及雷达、火炮和被划分的禁飞区。
步骤2：将获取障碍物的低空影像以及对应的地理坐标上传至后台服务器，在后台服务器中对障碍物进行位置标记，然后在后台服务器中生成地理信息数据。
步骤3：在后台服务器中建立无人机航迹模型，并将建立的航迹模型输入至待线路巡检的无人机内；
在建立的无人机航迹模型内模拟无人机的飞行，并记录飞行飞行所需要的最大拐弯角约束、航迹段直飞距离最小化约束、最低最高飞行高度的约束等这些基本条件。
最大拐弯角约束是指无人机只能在水平面内小于或等于指定的最大转弯角内转弯，目的是在有限的方位上选取候选顶点，从而选出合适的候选节点。
航迹段直飞距离最小化约束是指无人机在改变飞行的姿态之前，按目前的航迹方向飞行的最短航程。
最低最高飞行高度约束是无人机的飞行高度不能无限制的过快变化，由此可见，在航迹模型内的模拟飞行，可以进一步获取无人机的实际巡检情况。
步骤4： 输入航迹模型的线路巡检无人机通过GPS模块接收卫星传送的位置坐标，进行其自身在巡检航迹内的初步定位。
步骤5：在巡检现场搭建RTK基站，巡检无人机RTK模块通过RTK网络获取精确差分定位信号。
通过无人机自身GPS以及现场搭建RTK基站，双重定位，更精准的获取无人机的坐标信息。
步骤6：巡检无人机结合航迹模型以及自身雷达的辅助，最终完成障碍物的避障航线拾取和计算；
步骤7：巡检无人机根据双目识别设备识别到的水渠河道特征，生成经过优化的水渠河道无人机巡检路线。
巡检无人机根据航迹模型并双目识别设备形成机载视频成像，发现障碍物，自动完成沿渠行进的三维路线的计算。
三维路线计算逻辑为：实时获取巡检无人机的地理坐标，并将地理坐标传输至航迹模型内，根据航迹模型以及无人机的地理坐标实时规划全局路径，根据巡检无人机中双目识别设备和雷达实时获取探测信息，同时根据规划的全局路径预判航迹模型内下一节点是否存在障碍物的地理坐标，若存在，则进行重新进行全局路径规划。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。
Claims (5)
1.一种用于水渠河道线路巡检无人机的三维航迹规划方法，其特征在于：包括
步骤1：对待巡检的水渠河道进行多无人机巡检观察，获取待巡检水渠河道中障碍物的低空影像以及障碍物的地理坐标；
步骤2：将获取障碍物的低空影像以及对应的地理坐标上传至后台服务器，在后台服务器中对障碍物进行位置标记，然后在后台服务器中生成地理信息数据；
步骤3：在后台服务器中建立无人机航迹模型，并将建立的航迹模型输入至待线路巡检的无人机内；
步骤4： 输入航迹模型的线路巡检无人机通过GPS模块接收卫星传送的位置坐标，进行其自身在巡检航迹内的初步定位；
步骤5：在巡检现场搭建RTK基站，巡检无人机RTK模块通过RTK网络获取精确差分定位信号；
步骤6：巡检无人机结合航迹模型以及自身雷达的辅助，最终完成障碍物的避障航线拾取和计算；
步骤7：巡检无人机根据双目识别设备识别到的水渠河道特征，生成经过优化的水渠河道无人机巡检路线。
2.如权利要求1所述的用于水渠河道线路巡检无人机的三维航迹规划方法，其特征在于：多无人机在待巡检的水渠河道进行巡检观察时，采用贴近巡检观察原则，巡检观察水渠河道及其沿渠的障碍物。
3.如权利要求1所述的用于水渠河道线路巡检无人机的三维航迹规划方法，其特征在于：巡检无人机根据航迹模型并双目识别设备形成机载视频成像，发现障碍物，自动完成沿渠行进的三维路线的计算。
4.如权利要求3所述的用于水渠河道线路巡检无人机的三维航迹规划方法，其特征在于：所述三维路线计算逻辑为：实时获取巡检无人机的地理坐标，并将地理坐标传输至航迹模型内，根据航迹模型以及无人机的地理坐标实时规划全局路径，根据巡检无人机中双目识别设备和雷达实时获取探测信息，同时根据规划的全局路径预判航迹模型内下一节点是否存在障碍物的地理坐标，若存在，则进行重新进行全局路径规划。
5.如权利要求1所述的用于水渠河道线路巡检无人机的三维航迹规划方法，其特征在于：所述障碍物包括自然山峰、建筑、电力设施、以及雷达、火炮和被划分的禁飞区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211468738.1A CN115824215A (zh) | 2022-11-22 | 2022-11-22 | 一种用于水渠河道线路巡检无人机的三维航迹规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211468738.1A CN115824215A (zh) | 2022-11-22 | 2022-11-22 | 一种用于水渠河道线路巡检无人机的三维航迹规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115824215A true CN115824215A (zh) | 2023-03-21 |
Family
ID=85530301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211468738.1A Pending CN115824215A (zh) | 2022-11-22 | 2022-11-22 | 一种用于水渠河道线路巡检无人机的三维航迹规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115824215A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876624A (zh) * | 2024-03-13 | 2024-04-12 | 纵古(江苏)智能科技有限公司 | 基于无人机遥感影像的复杂环境航迹规划方法 |
| CN118379621A (zh) * | 2024-04-15 | 2024-07-23 | 淮阴工学院 | 一种基于无人机的大坝表面病害识别方法及系统 |
-
2022
- 2022-11-22 CN CN202211468738.1A patent/CN115824215A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876624A (zh) * | 2024-03-13 | 2024-04-12 | 纵古(江苏)智能科技有限公司 | 基于无人机遥感影像的复杂环境航迹规划方法 |
| CN117876624B (zh) * | 2024-03-13 | 2024-05-07 | 纵古(江苏)智能科技有限公司 | 基于无人机遥感影像的复杂环境航迹规划方法 |
| CN118379621A (zh) * | 2024-04-15 | 2024-07-23 | 淮阴工学院 | 一种基于无人机的大坝表面病害识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10962650B2 (en) | Polyhedral geofences | |
| CN115824215A (zh) | 一种用于水渠河道线路巡检无人机的三维航迹规划方法 | |
| EP3255460A1 (en) | On-board backup and anti-spoofing gps system | |
| KR101160454B1 (ko) | 무인항공기의 자세 제어를 이용한 3ｄ 공간정보구축 방법 | |
| CN110888453A (zh) | 一种基于LiDAR数据构建三维实景的无人机自主飞行方法 | |
| AU2020388371B2 (en) | Map including data for routing aerial vehicles during GNSS failure | |
| KR102195179B1 (ko) | 항공사진을 이용한 정사영상 구축방법 | |
| CN114003997B (zh) | 一种BIM与Vissim融合的施工交通组织三维仿真模拟方法 | |
| Cledat et al. | Mapping GNSS restricted environments with a drone tandem and indirect position control | |
| Vetrella et al. | Autonomous flight in GPS-challenging environments exploiting multi-UAV cooperation and vision-aided navigation | |
| Meguro et al. | Development of an autonomous mobile surveillance system using a network-based RTK-GPS | |
| CN110989670B (zh) | 一种用于输变电工程环水保监测的无人机系统及其航拍方法 | |
| CN112286228A (zh) | 无人机三维可视化避障方法及系统 | |
| Chakrabarty et al. | Autonomous flight for multi-copters flying in UTM-TCL4+ sharing common airspace | |
| CN114018244B (zh) | 一种基于无人机光电平台的目标跟踪航路生成方法 | |
| CN109444915B (zh) | 一种基于激光雷达数据的危险区域预判方法 | |
| KR20220158570A (ko) | 드론을 이용한 3차원 지도 제작 방법 | |
| Xia et al. | Robust self-localization system based on multi-sensor information fusion in city environments | |
| CN115202383B (zh) | 一种无人机多维航迹表达及生成方法 | |
| CN115525062A (zh) | 面向返回式航天器测量任务无人机实时在线航迹规划方法 | |
| CN113687398A (zh) | 一种基于北斗差分定位的无人机跟瞄通信系统及方法 | |
| Petrakis et al. | Precision mapping through an RGB-Depth camera and deep learning | |
| Ishii et al. | Autonomous UAV flight using the Total Station Navigation System in Non-GNSS Environments | |
| Cagara et al. | A feature-based underwater path planning approach using multiple perspective prior maps | |
| Huang et al. | Driving in unknown areas: From UAV images to map for autonomous vehicles |
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 |