CN116206094A - 风机扇叶角度测量方法、装置、系统及电子设备 - Google Patents

风机扇叶角度测量方法、装置、系统及电子设备 Download PDF

Info

Publication number
CN116206094A
CN116206094A CN202310480882.5A CN202310480882A CN116206094A CN 116206094 A CN116206094 A CN 116206094A CN 202310480882 A CN202310480882 A CN 202310480882A CN 116206094 A CN116206094 A CN 116206094A
Authority
CN
China
Prior art keywords
fan
image
angle
fan blade
aerial vehicle
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.)
Granted
Application number
CN202310480882.5A
Other languages
English (en)
Other versions
CN116206094B (zh
Inventor
洪流
李小飞
柴东元
童铸
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.)
Snegrid Electric Technology Co ltd
Original Assignee
Snegrid Electric 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 Snegrid Electric Technology Co ltd filed Critical Snegrid Electric Technology Co ltd
Priority to CN202310480882.5A priority Critical patent/CN116206094B/zh
Publication of CN116206094A publication Critical patent/CN116206094A/zh
Application granted granted Critical
Publication of CN116206094B publication Critical patent/CN116206094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种风机扇叶角度测量方法、装置、系统及电子设备。其中，方法包括：控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。该方法，可以避免扇叶角度测量误差。

Description

风机扇叶角度测量方法、装置、系统及电子设备
技术领域
本发明涉及角度测量技术领域，尤其涉及一种风机扇叶角度测量方法、装置、系统及电子设备。
背景技术
相关技术中的测量风机扇叶角度的方法通常是采用激光雷达生成扇叶的点云图，通过对点云图的处理生成扇叶图，再通过测量扇叶根部和尖端的坐标位置信息，利用三角函数来进行角度的计算。这样的方法由于扇叶本身存在宽度，计算得到的角度存在误差，且该误差不是机械线性误差，而是随机误差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明第一个目的在于提出一种风机扇叶角度测量方法，以避免扇叶角度测量误差。
本发明第二个目的在于提出一种电子设备。
本发明第三个目的在于提出一种风机扇叶角度测量装置。
本发明第四个目的在于提出一种风机扇叶角度测量系统。
为达到上述目的，本发明第一方面实施例提出了一种风机扇叶角度测量方法，所述方法包括：控制无人机以俯视视角对风机进行拍摄，得到第一图像；对所述第一图像进行识别处理，识别得到所述风机的风机旋转中轴；生成所述风机旋转中轴的最小外接正矩形和最小外接矩形，根据所述最小外接正矩形和最小外接矩形得到旋转偏移角度；根据所述旋转偏移角度将所述无人机的拍摄视角调整为目标拍摄视角，其中，所述目标拍摄视角为正对所述风机的视角；控制所述无人机以所述目标拍摄视角对所述风机进行拍摄，得到所述风机的第二图像，根据所述第二图像得到所述风机的扇叶角度。
为达到上述目的，本发明第二方面实施例提出了一种电子设备，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被所述处理器执行时，实现上述的风机扇叶角度测量方法。
为达到上述目的，本发明第三方面实施例提出了一种风机扇叶角度测量装置，所述装置包括：拍摄模块，用于控制无人机以俯视视角对风机进行拍摄，得到第一图像，以及控制所述无人机以目标拍摄视角对所述风机进行拍摄，得到所述风机的第二图像；识别模块，用于对所述第一图像进行识别处理，识别得到所述风机的风机旋转中轴；生成模块，用于生成所述风机旋转中轴的最小外接正矩形和最小外接矩形；获取模块，用于根据所述最小外接正矩形和最小外接矩形得到旋转偏移角度，并根据所述旋转偏移角度将所述无人机的拍摄视角调整为目标拍摄视角，其中，所述目标拍摄视角为正对所述风机的视角；还用于根据所述第二图像得到所述风机的扇叶角度。
为达到上述目的，本发明第四方面实施例提出了一种风机扇叶角度测量系统，包括上述的风机扇叶角度测量装置。
根据本发明实施例的风机扇叶角度测量方法、装置、系统及电子设备，控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。通过该方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明一个或多个实施例的风机扇叶角度测量方法的流程图；
图2是本发明一个示例的风机扇叶角度测量方法的示意图；
图3是本发明一个或多个实施例的风机扇叶角度测量方法的流程图；
图4是本发明一个或多个实施例的风机扇叶角度测量方法的流程图；
图5是本发明另一个示例的风机扇叶角度测量方法的示意图；
图6是本发明实施例的风机扇叶角度测量装置的结构框图；
图7是本发明实施例的风机扇叶角度测量系统的结构框图。
具体实施方式
下面参考附图描述本发明实施例的风机扇叶角度测量方法、装置、系统及电子设备，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。参考附图描述的实施例是示例性的，不能理解为对本发明的限制。
图1是本发明一个或多个实施例的风机扇叶角度测量方法的流程图。
如图1所示，风机扇叶角度测量方法，包括：
S11，控制无人机以俯视视角对风机进行拍摄，得到第一图像。
S12，对第一图像进行识别处理，识别得到风机的风机旋转中轴。
S13，生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度。
S14，根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角。
S15，控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。
为了精准测量风机扇叶角度，需要将无人机正对风机，以避免扇叶宽度对测量构成影响。而为了实现将无人机正对风机，首先控制无人机以俯视视角对无人机进行拍摄，得到第一图像。在得到第一图像后，对第一图像中的风机进行目标识别，识别得到第一图像中的风机旋转中轴。上述对第一图像中的风机进行目标识别可以为根据预设的目标识别算法进行识别，比如采用YOLO（You Only Look Once，目标检测算法）中的YOLOV5，进一步可以采用YOLOV5s，深度最小，特征图的宽度最小，在保证精度的同时推理速度更快。
在识别得到风机的风机旋转中轴后，构建得到风机旋转中轴的最小外接正矩形和最小外接矩形。根据最小外接正矩形，可以得到无人机当前朝向，根据最小外接矩形，可以得到无人机正对风机所需要的朝向，从而可以根据最小外接矩形和最小外接正矩形得到旋转偏移角度。
上述旋转偏移角度为无人机与风机的空间夹角度数，从而可以根据旋转偏移角度使无人机正对风机，使得无人机可以以正对风机的视角对风机进行拍摄，得到第二图像，使得拍摄得到的第二图像可以避免扇叶宽度的干扰，从而根据第二图像得到风机的扇叶角度，可以避免误差。
由此，控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。通过该方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
在本发明一个或多个实施例中，对第一图像进行识别处理，识别得到风机的风机旋转中轴，包括：采用YOLOV5算法对第一图像进行目标检测，得到风机旋转中轴所处的区域；对区域进行分割处理，得到风机旋转中轴。
具体的，在得到第一图像后，首先基于YOLOV5的目标检测算法，定位出风机旋转中轴的位置，然后再对检测出来的区域做分割处理，识别出风机旋转中轴的边缘信息，获取轮廓，从而可以在获取到的轮廓的基础上做最小外接矩形。
其中，为了获取轮廓，可以在YOLOV5目标检测的基础上添加分割头用于语义分割。具体而言，可以在Neck（一系列混合和组合图像特征的网络层）的SSPF（金字塔池化模块）网络结构中添加扇形分割头用来对像素进行分类，参见图2，从而达到分割的目的。
图2中为在YOLOV5中，使用了一种名为PANet的特征融合模块作为Neck模块的具体实施例，其中，1/4表示扇形分割头，1/2表示其他区域的分割头，Neck模块通常被用于将不同层级的特征图结合起来，生成具有多尺度信息的特征图，以提高目标检测的准确率。网络结构中不但包括Neck，还包括Backbone（骨干网络）和Head（检测头），其中Backbone骨干网络是指用来提取图像特征的网络，它的主要作用是将原始的输入图像转化为多层特征图，以便后续的目标检测任务使用，在YOLOV5中，使用的是CSPDarknet53或ResNet骨干网络，这两个网络都是相对轻量级的，能够在保证较高检测精度的同时，尽可能地减少计算量和内存占用。Backbone中的主要结构有Conv模块、C3模块、SPPF模块。目标检测头是用来对特征金字塔进行目标检测的部分，它包括了一些卷积层、池化层和全连接层等。在YOLOV5模型中，检测头模块主要负责对骨干网络提取的特征图进行多尺度目标检测。
SSPF的作用是对高层特征提取并融合，在融合的过程中多次运用最大池化，尽可能多地去提取高层次的语义特征。
由此，可以实现避免周围环境光照等因素对轮廓识别产生干扰，进一步避免误差，获得更好的鲁棒性，实现相较于相关技术如opencv（Open Source Computer VisionLibrary，计算机视觉函数库）轮廓识别更好的效果。
作为一个示例，在进行边缘分割后，可以根据分割结果生成mask图（选定区域内为白色，选定区域外为黑色的图），进而通过findContours（）函数识别出轮廓，再通过boundingRect()函数返回x、y、w、h四个值，x、y分别代表矩阵左上角点的坐标，w、h是矩阵的宽和高。接下来便是用minAreaRect（）函数来计算轮廓的最小外接矩形，然后获取最小外接矩形四个顶点画出矩形框。
而且，还可以由rectangle（）函数生成轮廓的最小外接正矩，用minAreaRect（）函数来计算轮廓的最小外接矩形，并可以通过resultRect.angle（）函数计算旋转偏移角度。
在本发明一个或多个实施例中，参见图3，控制无人机以目标拍摄视角对风机进行拍摄，得到第二图像，包括：
S31，控制无人机在预设的第一拍摄位置以目标拍摄视角对风机进行拍摄，得到第三图像。
S32，根据第三图像得到中轴位置。
其中，中轴位置为第三图像中风机旋转中轴的位置。
S33，根据中轴位置得到第二拍摄位置。
S34，控制无人机在第二拍摄位置以目标拍摄视角对风机进行拍摄，得到第二图像。
其中，第一拍摄位置和第二拍摄位置与风机之间的距离均为预设距离。
具体的，在将无人机的拍摄视角调整为目标拍摄视角之后，还需要对无人机进行位置校准。设置无人机自带如GPS（Global Positioning System，全球定位系统）定位之类的定位装置，并预先设置无人机与风机之间的距离。控制无人机在预设距离上以目标拍摄视角对风机进行拍摄，得到第三图像，对第三图像进行目标识别，得到在第三图像中风机旋转中轴的位置，从而根据第三图像中风机旋转中轴的位置对无人机的拍摄位置进行调整，实现无人机拍摄得到的图像中，风机旋转中轴位于图像的中心。
在本发明一个或多个实施例中，根据中轴位置得到第二拍摄位置，包括：根据中轴位置对第一拍摄位置进行调整，并在每次调整后均对风机进行拍摄，得到新的第三图像，以及根据新的第三图像更新中轴位置，直至中轴位置位于对应的第三图像的中心，并将对应的拍摄位置作为第二拍摄位置。
在本发明一个或多个实施例中，根据第二图像得到风机的扇叶角度，包括：对第二图像进行分割处理，得到风机的扇叶；生成扇叶的最小外接矩形，根据扇叶的最小外接矩形得到扇叶角度。
其中，在对第二图像进行分割处理后，可以根据分割得到的结果生成mask图，此时，风机扇叶角度测量方法可以参见图4。
由此，可以得到精确的风机扇叶角度。
在本发明一个或多个实施例中，采用YOLOV5算法对第二图像进行分割处理。
作为一个示例，假设使用yolov5-seg模型，在该模型中，为了进行训练准备的TXT文件中包含类别与seg点位，在实际训练的过程中，seg点位会被转换为检测用的矩阵框信息。在yolov5s-seg模型下，图像重置大小设置为640，将图像与标签输入模型后得到pred与proto。
其中，seg点位为对图像进行标注，沿着扇叶边缘对像素进行分类，再用一个最小的正矩形框框住所区分的像素类别，也就是目标检测框。标签文件包含类别，以及分割像素点的坐标信息。proto是预测的形状,pred是具体位置信息，pred特征图预测的后32为(1,3,80,80,5+80+32)表示掩码预测，proto掩码特征图，在前面模型头。预测(32,160,160)要预测32个掩码坐标，所以通道是32，表示32个特征。pred形状为[1,22680,38]，经过NMS（NonMaximum Suppression，非极大值抑制算法）后得到检测框信息，每个检测框形状为[1,38]，向量中0-3为检测框位置，4为检测框的置信度，5为分类，6-37为mask（掩模）协方差系数。proto的形状为[1,32,160,144]，(160,144)是输入图像下采样两次后的大小。mask的求取方法为用pred中的mask的协方差系数，与proto做矩阵乘法，得到mask的具体输出，大小为[1,160,144]，再经过crop_mask（切片、掩模），只保留检测框范围内的数据，最后经过上采样，大小为[1,640,576]。
在完成训练后，即可使用训练完成的yolov5-seg模型对第二图像进行分割处理。
在本发明一个或多个实施例中，在生成扇叶的最小外接矩形之前，风机扇叶角度测量方法还包括：对扇叶进行腐蚀和膨胀处理。
上述腐蚀为侵蚀前景物体的边界，并从图像中移除小规模的细节，但同时会减少感兴趣区域的大小。在该操作中，对图像中任意形状的奇数大小的卷积核进行卷积，如果核下的所有像素都为1，则认为原始图像中的像素(1或0)为1，否则将其侵蚀，即使其为零。因此，根据内核的大小，所有靠近边界的像素都将被丢弃。因此前景物体的厚度或大小减小或者图像中的白色区域减小。因而，通过对扇叶进行腐蚀处理，可以去除小的白噪声。
但是腐蚀处理会在去除白噪声的同时缩小我们的物体，因而需要对腐蚀后的扇叶进行膨胀处理。由于噪音已经在腐蚀处理中消失，因而膨胀处理可以实现仅增加目标面积。
膨胀或者腐蚀操作就是将图像（或图像的一部分区域，即图5中的图像A）与结构元素（即图5中的卷积核B）进行卷积。核可以是任何的形状和大小，拥有一个单独定义出来的参考点，即为锚点。多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘，可以把核视为模板或者掩码。膨胀就是求局部最大值的操作，核B与图像卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。
在分割得到扇叶后，可以按照风机旋转中轴处为坐标原点，将画面分为四个象限。然后依次将每片扇叶生成的mask图经过简单的腐蚀、膨胀处理，然后利用图像算法中的最小外接矩形来计算角度。
综上，本发明实施例的风机扇叶角度测量方法，控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。通过该方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
进一步地，本发明提出一种电子设备。
在本发明实施例中，电子设备，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时，实现上述的风机扇叶角度测量方法。
本发明实施例的电子设备，通过实现上述的风机扇叶角度测量方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
进一步地，本发明提出一种风机扇叶角度测量装置。
图6是本发明实施例的风机扇叶角度测量装置的结构框图。
如图6所示，风机扇叶角度测量装置100，包括：
拍摄模块101，用于控制无人机以俯视视角对风机进行拍摄，得到第一图像，以及控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像；
识别模块102，用于对第一图像进行识别处理，识别得到风机的风机旋转中轴；
生成模块103，用于生成风机旋转中轴的最小外接正矩形和最小外接矩形；
获取模块104，用于根据最小外接正矩形和最小外接矩形得到旋转偏移角度，并根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；还用于根据第二图像得到风机的扇叶角度。
需要说明的是，本发明实施例的风机扇叶角度测量装置的其他具体实施方式，可以参见上述实施例的风机扇叶角度测量方法。
本发明实施例的风机扇叶角度车辆装置，控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。通过该方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
进一步地，本发明提出一种风机扇叶角度测量系统。
图7是本发明实施例的风机扇叶角度测量系统的结构框图。
如图7所示，风机扇叶角度测量系统10，包括上述的风机扇叶角度测量装置100。
本发明实施例的风机扇叶角度测量系统，通过上述的风机扇叶角度测量装置，控制无人机以俯视视角对风机进行拍摄，得到第一图像；对第一图像进行识别处理，识别得到风机的风机旋转中轴；生成风机旋转中轴的最小外接正矩形和最小外接矩形，根据最小外接正矩形和最小外接矩形得到旋转偏移角度；根据旋转偏移角度将无人机的拍摄视角调整为目标拍摄视角，其中，目标拍摄视角为正对风机的视角；控制无人机以目标拍摄视角对风机进行拍摄，得到风机的第二图像，根据第二图像得到风机的扇叶角度。通过该方法，可以实现以正对风机的视角对风机进行拍摄，排除扇叶宽度的干扰，得到第二图像，根据第二图像得到风机的扇叶角度，从而可以避免误差。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本说明书的描述中，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，除非另有说明，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种风机扇叶角度测量方法，其特征在于，所述方法包括：
控制无人机以俯视视角对风机进行拍摄，得到第一图像；
对所述第一图像进行识别处理，识别得到所述风机的风机旋转中轴；
生成所述风机旋转中轴的最小外接正矩形和最小外接矩形，根据所述最小外接正矩形和最小外接矩形得到旋转偏移角度；
根据所述旋转偏移角度将所述无人机的拍摄视角调整为目标拍摄视角，其中，所述目标拍摄视角为正对所述风机的视角；
控制所述无人机以所述目标拍摄视角对所述风机进行拍摄，得到所述风机的第二图像，根据所述第二图像得到所述风机的扇叶角度。
2.根据权利要求1所述的风机扇叶角度测量方法，其特征在于，所述对所述第一图像进行识别处理，识别得到所述风机的风机旋转中轴，包括：
采用YOLOV5算法对所述第一图像进行目标检测，得到所述风机旋转中轴所处的区域；
对所述区域进行分割处理，得到所述风机旋转中轴。
3.根据权利要求1所述的风机扇叶角度测量方法，其特征在于，所述控制所述无人机以所述目标拍摄视角对所述风机进行拍摄，得到第二图像，包括：
控制所述无人机在预设的第一拍摄位置以所述目标拍摄视角对所述风机进行拍摄，得到第三图像；
根据所述第三图像得到中轴位置，其中，所述中轴位置为所述第三图像中所述风机旋转中轴的位置；
根据所述中轴位置得到第二拍摄位置；
控制所述无人机在所述第二拍摄位置以所述目标拍摄视角对所述风机进行拍摄，得到所述第二图像；
其中，所述第一拍摄位置和所述第二拍摄位置与所述风机之间的距离均为预设距离。
4.根据权利要求3所述的风机扇叶角度测量方法，其特征在于，所述根据所述中轴位置得到第二拍摄位置，包括：
根据所述中轴位置对所述第一拍摄位置进行调整，并在每次调整后均对所述风机进行拍摄，得到新的第三图像，以及根据新的第三图像更新所述中轴位置，直至所述中轴位置位于对应的第三图像的中心，并将对应的拍摄位置作为所述第二拍摄位置。
5.根据权利要求1所述的风机扇叶角度测量方法，其特征在于，所述根据所述第二图像得到所述风机的扇叶角度，包括：
对所述第二图像进行分割处理，得到所述风机的扇叶；
生成所述扇叶的最小外接矩形，根据所述扇叶的最小外接矩形得到所述扇叶角度。
6.根据权利要求5所述的风机扇叶角度测量方法，其特征在于，在所述生成所述扇叶的最小外接矩形之前，所述方法还包括：
对所述扇叶进行腐蚀和膨胀处理。
7.根据权利要求5所述的风机扇叶角度测量方法，其特征在于，采用YOLOV5算法对所述第二图像进行分割处理。
8.一种电子设备，其特征在于，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7中任一项所述的风机扇叶角度测量方法。
9.一种风机扇叶角度测量装置，其特征在于，所述装置包括：
拍摄模块，用于控制无人机以俯视视角对风机进行拍摄，得到第一图像，以及控制所述无人机以目标拍摄视角对所述风机进行拍摄，得到所述风机的第二图像；
识别模块，用于对所述第一图像进行识别处理，识别得到所述风机的风机旋转中轴；
生成模块，用于生成所述风机旋转中轴的最小外接正矩形和最小外接矩形；
获取模块，用于根据所述最小外接正矩形和最小外接矩形得到旋转偏移角度，并根据所述旋转偏移角度将所述无人机的拍摄视角调整为目标拍摄视角，其中，所述目标拍摄视角为正对所述风机的视角；还用于根据所述第二图像得到所述风机的扇叶角度。
10.一种风机扇叶角度测量系统，其特征在于，包括如权利要求9所述的风机扇叶角度测量装置。
CN202310480882.5A 2023-04-28 2023-04-28 风机扇叶角度测量方法、装置、系统及电子设备 Active CN116206094B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310480882.5A CN116206094B (zh) 2023-04-28 2023-04-28 风机扇叶角度测量方法、装置、系统及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310480882.5A CN116206094B (zh) 2023-04-28 2023-04-28 风机扇叶角度测量方法、装置、系统及电子设备

Publications (2)

Publication Number Publication Date
CN116206094A true CN116206094A (zh) 2023-06-02
CN116206094B CN116206094B (zh) 2023-07-21

Family

ID=86513254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310480882.5A Active CN116206094B (zh) 2023-04-28 2023-04-28 风机扇叶角度测量方法、装置、系统及电子设备

Country Status (1)

Country Link
CN (1) CN116206094B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351062A (zh) * 2023-12-04 2024-01-05 尚特杰电力科技有限公司 风机扇叶缺陷诊断方法、装置、系统及电子设备

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040013524A1 (en) * 2000-07-04 2004-01-22 Aloys Wobben Method for determining the angle of a rotor blade pertaining to a wind energy installation
US20150369218A1 (en) * 2013-01-24 2015-12-24 Wobben Properties Gmbh Method for measuring a rotor-blade angle
US20190072082A1 (en) * 2016-03-14 2019-03-07 Ventus Engineering GmbH Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed
JP2019073999A (ja) * 2017-10-13 2019-05-16 三菱重工業株式会社 飛翔体を用いた風力発電設備の検査システム及び検査方法
US20190370999A1 (en) * 2018-05-31 2019-12-05 Shanghai Clobotics Technology Co., Ltd. Method, system and equipment for automatically detecting and tracking blade
CN110879601A (zh) * 2019-12-06 2020-03-13 电子科技大学 一种对于未知风机结构的无人机巡检方法
KR102089562B1 (ko) * 2019-03-12 2020-03-16 군산대학교산학협력단 드론을 이용한 풍력발전기 점검방법
CN111830845A (zh) * 2020-04-30 2020-10-27 航天图景（北京）科技有限公司 一种无人机风机叶片自动巡检仿真系统及方法
CN113723192A (zh) * 2021-07-30 2021-11-30 鹏城实验室 一种风机运行状态下叶片图像采集方法
CN114020002A (zh) * 2021-12-20 2022-02-08 复亚智能科技(太仓)有限公司 无人机巡检风机叶片的方法、装置、设备、无人机及介质
CN114463648A (zh) * 2022-01-09 2022-05-10 中国长江三峡集团有限公司 一种基于纯视觉的保持风机叶片位于相机视野中间的方法
CN114740895A (zh) * 2022-05-18 2022-07-12 福建海电运维科技有限责任公司 一种基于无人机的风力发电机组叶片巡检路径规划方法
CN115097867A (zh) * 2022-08-23 2022-09-23 无锡海纳智能科技有限公司 一种风机巡检航线下无人机拍摄姿态的确定方法
CN115250329A (zh) * 2021-04-28 2022-10-28 深圳市三诺数字科技有限公司 摄像头的控制方法、装置、计算机设备及存储介质
CN115546170A (zh) * 2022-10-17 2022-12-30 风脉能源（武汉）股份有限公司 一种基于激光测距的风机叶片缺陷定位方法及系统
CN115586789A (zh) * 2022-11-29 2023-01-10 成都睿铂科技有限责任公司 基于视觉的风力发电机巡检无人机悬停点确认及巡检方法
CN115690627A (zh) * 2022-11-03 2023-02-03 安徽大学 一种航拍图像旋转目标的检测方法及系统
JP7231877B1 (ja) * 2022-08-31 2023-03-02 岩崎通信機株式会社 角度計測装置、角度計測方法、角度計測プログラム
CN115791796A (zh) * 2022-11-29 2023-03-14 成都睿铂科技有限责任公司 一种基于无人机的风力发电机巡检方法及装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040013524A1 (en) * 2000-07-04 2004-01-22 Aloys Wobben Method for determining the angle of a rotor blade pertaining to a wind energy installation
US20150369218A1 (en) * 2013-01-24 2015-12-24 Wobben Properties Gmbh Method for measuring a rotor-blade angle
US20190072082A1 (en) * 2016-03-14 2019-03-07 Ventus Engineering GmbH Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed
JP2019073999A (ja) * 2017-10-13 2019-05-16 三菱重工業株式会社 飛翔体を用いた風力発電設備の検査システム及び検査方法
US20190370999A1 (en) * 2018-05-31 2019-12-05 Shanghai Clobotics Technology Co., Ltd. Method, system and equipment for automatically detecting and tracking blade
KR102089562B1 (ko) * 2019-03-12 2020-03-16 군산대학교산학협력단 드론을 이용한 풍력발전기 점검방법
CN110879601A (zh) * 2019-12-06 2020-03-13 电子科技大学 一种对于未知风机结构的无人机巡检方法
CN111830845A (zh) * 2020-04-30 2020-10-27 航天图景（北京）科技有限公司 一种无人机风机叶片自动巡检仿真系统及方法
CN115250329A (zh) * 2021-04-28 2022-10-28 深圳市三诺数字科技有限公司 摄像头的控制方法、装置、计算机设备及存储介质
CN113723192A (zh) * 2021-07-30 2021-11-30 鹏城实验室 一种风机运行状态下叶片图像采集方法
CN114020002A (zh) * 2021-12-20 2022-02-08 复亚智能科技(太仓)有限公司 无人机巡检风机叶片的方法、装置、设备、无人机及介质
CN114463648A (zh) * 2022-01-09 2022-05-10 中国长江三峡集团有限公司 一种基于纯视觉的保持风机叶片位于相机视野中间的方法
CN114740895A (zh) * 2022-05-18 2022-07-12 福建海电运维科技有限责任公司 一种基于无人机的风力发电机组叶片巡检路径规划方法
CN115097867A (zh) * 2022-08-23 2022-09-23 无锡海纳智能科技有限公司 一种风机巡检航线下无人机拍摄姿态的确定方法
JP7231877B1 (ja) * 2022-08-31 2023-03-02 岩崎通信機株式会社 角度計測装置、角度計測方法、角度計測プログラム
CN115546170A (zh) * 2022-10-17 2022-12-30 风脉能源（武汉）股份有限公司 一种基于激光测距的风机叶片缺陷定位方法及系统
CN115690627A (zh) * 2022-11-03 2023-02-03 安徽大学 一种航拍图像旋转目标的检测方法及系统
CN115586789A (zh) * 2022-11-29 2023-01-10 成都睿铂科技有限责任公司 基于视觉的风力发电机巡检无人机悬停点确认及巡检方法
CN115791796A (zh) * 2022-11-29 2023-03-14 成都睿铂科技有限责任公司 一种基于无人机的风力发电机巡检方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WANRUN LI ET.AL: "Dynamic Characteristics Monitoring of Large Wind Turbine Blades Based on Target-Free DSST Vision Algorithm and UAV", 《REMOTE SENSING》, pages 1 - 25 *
张昕尧: "基于地面拍摄图像的风机叶片表面损伤精准检测技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
贺斌等: "无人机在风机叶片检测中的应用", 《电工技术 》, no. 13, pages 64 - 65 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351062A (zh) * 2023-12-04 2024-01-05 尚特杰电力科技有限公司 风机扇叶缺陷诊断方法、装置、系统及电子设备
CN117351062B (zh) * 2023-12-04 2024-02-23 尚特杰电力科技有限公司 风机扇叶缺陷诊断方法、装置、系统及电子设备

Also Published As

Publication number Publication date
CN116206094B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
KR102414452B1 (ko) 목표 검출 및 목표 검출 네트워크의 훈련
CN107844750A (zh) 一种水面全景图像目标检测识别方法
CN111862201B (zh) 一种基于深度学习的空间非合作目标相对位姿估计方法
CN109657686B (zh) 车道线生成方法、装置、设备以及存储介质
CN110473221B (zh) 一种目标物体自动扫描系统及方法
CN112464994B (zh) 基于PointNet网络的船艇尾浪识别与去除方法
CN115761550A (zh) 一种基于激光雷达点云和相机图像融合的水面目标检测方法
CN116206094B (zh) 风机扇叶角度测量方法、装置、系统及电子设备
CN113761999A (zh) 一种目标检测方法、装置、电子设备和存储介质
CN114332633B (zh) 雷达图像目标检测识别方法、设备和存储介质
CN115100616A (zh) 点云目标检测方法、装置、电子设备及存储介质
CN115097419A (zh) 一种激光雷达到imu的外参标定方法及装置
CN116740332B (zh) 基于区域检测的星上空间目标部件中心定位和测角方法
CN115965847A (zh) 交叉视角下多模态特征融合的三维目标检测方法和系统
CN115830140A (zh) 一种海上近程光电监控方法、系统、介质、设备及终端
CN115294322A (zh) 水下船底可疑目标检测方法、装置、电子设备及可读介质
CN114879180A (zh) 一种无人艇载多元多尺度雷达实时融合的无缝态势感知方法
CN112712062A (zh) 基于解耦截断物体的单目三维物体检测方法和装置
CN108363055B (zh) 一种雷达前视成像区域分割方法
CN115096196B (zh) 一种用于火箭回收的视觉测高测速方法、系统及存储介质
KR101723028B1 (ko) 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템
CN117419690B (zh) 一种无人船的位姿估计方法、装置及介质
CN111337939A (zh) 一种矩形物体外边框的估计方法及装置
CN111680565B (zh) 一种基于sar图像的港口区域舰船目标检测方法
JP7221456B2 (ja) 目標識別装置、目標識別方法およびプログラム

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