CN116225062A - 一种应用于桥梁巡检的无人机导航方法及无人机 - Google Patents
一种应用于桥梁巡检的无人机导航方法及无人机 Download PDFInfo
- Publication number
- CN116225062A CN116225062A CN202310251645.1A CN202310251645A CN116225062A CN 116225062 A CN116225062 A CN 116225062A CN 202310251645 A CN202310251645 A CN 202310251645A CN 116225062 A CN116225062 A CN 116225062A
- Authority
- CN
- China
- Prior art keywords
- data
- bridge
- inspection
- unmanned aerial
- inspected
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000007613 environmental effect Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000306 component Substances 0.000 description 28
- 230000000694 effects Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing 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
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)
- Navigation (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明提出一种应用于桥梁巡检的无人机导航方法及无人机,通过获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;获取所述待巡检桥梁的影响数据;根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;根据所述损害预测模型,生成巡检点集合;获取所述待巡检桥梁的当前环境数据;根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;根据所述巡检导航路线对执行巡检任务的无人机进行导航。通过本发明的方案,可以对待巡检桥梁制定合理的巡检路线以进行智能化的无人机导航,能够提高巡检的时效性、准确性和效率。
Description
技术领域
本发明涉及工业控制技术领域,具体涉及一种应用于桥梁巡检的无人机导航方法及无人机。
背景技术
桥梁巡检是确保桥梁结构安全、排除桥梁安全隐患、障桥梁安全畅通、减少灾害事故发生的关键。在实际的巡检过程中,由于桥梁所处地形一般比较复杂,因此给巡检带来了较大的难度。随着无人机技术的不断成熟,已有技术将无人机应用到桥梁巡检中来。然而,现有的无人机巡检方案的无人机导航方法不够智能且效率低下。
发明内容
本发明正是基于上述问题,提出了一种应用于桥梁巡检的无人机导航方法及无人机,通过本发明的方案,可以对待巡检桥梁制定合理的巡检路线以进行智能化的无人机导航,能够提高巡检的时效性、准确性和效率。
有鉴于此,本发明的一方面提出了一种应用于桥梁巡检的无人机导航方法,包括:
获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;
根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;
获取所述待巡检桥梁的影响数据;
根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;
根据所述损害预测模型,生成巡检点集合;
获取所述待巡检桥梁的当前环境数据;
根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;
根据所述巡检导航路线对执行巡检任务的无人机进行导航。
可选地,所述影响数据包括所在地的历史环境影响数据和所述待巡检桥梁的运维数据;
所述历史环境影响数据包括但不限于风力数据、空气成分数据、地质数据、河流水文数据、日照数据、降雨数据和气温数据;
所述历史运维数据包括但不限于车辆通行数据、事故数据(桥体)、桥体维护与修理数据、桥体振动数据;
所述车辆通行数据包括但不限于车辆载重数据、车辆摩擦数据、车辆数量;
所述方法还包括:
在所述待巡检桥梁上配置多个传感器组,并利用所述传感器组采集所述影响数据。
可选地,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
根据所述初始三维点云数据构建所述待巡检桥梁的初始三维模型;
从所述图纸数据和所述验收数据中提取所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据;
根据所述初始三维模型、所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据构建所述基本BIM模型。
可选地,所述根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型的步骤,包括:
从所述基本BIM模型获得所述待巡检桥梁的各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据、使用寿命数据和所述影响数据,确定所述待巡检桥梁的各部件的正常损害趋势特征数据和外力损害趋势特征数据;
根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征;
将所述损害趋势特征进行特征向量化得到第一向量数据;
利用所述第一向量数据对第一神经网络进行训练、测试与验证后,得到所述损害预测模型。
可选地,所述根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征的步骤,包括:
基于时间演进,将所述正常损害趋势特征数据和所述外力损害趋势特征数据融合,生成所述待巡检桥梁的各个部件在经过预设时间单位时的预期损害数据;
根据所述预期损害数据对所述待巡检桥梁的各个部件按预期被损害概率和预期被损害程度进行分类与排序,得到所述损害趋势特征。
可选地,所述根据所述损害预测模型,生成巡检点集合的步骤,包括:
根据巡检计划,确定巡检时间和所述待巡检桥梁的巡检区域;
根据所述巡检时间从所述损害预测模型中确定出与所述巡检时间对应的所有巡检点以及所述所有巡检点对应的部件名、部件中心坐标、检测内容、检测要求;
根据所述待巡检区域,从所述所有巡检点中确定出本次巡检任务对应的所有第一巡检点;
根据所述所有第一巡检点及所述所有第一巡检点对应的第一部件名、第一部件中心坐标、第一检测内容、第一检测要求生成所述巡检点集合。
可选地,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
从所述巡检点集合中提取出所述第一部件中心坐标;
根据所述当前环境数据、所述第一检测内容、所述第一检测要求以及执行巡检任务的无人机的属性数据,确定所述无人机的功耗数据和数据传输需求;
根据所述功耗数据和所述数据传输需求确定通信点坐标和充电点坐标;
所述当前环境数据确定无法通过点坐标;
根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标和的无法通过点坐标生成第一巡检路线;
根据所述第一巡检路线生成所述巡检导航路线。
可选地,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
获取无人机的当前位置信息和所述无人机的三维点云数据;
根据所述三维图像数据构建所述无人机的第一三维模型;
从所述第一三维模型上任取一点作为中心点生成包含所述第一三维模型上的所有坐标点的中心对称的立体三维模型,重复此步骤直至遍历所述第一三维模型上所有点;
从上一步骤得到的所有立体三维模型中选择出体积最小的作为所述无人机的无人机三维模型;
根据所述待巡检区域、所述基本BIM模型、所述无人机三维模型确定所述无人机的可通过区域;
根据所述当前位置信息、所述第一巡检路线和所述可通过区域生成所述巡检导航路线。
可选地,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
从所述待巡检桥梁的所述初始三维模型中识别出镂空区域;
在所述初始三维模型上对所述镂空区域对应的空白区域进行填充处理得到所述基本BIM模型;
对填充后的所述空白区域的所有坐标进行标记。
本发明的另一方面提供一种无人机,用于利用如前所述的应用于桥梁巡检的无人机导航方法执行桥梁巡检任务。
采用本发明的技术方案,通过获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;获取所述待巡检桥梁的影响数据;根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;根据所述损害预测模型,生成巡检点集合;获取所述待巡检桥梁的当前环境数据;根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;根据所述巡检导航路线对执行巡检任务的无人机进行导航。通过本发明的方案,可以对待巡检桥梁制定合理的巡检路线以进行智能化的无人机导航,能够提高巡检的时效性、准确性和效率。
附图说明
图1是本发明一个实施例提供的应用于桥梁巡检的无人机导航方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1来描述根据本发明一些实施方式提供的一种应用于桥梁巡检的无人机导航方法及无人机。
如图1所示,本发明一个实施例提供一种应用于桥梁巡检的无人机导航方法,包括:
获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;
在本步骤中,为了得到建立待巡检桥梁的BIM模型所需的数据,可以利用三维点云数据获取设备(如激光点云扫描设备)在待巡检桥梁建造过程中、建造完工时等阶段采集其三维点云数据,三维点云数据带有坐标信息、深度信息和颜色信息,能够为建立精确的BIM模型提供原始数据支持。同时,还可以从待巡检桥梁的设计图纸、建筑施工图纸、结构施工图纸等图纸数据以及验收数据、说明文档等文件中获取各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据等描述性/说明性数据。
根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;
在本步骤中,主要是利用所述初始三维点云数据构建出待巡检桥梁的初始三维模型,再将从所述图纸数据和所述验收数据中获取到的相关信息添加至初始三维模型,以构建所述待巡检桥梁的基本BIM模型,由此得到待巡检桥梁立体结构和文字方面的全面描述。
获取所述待巡检桥梁的影响数据;
在本步骤中,主要是获取对所述待巡检桥梁的物理结构具有损伤作用的相关数据,定义为影响数据,影响数据包括但不限于所在地的历史环境影响数据和所述待巡检桥梁的运维数据。所述影响数据可以通过设置于所述待巡检桥梁上的传感器组进行采集而得,传感器组包括但不限于温度传感器、振动传感器、摄像头、风力监测传感器、气体监测传感器、定位传感器等。
根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;
在本步骤中,可以根据所述基本BIM模型和所述影响数据,运用深度学习技术,构建所述待巡检桥梁的损害预测模型,以对所述待巡检桥梁的各部件的损害情况进行预测,进而方便对所述待巡检桥梁进行高针对性、高效性、高精度的巡检。
根据所述损害预测模型,生成巡检点集合;
在本步骤中,可以根据所述损害预测模型确定需要进行检查的所有巡检点,特别是可以根据预期被损害概率和预期被损害程度确定不同的损害风险等级,从而确定出高风险巡检点,生成巡检点集合。
获取所述待巡检桥梁的当前环境数据;
在本步骤中,获取所述待巡检桥梁的当前环境数据(如风力数据、空气成分数据、地质数据、河流水文数据、日照数据、降雨数据和气温数据等),以方便确定当前环境对于巡检的影响,特别是对于无人机的功耗、通信、充电、安全、路线等方面的影响。
根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;
在本步骤中,根据所述巡检点集合中的坐标数据和所述当前环境数据,生成巡检导航路线。
根据所述巡检导航路线对执行巡检任务的无人机进行导航。
在本步骤中,可以利用设置于所述待巡检桥梁上的定位模块/传感器、通信模块对无人机进行导航。
在一些实施例中,所述待巡检桥梁和所述无人机均配置有光通信模块/设备,二者间利用光通信协议进行通信。
采用该实施例的技术方案,通过获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;获取所述待巡检桥梁的影响数据;根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;根据所述损害预测模型,生成巡检点集合;获取所述待巡检桥梁的当前环境数据;根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;根据所述巡检导航路线对执行巡检任务的无人机进行导航。通过本发明的方案,可以对待巡检桥梁制定合理的巡检路线以进行智能化的无人机导航,能够提高巡检的时效性、准确性和效率。
在本发明一些可能的实施方式中,所述影响数据包括所在地的历史环境影响数据和所述待巡检桥梁的运维数据;
所述历史环境影响数据包括但不限于风力数据、空气成分数据、地质数据、河流水文数据、日照数据、降雨数据和气温数据;
在本实施例中,所述历史环境影响数据主要是对于待巡检桥梁具有损伤的环境因子的相关数据,包括但不限于风力数据(风对桥体有侵蚀作用,特别是与空气中或雨水中的化学物质/固定物质共同作用时)、空气成分数据(空气中物质的腐蚀作用)、地质数据(如地壳运动、地震等)、河流水文数据(如水流流速对应的冲击力、水深、水质成分的腐蚀作用、水里生物带来的损害等)、日照数据(如日照对于积水的影响)、降雨数据(雨水的冲击作用、腐蚀作用)和气温数据(高温、低温对各部件,特别是金属部件的影响)。
所述历史运维数据包括但不限于车辆通行数据、事故数据、桥体维护与修理数据、桥体振动数据;
在本实施例中,所述历史运维数据包括但不限于车辆通行数据(如车辆数量、车辆载重数据、车辆摩擦数据、高峰时段、各类型车辆的通行流量/通行特征等)、事故数据(事故发生点、撞击点、摩擦点、损伤点,以及事故车辆类型、车速、载重等)、桥体维护与修理数据(维修时间、维修工艺、维修区域等)、桥体振动数据等,以上数据可以设置于待巡检桥梁上的传感器组或借助其他设备得到。
所述车辆通行数据包括但不限于车辆载重数据、车辆摩擦数据、车辆数量;
所述方法还包括:
在所述待巡检桥梁上配置多个传感器组,并利用所述传感器组采集所述影响数据。
可以理解的是,利用前述影响数据,结合大数据分析技术和深度学习技术,可以得到各影响因子/影响数据与待巡检桥梁间的损害对应关系,从而可以为巡检提供可信的依据。
在本发明一些可能的实施方式中,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
根据所述初始三维点云数据构建所述待巡检桥梁的初始三维模型;
从所述图纸数据和所述验收数据中提取所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据;
根据所述初始三维模型、所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据构建所述基本BIM模型。
可以理解的是,在本实施例中,主要是利用高精度的所述初始三维点云数据构建出待巡检桥梁的初始三维模型,再将从所述图纸数据和所述验收数据中获取到的相关信息添加至初始三维模型(与对应的部件或部件坐标进行关联关系),以构建所述待巡检桥梁的基本BIM模型,由此得到待巡检桥梁在立体结构和文字方面的全面而精确的描述。
在本发明一些可能的实施方式中,所述根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型的步骤,包括:
从所述基本BIM模型获得所述待巡检桥梁的各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据、使用寿命数据和所述影响数据,确定所述待巡检桥梁的各部件的正常损害趋势特征数据和外力损害趋势特征数据;
根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征;
将所述损害趋势特征进行特征向量化得到第一向量数据;
利用所述第一向量数据对第一神经网络进行训练、测试与验证后,得到所述损害预测模型。
可以理解的是,为了进行准确的损害预测,在本实施例中,利用从所述基本BIM模型获得所述待巡检桥梁的各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据、使用寿命数据,结合深度学习技术可以得到所述待巡检桥梁的各部件的正常损害趋势特征数据,即不存在外部因素的情况下,所述待巡检桥梁的各部件的损害趋势特征数据。再利用从所述基本BIM模型获得所述待巡检桥梁的各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据、使用寿命数据和所述影响数据,结合深度学习技术,可以确定所述待巡检桥梁的各部件的外力损害趋势特征数据。最后,根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征,将所述损害趋势特征进行特征向量化得到第一向量数据,利用所述第一向量数据对第一神经网络进行训练、测试与验证后,得到所述损害预测模型。
在本发明一些可能的实施方式中,所述根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征的步骤,包括:
基于时间演进,将所述正常损害趋势特征数据和所述外力损害趋势特征数据融合,生成所述待巡检桥梁的各个部件在经过预设时间单位时的预期损害数据;
根据所述预期损害数据对所述待巡检桥梁的各个部件按预期被损害概率和预期被损害程度进行分类与排序,得到所述损害趋势特征。
可以理解的是,为了使得预测更精细化,可以从时间维度进行精细粒度划分,在本实施例中,基于时间演进规律,将所述正常损害趋势特征数据和所述外力损害趋势特征数据融合,生成所述待巡检桥梁的各个部件在经过预设时间单位(如预设的某些时刻点、某种周期性外部影响条件对应的时间周期等)时的预期损害数据;根据所述预期损害数据对所述待巡检桥梁的各个部件按预期被损害概率和预期被损害程度进行分类与排序(比如进行损害风险等级分类,进一步确定出核心部件(如关键受力部件)和重点影响部件(如易受环境因子影响的部件、易腐蚀部件等)),得到所述损害趋势特征。
在本发明一些可能的实施方式中,所述根据所述损害预测模型,生成巡检点集合的步骤,包括:
根据巡检计划,确定巡检时间和所述待巡检桥梁的巡检区域;
在本步骤中,根据巡检计划,确定本次巡检任务的起止时间及巡检区域以方便准确安排无人机的充电与通信任务、巡检路线。
根据所述巡检时间从所述损害预测模型中确定出与所述巡检时间对应的所有巡检点以及所述所有巡检点对应的部件名、部件中心坐标(对于规则部件可以为其几何中心的坐标;对于无法确定几何中心的不规则部件,可以预设中心坐标)、部件对应的检测内容(如检测部件是否有裂缝、是否有破损、是否有位置偏移、是否松动等)、部件对应的检测要求(如获取的数据类型、数据量大小、拍摄角度等),还可以包括部件对应的自身检测周期要求,如基于部件的材料属性每隔预设周期必须进行一次检测。
根据所述待巡检区域,从所述所有巡检点中确定出本次巡检任务对应的所有第一巡检点;
根据所述所有第一巡检点及所述所有第一巡检点对应的第一部件名、第一部件中心坐标、第一部件对应的第一检测内容、第一部件对应的第一检测要求生成所述巡检点集合。
可以理解的是,本实施例中,巡检点集合中不仅包括各巡检点的坐标,还包括了巡检点对应的部件的相关信息,进一步为后续准确地规划巡检路线提供了参考信息。
在本发明一些可能的实施方式中,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
从所述巡检点集合中提取出所述第一部件中心坐标;
根据所述当前环境数据(如风浪、风力、温度等,都会对无人机的功耗产生影响从而影响飞行距离进而可能需要对巡检路线进行修改以进行充电)、所述第一检测内容、所述第一检测要求以及执行巡检任务的无人机的属性数据,确定所述无人机的功耗数据和数据传输需求(如第一检测内容、第一检测要求的不同,采集的数据类型和数据量均会不同,无人机的数据传输需求也会不同,从而需要确定不同的数据传输点);
根据所述功耗数据和所述数据传输需求确定通信点坐标和充电点坐标;
所述当前环境数据(如风浪、降雨、桥洞处的大风等都对无人机的飞行产生危险,相关区域无法通过)确定无法通过点坐标;
根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标和的无法通过点坐标生成第一巡检路线;
根据所述第一巡检路线生成所述巡检导航路线。
可以理解的是,本实施例中全面考虑巡检点的实际情况和无人机的自身属性以制定出合理的巡检导航路线。
在本发明一些可能的实施方式中,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
获取无人机的当前位置信息和所述无人机的三维点云数据;
根据所述三维图像数据构建所述无人机的第一三维模型;
从所述第一三维模型上任取一点作为中心点生成包含所述第一三维模型上的所有坐标点的中心对称的立体三维模型,重复此步骤直至遍历所述第一三维模型上所有点;
从上一步骤得到的所有立体三维模型中选择出体积最小的作为所述无人机的无人机三维模型;
根据所述待巡检区域、所述基本BIM模型、所述无人机三维模型确定所述无人机的可通过区域;
根据所述当前位置信息、所述第一巡检路线和所述可通过区域生成所述巡检导航路线。
可以理解的是,为了使得无人机能安全到达巡检点,在本实施例中,建立无人机三维模型,并根据所述待巡检区域、所述基本BIM模型、所述无人机三维模型确定所述无人机的可通过区域,再根据所述当前位置信息、所述第一巡检路线和所述可通过区域生成所述巡检导航路线。
在本发明一些可能的实施方式中,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
从所述待巡检桥梁的所述初始三维模型中识别出镂空区域;
在所述初始三维模型上对所述镂空区域对应的空白区域进行填充处理得到所述基本BIM模型;
对填充后的所述空白区域的所有坐标进行标记。
可以理解的是,为了精确确定巡检点和确定无人机的可通过区域,本实施例中,从所述待巡检桥梁的所述初始三维模型中识别出镂空区域,在所述初始三维模型上对所述镂空区域对应的空白区域进行填充处理得到所述基本BIM模型,对填充后的所述空白区域的所有坐标进行标记,将待巡检桥梁主体与周围的镂空区域精准区分开来。
本发明的另一实施例提供一种无人机,用于利用如前所述的应用于桥梁巡检的无人机导航方法执行桥梁巡检任务,方法的执行细节如前文所述,在此不再赘述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。
Claims (10)
1.一种应用于桥梁巡检的无人机导航方法,其特征在于,包括:
获取待巡检桥梁的初始三维点云数据、图纸数据和验收数据;
根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型;
获取所述待巡检桥梁的影响数据;
根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型;
根据所述损害预测模型,生成巡检点集合;
获取所述待巡检桥梁的当前环境数据;
根据所述巡检点集合和所述当前环境数据,生成巡检导航路线;
根据所述巡检导航路线对执行巡检任务的无人机进行导航。
2.根据权利要求1所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述影响数据包括所在地的历史环境影响数据和所述待巡检桥梁的运维数据;
所述历史环境影响数据包括但不限于风力数据、空气成分数据、地质数据、河流水文数据、日照数据、降雨数据和气温数据;
所述历史运维数据包括但不限于车辆通行数据、事故数据(桥体)、桥体维护与修理数据、桥体振动数据;
所述车辆通行数据包括但不限于车辆载重数据、车辆摩擦数据、车辆数量;
所述方法还包括:
在所述待巡检桥梁上配置多个传感器组,并利用所述传感器组采集所述影响数据。
3.根据权利要求2所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
根据所述初始三维点云数据构建所述待巡检桥梁的初始三维模型;
从所述图纸数据和所述验收数据中提取所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据;
根据所述初始三维模型、所述待巡检桥梁各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据和使用寿命数据构建所述基本BIM模型。
4.根据权利要求3所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述基本BIM模型和所述影响数据,构建所述待巡检桥梁的损害预测模型的步骤,包括:
从所述基本BIM模型获得所述待巡检桥梁的各部件的结构特征数据、规格参数、施工工艺数据、受力特征数据、材料特征数据、损耗数据、折旧数据、使用寿命数据和所述影响数据,确定所述待巡检桥梁的各部件的正常损害趋势特征数据和外力损害趋势特征数据;
根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征;
将所述损害趋势特征进行特征向量化得到第一向量数据;
利用所述第一向量数据对第一神经网络进行训练、测试与验证后,得到所述损害预测模型。
5.根据权利要求4所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述正常损害趋势特征数据和所述外力损害趋势特征数据确定出所述待巡检桥梁的各部件的损害趋势特征的步骤,包括:
基于时间演进,将所述正常损害趋势特征数据和所述外力损害趋势特征数据融合,生成所述待巡检桥梁的各个部件在经过预设时间单位时的预期损害数据;
根据所述预期损害数据对所述待巡检桥梁的各个部件按预期被损害概率和预期被损害程度进行分类与排序,得到所述损害趋势特征。
6.根据权利要求5所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述损害预测模型,生成巡检点集合的步骤,包括:
根据巡检计划,确定巡检时间和所述待巡检桥梁的巡检区域;
根据所述巡检时间从所述损害预测模型中确定出与所述巡检时间对应的所有巡检点以及所述所有巡检点对应的部件名、部件中心坐标、检测内容、检测要求;
根据所述待巡检区域,从所述所有巡检点中确定出本次巡检任务对应的所有第一巡检点;
根据所述所有第一巡检点及所述所有第一巡检点对应的第一部件名、第一部件中心坐标、第一检测内容、第一检测要求生成所述巡检点集合。
7.根据权利要求6所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
从所述巡检点集合中提取出所述第一部件中心坐标;
根据所述当前环境数据、所述第一检测内容、所述第一检测要求以及执行巡检任务的无人机的属性数据,确定所述无人机的功耗数据和数据传输需求;
根据所述功耗数据和所述数据传输需求确定通信点坐标和充电点坐标;
所述当前环境数据确定无法通过点坐标;
根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标和的无法通过点坐标生成第一巡检路线;
根据所述第一巡检路线生成所述巡检导航路线。
8.根据权利要求7所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述巡检点集合和所述当前环境数据,生成巡检导航路线的步骤,包括:
获取无人机的当前位置信息和所述无人机的三维点云数据;
根据所述三维图像数据构建所述无人机的第一三维模型;
从所述第一三维模型上任取一点作为中心点生成包含所述第一三维模型上的所有坐标点的中心对称的立体三维模型,重复此步骤直至遍历所述第一三维模型上所有点;
从上一步骤得到的所有立体三维模型中选择出体积最小的作为所述无人机的无人机三维模型;
根据所述待巡检区域、所述基本BIM模型、所述无人机三维模型确定所述无人机的可通过区域;
根据所述当前位置信息、所述第一巡检路线和所述可通过区域生成所述巡检导航路线。
9.根据权利要求3-8所述的应用于桥梁巡检的无人机导航方法,其特征在于,所述根据所述初始三维点云数据、所述图纸数据和所述验收数据构建所述待巡检桥梁的基本BIM模型的步骤,包括:
从所述待巡检桥梁的所述初始三维模型中识别出镂空区域;
在所述初始三维模型上对所述镂空区域对应的空白区域进行填充处理得到所述基本BIM模型;
对填充后的所述空白区域的所有坐标进行标记。
10.一种无人机,用于利用如权利要求1-9所述的应用于桥梁巡检的无人机导航方法执行桥梁巡检任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251645.1A CN116225062B (zh) | 2023-03-14 | 2023-03-14 | 一种应用于桥梁巡检的无人机导航方法及无人机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251645.1A CN116225062B (zh) | 2023-03-14 | 2023-03-14 | 一种应用于桥梁巡检的无人机导航方法及无人机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116225062A true CN116225062A (zh) | 2023-06-06 |
CN116225062B CN116225062B (zh) | 2024-01-16 |
Family
ID=86576797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310251645.1A Active CN116225062B (zh) | 2023-03-14 | 2023-03-14 | 一种应用于桥梁巡检的无人机导航方法及无人机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225062B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710810A (zh) * | 2023-12-07 | 2024-03-15 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种基于无人机和神经网络的桥梁病害区域的三维定位方法及系统 |
CN118114072A (zh) * | 2024-04-30 | 2024-05-31 | 江西赣粤高速公路股份有限公司 | 一种基于大数据的桥梁安全性评价方法及系统 |
CN118537342A (zh) * | 2024-07-26 | 2024-08-23 | 四川公路桥梁建设集团有限公司 | 一种基于无人机检测的大跨度桥梁施工数据获取方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
US20180095478A1 (en) * | 2015-03-18 | 2018-04-05 | Izak van Cruyningen | Flight Planning for Unmanned Aerial Tower Inspection with Long Baseline Positioning |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN110442882A (zh) * | 2018-05-02 | 2019-11-12 | 中国铁道科学研究院铁道建筑研究所 | 一种基于bim技术的大跨度铁路桥梁巡检系统及方法 |
CN113592839A (zh) * | 2021-08-06 | 2021-11-02 | 广东电网有限责任公司 | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 |
WO2022021739A1 (zh) * | 2020-07-30 | 2022-02-03 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及系统 |
CN114169548A (zh) * | 2021-12-03 | 2022-03-11 | 武汉工程大学 | 一种基于bim的公路桥梁管养phm系统和方法 |
CN114281093A (zh) * | 2021-12-27 | 2022-04-05 | 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 |
CN114444180A (zh) * | 2022-01-18 | 2022-05-06 | 河北工业大学 | 装配式建筑结构的全生命周期参数预测与监测方法及系统 |
CN115033021A (zh) * | 2022-06-27 | 2022-09-09 | 福建汇川物联网技术科技股份有限公司 | 无人机巡检路线的建立方法、装置、电子设备及存储介质 |
CN115131688A (zh) * | 2022-06-27 | 2022-09-30 | 国网浙江省电力有限公司建德市供电公司 | 一种巡检部件的无人机拍摄点提取方法 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
CN115454126A (zh) * | 2022-09-06 | 2022-12-09 | 国网宁夏电力有限公司超高压公司 | 无人机巡检方法、装置、设备及存储介质 |
CN115659452A (zh) * | 2022-09-21 | 2023-01-31 | 联通数字科技有限公司 | 一种智能巡视方法、智能巡视系统及计算机可读存储介质 |
-
2023
- 2023-03-14 CN CN202310251645.1A patent/CN116225062B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180095478A1 (en) * | 2015-03-18 | 2018-04-05 | Izak van Cruyningen | Flight Planning for Unmanned Aerial Tower Inspection with Long Baseline Positioning |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
CN110442882A (zh) * | 2018-05-02 | 2019-11-12 | 中国铁道科学研究院铁道建筑研究所 | 一种基于bim技术的大跨度铁路桥梁巡检系统及方法 |
WO2022021739A1 (zh) * | 2020-07-30 | 2022-02-03 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及系统 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
CN113592839A (zh) * | 2021-08-06 | 2021-11-02 | 广东电网有限责任公司 | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 |
CN114169548A (zh) * | 2021-12-03 | 2022-03-11 | 武汉工程大学 | 一种基于bim的公路桥梁管养phm系统和方法 |
CN114281093A (zh) * | 2021-12-27 | 2022-04-05 | 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 |
CN114444180A (zh) * | 2022-01-18 | 2022-05-06 | 河北工业大学 | 装配式建筑结构的全生命周期参数预测与监测方法及系统 |
CN115033021A (zh) * | 2022-06-27 | 2022-09-09 | 福建汇川物联网技术科技股份有限公司 | 无人机巡检路线的建立方法、装置、电子设备及存储介质 |
CN115131688A (zh) * | 2022-06-27 | 2022-09-30 | 国网浙江省电力有限公司建德市供电公司 | 一种巡检部件的无人机拍摄点提取方法 |
CN115454126A (zh) * | 2022-09-06 | 2022-12-09 | 国网宁夏电力有限公司超高压公司 | 无人机巡检方法、装置、设备及存储介质 |
CN115659452A (zh) * | 2022-09-21 | 2023-01-31 | 联通数字科技有限公司 | 一种智能巡视方法、智能巡视系统及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710810A (zh) * | 2023-12-07 | 2024-03-15 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种基于无人机和神经网络的桥梁病害区域的三维定位方法及系统 |
CN118114072A (zh) * | 2024-04-30 | 2024-05-31 | 江西赣粤高速公路股份有限公司 | 一种基于大数据的桥梁安全性评价方法及系统 |
CN118114072B (zh) * | 2024-04-30 | 2024-07-30 | 江西赣粤高速公路股份有限公司 | 一种基于大数据的桥梁安全性评价方法及系统 |
CN118537342A (zh) * | 2024-07-26 | 2024-08-23 | 四川公路桥梁建设集团有限公司 | 一种基于无人机检测的大跨度桥梁施工数据获取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116225062B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116225062B (zh) | 一种应用于桥梁巡检的无人机导航方法及无人机 | |
CN116360485B (zh) | 一种应用于桥梁巡检的无人机避障方法及无人机 | |
Wu et al. | Critical review of data-driven decision-making in bridge operation and maintenance | |
Zheng et al. | U-air: When urban air quality inference meets big data | |
Janani et al. | Influence of surface distresses on smartphone-based pavement roughness evaluation | |
Chun et al. | Utilization of unmanned aerial vehicle, artificial intelligence, and remote measurement technology for bridge inspections | |
Adibfar et al. | Creation of a mock-up bridge digital twin by fusing intelligent transportation systems (ITS) Data into Bridge Information Model (BrIM) | |
Liu et al. | Information fusion for national airspace system prognostics: A NASA ULI project | |
Alzraiee et al. | Detecting of pavement marking defects using faster R-CNN | |
KR101933583B1 (ko) | 라이다 데이터의 포인트 클라우드를 활용한 표면정보 추출 장치 | |
CN108919232A (zh) | 一种输电线路危险点检测方法及装置 | |
Bień | Modelling of structure geometry in Bridge Management Systems | |
CN109000651A (zh) | 一种路径规划方法及路径规划装置 | |
Mrówczyńska et al. | The network structure evolutionary optimization to geodetic monitoring in the aspect of information entropy | |
Consilvio et al. | Towards a digital twin-based intelligent decision support for road maintenance | |
CN113393442A (zh) | 列车零部件异常检测方法、系统、电子设备及存储介质 | |
CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
WO2015087050A1 (en) | Infrastructure positioning | |
CN112183871B (zh) | 基于空气指数的城市交通诱导系统 | |
Zhou et al. | A hybrid virtual–real traffic simulation approach to reproducing the spatiotemporal distribution of bridge loads | |
Arellano et al. | A model of truck speed profiles on short upward slopes | |
Ma et al. | Hybrid model for realistic and efficient estimation of highway sight distance using airborne LiDAR data | |
US20220260387A1 (en) | A system and method for prophylactic mitigation of vehicle impact damage | |
Ahmed et al. | Autonomous Site Inspection of Power Transmission Line Insulators with Unmanned Aerial Vehicle System | |
Marinelli et al. | Investigation of earthmoving trucks deterioration using discriminant analysis |
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 |