CN116360485B - 一种应用于桥梁巡检的无人机避障方法及无人机 - Google Patents

Abstract

本发明提出一种应用于桥梁巡检的无人机避障方法及无人机，利用待巡检桥梁的巡检点集合、当前环境数据生成第一巡检导航路线；根据基本BIM模型对第一巡检导航路线进行修改得到避开第一类障碍物的第二巡检导航路线；以第二巡检导航路线对执行巡检任务的无人机进行导航；采集第二巡检导航路线上对应的第一航道图像数据，识别是否存在第二类障碍物；当存在时，对未完成巡检路线段进行修改得到第三巡检导航路线，并根据第三巡检导航路线执行未完成的巡检任务。本方案可以在对待巡检桥梁制定巡检路线的过程中提前避开桥梁上的障碍物，而且对于巡检过程中在巡检导航路线上出现的障碍物，也能进行有效躲避，能够提高巡检的时效性、准确性和安全性。

Description

一种应用于桥梁巡检的无人机避障方法及无人机

技术领域

本发明涉及无人机智能控制技术领域，具体涉及一种应用于桥梁巡检的无人机避障方法及无人机。

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中，对于巡检路线规划和巡检过程中存在或出现的障碍物不能提前或及时避开，导致无人机出现失误。

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避障方法及无人机，通过本发明的方案，可以在对待巡检桥梁制定巡检路线的过程中提前避开桥梁上的障碍物，而且对于巡检过程中在巡检导航路线上出现的障碍物，也能进行有效躲避，能够提高巡检的时效性、准确性和安全性。

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避障方法，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，生成第一巡检导航路线；

根据所述基本BIM模型对所述第一巡检导航路线进行修改得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线；

根据所述第二巡检导航路线对执行巡检任务的无人机进行导航；

在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域的第一航道图像数据；

识别所述第一航道图像数据中是否存在第二类障碍物；

当存在所述第二类障碍物时，对所述第二巡检导航路线中的未完成巡检路线段进行修改得到第三巡检导航路线，并根据所述第三巡检导航路线执行未完成的巡检任务。

可选地，所述方法还包括步骤：

获取所述无人机的三维点云数据；

根据所述三维点云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。

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，并对所述镂空区域中未被所述待巡检桥梁的桥体部件封闭的部分进行封闭；

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，并对所述空白区域的坐标点进行遍历识别出所述空白区域中相互隔离的各个连通区域，将所述连通区域作为空白子区域进行区分标记得到所述基本BIM模型；

对填充后的所述空白子区域的所有坐标进行标记。

可选地，所述方法还包括步骤：

对于每个所述空白子区域，从其区域内的所有坐标中确定出边缘坐标；

获取所述无人机的所述无人机三维模型的多个截面图形；

根据所述边缘坐标与所述截面图形确定所述空白子区域中不能通过的区域作为所述第一类障碍物。

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，生成第一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；

根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标生成第一巡检路线；

获取无人机的当前位置信息；

根据所述基本BIM模型、所述无人机三维模型、所述当前位置信息、所述第一巡检路线生成所述第一巡检导航路线。

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；

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，得到各个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。

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避障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，生成第一巡检导航路线；根据所述基本BIM模型对所述第一巡检导航路线进行修改得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线；根据所述第二巡检导航路线对执行巡检任务的无人机进行导航；在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域的第一航道图像数据；识别所述第一航道图像数据中是否存在第二类障碍物；当存在所述第二类障碍物时，对所述第二巡检导航路线中的未完成巡检路线段进行修改得到第三巡检导航路线，并根据所述第三巡检导航路线执行未完成的巡检任务。通过本发明的方案，可以在对待巡检桥梁制定巡检路线的过程中提前避开桥梁上的障碍物，而且对于巡检过程中在巡检导航路线上出现的障碍物，也能进行有效躲避，能够提高巡检的时效性、准确性和安全性。

附图说明

图1是本发明一个实施例提供的一种应用于桥梁巡检的无人机避障方法的流程图。

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避障方法及无人机。

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避障方法，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，生成第一巡检导航路线；

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，生成第一巡检导航路线。

根据所述基本BIM模型对所述第一巡检导航路线进行修改得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线；

在本步骤中，因待巡检桥梁为不规则物体，存在着桥洞、栏杆空隙等空间，而在规划无人机的巡检导航路线时，必须根据无人机的自身大小和待巡检桥梁的结构来确定哪些地方能通过、哪些地方不能通过(即为第一类障碍物)，基本BIM模型包含了待巡检桥梁的所有结构数据，根据所述基本BIM模型对所述第一巡检导航路线进行修改，可以得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线。可以理解的是，所述无人机配置有携带了摄像头或其他传感器的可伸缩机械臂，对于一些不能通过/不能靠近的巡检点，可以通过可伸缩机械臂进行检测。

根据所述第二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，根据所述第二巡检导航路线对执行巡检任务的无人机进行导航。应当说明的是，所述第一/二巡检导航路线可以为三维导航通道。

在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域的第一航道图像数据；

在本步骤中，在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域(如处于飞行前方预设距离处的第二巡检导航路线上的一个区域/一段三维导航通道)的第一航道图像数据，就可以及时了解前方空域的情况。

识别所述第一航道图像数据中是否存在第二类障碍物；

在本步骤中，通过预先训练的图像识别算法/模型可以识别出所述第一航道图像数据中是否存在独立于所述待巡检桥梁的第二类障碍物，如飞行物(如鸟类)、飘浮物、风浪、雾团、云层等，对于第二类障碍物，可以通过无人机配置的驱散部件进行驱散，如发出声音、射击、吹出风等对第二类障碍物进行驱散，对于无法驱散的情况，需要及时修改路线。

当存在所述第二类障碍物时，对所述第二巡检导航路线中的未完成巡检路线段进行修改得到第三巡检导航路线，并根据所述第三巡检导航路线执行未完成的巡检任务。

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，生成第一巡检导航路线；根据所述基本BIM模型对所述第一巡检导航路线进行修改得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线；根据所述第二巡检导航路线对执行巡检任务的无人机进行导航；在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域的第一航道图像数据；识别所述第一航道图像数据中是否存在第二类障碍物；当存在所述第二类障碍物时，对所述第二巡检导航路线中的未完成巡检路线段进行修改得到第三巡检导航路线，并根据所述第三巡检导航路线执行未完成的巡检任务。通过本发明的方案，可以在对待巡检桥梁制定巡检路线的过程中提前避开桥梁上的障碍物，而且对于巡检过程中在巡检导航路线上出现的障碍物，也能进行有效躲避，能够提高巡检的时效性、准确性和安全性。

在本发明一些可能的实施方式中，所述方法还包括步骤：

获取所述无人机的三维点云数据；

根据所述三维点云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。

可以理解的是，为了保证无人机在巡检过程中能安全地避开障碍物，在本实施例中，根据无人机的三维点云数据建立无人机的第一三维模型，再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(这样就能得到能将无人机包裹进去且每个面均是平面的多面体模型，此多面体模型能够通过的地方，无人机就可以通过；还可以根据此多面体模型和第一/第二巡检导航路线建立三维巡检导航路线/通道)，重复此步骤直至遍历所述第一三维模型上所有点；并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。

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，并对所述镂空区域中未被所述待巡检桥梁的桥体部件封闭的部分进行封闭；

在本步骤中，识别出镂空区域后，对所述镂空区域中未被所述待巡检桥梁的桥体部件封闭的部分进行封闭时，可以结合所述无人机三维模型，对封闭的位置或方式进行确定，例如对于某些类似U型结构的区域，可以从无人机三维模型中取出两点间的最大长度(以便能确定出无人机的通行区域)作为两侧边在前述的U型结构上扩展一个对应的倒U型结构，以对其进行封闭。

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，并对所述空白区域的坐标点进行遍历识别出所述空白区域中相互隔离的各个连通区域，将所述连通区域作为空白子区域进行区分标记得到所述基本BIM模型；

对填充后的所述空白子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每个所述镂空区域对应的每个空白区域进行填充处理并对所述空白区域的坐标点进行遍历识别出所述空白区域中相互隔离的各个连通区域，将所述连通区域作为空白子区域进行区分标记，对填充后的所述空白子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。

在本发明一些可能的实施方式中，所述方法还包括步骤：

对于每个所述空白子区域，从其区域内的所有坐标中确定出边缘坐标；

获取所述无人机的所述无人机三维模型的多个截面图形；

根据所述边缘坐标与所述截面图形确定所述空白子区域中不能通过的区域作为所述第一类障碍物。

可以理解的是，对于每个所述空白子区域，从其区域内的所有坐标中确定出边缘坐标，可以快速地确定每个子区域的形状并计算出其面积大小、不相邻坐标点间的间距等；结合无人机工作时的飞行姿势，获取所述无人机的所述无人机三维模型的多个工作状态的截面图形；根据所述边缘坐标与所述截面图形确定所述空白子区域中能通过的区域和不能通过的区域，将不能通过的区域作为所述第一类障碍物，通过本方案，可以快速地确定待巡检桥梁上哪些区别是不能通行的区域即第一类障碍物。

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、第一检测内容、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，生成第一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；

根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标生成第一巡检路线；

获取无人机的当前位置信息；

根据所述基本BIM模型、所述无人机三维模型、所述当前位置信息、所述第一巡检路线生成所述第一巡检导航路线。

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；

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，得到各个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。应当说明的是，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。

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避障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 (6)

1.一种应用于桥梁巡检的无人机避障方法，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，生成第一巡检导航路线；

根据所述基本BIM模型对所述第一巡检导航路线进行修改得到避开所述待巡检桥梁上的第一类障碍物的第二巡检导航路线；

根据所述第二巡检导航路线对执行巡检任务的无人机进行导航；

在所述无人机根据所述第二巡检导航路线执行巡检任务的过程中，实时采集所述第二巡检导航路线上对应的坐标点区域的第一航道图像数据；

识别所述第一航道图像数据中是否存在第二类障碍物；

当存在所述第二类障碍物时，对所述第二巡检导航路线中的未完成巡检路线段进行修改得到第三巡检导航路线，并根据所述第三巡检导航路线执行未完成的巡检任务；

所述方法还包括步骤：

获取所述无人机的三维点云数据；

根据所述三维点云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；

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，并对所述镂空区域中未被所述待巡检桥梁的桥体部件封闭的部分进行封闭；

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，并对所述空白区域的坐标点进行遍历识别出所述空白区域中相互隔离的各个连通区域，将所述连通区域作为空白子区域进行区分标记得到所述基本BIM模型；

对填充后的所述空白子区域的所有坐标进行标记；

所述方法还包括步骤：

对于每个所述空白子区域，从其区域内的所有坐标中确定出边缘坐标；

获取所述无人机的所述无人机三维模型的多个截面图形；

根据所述边缘坐标与所述截面图形确定所述空白子区域中不能通过的区域作为所述第一类障碍物。

2.根据权利要求1所述的应用于桥梁巡检的无人机避障方法，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。

3.根据权利要求2所述的应用于桥梁巡检的无人机避障方法，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，生成第一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；

根据所述第一部件中心坐标、所述通信点坐标、所述充电点坐标生成第一巡检路线；

获取无人机的当前位置信息；

根据所述基本BIM模型、所述无人机三维模型、所述当前位置信息、所述第一巡检路线生成所述第一巡检导航路线。

4.根据权利要求3所述的应用于桥梁巡检的无人机避障方法，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。

5.根据权利要求4所述的应用于桥梁巡检的无人机避障方法，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。

6.根据权利要求5所述的应用于桥梁巡检的无人机避障方法，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；

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，得到各个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。