CN116420063A - 用于物体检测的方法和系统 - Google Patents

用于物体检测的方法和系统 Download PDF

Info

Publication number
CN116420063A
CN116420063A CN202180071651.8A CN202180071651A CN116420063A CN 116420063 A CN116420063 A CN 116420063A CN 202180071651 A CN202180071651 A CN 202180071651A CN 116420063 A CN116420063 A CN 116420063A
Authority
CN
China
Prior art keywords
rotor blade
recording unit
orientation
image
determining
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
Application number
CN202180071651.8A
Other languages
English (en)
Inventor
乌尔里希·森格
奥利弗·诺伊鲍尔
赫伯特·施托克尔
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.)
Super Qi Liang He Co ltd
Original Assignee
Super Qi Liang He 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 Super Qi Liang He Co ltd filed Critical Super Qi Liang He Co ltd
Publication of CN116420063A publication Critical patent/CN116420063A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0094—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
    • 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
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0016—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of aircraft wings or blades
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
    • G01M5/005—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress by means of external apparatus, e.g. test benches or portable test systems
    • G01M5/0058—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress by means of external apparatus, e.g. test benches or portable test systems of elongated objects, e.g. pipes, masts, towers or railways
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0091—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by using electromagnetic excitation or detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Abstract

一种检测物体的方法，方法能够通过多个预定的特征来描述，方法包括飞跃物体和利用至少一个记录单元检测物体的多个部段。每个部段从记录单元的不同位置多次检测，以便产生一组图像。将记录单元的位置和方位信息与每个图像相关联。此外，该方法包括识别图像组中的特征并且使用包含特征的图像的位置和方位信息来确定特征的位置和/或方位。

Description

用于物体检测的方法和系统
技术领域
本公开涉及用于物体检测的方法和系统。实施例涉及用于为无人驾驶飞行器UAV(unmanned aerial vehicle)的自主飞行产生用于自动位置确定或航路点生成(路线点生成)的校准数据的方法和系统，为确定沿物体(例如风力发电设施)的路径的方法做准备。
背景技术
除了太阳能和水力发电设施之外，风力发电设施是可再生能源的重要来源之一。为了安全地和低故障地运行设施，定期的维护和检查至关重要。
传统方案包括检查设施的攀爬队。除了对攀爬者的固有风险之外，这种途径对于众多设施的情况来说是不切实际的。攀爬队的可用性及其工作速度不足以进行足够仔细的检查。
较新的方案用无人机来检查风力发电设施。但即使该方案通常也需要经验丰富的人类飞行员，飞行员用无人机记录设施图像，然后对图像进行评估。因此又需要受过专门培训的人员，这限制了可用性并导致成本。
此外，已知用于借助无人机自动记录视觉控制数据的方法。例如，WO 2018/166645A1描了一种方法，其中，无人机根据预先计算的航路点自动和/或自主地飞越风力发电设施并生成用于评估的数据。
在这种方法中的问题是产生需要用以确定无人机飞行路线的校准数据。在许多情况下，设施的制造商数据和位置数据不充分或过于不精确。在许多情况下，也没有可靠的模型(例如设施的CAD模型)或详细规范可用，根据所述模型或规范能够计算无人机的飞行路线或航路点。
发明内容
本公开所基于的目的是在于：创建一种方法和一种系统，其能够以减少的时间消耗和良好的质量实现物体检测，其例如可用于快速且可靠地检查风力发电设施。
所述目的通过根据权利要求1的方法和根据权利要求21的系统实现。
本公开的实施例提供一种用于检测能够通过多个预定特征描述的物体的方法。该方法包括：飞越物体和借助至少一个记录单元检测物体的多个部段。在此，每个部段从记录单元的不同位置被多次检测，以便产生一组图像。在此，在产生图像时，将记录单元的位置和方位信息与每个图像相关联。此外，该方法包括识别图像组中的特征并且使用包含特征的图像的位置和方位信息来确定特征的位置、例如坐标和/或方位。
根据实施例，物体能够是风力发电设施、起重机或电线杆。这种物体能够根据特征性的几何图形或特征来描。例如，在风力发电设施的情况下，特征包括转子叶片尖端和转子叶片法兰。例如，电线杆通过其悬臂、塔中点和塔尖端来描述。如果已知特征的位置和方位，则能够建立物体的模型。记录单元能够是具有检测单元的无人机，或者能够用于无人机的相应的模块。检测单元例如能够设计用于：借助激光实现检测。此外，检测单元能够为相机。此外，记录单元能够包括多个无人机，例如无人机群。检测还能够包括大量优化步骤，例如用于在记录图像时改进背光效果。与每个图像相关联的记录单元的位置和方位信息、即例如地点和定向能够在绝对坐标系(例如世界坐标)中或在相对于基准的相对坐标系中实现。能够自动例如借助于AI(人工智能)或通过人手动地识别图像组中的特征。
本公开的其他实施例提供了一种用于检测能够通过多个预定特征描述的物体的系统。该系统包括测量装置，所述测量装置单独或与无人机组合地形成记录单元。测量装置例如设计用于：飞越物体，并且从不同位置检测物体的多个部段，以产生一组图像，其中，将测量装置的位置和方位信息与每个图像相关联。此外，系统包括评估装置，所述评估装置设计用于：识别图像组中的特征，并且使用图像的包含特征的位置和方位信息来确定特征的位置、例如坐标和/或方位。
根据实施例，测量装置是用于无人机的模块。该模块能够具有用于检测的设备，或者对于已经配备检测单元的无人机仅是计算或数据处理单元。该模块能够包括用于无人机的控制元件并且能够实现无人机自动飞行。此外，该模块能够设计用于与评估装置进行通信。评估装置能够包括附加的计算机或计算机上的相应的软件。基于云的评估装置同样是可行的。相应地，评估装置和测量装置也能够在本地彼此分开地起作用。在时间上，记录单元能够首先产生图像组，并且然后传送给评估装置。评估能够立即地或延迟地进行。
因此，根据本公开，通过确定能够用来描述物体的预定的特征的位置和/或方位来检测物体。特征的位置和/或方位的确定在此借助于包含该特征的图像组的位置和方位信息来进行。为此，待检测的物体借助记录单元飞越。记录单元从不同位置多次检测物体的多个部段。由此形成多组图像。在此，在产生图像时，将记录单元的位置和方位信息与每个图像相关联。随后，在图像组中，识别预定的特征。通过图像的已知的位置和方位信息能够推断出预定的特征的位置和/或方位。通过多次记录物体的部段，能够由记录单元生成鉴别到的特征的深度信息、即例如间距。此外，能够通过对图像组的评估进行统计评估，所述统计评估一方面改进位置和方位信息的准确性，并且另一方面也能够实现关于位置和方位信息的质量的说明，例如以方差的形式。因此，例如，在位置和方向信息质量高的情况下，例如在没有碰撞风险的情况下能够设定无人机与待检查的物体的较小的间距。
根据本公开的实施例，对物体的多个部段的检测是光学检测。在光学检测的情况下，检测单元能够构成为相机。许多无人机已经配备了相机，使得借此存在为根据本公开的方法提供记录单元的例如特别成本有效的可行性。此外，对于光学检测方法还已知大量优化方法，由此，能够提高检测的图像的质量，例如用于改进随后的评估。
根据本公开的实施例，确定特征的位置和/或方位还包括：建立多个几何辅助结构，例如射线或直线或方向矢量，其中，对于包含特征的每个图像，在坐标系中在
记录单元的和每个图像相关联的位置与在图像中鉴别到的特征的位置、或多个在图像中鉴别到的特征的位置之间建立几何辅助结构。
此外，成对评估几何辅助结构，以便获得特征的位置和/或方位、例如地点和/或定向的、或从多个特征中推导的特征的结果的集合。此外，能够统计地评估结果的集合。
几何辅助构造能够包括直线，从所述直线的交点能够确定特征的位置。在此，例如如果已经识别到几何辅助结构被错误地鉴别，则能够明确不一起考虑几何辅助结构。
通过辅助结构能够限制用于评估所需的计算耗费，因为能够通过辅助结构描述关于特征的位置和方位的相关信息，并且不必处理整个图像信息。根据实施例，能够确定推导出的特征的位置和/或方位。物体能够具有以下特性，所述特征的位置和/或方位难以根据例如光学评估来鉴别或识别。这样的特征能够经由已知的几何关系与物体的可更好鉴别的特征相关联。例如，根据图像组，直接鉴别风力发电设施的转子法兰的中点会是耗费的或者是无法确定的，因为法兰的中点位于通过安装的转子叶片所覆盖的区域内。相反，通过在围绕法兰中点的圆上的相邻的、例如围绕中点对称分布的点得出中点位置的结论能够显著更简单。
根据本公开的实施例，该方法还包括：通过评估物体的基准位置、和记录单元的位置信息来确定物体的定向，例如方位信息或取向，其中，记录单元在记录位置信息的时间点根据物体的定向来定位。
待确定的定向例如能够是例如风力发电设施的定向。记录单元能够是无人机。
定向的这种类型的确定能够快速执行，并且不需要附加的测量装置，而是仅需要记录单元。特别地，通过例如大致确定定向，能够快速检测足够精确的数据，利用所述数据例如能够执行后续的自主无人机飞行。
根据本公开的实施例，该方法还包括确定基准位置，例如，通过评估记录单元的位置信息的集合来确定物体的中点，其中，位置信息的集合源自记录单元的移动轨迹、例如从物体的环绕航行中。
基准位置能够是风力发电设施的塔中点。能够通过记录单元、例如无人机确定所述塔中点。运动轨迹能够源自至少部分地环绕风力发电设施、例如沿着风力发电设施的塔的外壁。
由此，例如，即使不存在物体的任何基准数据，公开了确定基准位置的快速可行性。运动轨迹能够是围绕物体的圆形轨道或圆形轨道的一部分。
根据本公开的实施例，该方法还包括：通过评估物体的基准点和特征的一个或多个的位置来确定物体的至少一个尺寸。
物体的尺寸能够是风力发电设施的毂高度。例如当关于毂高度的信息已经存在时，能够按照根据本公开的方法确定或验证毂高度。由此，能够快速且自动地确定物体的几何形状。
根据本公开的实施例，该方法还包括通过将记录单元放置在基准点上并且然后评估记录单元的位置信息来确定物体的基准点、例如作为零点的高度。
基准点能够是来自二维或三维空间的点，但是也能够是标量变量，例如海拔高度。例如，借此能够仅基于记录单元的位置信息在没有附加测量设备的情况下快速确定基准点。
根据本公开的实施例，记录单元是无人机或与无人机结合的测量装置，所述测量装置设计用于：产生图像组；和在记录相应的图像的时间点，将记录单元的位置和方位信息与每个图像相关联。
例如，通过使用无人机，能够在不危及人员的情况下快速检测难以进入的物体区域。
根据本公开的实施例，记录单元的位置和特征包括预定的坐标系的坐标。
根据本公开的实施例，该方法还包括使用实时运动学、RTK(Real TimeKinematics)来校正记录单元的位置和方位信息。
通过实时运动学系统，能够改进位置确定的精度，例如关于高度信息能够实现2cm精度改进，并且关于其他维度能够实现1cm至2.5cm精度改进。借此，还例如还提供如下低成本的可行性：即生成足够精确的位置和方位数据，借助所述位置和方位数据能够检测物体，而不必在记录单元中集成用于精确位置确定的复杂的、昂贵的并且笨重的技术。校准飞行在此能够包括飞越物体和检测物体的多个部段。此外，还能够使用本地的独立坐标系(例如Preziwave)，从而不必使用GPS设备。
根据本公开的实施例，飞越物体的步骤包括自动和/或自主飞越物体。
通过自动飞跃能够快速地且容易地检测物体。例如，能够弃用针对人工飞行训练的无人机飞行员。随着人为控制干预的消除，也能够减小碰撞或事故的概率。
根据本公开的实施例，识别图像组中的特征的步骤包括自动识别图像组中的特征和/或确定特征的位置和/或方位的步骤是自动确定特征的位置和/或方位。
通过该方法的高度自动化，例如由于更快的执行或降低的人员成本，能够降低检查物体的成本。此外，在评估时能够避免人为错误。
根据本公开的实施例，物体是风力发电设施，例如风力发电厂、风能设施或风车，其中，风力发电设施具有塔、机舱、毂、转子叶片法兰以及转子叶片和转子叶片的公共转动轴。在此，该方法还包括基于特征的位置、例如坐标和/或方位来确定风力发电设施的一个或多个参数。
由于风力发电设施的许多区域难以进入，根据本公开的方法，能够例如为了将收集的数据或参数进一步用于随后的检查飞行提供很大的优势，特别是在对于这种数据获取或例如测量的持续时间方面。此外，通过使用根据本公开的自动化方法能够节省人员(例如攀爬者)的培训成本，并且尤其显著减小工作事故的概率，因为例如不再必须使用攀爬者进行检查。
根据本公开的实施例，所确定的至少一个参数包括转子叶片的变形和/或弯曲。例如，通过借助数学函数、例如线性、指数或对数函数来近似转子叶片的走向来确定所述变形和/或弯曲。
通过确定转子叶片的变形和/或弯曲，能够在出现设施失效之前识别与标准几何形状的临界偏差。借助数学函数的近似，例如基于特定特征位置和/或特征的方位，即例如转子叶片尖端的位置和转子叶片法兰的位置和/或方位，能够形成快速的、并且例如少量计算密集的可行性，以便为转子叶片的走向形成足够精确的模型。此外，关于转子叶片变形和/或弯曲的信息可用于：获得用于例如用于后续检查飞行的航路点生成的模型，使得根据模型无人机能够例如自动飞行非常靠近风力发电设施，以做出高分辨率记录而没有碰撞风险。
根据本公开的实施例，所确定的至少一个参数包括转子叶片尖端的位置、例如地点。确定转子叶片尖端的位置包括确定转子叶片尖端的在图像中鉴别到的位置与记录单元的配属的位置之间的直线。此外，为了确定直线，除了记录单元在记录图像的时间点的位置和转子叶片尖端的所鉴别的位置之外，也还一起考虑记录单元在记录图像的时间点的方位、例如取向或定向以及记录单元的特性，例如记录单元的相机的张角和像素数量。此外，为转子叶片尖端的一组图像确定多条直线并且成对地评估。为每个直线对计算交点并且从直线对的集合来计算转子叶片尖端的位置。
转子叶片尖端的计算能够包括统计评估所计算的交点。评估还能够包括结果质量的计算。例如，根据质量，能够说明风力发电设施的建立的模型的精度的度量。此外，例如在评估交点集合之前，将对于计算转子叶片尖端的位置不利的直线对挑选出来，以获得更精确的结果。这种不利的直线对的检测能够以如下方式进行：即直线对的所计算的焦点位于所确定的图像区域外，在所述图像区域中例如鉴别到转子叶片尖端的特征。
通过所述根据本公开的处理方式，能够借助简单的数学方法、例如借助少量计算能耗费来计算转子叶片尖端的位置的结果。因此，也能够实现在现场、例如借助移动计算单元的计算能力来进行评估。
根据本公开的实施例，所确定的至少一个参数包括转子叶片法兰的位置、例如中点。确定转子叶片法兰的位置包括确定转子叶片法兰的在图像中鉴别的第一点的位置与记录单元的位置之间的第一直线，和确定转子叶片法兰的在相同的图像中鉴别的与第一点相对置的第二点的位置与记录单元的位置(例如坐标)之间的第二直线。
为了确定第一直线和第二直线，除了记录单元在记录图像的时间点的位置(例如地点)和转子叶片法兰的点的所鉴别的位置之外，也还一起考虑记录单元在记录图像的时间点的方位(例如定向或取向)以及记录单元的特性、即例如记录单元的照相机的张角和/或像素的数量。此外，确定另外的直线，所述另外的直线在第一与第二直线之间的中间中伸展。此外，为转子叶片法兰的一组图像确定多条另外的直线。从多条另外的直线确定转子叶片法兰的位置。
确定转子叶片法兰的位置能够包括对多条另外的直线的统计评估。结果质量能够从统计评估来计算。
通过根据本公开的方法，能够从评估确定转子叶片法兰的位置。由于安装的转子叶片覆盖转子叶片法兰的中点，对转子叶片法兰的位置的直接评估能够是不精确的或不可行的。这个问题能够通过例如以快速且低计算耗费的方式评估每个图像的转子叶片法兰的两个、例如可机器简单鉴别的点来解决。
在根据本公开的示例中，所确定的至少一个参数包括转子叶片法兰的方位。确定叶片法兰的方位包括：鉴别图像中的转子叶片法兰的两个相对置的点。在此，确定在转子叶片法兰的两个相对置的点的位置之间的连接直线的方向矢量。此外，为转子叶片法兰的一组图像确定连接直线的多个方向矢量。通过成对地形成连接直线的方向矢量的叉积，从连接直线的多个方向矢量来计算转子叶片法兰的可行的法向矢量的集合。此外，从可行的法向矢量的集合来计算转子叶片法兰的法向矢量。
转子叶片法兰的法向矢量的计算能够包括可行的法向矢量的集合的统计评估、和法向矢量的结果质量的计算。通过确定转子叶片法兰的方位进而确定转子的转动，根据本公开的方法不依赖于风力发电设施的转子叶片的预定姿态。例如，无需螺栓连接，例如在转子叶片之一的6点钟位置上的螺栓连接，以实现自主无人机飞行。因此能够节省用于风力发电设施定向的时间和附加的耗费。
根据本公开的实施例，所确定的至少一个参数包括塔中点，例如塔位置。确定塔中点包括借助记录单元、例如以距塔壁的尽可能相同的间距沿着塔的外壁环绕塔，以及在环绕塔时记录下记录单元的位置。此外，由相应的三个点形成位置子集，其中，三个点彼此间具有预定的间距。
此外，能够从多个位置子集确定三角形的重心的集合，其中，每个三角形由一位置子集的三个点形成。在此，从重心的平均值来计算塔中点。替代地或附加地，能够从多个位置子集确定圆中点的集合，其中，每个圆中点从一位置子集的三个点中借助于通用圆方程确定。在此，从圆中点的集合来计算塔中点。替代地或附加地，能够从多个位置子集来确定外接圆中点的集合，其中，每个外接圆中点为由一位置子集的三个点形成的三角形的外接圆的中点。在此，从外接圆中点的集合来计算中点。三角形能够是例如等边或等腰三角形。
塔中点的计算能够包括统计评估以及结果质量的计算。借此，提供了可行性：例如，在没有任何地理先验信息的情况下，基于记录单元的位置信息在一个工作步骤中确定位置，例如以设施中点的形式。借此，该方法不依赖于精确的、已知的位置信息。通过已知塔中点，无人机能够自主飞向风力发电设施，以对其进行检测。由于风场的多个风力发电设施的已知的位置，能够实现通过无人机依次自主检测多个风车。
根据本公开的实施例，该方法还包括确定以下参数中的一个或多个：
毂高度，例如转动轴的高度，
转动轴的倾角，
毂直径，
风力发电设施的定向，例如导向、方位或方位角
转子叶片法兰的中点，
转子叶片法兰的直径，
转子叶片的长度，
转子叶片的倾角，
转子叶片的姿态、例如转动，例如关于旋转
转子叶片的倾角，
转子叶片厚度，和
转子叶片宽度。
在此，确定一个或多个参数能够包括
计算从转子叶片法兰的位置、例如法兰中点中展开的第一平面的第一法向矢量，
计算从转子叶片尖端的位置展开的第二平面的第二法向矢量，
确定圆的第一中点，所述圆的圆形轨道通过转子叶片法兰的位置、例如法兰中点来确定，和
确定圆的第二中点，所述圆的圆形轨道通过转子叶片尖端的位置来确定。
能够通过评估一个或两个法向矢量来计算设施定向的确定和风力发电设施的转动轴线的倾角。
能够通过评估一个或两个中点和基准点来确定风力发电设施的毂高度。
转子叶片例如关于公共的转动轴线的姿态的确定，例如偏离例如6点钟位置，能够通过将一个或多个转子叶片尖端的位置和/或一个或多个转子叶片法兰的位置与所计算的第一和/或第二中点位置进行比较来实现。替代地或附加地，能够从转子叶片法兰的法向矢量来确定转子叶片的姿态。
毂直径的计算或者例如风力发电设施的毂直径的估计能够从转子叶片法兰的位置的间距来实现。
通过确定参数，能够建立风力发电设施的模型，所述模型能够用于执行全自动或自主的检查飞行。此外，能够通过确定参数来识别与目标或标准几何形状的偏差。
根据本公开的实施例，该方法还包括借助特征的位置和/或方位信息生成或修改模型，或者参数化物体的通用模型、例如CAD(计算机辅助设计，英语：compute aideddesign)模型，例如用于确定自主飞行的航路点。通过建立或适配风力发电设施的模型，例如能够根据该模型进行后续的自主检查飞行。此外，模型还能够实现快速且具有成本适宜的可行性，例如能够维持风力发电设施的定向的已知的变化，而无需重新检测物体。
根据本公开的实施例提供了一种用于检查物体的方法，所述方法包括沿着路径飞跃物体，和在飞跃期间检测物体的一个或多个部段。在此，路径基于通过特征对物体的显示或基于通过根据上述方法中的一个或多个获得的参数。
由此，能够实现对物体进行自动检查。例如，通过预定路径，无人机飞行员能够完全专注于监控无人机飞行，而不必承担无人机的控制。
根据本公开的实施例，评估装置是记录单元的一部分。记录单元能够是无人机，无人机自行执行评估，或者例如在其配属的评估单元、例如计算模块中执行评估。因此，能够取消用于评估的附加的数据传输或外部评估装置，这简化了系统。
根据本公开的实施例，评估装置设计用于在图像组中自动地识别特征和/或自动地确定特征的位置和/或方位。通过高自动化程度，能够快速且成本适宜地执行根据本发明的方法。由此也能够减小人为错误的数量。
根据本公开的实施例，测量装置设计用于从不同位置光学检测物体的多个部段。光学检测能够成本适宜地通过相机实施，并且能够实现例如使用大量已知的优化方法来改进记录质量，例如关于背光。
附图说明
下面参考所附的附图更详细地解释根据本公开的示例。关于所示的示意性附图需要指出的是，所示的功能块应被理解为根据本公开的设备或根据本公开的系统的元件或特征，以及被理解为根据本公开的方法的相应的方法步骤，并且也能够从中推导出根据本公开的方法的对应的方法步骤。附图示出：
图1示出本公开的一个实施例的用于检测物体的流程图；
图2示出根据本公开的一个实施例的具有附加可选步骤的用于检测物体的流程图；
图3示出根据本公开的一个实施例的用于检测风力发电设施的流程图；
图4示出根据本公开的一个实施例的风力发电设施的示意侧视图，具有风力发电设施的截面的示意俯视图和记录单元的移动轨迹；
图5示出根据本公开的一个实施例的风力发电设施的示意侧视图，具有风力发电设施的截面的示意俯视图；
图6示出根据本公开的一个实施例的风力发电设施的示意俯视图；
图7示出根据本公开的一个实施例的在实时运动学系统、记录单元、评估装置与通信单元之间的示例性信息流的示意图；
图8示出根据本公开的一个实施例的风力发电设施的示意侧视图，具有记录单元的检测的示例性顺序；
图9示出根据本公开的一个实施例的风力发电设施的示意侧视图，具有示例性特征的；和
图10示出根据本公开的一个实施例的起重机的示意侧视图，具有示例特征。
具体实施方式
在下面根据附图更详细地解释本发明的示例之前，需要指出的是，不同附图中的相同的、功能相同的或起相同作用的元件、物体和/或结构设有相同的或相似的附图标记，使得所述元素的在不同示例中示出的描述能够彼此互换或能够相互应用。
图1示出根据本公开的一个实施例的用于检测物体的流程图。图1示出步骤110，其包括飞跃物体并借助至少一个记录单元检测物体的多个部段，其中，每个部段从记录单元的不同位置被多次记录，以产生一组图像，其中，将记录单元的位置和方位信息与每个图像相关联。然后，在步骤120中，识别图像组中的特征，并且在步骤130中，使用包含特征的图像的位置和方位信息来确定特征的位置和/或方位。
在此，飞跃该物体能够手动地(例如通过无人机飞行员)或自动地或自主地实现。物体的部段能够是物体的具有特征性特征的部分。位置和方位信息能够包括坐标和/或地点信息、或定向和/或方向信息。在此，同样能够将其他信息与图像相关联，例如记录单元的张角，或例如像素的数量。能够自动地进行特征识别，或者手动地执行特征的识别。例如，能够使用AI(人工智能)或机器学习领域的其他方法。特征识别可由评估装置执行。在此，评估装置能够是附加的计算机或基于云的计算机结构。评估能够直接在飞跃之后或飞跃期间直接进行，或者也能够在时间上和地点上偏移地进行。
通过从包含特征的图像的位置和方位信息确定特征的位置和/或方位，能够借助少量时间耗费且以例如最小人员危害来检测测难以进入的待检测的物体。代替攀爬者，无人机能够做出图像记录，借助所述图像记录能够创建物体的模型。然后，根据模型能够随后执行全自动的、或自主的检查飞行。通过记录一组图像，能够使用图像评估方法，例如用于生成深度信息。此外，能够实现对从各个图像的评估中得出的结果进行统计评估，说明结果质量，由此，例如能够创建模型准确性的度量。由此，能够决定无人机必须距物体以何种间距飞行，以便尽可能安全地避免碰撞。模型质量越好，无人机就能够自动地越进入，以做出物体的特别高分辨率的图像，根据所述图像能够实现全面的评估，例如关于细纹裂缝。
图2示出根据本公开的一个实施例的具有附加可选步骤的用于检测物体的流程图。在此，图2中的必要步骤对应于图1中的步骤。
图2附加地示出步骤210，步骤包括使用实时运动学RTK系统，以校正记录单元的位置和方位信息。
通过RTK系统能够改进定位精度，而在无需将用于位置确定的复杂的技术集成到记录单元中。
步骤220包括确定物体的基准位置。通过评估记录单元的位置信息的集合来确定基准位置，其中，该位置信息量的集合源自记录单元的移动轨迹。例如，基准位置能够是物体中点。由此，记录单元能够自动飞到物体的位置，以便例如以光学方式对所述物体进行检测。
步骤230包括确定物体的定向。通过评估例如先前确定的物体基准位置和记录单元的位置信息来确定定向，其中，记录单元根据物体定向在记录位置信息的时间点来定位。能够将记录单元放置在记录单元与基准位置、例如物体中点之间的连接线上，所述连接线与物体的前侧成直角，并且能够从基准位置和记录单元的位置来计算物体的定向、例如方位或取向。取向的确定在可移动的物体中、例如在风力发电设施或起重机中会是重要的，因为其能够在两次检查之间变化。根据本公开确定定向的优点在于，不必将附加的耗费用于调整物体的对准。例如，风车的机舱不必为了移动而被置于特定的定向。例如，在高层建筑之间在住宅区内的起重机例如不能明确地转向北方，因为那里例如已经存在建筑物或另一起重机。因此，根据本公开的方法能够节省时间和资源，并且同时适合于广泛的应用领域。
另一步骤240包括确定物体的基准点。这通过将记录单元放置在基准点上并且然后评估记录单元的位置信息来实现。基准点能够是来自二维或三维空间的点，但是也能够是标量变量，例如海拔高度。因此，能够借助记录单元确定随后飞跃物体的参考高度。记录单元例如能够放置在物体的最低点处，以便然后在物体高度例如已知的情况下沿着物体的整个高度自动飞越物体。
另一步骤250包括确定物体的至少一个尺寸。通过评估物体的基准点和特征中的一个或多个的位置来确定尺寸。根据例如之前确定的基准点，能够以基准高度的形式通过评估物体最高点的位置来确定物体的高度。在此，根据本公开，也能够考虑其他应用。因此，例如横向扩展、例如应拆卸的集装箱船的横向扩展能够借助于无人机和例如以船首的最靠外的点的形式的基准点和确定船尾的最靠外的点的位置来确定。由此，能够快速测量数百米长的船，以便例如确定用于分解的理想的切割平面。
包括飞跃物体并借助至少一个记录单元检测物体的多个部段的另一步骤110，包括识别图像组中的特征的步骤120，和包括确定特征的位置和/或方位的步骤130对应于图1中的步骤。为了更精确地描述，因此参考图1的描述。
在实施例中，步骤250还能够包括步骤110、120和130。但是，步骤250也能够在执行或重新执行步骤110、120和130之前在具有或没有这些步骤的情况下进行。例如，步骤110、120和130的执行能够是用于确定步骤250的一个或多个特征的位置的可行性。在已知位置的情况下，也能够省略执行用于确定物体的至少一个尺寸的步骤110、120和130。但是，省略用于确定尺寸的步骤110、120和130决不排除执行用于确定例如其他特征的位置和/或方位的步骤。
另一步骤260包括生成或修改模型，或参数化通用模型，例如物体的CAD模型，例如以确定用于自主飞行的航路点。能够借助特征的位置和/或方位信息来建立模型。例如，能够通过物体的模型例如自动或自主地执行随后的无人机飞行。因此，例如能够在检查物体时实现显著的时间节省。
在此，所示出的步骤210-250和260分别可理解为是可选的。例如，在已知基准位置的情况下，能够省略步骤220，然后仍然能够借助已知的基准位置来执行步骤230，即确定物体的定向。相反，能够省略借助步骤230确定定向，但是能够借助步骤220确定基准位置。
图3示出根据本公开的一个实施例的用于检测风力发电设施的流程图。例如，图3示出用于为无人机沿着风力发电设施自主飞行产生风力发电设施的校准数据组的流程。
步骤310包括确定风力发电设施的塔中点。确定塔中点包括：借助记录单元沿着塔的外壁至少部分地环绕塔，并且在环绕塔时记录下记录单元的位置。此外，由相应的三个点形成位置子集，其中，三个点彼此间具有预定的、例如尽可能相同的间距。此外，从多个位置子集确定三角形的重心的集合，其中，每个三角形由一位置子集的三个点形成。在此，从重心的平均值来计算塔的中点。替代地或附加地，从多个位置子集确定圆中点的集合，其中，借助于通用圆方程从一位置子集的三个点中确定每个圆中点。在此，从圆中点的集合来计算塔的中点。替代地或附加地，能够从多个位置子集确定外接圆中点的集合，其中，每个外接圆中点是由一位置子集的三个点形成的三角形的外接圆的中点。在此，从外接圆中点的集合来计算中点。
换言之，能够通过记录单元、即例如无人机来确定塔中点。由于风力发电设施的地理坐标未知或仅不准确地已知，能够需要确定风力发电设施的塔中点，以便校准无人机沿着风力发电设施的飞行路径，例如针对自主飞行。为此，通过根据本公开的方法能够例如以厘米精度确定塔中点。借助记录单元例如一次性回转或环绕塔能够形成记录单元的运动轨迹的记录。能够将距塔的间距和环绕的速度、例如慢地选择成，使得存在足够的信号强度，例如在无人机与实时运动学系统之间存在足够的信号强度，以改进位置精度，或在无人机与通信单元、例如远程控制台(远程控制平台)之间存在足够的信号强度。在风力发电设施的情况下，能够在基础基座上进行环绕，对于海上风力发电设施的情况下，也能够在风力发电设施的舷梯上进行环绕。在此，在评估时一起考虑舷梯的高度差，例如在舷梯与地基上边缘或水位之间的高度差。从一系列记录的位置信息或位置、例如GPS基点来计算塔中点。能够从运动轨迹的位置信息中选择三个点，所述点彼此间具有预定的、例如相似的、或者尽可能相同的间距，使得这三个点形成例如等边的三角形。然后，能够从这三个点来计算出三角形的中点或重心。对于多个、或例如所有记录的位置信息，能够执行从相应的三个具有彼此间相似间距的点来计算中点。从所求出的中点、或重心能够计算平均值，以便计算塔中点或中心。替代于或附加于经由三角形的重心确定塔中点之外，能够从相应的三个点针对多个、或例如所有记录的位置信息，从通用圆基于相应的三个点确定圆中点，或从三角形的外接圆确定外接圆中点，所述外接圆由相应的三个点形成。
步骤320包括确定基准高度或风力发电设施的基底(地基)。通过将记录单元放置在基准高度上，例如在基底上的任何点上，或例如基准点上，并且然后评估记录单元的位置信息来进行确定。
基准高度的确定能够形成对风力发电设施或风车的第二测量。基准高度能够是一维基准点的示例。例如，基准点是海拔高度，所述海拔高度形成风力发电设施的高度基准或基准高度。基准高度的确定，例如作为零点的高度的确定能够用于随后进一步确定塔的下法兰的、或混凝土边缘的塔高度。将记录单元放置在基准高度上能够包括将记录单元(例如无人机)停放在风力发电设施的地基上边缘上。记录单元的停放能够在事先地、例如一次性地环绕地基上边缘之后进行。记录单元能够具有GPS或定位系统(例如Preciwave)。在海上风力发电设施的情况下，基准高度也能够是舷梯的高度，以形成地基与塔下法兰之间的区域。换言之，代替地基上边缘，能够使用舷梯来确定基准高度。在这种情况下，对于基准高度或基于基准高度进行的其他步骤，能够一起考虑高度差、例如舷梯与地基之间的、或者舷梯与水面之间的高度差。
另一步骤330包括确定风力发电设施的定向。通过评估基准位置、例如风力发电设施的塔中点和记录单元(例如无人机)的位置信息来确定定向，其中，根据风力发电设施的定向在记录位置信息的时间点定位记录单元。
确定风力发电设施的定向能够形成风力发电设施的第三测量。风力发电设施的定向能够是风力发电设施的机舱的定向。记录单元能够根据机舱的定向来布置在风力发电设施之前，即例如使得在无人机与机舱之间的连接线垂直于转子叶片布置。从风力发电设施的已知的基准位置中、即例如塔中点和记录单元的位置能够确定机舱的定向。定向能够是机舱或风力发电设施的方位或朝向，定向例如相对于北方方向，但是或者也相对于其他参考点来求出。如果仅需要大致确定定向，则能够例如在步行的范围内确定记录单元的位置，其中，记录单元根据机舱的定向能够暂时停放在风力发电设施之前，以确定记录单元的例如GPS位置。在确定定向后，紧接着能够进行校准飞行。
另一步骤340包括确定风力发电设施的毂高度。毂高度的确定通过评估基准点(例如作为零点的高度)和一个或多个特征的位置来实现。
换言之，例如在在确定塔中点、基准高度和风力发电设施的方位之后，能够确定毂高度。在存在毂高度的先验信息的情况下，也能够对其进行验证。记录单元、例如无人机能够飞向风力发电设施的毂并拍摄毂尖端。记录单元距风力发电设施的间距能够在所确定的阈值之下、例如低于20m进行。如果在飞行前已知大致的毂高度，则能够自动地例如通过确定航路点(路线点)来执行记录单元的飞近。记录单元的飞近也能够手动、例如用手进行，使得记录单元在毂尖端的高度上借助记录单元的远程控制来飞行。图像的评估，例如图像上的毂尖端的特征的识别能够手动(例如用手)或以自动的方式(例如通过人工智能(AI))进行，。
另一步骤350包括确定转子叶片法兰的位置。确定转子叶片法兰的位置包括：确定在转子叶片法兰的在图像中鉴别的第一点(简称法兰点)的位置与记录单元的位置之间的第一直线；和确定在转子叶片法兰的在相同的图像中鉴别的与第一点相对置的第二点的位置与记录单元的位置之间的第二直线。在此，为了确定第一直线和第二直线，除了记录单元在记录图像的时间点的位置和转子叶片法兰的点的所鉴别的位置之外，也还一起考虑记录单元在记录图像的时间点的方位以及记录单元的特性。此外，确定在第一直线与第二直线之间的中间伸展的另外的直线。为转子叶片法兰的一组图像确定多条另外的直线，并且从多条另外的直线确定转子叶片法兰的位置，例如转子叶片法兰的中点(简称法兰中点)的位置。
步骤还能够包括确定转子叶片法兰的方位。确定转子叶片法兰的方位包括：鉴别图像中的转子叶片法兰的两个相对置的点，其中，确定在转子叶片法兰的两个相对置的点的位置之间的连接直线的方向矢量。在此，为转子叶片法兰的一组图像确定连接直线的多个方向矢量，并且通过成对地形成连接直线的方向矢量的叉积，从连接直线的多个方向矢量来计算转子叶片法兰的可行的法向矢量的集合。从可行的法向矢量的集合来计算转子叶片法兰的法向矢量。
换言之，为了确定转子叶片法兰的位置和方位，转子叶片法兰(或简称法兰)能够被视为或近似为圆形结构，例如圆，法兰具有空间中的位置(例如中点)和空间中的方位(例如取向)。该圆在下文中称为法兰圆。为了确定转子叶片法兰的位置，能够使用类似的如在确定转子叶片尖端位置时的方法。能够为每个图像和法兰计算空间中的两条射线或数学直线。它们在两个相对置的点处接触法兰圆并且相交，例如精确地在记录单元的位置、例如记录单元的相机中相交。能够计算出一条射线，所述射线刚好在之前计算的两个射线的中间中伸展。然后，所述射线能够穿过法兰圆的中点。例如能够类似于在确定转子叶片尖端的位置中那样或类似于在机翼尖端那样，从每个图像和法兰的中点射线求出法兰中点位置。
在实施例中，根据本公开的方式确定法兰在空间中的方位基于以下思想，即通过圆平面的法向矢量确定或能够说明圆在空间中的方位。在法兰的情况下，所述法向矢量也能够是以下方向矢量，转子叶片、例如机翼以所述方向矢量离开毂。方法的另一思想在于：能够以如下为基础：每个法兰的由用户或自动的评估所确定的两个图像点和图像位于与图像平面平行的平面中。由此，例如在假设任意这样的平面的情况下，能够通过两个点计算连接直线的方向矢量。因为这种、例如所有方向矢量也位于法兰的圆平面中，所以从中能够计算圆平面的法向矢量。为此，能够将叉积成对地应用于方向矢量，并且能够借助统计方法将结果减少为单个法线矢量和结果质量。
此外，在步骤350中，能够确定法兰直径。从例如先前确定的法兰中点能够求出：两个鉴别的法兰点位于与图像平面平行的哪个平面中。从中，能够计算出两点的间距。从两点的间距中，能够计算法兰直径的平均值，例如，能够从一组具有转子叶片法兰且其中鉴别转子叶片法兰的相应的两个点的图像中，在转子叶片法兰的相应的两个法兰点的多个间距上取平均值。
换言之，总而言之，确定转子叶片法兰、例如风力发电设施的机翼附件的位置能够包括对法兰拍照。此外，除了转子叶片法兰的位置外，转子叶片法兰的尺寸和宽度例如能够通过法兰直径来确定，以及例如通过转子叶片法兰的法向矢量确定转子叶片相对于塔的倾角。
步骤360包括确定转子叶片尖端的位置或转子叶片的尖端。确定转子叶片尖端的位置包括：确定转子叶片尖端的在图像中鉴别的位置与记录单元的配属的位置之间的直线。在此，为了确定直线，除了记录单元在记录图像的时间点的位置和转子叶片尖端的鉴别到的位置之外，还能够一起考虑记录单元在记录图像的时间点的方位，以及记录单元的特性。此外，为转子叶片尖端的一组图像确定多条直线并且成对地评估多条直线。对于每条直线对计算交点，并且从直线对的交点的集合来计算转子叶片尖端的位置。
换言之，在步骤中，能够确定转子叶片尖端的位置，例如叶片尖端或机翼尖端，或者如果存在关于转子叶片尖端的位置的信息，则进行验证。记录单元、例如无人机能够飞向转子叶片尖端并拍摄所述转子叶片尖端。记录单元距风力发电设施之间的间间距能够低于阈值，例如低于20m。在毂高度和转子叶片长度已知的情况下，记录单元的飞近能够通过由路径点方法(例如自动地或自主地)确定待飞近的转子叶片尖端位置。记录单元的飞近也能够手动地、例如用手来进行，例如根据步骤340。
转子叶片尖端的、或机翼尖端的位置的确定能够包括为每个图像计算空间中的射线或数学直线。能够使用记录单元(例如记录单元的相机)的位置和定向、记录单元的特性(例如记录单元的相机的张角和像素的数量)以图像中的转子叶片尖端的鉴别到的位置，来计算射线。转子叶片尖端的借助所述数据计算的射线在理想条件下、例如在精确已知光学参数且无错鉴别到转子叶片尖端位置的情况下，例如全部在相同的位置处，例如在转子叶片尖端的相同的地点、位置处相遇。为了例如即使在非理想条件下也实现良好计算转子叶片尖端的位置，根据本公开，例如转子叶片尖端的例如所有射线都能够成对比较。在此，能够分别计算出近似的交点，例如最短连接线的中点。不良射线对、例如不产生对于转子叶片尖端位置有意义的结果的射线对，能够被挑选出来，例如不被考虑在内。用于识别不良射线对的可行性是：形成交点与图像记录的比较。如果射线对在图像区域外相交，则例如当在图像区域内正确别鉴别到转子叶片尖端时，能够拒绝所述交点。能够从交点建立点云，例如交点的集合或多个交点，从中能够借助统计方法计算中点和结果质量。计算出的中点能够描述转子叶片尖端的位置。
替代地或附加地，转子叶片尖端的位置、例如顶尖的确定能够如下执行：
起始点能够在三维空间中形成转子叶片尖端的在图像中鉴别的位置与记录单元的配属的位置之间的直线的集合，其交点例如确定转子叶片尖端的位置。简单来说，在其3D的“交点”中找到多个射线。
在实际评估中，直线或射线中的一些或更多能够是倾斜的，因此没有公共的交点。换言之，实际上射线能够是斜的并且在任意点都不相交。因此，能够代替地寻找最接近“交点”的点P。
因此，能够使用两个限定，并且例如能够执行相应的处理步骤：
“最小间距”：3D点距射线或例如直线的最小间距，点与射线之间的，或例如点与直线之间的铅垂线的长度。
“最小间距的平方和”：对于给定的射线，分别计算距一个点的最小间距并且求平方。然后在所述平方的间距上形成总和。
然后，所寻找的点刚好是最小化最小间距的平方和的点。
能够例如借助于优化算法，例如借助“有限内存Broyden-Fletcher-Goldfard-Shanno”算法(L-BFGS)来确定点P。
例如，点P又能够被用作为转子叶片尖端的位置的结果。
另一步骤370包括确定转子叶片的变形和/或弯曲。转子叶片的变形和/或弯曲的确定通过借助数学函数(例如线性、指数或对数函数)来近似转子叶片的走向来实现。
换言之，转子叶片的变形和/或弯曲、例如弯折的确定能够通过通用数学方法来进行。在此，变形能够包括自第二转子叶片半部起的变形。通过例如根据步骤350确定转子叶片法兰的位置以及例如根据步骤360确定转子叶片尖端的位置，能够近似转子叶片或机翼的真实走向。
另一步骤380包括确定转子叶片尺寸或参数。该步骤能够包括确定最大转子叶片厚度和/或确定最大转子叶片宽度。能够在确定转子叶片法兰的间距的同时确定转子叶片厚度和/或转子叶片宽度。在确定转子叶片尖端的位置和转子叶片法兰的位置及其直径之后，转子叶片尺寸的确定还能够包括例如根据步骤360的任意位置的确定。为此，能够选择在转子叶片边缘(例如叶片边缘)上的两个相对置的点，使得从中得出的间距确定得到叶片宽度。从中例如也能够求出配属的位置和方位。
步骤310至380还能够包括计算以下参数或特征：
塔中点，例如精确的塔位置
毂高度，例如转动轴线的高度
转子叶片的倾角
转子叶片的法兰中点的定向
转子叶片的长度
转子叶片的变形和/或弯曲
姿态，例如转子叶片的旋转
转子叶片的倾角(桨距角)
风力发电设施的、或毂的定向
所述参数可用于计算航路点的校正，例如无人机的检查飞行的航路点计算。
另一步骤390包括生成或修改模型，或用于参数化通用模型、例如风力发电设施的CAD模型。借助特征的位置和/或方位信息生成、修改或参数化模型。能够从校准数据、例如出自步骤310至380的数据生成、修改或参数化模型。此外，能够按照相同的方法还获取其他参数。其他参数能够包括转子叶片的参数，即例如转子叶片厚度和转子叶片宽度。只有不存在整个风力发电设施或例如转子叶片的模型，才需要生成模型。根据求出的参数，能够生成模型，例如由例如塔和转子叶片构成的风力发电设施的3D模型，和/或对其以如下方式进行修改，即尽可能精确地描绘现实。此外，例如通过通用方法，能够参数化风力发电设施的通用3D模型。然后，例如从通用模型能够计算用于自主飞行的航路点。
根据本公开的实施例，能够从步骤310至380中已知或导出以下变量：
转子叶片尖端的位置，
法兰中点的位置，
法兰圆在空间中的方位或取向，例如法兰圆的法线
法兰的直径，和
转子叶片宽度和转子叶片的位置。
能够从所述变量导出其他变量。转子叶片尖端和法兰中点能够分别限定如下平面，能够将法向矢量分配给所述平面，并且能够分别计算中点，例如圆中点。在这两种情况下，法向矢量对应于毂的或风力发电设施的定向或转动轴线的方向，即例如转子叶片的共同的转动轴线。从中能够计算出定向，例如朝向和转动轴线向上的斜度。计算出的中点位于转动轴线上，并且借助所述中点能够确定其高度，例如毂的高度。风力发电设施的转动，即例如转子叶片的姿态(例如与6点钟姿态的偏差)能够从转子叶片尖端或转子叶片法兰中点与其中点的比较中来计算。替代地或附加地，也能够从法兰圆的法向矢量来计算转动。能够通过转子叶片法兰中点彼此间的间距计算或估计毂的直径。转子叶片尖端的所求出的位置与期望的位置的偏差能够用于求出转子叶片弯曲，例如弯折。例如，借助机翼宽度和位置的计算例如能够对通用CAD模型进行参数化。
图4示出根据本公开的一个实施例的风力发电设施的示意侧视图与风力发电设施的截面的示意俯视图和记录单元的移动轨迹。例如，图4示出图3中的步骤310。图4示出风力发电设施的截面的示意俯视图400，以及风力发电设施的示意侧视图410。风力发电设施具有塔420、地基430、机舱440和转子叶片450。塔中点460在俯视图400中被标记。同样示出地基上边缘上的容纳单元470的移动轨迹480。为了确定塔中点460，记录下记录单元470在移动轨迹480上环绕塔420时的位置。然后，由相应的三个点形成位置子集，其中，三个点彼此具有预定的、例如尽可能相同的间距。此外，能够从多个位置子集确定三角形的重心的集合，其中，每个三角形从一位置子集的三个点形成，并且从重心的平均值来计算塔中点460。替代地或附加地，能够从多个位置子集确定圆中点的集合，其中，借助于通用圆方程从位置子集的三个点确定每个圆中点。在此，从圆中点的集合来计算塔中点460。替代地或附加地，能够从多个位置子集确定外接圆中点的集合，其中，每个外接圆中点是三角形的外接圆的中点，所述外接圆由位置子集的三个点形成。在此，塔中点460从外接圆中点的集合来计算。三角形能够例如是等边或等腰三角形。
图5示出根据本公开的一个实施例的风力发电设施的示意侧视图以及风力发电设施的截面的示意俯视图。例如，图5示出了图3中的步骤320。图5除了记录单元的位置和缺少移动轨迹之外对应于图4。与图4相比，图5示出基准点510。为了确定风力发电设施的基准点、例如基准高度或作为零点的高度，将记录单元放置在基准点上。然后评估记录单元的位置信息。因此，例如能够为风力发电设施确定参考高度，记录单元能够根据所述参考高度来取向，例如以便自动地飞向转子叶片尖端或毂。基准点也能够是一维变量，例如基准高度。在该情况下，基准点能够例如具有相对于塔的相同高度的、在地基上边缘上的任意点。
图6示出根据本公开的一个实施例的风力发电设施的示意俯视图。例如，图6示出图3中的步骤330。图6示出图4和5中的已知元件，以及风力发电设施相对于塔中点460和基准轴线620(例如向北定向的轴线)的定向610。确定风力发电设施的定向包括评估塔中点460和记录单元470的位置信息，其中，记录单元根据风力发电设施的定向610在记录位置信息的时间点定位。因此，风力发电设施的定向610能够在短时间内并在除记录单元470之外不需任何另外的测量装置的情况下来确定。能够从塔中点460和记录单元的位置确定两个点的直线或连接直线的方向矢量。所述方向矢量或直线相对于基准轴线620的角度可用于评估定向610。
图7示出实时运动学系统、记录单元、评估装置和通信单元、例如根据本公开的一个实施例的远程控制台之间的示例性的信息流的示意图。图7示出记录单元470、实时运动学系统710，例如RTK、卫星720、评估单元730和通信单元740。实时运动学系统例如从卫星720获得关于其自身位置的信息720，用箭头750表明信息流。记录单元470同样能够经由卫星720获得关于其自身位置的信息；借助箭头760表明信息流。实时运动学系统可用于改进记录单元的位置数据，其通过箭头770表明。在此，记录单元470与评估单元730的通信经由通信单元740进行，其通过箭头780表明。在此，通信能够例如在记录单元与通信单元之间加密地进行。在此，记录单元还能够包括控制单元。由此，能够创建一种移动的且成本有效的可行性来生成风力发电设施的精确的位置和方位信息，而无需将昂贵的、复杂的、并且例如笨重的GPS模块集成到记录单元470中，以生成足够精确的位置数据。
图8示出根据本公开的一个实施例的具有记录单元的示例性检测顺序的风力发电设施的示意侧视图。图8示出图4和图5中的已知的元件。附加地，数字1至4示出通过记录单元飞跃的可行的顺序。在确定风力发电设施的基准位置、基准点和定向后，能够首先自动或自主地飞近毂(1.)以确定塔高度，并且然后飞近转子叶片尖端。在此，例如在到转子叶片尖端的路线中，能够光学地检测其他部段。在此，转子叶片的姿态应强调为是示例性的，能够定向到6点钟位置或任意的其他位置。
图9示出根据本公开的实施例的具有示例性特征的风力发电设施的示意侧视图。图9示出图4和图5中的已知的元件。位置和/或方位能够借助根据本公开的方法确定的特征例如以转子叶片法兰910、转子叶片尖端920和毂930的形式来表征。能够通过记录单元检测的风力发电设施的部段940是示例性的。同样能够考虑大量其他的或另外的特征。例如，转子叶片法兰的各个点也能够形成特征。例如，通过拍摄风力发电设施的部段940能够识别特征转子叶片尖端920，以及能够以根据本公开的方式评估转子叶片尖端的方位和/或位置。
图10示出根据本公开的一个实施例的起重机形式的物体的示例的示意侧视图。图10示出起重机1000。起重机的示例性特征用塔与悬臂之间的连接件1010和悬臂的尖端1020来表征。通过根据本公开的方法，能够通过记录起重机1000的多个部段来执行对特征的位置和/或方位的识别。因此，例如，能够在永久性建筑工地快速且成本适宜地检查起重机1000的完整性。因为定向能够根据起重机先前的负载移动而变化，所以根据本公开，能够在没有起重机1000的附加的、时间耗费的定向的情况下进行数据检测。通过评估特征的位置和/或方位，能够生成起重机1000的模型，以便借此自主地执行检查飞行。
在此，材料、环境影响、电气特性和光学特性的所有在此详述的举例都应视为是示例性的并且不应视为是排他的。
结论和进一步的注释。
概括地说，根据本公开的实施例基于在例如源自光学检测的、所创建的图像中标记显著点的思想。显著点能够是边缘点。根据已知的位置和方位、例如图像的定向，以及记录单元的参数、例如记录单元的相机的参数能够沿着图像深度投射射线或直线。例如，能够通过评估多个图像来确定空间中的精确点。然后，借助所述点能够求出物体、例如风力发电设施的待确定的量或待确定的参数。
根据本公开的实施例涉及一种用于产生校准数据的方法，所述校准数据用于为了记录单元、例如无人机(UAV)的自主飞行而自动进行位置确定或航路点确定，以对用于确定沿物体和系统的路径的方法做准备。
根据本公开的实施例涉及利用记录单元、例如市售的无人机(UAV)对风力发电设施的检查，所述记录单元能够配备相机和/或防雷测量装置。无人机还能够包括其他传感器或模块。例如，能够配备基于雷达、超声波、红外线、激光或其他技术的传感器。在此，记录单元能够沿着风力发电设施的路线自动飞跃，以便做出物体的照片或测物体量并探测可行的损坏。
概括地说，根据本公开的实施例基于利用记录单元、例如市售的无人机来自动化风力发电设施的测量和产生校准数据组来自主飞跃风力发电设施的思想。在此，能够自动记录转子毂、转子叶片的姿态及其叶片尖端。根据对记录的评估，能够自动地计算记录单元沿风力发电设施的飞行路线(路径)。
根据本公开的实施例的物体能够包括例如风力发电设施、起重机、桥梁或桥墩、水坝或电线杆。在此，所述列表不应被视为是排他性的。例如，根据本公开的方法尤其能够非常有利地应用于难以进入的、大型的、必须检查的或者应当从中创建模型的物体。
根据本公开的实施例包括在地面校准之后对风力发电设施的自动校准飞行，例如包括借助毂高度的已知的值和转子叶片的长度来确定塔中点、塔高度和风力发电设施、例如塔方位的定向，使得能够对于具有足够安全间距、但是例如具有小于20m间距的自动校准飞行采用足够的风车位置。此外，借助所述飞行能够实现确定针对转子叶片尖端位置以及转子叶片法兰的精确的测量值和例如其他特征或参数。
根据本公开的实施例基于使用几何辅助结构来确定特征的或参数的位置和/或方位。在此，几何辅助结构能够包括射线或直线。根据具体的特征或参数，能够使用相应形式的几何辅助结构、即例如直线或射线，或者也仅使用直线的方向矢量或射线的方向矢量。根据本公开的方法和系统不限于信息的特定表示形式的具体使用，所述表示形式例如能够通过直线或射线来描绘。在使用从第一点发出并且包括第二点的射线时，对应的配属的直线例如通过了解两个点而是已知的，所述直线同样包括两个点并且具有相同的信息内容。相反，直线提供能够构成为直线的部分路线的射线的方向信息。所述表示形式应仅具有示例性特征，因此能够在特定目的的上下文中以相同的信息内容被处理为是可任意更换的。
概括地说，根据本公开的实施例可包括确定或计算风力发电设施的转子叶片尖端(例如顶尖)的位置。为了确定位置，例如能够在三维空间中在图像中鉴别的转子叶片尖端位置与记录单元的配属的位置之间建立直线或射线的集合。相应地，为了确定转子叶片尖端的位置，能够寻找三维空间中直线或射线的集合的“交点”。简单来说，根据这种实施例，起始方位能够是在3D中的寻找其“交点”的多条射线。实际上，例如在借助真实记录单元的数据实际使用风力发电设施的情况下，一些或例如所有直线或射线都能够是倾斜的并且不在任何点中相交。根据这种实施例，能够取而代之地确定最接近“交点”的点P。
因此，能够使用两个限定，并且例如能够执行相应的处理步骤：
“最小间距”：3D点距射线或例如直线的最小间距，例如点与射线之间的，或例如点与直线之间的铅垂线的长度。
“最小间距的平方和”：对于给定的射线，分别计算距一个点的最小间距并且求平方。然后在所述平方的间距上形成总和。
然后，所寻找的点刚好是最小化最小间距的平方和的点。
能够例如借助于优化算法，例如借助“有限内存Broyden-Fletcher-Goldfard-Shanno”算法(L-BFGS)来确定点P。
例如，点P又能够被用作为转子叶片尖端的位置的结果。
虽然一些方面已经在设备或系统的上下文中进行了描述，但是应当理解的是，这些方面也表示对相应的方法的描述，使得设备或系统的块或组件也能够理解为相应的方法步骤或理解为方法步骤的特征。类似于此，结合方法步骤或作为方法步骤描述的方面也表示对相应的设备或系统的相应块或细节或特征的描述。一些或所有方法步骤能够通过硬件设备(或使用硬件设备)、例如微处理器、可编程计算机或电子电路来执行。在一些实施例中，最重要的方法步骤中的一些或多个能够通过这种设备来执行。
根据特定的实施要求，本发明的实施例能够以硬件或软件来实施。能够使用诸如软盘、DVD、蓝光光盘、CD、ROM、PROM、EPROM、EEPROM或FLASH存储器、硬盘或其他磁或光存储器的数字存储介质来执行实施，在所述存储介质上存储电子可读的控制信号，所述控制信号能够与可编程的计算机系统协作或者与其协作，使得执行相应的方法。因此，数字存储介质能够是计算机可读的。
因此，根据本发明的一些实施例包括具有电子可读控制信号的数据载体，所述控制信号能够与可编程计算机系统协作，使得执行在此描述的方法之一。
一般而言，本发明的实施例可实施为具有程序代码的计算机程序产品，其中，当计算机程序产品在计算机上运行时，程序代码有效地执行方法之一。
例如，程序代码也能够存储在机器可读的载体上。
其他实施例包括用于执行在此描述的方法之一的计算机程序，其中，计算机程序存储在机器可读的载体上。
换言之，根据本发明的方法的实施例因此是计算机程序，所述计算机程序具有当计算机程序在计算机上运行时用于执行在此描述的方法之一的程序代码。
因此，根据本发明的方法的另一实施例是一种数据载体(或数字存储介质或计算机可读介质)，在所述数据载体上记录用于执行在此描述的方法之一的计算机程序。数据载体、数字存储介质或计算机可读的介质通常是有形的和/或非临时的或非暂时性的。
因此，根据本发明的方法的另一实施例是数据流或信号序列，所述数据流或信号序列表示用于执行在此描述的方法之一的计算机程序。例如，数据流或信号序列例如能够以如下方式配置，经由数据通信连接、例如经由因特网进行传输。
另一实施例包括处理装置，例如计算机或可编程逻辑器件，所述处理装置以如下方式配置或适配，即执行在本文中描述的方法之一。
另一实施例包括计算机，在所述计算机上安装用于执行在此描述的方法之一的计算机程序。
根据本发明的另一实施例包括设备或系统，所述设备或系统设计用于：将用于执行在此描述的方法中的至少一个的计算机程序传输给接收者。例如，传输能够以电子方式或以光学方式进行。例如，接收者能够是计算机、移动设备、存储设备或类似设备。该设备或系统例如能够包括用于将计算机程序传输给接收者的文件服务器。
在一些实施例中，可编程逻辑器件(例如，现场可编程门阵列，FPGA)可用于执行在此描述的方法的一些或全部功能。在一些实施例中，现场可编程门阵列能够与微处理器协作，以执行本文描述的方法之一。通常，在一些实施例中，方法在任意硬件设备方执行。所述硬件设备能够是通用的硬件，例如计算机处理器(CPU)，或者也能够是特定于该方法的硬件，例如ASIC。
在此描述的设备或系统例如能够使用硬件设备实施，或者使用计算机实施，或者使用硬件设备和计算机的结合来实现。
在此描述的设备或系统，或在此描述的设备或系统的任何部件能够至少部分地以硬件和/或软件(计算机程序)实现。
在此描述的方法例如能够使用硬件设备来实施，或者能够使用计算机来实施，或者能够使用硬件设备和计算机的组合来实现。
在此描述的方法或在此描述的方法的任何部件都能够至少部分地通过硬件和/或软件执行。
上述实施例仅是本发明的原理的说明。当然，本领域的技术人员能够对在此描述的装置和细节进行修改和变化。因此，本发明仅受所附权利要求的范围限制，而不受根据实施例的描述和解释在其中呈现的具体细节的限制。

Claims (25)

1.一种用于检测物体(1000)的方法，能够由多个预定的特征(910，920，930，1010，1020)来描述所述物体，其中，所述方法包括以下步骤：
(a)飞跃所述物体(1000)，并且利用至少一个记录单元(470)检测所述物体的多个部段(940)，其中，从所述记录单元的不同位置多次检测所述部段中的每一个部段，以便产生一组图像，其中，将所述记录单元的位置和方位信息与每个图像相关联；和
(b)识别所述图像组中的特征(910，920，930，1010，1020)；和
(c)使用包含所述特征的所述图像的所述位置和方位信息来确定所述特征(910，920，930，1010，1020)的位置和/或方位。
2.根据权利要求1所述的方法，其中，对所述物体(1000)的多个部段(940)的检测是光学检测。
3.根据权利要求1或2所述的方法，其中，步骤(c)还包括：
建立多个几何辅助结构，其中，对于包含特征(910，920，930，1010，1020)的每个图像，所述几何辅助结构在坐标系中建立在
所述记录单元(470)的与所述图像相关联的位置与在所述图像中鉴别到的特征(910，920，930，1010，1020)的位置或多个在图像中鉴别到的特征(910，920，930，1010，1020)的位置之间；和
评估所述几何辅助结构，以便获得所述特征(910，920，930，1010，1020)的位置和/或方位的、或从多个特征中推导的特征的结果的集合；和
统计评估结果的集合。
4.根据前述权利要求中任一项所述的方法，其中，所述方法还包括：
通过评估所述物体的基准位置(460)和所述记录单元(470)的位置信息来确定所述物体(1000)的定向，其中，所述记录单元在记录所述位置信息的时间点根据所述物体的定向(610)来定位。
5.根据权利要求4所述的方法，其中，所述方法还包括：
通过评估所述记录单元(470)的位置信息的集合来确定所述物体(1000)的所述基准位置(460)，其中，位置信息的集合源自所述记录单元的移动轨迹(480)。
6.根据前述权利要求中任一项所述的方法，其中，所述方法还包括：
通过评估所述物体的基准点(510)和所述特征(910，920，930，1010，1020)中的一个或多个特征的位置，来确定所述物体(1000)的至少一个尺寸。
7.根据权利要求6所述的方法，其中，所述方法还包括：
通过将所述记录单元(470)放置在所述基准点上并且然后评估所述记录单元的位置信息，来确定所述物体(1000)的所述基准点(510)。
8.根据前述权利要求中任一项所述的方法，其中，所述记录单元(470)是无人机或与无人机结合的测量装置，所述记录单元装置设计用于：
产生图像组；和
在记录相应的所述图像的时间点，将所述记录单元的所述位置和方位信息与每个图像相关联。
9.根据前述权利要求中任一项所述的方法，其中，所述记录单元(470)和所述特征(910，920，930，1010，1020)的位置包括预定的坐标系的坐标。
10.根据权利要求9所述的方法，其中，所述方法还包括：
使用实时运动学、RTK、系统(710)来校正所述记录单元的所述位置和方位信息。
11.根据前述权利要求中任一项所述的方法，其中，步骤(a)包括自动地和/或自主地飞跃所述物体(1000)。
12.根据前述权利要求中任一项所述的方法，其中，步骤(b)包括自动识别所述图像组中的所述特征(910，920，930，1010，1020)和/或步骤(c)包括自动确定所述特征的所述位置和/或方位。
13.根据前述权利要求中任一项所述的方法，其中，所述物体(1000)是风力发电设施，其中，所述风力发电设施具有塔(420)、机舱(440)、毂(930)、转子叶片法兰(910)以及转子叶片(450)和所述转子叶片的公共的转动轴；并且
其中，所述方法还包括基于所述特征(910，920，930，1010，1020)的所述位置和/或方位来确定所述风力发电设施的一个或多个参数。
14.根据权利要求13所述的方法，其中，所述参数包括所述转子叶片(450)的变形和/或弯曲，例如通过借助数学函数近似所述转子叶片的走向来确定所述变形和/或弯曲。
15.根据权利要求13或14所述的方法，其中，所述参数包括转子叶片尖端(920)的位置，所述位置例如如下确定：
确定所述转子叶片尖端(920)的在图像中鉴别的位置与所述记录单元(470)的配属的位置之间的直线，其中，为了确定所述直线，除了所述记录单元在记录所述图像的时间点的位置和所述转子叶片尖端的所鉴别的位置之外，也还一起考虑所述记录单元在记录所述图像的时间点的方位以及所述记录单元(470)的特性；
为所述转子叶片尖端(920)的一组图像确定多条直线；
成对评估所述多条直线；
计算每个直线对的交点；和
从所述直线对的交点的集合来计算所述转子叶片尖端(920)的位置。
16.根据权利要求13至15中任一项所述的方法，其中，所述参数包括转子叶片法兰(910)的位置，所述位置例如如下确定：
确定所述转子叶片法兰(910)的在图像中鉴别的第一点的位置与所述记录单元(470)的位置之间的第一直线，和确定所述转子叶片法兰的在相同的图像中鉴别的与所述第一点相对置的第二点的位置与所述记录单元的位置之间的第二直线，其中，为了确定所述第一直线和所述第二直线，除了所述记录单元在记录所述图像的时间点的位置和所述转子叶片法兰的点的所鉴别的位置之外，也还一起考虑所述记录单元在记录所述图像的时间点的方位以及所述记录单元(470)的特性；
确定在所述第一直线与所述第二直线之间的中间中伸展的另外的直线；
为所述转子叶片法兰(910)的一组图像确定多条另外的直线；和
从多条所述另外的直线确定所述转子叶片法兰(910)的位置。
17.根据权利要求13至16中任一项所述的方法，其中，所述参数包括转子叶片法兰(910)的方位，所述方位例如如下确定：
鉴别图像中的所述转子叶片法兰(910)的两个相对置的点；
确定在所述转子叶片法兰(910)的两个相对置的点的位置之间的连接直线的方向矢量；
为所述转子叶片法兰(910)的一组图像确定连接直线的多个方向矢量；
通过成对地形成所述连接直线的方向矢量的叉积，从所述连接直线的多个所述方向矢量来计算所述转子叶片法兰(910)的可行的法向矢量的集合；和
从可行的所述法向矢量的集合来计算所述转子叶片法兰(910)的法向矢量。
18.根据权利要求13至17中任一项所述的方法，其中，所述参数包括塔中点(460)，所述塔中点例如如下确定：
利用所述记录单元(470)沿着塔的外壁至少部分地环绕所述塔(420)；
在环绕所述塔(420)时，记录所述记录单元(470)的位置；
由相应的三个点形成位置子集，其中，所述三个点彼此间具有预定的间距；
从多个所述位置子集确定三角形的重心的集合，其中，每个三角形由一位置子集的三个点形成；和
从所述重心的平均值来计算所述塔的中点(460)；或者
从多个所述位置子集确定圆中点的集合，其中，每个圆中点从一位置子集的三个点中借助于通用圆方程确定；和
从所述圆中点的集合来计算所述塔的中点(460)；或者
从多个所述位置子集确定外接圆中点的集合，其中，每个外接圆中点为由一位置子集的三个点形成的三角形的外接圆的中点；和
从所述外接圆中点的集合来计算所述塔的中点(460)。
19.根据权利要求13至18中任一项所述的方法，所述方法还包括确定以下参数中的一个或多个参数：
毂高度，
转动轴线的倾角，
毂直径，
所述风力发电设施的定向(610)，
所述转子叶片法兰的中点，
所述转子叶片法兰的直径，
所述转子叶片的长度，
所述转子叶片的倾斜，
所述转子叶片的姿态，
所述转子叶片的倾角，
转子叶片厚度，和
转子叶片宽度。
20.根据前述权利要求中任一项所述的方法，其中，所述方法还包括：
借助所述特征(910，920，930，1010，1020)的所述位置和/或方位信息生成或修改所述物体(1000)的模型，或参数化通用模型、例如CAD模型。
21.一种用于检查物体(1000)的方法，所述方法包括以下步骤：
沿着路径飞跃所述物体，和
在飞跃期间检测所述物体(1000)的一个或多个部段(940)，
其中，所述路径基于通过所述特征(910，920，930，1010，1020)对物体的显示，或所述路径基于通过根据上述权利要求中任一项所述的方法获得的参数。
22.一种用于检测能够通过多个预定的特征(910，920，930，1010，1020)描述的物体(1000)的系统，其中，所述系统包括以下特征：
测量装置，所述测量装置单独形成记录单元(470)或与无人机组合地形成所述记录单元，其中，所述测量装置设计用于
飞跃所述物体，
从不同位置检测所述物体(1000)的多个部段，以产生一组图像，其中，将所述测量装置的位置和方位信息与每个图像相关联；和
评估装置(730)，所述评估装置设计用于：识别所述图像组中的特征，并且使用所述图像的包含所述特征的所述位置和方位信息来确定所述特征(910，920，930，1010，1020)的位置和/或方位。
23.根据权利要求22所述的系统，其中，所述评估装置(730)是所述记录单元(470)的一部分。
24.根据权利要求22至23中任一项所述的系统，其中，所述评估装置(730)设计用于在所述图像组中自动地识别所述特征(910，920，930，1010，1020)和/或自动地确定所述特征的位置和/或方位。
25.根据权利要求22至24中任一项所述的系统，其中，所述测量装置设计用于从不同位置光学检测所述物体(1000)的多个部段。
CN202180071651.8A 2020-08-20 2021-08-19 用于物体检测的方法和系统 Pending CN116420063A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102020210618.5 2020-08-20
DE102020210618.5A DE102020210618B4 (de) 2020-08-20 2020-08-20 Verfahren und system zur objekterfassung
PCT/EP2021/073052 WO2022038228A1 (de) 2020-08-20 2021-08-19 Verfahren und system zur objekterfassung

Publications (1)

Publication Number Publication Date
CN116420063A true CN116420063A (zh) 2023-07-11

Family

ID=77543517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180071651.8A Pending CN116420063A (zh) 2020-08-20 2021-08-19 用于物体检测的方法和系统

Country Status (6)

Country Link
US (1) US20230196612A1 (zh)
EP (1) EP4200683A1 (zh)
JP (1) JP2023538423A (zh)
CN (1) CN116420063A (zh)
DE (1) DE102020210618B4 (zh)
WO (1) WO2022038228A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022203443A1 (de) 2022-04-06 2023-10-12 Top Seven Gmbh & Co. Kg Vorrichtung, System und Verfahren zur Durchführung einer Durchgangsprüfung einer elektrischen Leitung eines Objekts
CN117404261B (zh) * 2023-12-15 2024-03-26 中国海洋大学 基于视觉及振动感知的海上风电塔筒模态识别系统及方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011017564B4 (de) 2011-04-26 2017-02-16 Airbus Defence and Space GmbH Verfahren und System zum Prüfen einer Oberfläche auf Materialfehler
CN107209854A (zh) * 2015-09-15 2017-09-26 深圳市大疆创新科技有限公司 用于支持顺畅的目标跟随的系统和方法
JP2017090145A (ja) * 2015-11-06 2017-05-25 株式会社日立製作所 風車ブレード変形計測装置及び風車ブレード変形評価システム
DE102017205647A1 (de) 2017-03-14 2018-09-20 Bitmanagement Software GmbH Verfahren zum bestimmen eines pfades entlang eines objekts, system und verfahren zum automatischen inspizieren eines objekts
JP2018181235A (ja) * 2017-04-21 2018-11-15 古河電気工業株式会社 報告書作成装置、風力発電設備点検システム、プログラム、及び風力発電設備の点検報告書の作成方法
JP2019078589A (ja) * 2017-10-23 2019-05-23 東京電力ホールディングス株式会社 電柱健全性判定装置、電柱健全性判定方法およびプログラム
CN108986071B (zh) * 2018-05-31 2020-12-01 上海扩博智能技术有限公司 叶片自动检测跟踪方法、系统、设备及存储介质

Also Published As

Publication number Publication date
US20230196612A1 (en) 2023-06-22
JP2023538423A (ja) 2023-09-07
DE102020210618B4 (de) 2022-03-17
DE102020210618A1 (de) 2022-02-24
WO2022038228A1 (de) 2022-02-24
EP4200683A1 (de) 2023-06-28

Similar Documents

Publication Publication Date Title
CN108733079B (zh) 通过无人机对风机进行自动巡检飞行路径确定方法及系统
He et al. Research of multi-rotor UAVs detailed autonomous inspection technology of transmission lines based on route planning
US20230196612A1 (en) Method and system for object detection
CN110603379B (zh) 用于风力设备检查工具的检查工具控制装置
CN108915959B (zh) 通过无人机对风机叶尖区域绕行检测方法及系统
US11435650B2 (en) Method of determining a path along an object, system and method for automatically inspecting an object
CN112525162A (zh) 一种无人机测量输电线路影像距离的系统及方法
US20160017866A1 (en) Wind tower and wind farm inspections via unmanned aircraft systems
CN106645205A (zh) 一种无人机桥梁底面裂纹检测方法及系统
CN108869197B (zh) 通过无人机进行风机高度精确测量方法及系统
CN108894933A (zh) 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及系统
CN108869196B (zh) 通过无人机对风机后侧叶根区域检测方法及系统
CN112344869B (zh) 基于侧面拟合的铁塔变形监测方法及系统
CN109190186B (zh) 通过无人机进行风机模型自动重建方法及系统
CN110910440B (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN103984355A (zh) 一种巡检飞行机器人与架空电力线路距离预测和保持方法
CN108843492B (zh) 通过无人机进行风机偏航角测算方法及系统
CN116501091A (zh) 基于无人机自动调整航线的风机巡检控制方法和装置
CN115442532A (zh) 风机不停机巡检的方法、系统、设备及存储介质
US20220326373A1 (en) Aerial analysis of ground surface using distance sensor of unmanned aerial vehicle
CN108073180B (zh) 无人机的控制方法、装置和系统
CN105511486A (zh) 一种基于异带航拍影像的电力弧垂检测方法及系统
WO2019103621A1 (en) Wind turbine blade orientation detection
CN115773209A (zh) 一种风机叶片净空检测装置及检测方法
Fang et al. A framework of power pylon detection for UAV-based power line inspection

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