CN116501091A - 基于无人机自动调整航线的风机巡检控制方法和装置 - Google Patents

Abstract

本发明涉及风电场安全生产领域，提供了一种基于无人机自动调整航线的风机巡检控制方法和装置，该方法包括：控制无人机从起飞点飞行至预设的基准高度，在基准高度围绕风机进行飞行，识别桨叶平面的正面中心点，基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基于当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点。该方式可以通过无人机识别出风机的姿态，实现对风机的自动巡检，降低了巡检成本和巡检时间，提高了巡检效率，提高了巡检的准确性。

Description

基于无人机自动调整航线的风机巡检控制方法和装置

技术领域

本发明涉及风电场安全生产领域，尤其是涉及一种基于无人机自动调整航线的风机巡检控制方法和装置。

背景技术

风能是一种经济可行的清洁能源，风力发电项目在全球范围内都得到了快速发展。风机用于将风能转化成电能。风机也称为风力发电机。为了保证风机的正常作业，需要定期为风机进行巡检。之前对风机的巡检，主要依赖人工进行，由于风机的桨叶较大，人力巡检的方式耗费人力成本较高、且巡检时间长、巡检效率低；另外，人力巡检主要靠肉眼检查风机是否正常，容易产生视觉差，导致巡检结果不准确。目前也有部分发电厂尝试利用无人机等新兴技术，通过控制无人机按照预先设定的航线飞行以对风机等设备进行巡检，但由于风机在实际应用中，随着不同各个季节来风的方向不同，风机桨叶会随不同季节来风的风向而产生转动，导出每次巡检风机桨叶偏移角度有所不同，直接影响了巡检的准确性和安全性。

发明内容

有鉴于此，本发明的目的在于提供一种基于无人机自动调整航线的风机巡检控制方法、装置和设备，以提高风机的巡检效率、准确性和安全性。

第一方面，本发明实施例提供了一种基于无人机自动调整航线的风机巡检控制方法，该方法应用于无人机的控制设备；控制设备与无人机通信连接；控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。

上述三维模型通过下述方式建立：基于风机的位置，在地图中确定无人机的作业区域；控制无人机在作业区域飞行，在无人机飞行的过程中，通过无人机上安装的摄像装置拍摄风机，得到风机的影像数据；获取风机的激光扫描数据；基于激光扫描数据和影像数据，生成风机的三维模型。

上述无人机上安装有多个摄像装置；上述控制无人机在作业区域飞行，在无人机飞行的过程中，通过无人机上安装的摄像装置拍摄风机，得到风机的影像数据的步骤，包括：基于预设的飞行参数，确定无人机在作业区域中的飞行航线；其中，飞行参数包括航向重叠率和旁向重叠率；航向重叠率位于第一预设范围；旁向重叠率高于预设重叠率阈值；控制无人机沿着飞行航线飞行；在无人机飞行的过程中，通过多个摄像装置获取指定视角下风机的影像数据；其中，指定视角包括：俯视、前视、后视、左视和右视中的多种。

上述基于激光扫描数据和影像数据，生成风机的三维模型的步骤之后，上述方法还包括：基于三维模型，确定基准点和多个初始巡航点；其中，基准点位于：垂直于三维模型的桨叶平面且与桨叶平面的中心点相交的直线上；基于基准点和多个初始巡航点，生成无人机的巡航航线；其中，巡航航线以基准点为起点，按照预设顺序依次经过多个初始巡航点，并以基准点为终点。

上述基于激光扫描数据和影像数据，生成风机的三维模型的步骤之后，上述方法还包括：基于三维模型中的桨叶长度，确定半径参数；其中，半径参数大于桨叶长度；以三维模型中的基座为中心，基于半径参数在三维模型的三维空间的地面上生成圆圈；在圆圈上确定起飞点；其中，起飞点还用于停放无人机。

上述控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点的步骤，包括：在基准高度的平面上，控制无人机围绕风机进行飞行；在飞行的过程中，识别并记录无人机位于预设的正面位置；其中，正面位置与风机的桨叶平面的垂线，位于桨叶平面的中心点；识别风机的多个桨叶的末端位置，基于多个桨叶的末端位置，确定风机的桨叶平面的正面中心点。

上述在基准高度的平面上，控制无人机围绕风机进行飞行的步骤，包括：获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史正面位置；基于历史巡航记录生成正面位置的预测位置；基于预测位置确定无人机的飞行路线，控制无人机按照飞行路线围绕风机进行飞行。

上述识别并记录无人机位于预设的正面位置的步骤，包括：通过无人机上的激光雷达，检测无人机与风机的多个桨叶的末端距离；当无人机与多个桨叶的末端距离相同时，确定并记录无人机位于预设的正面位置；或者，通过无人机上的摄像装置，采集包含风机的影像数据，将影像数据输入至预先训练完成的深度学习模型中，以通过深度学习模型，从影像数据中识别出包含风机的正面影像的目标图像，将拍摄目标图像时无人机所在的位置，确定为正面位置，并记录正面位置。

上述在飞行的过程中，识别并记录无人机位于预设的正面位置的步骤之后，上述方法还包括：控制无人机停止围绕风机飞行。

上述基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度的步骤，包括：生成风机的桨叶平面的垂线；其中，垂线经过正面中心点；生成正面中心点和基准点的连线，将连线和垂线的夹角，确定为风机相对于三维模型的桨叶平面转动角度。

上述基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度的步骤之后，上述方法还包括：获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史平面转动角度；基于历史平面转动角度，检测确定出的桨叶平面转动角度的准确率。

上述基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度的步骤，包括：识别风机的指定方向区域中目标桨叶的当前桨叶位置；从三维模型中，获取距离当前桨叶位置最近的初始桨叶位置；生成当前桨叶位置与正面中心点的第一连线，生成初始桨叶位置与正面中心点的第二连线；将第一连线和第二连线的夹角，确定为风机相对于三维模型的桨叶旋转角度。

上述基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度的步骤，包括：获取无人机拍摄的风机的第一图像，以及包含三维模型的第二图像；其中，第一图像和第二图像中，风机的拍摄视角相同；将第一图像和第二图像重叠处理，得到重叠图像；将第一图像中第一桨叶与第二图像中第二桨叶的夹角，确定为风机相对于三维模型的桨叶旋转角度；其中，对于重叠图像中的桨叶，第一桨叶与第二桨叶之间的夹角最小。

上述基于桨叶平面转动角度和桨叶旋转角度，调整初始巡航点的位置，得到更新巡航点的步骤，包括：基于桨叶平面转动角度，控制三维模型中的桨叶平面转动；基于桨叶旋转角度，控制三维模型中的桨叶旋转，得到三维模型的更新模型；控制初始巡航点基于更新模型进行更新，得到更新巡航点；其中，更新巡航点相对于更新模型的相对位置关系，与初始巡航点相对于三维模型的相对位置关系相同。

第二方面，本发明实施例提供了一种基于无人机自动调整航线的风机巡检控制装置，该装置设置于无人机的控制设备；控制设备与无人机通信连接；装置包括：第一控制模块，用于控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；第一确定模块，用于控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；第二确定模块，用于基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；第二控制模块，用于基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。

第三方面，本发明实施例提供了一种基于无人机自动调整航线的风机巡检控制设备，该设备包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述基于无人机自动调整航线的风机巡检控制方法。

第四方面，本发明实施例提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述基于无人机自动调整航线的风机巡检控制方法。

本发明实施例带来了以下有益效果：

上述提供了一种基于无人机自动调整航线的风机巡检控制方法、装置及设备，控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。该方式中，预先对风机建立了三维模型，控制无人机在飞行过程中识别出桨叶平面的正面中心点，然后确定出风机相对于三维模型的桨叶平面转动角度和桨叶旋转角度，进而更新无人机的巡航点，使无人机按照更新的巡航点进行巡航，该方式可以通过无人机识别出风机的姿态，实现对风机的自动巡检，降低了巡检成本和巡检时间，提高了巡检效率，提高了巡检的准确性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于无人机自动调整航线的风机巡检控制方法的流程图；

图2为本发明实施例提供的一种风机的示意图；

图3为本发明实施例提供的一种基准点的示意图；

图4（a）为本发明实施例提供的一种桨叶平面受来风进行转动的示意图；

图4（b）为本发明实施例提供的另一种桨叶平面受来风进行转动的示意图；

图5为本发明实施例提供的一种桨叶受来风进行旋转的示意图；

图6为本发明实施例提供的一种三维建模的示意图；

图7为本发明实施例提供的一种巡航航线规划的示意图；

图8为本发明实施例提供的一种起飞点的设置示意图；

图9为本发明实施例提供的一种无人机绕飞的示意图；

图10为本发明实施例提供的一种确定风机正面中心点的示意图；

图11为本发明实施例提供的一种确定风机正面位置的示意图；

图12为本发明实施例提供的一种人工智能分析风机正面位置的流程图；

图13（a）为本发明实施例提供的一种计算桨叶平面旋转角度的示意图；

图13（b）为本发明实施例提供的另一种计算桨叶平面旋转角度的示意图；

图13（c）为本发明实施例提供的第三种计算桨叶平面旋转角度的示意图；

图14为本发明实施例提供的一种计算桨叶旋转角度的示意图；

图15为本发明实施例提供的一种基于无人机自动调整航线的风机巡检控制总体流程的示意图；

图16为本发明实施例提供的一种基于无人机自动调整航线的风机巡检控制装置的示意图；

图17为本发明实施例提供的一种基于无人机自动调整航线的风机巡检控制设备的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

风能是一种经济可行的清洁能源，风力发电项目在全球范围内都得到了快速发展。风机用于将风能转化成电能。风机也称为风力发电机。在风电场安全生产领域，为了保证风机的正常作业，需要定期为风机进行巡检。

相关技术中，对风机的巡检，主要依赖人工进行，但人力巡检的方式存在以下弊端：一是由于风机的桨叶较大，因而人力巡检的方式耗费人力成本较高、且巡检时间长、巡检效率低；二是人力巡检主要靠肉眼检查风机是否正常，容易产生视觉差，导致巡检结果不准确。

另一方面，随着无人机技术的发展，无人机性能不断提升与完善，工业级无人机能根据不同行业的需求，搭载各种不同的专业探测设备，用以辅助人工进行重复性高的工作或者代替人工进行危险作业。相关技术中，在使用无人机对风机进行巡检时，主要采用俯拍的方式，但该方式无法对风机进行精准、全面的巡检拍摄，容易产生误差。俯拍的方式，除了会拍摄到风机，还会拍摄到地面内容，图片背景较为复杂，不利于进行智能分析识别。

基于此，本发明实施例提供一种基于无人机自动调整航线的风机巡检控制方法、装置和设备，该方法应用于无人机的控制设备；控制设备与无人机通信连接；在这里，控制设备是无人机的控制中心，可以是遥控器、手机、电脑等设备，无人机的控制指令均由该控制设备发出，示例地，控制设备可以通过无线通信的方式将无人机的控制指令发送至无人机，以控制无人机按控制指令执行对应的操作。为便于对本实施例进行理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中一种基于无人机自动调整航线的风机巡检控制方法的一个实施例，包括：

步骤S101，控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；该三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；

首先，工作人员可以操作无人机的控制设备，通过控制设备向无人机发送控制指令，进而控制无人机从起飞点飞行至预设的基准高度。在这里对风机的基本构造进行介绍，如图2中左图所示，包括：旋转毂和叶片校正装置、旋转叶片、齿轮箱、制动闸、配电装置和管理系统、机箱、发电机、风力风向传感系统、塔、电力系统和基座。如图2中右图所示，矩形框的框选区域为风机的转动部分。

工作人员可以基于风机的基本构造，在三维空间中建立风机的三维模型，通常，该三维模型与风机的结构相同，尺寸相同；需要说明的是，三维模型为静止状态，在该静止状态下，三维模型中的桨叶平面具有特定的桨叶平面朝向，例如，朝向南方，三维模型中的桨叶具有初始桨叶位置，例如，一个桨叶指向正上方，该桨叶与另外两个桨叶的角度均为120度。

在三维模型的三维空间中，通常设置有三维坐标系，通过该三维坐标系中的各个点坐标指示三维空间中的各个位置。实际实现时，以三维模型的基座为中心，在地面上生成圆圈，工作人员可以选取该圆圈中的一个点作为起飞点。通常该起飞点与风机之间具有预设距离。该预设距离能够保证无人机飞行至预设的基准高度的过程中，不对风机的运转造成干扰，或与风机产生碰撞。

示例地，如图3所示，可以将该预设距离设置为10米，并根据现场情况进行调整。

本步骤中，控制设备可以通过无线通信的方式将控制指令发送至无人机，控制无人机从起飞点飞行至预设的基准高度进行巡检。

步骤S102，控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；

上述桨叶平面的正面中心点是风机的多个桨叶的中心位置，即前述的旋转毂和叶片校正装置所在位置。

实际实现时，由于风力发电场中不同季节来风的风向不同，因此风机会产生转动，每次巡检时，风机的桨叶平面会产生变化。在这里，确定风机相对于三维模型的桨叶平面转动角度，便于调整无人机巡检的巡航点。

如图4（a）所示，为一个风机的示意图。无人机在基准高度围绕风机进行飞行，飞行路径可以为圆形、椭圆形或其他形状。风机在旋转前，风机的朝向为右向，无人机的巡检的启始点位于风机的正前方。来风方向变化后，风机的朝向也会变化。朝向变化后，风机向西转动了x度，且巡检启始点的位置发生改变。

无人机可以通过雷达或者图像识别的方式，识别出风机的桨叶平面的正面中心点。但风机的桨叶平面变化时，该正面中心点也会随之变化。同时，上述基准点为相对于风机和三维模型的相对固定位置上的预设点，该基准点位于基准高度。一般地，在三维空间中选择一个点坐标，作为基准点。通常，该基准点与三维模型具有预设的相对位置，例如，在三维模型的正面朝向区域中的一个位置。在三维空间中确定基准点后，即可确定基准点与三维模型的相对位置，该相对位置也即在物理空间中，基准点与风机的相对位置，然后，无人机通过风机的位置，即可在物理空间中找到基准点。基于此，识别到正面中心点后，再结合预设的基准点，即可得到风机相对于三维模型的桨叶平面转动角度。

如图4（b）所示，为一个风力发电场的示意图。由于同一个区域的风力发电场中，风机的规格都一致，风向、风力大小都一致。因此，受来风影响后，由一个风机向西转动了x度，同样地，可推算出该区域的其他风机也向西转动了x度。

本步骤中，基于桨叶平面的正面中心点和预设的基准点，确定桨叶平面转动角度，以便于对三维模型进行旋转。

步骤S103，基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；

风机在运行过程中，桨叶会不断的旋转，在某一时刻，桨叶所在的位置即上述当前桨叶位置；初始桨叶位置为三维模型中的桨叶所在的位置。上述桨叶旋转角度，具体可以计算一个桨叶的当前桨叶位置和初始桨叶位置的角度，即可计算得到。

如图5中右图所示，风机在运行过程中，桨叶会围绕正面中心点进行旋转。风机的桨叶比上次偏移了一定角度。需要说明的是，由于同一个风力发电场的风机的规格都一致，风向、风力大小都一致，因而根据该风力发电场中一个风机相对于三维模型的桨叶旋转角度，可以得到该风力发电场中所有风机相对于三维模型具有相同的桨叶旋转角度。

本步骤中，基于当前桨叶位置和初始桨叶位置，确定桨叶旋转角度，以便于对三维模型进行旋转。上述方式下，确定一个风机相对于三维模型的桨叶平面转动角度和桨叶旋转角度后，即可推算出同一个区域中所有风机的桨叶平面转动角度和桨叶旋转角度，以便于对三维模型进行旋转，灵活调整无人机巡检的巡航点位置，节约再次规划航线的成本。

步骤S104，基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。

三维模型中，桨叶平面具有特定的朝向，桨叶也有初始桨叶位置，风机在运行过程中，桨叶平面可能会变化，桨叶位置也会发生变化，因此，巡航点会同时受到桨叶平面的朝向，以及桨叶位置的影响。基于此，在本实施例中，确定了桨叶平面转动角度，以及桨叶旋转角度后，基于这两个参数调整初始巡航点的位置，得到更新巡航点。

需要说明的是，初始巡航点基于三维模型确定，与三维模型的桨叶具有特定的相对位置关系，例如，位于桨叶的末端，或者也可以位于旋转毂、机厢的特定位置。由于风机的桨叶位置可能会变化，因此，本实施例中需要根据桨叶的具体位置，更新初始巡航点的位置，而对于实际的风机，更新巡航点与风机的相对位置，与初始巡航点与三维模型的相对位置相同。上述更新巡航点是对初始巡航点进行调整后，得到的巡航点。

实际实现时，如图5中左图所示，基于风机的三维模型，为无人机规划了巡航点1，巡航点2和巡航点3，这三个巡航点位于桨叶末端。如图5中右图所示，风机在运行过程中桨叶转动，桨叶比三维模型的桨叶偏移了一定角度，因此需要对巡航点1，巡航点2和巡航点3进行调整，得到更新巡航点1，更新巡航点2和更新巡航点3。

该步骤中，基于桨叶平面转动角度和桨叶旋转角度，调整无人机的巡航点，控制无人机按照调整后的巡航点进行巡航，在这里，根据不同季节下，风机随风向变化产生转动，进而调整巡航点，有利于提高巡检效率，减少下次巡检时调整航线的资源消耗。

上述基于无人机自动调整航线的风机巡检控制方法，控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。该方式中，预先对风机建立了三维模型，控制无人机在飞行过程中识别出桨叶平面的正面中心点，然后确定出风机相对于三维模型的桨叶平面转动角度和桨叶旋转角度，进而更新无人机的巡航点，使无人机按照更新的巡航点进行巡航，该方式可以通过无人机识别出风机的姿态，实现对风机的自动巡检，降低了巡检成本和巡检时间，提高了巡检效率，提高了巡检的准确性。

以下为基于无人机自动调整航线的风机巡检控制方法的前期准备工作，仅需要准备一次即可。

下述实施例提供建立三维模型的具体实现方式。

具体地，基于风机的位置，在地图中确定无人机的作业区域；控制无人机在作业区域飞行，在无人机飞行的过程中，通过无人机上安装的摄像装置拍摄风机，得到风机的影像数据；获取风机的激光扫描数据；基于激光扫描数据和影像数据，生成风机的三维模型。

上述作业区域为，无人机在一个风机周围进行巡检作业的区域，例如，该作业区域为包含风机的立方体区域。上述影像数据为无人机在该作业区域飞行时，通过摄像装置对风机执行摄影，获得的图像或视频，例如，三维影像和正射影像数据等。上述激光扫描数据是通过激光雷达发射激光束，对风机进行扫描，获取风机在三维空间的三维立体数据，即三维坐标系中各个点的坐标信息。

现有技术中，由于无人机具有高空视角，因此常被用于工程测绘和三维建模等业务中。

实际实现时，工作人员先基于风机在物理空间的位置，在三维地图中规划出一个包含风机的立方体区域，作为无人机的作业区域。

工作人员再通过控制设备向无人机发送控制指令，控制无人机在作业区域飞行。在无人机飞行的过程中，通过无人机上安装的摄像设备拍摄风机，例如，控制无人机在作业区域的上空按照多个航线执行摄影，获取该作业区域中风机的三维影像和正射影像数据。

并且，获取风机的激光扫描数据，例如，在地面上，使用三维激光扫描仪自动发射激光，对风机进行扫描，获取风机表面点的三维坐标信息。在这里，利用三维激光扫描技术，可以轻松采集各种小型的、大型的、复杂的、标准或非标准的场景的高精度、高密度三维点云数据；进而快速重构出目标场景的真三维模型。

进一步地，利用预设工具，将该影像数据和激光扫描数据进行合成，生成风机的三维模型。进而可以导出该三维模型的OBJ格式文件，使用3DMAX软件修模，即可得到风机的三维展示模型，高精度还原现场场景。

如图6所示，介绍三维建模的一种实施方式：

1）开始三维建模，打开软件；

2）框选作业区域；

3）采用点云融合的方式，使用无人机上的摄像装置进行倾斜摄影、正射影像，并且使用三维激光扫描风机，在获取倾斜摄影、正射影像和激光扫描数据后进行三维重建；

4）使用软件生成三维模型；

5）使用3DMAX修模，得到完整三维模型。

该方式下，通过无人机上安装的摄像装置获得风机的影像数据，结合激光扫描数据，能够较大限度地还原地面上具有一定体积的物体，生成风机的三维模型，以便于后续根据三维模型规划无人机巡检的巡航航线，并根据实际情况调整该巡航航线。

下述实施例提供得到风机的影像数据的具体实现方式。

具体地，无人机上安装有多个摄像装置；基于预设的飞行参数，确定无人机在作业区域中的飞行航线；其中，飞行参数包括航向重叠率和旁向重叠率；航向重叠率位于第一预设范围；旁向重叠率高于预设重叠率阈值；控制无人机沿着飞行航线飞行；在无人机飞行的过程中，通过多个摄像装置获取指定视角下风机的影像数据；其中，指定视角包括：俯视、前视、后视、左视和右视中的多种。

上述飞行航线是在三维建模过程中，无人机拍摄风机时的航线，该飞行航线能够拍摄到指定视角下风机的影像数据。上述飞行参数包括航向重叠率和旁向重叠率。该航向重叠率是指无人机在一条航线前进时，第一次拍摄的图片与第二次拍摄的图片重叠的概率。该旁向重叠率是指无人机在第一条航线拍摄的图片与第二条航线拍摄的图片重叠的概率。

可以理解的是，为了保证无人机拍摄的图片的质量，需要将飞行参数设置在一定范围。具体的，航向重叠率位于第一预设范围，该第一预设范围可以是60%~80%；旁向重叠率高于预设重叠率阈值，该预设重叠率阈值可以是70%，在这里，根据拍摄需要，可以在建筑密集的区域设置更高的预设重叠率阈值。

一般地，无人机上安装有多个摄像装置，用于拍摄针对风机的俯视、前视、后视、左视和右视的多种图像或视频。同时，可以在无人机上搭载RTK（Real-time kinematic，实时动态）模块，实时地提供地面测站点在指定坐标系中的三维定位结果，并达到厘米级精度，保证无人机采集的地理信息数据的精确度。

实际实现时，工作人员先基于预设的飞行参数，确定无人机在作业区域中的飞行航线。

工作人员再通过控制设备向无人机发送控制指令，控制无人机在作业区域沿着飞行航线飞行。在无人机飞行过程中，通过多个摄像装置获取指定视角下风机的影像数据，例如，在无人机上搭载五镜头相机，同时拍摄俯视、前视、后视、左视和右视中多种视角的图像或视频，从而获取到更加丰富的侧面纹理等信息。

该步骤中，预先规划无人机在作业区域的飞行航线，并通过无人机上安装的摄像装置获取影像数据，更全面地获取风机的三维数据信息。

下述实施例提供生成无人机的巡航航线的具体实现方式。

具体地，基于三维模型，确定基准点和多个初始巡航点；其中，基准点位于：垂直于三维模型的桨叶平面的垂线且与桨叶平面的中心点相交的直线上；基于基准点和多个初始巡航点，生成无人机的巡航航线；其中，巡航航线以基准点为起点，按照预设顺序依次经过多个初始巡航点，并以基准点为终点。

上述多个初始巡航点为围绕风机和桨叶进行预设的多个巡航点，能够覆盖到风机和桨叶的所有位置。上述巡航航线为无人机对风机及桨叶进行巡检时的航线，该巡航航线包括围绕桨叶进行正向巡航与反向巡航的巡航点，能够覆盖到风机及桨叶中所有需要巡检的位置。本实施例对巡航航线的形状不做限定，可以是围绕桨叶的螺旋形巡航，还可以是在桨叶正面和背面分别进行曲线形巡航等。

在这里，基于预先为风机建立的三维模型，首先可以确定桨叶平面，以及桨叶平面的中心点，再根据该桨叶平面的中心点，做出垂直于桨叶平面的直线。此时，基准点位于：垂直于三维模型的桨叶平面且与桨叶平面的中心点相交的直线上。由于在三维空间中，无人机和风机的三维模型在同一个坐标系里面，可以理解的，三维模型中的每个点都具有坐标，且基准点与风机之间具有预设距离，因此能够确定基准点的位置。

在上述方式中，基于基准点和多个初始巡航点，以基准点为起点和终点，生成无人机的巡航航线。示例地，如图7所示，该巡航航线从基准点开始规划，即从无人机巡检启始点开始规划，围绕3个桨叶进行螺线形巡航，按照预设顺序依次经过多个初始巡航点，最后回到基准点，即无人机巡检启始点。本实施例对巡航航线的巡航方向不做限定，示例地，如图7所示，设置航点3，航点1和航点2作为巡航航线依次经过的3个初始巡航点。

该方式下，基于三维模型，生成无人机经过多个初始巡航点的巡航航线，提高了风机的巡检效率。

一个实施例中，起飞点可以用于无人机在起飞、备降，或者在遇到紧急情况时，将该起飞点作为迫降点。实际实现时，可以通过手动控制无人机，在巡检作业现场的物理环境中进行打点定位，以确定起飞点位置。当然，也可以从三维模型上选取点，以确定起飞点。具体地，基于三维模型中的桨叶长度，确定半径参数；其中，半径参数大于桨叶长度；以三维模型中的基座为中心，基于半径参数在三维模型的三维空间的地面上生成圆圈；在圆圈上确定起飞点；其中，起飞点还用于停放无人机。

上述桨叶长度为风机中一个桨叶的长度，通常风机具有三个尺寸规格相同的桨叶。上述半径参数大于桨叶长度，例如，可以设置为1~1.5倍的桨叶长度。

可以理解的是，无人机的起飞点和风机之间需要有安全距离。

在这里，工作人员先基于三维模型中的桨叶长度，确定半径参数。再以风机在三维模型中的基座为中心，基于半径参数在三维模型的三维空间的地面上生成圆圈。实际实现时，在地面上，以基座为中心，以1~1.5倍的桨叶长度的距离作为半径参数，在三维空间的地面上生成环状圆圈。该环状圆圈中的任何一个点，都可以作为无人机的起飞点。

需要说明的是，上述半径参数可以根据实际需要进行调整。一般地，将半径参数设置为1~1.5倍的桨叶长度，能够提供无人机安全的起飞环境，且无人机在该距离下，前往风机进行巡检的距离适中，能够节省飞行距离。如图8中右图所示，此时，无人机从起飞点向上直线飞行到具有基准高度的基准点。如图8中左图所示，如果将半径参数设置为小于1倍的桨叶长度，可能导致无人机从起飞点向上直线飞行时，撞击到风机的桨叶，造成损坏。

该步骤中，基于半径参数，在三维模型周围的三维空间地面上生成圆圈，能够确保无人机在起飞、备降，或者遇到紧急情况时，安全停放。

以上步骤结束后，准备工作完成。

下述实施例提供识别桨叶平面的正面中心点的具体实现方式。

具体地，在基准高度的平面上，控制无人机围绕风机进行飞行；在飞行的过程中，识别并记录无人机位于预设的正面位置；其中，正面位置与风机的桨叶平面的垂线，位于桨叶平面的中心点；识别风机的多个桨叶的末端位置，基于多个桨叶的末端位置，确定风机的桨叶平面的正面中心点。

上述正面位置是在实际的物理空间中，风机正面空间中具有三维坐标的位置，该正面位置与风机的桨叶平面的垂线，位于桨叶平面的中心点。上述多个桨叶的末端位置是风机的所有桨叶的末端位置。一般地，风机的桨叶数量为3个。在这里，以3个桨叶的风机为例进行说明。

在该方式中，工作人员可以操作无人机的控制设备，通过控制设备向无人机发送控制指令，控制无人机在基准高度的平面上，以风机为中心，以无人机到风机的预设距离为半径，围绕风机进行飞行。示例地，如图9所示，以画圆的方式进行飞行。

在这里，如图10中（a）所示，在无人机飞行的过程中，可以通过雷达检测技术，识别并记录无人机位于预设的正面位置。进一步地，如图10中（b）所示，通过雷达识别风机3个桨叶的末端位置，该3个桨叶的末端位置连线构成三角形。再基于3个桨叶的末端位置，确定风机的桨叶平面的正面中心点。

举例说明，如图10中（c）所示，圆心点O位于圆内两条弦的垂直平分线上，桨叶平面的中心点即为圆心点O的位置。具体的，先在圆上取3个桨叶的末端点A、B、C，然后连接AB、AC，并找出AB、AC的中点D、E，最后分别过D、E作AB、AC的垂线，两条垂线的交点O就是圆心，即桨叶平面的中心点。进一步地，通过雷达测距技术，确定风机的桨叶平面的正面中心点。

该方式下，通过控制无人机在基准高度的平面上飞行，以确定风机的桨叶平面的正面中心点，便于后续计算风机的转动角度和桨叶的旋转角度，进而调整三维模型与巡航点，提高风机巡检效率。

在上述方式下，提供无人机围绕风机进行飞行的具体实现方式。

具体地，获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史正面位置；基于历史巡航记录生成正面位置的预测位置；基于预测位置确定无人机的飞行路线，控制无人机按照飞行路线围绕风机进行飞行。

上述历史巡航记录可以作为关于风机的大数据的一部分，该历史巡航记录包括无人机在历史指定时间对风机进行巡航时，记录的历史正面位置。该历史指定时间为往年中某月某日，可以具体到时分秒。上述预测位置是基于历史巡航记录的历史正面位置，进行预测的当前风机的正面位置。

实际实现时，工作人员可以在数据库中获取风机的历史巡航记录，再查询历史指定时间下，无人机记录的历史正面位置。进一步地，基于历史巡航记录中记载的历史正面位置，生成当前风机的预测位置。

在这里，工作人员可以先基于预测位置，预测到当前风机的正面位置也在该预测位置的坐标点附近，进而确定无人机的飞行路线，将飞行路线规划在该预测位置周围。

工作人员再操作无人机的控制设备，通过控制设备向无人机发送控制指令，控制无人机按照该飞行路线围绕风机进行飞行，以确定当前风机的正面位置。

本步骤中，使用历史巡航记录作为辅助参考，可以得到当前风机正面位置的预测位置，将飞行路线侧重规划在该预测位置周围，减少无人机围绕风机进行飞行的工作量。

下述实施例提供识别并记录无人机位于预设的正面位置的具体实现方式。

具体地，通过无人机上的激光雷达，检测无人机与风机的多个桨叶的末端距离；当无人机与多个桨叶的末端距离相同时，确定并记录无人机位于预设的正面位置；或者，通过无人机上的摄像装置，采集包含风机的影像数据，将影像数据输入至预先训练完成的深度学习模型中，以通过深度学习模型，从影像数据中识别出包含风机的正面影像的目标图像，将拍摄目标图像时无人机所在的位置，确定为正面位置，并记录正面位置。

一种实施方式中，可以通过无人机上的激光雷达技术，进行测距，检测出无人机与风机的多个桨叶的末端距离。需要说明的是，通过激光雷达检测到的物体都具有三维空间的坐标信息，因而可以获取多个桨叶的末端的空间坐标信息，进而计算出无人机和多个桨叶的末端之间的距离。进一步地，当无人机与多个桨叶的末端距离相同时，确定并记录无人机位于预设的正面位置。示例地，如图11所示，当无人机与风电发动机的3个桨叶的末端距离相同时，此时，确定并记录无人机当前位于预设的正面位置。

另一种实施方式中，使用人工智能分析技术进行识别并记录正面位置。如图12所示，为一种实施例。在这里，可以通过无人机上安装的摄像装置，对风机进行360度全方位的信息采集。采集到包含风机的影像数据作为样本，并对这些样本进行数据处理、数据标注后，输入至预先训练完成的深度学习模型中进行模型训练。示例地，该深度学习模型可以是CNN卷积神经网络模型。进一步地，通过深度学习模型，从影像数据中识别出包含风机的正面影像的目标图像。并且，将拍摄目标图像时，无人机在物理空间中所在的位置，确定为正面位置，并记录正面位置。具体的，还可以将该正面位置记录到风机的历史巡航记录中。

在实际应用中，如图12所示，当无人机围绕风机进行飞行时，通过RTMP（Real TimeMessaging Protocol，实时消息传输协议）将摄像设备拍摄的视频数据推送到人工智能服务端。再由人工智能服务端对这些视频进行播放，并使用YOLOV5单阶段目标检测算法，实时检测视频中的画面并识别出包含风机的正面影像的目标图像，从而输出识别结果。此时，将拍摄目标图像时无人机所在的位置，确定为正面位置并进行记录。

本步骤中，通过无人机上的激光雷达测距技术，或者使用人工智能分析技术，识别并记录无人机位于预设的正面位置，提高对风机进行巡检作业的自动化、信息智能化水平。

在上述方式下，当控制无人机围绕风机进行飞行，识别并记录无人机位于预设的正面位置后，具体地，控制无人机停止围绕风机飞行。

在这里，工作人员可以操作无人机的控制设备，通过控制设备向无人机发送控制指令，控制无人机停止围绕风机飞行。

下述实施例为本方案的重点部分，提供确定桨叶平面转动角度的具体实现方式。

具体地，生成风机的桨叶平面的垂线；其中，垂线经过正面中心点；生成正面中心点和基准点的连线，将连线和垂线的夹角，确定为风机相对于三维模型的桨叶平面转动角度。

如前文所述，已识别桨叶平面的正面中心点风机。示例地，如图13（a）所示，正面中心点O与预设的基准点M位于两个不同的位置。

如图13（a）所示，首先生成风机的桨叶平面的垂线，该垂线经过正面中心点O。如图13（b）所示，再基于基准点在三维空间中的位置，生成正面中心点和基准点的连线。由于正面中心点和基准点具有相同的基准高度，因而两点在同一个平面上。可以理解的，连线和垂线在同一个平面上。

进一步地，如图13（c）所示，计算连线和垂线的夹角，将该夹角确定为风机相对于三维模型的桨叶平面转动角度。

该步骤中，计算出风机相对于三维模型的桨叶平面转动角度，以便于在风向改变后，对三维模型进行转动调整。

一个实施例中，可以在历史巡航记录中获取历史平面转动角度，辅助验证桨叶平面转动角度的准确率。具体地，获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史平面转动角度；基于历史平面转动角度，检测确定出的桨叶平面转动角度的准确率。

在这里，工作人员可以在数据库中获取风机的历史巡航记录，再查询历史指定时间下，无人机巡航风机时，记录的历史平面转动角度。

进一步地，工作人员可以将计算出的当前桨叶平面转动角度与历史平面转动角度进行比对。基于历史平面转动角度，判断当前计算结果的误差大小，进而检测确定出的当前桨叶平面转动角度的准确率。另外，工作人员还可以将当前桨叶平面转动角度记录到历史巡航记录。

上述方式中，将历史巡航记录作为辅助参考，有利于判断当前桨叶平面转动角度的误差大小，检测当前计算结果的准确率。

下述实施例提供确定桨叶旋转角度的具体实现方式。

一种方式下，可以通过检测当前桨叶位置，再根据初始桨叶位置计算并确定桨叶旋转角度。

具体地，识别风机的指定方向区域中目标桨叶的当前桨叶位置；从三维模型中，获取距离当前桨叶位置最近的初始桨叶位置；生成当前桨叶位置与正面中心点的第一连线，生成初始桨叶位置与正面中心点的第二连线；将第一连线和第二连线的夹角，确定为风机相对于三维模型的桨叶旋转角度。

上述第一连线是当前桨叶位置与正面中心点的连线，示例地，该第一连线可以看作目标桨叶的末端点与正面中心点的连线。上述第二连线是初始桨叶位置与正面中心点的连线，示例地，该第二连线可以看作三维模型中距离当前桨叶位置最近的桨叶的末端点与正面中心点的连线。

实际实现时，可以通过激光雷达检测目标桨叶的当前桨叶位置。示例地，如图14中（b）所示，识别出当前目标桨叶的末端点在三维空间下的坐标信息。并且，从风机的三维模型中，获取距离当前桨叶位置最近的初始桨叶位置。示例地，如图14中（c）所示，在三维模型中，根据当前桨叶位置的坐标信息，获取与该坐标信息距离最近的桨叶末端点的坐标信息，作为初始桨叶位置。

进一步地，生成当前桨叶位置与正面中心点的第一连线，并生成初始桨叶位置与正面中心点的第二连线，该第一连线和第二连线位于风机的桨叶平面中。在这里，计算出第一连线和第二连线的夹角，即可将该夹角确定为风机相对于三维模型的桨叶旋转角度。

该步骤中，通过识别出当前桨叶位置和初始桨叶位置，计算夹角得到桨叶旋转角度，以便于后续调整三维模型及巡航航线，节约再次巡检时的航线规划成本，提高巡检效率。

另一种方式下，可以通过对重叠的两个图像进行分析，进而确定桨叶旋转角度。

具体地，获取无人机拍摄的风机的第一图像，以及包含三维模型的第二图像；其中，第一图像和第二图像中，风机的拍摄视角相同；将第一图像和第二图像重叠处理，得到重叠图像；将第一图像中第一桨叶与第二图像中第二桨叶的夹角，确定为风机相对于三维模型的桨叶旋转角度；其中，对于重叠图像中的桨叶，第一桨叶与第二桨叶之间的夹角最小。

在该方式中，工作人员可以获取无人机拍摄的风机的第一图像。再根据第一图像中风机的拍摄视角，调整三维模型的拍摄视角，并获取包含三维模型的第二图像，以使第一图像和第二图像中，风机的拍摄视角相同。

一般地，可以通过图像处理软件将第一图像和第二图像进行重叠处理，如图14中（a）所示，得到重叠图像。再通过人工智能分析技术，识别重叠图像中重叠的桨叶，将第一图像和第二图像中夹角最小的两个桨叶分别作为第一桨叶和第二桨叶。进一步地，识别出第一桨叶和第二桨叶的夹角，将该夹角确定为风机相对于三维模型的桨叶旋转角度。

该步骤中，通过识别分析相同拍摄视角下，风机和三维模型的重叠图像，根据最小的桨叶夹角确定桨叶旋转角度，以便于后续调整三维模型及巡航航线，节约再次巡检时的航线规划成本，提高巡检效率。

下述实施例提供更新巡航点的具体实现方式。

具体地，基于桨叶平面转动角度，控制三维模型中的桨叶平面转动；基于桨叶旋转角度，控制三维模型中的桨叶旋转，得到三维模型的更新模型；控制初始巡航点基于更新模型进行更新，得到更新巡航点；其中，更新巡航点相对于更新模型的相对位置关系，与初始巡航点相对于三维模型的相对位置关系相同。

上述方式中，工作人员可以基于桨叶平面转动角度，控制三维模型中的桨叶平面转动，并基于桨叶旋转角度，控制三维模型中的桨叶旋转。在这里，控制桨叶平面转动、桨叶旋转后，对三维模型在三维空间中的坐标信息进行更新，得到具有新坐标信息的风机的更新模型。

进一步地，对一个风机而言，工作人员可以基于更新模型，控制三维模型的初始巡航点进行更新，得到更新巡航点。

需要说明的是，更新巡航点相对于更新模型的相对位置关系，与初始巡航点相对于三维模型的相对位置关系相同。

可以理解的是，由于对初始巡航点进行更新，因此对无人机的巡航航线也需要进行更新，更新后的巡航航线相对于更新模型的相对位置关系，与初始巡航航线相对于三维模型的相对位置关系相同。

实际实现时，同一个区域的风力发电场中，风机的规格都一致，风向、风力大小都一致，因而桨叶的转动速率都一致。因此，工作人员获取同一个区域中任何一个风机的桨叶平面转动角度和桨叶旋转角度，得到该风机的三维模型的更新模型后，同样地，可以对该区域中其他风机的三维模型进行相同的更新调整。

该方式下，通过对一个风机的三维模型进行更新调整，得到更新巡航点，推算出此区域内其他风机的三维模型需要进行相同的更新调整，进而提高在同一个区域内，调整巡航航线的效率，减少对巡航航线进行再次规划而造成的资源消耗。

在一个实施例中，如图15所示，对本方案的总体流程进行详细介绍。

1）前期准备。

S1：三维建模；

S2：定义基准点、基准高度、风机的三维模型的正面中心点；

S3：规划飞行航线和巡航航线；

S4：确定起飞点。

2）寻找风机的正面位置，并确定正面中心点。

S5：控制无人机从起飞点起飞至基准高度；

S6：控制无人机围绕风机进行飞行；

S7：确定风机的正面位置；

S8：确定风机的桨叶平面的正面中心点。

3）调整三维模型，并调整巡航航线。

S9：计算风机的桨叶平面转动角度；

S10：计算风机的桨叶旋转角度；

S11：控制风机的三维模型中的桨叶平面进行转动、桨叶进行旋转；

S12：基于更新模型调整无人机的巡航航线；

S13：控制无人机执行巡检任务。

另外，本方案同理可以适用到其他复杂单体的巡检任务中。

如前文所述，历史巡航记录作为风机的大数据的一部分，对于本方案具有辅助参考作用。下述实施例提供获取历史巡航记录的具体实现方式。

在这里，工作人员经过长时间对一个区域的风力、风向等影响转动的因素进行采集后，得到历史巡航记录。

具体地，一个实施例中，将历史巡航记录应用于对风机转动角度的计算。示例地，工作人员可以查询风机的历史转动角度，验证桨叶平面转动角度和桨叶旋转角度是否准确。例如，根据历史巡航记录，查询到往年某月份具有和当前相同的风向、风力，在该时间段，风机的桨叶平面转动N度、桨叶旋转M度，再与当前计算得到的桨叶平面转动角度和桨叶旋转角度进行比对，判断当前计算结果的误差。

另一个实施例中，将历史巡航记录应用于正面中心点的定位。示例地，工作人员可以查询风机的历史正面中心点，再根据历史正面中心点规划飞行路线，减少无人机绕圈的次数。例如：根据历史巡航记录，查询到往年某月份具有和当前相同的风向、风力，再获取该时间段，风机的正面中心点位置，进而预测当前风机的正面中心点也在这个坐标位置附近，得到当前正面中心点的预测位置。当无人机围绕风机飞行，寻找正面中心点时，可以侧重优先往该预测位置坐标飞行。

另外，在前文所述的S7中无人机位于风机的正面位置的坐标、S8中计算出正面中心点的坐标数据、S9中计算得出的桨叶平面转动角度和S10中计算得出的桨叶旋转角度等数据，均可以保存到历史巡航记录，作为大数据的一部分。

对应于上述方法实施例，参见图16所示的一种基于无人机自动调整航线的风机巡检控制装置，该装置设置于无人机的控制设备，控制设备与无人机通信连接；装置包括：

第一控制模块1601，用于控制无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；三维模型具有预设的桨叶平面朝向和初始桨叶位置；起飞点预先在三维模型的三维空间中确定；

第一确定模块1602，用于控制无人机在基准高度围绕风机进行飞行，在飞行的过程中识别风机的桨叶平面的正面中心点；基于正面中心点和预设的基准点，确定风机相对于三维模型的桨叶平面转动角度；基准点位于基准高度；

第二确定模块1603，用于基于风机的当前桨叶位置和初始桨叶位置，确定风机相对于三维模型的桨叶旋转角度；

第二控制模块1604，用于基于桨叶平面转动角度和桨叶旋转角度，调整无人机的初始巡航点的位置，得到更新巡航点；控制无人机按照更新巡航点对风机进行巡航；其中，初始巡航点基于三维模型确定。

该方式下，预先对风机建立了三维模型，控制无人机在飞行过程中识别出桨叶平面的正面中心点，再根据该三维模型确定的多个物理量，得到更新巡航点供无人机进行巡航，提高了风机的巡检效率、准确性和安全性。

上述三维模型通过下述方式建立：基于风机的位置，在地图中确定无人机的作业区域；控制无人机在作业区域飞行，在无人机飞行的过程中，通过无人机上安装的摄像装置拍摄风机，得到风机的影像数据；获取风机的激光扫描数据；基于激光扫描数据和影像数据，生成风机的三维模型。

上述无人机上安装有多个摄像装置；上述第一控制模块，还用于基于预设的飞行参数，确定无人机在作业区域中的飞行航线；其中，飞行参数包括航向重叠率和旁向重叠率；航向重叠率位于第一预设范围；旁向重叠率高于预设重叠率阈值；控制无人机沿着飞行航线飞行；在无人机飞行的过程中，通过多个摄像装置获取指定视角下风机的影像数据；其中，指定视角包括：俯视、前视、后视、左视和右视中的多种。

上述装置还包括：第一生成模块，用于基于三维模型，确定基准点和多个初始巡航点；其中，基准点位于：垂直于三维模型的桨叶平面且与桨叶平面的中心点相交的直线上；基于基准点和多个初始巡航点，生成无人机的巡航航线；其中，巡航航线以基准点为起点，按照预设顺序依次经过多个初始巡航点，并以基准点为终点。

上述装置还包括：第二生成模块，用于基于三维模型中的桨叶长度，确定半径参数；其中，半径参数大于桨叶长度；以三维模型中的基座为中心，基于半径参数在三维模型的三维空间的地面上生成圆圈；在圆圈上确定起飞点；其中，起飞点还用于停放无人机。

上述第一确定模块，还用于在基准高度的平面上，控制无人机围绕风机进行飞行；在飞行的过程中，识别并记录无人机位于预设的正面位置；其中，正面位置与风机的桨叶平面的垂线，位于桨叶平面的中心点；识别风机的多个桨叶的末端位置，基于多个桨叶的末端位置，确定风机的桨叶平面的正面中心点。

上述第一确定模块，还用于获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史正面位置；基于历史巡航记录生成正面位置的预测位置；基于预测位置确定无人机的飞行路线，控制无人机按照飞行路线围绕风机进行飞行。

上述第一确定模块，还用于通过无人机上的激光雷达，检测无人机与风机的多个桨叶的末端距离；当无人机与多个桨叶的末端距离相同时，确定并记录无人机位于预设的正面位置；或者，通过无人机上的摄像装置，采集包含风机的影像数据，将影像数据输入至预先训练完成的深度学习模型中，以通过深度学习模型，从影像数据中识别出包含风机的正面影像的目标图像，将拍摄目标图像时无人机所在的位置，确定为正面位置，并记录正面位置。

上述装置还包括：第三控制模块，用于控制无人机停止围绕风机飞行。

上述第一确定模块，还用于生成风机的桨叶平面的垂线；其中，垂线经过正面中心点；生成正面中心点和基准点的连线，将连线和垂线的夹角，确定为风机相对于三维模型的桨叶平面转动角度。

上述装置还包括：第一检测模块，用于获取风机的历史巡航记录；其中，历史巡航记录中包括：无人机在历史指定时间巡航风机时，记录的历史平面转动角度；基于历史平面转动角度，检测确定出的桨叶平面转动角度的准确率。

上述第二确定模块，还用于识别风机的指定方向区域中目标桨叶的当前桨叶位置；从三维模型中，获取距离当前桨叶位置最近的初始桨叶位置；生成当前桨叶位置与正面中心点的第一连线，生成初始桨叶位置与正面中心点的第二连线；将第一连线和第二连线的夹角，确定为风机相对于三维模型的桨叶旋转角度。

上述第二确定模块，还用于获取无人机拍摄的风机的第一图像，以及包含三维模型的第二图像；其中，第一图像和第二图像中，风机的拍摄视角相同；将第一图像和第二图像重叠处理，得到重叠图像；将第一图像中第一桨叶与第二图像中第二桨叶的夹角，确定为风机相对于三维模型的桨叶旋转角度；其中，对于重叠图像中的桨叶，第一桨叶与第二桨叶之间的夹角最小。

上述第二控制模块，还用于基于桨叶平面转动角度，控制三维模型中的桨叶平面转动；基于桨叶旋转角度，控制三维模型中的桨叶旋转，得到三维模型的更新模型；控制初始巡航点基于更新模型进行更新，得到更新巡航点；其中，更新巡航点相对于更新模型的相对位置关系，与初始巡航点相对于三维模型的相对位置关系相同。

本实施例还提供一种基于无人机自动调整航线的风机巡检控制设备，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述基于无人机自动调整航线的风机巡检控制方法。该电子设备可以是服务器，也可以是终端设备。

参见图17所示，该电子设备包括处理器100和存储器101，该存储器101存储有能够被处理器100执行的机器可执行指令，该处理器100执行机器可执行指令以实现上述基于无人机自动调整航线的风机巡检控制方法。

进一步地，图17所示的电子设备还包括总线102和通信接口103，处理器100、通信接口103和存储器101通过总线102连接。

其中，存储器101可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口103（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图17中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成前述实施例的方法的步骤。

本实施例还提供一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述基于无人机自动调整航线的风机巡检控制方法。

本发明实施例所提供的基于无人机自动调整航线的风机巡检控制方法、装置、设备及存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能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介质中。基于这样的理解，本发明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介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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，仅是为了便于描述本发明和简化描述，而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，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (17)

1.一种基于无人机自动调整航线的风机巡检控制方法，其特征在于，所述方法应用于无人机的控制设备；所述控制设备与所述无人机通信连接；所述方法包括：

控制所述无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；所述三维模型具有预设的桨叶平面朝向和初始桨叶位置；所述起飞点预先在所述三维模型的三维空间中确定；

控制所述无人机在所述基准高度围绕所述风机进行飞行，在飞行的过程中识别所述风机的桨叶平面的正面中心点；基于所述正面中心点和预设的基准点，确定所述风机相对于所述三维模型的桨叶平面转动角度；所述基准点位于所述基准高度；

基于所述风机的当前桨叶位置和所述初始桨叶位置，确定所述风机相对于所述三维模型的桨叶旋转角度；

基于所述桨叶平面转动角度和所述桨叶旋转角度，调整所述无人机的初始巡航点的位置，得到更新巡航点；控制所述无人机按照所述更新巡航点对所述风机进行巡航；其中，所述初始巡航点基于所述三维模型确定。

2.根据权利要求1所述的方法，其特征在于，所述三维模型通过下述方式建立：

基于所述风机的位置，在地图中确定所述无人机的作业区域；

控制所述无人机在所述作业区域飞行，在所述无人机飞行的过程中，通过所述无人机上安装的摄像装置拍摄所述风机，得到所述风机的影像数据；

获取所述风机的激光扫描数据；

基于所述激光扫描数据和所述影像数据，生成所述风机的三维模型。

3.根据权利要求2所述的方法，其特征在于，所述无人机上安装有多个摄像装置；

所述控制所述无人机在所述作业区域飞行，在所述无人机飞行的过程中，通过所述无人机上安装的摄像装置拍摄所述风机，得到所述风机的影像数据的步骤，包括：

基于预设的飞行参数，确定所述无人机在所述作业区域中的飞行航线；其中，所述飞行参数包括航向重叠率和旁向重叠率；所述航向重叠率位于第一预设范围；所述旁向重叠率高于预设重叠率阈值；

控制所述无人机沿着所述飞行航线飞行；

在所述无人机飞行的过程中，通过所述多个摄像装置获取指定视角下所述风机的影像数据；其中，所述指定视角包括：俯视、前视、后视、左视和右视中的多种。

4.根据权利要求2所述的方法，其特征在于，基于所述激光扫描数据和所述影像数据，生成所述风机的三维模型的步骤之后，所述方法还包括：

基于所述三维模型，确定基准点和多个初始巡航点；其中，所述基准点位于：垂直于所述三维模型的桨叶平面且与所述桨叶平面的中心点相交的直线上；

基于所述基准点和所述多个初始巡航点，生成所述无人机的巡航航线；其中，所述巡航航线以所述基准点为起点，按照预设顺序依次经过所述多个初始巡航点，并以所述基准点为终点。

5.根据权利要求2所述的方法，其特征在于，基于所述激光扫描数据和所述影像数据，生成所述风机的三维模型的步骤之后，所述方法还包括：

基于所述三维模型中的桨叶长度，确定半径参数；其中，所述半径参数大于所述桨叶长度；

以所述三维模型中的基座为中心，基于所述半径参数在所述三维模型的三维空间的地面上生成圆圈；

在所述圆圈上确定起飞点；其中，所述起飞点还用于停放所述无人机。

6.根据权利要求1所述的方法，其特征在于，控制所述无人机在所述基准高度围绕所述风机进行飞行，在飞行的过程中识别所述风机的桨叶平面的正面中心点的步骤，包括：

在所述基准高度的平面上，控制所述无人机围绕所述风机进行飞行；

在飞行的过程中，识别并记录所述无人机位于预设的正面位置；其中，所述正面位置与所述风机的桨叶平面的垂线，位于所述桨叶平面的中心点；

识别所述风机的多个桨叶的末端位置，基于所述多个桨叶的末端位置，确定所述风机的桨叶平面的正面中心点。

7.根据权利要求6所述的方法，其特征在于，在所述基准高度的平面上，控制所述无人机围绕所述风机进行飞行的步骤，包括：

获取所述风机的历史巡航记录；其中，所述历史巡航记录中包括：所述无人机在历史指定时间巡航所述风机时，记录的历史正面位置；

基于所述历史巡航记录生成所述正面位置的预测位置；

基于所述预测位置确定所述无人机的飞行路线，控制所述无人机按照所述飞行路线围绕所述风机进行飞行。

8.根据权利要求6所述的方法，其特征在于，识别并记录所述无人机位于预设的正面位置的步骤，包括：

通过所述无人机上的激光雷达，检测所述无人机与所述风机的多个桨叶的末端距离；当所述无人机与所述多个桨叶的末端距离相同时，确定并记录所述无人机位于预设的正面位置；

或者，通过所述无人机上的摄像装置，采集包含所述风机的影像数据，将所述影像数据输入至预先训练完成的深度学习模型中，以通过深度学习模型，从所述影像数据中识别出包含所述风机的正面影像的目标图像，将拍摄所述目标图像时所述无人机所在的位置，确定为正面位置，并记录所述正面位置。

9.根据权利要求6所述的方法，其特征在于，在飞行的过程中，识别并记录所述无人机位于预设的正面位置的步骤之后，所述方法还包括：控制所述无人机停止围绕所述风机飞行。

10.根据权利要求1所述的方法，其特征在于，基于所述正面中心点和预设的基准点，确定所述风机相对于所述三维模型的桨叶平面转动角度的步骤，包括：

生成所述风机的桨叶平面的垂线；其中，所述垂线经过所述正面中心点；

生成所述正面中心点和所述基准点的连线，将所述连线和所述垂线的夹角，确定为所述风机相对于所述三维模型的桨叶平面转动角度。

11.根据权利要求1所述的方法，其特征在于，基于所述正面中心点和预设的基准点，确定所述风机相对于所述三维模型的桨叶平面转动角度的步骤之后，所述方法还包括：

获取所述风机的历史巡航记录；其中，所述历史巡航记录中包括：所述无人机在历史指定时间巡航所述风机时，记录的历史平面转动角度；

基于所述历史平面转动角度，检测确定出的所述桨叶平面转动角度的准确率。

12.根据权利要求1所述的方法，其特征在于，基于所述风机的当前桨叶位置和所述初始桨叶位置，确定所述风机相对于所述三维模型的桨叶旋转角度的步骤，包括：

识别所述风机的指定方向区域中目标桨叶的当前桨叶位置；

从所述三维模型中，获取距离所述当前桨叶位置最近的初始桨叶位置；

生成所述当前桨叶位置与所述正面中心点的第一连线，生成所述初始桨叶位置与所述正面中心点的第二连线；

将所述第一连线和所述第二连线的夹角，确定为所述风机相对于所述三维模型的桨叶旋转角度。

13.根据权利要求1所述的方法，其特征在于，基于所述风机的当前桨叶位置和所述初始桨叶位置，确定所述风机相对于所述三维模型的桨叶旋转角度的步骤，包括：

获取所述无人机拍摄的所述风机的第一图像，以及包含所述三维模型的第二图像；其中，所述第一图像和所述第二图像中，所述风机的拍摄视角相同；

将所述第一图像和所述第二图像重叠处理，得到重叠图像；

将所述第一图像中第一桨叶与所述第二图像中第二桨叶的夹角，确定为所述风机相对于所述三维模型的桨叶旋转角度；其中，对于所述重叠图像中的桨叶，所述第一桨叶与所述第二桨叶之间的夹角最小。

14.根据权利要求1所述的方法，其特征在于，基于所述桨叶平面转动角度和所述桨叶旋转角度，调整所述初始巡航点的位置，得到更新巡航点的步骤，包括：

基于所述桨叶平面转动角度，控制所述三维模型中的桨叶平面转动；基于所述桨叶旋转角度，控制所述三维模型中的桨叶旋转，得到所述三维模型的更新模型；

控制所述初始巡航点基于所述更新模型进行更新，得到更新巡航点；其中，所述更新巡航点相对于所述更新模型的相对位置关系，与所述初始巡航点相对于所述三维模型的相对位置关系相同。

15.一种基于无人机自动调整航线的风机巡检控制装置，其特征在于，该装置设置于无人机的控制设备；所述控制设备与所述无人机通信连接；所述装置包括：

第一控制模块，用于控制所述无人机从起飞点飞行至预设的基准高度；其中，风机预先建立有三维模型；所述三维模型具有预设的桨叶平面朝向和初始桨叶位置；所述起飞点预先在所述三维模型的三维空间中确定；

第一确定模块，用于控制所述无人机在所述基准高度围绕所述风机进行飞行，在飞行的过程中识别所述风机的桨叶平面的正面中心点；基于所述正面中心点和预设的基准点，确定所述风机相对于所述三维模型的桨叶平面转动角度；所述基准点位于所述基准高度；

第二确定模块，用于基于所述风机的当前桨叶位置和所述初始桨叶位置，确定所述风机相对于所述三维模型的桨叶旋转角度；

第二控制模块，用于基于所述桨叶平面转动角度和所述桨叶旋转角度，调整所述无人机的初始巡航点的位置，得到更新巡航点；控制所述无人机按照所述更新巡航点对所述风机进行巡航；其中，所述初始巡航点基于所述三维模型确定。

16.一种基于无人机自动调整航线的风机巡检控制设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-14任一项所述的基于无人机自动调整航线的风机巡检控制方法。

17.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现权利要求1-14任一项所述的基于无人机自动调整航线的风机巡检控制方法。