CN116661479A - 建筑巡检路径规划方法、设备和可读存储介质 - Google Patents
建筑巡检路径规划方法、设备和可读存储介质 Download PDFInfo
- Publication number
- CN116661479A CN116661479A CN202310937916.9A CN202310937916A CN116661479A CN 116661479 A CN116661479 A CN 116661479A CN 202310937916 A CN202310937916 A CN 202310937916A CN 116661479 A CN116661479 A CN 116661479A
- Authority
- CN
- China
- Prior art keywords
- path
- determining
- constraint
- points
- building
- 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 147
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 239000013598 vector Substances 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 36
- 230000009194 climbing Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 208000011597 CGF1 Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000004039 social cognition Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
-
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种建筑巡检路径规划方法、设备和可读存储介质，涉及三维位置和航道控制领域，该方法包括：根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划，所以，有效解决了相关技术中进行无人机三维路径规划的计算量过大，导致规划效率低的技术问题，实现了提升三维路径规划效率的技术效果。
Description
技术领域
本申请涉及三维位置和航道控制领域，尤其涉及一种建筑巡检路径规划方法、建筑巡检路径规划设备和计算机可读存储介质。
背景技术
对城市建筑进行工程诊治是确保工程服役安全、提高运维质量和延长使用寿命必要的手段。而人工巡检耗时费力，且效率极低，因此，目前普遍采用无人机对建筑进行巡检，以提高巡检效率。
目前的无人机巡检方案中，通过专业无人机飞行手来操控无人机进行手动飞行，或者半自动飞行，在这过程中配合无人机预设轨迹以及实时避障来进行巡检。
但是在对建筑群做巡检路径规划时，进行三维路径规划的计算量过大，导致三维路径规划并不能满足实际使用需求，规划效率低。
发明内容
本申请实施例通过提供一种建筑巡检路径规划方法，解决了相关技术中进行无人机三维路径规划的计算量过大，导致规划效率低的技术问题，实现了对建筑外立面进行巡检，并提升三维路径规划效率的技术效果。
本申请实施例提供了一种建筑巡检路径规划方法，所述建筑巡检路径规划方法包括：
根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；
根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；
根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；
以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划。
可选地，所述根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标的步骤之前，还包括：
采集所述目标区域的激光雷达数据和/或倾斜影像数据；
根据数学建模算法，提取所述激光雷达数据和/或所述倾斜影像数据包含的地理信息；
将所述地理信息中的经纬度坐标转换为欧拉坐标；
基于所述欧拉坐标和所述地理信息生成所述目标区域内所述目标建筑的三维建模数据。
可选地，所述根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标的步骤包括：
根据所述目标建筑的三维建模数据确定所述矢量数据；
基于所述矢量数据提取出所述目标建筑的建筑物角点；
根据所述建筑物角点对所述矢量数据进行分割，确定所述目标建筑的各个所述探测面；
根据预设约束条件确定所述探测面的所述路径点坐标。
可选地，所述根据预设约束条件确定所述探测面的所述路径点坐标的步骤包括：
根据巡检规则确定所述探测面的初始巡检点；
根据所述初始巡检点，生成所述探测面的巡检点网络，以使巡检点与所述探测面的距离大于第一距离，不同水平高度的所述巡检点之间的距离大于第二距离，所述巡检点与地面的距离大于第三距离；
根据所述巡检点的坐标确定所述探测面的所述路径点坐标。
可选地，所述根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束的步骤包括：
根据所述矢量数据和所述路径点坐标确定所述高度约束；
根据路径点坐标、爬升角极值以及俯仰角极值确定所述转角约束；
根据所述矢量数据确定障碍物中心点，以及所述障碍物中心点对应的区域半径；
根据所述障碍物中心点以及所述区域半径确定所述障碍物约束。
可选地，所述根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划的步骤包括：
确定所述探测面的初始巡检点；
以所述初始巡检点为起点，并以所述转角约束和所述高度约束作为平面约束条件，遍历所述路径点坐标；
根据遍历结果确定所述平面路径规划。
可选地，所述以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划的步骤包括：
根据所述平面路径规划确定所述目标建筑的特征点位，所述特征点位包括所述目标建筑对应巡检任务的起始点以及终止点；
基于所述特征点位初始化无人机的速度以及位置；
根据特征点位数量、初始化的所述速度、初始化的所述位置和所述特征点位构建迭代空间；
根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划。
可选地，所述根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划的步骤包括：
根据所述障碍物约束更新所述预设算法；
根据更新后的所述预设算法对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解所述特征点位之间的目标路径规划；
基于所述目标路径规划和所述平面路径规划，确定所述路径点坐标之间的所述三维路径规划。
此外，本申请还提出一种建筑巡检路径规划设备，所述建筑巡检路径规划设备包括存储器、处理器及存储在存储器上并可在处理器上运行的建筑巡检路径规划程序，所述处理器执行所述建筑巡检路径规划程序时实现如上所述的建筑巡检路径规划方法的步骤。
此外，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有建筑巡检路径规划程序，所述建筑巡检路径规划程序被处理器执行时实现如上所述的建筑巡检路径规划方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划，所以，有效解决了相关技术中进行无人机三维路径规划的计算量过大，导致规划效率低的技术问题，实现了对建筑外立面进行巡检，并提升三维路径规划效率的技术效果。
附图说明
图1为本申请建筑巡检路径规划方法实施例一的流程示意图；
图2为本申请建筑巡检路径规划方法实施例二中步骤S110的流程细化示意图；
图3为本申请建筑巡检路径规划方法实施例三中步骤S140的流程细化示意图；
图4为本申请建筑巡检路径规划设备实施例涉及的硬件结构示意图。
具体实施方式
在相关技术中，使用无人机对建筑进行巡检时，无人机的高度约束通常设置较小区间，巡检路径规划实际上是二维路径规划，并不满足巡检需求。这是因为城市点云数据不健全，且数据量庞大，而使用无人机对建筑群的各个外立面进行巡检时，需要对整个巡检流程中无人机的三维路径进行规划，由于数据缺失以及计算量庞大，导致巡检路径规划效率低。本申请实施例采用的主要技术方案是：预先建立建筑群的三维建模数据，根据各个目标建筑的各个探测面的路径点坐标，以及条件约束，确定无人机对于探测面的平面路径规划；再结合各个目标建筑对应的点位信息，基于平面路径规划生成无人机对于建筑群进行巡检的三维路径规划。从而实现了对建筑外立面进行巡检，并提升三维路径规划效率的技术效果。
为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，能够以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整地传达给本领域的技术人员。
实施例一
本申请实施例一公开了一种建筑巡检路径规划方法，参照图1，所述建筑巡检路径规划方法包括：
步骤S110，根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；
在本实施例中，目标区域指的是待巡检的区域，目标区域内包含待巡检的目标建筑。探测面为目标建筑的外立面。路径点是指无人机在对探测面进行巡检时，经过的点位。
作为一种可选实施方式，获取目标区域对应的三维建模数据，根据三维建模数据确定目标区域内各个目标建筑的矢量数据；根据矢量数据对目标建筑进行分割，确定各个探测面，并根据预设约束条件确定各个探测面对应的路径点。其中，约束条件包括各个路径点之间的距离约束，路径点与地面距离的约束等。
步骤S120，根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；
在本实施例中，高度约束为无人机飞行时，经过的路径点与地面之间距离的约束条件，转角约束为无人机在转弯时，转弯角度对应的约束条件，障碍物约束为无人机在飞行途中，需要避开的空间对应的坐标范围。
可选地，步骤S120包括：
步骤S121，根据所述矢量数据和所述路径点坐标确定所述高度约束；
作为一种可选实施方式，根据目标建筑的矢量数据确定目标建筑预设范围内的空间点位坐标，根据各个目标建筑对应的空间点位坐标确定各个目标建筑对应的最低巡检高度以及最高巡检高度；进而根据最低巡检高度以及最高巡检高度确定高度约束。
示例性的，无人机飞行高度对无人机的安全非常重要，受到地形地貌的影响，低空飞行容易遇到建筑等影响，增加了遇到障碍的可能性，高空飞行受到自身条件和大气威胁等影响，因此无人机的高度需要符合要求。无人机在飞行过程中需要尽量在同一高度，减少不必要的损耗，降低无人机毁伤风险。无人机高度可表示为：。
其中，为无人机在第i个路径点的飞行高度，/>为第i个路径点对应的目标建筑容许飞行最小高度，/>为第i个路径点对应目标建筑容许飞行最大高度，则高度约束为：
步骤S122，根据路径点坐标、爬升角极值以及俯仰角极值确定所述转角约束；
在本实施例中，爬升角极值为无人机爬升角的最大值，俯仰角极值为无人机俯仰角的最大值。
作为一种可选实施方式，确定相邻路径点的路径点坐标，其中相邻两个路径点之间的转弯角受爬升角极值约束，而无人机的爬升角受俯仰角极值约束。
示例性的，无人机在飞行时对转弯角有一定要求。如果转弯角过小无人机无法进行转弯动作，因此在进行路径规划时应按照转弯角约束进行选角范围。假设无人机处于点，前相邻点为/>，后相邻点为，当zi=zi+1，则转弯角满足约束：
其中，转弯角是的反余弦值，/>的余弦值由当前路径点、前相邻点和后相邻点三者的坐标决定，/>为爬升角极大值，数值为π/2。
当zi≠zi+1，爬升角μ满足约束：
其中，为俯仰角极值，数值可为π/2。
步骤S123，根据所述矢量数据确定障碍物中心点，以及所述障碍物中心点对应的区域半径；
步骤S124，根据所述障碍物中心点以及所述区域半径确定所述障碍物约束。
在本实施例中，障碍物在三维建模地图中映射有空间范围，该空间范围表现为以障碍物中心点为圆心，区域半径为半径的球状空间。
作为一种可选实施方式，无人机的路径规划环境建模中，会有威胁区域建模，威胁来源可以是障碍物在三维建模地图中的映射，或者是雷达。通常情况下，雷达为首要威胁。因为雷达的输出功率、通频带等不会随意改变，因此可看作是固定的球面向外扩散。其半径为r，其中在其雷达内部为绝对危险区域，无人机不可飞进。也可看作是无人机禁飞区域。以障碍物的中心点位坐标，或雷达的中心点位坐标为障碍物中心点，以该障碍物在三维地图中的映射范围的半径，或雷达的辐射半径为区域半径，根据障碍物中心点和区域半径确定障碍物约束。
步骤S130，根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；
在本实施例中，根据无人机的高度约束以及无人机在转向时的转角约束，确定探测面对应的路径点坐标之间的平面路径规划。平面路径规划指的是路径点坐标之间的行进顺序。
相关技术中无人机的转角约束是指在同一水平面飞行时，由当前点位转向至下一点位的旋转角度的约束条件，当前点位与下一点位处于同一水平面。而本实施例中，探测面对应路径点坐标形成的巡检网络所在平面不与水平面平行，即本实施例中将转角约束应用于高度不同的相邻路径点之间的转角，打破了相关技术的限制。
可选地，步骤S130包括：
步骤S131，确定所述探测面的初始巡检点；
步骤S132，以所述初始巡检点为起点，并以所述转角约束和所述高度约束作为平面约束条件，遍历所述路径点坐标；
步骤S133，根据遍历结果确定所述平面路径规划。
作为一种可选实施方式，获取探测面关联的初始巡检点，以转角约束和高度约束作为平面约束条件，以初始巡检点为起点，遍历该探测面对应的路径点坐标，获取若干个遍历方案，预设无人机的飞行距离与电量消耗正相关，基于电量消耗以及巡检完成度确定目标遍历方案，以目标遍历方案作为平面路径规划。
示例性的，根据无人机在遍历方案对应的路线上，对于探测面的巡检面积，与探测面面积的比例作为巡检完成度，基于巡检完成度与电量消耗的动态模型，确定符合预设动态平衡要求的遍历方案作为目标遍历方案。
步骤S140，以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划。
在本实施例中，以飞行距离为目标函数，确定各个探测面的巡检顺序，根据巡检顺序，以及障碍物约束为约束条件，结合平面路径规划确定的探测面的路径点行进顺序，基于路径规划算法求解目标函数，确定三维路径规划。
示例性的，路径规划算法为基于粒子群优化算法的路径规划算法，初始化粒子群速度、位置，进行解码，更新粒子群状态，引入遗传算法参数中的选择、交叉、变异等操作，输出最优路径及长度。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
由于采用了根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划，所以，有效解决了相关技术中进行无人机三维路径规划的计算量过大，导致规划效率低的技术问题，实现了对建筑外立面进行巡检，并提升三维路径规划效率的技术效果。
基于实施例一，本申请实施例二提出一种建筑巡检路径规划方法，步骤S110之前，还包括：
步骤S1，采集所述目标区域的激光雷达数据和/或倾斜影像数据；
步骤S2，根据数学建模算法，提取所述激光雷达数据和/或所述倾斜影像数据包含的地理信息；
步骤S3，将所述地理信息中的经纬度坐标转换为欧拉坐标；
步骤S4，基于所述欧拉坐标和所述地理信息生成所述目标区域内所述目标建筑的三维建模数据。
作为一种可选实施方式，获取目标区域的激光雷达数据和/或倾斜影像数据，通过matlab或者python语言，提取激光雷达数据和/或倾斜影像数据中包含的GIS（GeographicInformation System，地理信息系统）信息，将GIS信息中的经纬度坐标按照预设算法转换成欧拉坐标，根据坐标转换后的GIS信息生成目标区域内目标建筑的三维建模数据。
可选地，参照图2，步骤S110包括：
步骤S210，根据所述目标建筑的三维建模数据确定所述矢量数据；
作为一种可选实施方式，基于目标建筑的三维建模数据，确定各个目标建筑对应的矢量数据。
示例性的，根据目标建筑的三维建模数据，确定目标建筑的各个边缘线条上标志点对应的空间坐标，根据所述空间坐标，生成各个边缘线条的矢量，基于所有边缘线条的矢量，得到所述矢量数据。
步骤S220，基于所述矢量数据提取出所述目标建筑的建筑物角点；
在本实施例中，建筑物角点是指目标建筑的棱角线条上的点位。
作为一种可选实施方式，确定矢量数据中，属于目标建筑棱角线条的目标矢量数据，根据目标矢量数据，确定目标建筑的建筑物角点。
步骤S230，根据所述建筑物角点对所述矢量数据进行分割，确定所述目标建筑的各个所述探测面；
作为一种可选实施方式，根据建筑物角点对矢量数据进行分割，确定属于同一平面的平面矢量数据，根据这些平面矢量数据以及用于分割平面的目标矢量数据，形成目标建筑的探测面。确定目标建筑探测面的数量，以及相邻探测面的夹角。
步骤S240，根据预设约束条件确定所述探测面的所述路径点坐标。
作为一种可选实施方式，在探测面中按照巡检规则确定初始巡检点，基于初始巡检点在同一水平线上确定第一巡检点，其中第一巡检点与初始巡检点之间的距离满足预设约束条件的要求，依次迭代出后续的巡检点，使得所有巡检点组成的平面与探测面平行。巡检点即为路径点。
可选地，步骤S240包括：
步骤S241，根据巡检规则确定所述探测面的初始巡检点；
作为一种可选实施方式，确定无人机的探测范围，当探测范围的边缘与目标建筑的上边缘相交时，根据无人机此时的飞行高度确定初始巡检点的高度值；基于探测面的巡检顺序，确定上一探测面与当前探测面的交线，根据高度值对应水平线与该交线的交点的空间坐标，以及无人机与目标建筑的表面的距离约束，即第一距离，确定初始巡检点。
步骤S242，根据所述初始巡检点，生成所述探测面的巡检点网络，以使巡检点与所述探测面的距离大于第一距离，不同水平高度的所述巡检点之间的距离大于第二距离，所述巡检点与地面的距离大于第三距离；
作为一种可选实施方式，以初始巡检点为起点，向水平方向按照无人机的探测面积确定第一巡检点，或者向竖直方向按照第二距离确定第一巡检点；确定第一巡检点之后，按照上述方式任选水平或者竖直方向确定后续的巡检点，以生成巡检点网络，其中，巡检点网络中的巡检点之间，满足巡检点与所述探测面的距离大于第一距离，不同水平高度的所述巡检点之间的距离大于第二距离，所述巡检点与地面的距离大于第三距离。
步骤S242，根据所述巡检点的坐标确定所述探测面的所述路径点坐标。
作为一种可选实施方式，以巡检点的坐标作为路径点坐标。
示例性的，利用SIFT（Scale-invariant feature transform，尺度不变特征变换）或其他角点提取算法提取建筑物角点，由于城市建筑工程通常较为密集，无人机与建筑表面的距离d1的距离不宜超过d1MAX，同时为了保证巡检数据的清晰度与无人机的安全飞行，d1的距离应大于d1MIN。使用牛耕法作为全覆盖路径规划算法，d2表示为无人机的垂直间隔飞行距离，d2与任务目标相关，即相机的焦距、数据重叠率、像素等。此外，d3为巡检点至地面的最小距离，d3受建筑周边环境所影响，不应超过最小安全距离d3MIN，在确定d1、d2、d3后，选取其中一点将其作为主要巡检点，选取的原则为该点应为至地面距离最高的巡检点，一栋建筑除主要巡检点外的巡检点，为其他巡检点。
由于采用了采集所述目标区域的激光雷达数据和/或倾斜影像数据；根据数学建模算法，提取所述激光雷达数据和/或所述倾斜影像数据包含的地理信息；将所述地理信息中的经纬度坐标转换为欧拉坐标；基于所述欧拉坐标和所述地理信息生成所述目标区域内所述目标建筑的三维建模数据。解决了相关技术中用于无人机三维路径规划的地图数据通常不完善的技术问题，实现了不需要目标区域的详细地理坐标数据也可完成三维路径规划的技术效果。
基于实施例一，本申请实施例三提出一种建筑巡检路径规划方法，参照图3，步骤S140包括：
步骤S310，根据所述平面路径规划确定所述目标建筑的特征点位，所述特征点位包括所述目标建筑对应巡检任务的起始点以及终止点；
在本实施例中，特征点位包括巡检任务的起始点以及终止点。
作为一种可选实施方式，目标建筑的每个探测面对应一个巡检任务，预设无人机在完成该探测面的巡检任务后，直接前往下一个探测面对应巡检任务的起始点，当该终止点为目标建筑的最后一个巡检点时，无人机从终止点飞行至下一个目标建筑的第一探测面的起始点。即起始点为探测面的初始巡检点，终止点为该探测面对应平面路径规划的最后一个巡检点。
作为另一种可选实施方式，目标建筑的每个探测面对应一个巡检任务，预设无人机在完成该探测面的巡检任务后，回到该探测面的初始巡检点，再前往下一个巡检任务的起始点。
作为另一种可选实施方式，目标建筑对应一个巡检任务，根据目标建筑探测面的巡检顺序，以排序第一的探测面的初始巡检点为起始点，以排序最后的探测面的最后一个巡检点作为终止点。
步骤S320，基于所述特征点位初始化无人机的速度以及位置；
步骤S330，根据特征点位数量、初始化的所述速度、初始化的所述位置和所述特征点位构建迭代空间；
作为一种可选实施方式，初始化规划算法的迭代参数，确定特征点位的数量以及特征点位的类型，根据特征点位以及预设飞行规定初始化无人机的速度以及位置；根据特征点位的类型确定特征点位流动方向；根据特征点位数量、特征点位流动方向、初始化后的速度以及位置、特征点位坐标以及迭代次数阈值，构建出迭代空间。
示例性的，当无人机在完成该探测面的巡检任务后，不需要回到该探测面的初始巡检点时，特征点位流动方向为从终止点流向起始点，此时的终止点与起始点不属于同一个巡检任务。
示例性的，当无人机在完成该探测面的巡检任务后，需要回到该探测面的初始巡检点时，特征点位流动方向为从终止点流向起始点，此时终止点与起始点属于同一个巡检任务；流向起始点后，再从起始点流向起始点，此时两个起始点不属于同一个巡检任务。
步骤S340，根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划。
可选地，步骤S340，包括：
步骤S341，根据所述障碍物约束更新所述预设算法；
在本实施例中，预设算法为路径规划所使用的算法。
作为一种可选实施方式，所述预设算法为多种规划算法融合而成的融合算法，包括但不限于粒子群算法和混合算法；根据障碍物约束更新所述预设算法中对应的约束条件。
步骤S341，根据更新后的所述预设算法对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解所述特征点位之间的目标路径规划；
步骤S341，基于所述目标路径规划和所述平面路径规划，确定所述路径点坐标之间的所述三维路径规划。
作为一种可选实施方式，基于更新后的预设算法对迭代空间进行迭代，由于能耗是限制无人机的主要因素，选取飞行距离作为路径规划的目标函数，飞行距离为各个特征点位之间路径之和。以飞行距离作为目标函数，求解特征点位之间的目标路径规划，并基于特征点位之间的目标路径规划，结合巡检点之间的平面路径规划，生成路径点坐标之间的三维路径规划。
示例性的，在构造完迭代空间之后，开始进行解码，并更新粒子的速度、位置等属性，对目前的特征点位群进行评估，选择全局最优特征点位，优化单个特征点位的速度和位置；进行排序，特征点位群引入混合算法参数，特征点位对自身进行复制，其中混合算法随机翻转方向，引入粒子群算法自我认知和社会认知思想，以此作为混合算法中粒子的翻转运动方向，提高算法的运行速度。根据锦标赛法选择个体，引入遗传算法参数，设置染色体长度数值，并进行选择、交叉、变异的操作，引入交叉概率，突变概率；计算特征点位适应度值，同时判断是否符合约束，对不符合约束的特征点位在目标函数中引入不符合惩罚。获得当前最优目标值，然后继续迭代，并判定是否陷入局部最优，若陷入局部最优，则进行细菌觅食算法迁徙步骤，引入迁徙行为概率，跳出局部最优，否则不进行操作，并判定是否达到最大迭代次数；达到规定的迭代要求，停止迭代，输出最优路径及长度，以生成三维路径规划。
由于采用了根据所述平面路径规划确定所述目标建筑的特征点位，所述特征点位包括所述目标建筑对应巡检任务的起始点以及终止点；基于所述特征点位初始化无人机的速度以及位置；根据特征点位数量、初始化的所述速度、初始化的所述位置和所述特征点位构建迭代空间；根据预设算法以及所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划。有效解决了相关技术中进行无人机路径规划时容易导致早熟和局部收敛，进而陷入局部最优解的技术问题，实现了跳出局部收敛、提升迭代速度进而提升路径规划效率的技术效果。
本申请还提出一种建筑巡检路径规划设备，参照图4，图4为本申请实施例方案涉及的硬件运行环境的建筑巡检路径规划设备结构示意图。
如图4所示，该建筑巡检路径规划设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选地可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选地还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图4中示出的结构并不构成对建筑巡检路径规划设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
可选地，存储器1005与处理器1001电性连接，处理器1001可用于控制存储器1005的运行，还可以读取存储器1005中的数据以实现建筑巡检路径规划。
可选地，如图4所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及建筑巡检路径规划程序。
可选地，在图4所示的建筑巡检路径规划设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请建筑巡检路径规划设备中的处理器1001、存储器1005可以设置在建筑巡检路径规划设备中。
如图4所示，所述建筑巡检路径规划设备通过处理器1001调用存储器1005中存储的建筑巡检路径规划程序，并执行本申请实施例提供的建筑巡检路径规划方法的相关步骤操作：
根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；
根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；
根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；
以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
采集所述目标区域的激光雷达数据和/或倾斜影像数据；
根据数学建模算法，提取所述激光雷达数据和/或所述倾斜影像数据包含的地理信息；
将所述地理信息中的经纬度坐标转换为欧拉坐标；
基于所述欧拉坐标和所述地理信息生成所述目标区域内所述目标建筑的三维建模数据。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
根据所述目标建筑的三维建模数据确定所述矢量数据；
基于所述矢量数据提取出所述目标建筑的建筑物角点；
根据所述建筑物角点对所述矢量数据进行分割，确定所述目标建筑的各个所述探测面；
根据预设约束条件确定所述探测面的所述路径点坐标。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
根据巡检规则确定所述探测面的初始巡检点；
根据所述初始巡检点，生成所述探测面的巡检点网络，以使巡检点与所述探测面的距离大于第一距离，不同水平高度的所述巡检点之间的距离大于第二距离，所述巡检点与地面的距离大于第三距离；
根据所述巡检点的坐标确定所述探测面的所述路径点坐标。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
根据所述矢量数据和所述路径点坐标确定所述高度约束；
根据路径点坐标、爬升角极值以及俯仰角极值确定所述转角约束；
根据所述矢量数据确定障碍物中心点，以及所述障碍物中心点对应的区域半径；
根据所述障碍物中心点以及所述区域半径确定所述障碍物约束。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
确定所述探测面的初始巡检点；
以所述初始巡检点为起点，并以所述转角约束和所述高度约束作为平面约束条件，遍历所述路径点坐标；
根据遍历结果确定所述平面路径规划。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
根据所述平面路径规划确定所述目标建筑的特征点位，所述特征点位包括所述目标建筑对应巡检任务的起始点以及终止点；
基于所述特征点位初始化无人机的速度以及位置；
根据特征点位数量、初始化的所述速度、初始化的所述位置和所述特征点位构建迭代空间；
根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划。
可选地，处理器1001可以调用存储器1005中存储的建筑巡检路径规划程序，还执行以下操作：
根据所述障碍物约束更新所述预设算法；
根据更新后的所述预设算法对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解所述特征点位之间的目标路径规划；
基于所述目标路径规划和所述平面路径规划，确定所述路径点坐标之间的所述三维路径规划。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有建筑巡检路径规划程序，所述建筑巡检路径规划程序被处理器执行时实现如上所述建筑巡检路径规划方法任一实施例的相关步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框，以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二，以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种建筑巡检路径规划方法，其特征在于，所述建筑巡检路径规划方法包括：
根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标；
根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束；
根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划；
以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划。
2.如权利要求1所述的建筑巡检路径规划方法，其特征在于，所述根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标的步骤之前，还包括：
采集所述目标区域的激光雷达数据和/或倾斜影像数据；
根据数学建模算法，提取所述激光雷达数据和/或所述倾斜影像数据包含的地理信息；
将所述地理信息中的经纬度坐标转换为欧拉坐标；
基于所述欧拉坐标和所述地理信息生成所述目标区域内所述目标建筑的三维建模数据。
3.如权利要求1所述的建筑巡检路径规划方法，其特征在于，所述根据目标区域内目标建筑的矢量数据，确定所述目标建筑关联的各个探测面的路径点坐标的步骤包括：
根据所述目标建筑的三维建模数据确定所述矢量数据；
基于所述矢量数据提取出所述目标建筑的建筑物角点；
根据所述建筑物角点对所述矢量数据进行分割，确定所述目标建筑的各个所述探测面；
根据预设约束条件确定所述探测面的所述路径点坐标。
4.如权利要求3所述的建筑巡检路径规划方法，其特征在于，所述根据预设约束条件确定所述探测面的所述路径点坐标的步骤包括：
根据巡检规则确定所述探测面的初始巡检点；
根据所述初始巡检点，生成所述探测面的巡检点网络，以使巡检点与所述探测面的距离大于第一距离，不同水平高度的所述巡检点之间的距离大于第二距离，所述巡检点与地面的距离大于第三距离；
根据所述巡检点的坐标确定所述探测面的所述路径点坐标。
5.如权利要求1所述的建筑巡检路径规划方法，其特征在于，所述根据所述矢量数据确定所述目标建筑的高度约束、转角约束以及障碍物约束的步骤包括：
根据所述矢量数据和所述路径点坐标确定所述高度约束；
根据路径点坐标、爬升角极值以及俯仰角极值确定所述转角约束；
根据所述矢量数据确定障碍物中心点，以及所述障碍物中心点对应的区域半径；
根据所述障碍物中心点以及所述区域半径确定所述障碍物约束。
6.如权利要求1所述的建筑巡检路径规划方法，其特征在于，所述根据所述高度约束以及所述转角约束，确定所述探测面上所述路径点坐标的平面路径规划的步骤包括：
确定所述探测面的初始巡检点；
以所述初始巡检点为起点，并以所述转角约束和所述高度约束作为平面约束条件，遍历所述路径点坐标；
根据遍历结果确定所述平面路径规划。
7.如权利要求1所述的建筑巡检路径规划方法，其特征在于，所述以飞行距离为目标函数，基于所述平面路径规划以及所述障碍物约束求解所述目标函数，确定所述路径点坐标之间的三维路径规划的步骤包括：
根据所述平面路径规划确定所述目标建筑的特征点位，所述特征点位包括所述目标建筑对应巡检任务的起始点以及终止点；
基于所述特征点位初始化无人机的速度以及位置；
根据特征点位数量、初始化的所述速度、初始化的所述位置和所述特征点位构建迭代空间；
根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划。
8.如权利要求7所述的建筑巡检路径规划方法，其特征在于，所述根据预设算法以及所述障碍物约束对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解出所述三维路径规划的步骤包括：
根据所述障碍物约束更新所述预设算法；
根据更新后的所述预设算法对所述迭代空间进行迭代，以所述飞行距离作为所述目标函数，求解所述特征点位之间的目标路径规划；
基于所述目标路径规划和所述平面路径规划，确定所述路径点坐标之间的所述三维路径规划。
9.一种建筑巡检路径规划设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的建筑巡检路径规划程序，所述处理器执行所述建筑巡检路径规划程序时实现如权利要求1至8任一项所述的建筑巡检路径规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有建筑巡检路径规划程序，所述建筑巡检路径规划程序被处理器执行时实现如权利要求1至8任一项所述的建筑巡检路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310937916.9A CN116661479B (zh) | 2023-07-28 | 2023-07-28 | 建筑巡检路径规划方法、设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310937916.9A CN116661479B (zh) | 2023-07-28 | 2023-07-28 | 建筑巡检路径规划方法、设备和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116661479A true CN116661479A (zh) | 2023-08-29 |
| CN116661479B CN116661479B (zh) | 2023-11-07 |
Family
ID=87722732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310937916.9A Active CN116661479B (zh) | 2023-07-28 | 2023-07-28 | 建筑巡检路径规划方法、设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116661479B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117519278A (zh) * | 2023-12-04 | 2024-02-06 | 上海市建筑科学研究院有限公司 | 一种用于桥梁巡检的无人机避障方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101349375B1 (ko) * | 2013-02-01 | 2014-01-13 | 주식회사 한국에스지티 | 3차원 지리정보시스템용 건물의 자동 3차원 공간영상 자동도화방법 |
| US20140267627A1 (en) * | 2013-03-15 | 2014-09-18 | State Farm Mutual Automobile Insurance Company | Methods and systems for capturing the condition of a physical structure |
| CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
| CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
| CN112858476A (zh) * | 2021-01-13 | 2021-05-28 | 深圳市正杰智能工程有限公司 | 基于5g的建筑结构监测的方法、系统、终端和存储介质 |
| CN113838190A (zh) * | 2021-09-16 | 2021-12-24 | 山西观复智能科技有限公司 | 一种锅炉内壁巡检方法及系统 |
| CN114895707A (zh) * | 2022-05-13 | 2022-08-12 | 华南农业大学 | 基于变频蝙蝠算法的农业无人机路径规划方法及系统 |
| CN115185290A (zh) * | 2022-08-12 | 2022-10-14 | 东南大学 | 一种无人机悬索桥主缆巡检路径规划的方法及装置 |
| CN115391884A (zh) * | 2022-08-15 | 2022-11-25 | 深圳市新城市规划建筑设计股份有限公司 | 建模技术的城市道路交通发展规划设计方法 |
| CN115660647A (zh) * | 2022-11-05 | 2023-01-31 | 一鸣建设集团有限公司 | 一种建筑外墙的维护方法 |
| CN115903879A (zh) * | 2022-08-01 | 2023-04-04 | 中国民航管理干部学院 | 基于地形数据插值技术的无人机航迹规划方法 |
| CN116069045A (zh) * | 2023-04-06 | 2023-05-05 | 武汉大学 | 一种基于移动机器人的辐射环境探测方法和系统 |
| CN116088569A (zh) * | 2022-12-28 | 2023-05-09 | 浙江建投创新科技有限公司 | 一种基于优化算法的建筑巡检无人机路径规划方法及系统 |
| CN116433845A (zh) * | 2023-04-19 | 2023-07-14 | 东南大学 | 一种基于多无人机协同的陌生环境快速建模方法及系统 |
-
2023
- 2023-07-28 CN CN202310937916.9A patent/CN116661479B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101349375B1 (ko) * | 2013-02-01 | 2014-01-13 | 주식회사 한국에스지티 | 3차원 지리정보시스템용 건물의 자동 3차원 공간영상 자동도화방법 |
| US20140267627A1 (en) * | 2013-03-15 | 2014-09-18 | State Farm Mutual Automobile Insurance Company | Methods and systems for capturing the condition of a physical structure |
| CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
| CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
| CN112858476A (zh) * | 2021-01-13 | 2021-05-28 | 深圳市正杰智能工程有限公司 | 基于5g的建筑结构监测的方法、系统、终端和存储介质 |
| CN113838190A (zh) * | 2021-09-16 | 2021-12-24 | 山西观复智能科技有限公司 | 一种锅炉内壁巡检方法及系统 |
| CN114895707A (zh) * | 2022-05-13 | 2022-08-12 | 华南农业大学 | 基于变频蝙蝠算法的农业无人机路径规划方法及系统 |
| CN115903879A (zh) * | 2022-08-01 | 2023-04-04 | 中国民航管理干部学院 | 基于地形数据插值技术的无人机航迹规划方法 |
| CN115185290A (zh) * | 2022-08-12 | 2022-10-14 | 东南大学 | 一种无人机悬索桥主缆巡检路径规划的方法及装置 |
| CN115391884A (zh) * | 2022-08-15 | 2022-11-25 | 深圳市新城市规划建筑设计股份有限公司 | 建模技术的城市道路交通发展规划设计方法 |
| CN115660647A (zh) * | 2022-11-05 | 2023-01-31 | 一鸣建设集团有限公司 | 一种建筑外墙的维护方法 |
| CN116088569A (zh) * | 2022-12-28 | 2023-05-09 | 浙江建投创新科技有限公司 | 一种基于优化算法的建筑巡检无人机路径规划方法及系统 |
| CN116069045A (zh) * | 2023-04-06 | 2023-05-05 | 武汉大学 | 一种基于移动机器人的辐射环境探测方法和系统 |
| CN116433845A (zh) * | 2023-04-19 | 2023-07-14 | 东南大学 | 一种基于多无人机协同的陌生环境快速建模方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117519278A (zh) * | 2023-12-04 | 2024-02-06 | 上海市建筑科学研究院有限公司 | 一种用于桥梁巡检的无人机避障方法 |
| CN117519278B (zh) * | 2023-12-04 | 2024-04-30 | 上海市建筑科学研究院有限公司 | 一种用于桥梁巡检的无人机避障方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116661479B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107169608B (zh) | 多无人机执行多任务的分配方法及装置 | |
| CN109116867B (zh) | 一种无人机飞行避障方法、装置、电子设备及存储介质 | |
| CN106845716B (zh) | 一种基于导航误差约束的水面无人艇局部分层路径规划方法 | |
| CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
| CN107145161B (zh) | 无人机访问多目标点的航迹规划方法及装置 | |
| Liu et al. | Adaptive sensitivity decision based path planning algorithm for unmanned aerial vehicle with improved particle swarm optimization | |
| CN108509820B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
| CN116661479B (zh) | 建筑巡检路径规划方法、设备和可读存储介质 | |
| Han et al. | Grid-optimized UAV indoor path planning algorithms in a complex environment | |
| CN111443730B (zh) | 一种用于输电线路巡检的无人机轨迹自动生成方法及装置 | |
| Narazaki et al. | Vision-based navigation planning for autonomous post-earthquake inspection of reinforced concrete railway viaducts using unmanned aerial vehicles | |
| US10578453B2 (en) | Render-based trajectory planning | |
| CN113592891B (zh) | 无人车可通行域分析方法及导航栅格地图制作方法 | |
| CN115903879A (zh) | 基于地形数据插值技术的无人机航迹规划方法 | |
| CN112506219A (zh) | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 | |
| CN114119920A (zh) | 三维点云地图构建方法、系统 | |
| Ma et al. | Adaptive path planning method for UAVs in complex environments | |
| CN111667124A (zh) | 无人机路径的规划方法及装置 | |
| Medeiros et al. | Computational modeling for automatic path planning based on evaluations of the effects of impacts of UAVs on the ground | |
| CN116880561A (zh) | 基于改进粒子群无人机路径规划安全增强的优化方法及系统 | |
| Mokhtari et al. | Safe deep q-network for autonomous vehicles at unsignalized intersection | |
| Wu et al. | A non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
| CN115236997B (zh) | 预测控制方法、装置、设备及计算机可读存储介质 | |
| Wu et al. | Perception-aware receding horizon trajectory planning for multicopters with visual-inertial odometry | |
| Politi et al. | Path planning and landing for unmanned aerial vehicles using ai |
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 |