CN116667219A - 一种输电线路激光雷达巡检系统、方法、装置及存储介质 - Google Patents

Abstract

本说明书实施例提供一种输电线路激光雷达巡检系统、方法、装置及存储介质，包括无人机、搭载于无人机上的数据采集装置以及处理器,其中数据采集装置至少包括激光雷达装置，激光雷达装置包括雷达驱动装置、激光扫描装置以及惯导装置。处理器与无人机和数据采集装置通信连接，用于生成飞行指令以及采集指令，飞行指令用于控制无人机飞行，采集指令用于控制数据采集装置进行传感信息的采集；将飞行指令发送至无人机以及将采集指令发送至数据采集装置，获取由数据采集装置采集的扫描数据；评估扫描数据的数据质量；以及基于数据质量，确定后续处理，后续处理包括将扫描数据回传至数据中心和/或重新采集所述扫描数据。

Description

一种输电线路激光雷达巡检系统、方法、装置及存储介质

技术领域

本说明书涉及输电线路巡检领域，特别涉及一种输电线路激光雷达巡检系统、方法、装置及存储介质。

背景技术

为保障电力网络的安全稳定运行，需要对输电线路进行定期巡视,无人机巡线技术因其作业效率高、覆盖范围广、全天候连续性作业等优点,成为输电线路运行维护技术发展的主要方向。

CN113569914A公布了一种融合点云数据的输电线路巡检方法及系统，通过图像对点云数据进行二次确认，或者是通过点云数据对图像进行二次确认，以减少图像上传服务器的数量，减轻巡检人员的工作压力，进而减少了输电线路隐患点的误判，但并没有涉及激光雷达系统与无人机的协同控制问题。

因此，希望可以提供一种输电线路激光雷达巡检系统、方法、装置及存储介质，可以解决激光雷达系统与无人机的协同控制问题，以提高激光点云数据的采集精度、稳定性、一致性。

发明内容

本说明书一个或多个实施例提供一种输电线路激光雷达巡检系统，包括无人机、搭载于所述无人机上的数据采集装置以及处理器；所述数据采集装置至少包括激光雷达装置，所述激光雷达装置包括雷达驱动装置、激光扫描装置以及惯导装置；所述处理器与所述无人机和所述数据采集装置通信连接，所述处理器用于：生成飞行指令以及采集指令，所述飞行指令用于控制所述无人机飞行，所述采集指令用于控制所述数据采集装置进行传感信息的采集；将所述飞行指令发送至所述无人机以及将所述采集指令发送至所述数据采集装置，获取由所述数据采集装置采集的扫描数据；评估所述扫描数据的数据质量；以及基于所述数据质量，确定后续处理，所述后续处理包括将所述扫描数据回传至数据中心和/或重新采集所述扫描数据。

本说明书一个或多个实施例提供一种输电线路激光雷达巡检方法，所述方法由输电线路激光雷达巡检系统的处理器执行，包括：生成飞行指令以及采集指令，所述飞行指令用于控制无人机飞行，所述采集指令用于控制数据采集装置进行传感信息的采集；将所述飞行指令发送至所述无人机以及将所述采集指令发送至所述数据采集装置，获取由所述数据采集装置采集的扫描数据；评估所述扫描数据的数据质量；以及基于所述数据质量，确定后续处理，所述后续处理包括将所述扫描数据回传至数据中心和/或重新采集所述扫描数据。

本说明书一个或多个实施例提供一种输电线路激光雷达巡检装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现上述实施例中任一项所述的输电线路激光雷达巡检方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上述实施例中任一项所述的输电线路激光雷达巡检方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的输电线路激光雷达巡检系统的示例性模块图；

图2是根据本说明书一些实施例所示的输电线路激光雷达巡检方法的示例性流程图；

图3是根据本说明书一些实施例所示的评估扫描数据的数据质量的示例性流程图；

图4是根据本说明书一些实施例所示的确定激光雷达装置的稳定性评分方法的示例性流程图；

图5是根据本说明书一些实施例所示的调整无人机的飞行参数的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的输电线路激光雷达巡检系统的示例性模块图。

如图1所示，输电线路激光雷达巡检系统100可以包括无人机110、搭载于无人机上的数据采集装置120以及处理器130。在一些实施例中，处理器130可以与无人机110和数据采集装置120通信连接。

无人机110可以指无人驾驶飞行器。例如，无人机110可以是无人直升机、无人伞翼机等。

数据采集装置120可以指对传感信息进行采集的装置。

传感信息是指与激光雷达装置工作有关的传感信息。在一些实施例中，传感信息可以包括飞行参数、天气数据和地理特征数据中的至少一种。

飞行参数可以指与无人机飞行以及激光雷达装置工作相关的参数，例如飞行速度、飞行高度、激光雷达装置的扫描角度等。

天气数据可以指激光雷达装置将要探测目标处的天气数据。探测目标可以包括电力线路的地形地貌、电力线路上的设施设备等。例如，天气数据可以包括激光雷达装置将要探测目标处的风速、空气湿度等。

地理特征数据可以指激光雷达装置将要探测目标处的地理特征数据。例如，地理特征数据可以包括激光雷达装置将要探测目标处的海拔差、植被覆盖率、建筑覆盖率等。

在一些实施例中，数据采集装置120可以搭载于无人机110上。

在一些实施例中，数据采集装置120可以至少包括激光雷达装置121。

激光雷达装置121可以指以发射激光束探测目标的位置、速度等特征的装置。在一些实施例中，激光雷达装置121可以包括雷达驱动装置121-1、激光扫描装置121-2以及惯导装置121-3。

雷达驱动装置121-1可以指用于控制激光雷达装置工作的装置。在一些实施例中，雷达驱动装置121-1可以与处理器130通信连接，以接收处理器发出的采集指令以及向处理器传输扫描数据。

激光扫描装置121-2可以指用于对探测目标进行激光扫描得到探测目标的扫描数据的装置。

惯导装置121-3可以指用于调整激光雷达装置工作时的姿态和方位的装置。在一些实施例中，惯导装置121-3可以基于处理器130发出的调整指令对激光雷达进行调整。

在一些实施例中，数据采集装置还可以包括各种传感器（如，速度传感器、风速传感器等）或者其它需要的数据采集装置。

处理器130是指用于处理从其他设备或系统组成部分中获得数据和/或信息的设备或部件。处理器130可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本说明书中描述的功能。

在一些实施例中，处理器140可以生成飞行指令以及采集指令，飞行指令用于控制无人机飞行，采集指令用于控制数据采集装置进行传感信息的采集。处理器还可以将飞行指令发送至无人机以及将采集指令发送至数据采集装置，获取由数据采集装置采集的扫描数据。处理器还可以评估扫描数据的数据质量。处理器还可以基于数据质量，确定后续处理，后续处理包括将扫描数据回传至数据中心和/或重新采集扫描数据。

在一些实施例中，处理器还可以基于传感信息，通过数据质量评估模型，评估扫描数据的数据质量，数据质量评估模型为机器学习模型。

在一些实施例中，数据采集装置还包括光学采集装置。数据质量评估模型的输入还包括激光雷达装置的稳定性评分。处理器可以进一步用于通过光学采集装置，采集激光雷达装置的多个时刻的光学图像，得到光学图像序列。处理器还用于对光学图像序列抽样，得到至少一组相邻帧。处理器还用于基于至少一组相邻帧的变化率，确定激光雷达装置的稳定性评分。

在一些实施例中，处理器还用于响应于数据质量不满足预设质量要求，调整无人机的飞行参数，以及将调整后的飞行参数发送至无人机和将采集指令发送至数据采集装置，获取由数据采集装置重新采集的扫描数据。

在一些实施例中，处理器还用于生成至少一组候选飞行参数。处理器还用于评估至少一组候选飞行参数对应的预估扫描数据的数据质量。处理器还用于基于数据质量，确定目标飞行参数。处理器还用于调整无人机的飞行参数为目标飞行参数。

关于无人机110、搭载于无人机上的数据采集装置120以及处理器130的更多内容，请参见下文图2-5的内容。

需要注意的是，以上对于输电线路激光雷达巡检系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。

图2是根据本说明书一些实施例所示的输电线路激光雷达巡检方法的示例性流程图。在一些实施例中，流程200可以由输电线路激光雷达巡检系统100的处理器130执行。如图2所示，流程200包括下述步骤210-步骤240。

步骤210，生成飞行指令以及采集指令。

飞行指令是指用于控制无人机在空中飞行的指令。在一些实施例中，飞行指令可以用于控制无人机飞行。例如，飞行指令可以包括用于控制无人机在空中飞行的飞行速度、飞行高度等。

在一些实施例中，处理器可以根据预先设置的飞行任务，生成飞行指令。

采集指令是指与传感信息采集相关的指令。在一些实施例中，采集指令可以用于控制数据采集装置进行传感信息的采集。

关于数据采集装置、传感信息的说明，请参见图1中相关内容。

在一些实施例中，处理器可以发送采集指令给不同的数据采集装置获取不同的传感信息。例如，处理器可以发送采集指令给数据采集装置中的风速传感器、空气湿度传感器进行采集，获取天气数据。

在一些实施例中，处理器可以基于预先设置的巡检任务，生成采集指令。

步骤220，将飞行指令发送至无人机以及将采集指令发送至数据采集装置，获取由数据采集装置采集的扫描数据。

扫描数据可以是指激光点云数据。

在一些实施例中，处理器可以将飞行指令发送至无人机以及将采集指令发送至激光雷达装置，获取搭载于无人机上的激光雷达装置采集的扫描数据。

步骤230， 评估扫描数据的数据质量。

数据质量是指数据的可靠程度。在一些实施例中，数据质量可以用分值或等级等进行表示。

在一些实施例中，处理器可以基于扫描数据，在已知数据库中查找历史类似扫描情况下得到的历史扫描数据及其对应的实际数据质量，确定扫描数据的数据质量。例如，扫描数据的数据质量可以为在已知数据库中查找历史类似扫描情况下得到的历史扫描数据的实际数据质量。

在一些实施例中，处理器还可以基于传感信息，通过数据质量评估模型，评估扫描数据的数据质量。关于该部分更具体的内容，请参见图3及其内容。

步骤240， 基于数据质量，确定后续处理。

后续处理是指扫描数据的后续处理方式。在一些实施例中，后续处理可以包括将扫描数据回传至数据中心和/或重新采集扫描数据。数据中心可以为输电线路激光雷达巡检系统的一部分，也可以为外部独立的数据中心。

在一些实施例中，处理器可以基于数据质量，通过预设策略表，确定扫描数据的处理方式为将扫描数据回传至数据中心和/或重新采集扫描数据。在一些实施例中，预设策略表中包括参考数据质量与参考后续处理的对应关系。在一些实施例中，预设策略表可以根据先验知识或历史数据构建。

在一些实施例中，处理器还可以响应于数据质量不满足预设质量要求，调整无人机的飞行参数，以及将调整后的飞行参数发送至无人机且将采集指令发送至数据采集装置，获取由数据采集装置重新采集的扫描数据。

预设质量要求是指预先设置的数据质量需要满足的要求。例如，预设质量要求可以包括数据质量大于等于预设数据质量阈值。

在一些实施例中，处理器可以基于数据质量，通过第一预设对照表，确定调整后的飞行参数，以及将无人机的飞行参数调整为调整后的飞行参数。在一些实施例中，第一预设对照表中包括参考数据质量与调整后的参考飞行参数的对应关系。在一些实施例中，第一预设对照表可以根据先验知识或历史数据构建。

在一些实施中，处理器还可以采用其它方式调整无人机的飞行参数，具体参见图5及其内容。

在本说明书的一些实施例中，通过对数据采集装置采集的扫描数据的数据质量进行评估，仅保留数据质量满足预设质量要求的扫描数据，从而降低无效扫描数据的收集，提高了获得的激光点云数据的精度、稳定性和一致性，进而根据该激光点云数据获取高精度的输电线路上的地形地貌和设施设备的三维空间信息，实现对电力故障的准确自动巡检。同时，对不满足预设数据质量要求的扫描数据，通过调整无人机的飞行参数，以保证激光雷达装置和无人机处于最佳的协同控制行驶路径下，再进行扫描数据的采集，从而进一步提高雷达扫描装置采集扫描数据的效率、以及进一步提高获得的激光点云数据的精度、稳定性和一致性。

图3是根据本说明书一些实施例所示的评估扫描数据的数据质量的示例性流程图。在一些实施例中，图3 可以由输电线路激光雷达巡检系统100的处理器130执行。

在一些实施例中，处理器可以基于传感信息311，通过数据质量评估模型320，评估扫描数据的数据质量330。在一些实施例中，传感信息可以包括飞行参数、天气数据和地理特征数据中的至少一种。

在一些实施例中，数据质量评估模型可以为机器学习模型。在一些实施例中，数据质量评估模型可以包括神经网络模型（Neural Networks，NN）。

在一些实施例中，数据质量评估模型320的输入可以包括飞行参数、天气数据和地理特征数据，输出可以包括扫描数据的数据质量330。

在一些实施例中，扫描数据的数据质量可以为一个评分值，如，100以内的数值，数值越大，表示扫描数据的数据质量越好。

关于飞行参数、天气数据和地理特征数据的说明，请参见图1中的相关说明。关于数据质量的说明，请参见图2步骤230的相关说明。

在一些实施例中，数据质量评估模型的输入还可以包括激光雷达装置的设备类型312。

激光雷达装置的设备类型可以包括机械式激光雷达装置、半固态激光雷达装置和固态激光雷达装置等。不同设备类型的激光雷达装置采集的扫描数据的准确性可以不同。

在本说明书的一些实施例中，由于不同设备类型的激光雷达装置采集的扫描数据的准确性不同，因此，在数据质量评估模型的输入考虑激光雷达装置的设备类型，可以进一步提高评估扫描数据的数据质量的准确性。

在一些实施例中，数据采集装置还可以包括光学采集装置。数据质量评估模型的输入还可以包括激光雷达装置的稳定性评分313。

光学采集装置是指能够进行光学图像采集的任意设备。例如，光学采集装置可以包括照相机等。

稳定性评分是指随时间变化激光雷达装置保持采集扫描数据恒定能力的评分。在一些实施例中，激光雷达装置的稳定性评分不同，采集的扫描数据的准确性可以不同。

在一些实施例中，处理器可以基于激光雷达装置，通过第二预设对照表，确定激光雷达装置的稳定性评分。在一些实施例中，第二预设对照表中包括参考激光雷达装置与该参考激光雷达装置对应的参考稳定性评分的对应关系。在一些实施例中，第二预设对照表可以根据先验知识或历史数据构建。

在一些实施例中，处理器还可以采用其它方式确定激光雷达装置的稳定性评分，具体参见图4及其内容。

在本说明书的一些实施例中，由于激光雷达装置的稳定性评分影响采集的扫描数据的准确性，通过在数据质量评估模型的输入中考虑激光雷达装置的稳定性评分，可以进一步提高评估扫描数据的数据质量的准确性。

在一些实施例中，数据质量评估模型可以基于大量带有标签的训练样本，训练得到。

训练样本可以包括采集历史样本扫描数据时的历史样本飞行参数、历史样本天气数据和历史样本地理特征数据，标签可以包括历史样本扫描数据的数据质量。训练样本可以基于历史数据获取。训练样本的标签可以基于人工标注获得。例如，可以基于历史样本扫描数据的数据质量来确定数据质量评分。历史样本扫描数据的数据质量可以基于历史样本扫描数据是否有使用、是否重采、历史样本扫描数据缺损率等，由人工或使用程序自动标记的方式，来确定数据质量评分。

在一些实施例中，训练样本还可以包括采集历史样本扫描数据时的历史样本激光雷达装置的设备类型和/或历史样本激光雷达装置的稳定性评分。

在本说明书的一些实施例中，通过上述方式训练获得的数据质量评估模型，由于考虑了多种影响因数，可以快速准确评估扫描数据的数据质量。

应当注意的是，上述有关流程200和300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200和300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的确定激光雷达装置的稳定性评分方法的示例性流程图。在一些实施例中，流程400可以由输电线路激光雷达巡检系统100的处理器130执行。如图4所示，流程400包括下述步骤410-步骤430。

步骤410，通过光学采集装置，采集激光雷达装置的多个时刻的光学图像，得到光学图像序列。

关于光学采集装置的说明，请参见图3中相关描述。

光学图像是指以感光胶片为介质的图像。光学图像序列是指由多张光学图像所组成的序列。

在一些实施例中，处理器可以通过光学采集装置，采集激光雷达装置的多个时刻的光学图像，按照预设规则（如，采集时间的先后顺序等）对多个时刻的光学图像进行排序，得到光学图像序列。

步骤420，对光学图像序列抽样，得到至少一组相邻帧。

一组相邻帧可以包含从光学图像序列中抽取的两张光学图像。

在一些实施例中，处理器可以基于预设规则，对光学图像序列抽样，得到至少一组相邻帧。预设规则可以包括以预设固定间隔张数（如，1张、2张等）进行光学图像的抽样。预设规则还可以为其它任意可行方法。

在一些实施例中，处理器还可以基于预设相邻度范围，从光学图像序列中抽取得到至少一组相邻帧。

相邻度是指相邻帧中的两张光学图像之间在光学图像序列中间隔的光学图像的张数。预设相邻度范围是指预先设置的相邻度的范围。

在一些实施例中，预设相邻度范围可以基于天气数据和地理特征数据确定。例如，天气数据越好（如，光线条件好、没有不稳定因素（如，没有起雾、下雨等）等），预设相邻度范围可以设置得越小。又例如，地理特征数据对预设相邻度范围的影响，可以基于经验获取。

例如，若基于天气数据和地理特征数据，确定的预设相邻度范围为[1,3]，则处理器可以基于预设相邻度范围，在光学图像序列中随机抽取至少一组相邻度为1的相邻帧、至少一组相邻度为2的相邻帧、至少一组相邻度为3的相邻帧，得到至少一组相邻帧。

在本说明书的一些实施例中，如果天气数据不稳定，即使飞行参数非常稳定，可能由于天气数据变化，而导致相邻帧的变化率非常大，因此，通过采集更多的不同相邻度的相邻帧并计算变化率，来消除天气数据（如，光线差、起雾、下雨等极端天气）的偶发性差异，而导致相邻帧的变化率非常大的情况发生，对采集的激光点云数据的稳定性的影响，以提高确定的激光雷达装置的稳定性评分的准确性。

步骤430，基于至少一组相邻帧的变化率，确定激光雷达装置的稳定性评分。

变化率可以基于相邻帧中的两张光学图像之间对应像素点移动的方向和步长确定。在一些实施例中，相邻帧中的两张光学图像之间对应像素点移动的步长越大，则相邻帧之间的变化率越大。

在一些实施例中，处理器可以基于至少一组相邻帧的变化率，通过第三预设对照表，确定激光雷达装置的稳定性评分。在一些实施例中，第三预设对照表中包括参考相邻帧的变化率与该参考相邻帧对应的激光雷达装置的参考稳定性评分的对应关系。在一些实施例中，第三预设对照表可以根据先验知识或历史数据构建。

在一些实施例中，处理器还可以将相邻帧中的第一张光学图像基于随机生成的像素点移动的方向和步长进行错位（如，将相邻帧中的第一张光学图像上的所有像素点向右移动5个像素点的步长），得到错位后的光学图像。处理器可以将错位后的光学图像和相邻帧中的第二张光学图像按照相同的预设方法（如，二等分、四等分等）划分为多个片区。

处理器还可以计算错位后的光学图像中的各个片区的像素点和相邻帧中的第二张光学图像中对应片区的像素点位置之间的差异。处理器还可以将计算获得的错位后的光学图像中的各个片区的像素点和相邻帧中的第二张光学图像中对应片区的像素点位置之间的差异相加求和，获得总差异。

处理器还可以将该总差异与预设阈值进行比较，若该总差异小于预设阈值，则基于像素点的移动的方向和步长，确定候选变化率。在一些实施例中，处理器可以基于像素点的移动的方向和步长，采用多种方式确定候选变化率。

例如，处理器可以基于像素点移动的方向和步长，采用如下公式计算候选变化率：候选变化率=k*像素点移动的步长，k通过预设表基于像素点移动的方向确定。

又例如，处理器还可以基于像素点移动的方向和步长，建立包括像素点移动的方向和步长的向量，然后计算该向量的欧式距离，作为候选变化率。在一些实施例中，预设阈值可以为本领域技术人员根据经验设置。

若该总差异大于等于预设阈值，则处理器可以将相邻帧中的第一张光学图像基于随机生成的另一个像素点移动的方向和步长，进行再次错位，得到另一错位后的光学图像，重复执行上述步骤，直到得到预设数量的相邻帧的候选变化率。

处理器还可以选取多个候选变化率中总差异最小的候选变化率作为相邻帧的变化率。

例如，若相邻帧中包括依次排列的光学图像A和B，处理器可以将光学图像A基于随机生成的像素点移动的方向和步长（如，像素点移动的方向为向右、步长为5个像素点）进行错位，得到错位后的光学图像A’。处理器可以将错位后的光学图像A’和光学图像B按照四等分划分为4个片区。处理器还可以计算错位后的光学图像A’中的各个片区的像素点和光学图像B中对应片区的像素点位置之间的差异，依次得到4个片区的像素点位置的差异为a、b、c和d，然后将4个片区的像素点位置的差异a、b、c和d相加求和，获得总差异a + b + c + d。处理器还可以将该总差异与预设阈值进行比较，若该总差异小于预设阈值（如，1mm等），则基于像素点移动的方向和步长，确定候选变化率。若该总差异大于等于预设阈值，则处理器可以将光学图像A基于随机生成的另一个像素点移动的方向和步长（如，像素点移动的方向为向左、步长为4个像素点），进行再次错位，得到另一错位后的光学图像C，重复执行上述步骤，直到得到预设数量的候选变化率，最后选取多个候选变化率中总差异最小的候选变化率作为相邻帧的变化率。

在一些实施例中，处理器可以基于至少一组相邻帧中每组相邻帧的变化率进行相加求平均值，得到激光雷达装置的稳定性评分。

在一些实施例中，处理器还可以基于至少一组相邻帧中每组相邻帧的变化率进行加权求和，得到激光雷达装置的稳定性评分。例如，若包括1、2……n组相邻帧，各组相邻帧的变化率依次为变化率1、变化率2……变化率n，各组相邻帧的变化率对应的权重依次为权重1、权重2……权重n，则激光雷达装置的稳定性评分=变化率1*权重1+变化率2*权重2+...+变化率n*权重n。

在一些实施例中，相邻帧的变化率的权重至少相关于相邻帧的相邻度。在一些实施例中，相邻帧的相邻度越小，相邻帧的变化率对应的权重可以设置越大。

在本说明书的一些实施例中，由于相邻帧的相邻度越小，相邻帧的变化率越准确，将相邻帧的变化率的权重相关于相邻帧的相邻度，可以提高确定激光雷达装置的稳定性评分。

在一些实施例中，相邻帧的变化率对应的权重还相关于相邻帧中光学图像的边缘清晰度。例如，相邻帧中光学图像的边缘清晰度越高，相邻帧的变化率对应的权重设置越大。

边缘清晰度是指相邻帧中的光学图像边缘或边界的清晰程度。边缘清晰度越高的相邻帧，相邻帧的变化率则越准确。

在一些实施例中，处理器可以基于预设处理算法对相邻帧中的光学图像提取得到边缘清晰度。预设算法可以为任意可行算法，如，HOG算法。

在本说明书的一些实施例中，通过将相邻帧的变化率对应的权重相关于相邻帧的边缘清晰度，能够进一步提高确定激光雷达装置的稳定性评分的准确性。

在本说明书的一些实施例中，在确定相邻帧的变化率的过程中，选取差异最小的错位方式对应的方向和步长作为相邻帧的变化率，可以进一步减少各种偶发性差异的影响，提高最终确定的激光雷达装置的稳定性评分的准确性。

图5是根据本说明书一些实施例所示的调整无人机的飞行参数的示例性流程图。在一些实施例中，流程500可以由输电线路激光雷达巡检系统100的处理器130执行。如图5所示，流程500包括下述步骤510-步骤540。

步骤510，生成至少一组候选飞行参数。

候选飞行参数可以指预先设置的飞行参数。

在一些实施例中，本领域技术人员可以根据经验预设多个候选飞行参数，处理器可以从该多个候选飞行参数中随机选取至少一个候选飞行参数，作为至少一组候选飞行参数。

在一些实施例中，处理器还可以按照预先设置的策略，生成至少一组候选飞行参数。预先设置的策略可以包括多种可行策略。

在一些实施例中，预先设置的策略可以是在无人机的当前飞行参数的基础上，变化预设幅度，生成至少一组候选飞行参数。例如，设置为在无人机的当前飞行参数的基础上变化±5%，以生成至少一个新的候选飞行参数作为至少一组候选飞行参数。

在一些实施例中，预先设置的策略还可以是选择变化幅度满足预设阈值（如，5%）的候选飞行参数，作为至少一组候选飞行参数。候选飞行参数可以为领域技术人员可以根据经验预设。

步骤520，评估至少一组候选飞行参数对应的预估扫描数据的数据质量。

预估扫描数据的数据质量可以指预先估计的各组候选飞行参数对应的扫描数据的数据质量。

在一些实施例中，处理器可以基于预估扫描数据，在已知数据库中查找历史类似扫描情况下得到的历史扫描数据及其对应的实际数据质量，确定预估扫描数据的数据质量。例如，预估扫描数据的数据质量可以直接为在已知数据库中查找历史类似扫描情况下得到的历史扫描数据的实际数据质量。

在一些实施例中，处理器还可以基于至少一组候选飞行参数、天气数据和地理特征数据，通过数据质量评估模型，预测各个候选飞行参数对应的预估扫描数据的数据质量。

在一些实施例中，处理器还可以基于至少一组候选飞行参数、天气数据、地理特征数据、激光雷达装置的设备类型和/或激光雷达装置的稳定性评分，通过数据质量评估模型，预测各个候选飞行参数对应的预估扫描数据的数据质量。关于数据质量模型的说明，请参见图3中的说明。

本说明书一些实施例中，通过数据质量评估模型，可以快速准确预测各个候选飞行参数对应的预估扫描数据的数据质量，以快速准确确定目标飞行参数，保证激光雷达装置与无人机的协同控制，进而提高激光雷达装置采集数据效率的同时，保证获得的激光点云数据的精度、稳定性和一致性。

步骤530，基于数据质量，确定目标飞行参数。

目标飞行参数可以指无人机调整后所采用的飞行参数。

在一些实施例中，处理器可以基于数据质量，选取数据质量最好的候选飞行参数作为目标飞行参数。

在一些实施例中，当至少一组候选飞行参数是在无人机的当前飞行参数的基础上变化预设幅度生成时，处理器还可以选择预估扫描数据的数据质量大于数据质量阈值且调整率低的候选飞行参数，确定为目标飞行参数。

数据质量阈值可以指预先设置的预估扫描数据的数据质量的阈值。

候选飞行参数的调整率可以指将当前飞行参数调整到候选飞行参数的调整幅度。

调整率是指候选飞行参数的各个维度与当前飞行参数对应维度之间的调整变化幅度，所组成向量的欧式距离。飞行参数的各个维度可以包括飞行速度、飞行高度、激光雷达装置的扫描角度等中的一种或多种。调整变化幅度是指候选飞行参数的各个维度与当前飞行参数对应维度之间的变化差值。例如，如果候选飞行参数的各个维度包括飞行速度（如，900km/h）和飞行高度(如，7km)，当前飞行参数的各个维度包括飞行速度（如，800km/h）和飞行高度(如，6km)，则调整率等于向量（900-800,7-6）=（100,1）的欧式距离。

调整率低的候选飞行参数可以是指在至少一组候选飞行参数中，调整率最小的候选飞行参数。

本说明书一些实施例中，选择预估扫描数据的数据质量大于数据质量阈值且调整率低的候选飞行参数，确定为目标飞行参数，可以进一步保证激光点云数据的精度、稳定性和一致性。

步骤540，调整无人机的飞行参数为目标飞行参数。

在一些实施例中，处理器可以将目标飞行参数，通过飞行指令的方式发送无人机，调整无人机的飞行参数为目标飞行参数，用于控制无人机飞行。

在本说明书一些实施例中，通过预估生成的至少一组候选飞行参数中各个候选飞行参数对应的预估扫描数据的数据质量，能准确确定目标飞行参数，以对无人机的飞行参数进行调整，实现激光雷达装置与无人机的协同控制，提高激光点云数据采集效率的同时，保证获得的激光点云数据的精度、稳定性和一致性。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种输电线路激光雷达巡检系统，包括无人机、搭载于所述无人机上的数据采集装置以及处理器；

所述数据采集装置至少包括激光雷达装置，所述激光雷达装置包括雷达驱动装置、激光扫描装置以及惯导装置；

所述处理器与所述无人机和所述数据采集装置通信连接，所述处理器用于：

生成飞行指令以及采集指令，所述飞行指令用于控制所述无人机飞行，所述采集指令用于控制所述数据采集装置进行传感信息的采集；

将所述飞行指令发送至所述无人机以及将所述采集指令发送至所述 数据采集装置，获取由所述数据采集装置采集的扫描数据；

评估所述扫描数据的数据质量；以及

基于所述数据质量，确定后续处理，所述后续处理包括将所述扫描数 据回传至数据中心和/或重新采集所述扫描数据。

2.根据权利要求1所述的系统，其特征在于，所述传感信息包括飞行参数、天气数据和地理特征数据中的至少一种，所述处理器进一步用于：

基于所述传感信息，通过数据质量评估模型，评估所述扫描数据的数据质量，所述数据质量评估模型为机器学习模型。

3.根据权利要求2所述的系统，其特征在于，所述数据采集装置还包括光学采集装置，所述数据质量评估模型的输入还包括所述激光雷达装置的稳定性评分；

所述处理器进一步用于：

通过所述光学采集装置，采集所述激光雷达装置的多个时刻的光学图像，得到光学图像序列；

对所述光学图像序列抽样，得到至少一组相邻帧；以及

基于所述至少一组相邻帧的变化率，确定所述激光雷达装置的稳定性评分。

4.根据权利要求1所述的系统，其特征在于,所述处理器进一步用于：

响应于所述数据质量不满足预设质量要求，调整所述无人机的飞行参数；以及

将调整后的所述飞行参数发送至所述无人机，以及将所述采集指令发送至所述数据采集装置，获取由所述数据采集装置重新采集的所述扫描数据；

所述调整所述无人机的飞行参数包括：

生成至少一组候选飞行参数；

评估所述至少一组候选飞行参数对应的预估扫描数据的数据质量；

基于所述数据质量，确定目标飞行参数；以及

调整所述无人机的飞行参数为所述目标飞行参数。

5.一种输电线路激光雷达巡检方法，其特征在于，所述方法由如权利要求1所述的输电线路激光雷达巡检系统的处理器执行所述方法包括：

生成飞行指令以及采集指令，所述飞行指令用于控制无人机飞行，所述采集指令用于控制数据采集装置进行传感信息的采集；

将所述飞行指令发送至所述无人机以及将所述采集指令发送至所述数据采集装置，获取由所述数据采集装置采集的扫描数据；

评估所述扫描数据的数据质量；以及

基于所述数据质量，确定后续处理，所述后续处理包括将所述扫描数据回传至数据中心和/或重新采集所述扫描数据。

6.根据权利要求5所述的方法，其特征在于，所述传感信息包括飞行参数、天气数据和地理特征数据中的至少一种，所述评估所述扫描数据的数据质量包括：

基于所述传感信息，通过数据质量评估模型，评估所述扫描数据的数据质量，所述数据质量评估模型为机器学习模型。

7.根据权利要求6所述的方法，其特征在于，所述数据采集装置还包括光学采集装置，所述数据质量评估模型的输入还包括所述激光雷达装置的稳定性评分；

确定所述激光雷达装置的稳定性评分包括：

通过所述光学采集装置，采集所述激光雷达装置的多个时刻的光学图像，得到光学图像序列；

对所述光学图像序列抽样，得到至少一组相邻帧；以及

基于所述至少一组相邻帧的变化率，确定所述激光雷达装置的稳定性评分。

8.根据权利要求5所述的方法，其特征在于，所述基于所述数据质量，确定后续处理包括：

响应于所述数据质量不满足预设质量要求，调整所述无人机的飞行参数；以及

将调整后的所述飞行参数发送至所述无人机以及将所述采集指令发送至所述数据采集装置，获取由所述数据采集装置重新采集的所述扫描数据；

所述调整所述无人机的飞行参数包括：

生成至少一组候选飞行参数；

评估所述至少一组候选飞行参数对应的预估扫描数据的数据质量；

基于所述数据质量，确定目标飞行参数；以及

调整所述无人机的飞行参数为所述目标飞行参数。

9.一种输电线路激光雷达巡检装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求5~8中任一项所述的输电线路激光雷达巡检方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求5~8任一项所述的输电线路激光雷达巡检方法。