CN116798030B - 曲面观光雷达高塔验收方法、系统、装置及存储介质 - Google Patents
曲面观光雷达高塔验收方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN116798030B CN116798030B CN202311090232.6A CN202311090232A CN116798030B CN 116798030 B CN116798030 B CN 116798030B CN 202311090232 A CN202311090232 A CN 202311090232A CN 116798030 B CN116798030 B CN 116798030B
- Authority
- CN
- China
- Prior art keywords
- acceptance
- image
- route
- tower
- dimensional data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 10
- 238000010276 construction Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及曲面观光雷达高塔验收方法、系统、装置及存储介质,方法包括:获取塔身三维数据;基于三维数据,获取验收路线;识别验收路线中的关键特征;获取基础图像,并识别基础图像中的关键特征;依据基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;获取移动过程中拍摄的等高验收图像,等高验收图像为距离塔身距离为预设距离时获取的图像;识别验收图像中的验证特征,并依据验证特征及移动数据生成验证特征的测量结果。通过无人机与塔身等距检测的方式实现对曲面塔身的外结构验收,不但实现了对塔身整体结构的验收,也能够兼顾到由于曲面设计导致的多种小结构的验收。
Description
技术领域
本申请涉及高塔验收技术领域,尤其是涉及曲面观光雷达高塔验收方法、系统、装置及存储介质。
背景技术
雷达塔广泛应用于军事航空领域、民用航空领域和气象领域,在这些领域中,雷达塔起着重要作用。为了能够使得雷达塔配置的雷达系统更好的收发信息,当前雷达塔的建设高度越来越高,进而也衍生了雷达塔的附加功能,其中,观光雷达塔除了具备雷达塔本身所具备的功能外,其对于外在结构也有了更多的设计,如曲面结构。
但是,随着雷达塔高度提升且外在结构复杂度提升,对于观光雷达塔的建筑验收工作成为了本领域需要重点突破的技术难题。目前观光雷达塔的验收过程仍然采用人工测量计算的方式,一方面,人工验收因为存在操作失误,需要有多重验收的过程进行验证;另一方面,由于高度原因,部分高位结构很难达到全面检测的标准,特别是曲面结构的雷达塔,人工方式难以。
发明内容
本申请目的一是提供一种曲面观光雷达高塔验收方法,该方法能够自动实现对观光雷达塔的外在结构验收。
本申请的上述申请目的是通过以下技术方案得以实现的:
一种曲面观光雷达高塔验收方法,所述方法包括:
获取塔身三维数据;
基于所述三维数据,获取验收路线;
识别所述验收路线中的关键特征;
获取基础图像,并识别基础图像中的关键特征;
依据所述基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;
获取移动过程中拍摄的等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像;
识别验收图像中的验证特征,并依据所述验证特征及移动数据生成验证特征的测量结果。
在一个优选的方案中,所述基于所述三维数据,获取验收路线包括:获取关键特征,并在获取关键特征后,生成基于关键特征的验收路线,所述关键特征以及验收路线均基于所述三维数据人为选定。
在一个优选的方案中,依据所述基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动包括:
基于所述关键特征以及验收路线起始端规划移动路径,所述移动路径为距离所述塔身标准距离的路径。
在一个优选的方案中,生成基于关键特征生成的验收路线包括:获取关键特征排序,依据所述排序生成所述验收路线。
在一个优选的方案中,所述关键特征包括所述验收路线起始端。
在一个优选的方案中,所述验证特征由图像识别模型识别,所述图像识别模型为预先训练生成。
在一个优选的方案中,训练所述图像识别模型的方法包括:
构建多层神经网络模型;
对多层神经网络模型中验证特征样本集进行训练,得到训练好的图像识别模型。
本申请目的二是提供一种曲面观光雷达高塔验收系统,该系统能够自动实现对观光雷达塔的外在结构验收。
本申请的上述申请目的是通过以下技术方案得以实现的:
一种曲面观光雷达高塔验收系统,所述系统包括:
数据获取模块,用于获取塔身三维数据;
路线规划模块,所述路线规划模块基于所述三维数据获取验收路线;
第一识别模块,用于获取基础图像,并识别基础图像中的关键特征;
初始驱动模块,用于依据所述图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;
图像获取模块,用于获取移动过程中拍摄的等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像;
第二识别模块,用于识别验收图像中的验证特征,并依据所述验证特征及移动数据生成验证特征的测量结果。
本申请目的三是提供一种曲面观光雷达高塔验收装置,该装置能够自动实现对观光雷达塔的外在结构验收。
本申请的上述申请目的是通过以下技术方案得以实现的:
一种曲面观光雷达高塔验收装置,所述装置包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行上述曲面观光雷达高塔验收方法。
本申请目的四是提供一种计算机可读存储介质,该计算机可读存储介质能够实现对观光雷达塔的外在结构验收。
本申请的上述申请目的是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,所述的曲面观光雷达高塔验收方法被执行。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过关键特征的设定辅助生成验收路线的规划,在人工干预的情况下能够适应多种高塔的验收工作,提高了本方法的适配性;
2.等高验收图像的设定,使得获取到的图像均为距离塔身等距离的图像,不仅方便了图像识别模型的训练,同时,其移动数据也能够辅助生成测量结果;
3.识别基础图像中的关键特征,并通过识别的关键特征自动移动到验收路线的起始端,使得在任意选定的塔身关键特征位置均能够开始执行验收,简化了验收工作的执行过程。
附图说明
图1是本申请实施例的曲面观光雷达高塔验收方法流程示意图。
图2是本申请其中一实施例的无人机规划移动路径的流程示意图。
图3是本申请另一实施例的无人机规划移动路径的流程示意图。
图4是无人机沿验收线路获取等高验收图像的示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请所述的观光雷达高塔除具有雷达塔功能之外,还在高塔顶部配置观光平台而具有了观光功能,在一个示例中,高塔高度大于90米,且为了提高其观光性能,在高塔四周设计了曲面结构。曲面结构本身具备了设备零部件空间形态多样化特征,且如采用人工验收,则高塔高处的塔身验收困难,基于此,本申请提出了针对曲面雷达高塔的验收方法。
虽然,现有技术中建筑物的验收工具已经具有一定的研发,其中以无人机为主,但是其无人机的主要功能仅为拍摄图像,并将图像传递到人工处理,具体如何拍摄图像、拍摄哪里的图像,是由人为操控无人机依次飞行到相应位置进行拍摄的。这种无人机的验收过程不仅由于人为原因存在疏漏的问题,同时拍摄过程也需要人为的不断控制,耗时长。若遇到塔身高的曲面结构,其验收过程就更为繁杂,需要的时间更长,人为疏漏的可能性也更大。
本申请拟采用无人机验收方式,对曲面雷达高塔进行自动化验收,所述的无人机配备有至少一个验收摄像头和测距雷达,所述验收摄像头用于在无人机移动过程中拍摄塔身图像,以便于提供验收的图像数据,所述测距雷达用于检测无人机距离塔身的距离。
本申请实施例提供一种曲面观光雷达高塔验收方法,所述方法的主要流程描述如下。
如图1所示:
步骤100:获取塔身三维数据。所述的三维数据是基于雷达塔建筑施工过程中应用的建筑图纸生成的立体图像数据,所述立体图像数据在人工生成后传输至所述的无人机。
步骤200:基于所述三维数据,获取验收路线。三维数据中包含所述雷达塔的塔身详细设计结构,在验收过程中,通过人工选择三维数据中的关键特征,并将关键特征进行录入。在一个示例中,关键特征录入后,通过人工对关键特征进行排序,从而生成由关键特征序列表征的验收路线;在另一个示例中,关键特征录入后,根据关键特征自动生成验收路线。其中,自动生成验收路线的方式可以是按照关键特征在三维数据中由上至下的位置循序对关键特征进行自动排序,也可以是按照雷达塔的塔身组成的不同部分对关键特征进行自动排序,在此不做唯一限定。本实施例所述的关键特征为塔身外侧具有凸出结构特征的结构位置,例如塔身顶部的边角或塔身底部的塔脚。所述关键特征的选取应满足覆盖塔身外侧需验收的全部位置,但此过程依赖人工选择,不在本申请方案要求描述的范围内。
当关键特征排序完成后,依据关键特征排序生成验收路线,验收路线为关键特征按顺序连接成的路线,且验收路线所表达的路径中任一点与所述塔身表面的距离均为预设距离。
步骤300:识别验收路线中的关键特征。
步骤400:获取基础图像,并识别基础图像中的关键特征。
在验收路线生成完毕之后,则开始雷达塔的验收工作,在验收开始时,首先需要将无人机人为移动至雷达塔的一个关键特征位置,本申请中优选为塔脚位置,通过无人机对关键特征位置进行拍摄生成基础图像,并识别基础图像中的关键特征。本步骤中所识别的关键特征具体为塔身顶部的关键特征或塔身底部的关键特征,但对于塔身顶部关键特征或塔身底部关键特征中的哪一个不做限定。
步骤500:依据所述基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动。所述验收路线起始端为步骤200中录入的关键特征中的一个。
参照图2,在一个示例中,步骤400中识别的关键特征为塔身顶部的关键特征,则无人机自动从所述塔身顶部的关键特征向下移动,在向下移动过程中通过移动过程中所拍摄的塔身图像识别塔身结构从而确定所识别的关键特征在所述三维数据中的位置,在识别到所述关键特征在三维数据中的位置后,无人机自动飞回至所述关键特征所在位置,并基于所述关键特征以及验收路线起始端规划移动路径。
参照图3,在另一个示例中,步骤400中识别的关键特征为塔身底部的关键特征,则无人机自动从所述塔身底部的关键特征向上移动,在向上移动过程中通过移动过程中所拍摄的塔身图像识别塔身结构从而确定所识别的关键特征在所述三维数据中的位置,在识别到所述关键特征在三维数据中的位置后,无人机自动飞回至所述关键特征所在位置,并基于所述关键特征以及验收路线起始端规划移动路径。
所述的移动路径为距离所述塔身标准距离的路径。
需要说明的是,本申请所述的标准距离以及预设距离均为人为预先设定,优选的,所述标准距离与预设距离相等。所述标准距离与预设距离的值可由根据所述塔身曲面结构的曲度进行人为设定,在一个优选的示例中,所述标准距离与预设距离相等,且标准距离与预设距离的取值具有三个档位,分别为1米、1.4米和1.8米,所述验收路线表达的塔身路径满足:所述无人机按照验收路线移动过程中,验收摄像头拍摄范围涵盖塔身全部的外侧结构。
参照图4,步骤600:获取移动过程中通过验收摄像头获取等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像。由于无人机距离塔身距离为预设距离,则无人机获取的图像均为无人机距离塔身为预设距离时获取的图像。为了避免无人机验收过程中不同焦距的图像对验收结果的影响,本申请中,无人机的验收摄像头焦距在验收过程中保持不变。同时,所述验收摄像头的朝向应垂直于塔身的竖直中心线。
步骤700:识别验收图像中的验证特征,并依据所述验证特征及移动数据生成验证特征的测量结果。所述的验证特征为验收过程中需要检测的塔身建筑结构,如螺栓、塔脚、塔身装饰板、塔身高度、结构宽度等。
在一个优选的示例中,所述的验证特征由图像识别模型识别,所述图像识别模型为预先训练生成。训练所述图像识别模型的方法如下:
构建多层神经网络模型;
对多层神经网络模型中验证特征样本集进行训练,得到训练好的图像识别模型。
其中,通过多层神经网络模型训练能够识别结构特征的图像识别模型为现有技术中的成熟技术,本申请不再赘述。但仅通过图像识别仅能够识别验收图像中所展示的部分,而塔身不同位置之间的关联关系则不能够识别,如相邻竖向装饰墙之间的距离就不能仅通过图像识别进行测算。
为了能够更加全面的对塔身结构进行验收,本申请中,采用移动数据与验证特征相结合的方式测算所述关联关系。即无人机以验收路线的起始端为原点,建立任一空间坐标系,则在无人机移动过程中即能够根据无人机移动的距离与方向记录无人机在空间坐标系中的位置,通过无人机在不同位置所识别的塔身结构测算不同塔身结构之间的关联关系。
通过采用上述方案,本申请实施例所表述的方案通过无人机与塔身等距检测的方式实现对曲面塔身的外结构验收,所得到的验收图像能够明确表示相应图像位置的结构特征,不但实现了对塔身整体结构的验收,也能够兼顾到由于曲面设计导致的多种小结构的验收,从而提高了曲面雷达高塔验收的准确性。
在另一个实施例中,本申请还提供一种曲面观光雷达高塔验收系统,所述系统包括:
数据获取模块,用于获取塔身三维数据;
路线规划模块,所述路线规划模块基于所述三维数据获取验收路线;
第一识别模块,用于获取基础图像,并识别基础图像中的关键特征;
初始驱动模块,用于依据所述图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;
图像获取模块,用于获取移动过程中拍摄的等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像;
第二识别模块,用于识别验收图像中的验证特征,并依据所述验证特征及移动数据生成验证特征的测量结果。
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,上述描述的系统模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统模块,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为功能模块的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个实体结构上,特别是数据获取模块和路线规划模块,可以根据实际的需要选择配置于具有控制功能的PC端,也可以直接配置于无人机内部或外部。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
本申请实施例还公开了一种曲面观光雷达高塔验收装置,该装置主要由一个或多个存储器和一个或多个处理器组成:
存储器用于存储指令;
处理器,用于从存储器中调用并运行指令,执行如上述内容中所述的曲面观光雷达高塔验收方法。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
非易失性存储器可以是ROM、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electricallyEPROM,EEPROM)或闪存。
易失性存储器可以是RAM,其用作外部高速缓存。RAM有多种不同的类型,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器。
上述任一处提到的处理器,可以是一个CPU,微处理器,ASIC,或一个或多个用于控制上述验收方法的程序执行的集成电路。该处理器和该存储器可以解耦,分别设置在不同的物理设备上,通过有线或者无线的方式连接来实现该处理器和该存储器的各自的功能,以支持该装置的芯片实现上述实施例中的各种功能。或者,该处理器和该存储器也可以耦合在同一个设备上。
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计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的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计算机可读存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种曲面观光雷达高塔验收方法,其特征在于,所述方法包括:
获取塔身三维数据;
基于所述三维数据,获取验收路线;
识别所述验收路线中的关键特征;
获取基础图像,并识别基础图像中的关键特征,具体包括在向下移动或向上移动过程中通过移动过程中所拍摄的塔身图像识别塔身结构从而确定所识别的关键特征在所述三维数据中的位置,在识别到所述关键特征在三维数据中的位置后,无人机自动飞回至所述关键特征所在位置;
依据所述基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;
获取移动过程中拍摄的等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像;
识别验收图像中的验证特征,并依据所述验证特征及无人机的移动数据生成验证特征的测量结果。
2.根据权利要求1所述的一种曲面观光雷达高塔验收方法,其特征在于,所述基于所述三维数据,获取验收路线包括:获取关键特征,并在获取关键特征后,生成基于关键特征的验收路线,所述关键特征以及验收路线均基于所述三维数据人为选定。
3.根据权利要求2所述的一种曲面观光雷达高塔验收方法,其特征在于,依据所述基础图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动包括:基于所述关键特征以及验收路线起始端规划移动路径,所述移动路径为距离所述塔身标准距离的路径。
4.根据权利要求2所述的一种曲面观光雷达高塔验收方法,其特征在于,生成基于关键特征生成的验收路线包括:获取关键特征排序,依据所述排序生成所述验收路线。
5.根据权利要求1所述的一种曲面观光雷达高塔验收方法,其特征在于,所述关键特征包括所述验收路线起始端。
6.根据权利要求1所述的一种曲面观光雷达高塔验收方法,其特征在于,所述验证特征由图像识别模型识别,所述图像识别模型为预先训练生成。
7.根据权利要求6所述的一种曲面观光雷达高塔验收方法,其特征在于,训练所述图像识别模型的方法包括:
构建多层神经网络模型;
对多层神经网络模型中验证特征样本集进行训练,得到训练好的图像识别模型。
8.一种曲面观光雷达高塔验收系统,其特征在于,所述系统包括:
数据获取模块,用于获取塔身三维数据;
路线规划模块,所述路线规划模块基于所述三维数据获取验收路线;
第一识别模块,用于获取基础图像,并识别基础图像中的关键特征,具体包括在向下移动或向上移动过程中通过移动过程中所拍摄的塔身图像识别塔身结构从而确定所识别的关键特征在所述三维数据中的位置,在识别到所述关键特征在三维数据中的位置后,无人机自动飞回至所述关键特征所在位置;
初始驱动模块,用于依据所述图像中的关键特征及三维数据移动至验收路线起始端并沿验收路线移动;
图像获取模块,用于获取移动过程中拍摄的等高验收图像,所述等高验收图像为距离塔身距离为预设距离时获取的图像;
第二识别模块,用于识别验收图像中的验证特征,并依据所述验证特征及无人机的移动数据生成验证特征的测量结果。
9.一种曲面观光雷达高塔验收装置,其特征在于,所述装置包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如权利要求1至7中任意一项所述的方法。
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包括:
程序,当所述程序被处理器运行时,如权利要求1至7中任一项所述的曲面观光雷达高塔验收方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090232.6A CN116798030B (zh) | 2023-08-28 | 2023-08-28 | 曲面观光雷达高塔验收方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090232.6A CN116798030B (zh) | 2023-08-28 | 2023-08-28 | 曲面观光雷达高塔验收方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116798030A CN116798030A (zh) | 2023-09-22 |
CN116798030B true CN116798030B (zh) | 2023-11-14 |
Family
ID=88040124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311090232.6A Active CN116798030B (zh) | 2023-08-28 | 2023-08-28 | 曲面观光雷达高塔验收方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798030B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19740083C1 (de) * | 1997-09-12 | 1999-06-24 | Juergen Dr Ing Sachs | Radarortungsgerät und Verfahren zur Bestimmung der Lage und Ausdehnung von verdeckten Objekten |
CN111337944A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 基于地基激光雷达的塔基验收方法及装置 |
WO2021056630A1 (zh) * | 2019-09-26 | 2021-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路铁塔结构缺陷检测方法及装置 |
KR20210090489A (ko) * | 2020-01-10 | 2021-07-20 | 한국전력공사 | 송전 철탑 점검용 카메라 드론 및 철탑 설비 촬영 방법, 전력선 촬영 방법 |
WO2021143164A1 (zh) * | 2020-01-19 | 2021-07-22 | 广东卓维网络有限公司 | 一种杆塔图像监测系统 |
CN113255626A (zh) * | 2021-07-14 | 2021-08-13 | 杭州大杰智能传动科技有限公司 | 一种基于扫描图像分析的智能塔吊结构状态检测方法和装置 |
WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、系统及存储介质 |
KR20210150076A (ko) * | 2020-06-03 | 2021-12-10 | 한국전력공사 | 송전선로의 선로정수 연산 자동화 시스템 및 방법 |
KR20220105357A (ko) * | 2021-01-20 | 2022-07-27 | 재단법인대구경북과학기술원 | 무인항공기 감시 방법 및 장치 |
WO2023020084A1 (zh) * | 2021-08-20 | 2023-02-23 | 中国华能集团清洁能源技术研究院有限公司 | 海上无人机巡检飞行路径生成方法、装置及无人机 |
CN116071335A (zh) * | 2023-02-16 | 2023-05-05 | 联通(浙江)产业互联网有限公司 | 墙面验收方法、装置、设备及存储介质 |
WO2023082985A1 (zh) * | 2021-11-10 | 2023-05-19 | 北京有竹居网络技术有限公司 | 用于生成电子设备的导航路径的方法和产品 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3271788A4 (en) * | 2015-03-18 | 2018-04-04 | Izak Van Cruyningen | Flight planning for unmanned aerial tower inspection with long baseline positioning |
CN111695489B (zh) * | 2020-06-09 | 2023-08-11 | 阿波罗智能技术(北京)有限公司 | 建模路线的验证方法、装置、无人车及存储介质 |
-
2023
- 2023-08-28 CN CN202311090232.6A patent/CN116798030B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19740083C1 (de) * | 1997-09-12 | 1999-06-24 | Juergen Dr Ing Sachs | Radarortungsgerät und Verfahren zur Bestimmung der Lage und Ausdehnung von verdeckten Objekten |
WO2021056630A1 (zh) * | 2019-09-26 | 2021-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路铁塔结构缺陷检测方法及装置 |
KR20210090489A (ko) * | 2020-01-10 | 2021-07-20 | 한국전력공사 | 송전 철탑 점검용 카메라 드론 및 철탑 설비 촬영 방법, 전력선 촬영 방법 |
WO2021143164A1 (zh) * | 2020-01-19 | 2021-07-22 | 广东卓维网络有限公司 | 一种杆塔图像监测系统 |
CN111337944A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 基于地基激光雷达的塔基验收方法及装置 |
WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、系统及存储介质 |
KR20210150076A (ko) * | 2020-06-03 | 2021-12-10 | 한국전력공사 | 송전선로의 선로정수 연산 자동화 시스템 및 방법 |
KR20220105357A (ko) * | 2021-01-20 | 2022-07-27 | 재단법인대구경북과학기술원 | 무인항공기 감시 방법 및 장치 |
CN113255626A (zh) * | 2021-07-14 | 2021-08-13 | 杭州大杰智能传动科技有限公司 | 一种基于扫描图像分析的智能塔吊结构状态检测方法和装置 |
WO2023020084A1 (zh) * | 2021-08-20 | 2023-02-23 | 中国华能集团清洁能源技术研究院有限公司 | 海上无人机巡检飞行路径生成方法、装置及无人机 |
WO2023082985A1 (zh) * | 2021-11-10 | 2023-05-19 | 北京有竹居网络技术有限公司 | 用于生成电子设备的导航路径的方法和产品 |
CN116071335A (zh) * | 2023-02-16 | 2023-05-05 | 联通(浙江)产业互联网有限公司 | 墙面验收方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
深度学习在输电线路工程验收智能缺陷识别中的应用;邹捷;许瑞庆;习雨同;;江西电力(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116798030A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3028464B1 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN114080547A (zh) | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 | |
JP6996925B2 (ja) | 杭頭解析システム、杭頭解析方法、及び杭頭解析プログラム | |
US20160133008A1 (en) | Crack data collection method and crack data collection program | |
CN109099889B (zh) | 近景摄影测量系统和方法 | |
CN111383261B (zh) | 移动机器人、及其位姿估计方法和位姿估计装置 | |
CN114353807B (zh) | 一种机器人的定位方法及定位装置 | |
CN108803659A (zh) | 基于魔方模型的多窗口启发式三维空间路径规划方法 | |
CN114661049A (zh) | 一种巡检方法、装置及计算机可读介质 | |
CN116798030B (zh) | 曲面观光雷达高塔验收方法、系统、装置及存储介质 | |
KR20170030214A (ko) | 무인 촬영 비행체의 이동 경로 설정 방법 및 무인 촬영 비행체의 이동 경로 설정 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
CN112699748B (zh) | 基于yolo及rgb图像的人车距离估计方法 | |
CN112001453B (zh) | 一种视频事件检测算法的准确率计算方法及装置 | |
US11509881B2 (en) | Stereo camera and stereophotogrammetric method | |
CN115601517A (zh) | 岩体结构面信息采集方法、装置、电子设备及存储介质 | |
CN113503883A (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
Barrile et al. | UAV and computer vision, detection of infrastructure losses and 3D modeling | |
Knyaz et al. | Photogrammetric techniques for measurements in woodworking industry | |
JP2020064044A (ja) | プロファイル作成方法、プロファイル作成システム、プロファイル及びプロファイル作成プログラム | |
CN117685881B (zh) | 一种混凝土结构实体位置与尺寸偏差的感知与检测方法 | |
CN114088095B (zh) | 一种基于光电二极管的三维室内定位方法 | |
CN117237832B (zh) | 桥梁的振型识别方法、无人机及计算机可读存储介质 | |
CN113029166B (zh) | 定位方法、装置、电子设备及存储介质 | |
CN111739163B (zh) | 用于露天采场智能验收的无人机影像数据建模方法 | |
CN116596508B (zh) | 一种边坡裂缝病害发展识别记录方法 |
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 |