CN116909318B - 一种基于高精度三维点云的无人机自主巡检航线规划系统 - Google Patents
一种基于高精度三维点云的无人机自主巡检航线规划系统 Download PDFInfo
- Publication number
- CN116909318B CN116909318B CN202311184303.9A CN202311184303A CN116909318B CN 116909318 B CN116909318 B CN 116909318B CN 202311184303 A CN202311184303 A CN 202311184303A CN 116909318 B CN116909318 B CN 116909318B
- Authority
- CN
- China
- Prior art keywords
- inspection
- route
- line segment
- area
- node
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 149
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 23
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于高精度三维点云的无人机自主巡检航线规划系统,其特征在于,包括地图模块、监控模块、规划模块和数据记录模块,所述地图模块用于建立巡检区域的三维点云模型,所述监控模块用于用于采集无人机的飞行状态,所述数据记录模块用于记录下巡检节点的巡检数据,所述规划模块用于制定巡检航线并控制无人机按照航线进行巡检;由于本系统利用了高精度的三维点云数据,制定的航线能够在避免触碰障碍物的前提下缩短航程,在同样的无人机能源供应下巡检更多的配网节点。
Description
技术领域
本发明涉及组织规划调度领域,具体涉及一种基于高精度三维点云的无人机自主巡检航线规划系统。
背景技术
配电网格化是指将传统的集中式电力系统转变为分布式电力系统,通过建立分布式能源发电站和微电网,将电力输送和储存功能下放到更小的地区,实现能源供给的可靠性和稳定性,需要使用无人机对配网中的节点进行巡检来保障电力系统的运行,但配网中的节点较多,一个无人机的航程存在上限,如何规划无人机的航线,提高巡检效率是当前需要解决的问题。
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
现在已经开发出了很多航线规划系统,经过我们大量的检索与参考,发现现有的航线规划系统有如公开号为CN111982123A所公开的系统,这些系统方法一般包括:获取输电线路的激光点云,将所述激光点云加载至三维笛卡尔坐标系;在三维笛卡尔坐标系中,以单个杆塔为基本单元,构造塔杆横切面和纵切面的塔杆切面参考系;基于所述塔杆切面参考系,建立球型移动参考系;根据球型移动参考系以及目标位置,获取无人机巡检航线,但该系统的无人机需要在高空移动来避免碰撞障碍物,容易受到风力的影响,对巡检过程造成干扰。
发明内容
本发明的目的在于,针对所存在的不足,提出了一种基于高精度三维点云的无人机自主巡检航线规划系统。
本发明采用如下技术方案:
一种基于高精度三维点云的无人机自主巡检航线规划系统,包括地图模块、监控模块、规划模块和数据记录模块;
所述地图模块用于建立巡检区域的三维点云模型,所述监控模块用于用于采集无人机的飞行状态,所述数据记录模块用于记录下巡检节点的巡检数据,所述规划模块用于制定巡检航线并控制无人机按照航线进行巡检;
所述规划模块包括节点存储单元、路线规划单元、消耗指数处理单元和路线存储单元,所述节点存储单元根据巡检节点的巡检数据将节点信息进行分区保存,所述路线规划单元从所述节点存储单元中获取巡检节点并制定基于平面且途径所述巡检节点的目标巡检路线,所述消耗指数处理单元基于三维点云模型将目标巡检路线空间化并计算出对应的巡检消耗指数,所述路线存储单元用于保存空间化后的目标巡检路线;
所述节点存储单元包括第一存储区域和第二存储区域,第一存储区域用于保存的第一目标节点信息,第二存储区域用于保存第二目标节点信息,所述路线规划单元获取的是第二目标节点信息,在所述消耗指数处理单元计算出巡检消耗指数后从第一存储区域中转移一个巡检节点信息至第二存储区域;
所述规划模块将在所述路线存储单元中选择巡检消耗指数不超过阈值且包含最多巡检节点的目标巡检路线作为无人机执行的巡检航线;
进一步的,所述地图模块根据三维点云模型将立体空间分为三个区域,障碍区域、无障碍区域和检查区域,障碍区域为巡检区域中的实体物占据的区域,所述无障碍区域为供无人机飞行的区域,所述检查区域为对巡检节点进行检查的区域,检查区域包括检查子区域,每个检查子区域对应一个巡检节点;
进一步的,所述数据记录模块记录巡检节点的巡检数据包括巡检时间和巡检结果,巡检结果为存在问题和不存在问题两种;
所述规划模块根据下式计算出每个巡检节点的巡检指数:;
其中,r为上一次巡检的巡检结果状态值,存在问题时为1,不存在问题时为0,Tlast为上一次巡检的巡检时间到当前时间的时间差,Tsd为巡检时间阈值,T0为时间基数;
所述规划模块将巡检指数Is大于0的巡检节点作为第一目标节点,将第一目标节点根据巡检指数从大到小排序得到第一节点序列,第二存储区域按照第一节点序列的顺序获取巡检节点作为第二目标节点;
进一步的,所述消耗指数处理单元包括线段可行化处理器、消耗计算处理器和线段控制处理器,所述线段可行化处理器用于对一段线段进行变更处理并输出该线段对应的巡检消耗指数,所述消耗计算处理器用于直接结算出一段线段的巡检消耗指数,所述线段控制处理器用于对线段可行化处理器的调用以及输入输出数据进行控制;
所述线段可行化处理器的处理过程包括如下步骤:
S31、接收线段的端点信息,若端点信息为空间信息,则直接将两个端点记为和,若端点信息为平面信息,则获取端点对应的检查区域中心的空间信息,用/>和/>表示;
S32、将和/>用直线连接,得到线段/>;
S33、获取地图模块中的区域信息,判断L是否经过障碍区域,若是,则进入步骤S34,若否,则进入步骤S35;
S34、选择经过的最大的障碍区域,在该障碍区域外选择一个中断点,所述线段处理器将新的线段/>和/>发送给新的线段可行化处理器,并等待接收线段处理器输出的巡检消耗指数,再将两个巡检消耗指数相加后输出;
S35、调用消耗计算处理器计算出线段L的巡检消耗指数并输出;
进一步的,所述消耗计算处理器根据下式计算出线段L的巡检消耗指数CS:
;
其中,表示线段的起始点P1的坐标,/>表示线段的结束点P2的坐标,/>为平面耗能系数,/>为下降耗能系数,/>为上升耗能系数。
本发明所取得的有益效果是:
本系统利用了高精度的三维点云数据,使得无人机能够在低空状态下进行巡检,受到风力影响的程度降低,本系统对巡检节点进行定量处理,基于定量结果对巡检节点进行排序并制定航线,使得对各巡检节点的检查更加均衡,本系统先制定平面的航线,在基于三维点云数据将航线空间化,使得在巡检相同节点的情况下降低航程,提高无人机的巡检效率。
为使能更进一步了解本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,然而所提供的附图仅用于提供参考与说明,并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图;
图2为本发明规划模块构成示意图;
图3为本发明路线规划单元构成示意图;
图4为本发明消耗指数处理单元构成示意图;
图5为本发明线段可行化处理器之间的关系示例图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一:本实施例提供了一种基于高精度三维点云的无人机自主巡检航线规划系统,结合图1,包括地图模块、监控模块、规划模块和数据记录模块;
所述地图模块用于建立巡检区域的三维点云模型,所述监控模块用于用于采集无人机的飞行状态,所述数据记录模块用于记录下巡检节点的巡检数据,所述规划模块用于制定巡检航线并控制无人机按照航线进行巡检;
所述规划模块包括节点存储单元、路线规划单元、消耗指数处理单元和路线存储单元,所述节点存储单元根据巡检节点的巡检数据将节点信息进行分区保存,所述路线规划单元从所述节点存储单元中获取巡检节点并制定基于平面且途径所述巡检节点的目标巡检路线,所述消耗指数处理单元基于三维点云模型将目标巡检路线空间化并计算出对应的巡检消耗指数,所述路线存储单元用于保存空间化后的目标巡检路线;
所述节点存储单元包括第一存储区域和第二存储区域,第一存储区域用于保存的第一目标节点信息,第二存储区域用于保存第二目标节点信息,所述路线规划单元获取的是第二目标节点信息,在所述消耗指数处理单元计算出巡检消耗指数后从第一存储区域中转移一个巡检节点信息至第二存储区域;
所述规划模块将在所述路线存储单元中选择巡检消耗指数不超过阈值且包含最多巡检节点的目标巡检路线作为无人机执行的巡检航线;
所述地图模块根据三维点云模型将立体空间分为三个区域,障碍区域、无障碍区域和检查区域,障碍区域为巡检区域中的实体物占据的区域,所述无障碍区域为供无人机飞行的区域,所述检查区域为对巡检节点进行检查的区域,检查区域包括检查子区域,每个检查子区域对应一个巡检节点;
所述数据记录模块记录巡检节点的巡检数据包括巡检时间和巡检结果,巡检结果为存在问题和不存在问题两种;
所述规划模块根据下式计算出每个巡检节点的巡检指数:;
其中,r为上一次巡检的巡检结果状态值,存在问题时为1,不存在问题时为0,Tlast为上一次巡检的巡检时间到当前时间的时间差,Tsd为巡检时间阈值,T0为时间基数;
所述规划模块将巡检指数Is大于0的巡检节点作为第一目标节点,将第一目标节点根据巡检指数从大到小排序得到第一节点序列,第二存储区域按照第一节点序列的顺序获取巡检节点作为第二目标节点;
所述消耗指数处理单元包括线段可行化处理器、消耗计算处理器和线段控制处理器,所述线段可行化处理器用于对一段线段进行变更处理并输出该线段对应的巡检消耗指数,所述消耗计算处理器用于直接结算出一段线段的巡检消耗指数,所述线段控制处理器用于对线段可行化处理器的调用以及输入输出数据进行控制;
所述线段可行化处理器的处理过程包括如下步骤:
S31、接收线段的端点信息,若端点信息为空间信息,则直接将两个端点记为和,若端点信息为平面信息,则获取端点对应的检查区域中心的空间信息,用/>和/>表示;
S32、将和/>用直线连接,得到线段/>;
S33、获取地图模块中的区域信息,判断L是否经过障碍区域,若是,则进入步骤S34,若否,则进入步骤S35;
S34、选择经过的最大的障碍区域,在该障碍区域外选择一个中断点,所述线段处理器将新的线段/>和/>发送给新的线段可行化处理器,并等待接收线段处理器输出的巡检消耗指数,再将两个巡检消耗指数相加后输出;
S35、调用消耗计算处理器计算出线段L的巡检消耗指数并输出;
所述消耗计算处理器根据下式计算出线段L的巡检消耗指数CS:
;
其中,表示线段的起始点P1的坐标,/>表示线段的结束点P2的坐标,/>为平面耗能系数,/>为下降耗能系数,/>为上升耗能系数。
实施例二:本实施例包含了实施例一中的全部内容,提供了一种基于高精度三维点云的无人机自主巡检航线规划系统,包括地图模块、监控模块、规划模块和数据记录模块;
所述地图模块用于建立巡检区域的三维点云模型,所述监控模块用于用于采集无人机的飞行状态,所述数据记录模块用于记录下巡检节点的巡检数据,所述规划模块基于飞行状态、巡检数据和地图信息制定巡检航线并控制无人机按照航线进行巡检;
所述地图模块根据三维点云模型将立体空间分为三个区域,障碍区域、无障碍区域和检查区域,障碍区域为巡检区域中的实体物占据的区域,无人机通过障碍区域时会发生碰撞,对无人机造成损害,所述无障碍区域为供无人机飞行的区域,无人机在无障碍区域中能够任意制定航线飞行,所述检查区域为对巡检节点进行检查的区域,检查区域包括检查子区域,每个检查子区域对应一个巡检节点;
所述监控模块用于检测无人机的实时位置信息,所述实时位置信息包括横坐标x,纵坐标y和高度h三个信息,检测得到的信息称为监控信息,所述监控信息用于判断是否脱离航线;
所述数据记录模块记录巡检节点的巡检数据包括巡检时间和巡检结果,巡检结果为存在问题和不存在问题两种;
所述规划模块规划巡检航线的过程包括如下步骤:
S1、获取每个巡检节点的巡检数据,并根据下式计算出每个巡检节点的巡检指数:/>;
其中,r为上一次巡检的巡检结果状态值,存在问题时为1,不存在问题时为0,Tlast为上一次巡检的巡检时间到当前时间的时间差,Tsd为巡检时间阈值,T0为时间基数;
S2、将巡检指数Is大于0的巡检节点作为第一目标节点,将第一目标节点根据巡检指数从大到小排序得到第一节点序列;
S3、当还存在第一目标节点时,从第一节点序列中按序获取一个第一目标节点作为第二目标节点,当不存在第一目标节点时,进入步骤S7;
S4、规划出经过所有第二目标节点的目标巡检路线;
S5、计算出目标巡检路线的巡检消耗指数,当巡检消耗指数大于阈值时,进入步骤S6,当巡检消耗指数不大于阈值时,回到步骤S3;
S6、将上一个目标巡检路线作为无人机的巡检航线;
S7、将当前的目标巡检路线作为无人机的巡检航线;
结合图2,所述规划模块包括节点存储单元、路线规划单元、消耗指数处理单元和路线存储单元,所述节点存储单元包括第一存储区域和第二存储区域,第一存储区域用于保存有序的第一目标节点信息,第二存储区域用于保存第二目标节点信息,在步骤S3中,将一个巡检节点的信息从第一存储区域转移至第二存储区域,需要注意的是,无人机的起飞点也作为一个第二目标节点保存在第二存储区域中,所述路线规划单元用于执行步骤S4,所述消耗指数处理单元用于执行步骤S5中的巡检消耗指数的计算,所述路线存储单元用于存储两个目标巡检路线,即上一个目标巡检路线和当前的目标巡检路线;
结合图3,所述路线规划单元包括随机路线生成器、路线优化处理器和线程计算处理器,所述随机路线生成器用于生成个第二目标节点的不同序列,每个序列代表一条路线,其中,n为第二目标节点的数量,所述线路优化处理器用于将处于同一级别的路线两两配对,并基于配对的两条路线输出一条优化的路线,路线的优化次数为对应的级别,所述线程计算处理器用于计算任意两个第二目标节点时间的距离并将距离提供给所述路线优化处理器使用;
每条路线包含n条有相邻的第二目标节点构成的线段,所述线路优化处理器将同一级别的路线进行配对的过程包括如下步骤:
S21、将需要配对的路线放入配对池中;
S22、从配对池中随机获取一条路线,称为配对目标路线;
S23、计通过比较得到配对池中每条路线与配对目标路线含有相同线段的数量;
S24、将含有相同线段数量最多的路线与配对目标路线进行配对,并从配对池中删除这两条路线;
S25、重复步骤S22至步骤S24,直至配对池中无路线;
配对的两条路线中,相同部分的线段为固定段,不同部分的线段为优化段,所述路线优化处理器从所述线程计算处理器获取优化段对应的距离,应用穷举法将优化段重新组合并计算出对应的距离总和,然后将距离总和最小的优化段组合作为优化后的线段,根据固定段与优化后的线段重新得到第二目标节点的序列作为优化路线;
所述线路优化处理器不断重复配对和优化过程,直至剩下一条路线作为最终的目标巡检路线;
结合图4,所述消耗指数处理单元包括线段可行化处理器、消耗计算处理器和线段控制处理器,所述线段可行化处理器用于对一段线段进行变更处理并输出该线段对应的巡检消耗指数,所述消耗计算处理器用于直接结算出一段线段的巡检消耗指数,所述线段控制处理器用于对线段可行化处理器的调用以及输入输出数据进行控制;
所述线段可行化处理器的处理过程包括如下步骤:
S31、接收线段的端点信息,若端点信息为空间信息,则直接将两个端点记为和,若端点信息为平面信息,则获取端点对应的检查区域中心的空间信息,用/>和/>表示;
S32、将和/>用直线连接,得到线段/>;
S33、获取地图模块中的区域信息,判断L是否经过障碍区域,若是,则进入步骤S34,若否,则进入步骤S35;
S34、选择经过的最大的障碍区域,在该障碍区域外选择一个中断点,所述中断点满足下述三个条件:
①、中断点与该障碍区域的距离为安全距离d;
②、线段与线段/>不经过该障碍区域;
③、在满足上述两个条件的所有点中选择与线段L的距离最短的点作为中断点;
所述线段处理器将新的线段和/>发送给新的线段可行化处理器,并等待接收线段处理器输出的巡检消耗指数,再将两个巡检消耗指数相加后输出;
S35、调用消耗计算处理器计算出线段L的巡检消耗指数并输出;
需要注意的是,平面信息为只包含x和y的坐标信息,空间信息为包含x、y和h的坐标信息,所述路线规划单元涉及到的线段坐标为平面信息;
结合图5,所述线段控制处理器在步骤S34中将各线段可行化处理器的关系进行记录,根据记录的关系将线段可行化处理器的输出值反馈至对应的线段可行化处理器;
所述消耗计算处理器根据下式计算出线段L的巡检消耗指数CS:
;
其中,表示线段的起始点P1的坐标,/>表示线段的结束点P2的坐标,/>为平面耗能系数,/>为下降耗能系数,/>为上升耗能系数,上述三个耗能系数由工作人员根据无人机的飞行性能进行设置。。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (2)
1.一种基于高精度三维点云的无人机自主巡检航线规划系统,其特征在于,包括地图模块、监控模块、规划模块和数据记录模块;
所述地图模块用于建立巡检区域的三维点云模型,所述监控模块用于用于采集无人机的飞行状态,所述数据记录模块用于记录下巡检节点的巡检数据,所述规划模块用于制定巡检航线并控制无人机按照航线进行巡检;
所述规划模块包括节点存储单元、路线规划单元、消耗指数处理单元和路线存储单元,所述节点存储单元根据巡检节点的巡检数据将节点信息进行分区保存,所述路线规划单元从所述节点存储单元中获取巡检节点并制定基于平面且途经所述巡检节点的目标巡检路线,所述消耗指数处理单元基于三维点云模型将目标巡检路线空间化并计算出对应的巡检消耗指数,所述路线存储单元用于保存空间化后的目标巡检路线;
所述节点存储单元包括第一存储区域和第二存储区域,第一存储区域用于保存的第一目标节点信息,第二存储区域用于保存第二目标节点信息,所述路线规划单元获取的是第二目标节点信息,在所述消耗指数处理单元计算出巡检消耗指数后从第一存储区域中转移一个巡检节点信息至第二存储区域;
所述规划模块将在所述路线存储单元中选择巡检消耗指数不超过阈值且包含最多巡检节点的目标巡检路线作为无人机执行的巡检航线;
所述数据记录模块记录巡检节点的巡检数据包括巡检时间和巡检结果,巡检结果为存在问题和不存在问题两种;
所述规划模块根据下式计算出每个巡检节点的巡检指数:
;
其中,r为上一次巡检的巡检结果状态值,存在问题时为1,不存在问题时为0,Tlast为上一次巡检的巡检时间到当前时间的时间差,Tsd为巡检时间阈值,T0为时间基数;
所述规划模块将巡检指数Is大于0的巡检节点作为第一目标节点,将第一目标节点根据巡检指数从大到小排序得到第一节点序列,第二存储区域按照第一节点序列的顺序获取巡检节点作为第二目标节点;
所述消耗指数处理单元包括线段可行化处理器、消耗计算处理器和线段控制处理器,所述线段可行化处理器用于对一段线段进行变更处理并输出该线段对应的巡检消耗指数,所述消耗计算处理器用于直接结算出一段线段的巡检消耗指数,所述线段控制处理器用于对线段可行化处理器的调用以及输入输出数据进行控制;
所述线段可行化处理器的处理过程包括如下步骤:
S31、接收线段的端点信息,若端点信息为空间信息,则直接将两个端点记为和/>,若端点信息为平面信息,则获取端点对应的检查区域中心的空间信息,用/>和/>表示;
S32、将和/>用直线连接,得到线段/>;
S33、获取地图模块中的区域信息,判断L是否经过障碍区域,若是,则进入步骤S34,若否,则进入步骤S35;
S34、选择经过的最大的障碍区域,在该障碍区域外选择一个中断点,所述线段处理器将新的线段/>和/>发送给新的线段可行化处理器,并等待接收线段处理器输出的巡检消耗指数,再将两个巡检消耗指数相加后输出;
S35、调用消耗计算处理器计算出线段L的巡检消耗指数并输出;
所述消耗计算处理器根据下式计算出线段L的巡检消耗指数CS:
;
其中,表示线段的起始点P1的坐标,/>表示线段的结束点P2的坐标,/>为平面耗能系数,/>为下降耗能系数,/>为上升耗能系数。
2.如权利要求1所述的一种基于高精度三维点云的无人机自主巡检航线规划系统,其特征在于,所述地图模块根据三维点云模型将立体空间分为三个区域,障碍区域、无障碍区域和检查区域,障碍区域为巡检区域中的实体物占据的区域,所述无障碍区域为供无人机飞行的区域,所述检查区域为对巡检节点进行检查的区域,检查区域包括检查子区域,每个检查子区域对应一个巡检节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311184303.9A CN116909318B (zh) | 2023-09-14 | 2023-09-14 | 一种基于高精度三维点云的无人机自主巡检航线规划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311184303.9A CN116909318B (zh) | 2023-09-14 | 2023-09-14 | 一种基于高精度三维点云的无人机自主巡检航线规划系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116909318A CN116909318A (zh) | 2023-10-20 |
CN116909318B true CN116909318B (zh) | 2023-11-24 |
Family
ID=88367331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311184303.9A Active CN116909318B (zh) | 2023-09-14 | 2023-09-14 | 一种基于高精度三维点云的无人机自主巡检航线规划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116909318B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
AU2018101830A4 (en) * | 2016-05-23 | 2019-01-03 | Shanghai Guimu Robot Co., Ltd. | Pavement autonomous detection intelligent apparatus, robot system and detection method |
JP2019090675A (ja) * | 2017-11-14 | 2019-06-13 | 株式会社荏原製作所 | 検査装置、検査システム、プログラムを記憶した記憶媒体 |
CN110009761A (zh) * | 2019-03-20 | 2019-07-12 | 华南理工大学 | 智能设备自动巡检路径规划方法及系统 |
CN111044044A (zh) * | 2019-12-06 | 2020-04-21 | 国网安徽省电力有限公司淮南供电公司 | 一种电力无人机巡检路线规划方法和装置 |
CN111047913A (zh) * | 2018-10-15 | 2020-04-21 | 波音公司 | 用于优化飞机飞行的垂直剖面图的方法和电子设备 |
CN112783195A (zh) * | 2020-12-18 | 2021-05-11 | 深圳供电局有限公司 | 多无人机的巡检路线规划方法、装置和计算机设备 |
CN112884931A (zh) * | 2019-11-29 | 2021-06-01 | 众芯汉创(北京)科技有限公司 | 一种用于变电站的无人机巡检方法及系统 |
CN115639842A (zh) * | 2022-12-23 | 2023-01-24 | 北京中飞艾维航空科技有限公司 | 一种利用无人机的巡检方法及其系统 |
CN116185079A (zh) * | 2023-04-28 | 2023-05-30 | 西安迈远科技有限公司 | 一种基于自适应巡航的无人机施工巡检航线规划方法 |
CN116736876A (zh) * | 2023-06-27 | 2023-09-12 | 亿航智能设备(广州)有限公司 | 无人驾驶航空器飞行路线控制方法、系统和可读存储介质 |
-
2023
- 2023-09-14 CN CN202311184303.9A patent/CN116909318B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2018101830A4 (en) * | 2016-05-23 | 2019-01-03 | Shanghai Guimu Robot Co., Ltd. | Pavement autonomous detection intelligent apparatus, robot system and detection method |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
JP2019090675A (ja) * | 2017-11-14 | 2019-06-13 | 株式会社荏原製作所 | 検査装置、検査システム、プログラムを記憶した記憶媒体 |
CN111047913A (zh) * | 2018-10-15 | 2020-04-21 | 波音公司 | 用于优化飞机飞行的垂直剖面图的方法和电子设备 |
CN110009761A (zh) * | 2019-03-20 | 2019-07-12 | 华南理工大学 | 智能设备自动巡检路径规划方法及系统 |
CN112884931A (zh) * | 2019-11-29 | 2021-06-01 | 众芯汉创(北京)科技有限公司 | 一种用于变电站的无人机巡检方法及系统 |
CN111044044A (zh) * | 2019-12-06 | 2020-04-21 | 国网安徽省电力有限公司淮南供电公司 | 一种电力无人机巡检路线规划方法和装置 |
CN112783195A (zh) * | 2020-12-18 | 2021-05-11 | 深圳供电局有限公司 | 多无人机的巡检路线规划方法、装置和计算机设备 |
CN115639842A (zh) * | 2022-12-23 | 2023-01-24 | 北京中飞艾维航空科技有限公司 | 一种利用无人机的巡检方法及其系统 |
CN116185079A (zh) * | 2023-04-28 | 2023-05-30 | 西安迈远科技有限公司 | 一种基于自适应巡航的无人机施工巡检航线规划方法 |
CN116736876A (zh) * | 2023-06-27 | 2023-09-12 | 亿航智能设备(广州)有限公司 | 无人驾驶航空器飞行路线控制方法、系统和可读存储介质 |
Non-Patent Citations (2)
Title |
---|
变电站智能机器人巡检任务规划;钱金菊;王柯;王锐;彭向阳;;广东电力(第02期);全文 * |
基于三维定位的变电站检修安全预警系统设计;张海峰;邵瑰玮;文志科;董翔宇;李冀;章海斌;曹世鹏;;自动化与仪器仪表(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116909318A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156888B (zh) | 一种巡检机器人的巡检路径规划方法及装置 | |
CN109240290B (zh) | 一种电力巡检机器人返航路径确定方法 | |
CN109839110A (zh) | 一种基于快速随机搜索树的多目标点路径规划方法 | |
Peng et al. | Robot path planning based on improved A* algorithm | |
CN110850875A (zh) | 分布式光伏电站无人机巡检线路规划方法、系统及存储介质 | |
CN109357678A (zh) | 一种基于异质化鸽群优化算法的多无人机路径规划方法 | |
CN113110601B (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN111426323B (zh) | 一种巡检机器人路线规划方法及装置 | |
CN114756034B (zh) | 一种机器人实时避障路径规划方法及装置 | |
CN109947132A (zh) | 基于rfid库存盘点的无人机三维路径规划方法 | |
CN108966120B (zh) | 一种用于动态集群网络改进的组合三边定位方法及系统 | |
CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
CN111251934B (zh) | 一种基于无人机无线充电的高压线路巡检调度方法 | |
CN114296474A (zh) | 一种基于路径时间代价的无人机路径规划方法及系统 | |
CN116909318B (zh) | 一种基于高精度三维点云的无人机自主巡检航线规划系统 | |
Zhang et al. | Optimal inspection path planning of substation robot in the complex substation environment | |
CN117191017A (zh) | 一种化工场景下巡检机器人高精度安全路径规划方法 | |
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 | |
CN116307325A (zh) | 一种配电网的线路规划方法、装置、电子设备及存储介质 | |
CN112948946B (zh) | 一种基于杆塔模型的杆塔数据处理方法、装置、设备和存储介质 | |
CN113115245B (zh) | 基于蓝牙和室内路网信息的室内定位系统 | |
CN115686064A (zh) | 一种基于改进a星算法的空投飞行器路径规划方法及系统 | |
CN112527673B (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN109190861B (zh) | 一种核电站维修路径规划方法和装置 | |
CN113115244B (zh) | 基于蓝牙和室内路网信息的室内定位系统 |
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 |