CN117631682A - 电网无人机巡检路线确定方法和系统 - Google Patents
电网无人机巡检路线确定方法和系统 Download PDFInfo
- Publication number
- CN117631682A CN117631682A CN202311606745.8A CN202311606745A CN117631682A CN 117631682 A CN117631682 A CN 117631682A CN 202311606745 A CN202311606745 A CN 202311606745A CN 117631682 A CN117631682 A CN 117631682A
- Authority
- CN
- China
- Prior art keywords
- information
- task
- inspection
- range
- route
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000000547 structure data Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013209 evaluation strategy Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本申请涉及一种电网无人机巡检路线确定方法和系统。方法包括:获取多个电网巡检任务的任务信息、电网的三维结构数据,并基于电网的三维结构数据,生成电网的三维结构模型;识别每个任务信息对应的巡检范围信息和巡检结构信息,并基于每个任务信息对应的巡检范围信息和巡检结构信息,在三维结构模型中,识别每个任务信息对应的巡检结构模型;针对每个任务信息,通过寻路算法,生成无人机的多个路线信息,并模拟无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的路线信息,作为任务信息对应的目标路线信息。采用本方法能够提升智能电网巡线的效率。
Description
技术领域
本申请涉及电力电网技术领域,特别是涉及一种电网无人机巡检路线确定方法和系统。
背景技术
配电网分布广、网络结构复杂,受运行环境、线路老化等因素影响,故障频发。传统故障查找主要以人工巡线为主。但随着供电可靠性要求的不断提高,人工巡线已无法满足日益发展需求,同时受视野因素影响,人工巡线无法发现线路存在的隐蔽性缺陷。因此需要一种智能电网巡线方式从而提升故障查找精准度。
传统的智能电网巡线方式是人工操控无人机进行巡线任务,但是由于无人机操控人工经验、人工视线范围等多个因素影响,使得单纯依靠人工控制无人机进行巡检的路线较复杂且重复率较高,从而导致智能电网巡线的效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种电网无人机巡检路线确定方法、系统、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种电网无人机巡检路线确定方法。所述方法包括:
获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;
识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;
针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;
识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。
可选的,所述识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,包括:
提取每个任务信息的主要任务内容,并识别所述主要任务内容对应的所述电网的结构信息、以及每个结构信息中需要巡检的结构范围;
识别所述三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围;
将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
可选的,所述基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型,包括:
针对每个任务信息,基于所述任务信息对应的每个结构信息的子模型范围,识别所述任务信息对应的每个结构信息的子巡检结构模型;
在所述三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系,并将所述任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为所述任务信息对应的巡检结构模型。
可选的,所述基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息之前,还包括:
获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的样本路径信息,并通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息;
分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算所述目标结构范围的各路径信息、与所述目标结构范围对应的样本路径信息之间的相似度距离;
基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与所述样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换所述初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数;
将最后一次迭代得到的初始寻路算法,作为寻路算法。
可选的,所述基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,包括:
针对所述起始位置范围中的每个位置点,通过寻路算法,计算从所述位置点,到所述巡检结构模型、且对所述巡检结构模型进行巡检的各路径信息,并计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为所述位置点对应的路线信息;
将所有位置点对应的路线信息,作为所述无人机的多个路线信息。
可选的,所述基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息,包括:
针对每个路线信息,基于所述路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到所述无人机的巡检记录信息;
采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围,并基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值;
基于所述路线信息的巡检记录信息的评分值、以及所述任务信息的各任务完成度对应的评分值范围,识别所述路线信息的评分值所属的目标评分值范围,并将所述目标评分值范围对应的任务完成度,作为所述路线信息对应的任务完成进度信息。
可选的,所述基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值,包括:
识别所述巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息;
针对每个结构信息,将所述结构信息对应的各结构图像信息映射至所述结构信息对应的子巡检结构模型中,得到所述结构信息的巡检结构三维图像,并识别所述巡检结构三维图像的完整度;
采集每个结构信息的结构复杂度,并对各所述结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重;
基于所述路线信息对应的各结构信息的采集难度权重,对所述路线信息的各结构信息的完整度进行加权求和处理,得到所述路线信息的综合完整度;
基于所述任务信息的巡检评估策略,识别所述任务信息的每个评分值对应的综合完整度的范围,并基于所述任务信息的路线信息的综合完整度,确定所述任务信息的路线信息的巡检记录信息的评分值。
可选的,所述识别每个任务完成进度信息的任务完成率,包括:
采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别所述任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及所述任务完成度信息对应的各结构信息的巡检结构三维图像的完整度;
识别所述任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围;
基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各所述结构信息的偏差值进行归一化求和处理,得到所述任务完成进度信息的任务完成率。
第二方面,本申请还提供了一种电网无人机巡检路线确定系统。所述系统包括:
获取模块,用于获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;
识别模块,用于识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;
模拟模块,用于针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;
筛选模块,用于识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。
可选的,所述识别模块,具体用于:
提取每个任务信息的主要任务内容,并识别所述主要任务内容对应的所述电网的结构信息、以及每个结构信息中需要巡检的结构范围;
识别所述三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围;
将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
可选的,所述识别模块,具体用于:
针对每个任务信息,基于所述任务信息对应的每个结构信息的子模型范围,识别所述任务信息对应的每个结构信息的子巡检结构模型;
在所述三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系,并将所述任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为所述任务信息对应的巡检结构模型。
可选的,所述系统还包括:
样本获取模块,用于获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的样本路径信息,并通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息;
计算模块,用于分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算所述目标结构范围的各路径信息、与所述目标结构范围对应的样本路径信息之间的相似度距离;
训练模块,用于基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与所述样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换所述初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数;
确定模块,用于将最后一次迭代得到的初始寻路算法,作为寻路算法。
可选的,所述模拟模块,具体用于:
针对所述起始位置范围中的每个位置点,通过寻路算法,计算从所述位置点,到所述巡检结构模型、且对所述巡检结构模型进行巡检的各路径信息,并计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为所述位置点对应的路线信息;
将所有位置点对应的路线信息,作为所述无人机的多个路线信息。
可选的,所述模拟模块,具体用于:
针对每个路线信息,基于所述路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到所述无人机的巡检记录信息;
采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围,并基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值;
基于所述路线信息的巡检记录信息的评分值、以及所述任务信息的各任务完成度对应的评分值范围,识别所述路线信息的评分值所属的目标评分值范围,并将所述目标评分值范围对应的任务完成度,作为所述路线信息对应的任务完成进度信息。
可选的,所述模拟模块,具体用于:
识别所述巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息;
针对每个结构信息,将所述结构信息对应的各结构图像信息映射至所述结构信息对应的子巡检结构模型中,得到所述结构信息的巡检结构三维图像,并识别所述巡检结构三维图像的完整度;
采集每个结构信息的结构复杂度,并对各所述结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重;
基于所述路线信息对应的各结构信息的采集难度权重,对所述路线信息的各结构信息的完整度进行加权求和处理,得到所述路线信息的综合完整度;
基于所述任务信息的巡检评估策略,识别所述任务信息的每个评分值对应的综合完整度的范围,并基于所述任务信息的路线信息的综合完整度,确定所述任务信息的路线信息的巡检记录信息的评分值。
可选的,所述筛选模块,具体用于:
采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别所述任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及所述任务完成度信息对应的各结构信息的巡检结构三维图像的完整度;
识别所述任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围;
基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各所述结构信息的偏差值进行归一化求和处理,得到所述任务完成进度信息的任务完成率。
第三方面,本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质。其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述电网无人机巡检路线确定方法、系统、计算机设备、存储介质和计算机程序产品,通过获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。本方案通过构建电网的三维结构模型,从而识别每个电网巡检任务的任务信息对应的巡检结构模型,然后通过寻路算法计算无人机完成每个任务信息的路线信息,再对无人机进行模拟电网巡检过程,得到每个路线信息对应的任务完成进度信息,最后,再基于每个任务完成进度信息的任务完成率,筛选各任务信息对应的目标路线信息。通过构建三维模型,以及寻路算法,确定无人机的路线信息,然后通过仿真模拟策略,在无人机的各路线信息中,筛选最高任务完成率对应的路线信息作为任务信息对应的目标路线信息,避免了单纯通过人工经验进行无人机控制的低效问题,并且通过模拟无人机执行巡检任务的过程,优化了无人机的路线信息,使得无人机在执行每个任务信息的路线信息的路线长度更短、任务完成度最高,从而综合提升了智能电网巡线的效率。
附图说明
图1为一个实施例中电网无人机巡检路线确定方法的流程示意图;
图2为一个实施例中电网无人机巡检路线确定系统的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的电网无人机巡检路线确定方法,可以应用于电网巡线的应用环境中。其中,该方法可以应用于终端,也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。其中,终端通过构建电网的三维结构模型,从而识别每个电网巡检任务的任务信息对应的巡检结构模型,然后通过寻路算法计算无人机完成每个任务信息的路线信息,再对无人机进行模拟电网巡检过程,得到每个路线信息对应的任务完成进度信息,最后,再基于每个任务完成进度信息的任务完成率,筛选各任务信息对应的目标路线信息。通过构建三维模型,以及寻路算法,确定无人机的路线信息,然后通过仿真模拟策略,在无人机的各路线信息中,筛选最高任务完成率对应的路线信息作为任务信息对应的目标路线信息,避免了单纯通过人工经验进行无人机控制的低效问题,并且通过模拟无人机执行巡检任务的过程,优化了无人机的路线信息,使得无人机在执行每个任务信息的路线信息的路线长度更短、任务完成度最高,从而综合提升了智能电网巡线的效率。
在一个实施例中,如图1所示,提供了一种电网无人机巡检路线确定方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤S101,获取多个电网巡检任务的任务信息、电网的三维结构数据、以及无人机的起点位置范围,并基于电网的三维结构数据,生成电网的三维结构模型。
本实施例中,终端响应于用户的任务上传操作,获取电网巡检任务的多个任务信息,其中,该任务信息为工作人员需要巡检的电网的各结构信息、以及每个结构信息需要进行巡检的范围。然后,终端通过装载点云扫描技术对应的程序的三维扫描设备,对电网结构进行三维扫描处理,得到电网的三维结构数据,其中该三维结构数据包括电网结构的三维结构数据、以及电网结构所处环境的环境三维结构数据。再后,终端获取无人机的起点位置范围,该起点位置范围包括多个位置点。最后,终端基于电网的三维结构数据,生成电网的三维结构模型。其中生成三维结构模型的方式为通过有限元算法进行结构模型生成的方式。具体的生成过程后续将详细说明。
步骤S102,识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在三维结构模型中,识别每个任务信息对应的巡检结构模型。
本实施例中,终端别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息。其中,该巡检范围信息为三维结构模型中该任务信息需要进行巡检的结构信息的子模型范围,巡检结构信息为该电网的各结构信息中需要进行巡检的结构信息。然后,终端基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在三维结构模型中,识别每个任务信息对应的巡检结构模型。其中,该巡检结构模型包括该任务信息需要巡检的结构信息中的巡检的结构范围对应的结构模型。具体的识别过程后续将详细说明。
步骤S103,针对每个任务信息,基于无人机的起点位置范围、以及任务信息对应的巡检结构模型,通过寻路算法,生成无人机的多个路线信息,并基于无人机的多个路线信息、以及电网的三维结构模型,模拟无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息。
本实施例中,终端通过寻路算法,计算从无人机的起点位置范围中每个位置点到任务信息对应的巡检结构模型,并对该巡检结构模型进行训练的路线信息。其中,该寻路算法可以但不限于是蚁群算法、鱼群算法、深度优先搜索算法、迪杰斯特拉算法等。具体的生成过程后续将详细说明。然后,终端基于无人机的多个路线信息、以及电网的三维结构模型,模拟无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息。其中任务完成进度信息用于表征无人机通过该路线信息对电网执行任务信息时的任务完成进度。具体的进度确定过程后续将详细说明。
步骤S104,识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为任务信息对应的目标路线信息。
本实施例中,终端识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为任务信息对应的目标路线信息。其中每个任务完成度信息的任务完成率为该任务完成度信息的路线信息对应的任务信息的任务完成率。
基于上述方案,通过构建电网的三维结构模型,从而识别每个电网巡检任务的任务信息对应的巡检结构模型,然后通过寻路算法计算无人机完成每个任务信息的路线信息,再对无人机进行模拟电网巡检过程,得到每个路线信息对应的任务完成进度信息,最后,再基于每个任务完成进度信息的任务完成率,筛选各任务信息对应的目标路线信息。通过构建三维模型,以及寻路算法,确定无人机的路线信息,然后通过仿真模拟策略,在无人机的各路线信息中,筛选最高任务完成率对应的路线信息作为任务信息对应的目标路线信息,避免了单纯通过人工经验进行无人机控制的低效问题,并且通过模拟无人机执行巡检任务的过程,优化了无人机的路线信息,使得无人机在执行每个任务信息的路线信息的路线长度更短、任务完成度最高,从而综合提升了智能电网巡线的效率。
可选的,识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,包括:提取每个任务信息的主要任务内容,并识别主要任务内容对应的电网的结构信息、以及每个结构信息中需要巡检的结构范围;识别三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围;将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
本实施例中,终端提取每个任务信息的主要任务内容,并识别主要任务内容对应的电网的结构信息、以及每个结构信息中需要巡检的结构范围。然后,终端识别三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围。再后,终端将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
基于上述方案,通过识别每个任务信息对应的各结构信息的子模型范围,从而给确定每个任务信息的巡检范围信息,并将每个任务信息对应的各结构信息,作为每个任务信息的巡检结构信息,提升了识别每个任务信息的巡检范围信息和巡检结构信息的效率。
可选的,基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在三维结构模型中,识别每个任务信息对应的巡检结构模型,包括:针对每个任务信息,基于任务信息对应的每个结构信息的子模型范围,识别任务信息对应的每个结构信息的子巡检结构模型;在三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系,并将任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为任务信息对应的巡检结构模型。
本实施例中,终端针对每个任务信息,基于该任务信息对应的每个结构信息的子模型范围,识别任务信息对应的每个结构信息的子巡检结构模型。其中,该咨询件结构模型,为三维结构模型中各结构信息对应的三维结构模型。然后,终端在三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系。其中,三维相对位置关系用于表征两个子巡检结构模型之间的空间相对距离,以及两个子巡检结构模型之间相隔的结构信息的数目。再后,终端将任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为该任务信息对应的巡检结构模型。
基于上述方案,通过识别任务信息对应的各结构信息的咨询件结构模型,和每个子巡检结构模型之间的三维相对位置关系,从而确定任务信息对应的巡检结构模型,提升了确定的巡检结构模型的全面性。
可选的,基于无人机的起点位置范围、以及任务信息对应的巡检结构模型,通过寻路算法,生成无人机的多个路线信息之前,还包括:获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的样本路径信息,并通过初始寻路算法,分别计算从样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的路径信息;分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算目标结构范围的各路径信息、与目标结构范围对应的样本路径信息之间的相似度距离;基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数;将最后一次迭代得到的初始寻路算法,作为寻路算法。
本实施例中,终端获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的样本路径信息。其中,样本起始位置范围、样本三维结构模型中的目标结构范围、以及样本路径信息可以为历史数据库中,对不同电网结构进行巡检得到的各起始位置范围、三维结构模型中的目标结构范围、以及路径信息。
然后,终端通过初始寻路算法,分别计算从样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的路径信息。终端分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算目标结构范围的各路径信息、与目标结构范围对应的样本路径信息之间的相似度距离。其中,该相似度距离对应的算法为相似度距离算法,该相似度距离算法包括但不限于是欧式距离算法、以及马氏距离算法等。
再后,终端基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从样本起始位置范围中的每个位置点,到各目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数。其中偏差阈值、距离阈值、以及迭代次数均为工作人员预设于终端的信息。最后,终端将最后一次迭代得到的初始寻路算法,作为寻路算法。
基于上述方案,通过各样本信息对应初始寻路算法进行训练,得到寻路算法,提升了寻路算法的生成的路径信息的精准度。
可选的,基于无人机的起点位置范围、以及任务信息对应的巡检结构模型,通过寻路算法,生成无人机的多个路线信息,包括:针对起始位置范围中的每个位置点,通过寻路算法,计算从位置点,到巡检结构模型、且对巡检结构模型进行巡检的各路径信息,并计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为位置点对应的路线信息;将所有位置点对应的路线信息,作为无人机的多个路线信息。
本实施例中,终端针对起始位置范围中的每个位置点,通过寻路算法,计算从位置点,到巡检结构模型、且对巡检结构模型进行巡检的各路径信息。
然后,终端计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为位置点对应的路线信息。最后,终端将所有位置点对应的路线信息,作为无人机的多个路线信息。
基于上述方案,通过计算每个位置点对应的路径信息中最短路径长度对应的路径信息,得到无人机的多个路线信息,提升了路线信息的巡检效率。
可选的,基于无人机的多个路线信息、以及电网的三维结构模型,模拟无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息,包括:针对每个路线信息,基于路线信息、以及电网的三维结构模型,模拟无人机的电网巡检过程,得到无人机的巡检记录信息;采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围,并基于路线信息对应的任务信息的巡检评估策略,对巡检记录信息进行评估处理,得到路线信息的巡检记录信息的评分值;基于路线信息的巡检记录信息的评分值、以及任务信息的各任务完成度对应的评分值范围,识别路线信息的评分值所属的目标评分值范围,并将目标评分值范围对应的任务完成度,作为路线信息对应的任务完成进度信息。
本实施例中,终端针对每个路线信息,基于路线信息、以及电网的三维结构模型,模拟无人机的电网巡检过程,得到无人机的巡检记录信息。其中,模拟方式为将电网三维结构模型、以及无人机的各路线信息、电网样本三维图像,输入仿真程序,从而仿真无人机执行电网巡检过程,得到无人机的巡检记录信息。其中,该电网样本三维图像为对基于电网三维结构模型中的各面用不同颜色进行填充得到的多色填充三维图像。
终端响应于用户的任务信息评估策略上传操作,采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围。然后,终端基于路线信息对应的任务信息的巡检评估策略,对巡检记录信息进行评估处理,得到路线信息的巡检记录信息的评分值。具体的评估处理过程后续将详细说明。终端基于路线信息的巡检记录信息的评分值、以及任务信息的各任务完成度对应的评分值范围,识别路线信息的评分值所属的目标评分值范围,并将目标评分值范围对应的任务完成度,作为路线信息对应的任务完成进度信息。
基于上述方案,通过模拟无人机的路线信息,从而得到各路线信息对应的巡检记录信息,并对该巡检记录信息进行评价,得到路线信息对应的任务完成进度信息,提升了得到的任务完成进度信息的精准度和效率。
可选的,基于路线信息对应的任务信息的巡检评估策略,对巡检记录信息进行评估处理,得到路线信息的巡检记录信息的评分值,包括:识别巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息;针对每个结构信息,将结构信息对应的各结构图像信息映射至结构信息对应的子巡检结构模型中,得到结构信息的巡检结构三维图像,并识别巡检结构三维图像的完整度;采集每个结构信息的结构复杂度,并对各结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重;基于路线信息对应的各结构信息的采集难度权重,对路线信息的各结构信息的完整度进行加权求和处理,得到路线信息的综合完整度;基于任务信息的巡检评估策略,识别任务信息的每个评分值对应的综合完整度的范围,并基于任务信息的路线信息的综合完整度,确定任务信息的路线信息的巡检记录信息的评分值。
本实施例中,终端识别巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息。其中,该结构图像信息包括不同视角,不同位置采集的结构图像信息。该结构图像信息为该结构信息的二维图像信息。终端针对每个结构信息,将结构信息对应的各结构图像信息映射至结构信息对应的子巡检结构模型中,得到结构信息的巡检结构三维图像,并识别巡检结构三维图像的完整度。其中,该完整度为巡检结构三维图像中没有图像覆盖的结构的范围与该结构信息的所有结构范围的比值。
终端采集每个结构信息的结构复杂度,并对各结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重。终端基于路线信息对应的各结构信息的采集难度权重,对路线信息的各结构信息的完整度进行加权求和处理,得到路线信息的综合完整度。然后,终端基于任务信息的巡检评估策略,识别任务信息的每个评分值对应的综合完整度的范围,并基于任务信息的路线信息的综合完整度,确定任务信息的路线信息的巡检记录信息的评分值。
基于上述方案,通过识别采集的所有结构信息的三维巡检图像的综合完整度确定每个巡检记录信息的评分值,提升了确定的评分值的精准度。
可选的,识别每个任务完成进度信息的任务完成率,包括:采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及任务完成度信息对应的各结构信息的巡检结构三维图像的完整度;识别任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围;基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各结构信息的偏差值进行归一化求和处理,得到任务完成进度信息的任务完成率。
本实施例中,终端采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及任务完成度信息对应的各结构信息的巡检结构三维图像的完整度。然后,终端识别任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围。其中,不同的任务目标信息对不同结构信息的图像完整度需求信息不同,该图像完整度需求信息对应的图像完整度范围按照从小到大的顺序排列包括0-20%、20-50%、50-70%、70-100%。然后,终端基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各结构信息的偏差值进行归一化求和处理,得到任务完成进度信息的任务完成率。
基于上述方案,通过基于不同任务信息的任务目标信息,从而确定每个任务完成进度信息的任务完成率,提升了识别任务完成率的精准度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电网无人机巡检路线确定方法的电网无人机巡检路线确定系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电网无人机巡检路线确定系统实施例中的具体限定可以参见上文中对于电网无人机巡检路线确定方法的限定,在此不再赘述。
在一个实施例中,如图2所示,提供了一种电网无人机巡检路线确定系统,包括:获取模块210、识别模块220、模拟模块230和筛选模块240,其中:
获取模块210,用于获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;
识别模块220,用于识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;
模拟模块230,用于针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;
筛选模块240,用于识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。
可选的,所述识别模块220,具体用于:
提取每个任务信息的主要任务内容,并识别所述主要任务内容对应的所述电网的结构信息、以及每个结构信息中需要巡检的结构范围;
识别所述三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围;
将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
可选的,所述识别模块220,具体用于:
针对每个任务信息,基于所述任务信息对应的每个结构信息的子模型范围,识别所述任务信息对应的每个结构信息的子巡检结构模型;
在所述三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系,并将所述任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为所述任务信息对应的巡检结构模型。
可选的,所述系统还包括:
样本获取模块,用于获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的样本路径信息,并通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息;
计算模块,用于分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算所述目标结构范围的各路径信息、与所述目标结构范围对应的样本路径信息之间的相似度距离;
训练模块,用于基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与所述样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换所述初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数;
确定模块,用于将最后一次迭代得到的初始寻路算法,作为寻路算法。
可选的,所述模拟模块230,具体用于:
针对所述起始位置范围中的每个位置点,通过寻路算法,计算从所述位置点,到所述巡检结构模型、且对所述巡检结构模型进行巡检的各路径信息,并计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为所述位置点对应的路线信息;
将所有位置点对应的路线信息,作为所述无人机的多个路线信息。
可选的,所述模拟模块230,具体用于:
针对每个路线信息,基于所述路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到所述无人机的巡检记录信息;
采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围,并基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值;
基于所述路线信息的巡检记录信息的评分值、以及所述任务信息的各任务完成度对应的评分值范围,识别所述路线信息的评分值所属的目标评分值范围,并将所述目标评分值范围对应的任务完成度,作为所述路线信息对应的任务完成进度信息。
可选的,所述模拟模块230,具体用于:
识别所述巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息;
针对每个结构信息,将所述结构信息对应的各结构图像信息映射至所述结构信息对应的子巡检结构模型中,得到所述结构信息的巡检结构三维图像,并识别所述巡检结构三维图像的完整度;
采集每个结构信息的结构复杂度,并对各所述结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重;
基于所述路线信息对应的各结构信息的采集难度权重,对所述路线信息的各结构信息的完整度进行加权求和处理,得到所述路线信息的综合完整度;
基于所述任务信息的巡检评估策略,识别所述任务信息的每个评分值对应的综合完整度的范围,并基于所述任务信息的路线信息的综合完整度,确定所述任务信息的路线信息的巡检记录信息的评分值。
可选的,所述筛选模块240,具体用于:
采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别所述任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及所述任务完成度信息对应的各结构信息的巡检结构三维图像的完整度;
识别所述任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围;
基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各所述结构信息的偏差值进行归一化求和处理,得到所述任务完成进度信息的任务完成率。
上述电网无人机巡检路线确定系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电网无人机巡检路线确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入系统可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种电网无人机巡检路线确定方法,其特征在于,所述方法包括:
获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;
识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;
针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;
识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。
2.根据权利要求1所述的方法,其特征在于,所述识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,包括:
提取每个任务信息的主要任务内容,并识别所述主要任务内容对应的所述电网的结构信息、以及每个结构信息中需要巡检的结构范围;
识别所述三维结构模型中的各结构信息的子结构模型,并基于每个结构信息中需要巡检的结构范围,识别每个结构信息的子结构模型中,每个结构信息的结构范围对应的子模型范围;
将每个子模型范围,作为每个任务信息的巡检范围信息,并将每个任务信息对应的结构信息,作为每个任务信息的巡检结构信息。
3.根据权利要求2所述的方法,其特征在于,所述基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型,包括:
针对每个任务信息,基于所述任务信息对应的每个结构信息的子模型范围,识别所述任务信息对应的每个结构信息的子巡检结构模型;
在所述三维结构模型中,识别每个子巡检结构模型之间的三维相对位置关系,并将所述任务信息对应的各子巡检结构模型、以及每个子巡检结构模型之间的三维相对位置关系,作为所述任务信息对应的巡检结构模型。
4.根据权利要求1所述的方法,其特征在于,所述基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息之前,还包括:
获取样本起始位置范围、样本三维结构模型中的多个目标结构范围、以及所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的样本路径信息,并通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息;
分别计算每个路径信息的路径长度,并针对每个目标结构范围,计算所述目标结构范围的各路径信息、与所述目标结构范围对应的样本路径信息之间的相似度距离;
基于每个路径信息的路径长度、以及每个路径信息对应的相似度距离,筛选路径长度与所述样本路径信息的路径长度的偏差值低于偏差阈值、且相似度距离低于距离阈值的目标路径信息对应的初始寻路算法的算法参数,替换所述初始寻路算法的算法参数范围,并返回执行通过初始寻路算法,分别计算从所述样本起始位置范围中的每个位置点,到各所述目标结构范围、且对每个目标结构范围进行巡检的路径信息,直到满足预设迭代次数;
将最后一次迭代得到的初始寻路算法,作为寻路算法。
5.根据权利要求4所述的方法,其特征在于,所述基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,包括:
针对所述起始位置范围中的每个位置点,通过寻路算法,计算从所述位置点,到所述巡检结构模型、且对所述巡检结构模型进行巡检的各路径信息,并计算每个路径信息的路径长度,筛选最短路径长度的路径长度对应的路径信息,作为所述位置点对应的路线信息;
将所有位置点对应的路线信息,作为所述无人机的多个路线信息。
6.根据权利要求1所述的方法,其特征在于,所述基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息,包括:
针对每个路线信息,基于所述路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到所述无人机的巡检记录信息;
采集每个任务信息对应的巡检评估策略、以及每个任务信息的各任务完成度对应的评分值范围,并基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值;
基于所述路线信息的巡检记录信息的评分值、以及所述任务信息的各任务完成度对应的评分值范围,识别所述路线信息的评分值所属的目标评分值范围,并将所述目标评分值范围对应的任务完成度,作为所述路线信息对应的任务完成进度信息。
7.根据权利要求6所述的方法,其特征在于,所述基于所述路线信息对应的任务信息的巡检评估策略,对所述巡检记录信息进行评估处理,得到所述路线信息的巡检记录信息的评分值,包括:
识别所述巡检记录信息中对每个结构信息的子巡检记录信息,并识别每个子巡检记录信息的结构图像信息;
针对每个结构信息,将所述结构信息对应的各结构图像信息映射至所述结构信息对应的子巡检结构模型中,得到所述结构信息的巡检结构三维图像,并识别所述巡检结构三维图像的完整度;
采集每个结构信息的结构复杂度,并对各所述结构信息的结构复杂度进行归一化处理,得到每个结构信息的采集难度权重;
基于所述路线信息对应的各结构信息的采集难度权重,对所述路线信息的各结构信息的完整度进行加权求和处理,得到所述路线信息的综合完整度;
基于所述任务信息的巡检评估策略,识别所述任务信息的每个评分值对应的综合完整度的范围,并基于所述任务信息的路线信息的综合完整度,确定所述任务信息的路线信息的巡检记录信息的评分值。
8.根据权利要求7所述的方法,其特征在于,所述识别每个任务完成进度信息的任务完成率,包括:
采集每个任务信息的任务目标信息,并针对每个任务完成进度信息,识别所述任务完成进度信息的路线信息对应的任务信息的任务目标信息、以及所述任务完成度信息对应的各结构信息的巡检结构三维图像的完整度;
识别所述任务目标信息对每个结构信息的图像完整度需求信息,并基于每个结构信息的图像完整度需求信息,识别每个结构信息的图像完整度范围;
基于每个结构信息的巡检结构三维图像的完整度、以及每个结构信息的图像完整度范围,计算每个结构信息的完整度与每个结构信息的图像完整度范围的偏差值,并将各所述结构信息的偏差值进行归一化求和处理,得到所述任务完成进度信息的任务完成率。
9.一种电网无人机巡检路线确定系统,其特征在于,所述系统包括:
获取模块,用于获取多个电网巡检任务的任务信息、所述电网的三维结构数据、以及无人机的起点位置范围,并基于所述电网的三维结构数据,生成所述电网的三维结构模型;
识别模块,用于识别每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,并基于每个任务信息对应的巡检范围信息、以及每个任务信息的巡检结构信息,在所述三维结构模型中,识别每个任务信息对应的巡检结构模型;
模拟模块,用于针对每个任务信息,基于所述无人机的起点位置范围、以及所述任务信息对应的巡检结构模型,通过寻路算法,生成所述无人机的多个路线信息,并基于所述无人机的多个路线信息、以及所述电网的三维结构模型,模拟所述无人机的电网巡检过程,得到每个路线信息对应的任务完成进度信息;
筛选模块,用于识别每个任务完成进度信息的任务完成率,并筛选最高任务完成率的任务完成进度信息对应的路线信息,作为所述任务信息对应的目标路线信息。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606745.8A CN117631682A (zh) | 2023-11-28 | 2023-11-28 | 电网无人机巡检路线确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606745.8A CN117631682A (zh) | 2023-11-28 | 2023-11-28 | 电网无人机巡检路线确定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117631682A true CN117631682A (zh) | 2024-03-01 |
Family
ID=90021098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311606745.8A Pending CN117631682A (zh) | 2023-11-28 | 2023-11-28 | 电网无人机巡检路线确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117631682A (zh) |
-
2023
- 2023-11-28 CN CN202311606745.8A patent/CN117631682A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Long et al. | Mapping block-level urban areas for all Chinese cities | |
CN108304761A (zh) | 文本检测方法、装置、存储介质和计算机设备 | |
CN107766573B (zh) | 基于数据处理的商品推荐方法、装置、设备和存储介质 | |
CN114462723B (zh) | 基于高空风资源影响的云层迁移分钟级光伏功率预测方法 | |
CN107798636A (zh) | 楼盘信息处理方法、装置、计算机设备及存储介质 | |
CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN114549849A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN115759291B (zh) | 一种基于集成学习的空间非线性回归方法及系统 | |
CN116415957A (zh) | 异常交易对象识别方法、装置、计算机设备和存储介质 | |
CN117631682A (zh) | 电网无人机巡检路线确定方法和系统 | |
CN116258923A (zh) | 图像识别模型训练方法、装置、计算机设备和存储介质 | |
CN115883172A (zh) | 异常监测方法、装置、计算机设备和存储介质 | |
Karmshahi et al. | Application of an integrated CA-Markov model in simulating spatiotemporal changes in forest cover: a case study of Malekshahi county forests, Ilam province | |
CN112581250B (zh) | 模型生成方法、装置、计算机设备和存储介质 | |
CN113971348A (zh) | 一种基于综合能源系统的源端功率短期预测方法 | |
CN114821013B (zh) | 基于点云数据的基元检测方法、装置和计算机设备 | |
CN117424198A (zh) | 基于数据知识联合驱动的电力负荷预测方法和装置 | |
CN117436484A (zh) | 图像识别模型构建、装置、计算机设备和存储介质 | |
CN117435910A (zh) | 一种异常数据的检测方法、装置、计算机设备 | |
CN117540915A (zh) | 基于大数据技术的选型方案生成方法、装置、设备和介质 | |
CN117152532A (zh) | 输电线路区段标注方法、装置、计算机设备和存储介质 | |
CN117826277A (zh) | 降水预测方法、装置、计算机设备和存储介质 | |
CN116612474A (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 | |
CN116781536A (zh) | 流量预测方法、装置、设备、存储介质和程序产品 | |
CN117909739A (zh) | 模型监控方法、装置、计算机设备和存储介质 |
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 |