CN118572559A - 一种电力线路设施无人巡检方法及装置 - Google Patents
一种电力线路设施无人巡检方法及装置 Download PDFInfo
- Publication number
- CN118572559A CN118572559A CN202411026350.5A CN202411026350A CN118572559A CN 118572559 A CN118572559 A CN 118572559A CN 202411026350 A CN202411026350 A CN 202411026350A CN 118572559 A CN118572559 A CN 118572559A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- inspection
- point
- determining
- matrix
- 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 286
- 238000000034 method Methods 0.000 title claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims description 137
- 239000013598 vector Substances 0.000 claims description 91
- 238000011156 evaluation Methods 0.000 claims description 79
- 238000013519 translation Methods 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000010606 normalization Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 31
- 238000000354 decomposition reaction Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 11
- 230000001131 transforming effect Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 62
- 239000000306 component Substances 0.000 description 49
- 238000004422 calculation algorithm Methods 0.000 description 14
- 239000012212 insulator Substances 0.000 description 11
- 238000001931 thermography Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101100379079 Emericella variicolor andA gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种电力线路设施无人巡检方法及装置,本申请属于电力巡检技术领域。该方法包括:获取无人机采集的电力线路设施的第一点云以及图像数据,根据图像数据确定电力线路设施的第二点云,对第一点云和第二点云进行点云配准,并建立电力线路设施的三维模型,根据三维模型以及预设的巡检需求确定无人机的巡检方案,并将巡检方案发送至无人机。本方案通过点云配准生成的三维模型能够精确地反映电力线路设施的实际情况,从而提高巡检的精度和可靠性。根据三维模型和预设的巡检需求自动制定巡检方案,减少人工干预,降低人力成本,提高巡检效率以及巡检安全性。
Description
技术领域
本申请涉及电力巡检技术领域,尤其涉及一种电力线路设施无人巡检方法及装置。
背景技术
电力线路设施是电力系统的核心组成部分,其运行状态直接影响到电能的传输和分配。通过定期巡检,可以及时发现并处理电力线路设施中的故障和隐患,确保电力系统的正常运行。
如今巡检人员会根据任务要求,到达指定的巡检点对电力线路设施进行逐一检查,他们会使用测量工具对关键参数进行测量,例如导线张力以及绝缘子电阻等。在巡检过程中,如果巡检人员发现异常情况,会将异常情况进行记录,并通知维修人员进行维修。
但通过人工巡检效率很低,并且人力成本也较高,同时巡检人员需要面对各种复杂和危险的环境,降低了巡检安全性。
发明内容
本申请提供了一种电力线路设施无人巡检方法及装置,解决了通过人工巡检电力线路设施效率很低,并且人力成本也较高,同时巡检人员需要面对各种复杂和危险的环境,降低了巡检安全性的问题。
根据本申请的第一方面,提供了一种电力线路设施无人巡检方法,该方法包括:
获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;
根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点,为第二点云的点的总数量;
根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;
根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量;
若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
进一步的,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,包括:
将所述第一质心以及所述第二质心输入至预设的归一化公式,对第一点云以及第二点云中的每个点进行归一化处理;其中,预设的归一化公式为:
;
其中,为第一点云的第i个点;为归一化后的第一点云的第i个点;为第一质心;为第二点云的第i个点;为归一化后的第二点云的第i个点;为第二质心。
进一步的,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,包括:
确定归一化处理后的第一点云与归一化处理后的第二点云之间的对应点对;
根据所述对应点对以及预设的第一矩阵构建公式确定第一矩阵;其中,预设的第一矩阵构建公式为:
;
其中,C为第一矩阵;N为点对 (,) 的数量;为的转置,即行向量;
对第一矩阵进行SVD分解,得到第一矩阵的奇异值分解;其中,对第一矩阵进行SVD分解的过程包括:
;
其中,U为左奇异向量矩阵;V为右奇异向量矩阵;为对角矩阵;为右奇异向量矩阵的转置矩阵;
根据第一矩阵的奇异值分解计算旋转矩阵以及平移向量;其中,计算过程包括:
。
进一步的,在确定所述评价函数值是否达到预设的收敛条件之后,所述方法还包括:
若所述评价函数值未达到预设的收敛条件,确定归一化处理后的第一点云与第三点云之间的对应点对;
根据所述对应点对以及预设的第一矩阵构建公式重新确定第一矩阵;其中,预设的第一矩阵构建公式为:
;
其中,C为第一矩阵;N为点对 (pi,qi) 的数量;为qi的转置,即行向量;
对第一矩阵重新进行SVD分解,得到第一矩阵的奇异值分解;其中,对第一矩阵进行SVD分解的过程包括:
;
其中,U为左奇异向量矩阵;V为右奇异向量矩阵;为右奇异向量矩阵的转置矩阵;
根据第一矩阵的奇异值分解重新计算旋转矩阵以及平移向量;其中,计算过程包括:
;
根据旋转矩阵以及平移向量对第三点云进行更新,若根据预设的评价函数计算公式计算的归一化处理后的第一点云与更新后的第三点云之间的评价函数值仍未达到预设的收敛条件,重新计算归一化处理后的第一点云与更新后的第三点云之间的对应点对,并持续对第三点云进行更新,直至根据预设的评价函数计算公式计算的归一化处理后的第一点云与更新后的第三点云之间的评价函数值达到预设的收敛条件。
进一步的,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,包括:
根据预设的巡检需求确定巡检区域、巡检区域中的各巡检部件以及巡检数据采集任务;其中,所述巡检区域包括巡检起点以及巡检终点;
根据所述三维模型确定各巡检部件的巡检部件位置以及巡检区域中的障碍物位置;
根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径;
根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式;
根据所述巡检方式以及所述巡检路径确定无人机的巡检方案。
进一步的,根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径,包括:
识别所述巡检区域的地形信息,根据所述地形信息、所述巡检部件位置以及所述障碍物位置将巡检区域划分为至少两个巡检层;
根据所述巡检起点、所述巡检部件位置、所述障碍物位置以及所述巡检终点确定无人机在每个巡检层的航迹线;
根据无人机在每个巡检层的航迹线确定无人机的巡检路径。
进一步的,根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式,包括:
根据所述巡检数据采集任务确定各巡检部件的目标采集任务;
根据所述目标采集任务确定无人机的目标采集部件以及采集参数;
根据所述目标采集部件以及采集参数确定无人机对各巡检部件的巡检方式。
进一步的,在将所述巡检方案发送至无人机之后,所述方法还包括:
接收无人机传输的各巡检部件的巡检数据,确定所述巡检数据的数据类型;
若所述巡检数据为图像数据,则根据所述图像数据确定对应的目标采集任务;
根据所述目标采集任务确定目标识别方法,根据所述目标识别方法识别对应的图像数据,确定是否存在异常信息;
若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
进一步的,在确定所述巡检数据的数据类型之后,所述方法还包括:
若所述巡检数据为非图像数据,根据所述非图像数据确定对应的目标采集任务;
根据所述目标采集任务确定对应的目标阈值,根据所述非图像数据以及对应的目标阈值确定是否存在异常信息;
若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
根据本申请的第二方面,提供了一种电力线路设施无人巡检装置,用于实现第一方面所述的一种电力线路设施无人巡检方法所述装置包括:
数据采集模块,用于获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;
质心确定模块,用于根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点,为第二点云的点的总数量;
点云变换模块,用于根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;
条件判定模块,用于根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量;
巡检方案确定模块,用于若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
本申请实施例中,获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。通过上述电力线路设施无人巡检方法,通过点云配准生成的三维模型能够精确地反映电力线路设施的实际情况,从而提高巡检的精度和可靠性。根据三维模型和预设的巡检需求自动制定巡检方案,减少人工干预,降低人力成本,提高巡检效率以及巡检安全性。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案,不构成对本申请的限定在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1是本申请实施例一提供的一种电力线路设施无人巡检方法的流程示意图;
图2是本申请实施例二提供的一种电力线路设施无人巡检方法的流程示意图;
图3是本申请实施例三提供的一种电力线路设施无人巡检方法的流程示意图;
图4是本申请实施例四提供的一种电力线路设施无人巡检装置的结构示意图。
具体实施方式
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全部其他实施例,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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的电力线路设施无人巡检方法进行详细地说明。
实施例一:图1是本申请实施例一提供的一种电力线路设施无人巡检方法的流程示意图。如图1所示,具体包括如下步骤:
S101,获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云。
首先,本方案的使用场景可以是控制端获取无人机采集的电力线路设施的第一点云数据和图像数据,并从图像数据确定第二点云数据,将第一点云数据以及第二点云数据进行点云配准后建立电力线路设施的三维模型,并根据三维模型和预设的巡检需求制定无人机的巡检方案的场景。
基于上述使用场景,可以理解的,本申请的执行主体可以是集成分析数据功能、建立模型功能以及确定巡检方案功能的电力线路设施无人巡检装置,此处不做过多的限定。
本方案中,控制端可以是整个系统的核心,负责从数据接收、处理、分析到模型建立和任务下达的全部过程。它确保了无人机能够准确地执行电力线路设施的巡检任务。
无人机可以是一种无人驾驶的航空器,可以通过远程控制或自主飞行。无人机配备了各种传感器和摄像设备,用于采集数据,例如图像、视频和点云数据,用来巡检和监控电力设施。
电力线路设施可以包括输电线路、电杆、电塔、变电站及其相关设备。无人机在飞行过程中会采集这些设施的图像和点云数据,以便进行检测和维护。
第一点云可以是指无人机飞行时采集到的电力线路设施的三维点云数据。点云数据可以是由大量的空间点组成的,可以由激光雷达或立体视觉技术生成,这些点代表了电力线路设施及其周围环境的三维空间信息。
图像数据可以是指无人机在飞行过程中采集的照片或视频,具体的,这些图像可以是可见光图像,也可以是红外图像或其他波段的图像。
第二点云可以是通过处理无人机采集到的图像数据生成的三维点云。
无人机在飞行过程中,可以通过其传感器和摄像设备,采集电力线路设施的第一点云和图像数据。其中,第一点云可以由激光雷达或立体视觉技术生成,表示电力线路设施及其周围环境的三维结构。图像数据可以是无人机拍摄的高分辨率图像或视频,提供电力设施的细节信息。然后将采集到的第一点云和图像数据通过无线通信链路传输到控制端,控制端接收并存储这些数据。然后控制端可以使用图像处理算法对图像数据进行处理,具体的,可以利用计算机视觉技术从图像中提取关键特征点。然后匹配图像中的特征点,建立空间关系,并基于多视图几何和密集匹配技术,将多张图像数据转换为第二点云。
S102,根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点;N2为第二点云的点的总数量。
第一质心可以是根据第一点云计算出的质心,表示第一点云的几何中心。
第二质心可以是根据第二点云计算出的质心,表示第二点云的几何中心。
对于第一点云Q中的每一个点,其中i从1到,将其坐标求和。最后,将这个和除以点的总数量,得到第一质心的坐标。对于第二点云P中的每一个点,其中i从1到,将其坐标求和。最后,将这个和除以点的总数量,得到第二质心的坐标。
S103,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云。
旋转矩阵可以是一个3x3的矩阵,用于描述三维空间中的旋转,具体的,可以是一个正交矩阵,满足R^T * R = I(I是单位矩阵),并且它的行列式为1(det(R) = 1)。旋转矩阵R的每一列都是单位向量,并且这些列向量相互正交。
平移向量T是一个3x1的向量,用于描述三维空间中的平移,具体的,平移向量T可以是一个简单的三维向量,表示在x、y和z方向上的平移量。
第三点云可以是通过将归一化后的第二点云应用旋转矩阵以及平移向量得到的点云。
可以使用计算出的质心对两个点云进行归一化。归一化的目的是将点云的几何中心移动到坐标系的原点,具体的,可以从每个点的坐标中减去对应点云的质心坐标。这样,归一化后的点云将以其质心为原点。然后可以使用迭代最近点算法,通过迭代的方式找到两个点云之间的最佳对齐,即最小化对应点之间的距离。在每次迭代中,算法会找到两个点云之间的最近点对应,并根据这些对应点计算出一个旋转矩阵和一个平移向量,用于将一个点云对齐到另一个点云。使用旋转矩阵和平移向量,对归一化后的第二点云进行变换,具体的,可以先将每个点的坐标乘以旋转矩阵,然后加上平移向量。这样,第二点云就被变换到了一个与第一点云更对齐的位置,从而得到第三点云。
在上述技术方案的基础上,可选的,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,包括:
将所述第一质心以及所述第二质心输入至预设的归一化公式,对第一点云以及第二点云中的每个点进行归一化处理;其中,预设的归一化公式为:
;
其中,为第一点云的第i个点;为归一化后的第一点云的第i个点;为第一质心;为第二点云的第i个点;为归一化后的第二点云的第i个点;为第二质心。
本方案中,归一化的目的是将第一点云以及第二点云中的所有点移动到以第一质心和第二质心为原点的坐标系中,即将点云移至中心点。当确定第一质心和第二质心后,可以将第一点云和第二点云的所有点都通过预设的归一化公式进行运算,然后得到归一化后的第一点云和归一化后的第二点云。
本方案中,对点云数据进行归一化,可以消除平移变换对后续算法的影响。
在上述技术方案的基础上,可选的,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,包括:
确定归一化处理后的第一点云与归一化处理后的第二点云之间的对应点对;
根据所述对应点对以及预设的第一矩阵构建公式确定第一矩阵;其中,预设的第一矩阵构建公式为:
;
其中,C为第一矩阵;N为点对 (,) 的数量;为的转置,即行向量;
对第一矩阵进行SVD分解,得到第一矩阵的奇异值分解;其中,对第一矩阵进行SVD分解的过程包括:
;
其中,U为左奇异向量矩阵;V为右奇异向量矩阵;为对角矩阵;为右奇异向量矩阵的转置矩阵;
根据第一矩阵的奇异值分解计算旋转矩阵以及平移向量;其中,计算过程包括:
。
本方案中,对应点对可以是归一化处理后的第一点云与归一化处理后的第二点云之间处于相同或相近的三维位置的点对。
对于归一化处理后的第一点云中的每个点,可以在归一化处理后的第二点云找到与其欧氏距离最近的点,以确定归一化处理后的第一点云与归一化处理后的第二点云之间的对应点对。
第一矩阵可以是将归一化处理后的第二点云对齐到归一化处理后的第一点云的变换矩阵。
预设的第一矩阵构建公式计算了一个矩阵,其中每一列是与对应的相乘的结果的累加。
奇异值分解可以是一种将矩阵分解为其奇异向量和奇异值的方法。
左奇异向量矩阵可以是一个正交矩阵,其列向量称为左奇异向量。
右奇异向量矩阵可以是一个正交矩阵,其列向量称为右奇异向量。
对角矩阵的对角线上的元素是 C 的奇异值。这些奇异值是非负的,并且按降序排列。奇异值的大小反映了对应奇异向量在矩阵 C 中的重要性,较大的奇异值对应于更重要的特征方向。
右奇异向量矩阵的转置矩阵可以是右奇异向量矩阵的转置。在SVD分解中,它用于将 右奇异向量矩阵 中的行向量转换为列向量,以便与对角矩阵和左奇异向量矩阵相乘,从而重构第一矩阵。
SVD的目标是将第一矩阵分解为三个矩阵的乘积,即U, Σ, 和 V^T的乘积,为了找到U和V,需要计算C的转置乘以C(·C)和C乘以C的转置(C·)。这两个结果分别是nx n和m x m的矩阵,其中n和m分别是C的行数和列数。接下来,可以分别计算·C和C·的特征值和特征向量。这些特征向量将构成U和V的列。对于·C,它的特征向量将构成U的列,而对应的特征值的平方根将构成Σ的对角线元素。对于C·,它的特征向量将构成V的列,而对应的特征值的平方根也将构成Σ的对角线元素(与U中的排序相匹配)。然后构造U, Σ,和V,具体的,U是一个m x m的正交矩阵,其列是·C的特征向量。Σ是一个m xn的矩阵,除了对角线元素,即奇异值外,其余元素都是0。对角线上的奇异值是·C和C·的特征值的平方根,并且如果m > n,则Σ的底部m-n行都是0。V是一个n x n的正交矩阵,其列是C· 的特征向量。最后,可以验证U,Σ,是否等于原始矩阵C,具体的,可以通过计算两个矩阵之间的差并检查其范数是否足够小来完成。
通过将 V 和,可以得到旋转矩阵 R,它可以将点集 P 旋转到与点集 Q 尽可能对齐的位置。平移向量 T 描述了如何将旋转后的点集 P 平移到点集 Q 的位置,具体的,可以是通过计算第一质心和第二质心之间的差值来实现的,即平移向量 T 是使得 R+T尽可能接近的那个向量。
本方案中,通过旋转矩阵和平移向量,可以将两个不同坐标系下的点云或物体精确地对齐到同一个坐标系下。
S104,根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量。
评价函数值可以是用于量化两个点云之间的对齐程度,具体的,可以是计算对应点之间的欧氏距离的平方和的平均值。评价函数值越小,表示两个点云之间的对齐程度越好,即对应点之间的距离越近。
在预设的收敛条件中,若评价函数值小于预设的阈值,则视为达到了收敛条件,具体的,阈值可以根据应用的需求和点云的特性来设定。
对于每个目标点 q 和其对应的变换后的源点 p',可以计算它们之间的欧氏距离的平方,将所有对应点对之间的距离平方累加起来,得到总的距离平方和。最后将总的距离平方和除以点的数量,然后乘以 1/2,得到评价函数值。得到评价函数值后,可以将评价函数值与预设的收敛条件作比较。
S105,若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
电力线路设施的三维模型可以是一个基于点云数据创建的数字化三维模型,表示电力线路及其相关设施的详细结构,具体的,可以包括输电塔、导线、绝缘子、交叉臂以及紧固件等电力线路的各个组成部分。
预设的巡检需求可以是预先定义的关于巡检的具体要求和目标,具体的,可以包括检测目标,即需要重点检查的电力设施部分,例如导线连接点、绝缘子是否破损以及塔架结构是否完整等。精度要求,即数据采集的精度要求,可以包括图像分辨率和点云密度等。
巡检方案可以是根据三维模型和预设的巡检需求,制定的具体无人机巡检任务计划,具体的,可以包括飞行路径,即无人机的飞行路线规划,确保覆盖所有需要巡检的电力设施部分。任务计划,即无人机在巡检过程中执行的具体任务,例如拍摄照片、录制视频以及采集点云数据等。技术参数,即无人机的飞行高度、速度、拍摄角度以及数据采集频率等技术参数设置。
若评价函数值达到预设的收敛条件,可以将归一化处理后的第一点云与第三点云合并,去除冗余和噪声点,使用表面重建算法生成电力设施的三维表面模型,并通过第一点云和第三点云增强模型的细节部分。然后根据三维模型规划无人机的飞行路径,确保覆盖所有需要巡检的部位。制定无人机在巡检过程中执行的具体任务,例如拍摄照片、录制视频以及采集点云数据等。并设置无人机的飞行高度、速度、拍摄角度以及数据采集频率等技术参数。最后合并为巡检方案,并通过无线通信技术发送至无人机,确保无人机能够根据巡检方案执行任务。
本申请实施例中,获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。通过上述电力线路设施无人巡检方法,通过点云配准生成的三维模型能够精确地反映电力线路设施的实际情况,从而提高巡检的精度和可靠性。根据三维模型和预设的巡检需求自动制定巡检方案,减少人工干预,降低人力成本,提高巡检效率以及巡检安全性。
实施例二:图2是本申请实施例二提供的一种电力线路设施无人巡检方法的流程示意图,如图2所示,具体方法包括如下步骤:
S201,获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云。
S202,根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点;N2为第二点云的点的总数量。
S203,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云。
S204,根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量。
S205,若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据预设的巡检需求确定巡检区域、巡检区域中的各巡检部件以及巡检数据采集任务;其中,所述巡检区域包括巡检起点以及巡检终点。
巡检区域可以是指需要无人机进行巡检的特定地理范围,可以包括电力线路及其附属设施的覆盖区域,具体的,可以是整个电力线路走廊,包括输电塔、导线、绝缘子以及变电站等。
巡检区域中的各巡检部件可以是巡检区域内需要重点检查的具体设施或部件,具体的,可以包括输电塔、导线、绝缘子、交叉臂以及紧固件等。
巡检数据采集任务可以是指无人机在巡检过程中需要执行的数据采集活动,具体的,可以包括拍摄照片、录制视频、采集点云数据以及采集红外热成像等。
巡检起点可以是无人机开始巡检任务的位置,巡检终点可以是无人机完成任务返回的位置。
可以根据巡检需求,划定具体的巡检区域,并选择合适的起点和终点,确保无人机能够顺利完成任务。识别巡检区域内的关键部件,例如输电塔、导线以及绝缘子等,作为巡检部件。根据每个部件的特点和巡检需求,确定需要采集的数据类型,例如照片、视频、点云以及热成像等,并设定数据采集的参数,例如拍摄角度、分辨率以及采集频率等。
S206,根据所述三维模型确定各巡检部件的巡检部件位置以及巡检区域中的障碍物位置。
巡检部件位置可以是指需要进行详细检查的电力设施部件在三维空间中的具体坐标,具体的,可以包括输电塔、导线、绝缘子、连接器以及紧固件等部件的位置。
障碍物位置可以是指巡检区域内可能影响无人机飞行或数据采集的物体在三维空间中的具体坐标,具体的,可以包括树木、建筑物以及其他基础设施的位置等。
在三维模型中,可以识别电力设施的各个关键部件,提取每个部件的三维坐标信息,存储为巡检部件的位置数据。并且在三维模型中,识别出可能影响无人机飞行的障碍物。提取每个障碍物的三维坐标信息,存储为障碍物的位置数据。
S207,根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径。
巡检路径可以是指无人机在执行巡检任务时的飞行轨迹。该路径规划需要确保无人机能够有效覆盖所有需要巡检的部件,同时避开障碍物,保证飞行安全,具体的,可以包含起点、终点以及巡检部件之间的飞行路线,并且明确每个飞行点的三维坐标和飞行顺序。
可以获取巡检区域的三维模型,确定所有巡检部件的位置坐标,识别并确定所有障碍物的位置坐标。然后选择合适的路径规划算法进行路径规划,例如Dijkstra算法、A*算法、快速随机树算法以及基于图论的路径规划,在进行路径规划后,可以优化路径,具体的,可以包括避障,即确保无人机路径避开所有障碍物,可能需要增加缓冲区;平滑路径,即通过插值或其他方法,使路径更加平滑,减少无人机的急转弯。覆盖所有部件,即确保路径经过所有需要巡检的部件位置。然后验证路径,具体的,可以包括模拟飞行,即在仿真环境中模拟无人机的飞行,验证路径的可行性和安全性;调整路径,即根据模拟结果,调整路径规划,确保路径合理性。
在上述技术方案的基础上,可选的,根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径,包括:
识别所述巡检区域的地形信息,根据所述地形信息、所述巡检部件位置以及所述障碍物位置将巡检区域划分为至少两个巡检层;
根据所述巡检起点、所述巡检部件位置、所述障碍物位置以及所述巡检终点确定无人机在每个巡检层的航迹线;
根据无人机在每个巡检层的航迹线确定无人机的巡检路径。
本方案中,地形信息可以是指巡检区域的地形特征,具体的,可以包括高度、坡度以及地表类型等。
巡检层可以是根据地形信息、巡检部件位置和障碍物位置,将巡检区域划分的不同高度层次。每个层次对应不同的飞行高度,以避开障碍物并确保最佳的巡检效果,具体的,可以根据地形的起伏和障碍物的高度,以及巡检部件的分布情况进行划分。
航迹线可以是无人机在巡检层中飞行的路径线,确定了无人机从巡检起点到终点的具体飞行路线。航迹线应考虑地形起伏、障碍物位置和巡检部件位置。
可以使用无人机航拍或卫星影像等技术获取巡检区域的地形数据,通过数据处理软件,例如ArcGIS以及QGIS生成数字高程模型,并分析地形特征,例如高度和坡度。然后分析地形起伏和障碍物高度,即确定地形的高低起伏和障碍物的高度,结合巡检部件的位置,划分不同的飞行高度层。根据分析结果,划分巡检层次,确保每个层次能够避开障碍物并覆盖巡检部件。在每个巡检层中,使用路径规划算法确定无人机的航迹线,确保避开障碍物并覆盖所有巡检部件,具体的,可以使用Dijkstra算法以及A*算法等路径规划算法,结合地形和障碍物信息进行路径规划。将各巡检层的航迹线整合成完整的巡检路径,确保无人机能够按照预定的航迹线进行巡检。
本方案中,通过细分巡检层,可以更精确地定位巡检部件,确保无人机能够从最优的角度和距离进行巡检。根据地形和障碍物位置规划路径,确保无人机飞行安全,并能够接近难以到达的巡检点。
S208,根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式。
巡检方式可以是指无人机在巡检任务中对不同部件执行的具体操作和方法。不同的巡检部件需要采用不同的巡检方式,以确保获取所需的详细数据,具体的,可以包括拍摄照片、录制视频、点云扫描以及红外热成像等具体的操作方法和技术手段。
可以分析巡检需求,即了解各巡检部件的特性和重要性,并根据预设的巡检需求,确定需要采集的数据类型和精度要求。例如,绝缘子需要检测绝缘状况,要求红外热成像数据。然后选择合适的巡检方式,其中,拍摄照片用于视觉检查,适用于大多数部件,如输电塔和导线连接点。录制视频用于动态监控,适用于需要连续监控的部件。点云扫描用于生成三维模型,适用于复杂结构的部件。红外热成像用于检测温度异常,适用于绝缘子等热成像需求的部件。例如,导线连接点需要使用高分辨率相机进行照片拍摄。
在上述技术方案的基础上,可选的,根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式,包括:
根据所述巡检数据采集任务确定各巡检部件的目标采集任务;
根据所述目标采集任务确定无人机的目标采集部件以及采集参数;
根据所述目标采集部件以及采集参数确定无人机对各巡检部件的巡检方式。
本方案中,目标采集任务可以是指对巡检部件进行具体的数据采集要求,例如拍摄高清图像以及获取热成像数据等。例如检查绝缘子有无裂纹以及检测导线温度等。
目标采集部件可以是无人机上用于数据采集的各种传感器和设备,具体的,可以包括摄像头,其中包括高分辨率相机,用于拍摄高清图像,检测设备的物理损伤,例如裂纹以及腐蚀等。热成像相机,用于检测温度异常,识别热点和冷点。LiDAR传感器,可以用于生成高精度的三维点云数据,测量距离和角度,创建电力设施的三维模型。光谱成像仪,用于检测特定波长的光,识别材料特性和化学成分,例如检测绝缘子的污染。超声波传感器,可以用于检测物体距离和位置,帮助导航和避障。
采集参数可以是无人机完成目标采集任务所需的具体设置和条件,具体的,可以包括拍摄角度,即摄像头或传感器的拍摄角度。合适的角度有助于获取清晰和全面的图像或数据。图像分辨率,即摄像头拍摄图像的分辨率。高分辨率图像可以捕捉更细致的细节。传感器设置,即特定传感器的工作参数,例如热成像相机的温度范围以及LiDAR传感器的扫描频率等。采集频率,即数据采集的频率,即无人机在巡检过程中采集数据的间隔时间。
可以审查巡检数据采集任务,确定需要收集的数据类型和内容,根据任务要求,确定需要检查的具体巡检部件,并为每个巡检部件制定具体的目标采集任务,具体的,可以包括拍摄图像以及获取传感器数据等。根据目标采集任务,选择适合的无人机上的采集部件,例如摄像头以及LiDAR传感器等。并根据目标采集任务的要求,设置无人机采集部件的参数,例如拍摄角度以及图像分辨率等。最后将目标采集部件和对应的采集参数相结合形成无人机对各巡检部件的巡检方式,例如无人机在电缆上方拍摄高清图像时,所选用的目标采集部件为相机,拍摄参数为视场角为150°或155°;等效焦距为14.66 mm;光圈为f/2.8,对焦模式为FF;焦点范围为0.6米。
本方案中, 根据具体任务需求选择采集部件和设置参数,可以提高资源利用率,避免不必要的数据采集和浪费。每个采集部件都针对具体的任务需求进行设置,可以保证采集到的数据质量更高,更适合后续分析和应用。
S209,根据所述巡检方式以及所述巡检路径确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
可以确定无人机从起点到终点的飞行路径,覆盖所有需要巡检的部件,规划每个巡检点的具体坐标和飞行高度,确定无人机在每个巡检点的悬停时间和数据采集任务,最后生成无人机的巡检方案,通过无线通信技术将无人机的巡检方案发送给无人机。
本实施例中,预先规划好飞行路线和巡检步骤,可以减少无人机在空中停留和搜索时间,提高巡检效率。
实施例三:图3是本申请实施例三提供的一种电力线路设施无人巡检方法的流程示意图,如图3所示,具体方法包括如下步骤:
S301,获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云。
S302,根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点;N2为第二点云的点的总数量。
S303,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云。
S304,根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量。
S305,若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
S306,接收无人机传输的各巡检部件的巡检数据,确定所述巡检数据的数据类型。
巡检数据可以是无人机传输的各种数据,例如图像、视频以及传感器测量数据等。
数据类型可以是根据传输的数据内容确定数据的类型,具体的,可以包括图像数据以及非图像数据等。
可以通过无线通信技术接收无人机传输的各巡检部件的巡检数据,对接收到的数据进行解码和处理,以便识别数据类型,然后根据数据的格式、内容和特征来确定数据的类型。
在上述技术方案的基础上,可选的,在确定所述巡检数据的数据类型之后,所述方法还包括:
若所述巡检数据为非图像数据,根据所述非图像数据确定对应的目标采集任务;
根据所述目标采集任务确定对应的目标阈值,根据所述非图像数据以及对应的目标阈值确定是否存在异常信息;
若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
本方案中,非图像数据可以是无人机传输的巡检数据中不包含图像的其他类型的数据,具体的,可以包括温度数据,即通过红外传感器或热成像设备测得的温度信息;振动数据,即通过加速度计或振动传感器获取的振动信息。电流和电压数据,即通过电流传感器或电压传感器测量的电流和电压值。距离和高度数据,即通过激光测距仪或超声波传感器测得的距离或高度信息。气象数据,可以包括风速、湿度以及气压等环境参数。
目标阈值可以是针对特定巡检任务预先设定的用于判断是否存在异常的数值标准。例如温度阈值可以是设定设备正常运行的温度范围,超过或低于该范围即为异常。振动阈值可以是设定正常振动的频率和幅度范围,超出该范围即为异常。电流和电压阈值可以是设定正常的电流和电压范围,超出该范围即为异常。
可以通过无线通信技术接收无人机传输的非图像数据,根据接收到的非图像数据类型和巡检任务要求,确定对应的目标采集任务。根据目标采集任务,在数据库查询预先设置的目标阈值。例如,对于温度数据,设定设备正常运行的温度范围,如20°C到80°C。将非图像数据与对应的目标阈值进行比较,如果数据超出目标阈值范围,则判定存在异常信息。当确定存在异常信息后,将异常信息通过无线通信技术发送到工作人员的手持终端。
本方案中,自动分析和判断数据,可以快速识别异常,减少了通过人工分析所耗费的时间,提高了巡检效率。并且能够实时将异常信息传输给工作人员,使其能够及时采取行动,减少故障响应时间,避免出现潜在的损失。
S307,若所述巡检数据为图像数据,则根据所述图像数据确定对应的目标采集任务。
图像数据可以是巡检数据中的一种类型,具体的,可以包括可见光图像和红外图像。当识别到为图像数据后,可以根据图像数据查询当时关联的目标采集任务。
S308,根据所述目标采集任务确定目标识别方法,根据所述目标识别方法识别对应的图像数据,确定是否存在异常信息。
目标识别方法可以区分为针对可见光图像的识别方法以及红外图像的识别方法,其中,针对可见光图像的目标识别方法可以包括边缘检测、形状识别、颜色分割、特征提取、分类器以及卷积神经网络等。针对红外图像的目标识别方法可以包括温度阈值法、热斑检测、红外特征提取与机器学习以及红外图像增强。
异常信息可以是在目标识别过程中检测到的问题或异常。例如,在裂缝检测任务中,异常信息可能是检测到的裂缝的位置、大小和严重程度。
针对每个目标采集任务,可以确定适合的目标识别方法,例如使用图像处理算法或机器学习模型进行裂缝检测或温度异常检测。在图像数据上应用目标识别方法,识别出异常信息,例如检测到的裂缝位置或温度异常区域。
S309,若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
手持终端可以是指工作人员携带的便携式设备,用于接收和查看异常信息,具体的,可以是智能手机、平板电脑或专用的移动终端设备。
当识别到异常信息后,可以通过无线通信技术传输给工作人员的手持终端。
本实施例中,根据目标采集任务确定目标识别方法,可以提高识别的准确性和可靠性。如果某种方法效果不佳,可以通过其他方法进行补充或验证,提高识别的准确性。
实施例四:图4是本申请实施例四提供的一种电力线路设施无人巡检装置的结构示意图,如图4所示,该装置用于实现实施例一、二、三提供的一种电力线路设施无人巡检方法,该装置具体包括如下:
数据采集模块401,用于获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;
质心确定模块402,用于根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点;
点云变换模块403,用于根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;
条件判定模块404,用于根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量;
巡检方案确定模块405,用于若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
本申请实施例中,数据采集模块,用于获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;质心确定模块,用于根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;点云变换模块,用于根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;条件判定模块,用于根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;巡检方案确定模块,用于若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。通过上述电力线路设施无人巡检装置,通过点云配准生成的三维模型能够精确地反映电力线路设施的实际情况,从而提高巡检的精度和可靠性。根据三维模型和预设的巡检需求自动制定巡检方案,减少人工干预,降低人力成本,提高巡检效率以及巡检安全性。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
Claims (10)
1.一种电力线路设施无人巡检方法,其特征在于,所述方法由控制端执行,所述方法包括:
获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;
根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点,为第二点云的点的总数量;
根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;
根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量;
若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
2.根据权利要求1所述的一种电力线路设施无人巡检方法,其特征在于,根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,包括:
将所述第一质心以及所述第二质心输入至预设的归一化公式,对第一点云以及第二点云中的每个点进行归一化处理;其中,预设的归一化公式为:
;
其中,为第一点云的第i个点;为归一化后的第一点云的第i个点;为第一质心;为第二点云的第i个点;为归一化后的第二点云的第i个点;为第二质心。
3.根据权利要求1所述的一种电力线路设施无人巡检方法,其特征在于,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,包括:
确定归一化处理后的第一点云与归一化处理后的第二点云之间的对应点对;
根据所述对应点对以及预设的第一矩阵构建公式确定第一矩阵;其中,预设的第一矩阵构建公式为:
;
其中,C为第一矩阵;N为点对 (,) 的数量;为的转置,即行向量;
对第一矩阵进行SVD分解,得到第一矩阵的奇异值分解;其中,对第一矩阵进行SVD分解的过程包括:
;
其中,U为左奇异向量矩阵;V为右奇异向量矩阵;为对角矩阵;为右奇异向量矩阵的转置矩阵;
根据第一矩阵的奇异值分解计算旋转矩阵以及平移向量;其中,计算过程包括:
。
4.根据权利要求1所述的一种电力线路设施无人巡检方法,其特征在于,在确定所述评价函数值是否达到预设的收敛条件之后,所述方法还包括:
若所述评价函数值未达到预设的收敛条件,确定归一化处理后的第一点云与第三点云之间的对应点对;
根据所述对应点对以及预设的第一矩阵构建公式重新确定第一矩阵;其中,预设的第一矩阵构建公式为:
;
其中,C为第一矩阵;N为点对 (pi,qi) 的数量;为qi的转置,即行向量;
对第一矩阵重新进行SVD分解,得到第一矩阵的奇异值分解;其中,对第一矩阵进行SVD分解的过程包括:
;
其中,U为左奇异向量矩阵;V为右奇异向量矩阵;为右奇异向量矩阵的转置矩阵;
根据第一矩阵的奇异值分解重新计算旋转矩阵以及平移向量;其中,计算过程包括:
;
根据旋转矩阵以及平移向量对第三点云进行更新,若根据预设的评价函数计算公式计算的归一化处理后的第一点云与更新后的第三点云之间的评价函数值仍未达到预设的收敛条件,重新计算归一化处理后的第一点云与更新后的第三点云之间的对应点对,并持续对第三点云进行更新,直至根据预设的评价函数计算公式计算的归一化处理后的第一点云与更新后的第三点云之间的评价函数值达到预设的收敛条件。
5.根据权利要求1所述的一种电力线路设施无人巡检方法,其特征在于,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,包括:
根据预设的巡检需求确定巡检区域、巡检区域中的各巡检部件以及巡检数据采集任务;其中,所述巡检区域包括巡检起点以及巡检终点;
根据所述三维模型确定各巡检部件的巡检部件位置以及巡检区域中的障碍物位置;
根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径;
根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式;
根据所述巡检方式以及所述巡检路径确定无人机的巡检方案。
6.根据权利要求5所述的一种电力线路设施无人巡检方法,其特征在于,根据所述巡检区域、所述巡检部件位置以及所述障碍物位置确定无人机的巡检路径,包括:
识别所述巡检区域的地形信息,根据所述地形信息、所述巡检部件位置以及所述障碍物位置将巡检区域划分为至少两个巡检层;
根据所述巡检起点、所述巡检部件位置、所述障碍物位置以及所述巡检终点确定无人机在每个巡检层的航迹线;
根据无人机在每个巡检层的航迹线确定无人机的巡检路径。
7.根据权利要求5所述的一种电力线路设施无人巡检方法,其特征在于,根据所述巡检数据采集任务确定无人机对各巡检部件的巡检方式,包括:
根据所述巡检数据采集任务确定各巡检部件的目标采集任务;
根据所述目标采集任务确定无人机的目标采集部件以及采集参数;
根据所述目标采集部件以及采集参数确定无人机对各巡检部件的巡检方式。
8.根据权利要求1所述的一种电力线路设施无人巡检方法,其特征在于,在将所述巡检方案发送至无人机之后,所述方法还包括:
接收无人机传输的各巡检部件的巡检数据,确定所述巡检数据的数据类型;
若所述巡检数据为图像数据,则根据所述图像数据确定对应的目标采集任务;
根据所述目标采集任务确定目标识别方法,根据所述目标识别方法识别对应的图像数据,确定是否存在异常信息;
若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
9.根据权利要求8所述的一种电力线路设施无人巡检方法,其特征在于,在确定所述巡检数据的数据类型之后,所述方法还包括:
若所述巡检数据为非图像数据,根据所述非图像数据确定对应的目标采集任务;
根据所述目标采集任务确定对应的目标阈值,根据所述非图像数据以及对应的目标阈值确定是否存在异常信息;
若确定存在异常信息,则将所述异常信息传输至工作人员的手持终端,供工作人员根据异常信息对电力线路设施进行检修。
10.一种电力线路设施无人巡检装置,用于实现如权利要求1-9任一项所述的一种电力线路设施无人巡检方法,其特征在于,所述装置包括:
数据采集模块,用于获取无人机采集的电力线路设施的第一点云以及图像数据,根据所述图像数据确定电力线路设施的第二点云;
质心确定模块,用于根据预设的质心计算公式计算第一点云的第一质心,以及计算第二点云的第二质心;其中,预设的质心计算公式为:
;
其中,为第一质心;Q为第一点云;为第一点云的第i个点;为第一点云的点的总数量;为第二质心;P为第二点云;为第二点云的第i个点,为第二点云的点的总数量;
点云变换模块,用于根据所述第一质心以及所述第二质心对第一点云以及第二点云进行归一化处理,根据归一化处理后的第一点云以及归一化处理后的第二点云确定旋转矩阵以及平移向量,并根据旋转矩阵以及平移向量对归一化处理后的第二点云进行变换,得到第三点云;
条件判定模块,用于根据预设的评价函数计算公式计算归一化处理后的第一点云与第三点云之间的评价函数值,确定所述评价函数值是否达到预设的收敛条件;其中,预设的评价函数计算公式为:
;
其中,E为评价函数值;q为第一点云的点;为第三点云的点;R为旋转矩阵;T为平移向量;
巡检方案确定模块,用于若所述评价函数值达到预设的收敛条件,则根据所述归一化处理后的第一点云以及所述第三点云建立电力线路设施的三维模型,根据所述三维模型以及预设的巡检需求确定无人机的巡检方案,并将所述巡检方案发送至无人机,供无人机根据所述巡检方案对电力线路设施进行巡检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411026350.5A CN118572559A (zh) | 2024-07-30 | 2024-07-30 | 一种电力线路设施无人巡检方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411026350.5A CN118572559A (zh) | 2024-07-30 | 2024-07-30 | 一种电力线路设施无人巡检方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118572559A true CN118572559A (zh) | 2024-08-30 |
Family
ID=92473109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202411026350.5A Pending CN118572559A (zh) | 2024-07-30 | 2024-07-30 | 一种电力线路设施无人巡检方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118572559A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190258225A1 (en) * | 2017-11-17 | 2019-08-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
CN113959362A (zh) * | 2021-09-22 | 2022-01-21 | 杭州申昊科技股份有限公司 | 结构光三维测量系统标定方法、巡检数据处理方法 |
CN116188434A (zh) * | 2023-03-02 | 2023-05-30 | 厦门破云溯星科技有限公司 | 一种基于列车车辆智能巡检机器人深度图检测零件异常的方法 |
-
2024
- 2024-07-30 CN CN202411026350.5A patent/CN118572559A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190258225A1 (en) * | 2017-11-17 | 2019-08-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
CN113959362A (zh) * | 2021-09-22 | 2022-01-21 | 杭州申昊科技股份有限公司 | 结构光三维测量系统标定方法、巡检数据处理方法 |
CN116188434A (zh) * | 2023-03-02 | 2023-05-30 | 厦门破云溯星科技有限公司 | 一种基于列车车辆智能巡检机器人深度图检测零件异常的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Larrauri et al. | Automatic system for overhead power line inspection using an Unmanned Aerial Vehicle—RELIFO project | |
He et al. | Research of multi-rotor UAVs detailed autonomous inspection technology of transmission lines based on route planning | |
CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN110703800A (zh) | 基于无人机的电力设施智能识别方法及系统 | |
CN113313005B (zh) | 基于目标识别与重建的输电导线在线监测方法及系统 | |
Ahmed et al. | Inspection and identification of transmission line insulator breakdown based on deep learning using aerial images | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
CN109829908B (zh) | 基于双目影像的电力线下方地物安全距离检测方法及设备 | |
CN108317953A (zh) | 一种基于无人机的双目视觉目标表面3d检测方法及系统 | |
Lebedev et al. | Accurate autonomous uav landing using vision-based detection of aruco-marker | |
CN107885224A (zh) | 基于三目立体视觉的无人机避障方法 | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
CN111157530B (zh) | 一种基于无人机的输电线路的安全检测方法 | |
CN112101088A (zh) | 一种无人机电力自动巡检方法、装置及系统 | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN113205116A (zh) | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 | |
Pu et al. | Real-time powerline corridor inspection by edge computing of UAV Lidar data | |
CN114020002A (zh) | 无人机巡检风机叶片的方法、装置、设备、无人机及介质 | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉系统及方法 | |
CN114531700B (zh) | 一种非人工的基站天线工参采集系统及方法 | |
Knyaz et al. | Joint geometric calibration of color and thermal cameras for synchronized multimodal dataset creating | |
CN117173601B (zh) | 光伏电站阵列热斑识别方法和系统 | |
CN109345590A (zh) | 一种基于双目视觉的无人机飞行程序校验系统及其方法 | |
CN111552319B (zh) | 一种架空输电线路导线跟踪巡视方法及相关装置 | |
CN113223155A (zh) | 一种距离预测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |