CN111832510B - 一种智能寻找杆塔方法及*** - Google Patents
一种智能寻找杆塔方法及*** Download PDFInfo
- Publication number
- CN111832510B CN111832510B CN202010704141.7A CN202010704141A CN111832510B CN 111832510 B CN111832510 B CN 111832510B CN 202010704141 A CN202010704141 A CN 202010704141A CN 111832510 B CN111832510 B CN 111832510B
- Authority
- CN
- China
- Prior art keywords
- tower
- aerial vehicle
- unmanned aerial
- embedded computer
- image 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 25
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000007689 inspection Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D3/00—Control of position or direction
- G05D3/12—Control of position or direction using feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种智能寻找杆塔方法及***,通过深度学习技术对杆塔进行建模,通过图像采集技术、图像处理技术、机器视觉技术,实现无人机在飞行过程中对杆塔的三维空间姿态进行识别,计算得到视野内的杆塔位置信息;根据所述无人机当前的位置与所述杆塔位置信息得到无人机飞向杆塔的航线。解决了现有技术中由于地区的数据不完整或不准确,导致寻找杆塔工作无法正常开展的问题,提高无人机寻找杆塔的智能化程度,实现无人机在未知的地理环境下以无人状态对输电线路的杆塔进行寻找,并且本申请的一种智能寻找杆塔方法与***的使用操作与***维护相对简单,推广性强。
Description
技术领域
本申请涉及无人机航拍领域,具体涉及一种智能寻找杆塔方法及***。
背景技术
随着国家电网的大规模推广,输电线路运行的安全性越来越受到重视。由于输电线路容易受到自然和人为因素的影响,会导致各种故障的发生,为做到未雨绸缪,相关电力部门制定了严格的巡视工作规范,需要对输电线路进行定期巡视。目前巡视工作的现有技术为采用无人机巡检,主要是依托已有的杆塔定位数据,提前设定无人机航线,但是现有技术没有最大化地减少人力、物力和财力的投入,没有真正的实现无人状态的无人机巡检工作。而且现有技术的无人机巡检方法主要有以下缺点,一方面是由于无人机巡检过程中容易受到气象环境和GPS等设备自身精度的影响,无人机的位置和姿态可能在相当大的范围内变化,甚至飞行轨迹偏离预设航迹;另一方面是由于无人机巡检过程中受到杆塔坐标不准确和塔身高度差异的影响,无人机可能出现航拍时拍摄不到杆塔和导线或拍摄的杆塔和导线不完整;以上两个方面的原因都会导致在无人机进行巡检工作时在航拍任务中采集到的数据质量不足。
发明内容
基于此,本发明提供一种智能寻找杆塔方法及***,用于解决现有技术中存在的问题,提高无人机寻找杆塔的智能化程度,实现无人机在未知的地理环境下以无人状态对输电线路的杆塔进行寻找。
第一方面,本发明公开了一种智能寻找杆塔方法,包括:
S1、对杆塔进行建模,得到杆塔模型;
S2、设定无人机工作区域,无人机在所述工作区域中飞行;
S3、相机云台实时采集图像数据,并将所述图像数据传入嵌入式电脑;
S4、所述嵌入式电脑通过图像处理技术利用所述杆塔模型识别所述图像数据中是否有杆塔;若所述图像数据中无杆塔,则跳转至S3;若所述图像数据中有杆塔,则所述嵌入式电脑传出指令控制所述相机云台对所述杆塔进行锁定;
S5、所述嵌入式电脑对所述图像数据进行技术计算,得到所述杆塔的三维位置信息;
S6、所述嵌入式电脑获取所述无人机当前的位置,根据所述无人机当前的位置与所述杆塔的三维位置信息,计算得到所述无人机飞向所述杆塔的航线;
S7、所述无人机根据所述航线飞向所述杆塔。
优选地,所述对杆塔进行建模,包括:
采集在不同方向与不同光线强度拍摄下的杆塔图像数据;
将所述杆塔图像数据转化为杆塔数字矩阵;
将所述杆塔数字矩阵输入至神经网络中,神经网络对所述杆塔数字矩阵进行训练,得到所述杆塔模型。
优选地,所述相机云台采集图像数据,并将所述图像数据传入嵌入式电脑,包括:
所述相机云台控制双目相机在水平方向、横滚方向、俯仰方向上匀速旋转进行拍摄;所述相机云台将所述双目相机拍摄的图像数据传入所述嵌入式电脑。
优选地,所述嵌入式电脑利用所述杆塔模型识别所述图像数据中是否有杆塔,包括:
嵌入式电脑将所述图像数据输入至所述杆塔模型中,利用所述杆塔模型识别杆塔三维空间姿态信息,分析出所述图像数据中是否有杆塔。
优选地,所述嵌入式电脑对所述图像数据进行技术计算,得到所述杆塔的三维位置信息,包括:
所述嵌入式电脑对所述双目相机进行相机标定,得到坐标转化公式;
以所述双目相机位置为坐标原点建立标准空间坐标系;所述嵌入式电脑根据所述坐标转化公式,将所述杆塔在图片坐标系中的坐标值转化为所述杆塔以所述双目相机位置为坐标系原点的坐标值;
所述双目相机将左摄像头和右摄像头分别采集到的图像数据与视频数据传至所述嵌入式电脑,所述嵌入式电脑对所述图像数据进行图像畸变校正处理;
所述嵌入式电脑通过所述杆塔模型,对所述杆塔进行准确的特征识别,通过双目视觉技术的物体深度信息的提取算法,得到所述杆塔像素中心点;
所述嵌入式电脑进行物理世界坐标的三维重建,对所述杆塔像素中心点进行坐标转化,得到所述杆塔的三维位置信息。
优选地,所述嵌入式电脑获取所述无人机当前的位置,根据所述无人机当前的位置与所述杆塔的三维位置信息,计算得到所述无人机飞向所述杆塔的航线,包括:
所述飞控通过RTK单元获取所述无人机当前的位置,将所述无人机当前位置发送至嵌入式电脑,根据所述无人机当前的位置与所述杆塔的三维位置信息,通过两点成线的原理计算得到所述无人机飞向杆塔的航线。
优选地,所述无人机根据所述航线飞向所述杆塔之后还包括:
所述无人机到达所述杆塔上方执行输电线路巡检任务。
第二方面,本申请公开了一种智能寻找杆塔***,包括:
无人机、电源、嵌入式电脑、相机云台、双目相机、飞控;
其中,所述无人机内部包括所述电源、所述嵌入式电脑、所述相机云台、所述双目相机、所述飞控;所述电源与所述嵌入式电脑、所述飞控连接;所述嵌入式电脑与所述电源、所述相机云台、所述双目相机、所述飞控连接;所述相机云台与所述嵌入式电脑、所述双目相机连接;所述双目相机与所述嵌入式电脑、所述相机云台、所述飞控连接。采用所述相机云台搭载双目相机,可以实时校正所述双目相机拍摄角度,实现双目相机以最大视野搜寻杆塔并锁定杆塔。
优选地,电调与所述飞控、所述电源、无刷电机连接。
优选地,所述飞控与所述电源、所述电调、IMU单元、RTK单元连接。
优选地,所述RTK单元通过无线电与基站连接,包括4G网络和电台连接,增强所述RTK单元的信号,保证所述无人机实时位置的准确性。
优选地,所述相机云台包括:相机云台单片机、相机云台电机驱动器、相机云台电机。
其中,所述嵌入式电脑通过串口与所述相机云台单片机连接;所述相机云台电机驱动器分别与所述相机云台单片机和所述相机云台电机连接;所述相机云台电机通过托盘与所述双目相机连接。
从以上技术方案可以看出,本发明具有如下优点:
本申请提供一种智能寻找杆塔方法,基于神经网络对杆塔进行建模,得到杆塔模型;无人机在工作区域中飞行的过程中,相机云台实时采集图像数据并将所述图像数据传入嵌入式电脑;所述嵌入式电脑通过图像处理技术利用所述杆塔模型识别所述图像数据中是否有杆塔,若所述图像数据中无杆塔,则继续对实时采集的图像数据进行识别;若所述图像数据中有杆塔,则所述嵌入式电脑传出指令控制所述相机云台对所述杆塔进行锁定;所述嵌入式电脑对所述图像数据进行技术计算,得到所述杆塔的三维位置信息;所述嵌入式电脑获取所述无人机当前的位置,根据所述无人机当前的位置与所述杆塔的三维位置信息,计算得到所述无人机飞向所述杆塔的航线;所述无人机根据所述航线飞向所述杆塔。实现了无人机在未知的地理环境下完成寻找杆塔并执行电力巡检的任务,减少无人机寻找杆塔时对杆塔位置信息依赖,解决了现有技术中由于地区的数据不完整或不准确,导致工作无法正常开展的问题。而且在无人机寻找杆塔的过程中不需要人为干预,实现了真正意义上的无人机作业,提高了无人机寻找杆塔的智能化程度,并且本申请提供的智能寻找杆塔的方法及***的使用操作和***维护相对简单,推广性较强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种智能寻找杆塔方法流程图;
图2为本申请提供的一种智能寻找杆塔***结构图;
图3为本申请提供的一种智能寻找杆塔***相机云台内部结构图。
图中:1.电源、2.嵌入式电脑、3.相机云台、4.双目相机、5.飞控、6.电调、7.IMU单元、8.RTK单元、9.无刷电机、10.基站、11.无人机。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
具体地,请参考图1,本申请实施例提供了一种智能寻找杆塔方法,包括:
S1、对杆塔进行建模,得到杆塔模型;
S2、设定无人机工作区域,无人机在所述工作区域中飞行;
S3、相机云台实时采集图像数据,并将所述图像数据传入嵌入式电脑;
S4、所述嵌入式电脑通过图像处理技术利用所述杆塔模型识别所述图像数据中是否有杆塔;若所述图像数据中无杆塔,则跳转至S3;若所述图像数据中有杆塔,则所述嵌入式电脑传出指令控制所述相机云台对所述杆塔进行锁定;
S5、所述嵌入式电脑对所述图像数据进行技术计算,得到所述杆塔的三维位置信息;
S6、所述嵌入式电脑获取所述无人机当前的位置,根据所述无人机当前的位置与所述杆塔的三维位置信息,计算得到所述无人机飞向所述杆塔的航线;
S7、所述无人机根据所述航线飞向所述杆塔。
在本实施例中,S1具体为:
采集在不同方向与不同光线强度拍摄下的杆塔图像数据;
将所述杆塔图像数据转化为杆塔数字矩阵;
将所述杆塔数字矩阵输入至神经网络中,神经网络对所述杆塔数字矩阵进行训练,得到所述杆塔模型。
在本实施例中,S2具体为:
设定无人机工作区域,无人机在所述工作区域中飞行;
在本实施例中,S3具体为:
所述相机云台控制双目相机在水平方向、横滚方向、俯仰方向上匀速旋转进行拍摄;所述相机云台将所述双目相机拍摄的图像数据传入所述嵌入式电脑。
在本实施例中,S4具体为:
嵌入式电脑将所述图像数据输入至所述杆塔模型中,利用所述杆塔模型识别杆塔三维空间姿态信息,分析出所述图像数据中是否有杆塔;若所述图像数据中无杆塔,则跳转至S3;若所述图像数据中有杆塔,则所述嵌入式电脑传出指令控制所述相机云台对所述杆塔进行锁定;
在本实施例中,S5具体为:
所述嵌入式电脑对所述双目相机进行相机标定,得到坐标转化公式;
以所述双目相机位置为坐标原点建立标准空间坐标系;所述嵌入式电脑根据所述坐标转化公式,将所述杆塔在图片坐标系中的坐标值转化为所述杆塔以双目相机位置为坐标系原点的坐标值;
所述双目相机将左摄像头和右摄像头分别采集到的图像数据与视频数据传至所述嵌入式电脑,所述嵌入式电脑对所述图像数据进行图像畸变校正处理;
所述嵌入式电脑通过所述杆塔模型,对所述杆塔进行准确的特征识别,通过双目视觉技术的物体深度信息的提取算法,得到所述杆塔像素中心点;
所述嵌入式电脑进行物理世界坐标的三维重建,对所述杆塔像素中心点进行坐标转化,得到所述杆塔的三维位置信息。
所述无人机根据所述航线飞向所述杆塔后,所述无人机到达所述杆塔上方执行输电线路巡检任务。
在本实施例中,S6具体为:
所述飞控通过RTK单元获取所述无人机当前的位置,将所述无人机当前位置发送至嵌入式电脑,根据所述无人机当前的位置与所述杆塔的三维位置信息,通过两点成线的原理计算得到所述无人机飞向杆塔的航线。
请参考图2,下面介绍本申请的另一个实施例,本实施例提供一种智能寻找杆塔***,用于无人机智能寻找杆塔,包括:
电源(1)、嵌入式电脑(2)、相机云台(3)、双目相机(4)、飞控(5)、电调(6)、IMU单元(7)、RTK单元(8)、无刷电机(9)、基站(10)、无人机(11);
其中,所述无人机(11)内部包括:电源(1)、嵌入式电脑(2)、相机云台(3)、双目相机(4)、飞控(5)、电调(6)、IMU单元(7)、RTK单元(8)、无刷电机(9);
所述电源(1)与所述嵌入式电脑(2)、所述飞控(5)、所述电调(6)连接;
所述嵌入式电脑(2)分别与所述电源(1)、所述相机云台(3)、所述双目相机(4)、所述飞控(5)连接;
所述相机云台(3)与所述嵌入式电脑(2)所述双目相机(4)连接;
所述双目相机(4)与所述嵌入式电脑(2)、所述相机云台(3)、所述飞控(5)连接;
所述飞控(5)与所述电源(1)、所述嵌入式电脑(2)、所述双目相机(4)、所述电调(6)、所述IMU单元(7)、所述RTK单元(8)连接;
所述电调(6)与所述电源(1)、所述飞控(5)、所述无刷电机(9)连接;
所述RTK单元(8)与所述飞控(5)连接;所述RTK单元(8)通过无线电与所述基站(10)连接。
在本实施例中,所述嵌入式电脑(2)采用NVIDIA Jetson TX2,针对AI图像处理的微型电脑,CPU为双核Denver2,64位加四核ADM、A57,尺寸为87mm×50mm,因此性能较强。所述嵌入式电脑(2)通过串口与所述飞控(5)连接,用于向所述无人机(11)传达飞行指令,所述嵌入式电脑(2)与所述双目相机(4)连接,用于控制所述双目相机(4)的拍摄方式。
在本实施例中,所述相机云台(3)内部结构如图3所示,所述相机云台(3)采用云之思三轴相机云台,包括一个相机云台单片机(31)、一个相机云台电机驱动器(32)和三个相机云台电机(33)。所述嵌入式电脑(2)通过串口与所述相机云台单片机(31)连接;所述相机云台电机驱动器(32)与所述相机云台单片机(31)、所述相机云台电机(33)连接;所述相机云台电机(33)通过托盘与所述双目相机(4)连接。采用所述相机云台(3)搭载所述双目相机(4),可以实时校正所述双目相机(4)的拍摄角度,实现所述双目相机(4)以最大视野搜寻杆塔并锁定杆塔。
在本实施例中,所述飞控(5)采用的型号为Pixhawk FMUv5,FMUv5开源硬件具有高性能飞行控制***;所述飞控(5)的处理芯片采用STM32F765处理器,具有主频高,性能更好的优势。
在本实施例中,所述电调(6)即电子调速器,采用无刷电调,其中输入端是直流供电电源与所述飞控(5)串口传出的PWM信号,输出端与三相无刷电机(9)相连。所述无刷电机(9)的型号为MTD2204,用于为所述无人机(11)提供飞行动力。
在本实施例中,所述IMU单元(7),即惯导单元,是用于测量所述无人机的三轴姿态角及加速度的装置。所述IMU单元(7)采用9轴传感器,包括三轴陀螺仪及三轴加速度计,三轴磁力计,惯导芯片为MPU9150;所述IMU单元(7)与所述飞控(5)的串口连接,实时反应所述无人机(11)的姿态。
所述RTK单元(8)通过RTK(Real-time kinematic,实时动态)载波相位差分技术,实时处理两个测量站载波相位的观测,将所述基站(10)采集的载波相位发给所述无人机(11),实时提供测站点在世界坐标系中的三维定位信息,定位信息达到高精度的厘米级;所述RTK单元(8)与所述基站(10)通过无线电连接,采用CDMA、GPRS通信方式,数据传送要求达到9600的波特率,可以增强所述RTK单元(8)的信号,保证所述无人机(11)实时位置的准确性。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (2)
1.一种智能寻找杆塔方法,其特征在于,包括:
S1、对杆塔进行建模,得到杆塔模型;
所述对杆塔进行建模,包括:
采集在不同方向与不同光线强度拍摄下的杆塔图像数据;
将所述杆塔图像数据转化为杆塔数字矩阵;
将所述杆塔数字矩阵输入至神经网络中,根据所述神经网络对所述杆塔数字矩阵进行训练,得到所述杆塔模型;
S2、设定工作区域,无人机在所述工作区域中飞行;
S3、相机云台实时采集图像数据,并将所述图像数据传入嵌入式电脑;
S4、所述嵌入式电脑通过图像处理技术利用所述杆塔模型识别所述图像数据中是否有杆塔;若所述图像数据中无杆塔,则跳转至S3;若所述图像数据中有杆塔,则所述嵌入式电脑传出指令控制所述相机云台对所述杆塔进行锁定;
S5、所述嵌入式电脑对所述图像数据进行技术计算,得到所述杆塔的三维位置信息,包括;
所述嵌入式电脑对双目相机进行相机标定,得到坐标转化公式;
以所述双目相机位置为坐标原点建立标准空间坐标系;所述嵌入式电脑根据所述坐标转化公式,将所述杆塔在图片坐标系中的坐标值转化为所述杆塔以所述双目相机位置为坐标系原点的坐标值;
所述双目相机将左摄像头和右摄像头分别采集到的图像数据与视频数据传至所述嵌入式电脑,所述嵌入式电脑对所述图像数据进行图像畸变校正处理;
所述嵌入式电脑通过所述杆塔模型,对所述杆塔进行准确的特征识别,通过双目视觉技术的物体深度信息的提取算法,得到所述杆塔像素中心点;
所述嵌入式电脑进行物理世界坐标的三维重建,对所述杆塔像素中心点进行坐标转化,得到所述杆塔的三维位置信息;
S6、所述嵌入式电脑获取所述无人机当前的位置,根据所述无人机当前的位置与所述杆塔的三维位置信息,计算得到所述无人机飞向所述杆塔的航线,包括:
飞控通过RTK单元获取所述无人机当前的位置,将所述无人机当前位置发送至嵌入式电脑,根据所述无人机当前的位置与所述杆塔的三维位置信息,通过两点成线的原理计算得到所述无人机飞向杆塔的航线;
S7、所述无人机根据所述航线飞向所述杆塔。
2.根据权利要求1所述的一种智能寻找杆塔方法,其特征在于,所述相机云台采集图像数据,并将所述图像数据传入嵌入式电脑,包括:
所述相机云台控制双目相机在水平方向、横滚方向、俯仰方向上匀速旋转进行拍摄;所述相机云台将所述双目相机拍摄的图像数据传入所述嵌入式电脑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704141.7A CN111832510B (zh) | 2020-07-21 | 2020-07-21 | 一种智能寻找杆塔方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704141.7A CN111832510B (zh) | 2020-07-21 | 2020-07-21 | 一种智能寻找杆塔方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832510A CN111832510A (zh) | 2020-10-27 |
CN111832510B true CN111832510B (zh) | 2022-01-11 |
Family
ID=72924458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010704141.7A Active CN111832510B (zh) | 2020-07-21 | 2020-07-21 | 一种智能寻找杆塔方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832510B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112230671B (zh) * | 2020-12-13 | 2021-03-16 | 深圳联和智慧科技有限公司 | 一种基于智慧灯杆的无人机返航监控方法及控制中心 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272740A (zh) * | 2017-07-28 | 2017-10-20 | 北京航天光华电子技术有限公司 | 一种新型四旋翼无人机控制*** |
CN110113570A (zh) * | 2019-05-07 | 2019-08-09 | 江苏方天电力技术有限公司 | 一种输电线路无人机自主巡检***及其工作方法 |
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991700A (zh) * | 2017-04-20 | 2017-07-28 | 佛山科学技术学院 | 一种无人机目标位置锁定和追踪装置及其方法 |
CN111401146A (zh) * | 2020-02-26 | 2020-07-10 | 长江大学 | 一种无人机电力巡检方法、设备及存储介质 |
-
2020
- 2020-07-21 CN CN202010704141.7A patent/CN111832510B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272740A (zh) * | 2017-07-28 | 2017-10-20 | 北京航天光华电子技术有限公司 | 一种新型四旋翼无人机控制*** |
CN110113570A (zh) * | 2019-05-07 | 2019-08-09 | 江苏方天电力技术有限公司 | 一种输电线路无人机自主巡检***及其工作方法 |
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111832510A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022094854A1 (zh) | 农作物的生长监测方法、设备及存储介质 | |
CN109002055B (zh) | 一种基于无人机的高精度自动巡检方法及*** | |
CN109911188B (zh) | 非卫星导航定位环境的桥梁检测无人机*** | |
CN101914893B (zh) | 基于四轴飞行器的桥梁检测机器人 | |
CN112085003B (zh) | 公共场所异常行为自动识别方法及装置、摄像机设备 | |
CN203299134U (zh) | 基于四轴飞行器的风力发电机叶片表面裂纹检测装置 | |
CN106873627A (zh) | 一种自动巡检输电线路的多旋翼无人机及方法 | |
CN109737981B (zh) | 基于多传感器的无人车目标搜索装置及方法 | |
CN109063532B (zh) | 一种基于无人机的野外失联人员搜寻方法 | |
CN106092054A (zh) | 一种电力线路识别精准定位导航方法 | |
CN110880258A (zh) | 一种电力线路无人机智能巡检实操仿真培训方法和*** | |
CN106227216B (zh) | 面向居家老人的家庭服务机器人 | |
CN109976339B (zh) | 一种车载配网巡检数据采集方法与巡检*** | |
CN111061266A (zh) | 一种实时场景分析和空间避障的夜间值守机器人 | |
CN112102403B (zh) | 用于输电塔场景下的自主巡检无人机的高精度定位方法及其*** | |
CN113534844B (zh) | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 | |
CN109573037A (zh) | 一种基于vr与多传感器的电力巡线无人机及巡线方法 | |
CN105551032A (zh) | 一种基于视觉伺服的杆塔图像采集***及其方法 | |
CN105955279A (zh) | 一种基于图像视觉的移动机器人路径规划方法及装置 | |
CN115202376A (zh) | 一种基于单兵移动的无人机巡检电力网格化管控平台 | |
CN102190081A (zh) | 基于视觉的飞艇定点鲁棒控制方法 | |
CN110850889B (zh) | 一种基于rtk导航的无人机自主巡检*** | |
CN109857133A (zh) | 基于双目视觉的多旋翼无人机选择性避障控制方法 | |
CN111832510B (zh) | 一种智能寻找杆塔方法及*** | |
CN111427054A (zh) | 一种输配电线路通道隐患精准测距*** |
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 |