CN112684806A - 一种基于双重避障和智能识别的电力巡检无人机*** - Google Patents
一种基于双重避障和智能识别的电力巡检无人机*** Download PDFInfo
- Publication number
- CN112684806A CN112684806A CN201910990730.3A CN201910990730A CN112684806A CN 112684806 A CN112684806 A CN 112684806A CN 201910990730 A CN201910990730 A CN 201910990730A CN 112684806 A CN112684806 A CN 112684806A
- Authority
- CN
- China
- Prior art keywords
- inspection
- unmanned aerial
- aerial vehicle
- power
- obstacle avoidance
- 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 71
- 230000009977 dual effect Effects 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 28
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于双重避障和智能识别的电力巡检无人机***，包括：S1：通过本***研发的配套地面站软件标定所需巡检的电力杆塔的精确位置信息；S2：按照无人机巡检的安全距离，通过最小面积凸包围盒算法在地面站上对杆塔禁飞区做包围处理；S3：双目摄像头实时检测可能存在的障碍物，辅以模糊神经网络控制算法，若检测到障碍物，则切断既定路线，绕过障碍物后再执行原路线；S4：将巡检任务中发现的电力设备缺陷图像进行精准分类，建立基于“深度学***，切实加强智能电网建设。
Description
技术领域
本发明涉及无人机电力巡检领域，具体涉及一种基于双重避障和智能识别的电力巡检无人机***。
背景技术
电力供电***中，高压架空输电线路是地区电力输送的主动脉，高压架空线路巡检、巡视是保障高压输电网络安全运行的基本技术保证。随着国内电网规模不断扩大，到2020年，中国输电线路总里程将从2014年的115万千米增加至159万千米以上。高压架空输电线路的巡检工作用来保障电网的安全、稳定、高效的运行，但高压架空输电线路一般要跨各个区域分布，所在地形环境比较复杂恶劣，输电线路设备长期暴露在户外，导线、避雷线、绝缘子、金具在长时间运行后，由于各种力的长期作用，产生倒塔、磨损、断股、锈蚀、过热等情况，绝缘子还存在被雷击损坏、树枝引起高压放油以及绝缘老化而导致输电线路事故，杆塔存在被偷盗等意外情况，必须及时处理这些情况。传统依靠人工逐基杆塔巡检的作业方式，巡检工作量大、复杂的地理环境影响着巡检人员生命安全、落后的人工巡检方式消耗了大量的人力和物力，导致有些更多深入的工作无法进行巡检。所以，架空输电线路安全稳定和故障的迅速排查极其重要，故障点的快速、准确定位可以大大缩短故障修复的时间，减少因停电造成的损失，提高***运行的可靠性，具有重大的社会和经济效益。无人机是实现野外高空巡检巡视最理想的搭载工具，无人机巡检已成为不可或缺的线路运维手段，无人机电力巡检技术融合了多个尖端学科，涵盖了包括航空、通信、图像识别等技术领域，不仅可以搭载光学相机还能搭载红外热成像，紫外成像以及激光雷达等一系列的平台进行对线路的巡检。基于无人机平台的电力线路巡检***由于操控方式灵活、运营成本低的特点，得到了电力企业的认可和大规模推广应用，成为了电力巡检和建设规划领域新的发展方向。我国也正在逐步形成以“无人机巡线方式为主，人工巡线方式为辅”的电力线路巡线新模式。所以本文提出一种基于双重避障和智能识别的电力巡检无人机***。使得无人机电力巡检能够在高压禁飞区安全的避障导航飞行的前提下，进行智能化识别高压输电线路和杆塔存在的缺陷等安全隐患，不仅能够极大的提高无人机电力巡检的安全性，避免电力设施遭到损坏，而且能够极大的提高实时识别缺陷等安全隐患的效率和准确率。
目前国家电网各市一级子公司在大力建设无人机巡检班组，但是大部分的无人机巡检仍停留在飞手在地面遥控操作的阶段，无法实现有效避开高压禁飞区和空中障碍物安全飞行以及自动化智能缺陷的巡检。这些问题都是国家电网智能电网建设进程中急需解决的关键问题，也将有助于提高巡检效率、降低成本。
发明内容
本发明旨在至少解决上述技术问题之一。
为此，本发明的目的在于提出一种基于双重避障和智能识别的电力巡检无人机***，使用配套研发的基于GPS/GIS的地面站软件和双目视觉辅以模糊神经网络控制算法，达到双重避障导航的目的。
为了实现上述目的，本发明的实施例公开了一种基于双重避障和智能识别的电力巡检无人机***，包括以下步骤：S1：通过本***研发的配套地面站软件标定所需巡检的电力杆塔的精确位置信息(注意考虑一次任务时间需在一块电池续航时间内)；S2：按照无人机巡检的安全距离，通过最小面积凸包围盒算法在地面站上对杆塔禁飞区做包围处理，形成的第一重禁飞区避障保护；S3：双目摄像头实时检测可能存在的障碍物，辅以模糊神经网络控制算法，若检测到有障碍物，则切断既定路线，绕过障碍物后再返回执行原路线，形成第二重灵活避障保护；S4：将巡检任务中发现的电力设备缺陷图像进行精准分类，建立基于“深度学习”技术的电力设施典型缺陷样本库，实现电力设施典型缺陷的模型训练与自动识别；S5：完成巡检任务后，可手动操作着陆，也可按照规划航线，设置安全返航线路和返航点自动着陆。
进一步地，步骤S1中：所述配套地面站软件是基于GPS和GIS开发的，能够手动标定并绘制禁飞区域，规划航线、返航线路和返航点。
进一步地，在步骤S2中，所述算法对禁飞区做包围处理的过程目的是防止无人机装上杆塔和高压线路造成损失，巡航线路是规划紧贴包围盒的***。
进一步地，在步骤S3中，所述双目摄像头是用来检测障碍物，具体的避障动作是由模糊神经网络控制算法控制完成，所定义的行为集包括：向上、向下、向左、向右和向后。
进一步地，在步骤S4中，所述“深度学习”技术建立电力设施典型缺陷样本库，利用深度神经网络算法，建立不同目标的正负样本库，利用正负样本对神经网络进行训练，建立高识别率的神经网络模型，将此识别网络移植到电力巡检嵌入式控制***。
进一步地，在步骤S5中，所述自动返航的返航线路和返航点是在S1中规划实现的。
根据本发明实施例的基于双重避障和智能识别的电力巡检无人机***，具有以下优点：
(1)本发明采用的配套研发的基于GPS和GIS的高细粒度电子地图作为航线的规划和导航，精确度高；具体杆塔坐标可以精确到经纬度的0.01位，遥控模式和地面站模式可切换；航线可以实时规划并上传执行。
(2)本发明采用最小面积凸包围盒算法对杆塔和高压线路包围处理作为禁飞区，基本上可以解决高压禁飞区的避障问题。无人机安全作业距离一般是5到10米左右，根据杆塔和高压线路实际情况可以对包围盒的大小做出调整，无人机航线可紧贴包围盒***规划，返航线路则避开禁飞区就近原则规划，由此便可高效且安全的规划无人机巡检的路径。
(3)本发明采用双目摄像头来完成无人机在规划好的航线中飞行时，对航线上的障碍物的灵活避障，双目摄像头可以很好的反应障碍物的景深，通过模糊神经网络算法定义的行为集来控制无人机遇到障碍物时应执行的操作，成功避开障碍物并返回原航线后即可按照原来的航线继续执行任务。这样大大提升了无人机在航线中遇到障碍物后灵活避障的机动性，同时也大大提高了无人机巡检过程中的安全性。
(4)本发明完成巡检任务后将发现的电力设备缺陷图像进行精准分类，通过采集数十万的电力线和金具特征照片，采用“深度学***台，实现无人机巡检作业全过程管控、海量巡检数据智能分析管理，推动了输电线路巡检作业管理方式的转变。
(5)本发明完成巡检任务后，可手动操作着陆，也可按照规划航线，设置安全返航线路和返航点自动着陆，高效节能安全。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例的基于双重避障和智能识别的电力巡检无人机***的流程图；
图2是本发明实施例的硬件结构图
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。以下结合附图描述本发明。
图1是本发明实施例的基于双重避障和智能识别的电力巡检无人机***的流程图。如图1所示，一种基于双重避障和智能识别的电力巡检无人机***，包括以下步骤：
S1：通过本***研发的配套地面站软件标定所需巡检的电力杆塔的精确位置信息(注意考虑一次任务时间需在一块电池续航时间内)。
S2：按照无人机巡检的安全距离，通过最小面积凸包围盒算法在地面站上对杆塔禁飞区做包围处理，形成的第一重禁飞区避障保护。
具体地，禁飞区处理包括以下步骤：对所要巡检的杆塔的精确地理位置进行标注；对标注完的杆塔进行包围处理当做禁飞区，包围盒离杆塔和高压电线的距离即为无人机安全作业的最小距离；完成禁飞区标注之后，沿着包围盒外部规划巡检航线、返航线路和返航点；
S3：双目摄像头实时检测可能存在的障碍物，辅以模糊神经网络控制算法，若检测到有障碍物，则切断既定路线，绕过障碍物后再返回执行原路线，形成第二重灵活避障保护。
具体地，双目视觉避障过程包括以下步骤：
双目摄像头实时监测航线前方可能存在的障碍物，若监测到存在飞过航线的飞鸟等物体，则飞控会控制无人机转速下降，速度降低；若航线上存在的是固定障碍物，如：树枝等，则切断原先上传的航线，执行定义好的行为集，优先执行的动作集是：向上、向前、向下，越过障碍物之后，返回原航线执行原飞行任务。
S4：将巡检任务中发现的电力设备缺陷图像进行精准分类，建立基于“深度学习”技术的电力设施典型缺陷样本库，实现电力设施典型缺陷的模型训练与自动识别。
具体地，基于“深度学习”技术的智能识别过程包括以下步骤：
通过采集电力线和金具特征照片，建立缺陷识别训练样本库，利用深度神经网络算法，建立不同目标的正负样本库，利用正负样本对神经网络进行训练，建立高识别率的神经网络模型，将此识别网络移植到电力巡检嵌入式控制***。通过对无人机载相机的图像进行降噪增强等图像优化处理，使得***能够根据图像信息，完成在复杂环境下对目标的有效识别，从而灵活的完成智能电力巡检的缺陷识别。
S5：完成巡检任务后，可手动操作着陆，也可按照规划航线，设置安全返航线路和返航点自动着陆。
具体地，返航操作包括以下步骤：
在地面站观察无人机是否完整执行完巡检任务，完成后则先点击自动返航按钮，无人机接收到命令会先升高到安全高度，然后直线飞行返回到返航点的正上方，电机转速降低，无人机落回地面返航点。
在本发明的一个实施例中，在步骤S2中，高压禁飞区处理的方法为使用最小面积凸包围盒算法，包围盒边界与杆塔和高压输电线之间的距离为无人机安全作业最小距离。
为使本领域人员进一步理解本发明，将通过以下实施例进行详细说明。
问题描述：给出三维空间中的n个顶点，求解由这n个顶点构成的凸包表面的多边形个数。
增量法求解：首先任选4个点形成的一个四面体，然后每次新加一个点，分两种情况：
①在凸包围盒内，则可以跳过；
②在凸包外，找到从这个点可以“看见”的面S(是否看见可以用法向量判断，看点是否在面外侧)，删除这些面S，然后对于S的每条边E进行判断，看该点还能否看到这些边E的另一侧的面，这样深度搜索判断。
根据本发明实施例的基于双重避障和智能识别的电力巡检无人机***，具有以下优点：
(1)本发明采用配套研发的专用地面站软件，软件集成无人机飞行时的各种详细信息，可以实现无人机巡检的全自动化。
(2)本发明采用杆塔地理位置精确标注，对杆塔和高压输电线路做包围盒处理，可视化为高压禁飞区，能够保证无人机不会进入高压禁飞区，不会对电力设施造成损坏。
(3)本发明采用双目视觉实现动态避障，防止无人机在既定航线执行任务时遇到临时存在或闯入航线的障碍物，为无人机巡检作业实现双重避障保护。
(4)本发明采用“深度学习”技术，通过采集电力线和金具特征照片自建样本库，可实现无人机在巡检过程中实时安全传输缺陷图像，实现巡检信息收集自动化，且及时反馈出缺陷部位。提高了缺陷识别能力和效率，为巡检自动化奠定了技术基础。
(5)本发明采用自动返航功能，防止由于无人机飞行距离超过人眼判断距离，导致操作人员不能辨明无人机方向或者肉眼无法看见无人机，无法手动降落。
另外，本发明实施例的基于双重避障和智能识别的电力巡检无人机***的其它构成以及作用对于本领域的技术人员而言都是已知的，为了减少冗余，不做赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。且描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。
Claims (6)
1.一种基于双重避障和智能识别的电力巡检无人机***，其特征在于双重避障的结合以及基于深度学习的自建样本库缺陷检测***，包括以下步骤：
S1：通过本***研发的配套地面站软件标定所需巡检的电力杆塔的精确位置信息(注意考虑一次任务时间需在一块电池续航时间内)；
S2：按照无人机巡检的安全距离，通过最小面积凸包围盒算法在地面站上对杆塔禁飞区做包围处理，形成的第一重禁飞区避障保护；
S3：双目摄像头实时检测可能存在的障碍物，辅以模糊神经网络控制算法，若检测到有障碍物，则切断既定路线，绕过障碍物后再返回执行原路线，形成第二重灵活避障保护；
S4：将巡检任务中发现的电力设备缺陷图像进行精准分类，建立基于“深度学习”技术的电力设施典型缺陷样本库，实现电力设施典型缺陷的模型训练与自动识别；
S5：完成巡检任务后，可手动操作着陆，也可按照规划航线，设置安全返航线路和返航点自动着陆。
2.根据权利要求1所述的一种基于双重避障和智能识别的电力巡检无人机***，其特征在于，步骤S1中：在开始巡检任务之前，需要对所巡线的杆塔经纬度信息进行确认或者标定，可精确并灵活的制定巡检的路线。
3.根据权利要求1所述的一种基于双重避障和智能识别的电力巡检无人机***，其特征在于，在步骤S2中，所述标定好杆塔线路精确位置信息之后，通过最小面积凸包围盒算法对杆塔和线路做禁飞区可视化避障，处理后无人机只在安全距离外沿着禁飞区外定高飞行，使得无人机既不会偏离巡检航线，也不会失控撞上杆塔和高压线。
4.根据权利要求1所述的一种基于双重避障和智能识别的电力巡检无人机***，其特征在于，在步骤S3中，所述使用双目视觉配合模糊神经网络控制算法作为无人机巡检图中的第二重避障方法，能够实时检测动态避障，保证无人机在飞行途中能够顺利避开树枝或者飞鸟等临时存在的障碍物。
5.根据权利要求1所述的一种基于双重避障和智能识别的电力巡检无人机***，在步骤S4中，所述***的巡检任务中发现的电力设备缺陷图像进行精准分类，建立基于“深度学习”技术的电力设施典型缺陷样本库，实现电力设施典型缺陷的模型训练与自动识别。
6.根据权利要求1所述的一种基于双重避障和智能识别的电力巡检无人机***，在步骤S5中，所述***的巡检任务完成后可手动降落，也可按照规划的返回航线和返航点自动降落。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990730.3A CN112684806A (zh) | 2019-10-18 | 2019-10-18 | 一种基于双重避障和智能识别的电力巡检无人机*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990730.3A CN112684806A (zh) | 2019-10-18 | 2019-10-18 | 一种基于双重避障和智能识别的电力巡检无人机*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112684806A true CN112684806A (zh) | 2021-04-20 |
Family
ID=75444714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910990730.3A Pending CN112684806A (zh) | 2019-10-18 | 2019-10-18 | 一种基于双重避障和智能识别的电力巡检无人机*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112684806A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113050661A (zh) * | 2021-06-02 | 2021-06-29 | 成都四方伟业软件股份有限公司 | 一种三维场景内自动巡检方法及装置 |
| CN113359832A (zh) * | 2021-06-17 | 2021-09-07 | 上海大风技术有限公司 | 基于无人机作业的桥梁检测***及检测方法 |
| CN113723904A (zh) * | 2021-08-03 | 2021-11-30 | 国家电网有限公司 | 一种无人机巡检用危险源自动识别与避障方法 |
| CN113946154A (zh) * | 2021-12-20 | 2022-01-18 | 广东科凯达智能机器人有限公司 | 一种巡线机器人的视觉识别方法和*** |
| CN115562348A (zh) * | 2022-11-03 | 2023-01-03 | 国网福建省电力有限公司漳州供电公司 | 基于变电站的无人机图像技术方法 |
| CN115829952A (zh) * | 2022-11-21 | 2023-03-21 | 国网湖北省电力有限公司超高压公司 | 基于金具高精度图像分析及全生命周期健康状态风险评估软件*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104808682A (zh) * | 2015-03-10 | 2015-07-29 | 成都市优艾维机器人科技有限公司 | 小型旋翼无人机自主避障飞行控制***及控制方法 |
| CN106403948A (zh) * | 2015-07-27 | 2017-02-15 | 国家电网公司 | 用于输电线路巡检无人机的三维航迹规划方法 |
| US20170358228A1 (en) * | 2016-06-10 | 2017-12-14 | ETAK Systems, LLC | Managing dynamic obstructions in air traffic control systems for unmanned aerial vehicles |
| WO2018045538A1 (zh) * | 2016-09-08 | 2018-03-15 | 顾磊 | 无人机及其避障方法和避障*** |
| CN109193468A (zh) * | 2018-11-19 | 2019-01-11 | 国网四川省电力公司成都供电公司 | 一种基于无人机技术的输电线路运维监控方法 |
| CN109901624A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检方法 |
-
2019
- 2019-10-18 CN CN201910990730.3A patent/CN112684806A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104808682A (zh) * | 2015-03-10 | 2015-07-29 | 成都市优艾维机器人科技有限公司 | 小型旋翼无人机自主避障飞行控制***及控制方法 |
| CN106403948A (zh) * | 2015-07-27 | 2017-02-15 | 国家电网公司 | 用于输电线路巡检无人机的三维航迹规划方法 |
| US20170358228A1 (en) * | 2016-06-10 | 2017-12-14 | ETAK Systems, LLC | Managing dynamic obstructions in air traffic control systems for unmanned aerial vehicles |
| WO2018045538A1 (zh) * | 2016-09-08 | 2018-03-15 | 顾磊 | 无人机及其避障方法和避障*** |
| CN109193468A (zh) * | 2018-11-19 | 2019-01-11 | 国网四川省电力公司成都供电公司 | 一种基于无人机技术的输电线路运维监控方法 |
| CN109901624A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113050661A (zh) * | 2021-06-02 | 2021-06-29 | 成都四方伟业软件股份有限公司 | 一种三维场景内自动巡检方法及装置 |
| CN113359832A (zh) * | 2021-06-17 | 2021-09-07 | 上海大风技术有限公司 | 基于无人机作业的桥梁检测***及检测方法 |
| CN113723904A (zh) * | 2021-08-03 | 2021-11-30 | 国家电网有限公司 | 一种无人机巡检用危险源自动识别与避障方法 |
| CN113946154A (zh) * | 2021-12-20 | 2022-01-18 | 广东科凯达智能机器人有限公司 | 一种巡线机器人的视觉识别方法和*** |
| CN113946154B (zh) * | 2021-12-20 | 2022-04-22 | 广东科凯达智能机器人有限公司 | 一种巡线机器人的视觉识别方法和*** |
| CN115562348A (zh) * | 2022-11-03 | 2023-01-03 | 国网福建省电力有限公司漳州供电公司 | 基于变电站的无人机图像技术方法 |
| CN115829952A (zh) * | 2022-11-21 | 2023-03-21 | 国网湖北省电力有限公司超高压公司 | 基于金具高精度图像分析及全生命周期健康状态风险评估软件*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112684806A (zh) | 一种基于双重避障和智能识别的电力巡检无人机*** | |
| Guan et al. | UAV-lidar aids automatic intelligent powerline inspection | |
| CN110888453B (zh) | 一种基于LiDAR数据构建三维实景的无人机自主飞行方法 | |
| CN110282143B (zh) | 一种海上风电场无人机巡检方法 | |
| CN109334543B (zh) | 一种电力巡检车与无人机相协同的电力巡线***及方法 | |
| Mirallès et al. | State-of-the-art review of computer vision for the management of power transmission lines | |
| CN110673628B (zh) | 一种复合翼无人机油气管线巡检方法 | |
| CN112960132B (zh) | 分布式共享机巢及其电力线路无人机巡检方法 | |
| CN114092537A (zh) | 一种变电站电力无人机自动巡检方法及装置 | |
| CN113963276A (zh) | 一种输电线路无人机自主巡检方法及*** | |
| CN105743017A (zh) | 输电线路无人机巡检地面测控站及运输保障*** | |
| CN114489122B (zh) | 一种基于uav及配套机场的高速公路自动巡检方法及*** | |
| CN104299168A (zh) | 一种架空输电杆塔巡检飞行机器人的视点优选方法 | |
| CN111506093A (zh) | 一种基于无人机的电力巡检***及方法 | |
| Li et al. | The future application of transmission line automatic monitoring and deep learning technology based on vision | |
| Alsadik et al. | The rise in UAV inspections for civil infrastructure | |
| CN112184944A (zh) | 一种基于bim模型定位与无人机航拍的工地安全检查*** | |
| CN111146866A (zh) | 一种输电通道控制方法 | |
| CN114359137A (zh) | 一种星地融合的输电线路外破监测方法及装置 | |
| CN113111714A (zh) | 一种应用于输电现场作业的风险防控*** | |
| Huang et al. | Research and design of space-sky-ground integrated transmission line inspection platform based on artificial intelligence | |
| Wang et al. | Application of Intelligent Robot Inspection System in Power Transmission Project | |
| CN112346481A (zh) | 一种无人机电力巡检作业的方法及*** | |
| CN115421503B (zh) | 一种用于桥梁的无人机巡检*** | |
| Solyonyj et al. | Robot for inspection and maintenance of overhead power lines |
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 | ||
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Ma Xueru Document name: Notice of First Examination Opinion |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210420 |