CN114550107B - 基于无人机集群的桥梁联动智能巡检方法、***及云平台 - Google Patents

基于无人机集群的桥梁联动智能巡检方法、***及云平台 Download PDF

Info

Publication number
CN114550107B
CN114550107B CN202210441029.8A CN202210441029A CN114550107B CN 114550107 B CN114550107 B CN 114550107B CN 202210441029 A CN202210441029 A CN 202210441029A CN 114550107 B CN114550107 B CN 114550107B
Authority
CN
China
Prior art keywords
inspection
unmanned aerial
aerial vehicle
bridge
image
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
Application number
CN202210441029.8A
Other languages
English (en)
Other versions
CN114550107A (zh
Inventor
杨翰翔
赖晓俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lianhe Intelligent Technology Co ltd
Original Assignee
Shenzhen Lianhe Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Lianhe Intelligent Technology Co ltd filed Critical Shenzhen Lianhe Intelligent Technology Co ltd
Priority to CN202210441029.8A priority Critical patent/CN114550107B/zh
Publication of CN114550107A publication Critical patent/CN114550107A/zh
Application granted granted Critical
Publication of CN114550107B publication Critical patent/CN114550107B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请的一种基于无人机集群的桥梁联动智能巡检方法、***及云平台，能够提取桥梁监控巡检图像中桥梁结构分布信息、图像格式类别和桥梁监控巡检角度之间的异常匹配记录作为多个维度的无人机选定依据，来确定待选择巡检无人机是否为可以进行调配的待调配巡检无人机，在对待调配巡检无人机进行无人机巡检集群联动调配分析的过程中，能够确保联动调配分析依据的多样化和丰富性，从而在一定程度上提高对待调配巡检无人机的集群巡检联动调配准确率和可信度，这样可以利用待调配巡检无人机对指定桥梁监控区域进行综合化和全面化的巡检。

Description

基于无人机集群的桥梁联动智能巡检方法、***及云平台
技术领域
本申请实施例涉及图像处理与无人机技术领域，具体涉及一种基于无人机集群的桥梁联动智能巡检方法、***及云平台。
背景技术
无人机（Unmanned Aerial Vehicle/Drones，UAV）是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。
随着无人机技术的发展，现目前的无人机已经应用于航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾和影视拍摄等等领域。
图像处理技术和计算机视觉技术的结合，极大提高了图像的处理效率。通过将无人机与图像处理技术相结合，可以更大程度上促进无人机进一步高速发展。为了更高效实现桥梁的巡检工作，往往需要将无人机与图像处理技术相结合；然而相关的无人机桥梁安全巡检技术存在综合化程度低下的问题。
发明内容
有鉴于此，本申请实施例提供了一种基于无人机集群的桥梁联动智能巡检方法、***及云平台。
本申请实施例提供了一种基于无人机集群的桥梁联动智能巡检方法，应用于桥梁联动智能巡检***中的桥梁联动智能巡检云平台，所述桥梁联动智能巡检云平台与所述桥梁联动智能巡检***中巡检无人机通信连接，所述方法包括：
收取待选择巡检无人机的至少一帧桥梁监控巡检图像；
识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到对应的桥梁结构分布信息、图像格式类别和桥梁监控巡检角度中的至少两种；
若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息；
基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
根据得到的无人机选定结果，确定待调配巡检无人机。
可替换的，所述收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：
判断所述至少一帧桥梁监控巡检图像中是否蕴含显著性内容，所述显著性内容包括：桥梁结构关键特征或桥梁检测设备信息；
若每帧桥梁监控巡检图像中均蕴含所述显著性内容，则从事先部署的关系型数据库中，得到与所述每帧桥梁监控巡检图像对应的第二巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第二巡检影响度信息；
相应的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
根据所述至少一个第一巡检影响度信息和所述至少一个第二巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
可替换的，所述收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：
收取针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像；所述至少一个反馈图像是由桥梁联动智能巡检云平台收取到所述至少一帧桥梁监控巡检图像后作出图像处理而得到的；
识别所述至少一个反馈图像，得到每个反馈图像分别对应的无人机选定参考信息；
若所述无人机选定参考信息指示没有查询到所要进行安全监控巡检的数据，则从事先部署的错误反馈列表中，得到与所述每帧桥梁监控巡检图像对应的第三巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第三巡检影响度信息；
相应的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
根据所述至少一个第一巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
或者，根据所述至少一个第一巡检影响度信息、所述至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
其中，所述方法还包括：
识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到唯一绑定的桥梁监控巡检变量；
计算与每帧桥梁监控巡检图像对应的所述桥梁监控巡检变量的数量；
根据至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息中的至少一个，所述至少一个第一巡检影响度信息，以及所述桥梁监控巡检变量的数量，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
可替换的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在超过第一飞行干扰评价阈值的第一目标巡检影响度信息，则确定与所述第一目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
可替换的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在未超过第一飞行干扰评价阈值的第二目标巡检影响度信息，则将所述第二目标巡检影响度信息进行融合，得到第一整体性巡检影响度信息；
若所述第一整体性巡检影响度信息未超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机调配结果；
若所述第一整体性巡检影响度信息超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
可替换的，所述每帧桥梁监控巡检图像对应的第一巡检影响度信息包括：第一局部影响度信息和第二局部影响度信息；
所述若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一巡检影响度信息，包括：
若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息；
或者，若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息，包括：
若所述图像格式类别与所述桥梁监控巡检角度，与第一事先部署的异常匹配记录中存在适配的第一目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第一目标异常匹配记录对应的所述第一局部影响度信息；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息，包括：
若所述桥梁结构分布信息与所述图像格式类别，与第二事先部署的异常匹配记录中存在适配的第二目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第二目标异常匹配记录对应的所述第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息之后，所述方法还包括：
计算与所述第一局部影响度信息对应的第一限制性图像格式类别的类别数目；
若所述第一限制性图像格式类别的类别数目超过第一设定类别阈值，则与所述第一限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息之后，所述方法还包括：
计算与所述第二局部影响度信息对应的第二限制性图像格式类别的类别数目；
若所述第二限制性图像格式类别的类别数目超过第二设定类别阈值，则与所述第二限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
可替换的，所述确定所述至少一帧桥梁监控巡检图像的无人机选定结果之后，所述方法还包括：
若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，则删除所述至少一帧桥梁监控巡检图像；
或者，若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则删除所述至少一个反馈图像；
或者，若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机调配结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则保存所述至少一个反馈图像。
可替换的，所述根据得到的无人机选定结果，确定待调配巡检无人机，包括：
将无人机选定结果为无人机调配结果的待选定无人机确定为待调配巡检无人机；
根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径；
其中，所述根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径，包括：
获取每台所述待调配巡检无人机的空间三维状态以及各飞行姿态信息；
在根据所述空间三维状态确定出所述每台所述待调配巡检无人机中包含有动态路径标签的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息之间的相关系数，并将每台所述待调配巡检无人机的静态路径标签下的与动态路径标签下的飞行姿态信息相似的飞行姿态信息迁移到相应的动态路径标签下；
在每台所述待调配巡检无人机的当前静态路径标签下包含有多个飞行姿态信息的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息之间的相关系数，并根据所述各飞行姿态信息之间的相关系数对当前静态路径标签下的各飞行姿态信息进行分组；
根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述为上述分组获得的每一组飞行姿态信息设置动态路径标签描述，并将所述每一组飞行姿态信息迁移到所述动态路径标签描述所表示的动态路径标签下；
根据所述动态路径标签下的飞行姿态信息确定每台所述待调配巡检无人机的局部飞行路径，将所述局部飞行路径进行全局融合，得到由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径。
本申请实施例还提供了一种桥梁联动智能巡检云平台，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
相较于现有技术，本申请实施例提供的一种基于无人机集群的桥梁联动智能巡检方法、***及云平台具有以下技术效果：可以提取桥梁监控巡检图像中桥梁结构分布信息、图像格式类别和桥梁监控巡检角度之间的异常匹配记录作为多个维度的无人机选定依据，来确定待选择巡检无人机是否为可以进行调配的待调配巡检无人机，在对待调配巡检无人机进行无人机巡检集群联动调配分析的过程中，能够确保联动调配分析依据的多样化和丰富性，从而在一定程度上提高对待调配巡检无人机的集群巡检联动调配准确率和可信度，这样可以利用待调配巡检无人机对指定桥梁监控区域进行综合化和全面化的巡检。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种桥梁联动智能巡检云平台的方框示意图。
图2为本申请实施例所提供的一种基于无人机集群的桥梁联动智能巡检方法的流程图。
图3为本申请实施例所提供的一种桥梁联动智能巡检***的通信架构框图。
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，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。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所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本申请实施例所提供的一种桥梁联动智能巡检云平台10的方框示意图。本申请实施例中的桥梁联动智能巡检云平台10可以为具有数据存储、传输、处理功能的服务端，如图1所示，桥梁联动智能巡检云平台10包括：存储器11、处理器12、网络模块13和基于无人机集群的桥梁联动智能巡检装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有基于无人机集群的桥梁联动智能巡检装置20，所述基于无人机集群的桥梁联动智能巡检装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的基于无人机集群的桥梁联动智能巡检装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的基于无人机集群的桥梁联动智能巡检方法。
其中，所述存储器11可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。
所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立桥梁联动智能巡检云平台10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，桥梁联动智能巡检云平台10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种基于无人机集群的桥梁联动智能巡检的流程图。所述方法有关的流程所定义的方法步骤应用于上述的桥梁联动智能巡检云平台10，所述方法包括以下步骤S21-步骤S25。
可以理解，上述方法应用于桥梁联动智能巡检***中的桥梁联动智能巡检云平台，所述桥梁联动智能巡检云平台与所述桥梁联动智能巡检***中巡检无人机通信连接，以下的待选择巡检无人机为桥梁联动智能巡检云平台通信连接的无人机中的一台或者多台，本申请不作限制。
步骤S21、收取待选择巡检无人机的至少一帧桥梁监控巡检图像。
比如，可以在进行无人机集群组合之前获取对应的待选择巡检无人机针对指定桥梁监控区域所拍摄的桥梁监控巡检图像，该桥梁监控巡检图像用于对待选择巡检无人机是否符合无人机集群组合条件进行判断。
步骤S22、识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到对应的桥梁结构分布信息、图像格式类别和桥梁监控巡检角度中的至少两种。
在本申请实施例中，桥梁结构分布信息用于表征桥梁的不同部位之间的相对空间位置关系，图像格式类别用于对桥梁监控巡检图像进行区分，桥梁监控巡检角度可以理解为图像拍摄的角度，桥梁监控巡检角度可以从侧面反映待巡检无人机的飞行姿态。
步骤S23、若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息。
可以理解的是，异常匹配表征桥梁监控巡检图像的相关维度的信息之间存在冲突或者不兼容的情况，在这种情况下，可能需要进行协同巡检影响的进一步分析，从而避免巡检无人机之间存在飞行冲突或者飞行干扰，以保证无人机集群的巡检工作能够顺利开展。
进一步地，异常匹配记录用于表征桥梁监控巡检图像的相关维度的信息之间的匹配情况，通过异常匹配记录能够得到具有量化分析价值的第一巡检影响度信息，第一巡检影响度信息用于表征桥梁监控巡检图像对应的巡检无人机在组成无人机集群过程中的各类性能评价的量化值。
在一些可能的实施例中，所述每帧桥梁监控巡检图像对应的第一巡检影响度信息包括：第一局部影响度信息和第二局部影响度信息。基于此，步骤S23所描述的若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息，可以包括以下步骤231或者步骤232。
步骤231、若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息。
进一步地，若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息，包括：若所述图像格式类别与所述桥梁监控巡检角度，与第一事先部署的异常匹配记录中存在适配的第一目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第一目标异常匹配记录对应的所述第一局部影响度信息。
在一些可选的实施例中，若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息之后，所述方法还包括：计算与所述第一局部影响度信息对应的第一限制性图像格式类别的类别数目；若所述第一限制性图像格式类别的类别数目超过第一设定类别阈值，则与所述第一限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
在本申请实施例中，无人机过滤结果可以理解为不将待选择巡检无人机作为无人机集群中的一员，也从侧面反映出待选择巡检无人机的相关性能（比如飞行姿态、飞行线路）难以满足巡检协作要求。
步骤232、若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息。
进一步地，若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息，包括：若所述桥梁结构分布信息与所述图像格式类别，与第二事先部署的异常匹配记录中存在适配的第二目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第二目标异常匹配记录对应的所述第二局部影响度信息。
在一些可选的实施例中，若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息之后，所述方法还包括：计算与所述第二局部影响度信息对应的第二限制性图像格式类别的类别数目；若所述第二限制性图像格式类别的类别数目超过第二设定类别阈值，则与所述第二限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
可以理解的是，通过上述内容，能根据不同层面的分析依据确定待选择巡检无人机的无人机选定结果，从而确保无人机选定结果的准确性和可靠性。
步骤S24、基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
在一些可能的实施例中，基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在超过第一飞行干扰评价阈值的第一目标巡检影响度信息，则确定与所述第一目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
在另一些可能的实施例中，基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，可以包括以下步骤S241-步骤S243。
步骤S241、若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在未超过第一飞行干扰评价阈值的第二目标巡检影响度信息，则将所述第二目标巡检影响度信息进行融合，得到第一整体性巡检影响度信息。
步骤S242、若所述第一整体性巡检影响度信息未超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机调配结果。
步骤S243、若所述第一整体性巡检影响度信息超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
可以理解的是，通过引入整体性巡检影响度信息进行无人机选定判断，能够进一步提高无人机选定的准确性，避免漏选或者误选。
步骤S25、根据得到的无人机选定结果，确定待调配巡检无人机。
在实际实施过程中，根据得到的无人机选定结果，确定待调配巡检无人机，可以包括以下步骤S251和步骤S252。
步骤S251、将无人机选定结果为无人机调配结果的待选定无人机确定为待调配巡检无人机。
步骤S252、根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径。
如此，可以确保无人机集群中的待调配巡检无人机在飞行巡检过程中不会出现飞行干扰或者冲突，还能够实现对指定桥梁监控区域进行全方位的巡检。
在一些可能的实施例中，步骤S252所描述的根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径，可以包括以下步骤S2521-步骤S2525所描述的技术方案。
步骤S2521、获取每台所述待调配巡检无人机的空间三维状态以及各飞行姿态信息。
步骤S2522、在根据所述空间三维状态确定出所述每台所述待调配巡检无人机中包含有动态路径标签的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息之间的相关系数，并将每台所述待调配巡检无人机的静态路径标签下的与动态路径标签下的飞行姿态信息相似的飞行姿态信息迁移到相应的动态路径标签下。
步骤S2523、在每台所述待调配巡检无人机的当前静态路径标签下包含有多个飞行姿态信息的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息之间的相关系数，并根据所述各飞行姿态信息之间的相关系数对当前静态路径标签下的各飞行姿态信息进行分组。
步骤S2524、根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述为上述分组获得的每一组飞行姿态信息设置动态路径标签描述，并将所述每一组飞行姿态信息迁移到所述动态路径标签描述所表示的动态路径标签下。
步骤S2525、根据所述动态路径标签下的飞行姿态信息确定每台所述待调配巡检无人机的局部飞行路径，将所述局部飞行路径进行全局融合，得到由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径。
如此，通过上述内容，能够实现对不同路径标签下的飞行姿态信息进行更新和调整，从而确保得到的待调配巡检无人机的局部飞行路径的准确性和实时性，进而保证桥梁巡检飞行路径不会出现局部飞行路径冲突。
在一些选择性的实施例中，所述根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息之间的相关系数，并将每台所述待调配巡检无人机的静态路径标签下的与动态路径标签下的飞行姿态信息相似的飞行姿态信息迁移到相应的动态路径标签下包括：计算每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息的描述特征之间的余弦相似度；分别判断各余弦相似度是否达到第一相似度阈值，并将余弦相似度达到第一相似度阈值的静态路径标签下的飞行姿态信息迁移到相应的动态路径标签下。
在一些选择性的实施例中，所述根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息之间的相关系数，并根据所述各飞行姿态信息之间的相关系数对当前静态路径标签下的各飞行姿态信息进行分组包括：计算每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息的描述特征之间的余弦相似度；针对每台所述待调配巡检无人机的当前静态路径标签下的一个飞行姿态信息而言，将该飞行姿态信息和与其描述特征之间的余弦相似度达到第二相似度阈值的所有飞行姿态信息划分为一组。
在一些可能的实施例中，在步骤S21所描述的收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：判断所述至少一帧桥梁监控巡检图像中是否蕴含显著性内容，所述显著性内容包括：桥梁结构关键特征或桥梁检测设备信息；若每帧桥梁监控巡检图像中均蕴含所述显著性内容，则从事先部署的关系型数据库中，得到与所述每帧桥梁监控巡检图像对应的第二巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第二巡检影响度信息。在此基础上，步骤S24所描述的基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：根据所述至少一个第一巡检影响度信息和所述至少一个第二巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。如此，可以额外引入第二巡检影响度信息进行无人机选定分析，从而确保无人机选定分析的可信度。
在一些可能的实施例中，在步骤S21所描述的收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：收取针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像；所述至少一个反馈图像是由桥梁联动智能巡检云平台收取到所述至少一帧桥梁监控巡检图像后作出图像处理而得到的；识别所述至少一个反馈图像，得到每个反馈图像分别对应的无人机选定参考信息；若所述无人机选定参考信息指示没有查询到所要进行安全监控巡检的数据，则从事先部署的错误反馈列表中，得到与所述每帧桥梁监控巡检图像对应的第三巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第三巡检影响度信息。基于此，步骤S24所描述的基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：根据所述至少一个第一巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；或者，根据所述至少一个第一巡检影响度信息、所述至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
在一些可选的实施例中，所述方法还包括：识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到唯一绑定的桥梁监控巡检变量；计算与每帧桥梁监控巡检图像对应的所述桥梁监控巡检变量的数量；根据至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息中的至少一个，所述至少一个第一巡检影响度信息，以及所述桥梁监控巡检变量的数量，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
在上述内容的基础上，在确定所述至少一帧桥梁监控巡检图像的无人机选定结果之后，所述方法还包括以下内容。
（1）若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，则删除所述至少一帧桥梁监控巡检图像。
（2）若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则删除所述至少一个反馈图像。
（3）若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机调配结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则保存所述至少一个反馈图像。
如此，可以实现对相关巡检图像的删除和保存，从而便于后续进行巡检调配的分析依据和优化依据。
基于上述同样的发明构思，请结合参阅图3，还提供了一种桥梁联动智能巡检***30，包括互相之间通信的桥梁联动智能巡检云平台31和巡检无人机32。桥梁联动智能巡检云平台31收取待选择巡检无人机的至少一帧桥梁监控巡检图像；识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到对应的桥梁结构分布信息、图像格式类别和桥梁监控巡检角度中的至少两种；若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息；基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；根据得到的无人机选定结果，确定待调配巡检无人机。
综上，基于上述技术方案，能够提取桥梁监控巡检图像中桥梁结构分布信息、图像格式类别和桥梁监控巡检角度之间的异常匹配记录作为多个维度的无人机选定依据，来确定待选择巡检无人机是否为可以进行调配的待调配巡检无人机，在对待调配巡检无人机进行无人机巡检集群联动调配分析的过程中，能够确保联动调配分析依据的多样化和丰富性，从而在一定程度上提高对待调配巡检无人机的集群巡检联动调配准确率和可信度，这样可以利用待调配巡检无人机对指定桥梁监控区域进行综合化和全面化的巡检。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，桥梁联动智能巡检云平台10，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于无人机集群的桥梁联动智能巡检方法，其特征在于，应用于桥梁联动智能巡检***中的桥梁联动智能巡检云平台，所述桥梁联动智能巡检云平台与所述桥梁联动智能巡检***中巡检无人机通信连接，所述方法包括：
收取待选择巡检无人机的至少一帧桥梁监控巡检图像；
识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到对应的桥梁结构分布信息、图像格式类别和桥梁监控巡检角度中的至少两种；
若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息；
基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
根据得到的无人机选定结果，确定待调配巡检无人机；
所述每帧桥梁监控巡检图像对应的第一巡检影响度信息包括：第一局部影响度信息和第二局部影响度信息；
所述若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一巡检影响度信息，包括：
若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息；
或者，若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息，包括：
若所述图像格式类别与所述桥梁监控巡检角度，与第一事先部署的异常匹配记录中存在适配的第一目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第一目标异常匹配记录对应的所述第一局部影响度信息；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息，包括：
若所述桥梁结构分布信息与所述图像格式类别，与第二事先部署的异常匹配记录中存在适配的第二目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第二目标异常匹配记录对应的所述第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息之后，所述方法还包括：
计算与所述第一局部影响度信息对应的第一限制性图像格式类别的类别数目；
若所述第一限制性图像格式类别的类别数目超过第一设定类别阈值，则与所述第一限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息之后，所述方法还包括：
计算与所述第二局部影响度信息对应的第二限制性图像格式类别的类别数目；
若所述第二限制性图像格式类别的类别数目超过第二设定类别阈值，则与所述第二限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果；
所述根据得到的无人机选定结果，确定待调配巡检无人机，包括：
将无人机选定结果为无人机调配结果的待选定无人机确定为待调配巡检无人机；
根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径；
其中，所述根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径，包括：
获取每台所述待调配巡检无人机的空间三维状态以及各飞行姿态信息；
在根据所述空间三维状态确定出所述每台所述待调配巡检无人机中包含有动态路径标签的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息之间的相关系数，并将每台所述待调配巡检无人机的静态路径标签下的与动态路径标签下的飞行姿态信息相似的飞行姿态信息迁移到相应的动态路径标签下；
在每台所述待调配巡检无人机的当前静态路径标签下包含有多个飞行姿态信息的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息之间的相关系数，并根据所述各飞行姿态信息之间的相关系数对当前静态路径标签下的各飞行姿态信息进行分组；
根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述为上述分组获得的每一组飞行姿态信息设置动态路径标签描述，并将所述每一组飞行姿态信息迁移到所述动态路径标签描述所表示的动态路径标签下；
根据所述动态路径标签下的飞行姿态信息确定每台所述待调配巡检无人机的局部飞行路径，将所述局部飞行路径进行全局融合，得到由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径。
2.根据权利要求1所述的方法，其特征在于，所述收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：
判断所述至少一帧桥梁监控巡检图像中是否蕴含显著性内容，所述显著性内容包括：桥梁结构关键特征或桥梁检测设备信息；
若每帧桥梁监控巡检图像中均蕴含所述显著性内容，则从事先部署的关系型数据库中，得到与所述每帧桥梁监控巡检图像对应的第二巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第二巡检影响度信息；
相应的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
根据所述至少一个第一巡检影响度信息和所述至少一个第二巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
3.根据权利要求1或2所述方法，其特征在于，所述收取待选择巡检无人机的至少一帧桥梁监控巡检图像之后，所述方法还包括：
收取针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像；所述至少一个反馈图像是由桥梁联动智能巡检云平台收取到所述至少一帧桥梁监控巡检图像后作出图像处理而得到的；
识别所述至少一个反馈图像，得到每个反馈图像分别对应的无人机选定参考信息；
若所述无人机选定参考信息指示没有查询到所要进行安全监控巡检的数据，则从事先部署的错误反馈列表中，得到与所述每帧桥梁监控巡检图像对应的第三巡检影响度信息，以确定至少一帧桥梁监控巡检图像对应的至少一个第三巡检影响度信息；
相应的，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
根据所述至少一个第一巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
或者，根据所述至少一个第一巡检影响度信息、所述至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；
其中，所述方法还包括：
识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到唯一绑定的桥梁监控巡检变量；
计算与每帧桥梁监控巡检图像对应的所述桥梁监控巡检变量的数量；
根据至少一个第二巡检影响度信息和所述至少一个第三巡检影响度信息中的至少一个，所述至少一个第一巡检影响度信息，以及所述桥梁监控巡检变量的数量，确定所述至少一帧桥梁监控巡检图像的无人机选定结果。
4.根据权利要求1所述方法，其特征在于，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在超过第一飞行干扰评价阈值的第一目标巡检影响度信息，则确定与所述第一目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
5.根据权利要求1所述方法，其特征在于，所述基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果，包括：
若所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息中存在未超过第一飞行干扰评价阈值的第二目标巡检影响度信息，则将所述第二目标巡检影响度信息进行融合，得到第一整体性巡检影响度信息；
若所述第一整体性巡检影响度信息未超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机调配结果；
若所述第一整体性巡检影响度信息超过第一全局飞行干扰评价阈值，则与所述第二目标巡检影响度信息对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果。
6.根据权利要求1所述的方法，其特征在于，所述确定所述至少一帧桥梁监控巡检图像的无人机选定结果之后，所述方法还包括：
若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，则删除所述至少一帧桥梁监控巡检图像；
或者，若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机过滤结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则删除所述至少一个反馈图像；
或者，若所述至少一帧桥梁监控巡检图像的无人机选定结果为无人机调配结果，且已经收取到了针对所述至少一帧桥梁监控巡检图像反馈的至少一个反馈图像，则保存所述至少一个反馈图像。
7.一种桥梁联动智能巡检***，其特征在于，包括互相之间通信的桥梁联动智能巡检云平台和巡检无人机；
待选择巡检无人机用于向桥梁联动智能巡检云平台发送至少一帧桥梁监控巡检图像；
桥梁联动智能巡检云平台用于识别所述至少一帧桥梁监控巡检图像中的每帧桥梁监控巡检图像，分别得到对应的桥梁结构分布信息、图像格式类别和桥梁监控巡检角度中的至少两种；若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到与所述每帧桥梁监控巡检图像对应的第一巡检影响度信息；基于所述至少一帧桥梁监控巡检图像对应的至少一个第一巡检影响度信息，确定所述至少一帧桥梁监控巡检图像的无人机选定结果；根据得到的无人机选定结果，确定待调配巡检无人机；
所述每帧桥梁监控巡检图像对应的第一巡检影响度信息包括：第一局部影响度信息和第二局部影响度信息；
所述若所述桥梁监控巡检角度、所述桥梁结构分布信息和所述图像格式类别中的至少两种之间存在异常匹配，则从事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一巡检影响度信息，包括：
若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息；
或者，若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息，包括：
若所述图像格式类别与所述桥梁监控巡检角度，与第一事先部署的异常匹配记录中存在适配的第一目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第一目标异常匹配记录对应的所述第一局部影响度信息；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息，包括：
若所述桥梁结构分布信息与所述图像格式类别，与第二事先部署的异常匹配记录中存在适配的第二目标异常匹配记录，则指示从所述事先部署的异常匹配记录中，得到与所述第二目标异常匹配记录对应的所述第二局部影响度信息；
其中，所述若所述桥梁监控巡检角度与所述图像格式类别之间存在异常匹配，则从第一事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第一局部影响度信息之后，还包括：
计算与所述第一局部影响度信息对应的第一限制性图像格式类别的类别数目；
若所述第一限制性图像格式类别的类别数目超过第一设定类别阈值，则与所述第一限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果；
其中，所述若所述桥梁结构分布信息和所述图像格式类别之间存在异常匹配，则从第二事先部署的异常匹配记录中，得到所述每帧桥梁监控巡检图像对应的第二局部影响度信息之后，还包括：
计算与所述第二局部影响度信息对应的第二限制性图像格式类别的类别数目；
若所述第二限制性图像格式类别的类别数目超过第二设定类别阈值，则与所述第二限制性图像格式类别对应的桥梁监控巡检图像的无人机选定结果为无人机过滤结果；
所述根据得到的无人机选定结果，确定待调配巡检无人机，包括：
将无人机选定结果为无人机调配结果的待选定无人机确定为待调配巡检无人机；
根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径；
其中，所述根据每台所述待调配巡检无人机的位置分布信息，确定由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径，包括：
获取每台所述待调配巡检无人机的空间三维状态以及各飞行姿态信息；
在根据所述空间三维状态确定出所述每台所述待调配巡检无人机中包含有动态路径标签的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的静态路径标签下的各飞行姿态信息与每台所述待调配巡检无人机的动态路径标签下的各飞行姿态信息之间的相关系数，并将每台所述待调配巡检无人机的静态路径标签下的与动态路径标签下的飞行姿态信息相似的飞行姿态信息迁移到相应的动态路径标签下；
在每台所述待调配巡检无人机的当前静态路径标签下包含有多个飞行姿态信息的前提下，根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述确定每台所述待调配巡检无人机的当前静态路径标签下的各飞行姿态信息之间的相关系数，并根据所述各飞行姿态信息之间的相关系数对当前静态路径标签下的各飞行姿态信息进行分组；
根据多台所述待调配巡检无人机的动态路径标签下的飞行姿态信息及其状态描述为上述分组获得的每一组飞行姿态信息设置动态路径标签描述，并将所述每一组飞行姿态信息迁移到所述动态路径标签描述所表示的动态路径标签下；
根据所述动态路径标签下的飞行姿态信息确定每台所述待调配巡检无人机的局部飞行路径，将所述局部飞行路径进行全局融合，得到由所述待调配巡检无人机组成的无人机集群的桥梁巡检飞行路径。
8.一种桥梁联动智能巡检云平台，其特征在于，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述权利要求1-6任一项所述的方法。
CN202210441029.8A 2022-04-26 2022-04-26 基于无人机集群的桥梁联动智能巡检方法、***及云平台 Active CN114550107B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210441029.8A CN114550107B (zh) 2022-04-26 2022-04-26 基于无人机集群的桥梁联动智能巡检方法、***及云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210441029.8A CN114550107B (zh) 2022-04-26 2022-04-26 基于无人机集群的桥梁联动智能巡检方法、***及云平台

Publications (2)

Publication Number Publication Date
CN114550107A CN114550107A (zh) 2022-05-27
CN114550107B true CN114550107B (zh) 2022-07-26

Family

ID=81667504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210441029.8A Active CN114550107B (zh) 2022-04-26 2022-04-26 基于无人机集群的桥梁联动智能巡检方法、***及云平台

Country Status (1)

Country Link
CN (1) CN114550107B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114740901B (zh) * 2022-06-13 2022-08-19 深圳联和智慧科技有限公司 一种无人机集群飞行方法、***及云平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105401531A (zh) * 2015-11-20 2016-03-16 上海市政工程设计研究总院（集团）有限公司 一种基于多旋翼飞行器的高架桥梁支座巡检***
CN106054916A (zh) * 2016-05-20 2016-10-26 清华大学合肥公共安全研究院 一种无人机桥梁巡检***及巡检方法
CN107450576A (zh) * 2017-07-24 2017-12-08 哈尔滨工程大学 一种桥梁检测无人机路径规划的方法
CN107967685A (zh) * 2017-12-11 2018-04-27 中交第二公路勘察设计研究院有限公司 一种基于无人机遥感的桥梁墩塔裂缝无损定量检测方法
JP2018160228A (ja) * 2017-03-21 2018-10-11 株式会社東芝 経路生成装置、経路制御システム、及び経路生成方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN111999298A (zh) * 2020-06-30 2020-11-27 南京林业大学 一种基于5g技术的无人机快速巡检桥梁***
CN113984082A (zh) * 2021-10-28 2022-01-28 江苏天汇空间信息研究院有限公司 基于大数据的停车场车辆巡检管理***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109300126B (zh) * 2018-09-21 2022-01-07 重庆建工集团股份有限公司 一种基于空间位置的桥梁病害高精度智能检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105401531A (zh) * 2015-11-20 2016-03-16 上海市政工程设计研究总院（集团）有限公司 一种基于多旋翼飞行器的高架桥梁支座巡检***
CN106054916A (zh) * 2016-05-20 2016-10-26 清华大学合肥公共安全研究院 一种无人机桥梁巡检***及巡检方法
JP2018160228A (ja) * 2017-03-21 2018-10-11 株式会社東芝 経路生成装置、経路制御システム、及び経路生成方法
CN107450576A (zh) * 2017-07-24 2017-12-08 哈尔滨工程大学 一种桥梁检测无人机路径规划的方法
CN107967685A (zh) * 2017-12-11 2018-04-27 中交第二公路勘察设计研究院有限公司 一种基于无人机遥感的桥梁墩塔裂缝无损定量检测方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN111999298A (zh) * 2020-06-30 2020-11-27 南京林业大学 一种基于5g技术的无人机快速巡检桥梁***
CN113984082A (zh) * 2021-10-28 2022-01-28 江苏天汇空间信息研究院有限公司 基于大数据的停车场车辆巡检管理***

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"Based on bridge detection UAV"s path planning and analysis of wind field under bridge based on bridge detection";He Qu 等;《2018 Chinese Control And Decision Conference (CCDC)》;20180709;第4425-4430页 *
"UAV coverage path planning algorithm for bridge detection";Hongwei Mo 等;《2017 IEEE Symposium Series on Computational Intelligence (SSCI)》;20180208;第1-7页 *
"Unmanned Aerial Vehicle Assisted Bridge Crack Severity Inspection Using Edge Detection Methods";Kalyan Kumar Jena 等;《IEEE》;20200312;第284-289页 *
"基于无人机平台的钢桥铆钉病害全场智能检测方法研究";封亚炜;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;20220315(第2022年第03期);第C034-1060页正文第10-32页 *
"无人机在桥梁检测中的应用研究";刘威 等;《交通与港航》;20200825(第2020年第04期);第75-81页 *
"面向斜拉桥索塔巡检的旋翼UAV避障航迹规划与跟踪控制研究";徐伟;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;20210615(第2021年第06期);第C031-97页正文第7-38页 *
带你了解无人机桥梁巡检"千里眼";老蒋讲航测;《https://zhuanlan.zhihu.com/p/391670664》;20210721;第1-2页 *

Also Published As

Publication number Publication date
CN114550107A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
EP3511881B1 (en) Information fusion in multi-domain operational environment
Alexandrov et al. Analysis of machine learning methods for wildfire security monitoring with an unmanned aerial vehicles
US10776316B2 (en) Automated multi-domain operational services
US11483349B2 (en) Multi-domain operational environment utilizing a common information layer
CN112541395A (zh) 一种目标检测和跟踪方法、装置、存储介质及电子装置
CN111601361B (zh) 一种实时检测Ad hoc网络关键节点的方法及装置
CN114740901B (zh) 一种无人机集群飞行方法、***及云平台
CN115187005B (zh) 调度方法、装置、设备及存储介质
CN111291697A (zh) 用于识别障碍物的方法和装置
CN114550107B (zh) 基于无人机集群的桥梁联动智能巡检方法、***及云平台
CN114627394B (zh) 一种基于无人机的渣土车套牌识别方法及***
Bektash et al. Analyzing visual imagery for emergency drone landing on unknown environments
CN117519944A (zh) 一种基于算力感知和边缘云计算协同的无人车及其协同方法
Zhou et al. Pairs autogeo: an automated machine learning framework for massive geospatial data
CN117271111A (zh) 基于边缘计算的无人平台野外协同环境感知方法和***
Hensel et al. Object Detection and Mapping with Unmanned Aerial Vehicles Using Convolutional Neural Networks
CN113593256A (zh) 基于城市管理的无人机智能驱离控制方法、***及云平台
CN114743384A (zh) 报警方法及装置
Dästner et al. Machine learning support for radar-based surveillance systems
CN115527397B (zh) 一种基于多模神经网络的空管态势特征提取方法及装置
CN114743120B (zh) 一种基于图像识别的路边车辆非法占道检测方法及***
CN113516106B (zh) 基于城市管理的无人机智能车辆识别方法及***
CN113922862B (zh) 一种无人机综合任务管控***
US20230109494A1 (en) Methods and devices for building a training dataset
CN114357405A (zh) 一种用于无人机制造快速建模***

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