CN115275870B - 一种基于高空线路维护的巡检*** - Google Patents
一种基于高空线路维护的巡检*** Download PDFInfo
- Publication number
- CN115275870B CN115275870B CN202211192428.1A CN202211192428A CN115275870B CN 115275870 B CN115275870 B CN 115275870B CN 202211192428 A CN202211192428 A CN 202211192428A CN 115275870 B CN115275870 B CN 115275870B
- Authority
- CN
- China
- Prior art keywords
- inspection
- image
- aircraft
- target
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于高空供电设备技术领域,具体涉及一种基于高空线路维护的巡检***,该巡检***包括:飞行器,所述飞行器至少包括有图像采集模组,飞行模组和数据链传输***;终端服务器,所述终端服务器至少包括有处理单元、推进***和通信模组;通过飞行器对高空线路设备进行图像采集,并将该图像传输至终端服务器,通过终端服务器对采集的图像进行计算和识别。本发明通过巡检***生成巡检方案,再通过飞行器执行巡检方案,提高了巡检效率,同时,通过建立三维模型,能够根据影像数据的坐标生成模拟图像,将模拟图像和影像数据进行对比后,可快速识别高空线路和设备上存在的安全隐患,降低了数据处理难度。
Description
技术领域
本发明属于高空供电设备技术领域,具体涉及一种基于高空线路维护的巡检***。
背景技术
高空线路的巡检是配网自动化的重要内容之一,由于供电线路所处地理位置和环境条件的特殊性,终年暴露在野外,要遭受风、雨、雾、雪、冰雹、雷电等自然天气的侵袭,遭受洪水、地震、山体滑坡、泥石流等自然灾害的威胁,还要遭受山石开采、施工***、盗取毁坏等人为因素的危害,输电线路的安全运行受到严重威胁。定期或不定期地对输电线路进行运行状态监测(即监测输电线路及周围环境是否发生故障)以及检修维护是保障输电线路安全运行的必然手段。现有技术中,大多通过人工走线或无人机巡查的方式对高空线路进行维护巡检,但上述两种方式中,存在以下问题:
1、现有方式中,通过人工走线进行巡检,对人员的综合能力要求较高,巡检人员还要面临高空作业、高原缺氧、坠落风险、触电风险、环境恶劣等不定因素,巡检人员的人身安全存在很大的隐患,且通过人工进行巡检,还存在巡检效率低、巡检经验要求高、巡检遗漏的问题;
2、现有技术中,通过无人机对高空线路进行巡检,大多依靠人工控制无人机靠近高空线路及电力设备进行巡检,无人机巡检后产生海量影像数据,大多需要通过人工对影像数据进行识别和判断,识别效率较慢,数据的处理存在较大难度,在目前人员现状条件下,特别是外委单位人员中基本不具备电气知识,安全隐患识别准确度较低。
发明内容
本发明的目的是提供一种基于高空线路维护的巡检***,通过巡检***生成巡检方案,再通过飞行器执行巡检方案,提高了巡检效率,同时,通过建立三维模型,能够根据影像数据的坐标生成模拟图像,将模拟图像和影像数据进行对比后,可快速识别高空线路和设备上存在的安全隐患,降低了数据处理难度。
本发明采取的技术方案具体如下:
一种基于高空线路维护的巡检***,包括:
飞行器,所述飞行器至少包括有图像采集模组,飞行模组和数据链传输***;
终端服务器,所述终端服务器至少包括有处理单元、推进***和通信模组;
通过飞行器对高空线路设备进行图像采集,并将该图像传输至终端服务器,通过终端服务器对采集的图像进行计算和识别,以排查高空线路设备的安全隐患,其具体步骤如下:
获取高空线路及相关设备的三维模型,所述三维模型至少包括有电力塔主体或/和电力杆主体、供电导线、连接元件以及绝缘元件,根据所述三维模型创建巡检目标,对所述巡检目标进行分类,建立设备数据库;
获取巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线,生成巡检方案,并将所述巡检方案传输给飞行器;
获取巡检目标的图像,通过所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集,该巡检目标图像采集完毕后,将采集的巡检图像及图像信息传输给终端服务器;
获取巡检目标的巡检结果,通过所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对,并对比对结果进行存储;
巡检结束后,根据所有巡检目标的比对结果生成巡检报告。
在一种优选方案中,对所述巡检目标进行分类的具体步骤如下:
将电力塔主体或/和电力杆主体及其他支撑类部件划分为避让目标,并对避让目标分别进行编号;
将连接元件、绝缘元件及其他最大长度小于或等于L的部件划分为图形目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对所述图形目标分别进行编号;
将供电导线及其他最大长度大于L的部件划分为影像目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对影像目标分别进行编号;
以大地坐标系为基准,创建影像目标的起点坐标、终点坐标以及图形目标的中心坐标信息;
其中,所述L代表所述飞行器与巡检目标保持安全距离的前提下,所述飞行器上的图像采集模块能够拍摄的最大长度范围。
在一种优选方案中,根据所述巡检区间定制巡检路线的步骤之前,还包括:
获取飞行器的供电元件的基础信息,所述基础信息包括:供电元件的电能余量、额定电流、额定最大电流;
通过所述基础信息计算飞行器的最大续航时间和续航里程,所述飞行器的续航时间计算公式为:,其中,C为所述飞行器供电元件的电池容量,k为百分比电能余量,I为供电元件的额定电流,w为温度系数,f为风力系数,q为安全系数。
在一种优选方案中,选择巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线的具体步骤包括:
设置巡检起点和巡检终点,生成巡检区间,根据设备数据库调取巡检区间内的所有的图形目标、影像目标及避让目标;
设定飞行器的飞行速度,通过巡检终点和巡检起点生成返航路线,其中,在生成返航路线的过程中,巡检终点作为返航路线的起点,巡检起点作为返航路线的终点,巡检区间的所有巡检目标和避让目标均作为障碍物,并根据返航路线的长度计算返航耗时;
根据所述巡检区间内的图形目标,在所述图形目标附近选取多个巡检点;
根据所述巡检区间内的影像目标,以所述影像目标为基准,创建所述影像目标的巡检轨迹,并以巡检轨迹的起点和终点创建两个巡检点;
根据所有巡检点生成多个点集,其中,电力塔和点集一一对应,同一个电力塔上的所有巡检点都放置于同一个点集内,对点集内任意两个巡检点之间的飞行成本进行计算,并根据计算结果对同一个点集内的所有巡检点进行排序,生成局部最优飞行路线,其中,飞行成本的计算公式为:,其中,表示两个巡检点之间的飞行长度,该项代表飞行路径成本,表示两个巡检点之间高度差,该项代表飞行高度成本。表示两个巡检点之间的可行性指数,该项代表路径安全性成本,分别是路径成本、高度成本和安全性成本的权重值;
根据相邻的两个电力塔之间的供电导线生成巡检轨迹,对巡检轨迹和各个电力塔的局部最优飞行路线进行整合,生成巡检初步路线;
根据飞行器设定的的飞行速度以及巡检初步路线的长度计算巡检耗时,所述巡检耗时的计算公式为:,根据飞行器的最大续航时间对巡检初步路线进行校验,若巡检耗时与返航耗时之和小于或等于飞行器的最大续航时间,则对巡检初步路线和返航路线进行整合,生成巡检路线,若巡检耗时与返航耗时之和大于飞行器的最大续航时间,则重新设置巡检终点以缩小巡检区间,重新生成返航路线和巡检初步路线,其中,S代表巡检初步路线的长度,V代表飞行器设定的飞行速度。
在一种优选方案中,所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集的具体步骤如下:
所述飞行器在飞行的过程中,实时回传所在的空间坐标;
当飞行器位于巡检点时,通过所述图像采集元件采集图形目标的外观图形,并记录该外观图形的采集时间、采集坐标;
当飞行器处于巡检轨迹上时,通过所述图像采集元件录制影像目标的视频,并记录该视频的起始时间、结束时间、视频时长及视频录制过程中的坐标;
将采集的外观图形和视频通过飞行器上的数据链传输***传输给终端服务器。
在一种优选方案中,所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对的具体步骤包括:
提取视频中的视频信息及关键帧,获取影像目标的多个外观图形及该外观图形的坐标信息;
对影像目标以及图形目标的外观图形进行处理,获取图形目标的HOG特征;
根据外观图形的坐标信息,通过终端服务器在三维模型中进行模拟采像,获取模拟图形;
对模拟图形进行处理,获取模拟图形的HOG特征;
计算外观图形和与其适配的模拟图形的均方误差,均方误差值的计算公式为:,在上述公式中,代表外观图形像素点的灰度值,代表模拟图形像素点的灰度值,M代表外观图形的像素总数,N代表模拟图形的像素总数,当均方误差值为0时,即表示两张图像完全一致,该巡检目标不存在安全隐患,均方误差值越小,两张图像的相似度越高。
在一种优选方案中,所述巡检结束后,根据所有巡检目标的比对结果生成巡检报告之前的步骤还包括:建立对比数据库,通过人工训练或网络收集,收录高空线路巡检图像数据,并建立图像数据中部件的名称及判定结果。
一种飞行器,包括飞行控制***、环境感知***、供电管理***、图像采集模组、存储模组、数据链传输***以及载体。
一种服务器设备,包括通过***总线连接的处理单元、存储元件和通讯模块,所述存储元件内部存储有基于高空线路维护的巡检***、设备数据库和对比数据库,所述处理单元运行基于高空线路维护的巡检***时,能够执行上述任意一项所述的基于高空线路维护的巡检***步骤。
一种高空线路巡检方法,包括如下步骤:
St1:选择巡检区间,通过基于高空线路维护的巡检***生成巡检路线;
St2:将飞行器运输至巡检起始点,并启动飞行器,通过飞行器采集高空线路及设备的图像,并将采集的图像传输给终端服务器;
St3:巡检完毕,终端服务器生成巡检报告。
本发明取得的技术效果为:
本发明通过巡检***生成巡检方案,再通过飞行器执行巡检方案,对高空线路及设备进行巡检,降低了恶劣环境的影响,提高了巡检效率,避免了巡检遗漏的情况和依靠人工巡检时存在的人身安全隐患;
本发明通过三维模型和影像数据的坐标,生成模拟图像,将模拟图像和影像数据进行对比后,可快速识别高空线路和设备上存在的安全隐患,降低了数据处理难度,提高了识别效率和准确度,便于排查高空线路和设备中存在的安全隐患,保障了高空线路和设备的正常运转。
附图说明
图1是本发明的实施例一中基于高空线路维护的巡检***的流程图;
图2是本发明的实施例一中飞行器的框架图;
图3是本发明的实施例一中服务器设备的框架图;
图4是本发明的实施例一中高空线路巡检的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
请参阅附图1所示,为本发明第一个实施例,该实施例提供了一种基于高空线路维护的巡检***,包括:
飞行器,所述飞行器至少包括有图像采集模组,飞行模组和数据链传输***;
终端服务器,所述终端服务器至少包括有处理单元、推进***和通信模组;
通过飞行器对高空线路设备进行图像采集,并将该图像传输至终端服务器,通过终端服务器对采集的图像进行计算和识别,以排查高空线路设备的安全隐患,其具体步骤如下:
S10、获取高空线路及相关设备的三维模型,所述三维模型至少包括有电力塔主体或/和电力杆主体、供电导线、连接元件以及绝缘元件,根据所述三维模型创建巡检目标,对所述巡检目标进行分类,建立设备数据库;
S20、获取巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线,生成巡检方案,并将所述巡检方案传输给飞行器;
S30、获取巡检目标的图像,通过所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集,该巡检目标图像采集完毕后,将采集的巡检图像及图像信息传输给终端服务器;
S40、获取巡检目标的巡检结果,通过所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对,并对比对结果进行存储;
S50、巡检结束后,根据所有巡检目标的比对结果生成巡检报告。
其中,所述S10中,通过三维软件建立三维模型时,以大地坐标系为绝对坐标系,模型尺寸比例为1:1,所述巡检目标包括有供电导线、金具、绝缘子、连接紧固元件以等涉及供电安全的零部件,所述设备数据库包括有电力塔或/和电力杆的坐标值、巡检目标的名称及坐标值;
如上述步骤S20,定制巡检路线时,需设定飞行器距离高空线路及供电设备的安全距离,如:飞行器为无人机时,无人机的巡检路线与供电导线及其他电力设备之间的水平距离至少保持5米。
需要说明的是,大地坐标系是现有的成熟的应用方案,大地坐标系是大地测量的基本坐标系,是大地测量中以参考椭球面为基准面建立起来的坐标系,大地坐标系的确立包括选择一个椭球、对椭球进行定位和确定大地起算数据,其中,大地经度L、大地纬度B和大地高H为此坐标系的3个坐标分量,它包括地心大地坐标系和参心大地坐标系,在本实施例中优选为地心大坐标系。
在一个实施例中,对所述巡检目标进行分类的具体步骤如下:
S11、将电力塔主体或/和电力杆主体及其他支撑类部件划分为避让目标,并对避让目标分别进行编号;
S12、将连接元件、绝缘元件及其他最大长度小于或等于L的部件划分为图形目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对所述图形目标分别进行编号;
S13、将供电导线及其他最大长度大于L的部件划分为影像目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对影像目标分别进行编号;
S14、以大地坐标系为基准,创建影像目标的起点坐标、终点坐标以及图形目标的中心坐标信息。
其中,所述L代表所述飞行器与巡检目标保持安全距离的前提下,所述飞行器上的图像采集模块能够拍摄的最大长度范围。
如上述步骤S11-S12所述,飞行器在巡检过程中,电力塔主体、电力杆主体等支撑类部件无需进行巡检,则划分为避让目标,并分别记为T1、T2、T3、……、Tn,其作用是规划安全范围,避免与飞行器发生碰撞;紧固螺栓、销钉等连接元件以及绝缘子等绝缘元件,其最大长度小于L,则划分为图形目标,并分别记为T1-X1、T1-X2、……、T1-Xn、T2-X1、T2-X2、……、T2-Xn、……、Tn-X1、Tn-X2、……、Tn-Xn,通过飞行器上的图像采集元件对单个图形目标进行拍摄时,图形目标能够通过单次拍摄获取其完整的外形图片;供电导线及其他最大长度大于L的,则划分为影像目标,并分别记为T1-Y1、T1-Y2、……、T1-Yn、T2-Y1、T2-Y2、……、T2-Yn、……、Tn-Y1、Tn-Y2、……、Tn-Yn,影像目标无法通过单次拍摄获取其完整的外形图片,只能通过视频录制获取其外观特征。
在一个实施例中,根据所述巡检区间定制巡检路线的步骤之前,还包括:
S21、获取飞行器的供电元件的基础信息,所述基础信息包括:供电元件的电能余量、额定电流、额定最大电流;
S22、通过所述基础信息计算飞行器的最大续航时间和续航里程,所述飞行器的续航时间计算公式为:,其中,C为所述飞行器供电元件的电池容量,k为百分比电能余量,I为供电元件的额定电流,w为温度系数,f为风力系数,q为安全系数。
具体的,w、f、q的取值可参见下表:
进一步的,由于作业地区的地理位置、气候环境以及作业标准各不相同,w、f的取值可以通过在不同的气候条件下,对飞行器进行多次训练获取,使得w、f的取值更加贴合作业地区的使用环境,其中,q为飞行器安全返航的安全系数,避免飞行器在巡检作业中,电量消耗完毕,出现飞行器无法返航的情况,其具体取值,在保障飞行器能够返航的前提下,可根据实际巡检需求或作业标准进行调整;
如上述步骤S21-S22所述,在通过飞行器对高空线路进行巡检时,需要综合考虑外部因素和内部因素,其中,内部因素包括有无人机的电池余量、无人机的续航时间等,外部因素包括户外天气、户外温度、户外风力、空气湿度,例如:在雨雪、雾霾、沙尘、大雾等影响图像采集的天气时,不适合对高空线路进行巡检,又如:在高温天气、极寒天气等影响飞行器飞行能力的天气时,也不适合对高空线路进行巡检;
再例如:在户外温度为-7℃、风力3级的天气下进行高空线路巡检,无人机的电池容量为22000mAh,电池余量为85%,I为8000mA,代入公式,通过计算可得飞行器的续航时间为1.36H。
在一个实施例中,选择巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线的具体步骤包括:
S23、设置巡检起点和巡检终点,生成巡检区间,根据设备数据库调取巡检区间内的所有的图形目标、影像目标及避让目标;
S24、设定飞行器的飞行速度,通过巡检终点和巡检起点生成返航路线,其中,在生成返航路线的过程中,巡检终点作为返航路线的起点,巡检起点作为返航路线的终点,巡检区间的所有巡检目标和避让目标均作为障碍物,并根据返航路线的长度计算返航耗时;
S25、根据所述巡检区间内的图形目标,在所述图形目标附近选取多个巡检点;
S26、根据所述巡检区间内的影像目标,以所述影像目标为基准,创建所述影像目标的巡检轨迹,并以巡检轨迹的起点和终点创建两个巡检点,且所述巡检轨迹距离影像目标的距离为安全距离;
S27、根据所有巡检点生成多个点集,其中,电力塔和点集一一对应,同一个电力塔上的所有巡检点都放置于同一个点集内,对点集内任意两个巡检点之间的飞行成本进行计算,并根据计算结果对同一个点集内的所有巡检点进行排序,生成局部最优路线,其中,飞行成本的计算公式为:,以巡检起点为第一节点对点集内的所有巡检点进行排序,根据第一节点的飞行成本最优解,选取第二节点,根据第二节点的飞行成本最优解,选取第三节点……,直至该点集内的所有巡检点排序完成,并根据巡检点的顺序生成局部最优飞行路线,其中,表示两个巡检点之间的飞行长度,该项代表飞行路径成本,表示两个巡检点之间高度差,该项代表飞行高度成本。表示两个巡检点之间的可行性指数,该项代表路径安全性成本,分别是路径成本、高度成本和安全性成本的权重值,其中,当某一节点为巡检轨迹的端点时,其下一节点必须为该巡检轨迹的另外一个端点;
S28、根据相邻的两个电力塔之间的供电导线生成巡检轨迹,且所述巡检轨迹距离影像目标的距离为安全距离,对巡检轨迹和各个电力塔的局部最优飞行路线进行整合,生成巡检初步路线;
S29、根据飞行器设定的的飞行速度以及巡检初步路线的长度计算巡检耗时,所述巡检耗时的计算公式为:,根据飞行器的最大续航时间对巡检初步路线进行校验,若巡检耗时与返航耗时之和小于或等于飞行器的最大续航时间,则对巡检初步路线和返航路线进行整合,生成巡检路线,若巡检耗时与返航耗时之和大于飞行器的最大续航时间,则重新设置巡检终点以缩小巡检区间,重新生成返航路线和巡检初步路线,其中,S代表巡检初步路线的长度,V代表飞行器设定的飞行速度。
进一步的,所述影像目标的巡检轨迹形状,可以与影像目标的形状相同,也可以呈螺旋状,且所述螺旋状的巡检轨迹以影像目标为轴线,例如:当影像目标为曲线形状的供电导线时,根据该供电导线创建的巡检轨迹的形状可以是曲线,且该曲线的形状和供电导线的形状相同,同时,根据该供电导线创建的巡检轨迹的形状也可以是螺旋曲线,且该螺旋曲线以供电导线为轴线;
具体的,若巡检起点和巡检终点都位于同一个电力塔时,代表巡检任务只有一座电力塔,根据巡检起点和巡检终点,生成返航路线,并计算该返航路线的返航耗时,根据该电力塔上的所有巡检目标,创建点集,并对该点集内任意两点之间的飞行成本进行计算,根据计算结果对该点集内的所有巡检点进行排序,生成局部最优路线,根据局部最优路线计算巡检耗时,通过飞行器的最大航行时间对上述巡检耗时和返航耗时进行校验,若巡检耗时与返航耗时之和小于或等于飞行器的最大续航时间,对上述局部最优路线定和返航路线进行整合,生成巡检路线,飞行器按照上述巡检路线仅对该电力塔进行电力巡检;
其中,所述图形目标附近的多个巡检点中,至少有一个位于该图形目标的上端,至少有一个位于该图形目标的下端,至少有一个与该图形目标位于同一水平面。
如上述步骤S23-S26所述,通过在图形目标附近选取多个巡检点,能够获取该图形目标多个角度的外观图形,进而避免因图像采集角度的原因,避免漏检的情况,在本实施例中,单个图形目标附近选取的巡检点数量为三个,其中,当图形目标上方无障碍物时,至少有一个巡检点位于该图形目标的正上方;当图形目标下方物障碍物时,至少有一个巡检点位于该图形目标的正下方;当图形目标上方和下方均存在障碍物时,至少有一个巡检点与该图形目标位于同一水平面。
在一个实施例中,所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集的具体步骤如下:
S31、所述飞行器在飞行的过程中,实时回传所在的空间坐标;
S32、当飞行器位于巡检点时,通过所述图像采集元件采集图形目标的外观图形,并记录该外观图形的采集时间、采集坐标;
S33、当飞行器处于巡检轨迹上时,通过所述图像采集元件录制影像目标的视频,并记录该视频的起始时间、结束时间、视频时长及视频录制过程中的坐标;
S34、将采集的外观图形和视频通过飞行器上的数据链传输***传输给终端服务器。
在一个实施例中,所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对的具体步骤包括:
S41、提取视频中的视频个数、视频编码信息、视频DTS、视频PTS以及IDR帧信息,提取视频中的关键帧,获取影像目标的多个外观图形及该外观图形的坐标信息;
S42、对影像目标以及图形目标的外观图形进行处理,获取图形目标的HOG特征;
S43、根据外观图形的坐标信息,通过终端服务器在三维模型中进行模拟采像,获取模拟图形;
S44、对模拟图形进行处理,获取模拟图形的HOG特征;
S45、计算外观图形和与其适配的模拟图形的均方误差,均方误差值的计算公式为:,其中,代表外观图形像素点的灰度值,代表模拟图形像素点的灰度值,M代表外观图形的像素总数,N代表模拟图形的像素总数,当均方误差值为0时,即表示两张图像完全一致,该巡检目标不存在安全隐患,均方误差值越小,两张图像的相似度越高。
如上述步骤S41-S44所述,对图形处理的步骤包括:提取原始图像-灰度化处理-图像滤波-边缘检测-分割-提取HOG特征,所述灰度化处理就是将一幅彩色图像转化为灰度图像的过程,其目的是提高运算速度,灰度化的经验公式为:,其中,R、G、B代表每一个像素内红色像素值、绿色像素值和蓝色像素值;所述图像滤波就是利用卷积框覆盖区域所有像素的平均值来代替中心元素,其能够对图像起到平滑的作用,在削弱图像尖锐噪声(如椒盐噪声)的同时,也会模糊图像的边缘等图像高频信息;
如上述步骤S45所述,对外观图形和模拟图形进行对比的方法还可以利用MD5、直方图、PSNR、SSIM等方式进行,且上述对比方式都是现有的成熟应用,在此就不做进一步的赘述;
在一个实施例中,巡检结束后,根据所有巡检目标的比对结果生成巡检报告的具体步骤包括:
S51、对所有判定结果按照:无隐患、有隐患、无法判定进行分类;
S52、根据判定结果进行分类排序,生成巡检报告,所述巡检报告中至少包括有:电力塔或/和电力杆的编号、巡检目标的编号、巡检目标的坐标以及判定结果。
如上述步骤S51-S52中,根据判定结果生成的检测报告可参考下图:
在一个实施例中,巡检结束后,根据所有巡检目标的比对结果生成巡检报告之前的步骤还包括:建立对比数据库,通过人工训练或网络收集,收录高空线路巡检图像数据,并建立图像数据中部件的名称及判定结果。
进一步的,对于所述S51中无法判定的图像可通过对比数据库进行二次判定,其判定结果参照对比数据库中的判定结果,若对比数据库中没有相匹配的图像数据,则判定为无法判定,需通过人工判定,在人工判定后,同时将该图像数据及判定结果收录至对比数据库中。
请参阅附图2所示,本发明还提供了一种飞行器,该飞行器可以是无人机或其他具有可操控的具有飞行能力的设备。该飞行器包括飞行控制***、环境感知***、供电管理***、图像采集模组、存储模组、数据链传输***以及载体,其中,所述飞行控制***指能够稳定无人机飞行姿态,并能控制无人机自主或半自主飞行的控制***;所述环境感知***是指能够检测周围环境的传感器模组,是飞行器自主飞行控制的前提条件;所述数据链传输***是指用于传输飞行器至地面站的遥测和载荷数据,用于传送飞行器的姿态、位置、机载设备的工作状态、当前遥控指令和实时图像等数据的通信模块;所述载体为装在各种电气元件及防护组件的载体。
请参阅附图3所示,本发明还提供了一种服务器设备,该服务器设备可以是计算机设备或其他具有数据处理能力的终端。该服务器设备包括通过***总线连接的处理单元、存储元件和通讯模块。其中,所述处理单元上至少包括有CPU、内存、BIOS芯片、I/O控制芯片,所述CPU用于处理指令、执行操作、要求进行动作、控制时间、处理数据,所述内存元件用于暂存CPU中的运算数据及与硬盘等外部存储器交换的数据,所述BIOS芯片适用于计算机开机过程中各种硬件设备的初始化和检测,所述I/O控制芯片用于对***所有的输入输出设备进行管理。该服务器设备的存储元件包括非易失性存储介质、内存储元件。该非易失性存储介质存储有操作***和基于高空线路维护的巡检***、设备数据库和对比数据库。该内存元件为非易失性存储介质中的操作***和基于高空线路维护的巡检***的运行提供环境。该服务器设备的设备数据库和对比数据库用于存储基于高空线路维护的巡检***运行过程中需要的所有数据。该基于高空线路维护的巡检***被CPU执行时可以实现高空线路巡检的处理过程,该服务器可以是单个或者多个,该服务器可以通过集群的方式构成服务器集群。
需要说明的是,服务器集群就是指将很多服务器集中起来一起进行同一种服务,在客户端看来就像是只有一个服务器。集群可以利用多个计算机进行并行计算从而获得很高的计算速度,也可以用多个计算机做备份,从而使得任何一个机器坏了整个***还是能正常运行,在服务器上安装并运行了集群服务,该服务器即可加入群集,集群化操作可以减少单点故障数量,并且实现了群集化资源的高可用性,同时,如果服务器运行了群集服务并且无法找到群集中的其它节点,它自己可以形成一个群集,当一个群集内有多个节点时,当一个节点的服务器出现硬件故障或者软件***故障时,运行在该节点的应用就会切换到其他节点的服务器中继续运行。
请参阅附图4所示,一种高空线路巡检方法,包括如下步骤:
第一步:选择巡检区间,通过基于高空线路维护的巡检***生成巡检路线;
第二步:将飞行器运输至巡检起始点,并启动飞行器,通过飞行器采集高空线路及设备的图像,并将采集的图像传输给终端服务器;
第三步:巡检完毕,飞行器返航,终端服务器对采集的图像进行计算和比对,并生成巡检报告。
如上述步骤中所述,输入天气和温度等气候相关信息,获取飞行器的基础信息,设定无人机的飞行速度,计算该飞行器的最长续航时间,根据高空线路及相关设备的三维模型,选取巡检区间,通过巡检区间获取巡检起点和巡检终点,根据巡检起点和巡检终点生成返航路线并计算返航耗时,高空线路维护的巡检***根据设备数据库调取位于巡检区间的所有巡检目标(包括图形目标和影像目标),在每一个图像目标附近创建多个巡检点,并且在没有障碍物的情况下,同一个图像目标附近的多个巡检点的分别分布于该图形目标附近的不同方位,巡检点创建完毕后,根据所在的电力塔进行创建点集,位于同一个电力塔上的所有巡检点位于同一个点集内,对同一个点集内的任意两点之间的飞行成本进行计算,求出任意一点的最优解,并将巡检起点作为第一节点,根据第一节点的飞行成本最优解选取第二节点,根据第二节点的飞行成本最优解,选取第三点……,以此类推,对该点集内的所有巡检点进行排序,并根据巡检点的顺序生成该电力塔巡检的局部最优路线,按上述方式,计算巡检区间范围内每一个电力塔的局部最优路线,然后根据相邻的两个电力塔之间的供电导线生成巡检轨迹,该巡检轨迹的形状可以与该供电导线相同,也可以呈螺旋状,且螺旋状的巡检轨迹以该供电导线为轴线,对巡检区间内的所有巡检轨迹及所有电力塔的局部最优飞行路线进行整合,生成巡检初步路线并计算巡检耗时,若巡检耗时与返航耗时之和小于或等于飞行器的最大续航时间,对巡检初步路线和返航路线进行整合生成巡检路线,若巡检耗时与返航耗时之和大于飞行器的最大续航时间,则缩小巡检区间,重新生成巡检路线;
巡检路线生成完毕后,将飞行器运输至巡检起始点,并启动飞行器,使得飞行器按巡检路线进行飞行,并在飞行过程中对巡检目标进行图像采集,并将采集的巡检图像传输给终端服务器,通过终端服务器获取巡检图像信息,并根据巡检图像中的巡检点信息,图形采集方位信息及巡检目标信息,借助三维模型以同样的方位和角度,对该巡检目标的三维模型进行图像采集,获取模拟图形,对模拟图形和巡检图像进行处理,获取各自的HOG特征,并对模拟图形和巡检图像的HOG进行比对,若比对结果完全相同,则该巡检目标不存在安全隐患,若比对结果不相同,则判定该巡检目标存在安全隐患,在巡检完毕后,飞行器返航,终端服务器根据所有巡检目标的比对结果生成巡检报告,供巡检人员进行观看。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法,如无特别说明和限定,均按照本领域的常规手段进行实施。
Claims (9)
1.一种基于高空线路维护的巡检***,其特征在于:包括:
飞行器,所述飞行器至少包括有图像采集模组,飞行模组和数据链传输***;
终端服务器,所述终端服务器至少包括有处理单元、推进***和通信模组;
通过飞行器对高空线路设备进行图像采集,并将该图像传输至终端服务器,通过终端服务器对采集的图像进行计算和识别,以排查高空线路设备的安全隐患,其具体步骤如下:
获取高空线路及相关设备的三维模型,所述三维模型至少包括有电力塔主体或/和电力杆主体、供电导线、连接元件以及绝缘元件,根据所述三维模型创建巡检目标,对所述巡检目标进行分类,建立设备数据库;
获取巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线,生成巡检方案,并将所述巡检方案传输给飞行器;其中,选择巡检区间和巡检目标,根据所述巡检目标定制巡检点,根据所述巡检区间及巡检点定制巡检路线的具体步骤包括:
设置巡检起点和巡检终点,生成巡检区间,根据设备数据库调取巡检区间内的所有的图形目标、影像目标及避让目标;
设定飞行器的飞行速度,通过巡检终点和巡检起点生成返航路线,其中,在生成返航路线的过程中,巡检终点作为返航路线的起点,巡检起点作为返航路线的终点,巡检区间的所有巡检目标和避让目标均作为障碍物,并根据返航路线的长度计算返航耗时;
根据所述巡检区间内的图形目标,在所述图形目标附近选取多个巡检点;
根据所述巡检区间内的影像目标,以所述影像目标为基准,创建所述影像目标的巡检轨迹,并以巡检轨迹的起点和终点创建两个巡检点;
根据所有巡检点生成多个点集,其中,电力塔和点集一一对应,同一个电力塔上的所有巡检点都放置于同一个点集内,对点集内任意两个巡检点之间的飞行成本进行计算,并根据计算结果对同一个点集内的所有巡检点进行排序,生成局部最优飞行路线,其中,飞行成本的计算公式为:,其中,表示两个巡检点之间的飞行长度,该项代表飞行路径成本,表示两个巡检点之间高度差,该项代表飞行高度成本,表示两个巡检点之间的可行性指数,该项代表路径安全性成本,、和分别是路径成本、高度成本和安全性成本的权重值;
根据相邻的两个电力塔之间的供电导线生成巡检轨迹,对巡检轨迹和各个电力塔的局部最优飞行路线进行整合,生成巡检初步路线;
根据飞行器设定的飞行速度以及巡检初步路线的长度计算巡检耗时,所述巡检耗时的计算公式为:,根据飞行器的最大续航时间对巡检初步路线进行校验,若巡检耗时与返航耗时之和小于或等于飞行器的最大续航时间,则对巡检初步路线和返航路线进行整合,生成巡检路线,若巡检耗时与返航耗时之和大于飞行器的最大续航时间,则重新设置巡检终点以缩小巡检区间,重新生成返航路线和巡检初步路线,其中,S代表巡检初步路线的长度,V代表飞行器设定的飞行速度;
获取巡检目标的图像,通过所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集,该巡检目标图像采集完毕后,将采集的巡检图像及图像信息传输给终端服务器;
获取巡检目标的巡检结果,通过所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对,并对比对结果进行存储;
巡检结束后,根据所有巡检目标的比对结果生成巡检报告。
2.根据权利要求1所述的一种基于高空线路维护的巡检***,其特征在于:对所述巡检目标进行分类的具体步骤如下:
将电力塔主体或/和电力杆主体及其他支撑类部件划分为避让目标,并对避让目标分别进行编号;
将连接元件、绝缘元件及其他最大长度小于或等于L的部件划分为图形目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对所述图形目标分别进行编号;
将供电导线及其他最大长度大于L的部件划分为影像目标,并根据其安装的电力塔主体或电力杆主体编号为前缀,对影像目标分别进行编号;
以大地坐标系为基准,创建影像目标的起点坐标、终点坐标以及图形目标的中心坐标信息;
其中,所述L代表所述飞行器与巡检目标保持安全距离的前提下,所述飞行器上的图像采集模块能够拍摄的最大长度范围。
4.根据权利要求1所述的一种基于高空线路维护的巡检***,其特征在于:所述飞行器按照巡检路线移动,并在巡检点对巡检目标进行图像采集的具体步骤如下:
所述飞行器在飞行的过程中,实时回传所在的空间坐标;
当飞行器位于巡检点时,通过所述图像采集元件采集图形目标的外观图形,并记录该外观图形的采集时间、采集坐标;
当飞行器处于巡检轨迹上时,通过所述图像采集元件录制影像目标的视频,并记录该视频的起始时间、结束时间、视频时长及视频录制过程中的坐标;
将采集的外观图形和视频通过飞行器上的数据链传输***传输给终端服务器。
5.根据权利要求1所述的一种基于高空线路维护的巡检***,其特征在于:所述终端服务器对巡检图像进行处理,同时,根据三维模型和图像信息生成对比图像,将所述巡检图像和对比图像进行比对的具体步骤包括:
提取视频中的视频信息及关键帧,获取影像目标的多个外观图形及该外观图形的坐标信息;
对影像目标以及图形目标的外观图形进行处理,获取图形目标的HOG特征;
根据外观图形的坐标信息,通过终端服务器在三维模型中进行模拟采像,获取模拟图形;
对模拟图形进行处理,获取模拟图形的HOG特征;
6.根据权利要求1所述的一种基于高空线路维护的巡检***,其特征在于:所述巡检结束后,根据所有巡检目标的比对结果生成巡检报告之前的步骤还包括:建立对比数据库,通过人工训练或网络收集,收录高空线路巡检图像数据,并建立图像数据中部件的名称及判定结果。
7.一种应用于权利要求1-6任一项所述的一种基于高空线路维护的巡检***的飞行器,其特征在于:包括飞行控制***、环境感知***、供电管理***、图像采集模组、存储模组、数据链传输***以及载体。
8.一种服务器设备,其特征在于:包括通过***总线连接的处理单元、存储元件和通讯模块,所述存储元件内部存储有基于高空线路维护的巡检***、设备数据库和对比数据库,所述处理单元运行基于高空线路维护的巡检***时,能够执行权利要求1-6中任意一项所述的基于高空线路维护的巡检***中的工作步骤。
9.一种应用权利要求1-6任一项所述的一种基于高空线路维护的巡检***的高空线路巡检方法,其特征在于,包括如下步骤:
St1:选择巡检区间,通过基于高空线路维护的巡检***生成巡检路线;
St2:将飞行器运输至巡检起始点,并启动飞行器,通过飞行器采集高空线路及设备的图像,并将采集的图像传输给终端服务器;
St3:巡检完毕,终端服务器生成巡检报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211192428.1A CN115275870B (zh) | 2022-09-28 | 2022-09-28 | 一种基于高空线路维护的巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211192428.1A CN115275870B (zh) | 2022-09-28 | 2022-09-28 | 一种基于高空线路维护的巡检*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115275870A CN115275870A (zh) | 2022-11-01 |
CN115275870B true CN115275870B (zh) | 2022-12-06 |
Family
ID=83756140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211192428.1A Active CN115275870B (zh) | 2022-09-28 | 2022-09-28 | 一种基于高空线路维护的巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115275870B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631087A (zh) * | 2023-07-20 | 2023-08-22 | 厦门闽投科技服务有限公司 | 一种基于无人机的电力巡检*** |
CN116777187B (zh) * | 2023-08-25 | 2024-01-16 | 山东道万电气有限公司 | 一种多路巡检智能中控调度方法及调度平台 |
CN116820141B (zh) * | 2023-08-31 | 2023-12-08 | 深圳市金泰谊电子有限公司 | 基于5g通信的安防巡检方法、装置、无人机及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371456A (zh) * | 2016-08-31 | 2017-02-01 | 中测新图(北京)遥感技术有限责任公司 | 一种无人机巡线方法及*** |
CN107239078A (zh) * | 2017-06-26 | 2017-10-10 | 中国人民解放军国防科学技术大学 | 一种无人机基站选址与巡逻路径优化方法及装置 |
WO2017219780A1 (zh) * | 2016-06-21 | 2017-12-28 | 中兴通讯股份有限公司 | 一种无人机巡检方法、装置及无人机、计算机存储介质 |
JP2018074757A (ja) * | 2016-10-28 | 2018-05-10 | 株式会社東芝 | 巡視点検システム、情報処理装置、巡視点検制御プログラム |
WO2018103242A1 (zh) * | 2016-12-09 | 2018-06-14 | 武汉科技大学 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、***及存储介质 |
CN113963276A (zh) * | 2021-10-22 | 2022-01-21 | 云南电网有限责任公司电力科学研究院 | 一种输电线路无人机自主巡检方法及*** |
US11262746B1 (en) * | 2018-06-20 | 2022-03-01 | sevama, LLC | Simultaneously cost-optimized and policy-compliant trajectory generation for unmanned aircraft |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248949B2 (en) * | 2004-10-22 | 2007-07-24 | The Mitre Corporation | System and method for stochastic aircraft flight-path modeling |
CN109885053A (zh) * | 2019-02-28 | 2019-06-14 | 深圳市道通智能航空技术有限公司 | 一种障碍物检测方法、装置及无人机 |
-
2022
- 2022-09-28 CN CN202211192428.1A patent/CN115275870B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017219780A1 (zh) * | 2016-06-21 | 2017-12-28 | 中兴通讯股份有限公司 | 一种无人机巡检方法、装置及无人机、计算机存储介质 |
CN106371456A (zh) * | 2016-08-31 | 2017-02-01 | 中测新图(北京)遥感技术有限责任公司 | 一种无人机巡线方法及*** |
JP2018074757A (ja) * | 2016-10-28 | 2018-05-10 | 株式会社東芝 | 巡視点検システム、情報処理装置、巡視点検制御プログラム |
WO2018103242A1 (zh) * | 2016-12-09 | 2018-06-14 | 武汉科技大学 | 一种基于运动学习的四旋翼无人机电塔巡检方法 |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN107239078A (zh) * | 2017-06-26 | 2017-10-10 | 中国人民解放军国防科学技术大学 | 一种无人机基站选址与巡逻路径优化方法及装置 |
US11262746B1 (en) * | 2018-06-20 | 2022-03-01 | sevama, LLC | Simultaneously cost-optimized and policy-compliant trajectory generation for unmanned aircraft |
CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
WO2021237545A1 (zh) * | 2020-05-27 | 2021-12-02 | 深圳市大疆创新科技有限公司 | 杆塔巡检方法、无人机、控制装置、***及存储介质 |
CN113963276A (zh) * | 2021-10-22 | 2022-01-21 | 云南电网有限责任公司电力科学研究院 | 一种输电线路无人机自主巡检方法及*** |
Non-Patent Citations (1)
Title |
---|
基于四旋翼无人机的输电线路巡检***研究;***等;《中国电力》;20121005(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115275870A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115275870B (zh) | 一种基于高空线路维护的巡检*** | |
US11475385B2 (en) | Method and system for utility power line monitoring | |
US10850840B2 (en) | Drone and rover preplacement for remote autonomous inspection of utility system components | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和*** | |
Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
US20190011920A1 (en) | Method and system for generating flight plan of unmanned aerial vehicle for aerial inspection | |
CN106547814A (zh) | 一种输电线路无人机巡检图像的结构化自动归档方法 | |
CN105045274B (zh) | 一种用于无人机巡检航迹规划的智能杆塔连通图构建方法 | |
GB2554978A (en) | Deep machine learning to predict and prevent adverse conditions at structural assets | |
US11021246B2 (en) | Method and system for capturing images of asset using unmanned aerial vehicles | |
Cui et al. | Path planning algorithms for power transmission line inspection using unmanned aerial vehicles | |
CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和*** | |
CN111157530B (zh) | 一种基于无人机的输电线路的安全检测方法 | |
US9208555B1 (en) | Method for inspection of electrical equipment | |
CN112013907A (zh) | 一种电力无人机巡检路径规划方法 | |
CN112101088A (zh) | 一种无人机电力自动巡检方法、装置及*** | |
CN114240868A (zh) | 一种基于无人机的巡检分析***及方法 | |
Pu et al. | Real-time powerline corridor inspection by edge computing of UAV Lidar data | |
CN115629617A (zh) | 一种无人机塔杆巡检航线自动规划方法 | |
Chehri et al. | Accelerating power grid monitoring with flying robots and artificial intelligence | |
CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
CN109145905A (zh) | 一种基于视觉显著性的输电线路配件检测方法 | |
CN117353460A (zh) | 一种电力线路巡检方法、装置、设备及介质 | |
CN112683916A (zh) | 集电线路杆塔小金具缺失或安装错误的识别方法及装置 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230418 Address after: 242000 NO.160 Baocheng Road, Xuanzhou District, Xuancheng City, Anhui Province Patentee after: STATE GRID ANHUI ELECTRIC POWER CO., LTD. XUANCHENG POWER SUPPLY Co. Address before: Room 228, Minchuang Center, No. 605, Huangshan Road, High tech Zone, Hefei City, Anhui Province, 230042 Patentee before: HEFEI YOUSHENG ELECTRIC TECHNOLOGY Co.,Ltd. Patentee before: STATE GRID ANHUI ELECTRIC POWER CO., LTD. XUANCHENG POWER SUPPLY Co. |
|
TR01 | Transfer of patent right |