CN115639842B - 一种利用无人机的巡检方法及其*** - Google Patents

Abstract

本发明涉及一种利用无人机的巡检方法及其***，该方法包括：基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；利用所述巡检路线实现对待测对象的巡检。本发明实施例能够提高无人机对待测对象的巡检效率。

Description

一种利用无人机的巡检方法及其***

技术领域

本发明涉及自动巡检技术领域，具体涉及一种利用无人机的巡检方法及其***。

背景技术

在我国，传统电力***的巡视一般采用人工巡视方式，这种方法虽简单，但效率较低，周期较长，且需要配备大量光学设备和素质高、经验丰富的巡检人员，对人力、财力的要求较高，因此目前已经开始逐步推广“无人机和人工巡检协同”的新型巡检模式。推广地面和空中相结合的巡检模式，全面提高巡检作业效率与效益，保证电力***的安全运行。

随着无人机的普及，无人机应用于电力***巡检也越来越多，依靠地面操控人员完成对电力设备的信息采集，现场技术人员仅能使用无人机代替原有的望远镜获取图像。但是目前只能采用手动模式进行巡检，以手动模式巡检的过程中安全隐患较多，工作效率较低。

为此，亟需提供一种利用无人机的巡检方法从而提升无人机巡检过程中的工作效率。

发明内容

本发明提供了一种利用无人机的巡检方法及其***，以解决无人机巡检过程中的工作效率的技术问题。

第一方明，本发明公开一种利用无人机的巡检方法，包括：

基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；

基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；

利用所述巡检路线实现对待测对象的巡检。

可选的，还包括：

将无人机的定位数据和采集数据发送给巡检管理控制平台；

利用所述巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析。

可选的，所述基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线，包括：

对激光点云模型中的激光点云数据进行数据处理，得到目标点云数据，所述目标点云数据包括地面点和非地面点；

根据非地面点，对所述目标点云数据中的障碍物进行分析，得到障碍物的中心点坐标；

基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线。

可选的，所述根据非地面点，对所述目标点云数据中的障碍物进行分析，得到障碍物的中心点坐标，包括：

对所述非地面点进行平面网格分割，得到各个非地面分割区域；

对所述各个非地面分割区域进行连通成分分析，得到连通聚类图；

基于所述连通聚类图进行悬线连接分析，得到初始障碍物点云数据；

利用所述初始障碍物点云数据生成障碍物的中心点坐标。

可选的，所述连通成分分析包括：连通域分析；和/或，聚类分析。

可选的，所述基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线，包括：

基于所述障碍物的中心点坐标，划分出点云数据中的安全区域；

将所述点云数据中的安全区域作为路线规划区域，结合多向定位以及待测对象的点云数据生成无人机对待测对象进行巡检的巡检点，任一个巡检点均会有其对应的无人机位置、无人机朝向、以及摄像头角度；

基于所述巡检点，形成平滑连接各巡检点的巡检路线。

可选的，所述采集数据为无人机在倾斜状态下的采集的图像数据。

可选的，所述待测对象包括：绝缘子、电力杆塔以及导线。

第二方面，本发明实施例还提供了一种利用无人机的巡检***，包括：

激光点云模型生成单元，用于基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；

巡检路线生成单元，用于基于所述激光点云数据生成无人机对待测对象进行巡检的巡检路线；

无人机，用于利用所述巡检路线实现对待测对象的巡检。

可选的，还包括：

数据传输单元，用于将无人机的定位数据和采集数据发送给巡检管理控制平台；

巡检管理控制平台，用于利用所述巡检管理控制平台实时展示采集的无人机定位数据和图像数据，并输出待测对象的缺陷识别分析。

可见，在本发明实施例中，提供了基于激光点云数据，确定激光点云模型；进而基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；利用所述巡检路线实现无人机对待测对象的巡检，将巡检路线发送给巡检管理控制平台；利用所述巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析的技术方案，在该技术方案下，利用激光点云数据即可为无人机规划出巡检路线，无需手动模式巡检，减少无人机在巡检过程中手动操控消耗的时间，提高了无人机对待测对象的巡检效率。进一步的，通过巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析，通过缺陷识别分析体现出待测对象的缺陷，避免了人工对待测对象的数据分析的过程，提供了一种自动数据分析的巡检方案，大大节省采集数据的分析时间，进一步提升了巡检效率。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本发明。

附图说明

为了更清楚地说明本申请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申请的实施例，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为本发明实施例中公开的利用无人机的巡检方法的步骤示意图；

图2为本发明实施例中公开的生成巡检路线的步骤示意图；

图3为本发明实施例中确定障碍物的中心点坐标的步骤示意图；

图4为本发明实施例中生成无人机对待测对象进行巡检的巡检路线的步骤示意图；

图5为本发明实施例中利用无人机的巡检***的可选框图。

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，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。

图1为本发明实施例中公开的利用无人机的巡检方法的步骤示意图。如图1所示，利用无人机的巡检方法的步骤可以具体包括：

步骤S11、基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域数据；

其中，激光点云数据可以通过激光测距仪或者视觉设备进行三维重建得到，所述巡检区域数据可以包括待测对象的激光点云数据以及待测对象周围环境的激光点云数据。

待测对象可以是电力设备，诸如绝缘子、电力杆塔、导线、地基与基面、接地装置、绝缘子、横担等电力设备。可选的，所述导线可以具体为拉线、引流线、屏蔽线和地线等。当前，待测对象也可以是其他可采用无人机进行数据采集，或者状态监测的设备。

由于直接得到的激光点云数据的数据量非常庞大，所以这些激光点云数据需要通过随机采样的方法进行简化，进而基于简化后的数据生成激光点云模型，该点激光云模型用来提供待测对象周围的空间结构信息和巡检路径规划所需的障碍物数据。

其中，激光点云模型可以是由三角形的面片组成的三维网格模型，当然，其也可以由其他形状的面片组成，如多边形，其三维网格模型的构建过程可以采用现有技术中的算法进行构建，如基于BP神经网络的重构三维网格实体模型的算法，在此不再过多赘述。

具体的，激光点云模型可以整体采用高级建模多边形（Polygon）建模方法制作，并在Unity引擎下开发。

步骤S12、基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线。

步骤S13、利用所述巡检路线实现对待测对象的巡检。

所述巡检路线是无人机对待测对象进行巡检的路线。在本发明实施例中，能够基于激光点云模型中的激光点云数据中的待测对象周围环境的激光点云数据生成一个较为安全的巡检路线，从而利用无人机基于巡检路线对待测对象进行巡检，实现自动化巡检。可见，在本发明实施例中，利用激光点云模型即可为无人机规划出巡检路线，无需手动模式巡检，减少无人机在巡检过程中手动操控消耗的时间，提高了无人机对于待测对象的巡检效率。

图2为本发明实施例中公开的生成巡检路线的步骤示意图。如图2所示，所述基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线，包括：

步骤S21、对所述激光点云模型中的激光点云数据进行数据处理，得到目标点云数据，所述目标点云数据包括地面点和非地面点。

可选的，所述数据处理过程可以具体为对激光点云数据进行点云去噪以及点云滤波的过程。点云去噪过程可以通过不同的点云去噪算法实现，不同的点云去噪算法的所需调整的参数类型不同以及所需调整的参数个数也不同。为此，在本发明实施例中点云去噪可以是待代入参数的点云去噪算法，当代入了各个参数到点云去噪算法中，可以得到点云去噪后的初始点云数据，即可用于实现对激光点云数据的点云去噪功能。

进一步的，所述点云滤波过程可以利用形态学滤波器方法进行滤波，以分离出地面点和非地面点。当然，在其他可选实施例中，还可以采用其他滤波方式，只要能对初始点云数据进行滤波得到目标点云数据即可，这里不做限定。

可以理解的是，单次点云去噪算法对激光点云数据的去噪结果可能会比较粗糙，为提高点云去噪的去噪效果，需要根据目标点云数据的实际结果重新调整点云去噪算法的参数，通过改变点云去噪算法的参数，可以进一步优化点云去噪算法对激光点云数据的去噪质量。

步骤S22、根据非地面点，对所述目标点云数据中的障碍物进行分析，得到障碍物的中心点坐标。

进一步的，所述障碍物可以为电力线缆、电线杆等用于承载配电网的必备建筑。需要说明的是，电力线缆因为带有高压电需要额外避让，以防止出现安全事故。高压电力输电线缆为一般由多股次导线组成，因此，在进行电力线缆区域建模的时候，需要将多股导线近似为一股导线，然以其周围的以一定安全距离为半径形成圆柱状的区域，将该区域以外的区域作为安全巡检区域，为此，需要得到障碍物的中心点坐标，以实现对障碍物的避让。

可选的，图3为本发明实施例中确定障碍物的中心点坐标的步骤示意图。结合图3所示，根据非地面点，对所述点云数据中的障碍物进行分析，得到障碍物的中心点坐标包括：

步骤S31、对所述非地面点进行平面网格分割，得到各个非地面分割区域；

步骤S32、对所述各个非地面分割区域进行连通成分分析，得到连通聚类图。

可选的，所述连通成分分析包括：连通域分析；和/或，聚类分析。

连通域分析是一种在图像分析处理的众多应用领域中较为常用和基本的方法。在本实施例中，可以采用连通域分析对非地面点进行分析，从而确定所述非地面点对应的连通聚类图。

聚类分析是一组将研究对象分为相对同质的群组的统计分析技术，可以认为是一种有监督的学习。

在一种实施例中，所述聚类分析可以是一种改进的二分Kmeans算法，通过该算法根据所述各个非地面分割区域划分出k个初始中心点，利用所述k个初始中心点将各个非地面分割区域划分成为k个簇，根据已经被分类的数据分别重新计算各自的中心点，如果中心点发生变化重新以k个初始中心点为中心，对各个非地面分割区域继续划分，如果中心点没有发生变化然后执行收敛，进而得到连通聚类图。

步骤S33、基于所述连通聚类图进行悬线连接分析，得到初始障碍物点云数据。

需要说明的是，所述障碍物通常为线型或柱形，为此，可以对连通聚类图进行悬线连接分析，从而确定初始障碍物的点云数据，以便根据初始障碍物的点云数据标识出障碍物及其中心点坐标。

步骤S34、利用所述初始障碍物点云数据生成障碍物的中心点坐标。

步骤S23、基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线。

如前所述，当障碍物为电力线缆时，电力线缆的周围区域的电场强度过高，不适宜无人机靠近，无人机一旦靠近可能会对电力线缆的安全运行造成威胁。所以，在电力线缆的***有一个安全巡检区域，在这个安全巡检区域中可以生成无人机对待测对象进行巡检的巡检路线，从而在该巡检路线下能够实现对待测对象的安全巡检。

本发明实施例中进一步提供了生成无人机对待测对象进行巡检的巡检路线的步骤示意图。结合图4所示，基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线的步骤可以具体包括：

步骤S41、基于所述障碍物的中心点坐标，划分出点云数据中的安全区域；

步骤S42、将所述点云数据中的安全区域作为路线规划区域，结合多向定位以及待测对象的点云数据生成无人机对待测对象进行巡检的巡检点，任一个巡检点均会有其对应的无人机位置、无人机朝向、以及摄像头角度；

步骤S43、基于所述巡检点，形成平滑连接各巡检点的巡检路线。

所述巡检点可以为无人机对待测对象采集数据的点，无人机的机载摄像头都被安装在三维云台上，而三维云台具有宽广的旋转角度，使得摄像头在单个视点的视场增大。三维云台的利用有助于减少视点的数量。无人机在飞行达到某一巡检点位置后，云台通过水平和垂直的旋转来拍取多幅照片，这些照片包含待测对象的周围一定区域内电力设备的信息，虽然每次在单个视点上停留的时间变得比之前略长，但是由于总的视点数大大减少，且飞行路径也随之变短，所以通过这种方法有效提升巡检效率。

在进一步的可选实现中，所述无人机的采集状态还可以为倾斜状态，即无人机处于倾斜状态下，利用三维云台通过水平和垂直的旋转来拍取多幅照片，将这些照片作为本发明实施例中采集的图像数据，这些图像数据能够增加巡检点采集到的数据的丰度，进而能够为后续待测对象的缺陷识别分析提供良好的数据基础。

另外，由于每个巡检点是独立的，为此，可以将所述巡检点连接起来，从而形成平滑连接各巡检点的巡检路线，在该巡检路线下，无人机能够基于巡检点对应的无人机位置、无人机朝向、以及摄像头角度对待测对象进行全方位采集数据，从而实现整体的巡检过程。

在本申请实施例的进一步的可选实现中，继续参考图1所示，利用无人机的巡检方法的步骤还可以包括：

步骤S14、将无人机的定位数据和采集数据发送给巡检管理控制平台；

步骤S15、利用所述巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析。

所述定位数据用于表示无人机的当前定位。工作人员可以根据所述无人机的定位数据实时监测无人机所处的位置，以便及时了解工作进度。所述采集数据为无人机在倾斜状态下的采集的图像数据。所述采集数据能够为后续缺陷识别过程提供良好的数据基础。

所述缺陷识别分析用于表示待测对象的缺陷。需要说明的是，巡检管理控制平台可以为一种具有数据处理能力的平台，能够实现对无人机的定位数据和采集数据进行处理，从而输出待测对象的缺陷识别分析。该缺陷识别分析能够体现出待测对象的缺陷，避免了人工对待测对象的数据分析的过程，提供了一种自动巡检且自动分析的巡检方案，大大节省采集数据的分析时间，进一步提高了巡检效率。

可见，在本发明实施例中，提供了基于激光点云数据，确定激光点云模型；进而基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；利用所述巡检路线实现无人机对待测对象的巡检，将巡检路线发送给巡检管理控制平台；利用所述巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析的技术方案，在该技术方案下，利用激光点云数据即可为无人机规划出巡检路线，无需手动模式巡检，减少无人机在巡检过程中手动操控消耗的时间，提高了无人机对于待测对象的巡检效率。进一步的，通过巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析，通过缺陷识别分析体现出待测对象的缺陷，避免了人工对待测对象的数据分析的过程，提供了一种自动数据分析的巡检方案，大大节省采集数据的分析时间，进一步提升了巡检效率。

相应的，本发明实施例中还提供了一种利用无人机的巡检***，结合图5所示，该***具体包括：

激光点云模型生成单元51，用于基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；

巡检路线生成单元52，用于基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；

无人机53，用于利用所述巡检路线实现对待测对象的巡检。

继续结合图5所示，利用无人机的巡检***还包括：

数据传输单元54，用于将无人机的定位数据和采集数据发送给巡检管理控制平台；

巡检管理控制平台55，用于利用所述巡检管理控制平台实时展示采集的无人机定位数据和图像数据，并输出待测对象的缺陷识别分析。

在本发明实施例的利用无人机的巡检***中，所述巡检路线生成单元52，用于基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线，包括：

对激光点云模型中的激光点云数据进行数据处理，得到目标点云数据，所述目标点云数据包括地面点和非地面点；

根据非地面点，对所述目标点云数据中的障碍物进行分析，得到障碍物的中心点坐标；

基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线。

在本发明实施例的利用无人机的巡检***中，所述巡检路线生成单元52，用于根据非地面点，对所述目标点云数据中的障碍物进行分析，得到障碍物的中心点坐标，包括：

对所述非地面点进行平面网格分割，得到各个非地面分割区域；

对所述各个非地面分割区域进行连通成分分析，得到连通聚类图；

基于所述连通聚类图进行悬线连接分析，得到初始障碍物点云数据；

利用所述初始障碍物点云数据生成障碍物的中心点坐标。

在本发明实施例的利用无人机的巡检***中，所述连通成分分析包括：连通域分析；和/或，聚类分析。

在本发明实施例的利用无人机的巡检***中，所述巡检路线生成单元52，用于基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线，包括：

基于所述障碍物的中心点坐标，划分出点云数据中的安全区域；

将所述点云数据中的安全区域作为路线规划区域，结合多向定位以及待测对象的点云数据生成无人机对待测对象进行巡检的巡检点，任一个巡检点均会有其对应的无人机位置、无人机朝向、以及摄像头角度；

基于所述巡检点，形成平滑连接各巡检点的巡检路线。

在本发明实施例的利用无人机的巡检***中，所述采集数据为无人机在倾斜状态下的采集的图像数据。

在本发明实施例的利用无人机的巡检***中，所述待测对象包括：绝缘子、电力杆塔以及导线。

本发明实施例提供的利用无人机的巡检***中，利用激光点云数据即可为无人机规划出巡检路线，无需手动模式巡检，减少无人机在巡检过程中手动操控消耗的时间，提高了无人机对于待测对象的巡检效率。进一步的，通过巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析，通过缺陷识别分析体现出待测对象的缺陷，避免了人工对待测对象的数据分析的过程，提供了一种自动数据分析的巡检方案，大大节省采集数据的分析时间，进一步提升了巡检效率。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储于电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL）或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk）和磁盘(disc）包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

虽然本发明实施例披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (3)

1.一种利用无人机的巡检方法，其特征在于，包括：

基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；

基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线；

利用所述巡检路线实现对待测对象的巡检；

其中，所述基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线，包括：

对激光点云模型中的激光点云数据进行点云去噪以及点云滤波，得到目标点云数据，所述目标点云数据包括地面点和非地面点；

对所述非地面点进行平面网格分割，得到各个非地面分割区域；

对所述各个非地面分割区域进行连通成分分析，得到连通聚类图；

基于所述连通聚类图进行悬线连接分析，得到初始障碍物点云数据；

利用所述初始障碍物点云数据生成障碍物的中心点坐标；

基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线；

将无人机的定位数据和采集数据发送给巡检管理控制平台；

利用所述巡检管理控制平台实时展示无人机的定位数据和采集数据，并输出待测对象的缺陷识别分析；

所述连通成分分析包括：连通域分析；和/或，聚类分析；

所述基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线，包括：

基于所述障碍物的中心点坐标，划分出点云数据中的安全区域；

将所述点云数据中的安全区域作为路线规划区域，结合多向定位以及待测对象的点云数据生成无人机对待测对象进行巡检的巡检点，任一个巡检点均会有其对应的无人机位置、无人机朝向、以及摄像头角度；

基于所述巡检点，形成平滑连接各巡检点的巡检路线；

所述采集数据为无人机在倾斜状态下的采集的图像数据；

所述待测对象包括：绝缘子、电力杆塔以及导线；

其中，在进行电力线缆区域建模时，将多股导线近似为一股，并在其周围以安全距离为半径形成圆柱状的区域，将该区域以外的区域作为安全巡检区域。

2.一种利用无人机的巡检***，其特征在于，应用于如权利要求1中所述的利用无人机的巡检方法中，包括：

激光点云模型生成单元，用于基于激光点云数据，确定激光点云模型，所述激光点云数据为待测对象的巡检区域的点云数据；

巡检路线生成单元，用于基于所述激光点云数据生成无人机对待测对象进行巡检的巡检路线；

无人机，用于利用所述巡检路线实现对待测对象的巡检；

其中，所述巡检路线生成单元，用于基于所述激光点云模型生成无人机对待测对象进行巡检的巡检路线，包括：

对激光点云模型中的激光点云数据进行点云去噪以及点云滤波，得到目标点云数据，所述目标点云数据包括地面点和非地面点；

对所述非地面点进行平面网格分割，得到各个非地面分割区域；

对所述各个非地面分割区域进行连通成分分析，得到连通聚类图；

基于所述连通聚类图进行悬线连接分析，得到初始障碍物点云数据；

利用所述初始障碍物点云数据生成障碍物的中心点坐标；

基于所述障碍物的中心点坐标生成无人机对待测对象进行巡检的巡检路线。

3.根据权利要求2所述的巡检***，其特征在于，还包括：

数据传输单元，用于将无人机的定位数据和采集数据发送给巡检管理控制平台；

巡检管理控制平台，用于利用所述巡检管理控制平台实时展示采集的无人机定位数据和图像数据，并输出待测对象的缺陷识别分析。

Images