[发明专利]输电线路绝缘子红外智能匹配识别与测距定位方法及系统

权利要求书

1.输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：包括以下步骤：

步骤1：采用已训练完成的卷积神经网络自动识别绝缘子串目标；

步骤2：采用位置-姿态外内环控制对绝缘子串目标进行跟踪定位；

步骤3：根据绝缘子串目标的位置，获取最佳拍摄距离；

步骤4：基于最佳拍摄距离，控制无人机对绝缘子串目标进行安全距离预警。

2.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述步骤1中的卷积神经网络的训练步骤为：

构建卷积神经网络；

采用图像数据库对卷积神经网络进行预训练，收敛后，将卷积神经网络最后一层修改为C＝3，分别代表绝缘子串、背景，杆塔3类目标；

利用输电线路图像库进行二次训练，在训练过程中采用启发式方法，在当前学习速率下，若验证集错误率不变，则将学习速率减小至当前的1/10，直至收敛，得到训练完成的卷积神经网络。

3.根据权利要求2所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述图像数据库为Cifar-100图像数据库；

所述输电线路图像库的选取包括以下步骤：

采用无人机对输电线路进行航拍，获取具有绝缘子串的图像；

对图像中的背景、杆塔、绝缘子串3类区域进行标注；

对图像进行分块，得到图像块；

对图像块进行旋转、平移、尺度的变换，扩展样本数量，得到输电线路图像库。

4.根据权利要求2所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述卷积神经网络以图片为输入，以图片的类别标签为输出，表示如下：

c＝F_CNN(s|P),c∈{1,2,...,C}

式中，s为输入图片，P为卷积神经网络的参数，c为图片的输出类别标签，F_CNN()表示卷积神经网络前向运算。

5.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述位置-姿态外内环控制以世界坐标系中无人机的水平位移(x_d,y_d)作为输入，具体包括：外环位置控制采用PI控制器得到内环姿态控制的期望角度，内环姿态控制根据期望角度得到最终的控制量U；

所述世界坐标系中无人机的水平位移(x_d,y_d)由图像平面内绝缘子串目标的跟踪误差e_c得到，所述跟踪误差e_c表示为：

式中，和c_p分别为图像视野中心像素坐标和目标中心像素坐标；

所述PI控制器得到高度控制律U₁及内环姿态控制的期望角度φ_d和θ_d：

式中，U₁表示电机总升力，μ＝[μ_x,μ_y,μ_z]^T为虚拟控制量，φ_d，θ_d，ψ_d分别为无人机的滚转角、俯仰角和偏航角；

所述内环姿态控制采用LQR控制，得到控制律U₂，控制律U₃，控制律U₄；

U＝[U₁,U₂,U₃,U₄]^T构成无人机的控制输入。

6.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述步骤3具体为：

根据绝缘子串目标的位置，得到航拍视频帧中绝缘子串目标宽度所占像素；

根据已知的单个绝缘子的直径、无人机机载摄像头的焦距和绝缘子串目标宽度所占像素，基于相似三角形原理计算得到目标绝缘子串与无人机的距离D：

式中，f为无人机机载摄像头的焦距，H表示单个绝缘子的实际直径，h表示绝缘子在成像中直径所占像素。