[发明专利]一种无人机巡检精细航线自动规划系统和方法

说明书

本发明涉及一种无人机巡检精细航线自动规划系统和方法，该系统包括无人机、设于无人机上的边缘计算设备以及控制器，该系统最终得到能够在相同环境下精准拍摄目标检测物体的精准航线。本发明能够在复杂环境下实现自动化的精细作业，有利于解放生产力，提升巡检效率。

技术领域

本发明涉及一种自动规划方法，尤其是一种无人机巡检精细航线自动规划系统，还涉及精细航线自动规划方法。

背景技术

现有的无人机巡检方式采用在地面通过航线规划软件预先规划航线对巡检线路进行巡检作业。此工作方式在面对山地、丘陵地区巡检运维工作存在实际信号遮挡导致有效作业距离小。现有的无人机巡检方式还包括采用人工操作无人机进行巡检。由于人为因素导致巡检照片数据标准不统一、数据质量参差不齐，巡检效率低下等问题。

发明内容

为了解决上述问题，本发明提供一种无人机巡检精细航线自动规划系统和方法，采用无人机自动化精细巡检方案，能够在复杂环境下实现自动化的精细作业，有利于解放生产力，提升巡检效率。

本发明的技术方案具体如下：

一种无人机巡检精细航线自动规划系统，包括无人机、设于无人机上的边缘计算设备以及控制器；

无人机包括视频采集单元，根据航线中设定，在不同航点进行对检测物拍照；

边缘计算设备采集不同航点的视频采集单元的信息，对视频流进行简单过滤，然后基于神经网络对每一帧图片进行检测；

控制器采集边缘计算设备检测结果，根据检测结果对无人机及视频采集单元进行控制，拍摄不同航点的检测物，记录该航点的GPS信息、时间、拍照次数、调整次数、稳定度以及清晰度，最终得到能够在相同环境下精准拍摄目标检测物体的精准航线。

进一步地，无人机起飞后，围绕杆塔范围3-10米距离飞行，利用GPS进行精确定位；悬停时无人机在10-50厘米范围内摇摆。

进一步地，对视频流进行简单过滤具体过程如下：

到达一个航点后，视频采集单元进行大范围扫描，边缘计算设备启动杆塔识别神经网络，先识别离无人机最近的杆塔位置，从视频流中识别杆塔的类型、朝向、坐标、大小，识别速度为每秒钟10帧；识别完杆塔后，首先把每一帧内的杆塔剪切出来，使除杆塔以外的杂物过滤干净。

进一步地，基于神经网络对每一帧图片进行检测的具体过程如下：

对图内每一个被检测出来的绝缘子进行放大拍照，边缘计算设备切换神经网络至检测物识别神经网络；该神经网络对剪切出来的杆塔图片进行检测物识别，包括绝缘子、杆塔牌子、杆塔顶角与杆塔底部支撑的类型、朝向、坐标、大小、清晰度；此时，控制器记录无人机坐标、倾角、朝向以及摄像头坐倾角、朝向作为第一位姿。

进一步地，控制器采集边缘计算设备检测结果，根据检测结果对无人机及视频采集单元进行控制具体如下：

步骤(1)：根据图中的第一个检测物的位置，控制器移动摄像头以至该绝缘子被移动到图像正中心，其中图像识别以每秒10帧的速度对该绝缘子进行跟踪；

步骤(2)：逐步放大对焦，使该检测物在途中的大小越来越大，其中图像识别每秒10帧的速度对该绝缘子进行跟踪并计算出该绝缘子是否已经清晰，并不断控制摄像头倾角使绝缘子一直保持在图像正中心；

步骤(3)：当检测物放大到图片总大小的1/4，即宽度和长度都为图片的一半时，对绝缘子进行拍照；

步骤(4)：使摄像头焦距和倾角还原至第一位姿，并对下一个检测物重复步骤(1)。

进一步地，步骤(1)中，跟踪检测物时，使用线性匹配算法，第一帧检测物和第二帧检测物生成一个损失矩阵，损失矩阵里记录了两帧之间两个检测物的损失值；