[发明专利]一种基于电力杆塔标牌识别的无人机自主巡检定位方法

说明书

本发明公开一种基于电力杆塔标牌识别的无人机自主巡检定位方法，该方法可以通过电力杆塔上的标牌所标注的信息进行识别，通过与数据库中的信息进行比对，来判断无人机执行任务中所处位置，以此来确保无人机在自动巡航中正确的路线规划，首先无人机确定杆塔目标，对杆塔进行拍照；之后对图像中的杆塔牌进行检测，使用边界框对目标特征进行框选，边界框所含参数包括电力杆塔在框中的概率以及置信度；之后使无人机对杆塔进行绕飞，并进行连续拍照；之后对图像中的标牌进行比对，将置信度最高的作为正向位置；之后对正向位置标牌上的文本进行检测，提取出特征序列输送到序列识别网络中；最后将识别结果与任务路径信息对照，判断所处位置。

技术领域

本发明涉及输电线路自动巡检技术领域，具体涉及一种通过图像识别的方式，来使无人机对标牌上所显示的电力杆塔的序号、种类及位置信息进行理解，以此来判断自身正在巡检的杆塔位于任务中的哪个节点，以此辅助无人机在遥感信号薄弱时进行定位，为无人机无人化巡航提供更安全的保障的基于电力杆塔标牌识别的无人机自主巡检定位方法。

背景技术

如今无人机技术已经被广泛应用到架空输电线路的巡检项目中。无人机的高机动性、多功能性、便携性等特点在提高了巡检效率的同时，也为电路工作人员的生命安全保驾护航。然而目前大部分无人机作业并没有完全发挥出无人机的实质性优势，即“无人化”。在传统无人机作业中，往往需要两人以上配备专业设备的队伍进行操作，同时由于部分输电线路建设于山区荒漠等复杂地区，遥感信号较弱，且GPS等定位功能时断时续，无法保障无人机的安全运行。

为摆脱人工操作束缚，在无人机自主巡航领域，虽然可以通过设置巡航路线使无人机完成指点飞行，但是这种方法较为死板，同时如果在山区等高低落差较大，信号传递受阻的地区，指点飞行的能力大打折扣。同时基于图像识别的自主飞行，虽然可以基本完成自动化作业，但是如果信号终端，或者路线规划错误，无人机将不得不返航甚至陷入死循环。

发明内容

本发明的目的在于克服现有技术中存在的不足而提供一种基于文本序列识别的电力杆塔标牌识别方法以确定无人机位置的方法，该方法通过无人机采集到的电力杆塔标牌图像，检测其上的文本信息，最后对文本信息进行识别，得到文本所表示的杆塔类型、位置、序号等内容，并与任务路径信息进行匹配，以此来判断无人机所检测的电塔位置信息，确定无人机航线的正确性，达到保障无人机安全巡航的目的。

本发明的技术方案是这样实现的：

一种基于电力杆塔标牌识别的无人机自主巡检定位方法，包括以下步骤：

步骤一)、无人机到达待检测电力杆塔后，执行预设高度的绕飞操作，依据无人机搭载的相机设备所拍摄的图像对电力杆塔上的标牌目标进行检测；

步骤二)、使用深度学习图像识别方法对电力杆塔标牌的特征进行提取，框选出所有电力杆塔标牌的位置，根据标牌在图像中的位置依次编号；

步骤三)、编号完成后，无人机按照编号顺序依次进行近飞检测，通过计算置信度的方式，来判断无人机是否达到识别标牌的最佳位置，如未到达，使无人机继续环绕杆塔进行移动，并进行实时目标检测，将检测标牌置信度最高的位置作为标牌拍摄的最佳位置；

步骤四)、使用端到端的文本序列识别模型来对最佳位置标牌上的文本信息进行检测并进行框选，将框选后的图像进行特征提取并输送到特征序列识别网络中，将识别结果与任务路径信息对照，判断无人机所处位置。

步骤四)中所述的端到端的文本序列识别模型采用卷积神经网络提取特征，使用循环神经网络进行预测，使用编码器-解码器对预测结果进行转录。

所述的端到端的文本序列识别模型的网络结构包括卷积层、循环层以及转录层，网络的底部为卷积层，卷积层从每个输入图像中提取特征序列，在卷积神经网络之上构建一个循环神经网络，用于将卷积层输出的特征序列进行预测，最后将循环层与转录层相连接，将预测结果转换成标签序列。