[发明专利]基于分辨率重建的无人机巡线影像辅助采集方法及系统

说明书

本发明涉及一种基于分辨率重建的无人机巡线影像辅助采集方法及系统，其中方法为：通过无人机机载摄像头进行图像采集，并将采集的图像输入至机载计算设备，所述机载计算设备执行以下步骤：对图像进行预处理，并通过清晰度评价算法评价输入图像的清晰度，若输入图像的清晰度不满足设定的阈值，则判定为低清晰度图像并输入至分辨率重建模型；通过所述分辨率重建模型对所述低清晰度图像进行重构，转换为高清晰度图像；将清晰度满足设定的阈值的输入图像以及分辨率重建模型输出的高清晰度图像输入至目标检测模型进行巡检目标检测；通过在无人机上设置机载计算设备，对采集的图像进行分辨率重建和目标检测，在线检测巡检目标，且提高了图像质量。

技术领域

本发明涉及一种基于分辨率重建的无人机巡线影像辅助采集方法及系统，属于无人机输电线路巡检技术领域。

背景技术

目前在电力巡检中，无人机巡检图像大多是离线采集，将无人机摄像头拍摄到的视频图像数据储存起来并传输回地面站再进行识别诊断。

现有技术的技术方案为：摄像头通过云台安装在无人机上，通过遥控器控制摄像头拍摄图像，将无人机摄像头拍摄到的视频和图像数据储存在SD卡里，等待无人机停止作业并返回地面站后，将SD卡取出，并通过读卡器读取数据，再在服务器上进行目标检测和缺陷识别。该方案缺乏实时性，导致会采集到很多质量不高的图像，产生大量的冗余数据，降低巡检效率。

为了解决上述技术问题，专利号为“CN109961460A”的发明专利公开了一种基于改进YOLOv3模型的多目标巡检方法，设计一种适应电力无人机巡检目标视觉特性的YOLOv3网络结构目标检测模型，烧制在FPGA芯片上，并搭载在无人机上进行实时的目标检测，用于输电线线路无人机实时巡检，实时性高、结果准确，比起目前采用的人工巡检，大大降低了成本。

以上现有技术存在的问题是：由于硬件条件的限制，无人机在飞行过程中，拍摄的视频或图片容易出现图像模糊、或未拍摄到输电线路上的部件如绝缘子、防震锤等情况，导致无法进行有效、准确地识别，容易出现误检、漏检等问题，缺乏智能辅助拍摄手段，很大程度上影响了巡检结果的有效性。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了一种基于分辨率重建的无人机巡线影像辅助采集方法，在无人机上设置计算设备，计算设备中搭载有分辨率重建模型和目标检测模型，实现在线识别巡检目标，具备实时性特点，提高了巡检效率。

本发明的技术方案如下：

一方面，本发明提供一种基于分辨率重建的无人机巡线影像辅助采集方法，通过无人机机载摄像头进行图像采集，并将采集的图像输入至机载计算设备，所述机载计算设备执行以下步骤：

对图像进行预处理，并通过清晰度评价算法评价输入图像的清晰度，若输入图像的清晰度不满足设定的阈值，则判定为低清晰度图像并输入至基于RR-CNN网络的分辨率重建模型；

通过所述分辨率重建模型对所述低清晰度图像进行重构，转换为高清晰度图像；

将清晰度满足设定的阈值的输入图像以及分辨率重建模型输出的高清晰度图像输入至基于CD-CNN网络的目标检测模型进行巡检目标检测。

作为优选实施方式，所述分辨率重建模型包括四层结构；

第一层为预处理层，对输入的图像采用双三次差值法提高图像的尺寸；

第二层为特征提取层，包括一卷积操作和ReLU激活函数，对经过插值操作的图像进行卷积操作，输出n₁维的特征图；

第三层为非线性映射层，包括一卷积操作和ReLU激活函数，对第二层输出的n₁维的特征图进行非线性映射，输出n₂维的特征图；