[发明专利]一种高速铁路全自动无人机巡检方法及系统

说明书

本申请提供一种高速铁路全自动无人机巡检方法及系统。本申请通过用以沿铁路沿线按照预设轨迹飞行并从多个角度采集沿线设备设施及周边环境图片信息并储存的无人机，用于为无人机换装电池、载荷实现本地转储数据的移动地面基站，以及用于接收云端传输的无人机采集的图片信息并对图片信息进行分析、计算得出巡检结果的后端智能分析平台工作机，实现对预先规划的飞行线路进行巡检。本申请能够通过深度学习算法检测无人机所采集到的铁路图像，实现铁路设备设施部件缺陷及周边环境隐患的自动识别，提高检测效率。

技术领域

本申请涉及高速铁路巡检设备领域，具体而言涉及一种高速铁路全自动无人机巡检方法及系统。

背景技术

由于列车运行中的激荡和振动，铁路沿线零部件容易损坏甚至丢失。目前，对铁路沿线设施进行检测的手段主要依赖于人工离线读取大量图像数据。然而，随着高速电气化铁路的大规模建设，人工目视检测照片数量巨大、检测效率低。目前检测车上所挂载的不同相机通常在夜间拍摄，其所获得的图像质量差并且存在遗漏的现象。

除铁路设施自身结构状态改变会影响高速列车运行外，铁路沿线周边环境地貌的改变对于铁路的安全运行也具有很大影响。由于铁路周边环境涉及范围广，面积大，监管难度大，存在较多违规房建、非法施工、杂物堆积等情况。现有技术由于巡检效率较低，无法及时发现上报铁路周边环境变化，常常会因铁路及周边异常状况而影响列车运行。

发明内容

本申请针对现有技术的不足，提供一种高速铁路全自动无人机巡检方法及系统，本申请通过无人机自动巡航拍摄铁路沿线图片，并将得到的图像输入到智能分析平台工作机中，实现铁路沿线基础设施及周边环境缺陷的自动检测，能够克服现有技术中通过人工巡检效率低频次少、巡检不全面的问题。本申请具体采用如下技术方案。

首先，为实现上述目的，提出一种高速铁路全自动无人机巡检方法，其步骤包括：第一步，通过链路系统接收无人机上传的工作状态及实时回传画面，在无人机首次在任务区域飞行时，接收无人机上激光雷达模块所获得的点云数据建立三维点云模型，规划无人机飞行线路，并配置无人机地面基站；第二步，实时监控无人机的工作状态和航行数据，在无人机到达任务区域后，触发无人机上图像采集模块按照预选设定的方式进行图像采集，并触发无人机将拍摄所得图像与拍摄实时地理位置信息一并保存并通过地面基站传输至工作机；第三步，工作机内部的深度学习网络模型对拍摄所得图像进行缺陷检测识别，将缺陷预警检测结果发送人工复检，并在接收到人工确认的缺陷部分由后上传缺陷问题及缺陷图像所对应的实时地理位置信息，通知运维人员并记录运维状态；上述巡检过程中，当检测到无人机电量低于电量阈值时，还触发无人机飞抵基站，与基站进行电池更换以及图像数据的转储。

可选的，如上任一所述的高速铁路全自动无人机巡检方法，其中，第一步中，接收无人机上激光雷达模块所获得的点云数据建立三维点云模型的具体步骤包括将激光雷达模块所获得的点云数据与无人机所采集的图像之间按照以下步骤进行融合：首先分别基于统计的离群点去除算法、基于最近距离的冗余点去除算法、基于布料模拟滤波地面点滤除算法对三维点云数据做预处理；然后基于随机采样、特征聚合与原型拟合对大尺度点云数据层进行语义分割；再通过空间位置匹配方法根据欧几里得距离进行点云聚类，获得与潜在异常对象点云对应的图像数据；最后通过基于迁移学习及数据增强的图像实例分割方法对图像数据进行处理，获得对潜在异常对象类别的准确判断：对于被点云数据判断为建筑的对象，进一步根据图像数据的识别结果计算其中彩钢板顶棚建筑和砖石房屋两类对象距铁路的距离；对于被点云数据识别为垃圾堆积的对象，进一步根据图像数据的识别结果计算其中垃圾堆积类对象的体积及及其距离铁路的距离。