Nothing Special   »   [go: up one dir, main page]

CN115409888A - 配网无人机巡检中杆塔智能定位的方法及装置 - Google Patents

配网无人机巡检中杆塔智能定位的方法及装置 Download PDF

Info

Publication number
CN115409888A
CN115409888A CN202211009757.8A CN202211009757A CN115409888A CN 115409888 A CN115409888 A CN 115409888A CN 202211009757 A CN202211009757 A CN 202211009757A CN 115409888 A CN115409888 A CN 115409888A
Authority
CN
China
Prior art keywords
tower
unmanned aerial
aerial vehicle
picture
top end
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211009757.8A
Other languages
English (en)
Other versions
CN115409888B (zh
Inventor
谭启昀
黎维彬
高小伟
辛亚锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yuhang Intelligent Technology Co ltd
Original Assignee
Beijing Yuhang Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yuhang Intelligent Technology Co ltd filed Critical Beijing Yuhang Intelligent Technology Co ltd
Priority to CN202211009757.8A priority Critical patent/CN115409888B/zh
Publication of CN115409888A publication Critical patent/CN115409888A/zh
Application granted granted Critical
Publication of CN115409888B publication Critical patent/CN115409888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及无人机摄影测量技术领域，提供了一种配网无人机巡检中杆塔智能定位的方法及装置。该方法包括：获取配网无人机巡检中无人机悬停在第一位置时的第一无人机参数组，以及对第一图片进行塔顶目标识别得到的第一识别框；获取无人机悬停在第二位置时的第二无人机参数组，以及对第二图片进行塔顶目标识别得到的第二识别框；根据第一识别框、第二识别框、第一无人机参数组和第二无人机参数组，获取无人机与第一杆塔的顶端的第一高度差；根据第一高度差、第一无人机参数组和第二无人机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位。

Description

配网无人机巡检中杆塔智能定位的方法及装置
技术领域
本公开涉及无人机摄影测量技术领域，尤其涉及一种配网无人机巡检中杆 塔智能定位的方法及装置。
背景技术
使用配网无人机对电网的配电设施进行巡检可以降低巡检工作的风险，大 幅提升工作效率。自动化、精细化的巡检对电网中各个配电杆塔的空间坐标提 出了要求。
在相关技术中，巡检人员或者专业三维测绘人员可以携带测绘机器前往每 个配电杆塔进行测绘，得到配电杆塔的位置数据。这些方法或者对技术人员的 专业技能要求高，或者对测绘设备的功能要求较高，从而导致测绘难度较大或 者测绘成本较高。随着输电线路规模的大幅增长，这些测绘过程中的困难日益 明显。
随着无人机技术的发展，产生了使用无人机对杆塔进行定位测绘的技术。 在使用无人机对杆塔进行定位测绘时，或者需要人工目视进行操作，或者需要 采用在配电杆塔顶端设置射频识别标签，通过无人机扫描射频识别标签的方式 进行杆塔顶端的定位，过程比较繁琐或者成本较高，从而不能简单方便地对杆 塔进行定位。
发明内容
有鉴于此，本公开实施例提供了一种配网无人机巡检中杆塔智能定位的方 法、装置、电子设备及计算机可读存储介质，以解决现有技术中不能简单方便 地对杆塔进行定位的问题。
本公开实施例的第一方面，提供了一种配网无人机巡检中杆塔智能定位的 方法，方法包括：获取配网无人机巡检中无人机悬停在第一位置时的第一无人 机参数组，以及对第一图片进行塔顶目标识别得到的第一识别框，其中，第一 图片为无人机悬停在第一位置时对第一杆塔的顶端进行拍摄得到的图片，第一 无人机参数组包括无人机拍摄第一图片时的第一航向角和第一位置坐标，第一 位置在第一杆塔的顶端的侧方，第一杆塔的顶端在第一识别框中位于第一识别 框的中心；获取无人机悬停在第二位置时的第二无人机参数组，以及对第二图 片进行塔顶目标识别得到的第二识别框，其中，第二图片为无人机悬停在第二 位置时对第一杆塔的顶端进行拍摄得到的图片，第二无人机参数组包括无人机 拍摄第二图片时的第二航向角和第二位置坐标，第二位置位于第一位置与第一 杆塔的顶端的第一连线的正上方，且第二位置与第一位置的水平高度相同，第 一杆塔的顶端在第二识别框中位于第二识别框的中心；根据第一识别框、第二 识别框、第一无人机参数组和第二无人机参数组，获取无人机与第一杆塔的顶 端的第一高度差；根据第一高度差、第一无人机参数组和第二无人机参数组获 取第一杆塔的顶端的坐标，完成第一杆塔定位。
本公开实施例的第二方面，提供了一种配网无人机巡检中杆塔智能定位的 方法，方法包括：获取配网无人机巡检中无人机悬停在第四位置时的第四无人 机参数组，以及对第四图片进行杆塔目标识别得到的第四识别框，其中，第四 图片为无人机悬停在第四位置时对第二杆塔进行拍摄得到的图片，第四无人机 参数组包括无人机拍摄第四图片时的第四航向角，第四位置在第二杆塔的顶端 的侧方，且所述第四位置为识别第一杆塔后，所述无人机沿着根据所述第一杆 塔的横担方向确定的对所述第二杆塔进行搜索的搜索方向，自动飞向所述第二 杆塔并在进行搜索时确定悬停的位置，所述第一杆塔为所述第二杆塔的上一级 杆塔，第二杆塔的顶端在第四识别框中位于第四识别框的上边的中心，第二杆塔的底端在第四识别框中位于第四识别框的下边的中心；根据第四识别框、第 四无人机参数组和预先测量的第二杆塔的长度，获取无人机与第二杆塔的第三 水平距离，以根据第三水平距离搜索第二杆塔。
本公开实施例的第三方面，提供了一种配网无人机巡检中杆塔智能定位的 装置，装置包括：第一参数获取模块，用于获取配网无人机巡检中无人机悬停 在第一位置时的第一无人机参数组，以及对第一图片进行塔顶目标识别得到的 第一识别框，其中，第一图片为无人机悬停在第一位置时对第一杆塔的顶端进 行拍摄得到的图片，第一无人机参数组包括无人机拍摄第一图片时的第一航向 角和第一位置坐标，第一位置在第一杆塔的顶端的侧方，第一杆塔的顶端在第 一识别框中位于第一识别框的中心；第二参数获取模块，用于获取无人机悬停 在第二位置时的第二无人机参数组，以及对第二图片进行塔顶目标识别得到的 第二识别框，其中，第二图片为无人机悬停在第二位置时对第一杆塔的顶端进行拍摄得到的图片，第二无人机参数组包括无人机拍摄第二图片时的第二航向 角和第二位置坐标，第二位置位于第一位置与第一杆塔的顶端的第一连线的正 上方，且第二位置与第一位置的水平高度相同，第一杆塔的顶端在第二识别框 中位于第二识别框的中心；高度差获取模块，用于根据第一识别框、第二识别 框、第一无人机参数组和第二无人机参数组，获取无人机与第一杆塔的顶端的 第一高度差；坐标获取模块，用于根据第一高度差、第一无人机参数组和第二 无人机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位。
本公开实施例的第四方面，提供了一种配网无人机巡检中杆塔智能定位的 装置，装置包括：第三参数获取模块，用于获取配网无人机巡检中无人机悬停 在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到的 第四识别框，其中，第四图片为无人机悬停在第四位置时对第二杆塔进行拍摄 得到的图片，第四无人机参数组包括无人机拍摄第四图片时的第四航向角，第 四位置在第二杆塔的顶端的侧方，且所述第四位置为识别第一杆塔后，所述无 人机沿着根据所述第一杆塔的横担方向确定的对所述第二杆塔进行搜索的搜索 方向，自动飞向所述第二杆塔并在进行搜索时确定悬停的位置，所述第一杆塔 为所述第二杆塔的上一级杆塔，第二杆塔的顶端在第四识别框中位于第四识别 框的上边的中心，第二杆塔的底端在第四识别框中位于第四识别框的下边的中 心；距离获取模块，用于根据第四识别框、第四无人机参数组和预先测量的第 二杆塔的长度，获取无人机与第二杆塔的第三水平距离，以根据第三水平距离 搜索第二杆塔。
本公开实施例的第五方面，提供了一种电子设备，包括存储器、处理器以 及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机 程序时实现上述方法的步骤。
本公开实施例的第六方面，提供了一种计算机可读存储介质，该计算机可 读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的 步骤。
本公开实施例与现有技术相比存在的有益效果是：通过无人机拍摄第一杆 塔的图片，并根据无人机在第一位置时拍摄得到的图片确定第二位置，得到无 人机在第二位置时的图片，再根据两次拍摄得到的图片选取取景框并结合拍摄 图片时无人机的位置和拍摄角度，得到无人机与第一杆塔的高度差，并进一步 得到第一杆塔的顶端的空间坐标，从而实现了不依赖人工的自动化的杆塔定位， 解决了现有技术中杆塔定位过程比较繁琐或者成本较高的问题，具有简单方便 的技术效果。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅 仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳 动的前提下，还可以根据这些附图获得其它的附图。
图1是本公开实施例提供的一种配网无人机巡检中杆塔智能定位的方法的 流程示意图；
图2是本公开实施例提供的无人机和第一杆塔位置关系的示意图；
图3是本公开实施例提供的识别框和第一杆塔顶端的示意图；
图4是本公开实施例提供的第一连线对应向量的示意图；
图5是本公开实施例提供的再一种配网无人机巡检中杆塔智能定位的方法 的流程示意图；
图6是本公开实施例提供的包含瓷瓶的图片的示意图；
图7是本公开实施例提供的无人机和第二杆塔位置关系的示意图；
图8是本公开实施例提供的识别框和第二杆塔的示意图；
图9是本公开实施例提供的杆塔搜索方法的流程示意图；
图10是本公开实施例提供的靠近杆塔的方法的流程示意图；
图11是本公开实施例提供的一种配网无人机巡检中杆塔智能定位的装置 的结构示意图；
图12是本公开实施例提供的再一种配网无人机巡检中杆塔智能定位的装 置的结构示意图；
图13是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本公开的描述。
在相关技术中，工作人员可以携带测绘机器前往每个配电杆塔进行测绘， 但是测绘难度较大或者测绘成本较高。在使用无人机对杆塔进行定位测绘时， 定位测绘过程比较繁琐或者成本较高。
为解决以上问题，本公开提出一种配网无人机巡检中杆塔智能定位的方案， 以简单方便地进行杆塔的定位。
在本公开实施例的技术方案中，可以通过无人机拍摄图片，并根据无人机 拍摄这些图片时的参数确定无人机悬停位置与杆塔的顶端的空间距离，从而确 定杆塔的空间坐标。具体地，可以在图片中选取合适的取景框，杆塔的顶端位 于取景框的中心，根据拍摄图片时的无人机航向角以及取景框信息即可以得到 拍摄位置到取景框的四个角的向量，从而可以进一步得到拍摄位置到图片的中 心的向量，根据该向量建立参考平面，基于三角形相似关系即可以得到无人机 与杆塔的顶端的高度差，以及无人机与杆塔的水平距离，从而实现杆塔的定位。
下面将结合附图详细说明根据本公开实施例的配网无人机巡检中杆塔智能 定位的方法和装置。
图1是本公开实施例提供的一种配网无人机巡检中杆塔智能定位的方法的 流程示意图。本公开实施例提供的方法可以由任意具备计算机处理能力的电子 设备执行，例如终端或服务器。如图1所示，该配网无人机巡检中杆塔智能定 位的方法包括：
S101，获取配网无人机巡检中无人机悬停在第一位置时的第一无人机参数 组，以及对第一图片进行塔顶目标识别得到的第一识别框，其中，第一图片为 无人机悬停在第一位置时对第一杆塔的顶端进行拍摄得到的图片，第一无人机 参数组包括无人机拍摄第一图片时的第一航向角和第一位置坐标，第一位置在 第一杆塔的顶端的侧方，第一杆塔的顶端在第一识别框中位于第一识别框的中 心。
具体地，第一位置可以为第一杆塔的顶端的侧上方或侧下方，在以下实施 例中，第一位置以及其它无人机悬停拍摄图片的位置均为第一杆塔的顶端的侧 上方。第一识别框和第一图片的取景框之间存在可以获知的偏移角度，根据该 偏移角度和无人机的航向角即可以得到取景框的四个角中的各个角与第一位置 之间的向量，进而可以得到第一位置与杆塔顶端之间的向量。其中，无人机的 航向角与无人机上的摄像头的朝向角相同，根据识别框的数据可以得到识别框 在对应的图片的取景框内的偏移角度。
S102，获取无人机悬停在第二位置时的第二无人机参数组，以及对第二图 片进行塔顶目标识别得到的第二识别框，其中，第二图片为无人机悬停在第二 位置时对第一杆塔的顶端进行拍摄得到的图片，第二无人机参数组包括无人机 拍摄第二图片时的第二航向角和第二位置坐标，第二位置位于第一位置与第一 杆塔的顶端的第一连线的正上方，且第二位置与第一位置的水平高度相同，第 一杆塔的顶端在第二识别框中位于第二识别框的中心。
具体地，第二位置和第一位置具有同样的相对于地面的高度。第二位置由 第一位置确定，例如，可以设置一个参考水平面，第一位置和第一杆塔的顶端 的第一连线与该参考水平面具有一个交点，第二位置在该交点的正上方。
S103，根据第一识别框、第二识别框、第一无人机参数组和第二无人机参 数组，获取无人机与第一杆塔的顶端的第一高度差。
具体地，根据第一高度差可以得到第一杆塔的顶端相对于地面的高度。
S104，根据第一高度差、第一无人机参数组和第二无人机参数组获取第一 杆塔的顶端的坐标，完成第一杆塔定位。
具体地，根据第一高度差、第一无人机参数组和第二无人机参数组可以获 取第一杆塔相对于第一位置或者第二位置的水平距离，再结合第一杆塔的顶端 相对于地面的高度以及空间几何知识，即可以确定第一杆塔的顶端的空间坐标。
根据本公开实施例的技术方案，无需使用具有测距功能的无人机，通过对 待定位杆塔进行摄影测量、目标识别和相关空间解析，无需人工干预，即可以 实现对杆塔的自动化定位。相比较人工操控无人机进行杆塔定位，具有精度较 高、效率较高的特点。
如图2所示，在给定空间直角坐标系oxyz中，z为垂直地面方向，xoy为 地面投影坐标系。无人机在第一杆塔侧上方的A1位置，设定位置即为第一位置， 其已接近待定位的第一杆塔的顶端，即塔顶G。A1坐标为(a1，b1，c)，在对第 一杆塔的顶端进行定位的过程中，无人机始终以高度c巡航。
在本公开实施例中，可以预设一个平行于xoy的参考水平面Ω，其与无人 机垂直距离为设定的已知数值d。其中，O1为无人机所在位置A1与地面间的垂 线与参考水平面的交点，O2为无人机所在位置A1与塔顶G间的射线与参考水 平面的交点。由设定的参数可知，参考水平面Ω的方程为：z＝c-d。
在本公开实施例中，可以将无人机采集的图片实时传回云端服务器。云端 服务器使用目标检测算法对杆塔顶端进行识别。如图3所示，可以取包含杆塔 顶端的识别框efgh中心记为塔顶位置G，该识别框即为第一识别框。
在本公实施例中，可以根据第一航向角得到第一位置与第一识别框的四个 顶点的四个方向向量；根据四个方向向量和平行四边形准则获取第一向量。如 图4所示，无人机锁定识别框efgh，由无人机航向角与识别框在取景框内的偏 移角度分别得到无人机位置A1与识别框efgh四个顶点的四个方向向量
Figure BDA0003808970080000081
由平行四边形准则，可以得到以公式(1)表示的无人机位置A1与塔顶G 射线的方向向量如下：
Figure BDA0003808970080000082
该方向向量可以记为(l1，m1，n1)，由此计算直线A1G的方程为以下公式(2)：
Figure BDA0003808970080000083
在步骤S102之前，需要选取第二位置。具体地，可以根据第一航向角、 第一位置坐标和第一识别框获取第一连线对应的第一向量；根据第一向量选取 位于第一位置和第一杆塔的顶端之间的参考水平面，参考水平面与第一位置在 竖直方向的距离为设定的第一数值；根据第一向量与参考水平面的第一交点选 取第二位置。具体地，公式(2)与预设参考水平面Ω方程联立，即可得到交点 O2的坐标为以下公式(3)：
Figure BDA0003808970080000091
在本公开实施例中，可以以无人机的初始位置A1为第一位置，以交点O2正上方的无人机的巡航路线上的A2为第二位置。由于参考水平面Ω与无人机距 离始终为d，可以得到|A1O1|＝|A2O2|＝d。无人机移动至O2正上方A2处，A2坐标 为(a2，b2，c)。
具体地，在计算第一高度差时，可以获取第一位置和第二位置的第一水平 距离，即A1与A2的距离；并获取第一交点与第二交点的第二水平距离，即O2与O3的距离，其中，第二交点为第二向量与参考水平面的交点，第二向量根据 第二航向角、第二位置坐标和第二识别框得到；根据第一位置坐标、第一水平 距离、第二水平距离和三角形相似关系获取第一高度差。
A1与A2的距离可以根据以下公式计算得到(4)：
Figure BDA0003808970080000092
由无人机航向角可以得到射线A2G的方向向量(l2，m2，n2)，则A2G的方程 为以下公式(5)：
Figure BDA0003808970080000093
进而可以根据以下公式(6)得到A2G与平面Ω的交点O3：
Figure BDA0003808970080000094
进一步可以根据以下公式(7)得到O2与O3的距离：
Figure BDA0003808970080000095
在本公开实施例中，可以根据第一水平距离、第二水平距离和三角形相似 关系获取第一杆塔的顶端的坐标。具体地，由三角形相似关系公式(8)：
ΔO2O3G-ΔA1A2G，ΔO2B2G-ΔA1B1G (8)
可以得到比例公式(9)：
Figure BDA0003808970080000101
进一步地，可以根据以下公式(10)得到无人机与塔顶的垂直高度差：
Figure BDA0003808970080000102
杆塔顶端的高度可以近似为c-Δi。
此外，根据三角形相似关系公式(8)，在比例公式(9)的基础上，可知 ∣GB2∣/∣GB1∣＝∣O2B2∣/∣A1B1∣。从而可以计算可以得到G和B1的距离， 结合A1和A2的坐标，可以得到G的空间坐标，完成杆塔的顶端的定位。
为了进一步提升杆塔顶端定位的精度，在本公开实施例中，还可以根据第 二位置与第一杆塔的顶端的第二连线确定第三位置，以使得无人机进一步逼近 杆塔的顶端。在获取无人机悬停在第三位置时拍摄的第三图片后，可以根据第 二图片和第三图片对应的识别框以及对应的无人机参数组计算另一组无人机与 杆塔的顶端的高度差。将前后两个高度差进行比较，若误差在允许的阈值范围 内，则可以确定杆塔的顶端对地高度值。若杆塔误差不在允许的阈值范围内， 则还需要再次逼近杆塔，确定下一个位置，依次类推，直到最后两次测量得到 的高度差的误差不超过设定的阈值。
具体地，可以获取无人机悬停在第三位置时的第三无人机参数组，以及对 第三图片进行塔顶目标识别得到的第三识别框，其中，第三图片为无人机悬停 在第三位置时对第一杆塔的顶端进行拍摄得到的图片，第三无人机参数组包括 无人机拍摄第三图片时的第三航向角和第三位置坐标，第三位置位于第二位置 与第一杆塔的顶端的第二连线的正上方，且第三位置与第二位置的水平高度相 同，第一杆塔的顶端在第三识别框中位于第三识别框的中心；根据第一识别框、 第三识别框、第一无人机参数组和第三无人机参数组，获取无人机与第一杆塔 的顶端的第二高度差；判断第一高度差和第二高度差的差值是否小于设定的阈 值，得到判断结果，并根据判断结果确定是否进行下一次图片拍摄，直到最后 三次拍摄对应的高度差的差值小于阈值；根据最后三次拍摄对应的高度差、最 后三次拍摄时的无人机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位。
具体地，在判断是否进行下一次图片拍摄时，若判断结果表征差值小于设 定的阈值，则不进行下一次图片拍摄，根据第一高度差、第一无人机参数组和 第二无人机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位；若判断结 果表征差值大于等于设定的阈值，则进行下一次图片拍摄。
在本公开一种实施例中，可以设定阈值为0.1米，记根据第二识别框、第 三识别框及对应的无人机参数组得到的无人机与杆塔的顶端的高度差Δ2其中
Δ2＝∣A2B2∣。若Δ2-Δ1＜0.1米，则可以根据上述方案确定杆塔的顶端的 坐标，也可以根据无人机的位置A3的坐标(a3，b3，c)得到杆塔的顶端的坐标(a2， b2，c-Δ2)。
若Δ2-Δ1＞0.1米，则需要控制无人机多次逼近杆塔的顶端，并多次得到无 人机与塔顶的垂直高度差Δi，其中，i＝1，2，……，直至Δn-Δn-1＜0.1米，此时 可以根据上述方案确定杆塔的顶端的坐标，也可以记录最后一次拍摄时的无人 机坐标(an+1，bn+1，c)和无人机与塔顶的垂直高度差Δn，从而得到塔顶坐标为 (an+1，bn+1，c-Δn)。
如图5所示，本公开实施例中的一种杆塔定位方法包括以下步骤：
步骤S501，设置参考平面。
步骤S502，识别杆塔顶端。
步骤S503，结合参考平面计算杆塔顶端与无人机高度差，根据高度差和无 人机的航向角和位置获取杆塔顶端的水平坐标。
步骤S504，无人机逼近杆塔。
步骤S505，无人机重新识别杆塔顶端，计算杆塔顶端与无人机高度差。
步骤S506，判断步骤S503和步骤S505得到的无人机高度差的差值是否小 于0.1米。若是，执行步骤S507，若否，执行步骤S503。
步骤S507，完成杆塔顶端定位。
在对第一杆塔进行定位之后，还可以对第一杆塔的下一级杆塔进行搜索。 在实际情况中，杆塔上的横担的方向的法向量方向近似等于两个杆塔间的连线 方向，杆塔上的横担上设置有瓷瓶，对包含瓷瓶的图片进行目标识别可以得到 瓷瓶的位置，即可以根据这相距最远的两个瓷瓶的位置得到横担的方向。在本 公开实施例中，可以定义第一杆塔的下一级杆塔为第二杆塔，在对第二杆塔进 行搜索时，可以根据包含第一杆塔的瓷瓶的图片获取第一杆塔的横担的方向， 再根据横担的方向获取无人机对第二杆塔进行搜索的搜索方向。在确定搜索方 向后，无人机可以自动飞向下一级杆塔，并在飞行过程中自动修正下级杆塔位 置，实现对下级杆塔进行自动化识别、测距和定位。
如图6所示，在识别杆塔上的瓷瓶后，可以得到相距最远的瓷瓶601和瓷 瓶602的连线的方向即到横担方向，根据横担方向即可以确定两个搜索方向， 即如图6中的标有1的箭头，和标有2的箭头所指示的方向。确定搜索方向后， 与远程服务器连接的客户可以自动生成两个搜索方向：“1号方向”与“2号方 向”，以与用户交互选择搜索方向。在用户指定搜索方向，或者系统按照设定 的规则生成指定搜索方向后，无人机调整方向角至用户指定搜索方向，设置30 度俯仰，实时识别下一级杆塔的塔身，识别过程中可与用户交互确定左旋右旋 搜索方向，以精准多次识别下级塔身。若搜索方向错误或未识别到塔身，或者 根据用户交互确定需要更换方向，则可以提示更换为另一侧方向。此时无人机 航向角调整180度，再次进行识别，若识别失败则提示寻塔失败。
具体地，在对第二杆塔进行搜索时，可以获取配网无人机巡检中无人机悬 停在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到 的第四识别框，其中，第四图片为无人机悬停在第四位置时对第二杆塔进行拍 摄得到的图片，第四无人机参数组包括无人机拍摄第四图片时的第四航向角， 第四位置在第二杆塔的顶端的侧方，且第四位置为识别第一杆塔后，无人机沿 着根据第一杆塔的横担方向确定的对第二杆塔进行搜索的搜索方向，自动飞向 第二杆塔并在进行搜索时确定悬停的位置，第二杆塔为第一杆塔的下一级杆塔， 第二杆塔的顶端在第四识别框中位于第四识别框的上边的中心，第二杆塔的底 端在第四识别框中位于第四识别框的下边的中心；根据第四识别框、第四无人 机参数组和预先测量的第二杆塔的长度，获取无人机与第二杆塔的第三水平距 离，以根据第三水平距离搜索第二杆塔。
具体地，获取无人机与第二杆塔的第三水平距离时，可以根据第四航向角、 第四位置坐标和第四识别框获取第三向量和第四向量，其中，第三向量为第四 位置与第二杆塔的顶端的第三连线对应的向量，第四向量为第四位置与第二杆 塔的底端的第四连线对应的向量；根据第三向量选取位于第四位置和第二杆塔 之间的参考竖直平面，参考竖直平面与第四位置在水平方向的距离为设定的第 二数值；根据第三交点与第四交点的竖直距离、第二杆塔的长度和三角形相似 关系获取第三水平距离，其中，第三交点为第四向量与参考竖直平面的交点， 第四交点为第四向量与参考竖直平面的交点。其中，第二数值与第一数值的取 值可以相等，例如，均为d。
如图7所示，以A1位置为第四位置，无人机初始在A1位置处，坐标为(a1， b1，c)，且已识别到下一级杆塔，其中G为第二杆塔的顶端，H为下级杆塔的 底端。如图8所示，调整无人机航向角至识别框在画面中心，取识别框efgh上 边ef的中点近似为杆塔的顶端G，识别框下边gh的中点近似为杆塔的底端H。
取与平面AGH垂直的参竖直平面，预设无人机与参考竖直平面的距离为 已知的数值d，根据无人机的方向角得到平面Ω的法向量(o，p，q)，可以得到 AG的方向向量记为第三向量(o1，p1，q1)，AH的方向向量记为第四向量(o2， p2，q2)。
以下根据A1坐标(a1，b1，c)，参考竖直平面的法向量(o，p，q)，A1与参 考竖直平面的距离d和AG的方向向量(o1，p1，q1)计算AG与参考竖直平面的 第三交点，即交点C，C的坐标记为(x0，y0，z0)。
AG的直线方程可以用以下公式(11)表示：
Figure BDA0003808970080000141
参考竖直平面方程为可以用以下公式(12)表示：
o(x-x0)+P(y-y0)+q(z-z0)＝0 (12)
且A1与参考竖直平面的距离d可以用以下公式(13)表示：
Figure BDA0003808970080000142
在公式(13)的基础上，根据以下公式(14)可以得到C点坐标：
Figure BDA0003808970080000143
同理，根据以下公式(15)可以计算得到第四交点，即D点坐标：
Figure BDA0003808970080000144
根据C点和D点坐标可以得到距离|CD|。
根据统计数据知塔高|GH|＝9米，由三角形相似关系公式(16)：
ΔACD-ΔAGH，ΔAEC-ΔAFG (16)
可以得到比例公式(17)：
Figure BDA0003808970080000145
基于比例公式(17)，可以根据以下公式(18)得到无人机与杆塔投影在 地面坐标系xoy的距离：
Figure BDA0003808970080000146
调整无人机方向角至识别框在画面中心，由无人机航向角与距离|AH|即 可得到塔底F的坐标与塔顶坐标G，得到下级杆塔的预估点。
如图9所示，在本公开实施例的一种杆塔搜索方法包括以下步骤：
步骤S901，获取云台下视得到的图片。具体地，云台下视指的是无人机的 摄像装置调整俯仰角后向下方拍摄。
步骤S902，识别图片中的多个瓷瓶。
步骤S903，确定横担方向。
步骤S904，在客户端显示两个方向供用户选择。
步骤S905，根据用户选择的方向为无人机指定飞行方向。
步骤S906，调整无人机的俯仰角30度。
步骤S907，多次识别塔身。
步骤S908，判断是否识别到塔身。若是，执行步骤S911，若否，执行步 骤S921。
步骤S911，将识别框底端近似记作杆塔底端。
步骤S912，根据杆塔高度估算杆塔坐标。
步骤S913，在图传和地图上标识出估算的杆塔位置。
步骤S914，完成寻找下一级杆塔。
步骤S921，根据用户交互数据判断是否飞向另一侧。若是，执行步骤S923； 若否，执行步骤S922。
步骤S922，寻塔失败。
步骤S923，航向角调整180度。
如图10所示，在本公开实施例的一种靠近杆塔的方法包括以下步骤：
步骤S1001，判断是否估算出下一级杆塔的预估位置；若是，执行步骤 S1003，若否，执行步骤S1002。
步骤S1002，提示请先搜索下一级杆塔，并退出。
步骤S1003，指示无人机飞向下一级杆塔。
步骤S1004，根据无人机拍摄的图片识别下一级杆塔。
步骤S1005，根据识别结果纠正下一级杆塔的预估位置。
步骤S1006，控制无人机到达纠正后的预估位置。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在 此不再一一赘述。
根据本公开实施例的配网无人机巡检中杆塔智能定位的方法，通过使用无 人机对杆塔顶端进行拍摄，根据拍摄的图片以及拍摄图片的时的航向角计算无 人机与杆塔顶端的高度差，并进一步计算得到杆塔的空间坐标，实现了基于无 人机的杆塔的自动化定位，节省人力的同时提高了定位精度。
下述为本公开装置实施例，可以用于执行本公开方法实施例。下文描述的 配网无人机巡检中杆塔智能定位的装置与上文描述的配网无人机巡检中杆塔智 能定位的方法可相互对应参照。对于本公开装置实施例中未披露的细节，请参 照本公开方法实施例。
图11是本公开实施例提供的一种配网无人机巡检中杆塔智能定位的装置 的示意图。如图11所示，该配网无人机巡检中杆塔智能定位的装置包括：
第一参数获取模块1101，用于获取配网无人机巡检中无人机悬停在第一位 置时的第一无人机参数组，以及对第一图片进行塔顶目标识别得到的第一识别 框，其中，第一图片为无人机悬停在第一位置时对第一杆塔的顶端进行拍摄得 到的图片，第一无人机参数组包括无人机拍摄第一图片时的第一航向角和第一 位置坐标，第一位置在第一杆塔的顶端的侧方，第一杆塔的顶端在第一识别框 中位于第一识别框的中心。
第二参数获取模块1102，用于获取无人机悬停在第二位置时的第二无人机 参数组，以及对第二图片进行塔顶目标识别得到的第二识别框，其中，第二图 片为无人机悬停在第二位置时对第一杆塔的顶端进行拍摄得到的图片，第二无 人机参数组包括无人机拍摄第二图片时的第二航向角和第二位置坐标，第二位 置位于第一位置与第一杆塔的顶端的第一连线的正上方，且第二位置与第一位 置的水平高度相同，第一杆塔的顶端在第二识别框中位于第二识别框的中心。
高度差获取模块1103，用于根据第一识别框、第二识别框、第一无人机参 数组和第二无人机参数组，获取无人机与第一杆塔的顶端的第一高度差。
坐标获取模块1104，用于根据第一高度差、第一无人机参数组和第二无人 机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位。
在本公开实施例中，坐标获取模块1104，还用于获取无人机悬停在第三位 置时的第三无人机参数组，以及对第三图片进行塔顶目标识别得到的第三识别 框，其中，第三图片为无人机悬停在第三位置时对第一杆塔的顶端进行拍摄得 到的图片，第三无人机参数组包括无人机拍摄第三图片时的第三航向角和第三 位置坐标，第三位置位于第二位置与第一杆塔的顶端的第二连线的正上方，且 第三位置与第二位置的水平高度相同，第一杆塔的顶端在第三识别框中位于第 三识别框的中心；根据第一识别框、第三识别框、第一无人机参数组和第三无 人机参数组，获取无人机与第一杆塔的顶端的第二高度差；判断第一高度差和 第二高度差的差值是否小于设定的阈值，得到判断结果，并根据判断结果确定 是否进行下一次图片拍摄，直到最后三次拍摄对应的高度差的差值小于阈值； 根据最后三次拍摄对应的高度差、最后三次拍摄时的无人机参数组获取第一杆 塔的顶端的坐标，完成第一杆塔定位。
在本公开实施例中，坐标获取模块1104，还用于在判断结果表征差值小于 设定的阈值时，不进行下一次图片拍摄，根据第一高度差、第一无人机参数组 和第二无人机参数组获取第一杆塔的顶端的坐标，完成第一杆塔定位；在判断 结果表征差值大于等于设定的阈值时，进行下一次图片拍摄。
在本公开实施例中，装置还包括位置选取模块，用于根据第一航向角、第 一位置坐标和第一识别框获取第一连线对应的第一向量；据第一向量选取位于 第一位置和第一杆塔的顶端之间的参考水平面，参考水平面与第一位置在竖直 方向的距离为设定的第一数值；根据第一向量与参考水平面的第一交点选取第 二位置。
在本公开实施例中，位置选取模块，还用于根据第一航向角得到第一位置 与第一识别框的四个顶点的四个方向向量；根据四个方向向量和平行四边形准 则获取第一向量。
在本公开实施例中，高度差获取模块1103，还用于获取第一位置和第二位 置的第一水平距离；获取第一交点与第二交点的第二水平距离，其中，第二交 点为第二向量与参考水平面的交点，第二向量根据第二航向角、第二位置坐标 和第二识别框得到；根据第一位置坐标、第一水平距离、第二水平距离和三角 形相似关系获取第一高度差。
在本公开实施例中，坐标获取模块1104，还用于根据第一水平距离、第二 水平距离和三角形相似关系获取第一杆塔的顶端的坐标。
在本公开实施例中，装置还包括搜索子装置，用于获取配网无人机巡检中 无人机悬停在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标 识别得到的第四识别框，其中，第四图片为无人机悬停在第四位置时对第二杆 塔进行拍摄得到的图片，第四无人机参数组包括无人机拍摄第四图片时的第四 航向角，第四位置在第二杆塔的顶端的侧方，第二杆塔的顶端在第四识别框中 位于第四识别框的上边的中心，第二杆塔的底端在第四识别框中位于第四识别 框的下边的中心；根据第四识别框、第四无人机参数组和预先测量的第二杆塔 的长度，获取无人机与第二杆塔的第三水平距离，以根据第三水平距离搜索第 二杆塔。
在本公开实施例中，搜索子装置还用于根据第四航向角、第四位置坐标和 第四识别框获取第三向量和第四向量，其中，第三向量为第四位置与第二杆塔 的顶端的第三连线对应的向量，第四向量为第四位置与第二杆塔的底端的第四 连线对应的向量；根据第三向量选取位于第四位置和第二杆塔之间的参考竖直 平面，参考竖直平面与第四位置在水平方向的距离为设定的第二数值；根据第 三交点与第四交点的竖直距离、第二杆塔的长度和三角形相似关系获取第三水 平距离，其中，第三交点为第四向量与参考竖直平面的交点，第四交点为第四 向量与参考竖直平面的交点。
如图12所示，本公开实施例提供一种配网无人机巡检中杆塔智能定位的装 置，装置包括：
第三参数获取模块1201，用于获取配网无人机巡检中无人机悬停在第四位 置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到的第四识别 框，其中，第四图片为无人机悬停在第四位置时对第二杆塔进行拍摄得到的图 片，第四无人机参数组包括无人机拍摄第四图片时的第四航向角，第四位置在 第二杆塔的顶端的侧方，且第四位置为识别第一杆塔后，无人机沿着根据第一 杆塔的横担方向确定的对第二杆塔进行搜索的搜索方向，自动飞向第二杆塔并 在进行搜索时确定悬停的位置，第一杆塔为第二杆塔的上一级杆塔，第二杆塔 的顶端在第四识别框中位于第四识别框的上边的中心，第二杆塔的底端在第四 识别框中位于第四识别框的下边的中心。
距离获取模块1202，用于根据第四识别框、第四无人机参数组和预先测量 的第二杆塔的长度，获取无人机与第二杆塔的第三水平距离，以根据第三水平 距离搜索第二杆塔。
在本公开实施例中，距离获取模块1202，用于根据第四航向角、第四位置 坐标和第四识别框获取第三向量和第四向量，其中，第三向量为第四位置与第 二杆塔的顶端的第三连线对应的向量，第四向量为第四位置与第二杆塔的底端 的第四连线对应的向量；根据第三向量选取位于第四位置和第二杆塔之间的参 考竖直平面，参考竖直平面与第四位置在水平方向的距离为设定的第二数值； 根据第三交点与第四交点的竖直距离、第二杆塔的长度和三角形相似关系获取 第三水平距离，其中，第三交点为第四向量与参考竖直平面的交点，第四交点 为第四向量与参考竖直平面的交点。
如图12所示的配网无人机巡检中杆塔智能定位的装置还包括方向获取模 块，用于根据包含第一杆塔的瓷瓶的图片获取第一杆塔的横担的方向；根据横 担的方向获取无人机对第二杆塔进行搜索的搜索方向。
由于本公开的示例实施例的配网无人机巡检中杆塔智能定位的装置的各个 功能模块与上述配网无人机巡检中杆塔智能定位的方法的示例实施例的步骤对 应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的配网无 人机巡检中杆塔智能定位的方法的实施例。
根据本公开实施例的配网无人机巡检中杆塔智能定位的装置，通过使用无 人机对杆塔顶端进行拍摄，根据拍摄的图片以及拍摄图片的时的航向角计算无 人机与杆塔顶端的高度差，并进一步计算得到杆塔的空间坐标，实现了基于无 人机的杆塔的自动化定位，节省人力的同时提高了定位精度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施 过程构成任何限定。
图13是本公开实施例提供的电子设备13的示意图。如图13所示，该实施 例的电子设备13包括：处理器1301、存储器1302以及存储在该存储器1302 中并且可在处理器1301上运行的计算机程序1303。处理器1301执行计算机程 序1303时实现上述各个方法实施例中的步骤。或者，处理器1301执行计算机 程序1303时实现上述各装置实施例中各模块的功能。
电子设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子 设备。电子设备13可以包括但不仅限于处理器1301和存储器1302。本领域技 术人员可以理解，图13仅仅是电子设备13的示例，并不构成对电子设备13 的限定，可以包括比图示更多或更少的部件，或者不同的部件。
处理器1301可以是中央处理单元(Central Processing Unit，CPU)，也可 以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用 集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或 者晶体管逻辑器件、分立硬件组件等。
存储器1302可以是电子设备13的内部存储单元，例如，电子设备13的硬 盘或内存。存储器1302也可以是电子设备13的外部存储设备，例如，电子设 备13上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数 字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器1302还可以既 包括电子设备13的内部存储单元也包括外部存储设备。存储器1302用于存储 计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上 述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上 述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的 功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单 元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可 以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的 形式实现，也可以采用软件功能单元的形式实现。
集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用 时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上 述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件 来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处 理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算 机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件 或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任 何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的 是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求 进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可 读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述 实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然 可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进 行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各 实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (16)

1.一种配网无人机巡检中杆塔智能定位的方法，其特征在于，所述方法包括：
获取配网无人机巡检中无人机悬停在第一位置时的第一无人机参数组，以及对第一图片进行塔顶目标识别得到的第一识别框，其中，所述第一图片为无人机悬停在第一位置时对第一杆塔的顶端进行拍摄得到的图片，所述第一无人机参数组包括所述无人机拍摄所述第一图片时的第一航向角和第一位置坐标，所述第一位置在所述第一杆塔的顶端的侧方，所述第一杆塔的顶端在所述第一识别框中位于所述第一识别框的中心；
获取无人机悬停在第二位置时的第二无人机参数组，以及对第二图片进行塔顶目标识别得到的第二识别框，其中，所述第二图片为无人机悬停在第二位置时对第一杆塔的顶端进行拍摄得到的图片，所述第二无人机参数组包括所述无人机拍摄所述第二图片时的第二航向角和第二位置坐标，所述第二位置位于所述第一位置与所述第一杆塔的顶端的第一连线的正上方，且所述第二位置与所述第一位置的水平高度相同，所述第一杆塔的顶端在所述第二识别框中位于所述第二识别框的中心；
根据所述第一识别框、所述第二识别框、所述第一无人机参数组和所述第二无人机参数组，获取所述无人机与所述第一杆塔的顶端的第一高度差；
根据所述第一高度差、所述第一无人机参数组和所述第二无人机参数组获取所述第一杆塔的顶端的坐标，完成第一杆塔定位。
2.根据权利要求1所述的方法，其特征在于，所根据所述第一高度差、所述第一无人机参数组和所述第二无人机参数组获取所述第一杆塔的顶端的坐标，包括：
获取无人机悬停在第三位置时的第三无人机参数组，以及对第三图片进行塔顶目标识别得到的第三识别框，其中，所述第三图片为无人机悬停在第三位置时对第一杆塔的顶端进行拍摄得到的图片，所述第三无人机参数组包括所述无人机拍摄所述第三图片时的第三航向角和第三位置坐标，所述第三位置位于所述第二位置与所述第一杆塔的顶端的第二连线的正上方，且所述第三位置与所述第二位置的水平高度相同，所述第一杆塔的顶端在所述第三识别框中位于所述第三识别框的中心；
根据所述第一识别框、所述第三识别框、所述第一无人机参数组和所述第三无人机参数组，获取所述无人机与所述第一杆塔的顶端的第二高度差；
判断所述第一高度差和所述第二高度差的差值是否小于设定的阈值，得到判断结果，并根据判断结果确定是否进行下一次图片拍摄，直到最后三次拍摄对应的高度差的差值小于所述阈值；
根据所述最后三次拍摄对应的高度差、最后三次拍摄时的无人机参数组获取所述第一杆塔的顶端的坐标，完成第一杆塔定位。
3.根据权利要求2所述的方法，其特征在于，所述根据判断结果确定是否进行下一次图片拍摄，包括：
若所述判断结果表征所述差值小于设定的阈值，则不进行下一次图片拍摄，根据所述第一高度差、所述第一无人机参数组和所述第二无人机参数组获取所述第一杆塔的顶端的坐标，完成第一杆塔定位；
若所述判断结果表征所述差值大于等于设定的阈值，则进行下一次图片拍摄。
4.根据权利要求2所述的方法，其特征在于，所述获取无人机悬停在第二位置时的第二无人机参数组之前，所述方法还包括：
根据第一航向角、第一位置坐标和所述第一识别框获取所述第一连线对应的第一向量；
根据所述第一向量选取位于所述第一位置和所述第一杆塔的顶端之间的参考水平面，所述参考水平面与所述第一位置在竖直方向的距离为设定的第一数值；
根据所述第一向量与所述参考水平面的第一交点选取所述第二位置。
5.根据权利要求4所述的方法，其特征在于，所述根据第一航向角、第一位置坐标和所述第一识别框获取所述第一连线对应的第一向量，包括：
根据所述第一航向角得到所述第一位置与所述第一识别框的四个顶点的四个方向向量；
根据所述四个方向向量和平行四边形准则获取所述第一向量。
6.根据权利要求4所述的方法，其特征在于，所述获取所述无人机与所述第一杆塔的顶端的第一高度差，包括：
获取所述第一位置和所述第二位置的第一水平距离；
获取所述第一交点与第二交点的第二水平距离，其中，所述第二交点为第二向量与所述参考水平面的交点，所述第二向量根据所述第二航向角、所述第二位置坐标和所述第二识别框得到；
根据所述第一位置坐标、所述第一水平距离、所述第二水平距离和三角形相似关系获取所述第一高度差。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一高度差、所述第一无人机参数组和所述第二无人机参数组获取所述第一杆塔的顶端的坐标，包括：
根据所述第一水平距离、所述第二水平距离和三角形相似关系获取所述第一杆塔的顶端的坐标。
8.根据权利要求1所述的方法，其特征在于，所述完成第一杆塔定位之后，所述方法还包括：
获取配网无人机巡检中无人机悬停在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到的第四识别框，其中，所述第四图片为无人机悬停在第四位置时对第二杆塔进行拍摄得到的图片，所述第四无人机参数组包括所述无人机拍摄所述第四图片时的第四航向角，所述第四位置在所述第二杆塔的顶端的侧方，且所述第四位置为识别所述第一杆塔后，所述无人机沿着根据所述第一杆塔的横担方向确定的对所述第二杆塔进行搜索的搜索方向，自动飞向所述第二杆塔并在进行搜索时确定悬停的位置，所述第二杆塔为所述第一杆塔的下一级杆塔，所述第二杆塔的顶端在所述第四识别框中位于所述第四识别框的上边的中心，所述第二杆塔的底端在所述第四识别框中位于所述第四识别框的下边的中心；
根据所述第四识别框、所述第四无人机参数组和预先测量的所述第二杆塔的长度，获取所述无人机与所述第二杆塔的第三水平距离，以根据所述第三水平距离搜索所述第二杆塔。
9.根据权利要求8所述的方法，其特征在于，所述根据所述第四识别框、所述第四无人机参数组和预先测量的所述第二杆塔的长度，获取所述无人机与所述第二杆塔的第三水平距离，包括：
根据第四航向角、第四位置坐标和所述第四识别框获取第三向量和第四向量，其中，所述第三向量为所述第四位置与所述第二杆塔的顶端的第三连线对应的向量，所述第四向量为所述第四位置与所述第二杆塔的底端的第四连线对应的向量；
根据所述第三向量选取位于所述第四位置和所述第二杆塔之间的参考竖直平面，所述参考竖直平面与所述第四位置在水平方向的距离为设定的第二数值；
根据第三交点与第四交点的竖直距离、所述第二杆塔的长度和三角形相似关系获取所述第三水平距离，其中，所述第三交点为所述第四向量与所述参考竖直平面的交点，所述第四交点为所述第四向量与所述参考竖直平面的交点。
10.一种配网无人机巡检中杆塔智能定位的方法，其特征在于，所述方法包括：
获取配网无人机巡检中无人机悬停在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到的第四识别框，其中，所述第四图片为无人机悬停在第四位置时对第二杆塔进行拍摄得到的图片，所述第四无人机参数组包括所述无人机拍摄所述第四图片时的第四航向角，所述第四位置在所述第二杆塔的顶端的侧方，且所述第四位置为识别第一杆塔后，所述无人机沿着根据所述第一杆塔的横担方向确定的对所述第二杆塔进行搜索的搜索方向，自动飞向所述第二杆塔并在进行搜索时确定悬停的位置，所述第一杆塔为所述第二杆塔的上一级杆塔，所述第二杆塔的顶端在所述第四识别框中位于所述第四识别框的上边的中心，所述第二杆塔的底端在所述第四识别框中位于所述第四识别框的下边的中心；
根据所述第四识别框、所述第四无人机参数组和预先测量的所述第二杆塔的长度，获取所述无人机与所述第二杆塔的第三水平距离，以根据所述第三水平距离搜索所述第二杆塔。
11.根据权利要求10所述的方法，其特征在于，所述根据所述第四识别框、所述第四无人机参数组和预先测量的所述第二杆塔的长度，获取所述无人机与所述第二杆塔的第三水平距离，包括：
根据第四航向角、第四位置坐标和所述第四识别框获取第三向量和第四向量，其中，所述第三向量为所述第四位置与所述第二杆塔的顶端的第三连线对应的向量，所述第四向量为所述第四位置与所述第二杆塔的底端的第四连线对应的向量；
根据所述第三向量选取位于所述第四位置和所述第二杆塔之间的参考竖直平面，所述参考竖直平面与所述第四位置在水平方向的距离为设定的第二数值；
根据第三交点与第四交点的竖直距离、所述第二杆塔的长度和三角形相似关系获取所述第三水平距离，其中，所述第三交点为所述第四向量与所述参考竖直平面的交点，所述第四交点为所述第四向量与所述参考竖直平面的交点。
12.根据权利要求11所述的方法，其特征在于，所述获取配网无人机巡检中无人机悬停在第四位置时的第四无人机参数组之前，所述方法还包括：根据包含第一杆塔的瓷瓶的图片获取所述第一杆塔的横担的方向；
根据所述横担的方向获取所述无人机对所述第二杆塔进行搜索的搜索方向。
13.一种配网无人机巡检中杆塔智能定位的装置，其特征在于，所述装置包括：
第一参数获取模块，用于获取配网无人机巡检中无人机悬停在第一位置时的第一无人机参数组，以及对第一图片进行塔顶目标识别得到的第一识别框，其中，所述第一图片为无人机悬停在第一位置时对第一杆塔的顶端进行拍摄得到的图片，所述第一无人机参数组包括所述无人机拍摄所述第一图片时的第一航向角和第一位置坐标，所述第一位置在所述第一杆塔的顶端的侧方，所述第一杆塔的顶端在所述第一识别框中位于所述第一识别框的中心；
第二参数获取模块，用于获取无人机悬停在第二位置时的第二无人机参数组，以及对第二图片进行塔顶目标识别得到的第二识别框，其中，所述第二图片为无人机悬停在第二位置时对第一杆塔的顶端进行拍摄得到的图片，所述第二无人机参数组包括所述无人机拍摄所述第二图片时的第二航向角和第二位置坐标，所述第二位置位于所述第一位置与所述第一杆塔的顶端的第一连线的正上方，且所述第二位置与所述第一位置的水平高度相同，所述第一杆塔的顶端在所述第二识别框中位于所述第二识别框的中心；
高度差获取模块，用于根据所述第一识别框、所述第二识别框、所述第一无人机参数组和所述第二无人机参数组，获取所述无人机与所述第一杆塔的顶端的第一高度差；
坐标获取模块，用于根据所述第一高度差、所述第一无人机参数组和所述第二无人机参数组获取所述第一杆塔的顶端的坐标，完成第一杆塔定位。
14.一种配网无人机巡检中杆塔智能定位的装置，其特征在于，所述装置包括：
第三参数获取模块，用于获取配网无人机巡检中无人机悬停在第四位置时的第四无人机参数组，以及对第四图片进行杆塔目标识别得到的第四识别框，其中，所述第四图片为无人机悬停在第四位置时对第二杆塔进行拍摄得到的图片，所述第四无人机参数组包括所述无人机拍摄所述第四图片时的第四航向角，所述第四位置在所述第二杆塔的顶端的侧方，且所述第四位置为识别第一杆塔后，所述无人机沿着根据所述第一杆塔的横担方向确定的对所述第二杆塔进行搜索的搜索方向，自动飞向所述第二杆塔并在进行搜索时确定悬停的位置，所述第一杆塔为所述第二杆塔的上一级杆塔，所述第二杆塔的顶端在所述第四识别框中位于所述第四识别框的上边的中心，所述第二杆塔的底端在所述第四识别框中位于所述第四识别框的下边的中心；
距离获取模块，用于根据所述第四识别框、所述第四无人机参数组和预先测量的所述第二杆塔的长度，获取所述无人机与所述第二杆塔的第三水平距离，以根据所述第三水平距离搜索所述第二杆塔。
15.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至12中任一项所述方法的步骤。
16.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至12中任一项所述方法的步骤。
CN202211009757.8A 2022-08-22 2022-08-22 配网无人机巡检中杆塔智能定位的方法及装置 Active CN115409888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211009757.8A CN115409888B (zh) 2022-08-22 2022-08-22 配网无人机巡检中杆塔智能定位的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211009757.8A CN115409888B (zh) 2022-08-22 2022-08-22 配网无人机巡检中杆塔智能定位的方法及装置

Publications (2)

Publication Number Publication Date
CN115409888A true CN115409888A (zh) 2022-11-29
CN115409888B CN115409888B (zh) 2023-11-17

Family

ID=84160935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211009757.8A Active CN115409888B (zh) 2022-08-22 2022-08-22 配网无人机巡检中杆塔智能定位的方法及装置

Country Status (1)

Country Link
CN (1) CN115409888B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613934A (zh) * 2019-01-09 2019-04-12 天津大学 一种无人机捕捉黑飞无人机的方法
CN110133440A (zh) * 2019-05-27 2019-08-16 国电南瑞科技股份有限公司 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法
CN110866548A (zh) * 2019-10-31 2020-03-06 国网江苏省电力有限公司电力科学研究院 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
WO2021223124A1 (zh) * 2020-05-06 2021-11-11 深圳市大疆创新科技有限公司 位置信息获取方法、设备及存储介质
CN114581633A (zh) * 2022-02-08 2022-06-03 国网江西省电力有限公司电力科学研究院 输电杆塔一杆六照无人机巡检及目标检测缺陷分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613934A (zh) * 2019-01-09 2019-04-12 天津大学 一种无人机捕捉黑飞无人机的方法
CN110133440A (zh) * 2019-05-27 2019-08-16 国电南瑞科技股份有限公司 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法
CN110866548A (zh) * 2019-10-31 2020-03-06 国网江苏省电力有限公司电力科学研究院 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
WO2021223124A1 (zh) * 2020-05-06 2021-11-11 深圳市大疆创新科技有限公司 位置信息获取方法、设备及存储介质
CN114581633A (zh) * 2022-02-08 2022-06-03 国网江西省电力有限公司电力科学研究院 输电杆塔一杆六照无人机巡检及目标检测缺陷分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BRANDON J. PERRY ET AL: ""Streamlined bridge inspection system utilizing unmanned aerial vehicles(UAVs) and machine learning"", 《MEASUREMENT》, vol. 164, pages 1 - 14 *
付国萍: ""变电站无人机自主巡检仿真系统设计与搭建"", 《电力学报》, vol. 37, no. 3, pages 257 - 262 *
朱杰: ""无人机侦察系统的观测轨迹规划与目标定位算法研究"", 《中国优秀硕士学位论文全文数据库 （工程科技Ⅱ辑）》, no. 9, pages 031 - 153 *

Also Published As

Publication number Publication date
CN115409888B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
US11067669B2 (en) Method and apparatus for adjusting point cloud data acquisition trajectory, and computer readable medium
CN111311650B (zh) 一种点云数据的配准方法、装置及存储介质
US9981742B2 (en) Autonomous navigation method and system, and map modeling method and system
CN113989450B (zh) 图像处理方法、装置、电子设备和介质
JP2022514974A (ja) 物体検出方法、装置、電子機器、及びコンピュータプログラム
CN111415409B (zh) 一种基于倾斜摄影的建模方法、系统、设备和存储介质
WO2020168685A1 (zh) 一种三维扫描视点规划方法、装置及计算机可读存储介质
CN107514993A (zh) 基于无人机的面向单体建筑建模的数据采集方法及系统
WO2013106920A1 (en) Densifying and colorizing point cloud representation of physical surface using image data
CN108364313B (zh) 一种自动对位的方法、系统及终端设备
CN109559349A (zh) 一种用于标定的方法和装置
Eynard et al. Real time UAV altitude, attitude and motion estimation from hybrid stereovision
CN109949414A (zh) 室内地图的构建方法及装置
CN110363176A (zh) 一种图像分析方法及装置
CN115457212A (zh) 树木影像图处理方法、装置、终端设备及存储介质
CN112613107B (zh) 杆塔工程确定施工进度的方法、装置、存储介质及设备
CN115409888A (zh) 配网无人机巡检中杆塔智能定位的方法及装置
CN113379826A (zh) 物流件的体积测量方法以及装置
CN112819900B (zh) 一种智能立体摄影内方位、相对定向和畸变系数标定方法
CN113029108B (zh) 一种基于序列海面影像的自动化相对定向方法及系统
CN117132904A (zh) 实时飞行位置定位方法、装置、飞行器以及存储介质
CN114913246A (zh) 相机标定方法、装置、电子设备及存储介质
WO2021253247A1 (zh) 可移动平台的巡检方法、装置、可移动平台及存储介质
WO2022205210A1 (zh) 拍摄方法、装置及计算机可读存储介质，终端设备
CN111709989B (zh) 一种基于多源特征数据控制的双向闭合模式的立体视觉全场测量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant