【技術實現步驟摘要】
本專利技術涉及智能巡檢，具體涉及一種基于精準復拍的無人機自主巡檢方法、設備和介質。
技術介紹
1、近年來，多旋翼無人機自主巡檢技術在輸電專業應用廣泛，特別是在35kv～220kv桿塔精細化拍攝，該項技術大幅提升了對桿塔本體金具的感知能力，逐步替代了傳統停電登檢工作。
2、現有的無人機自主巡檢方法雖然提高了巡檢的效率和質量，但在實際應用中仍存在一些缺陷和挑戰：
3、現有的精準復拍方法在航線學習階段往往需要飛手控制無人機模擬作業軌跡航線，并在飛行過程中記錄位置點狀態。這種操作容易被遺忘，導致獲取的軌跡航線存在較大偏差，在無人機自主巡檢過程中，由于其定位精度的問題，難以滿足一些精細巡檢的需求，在巡檢過程中，由于需要無人機進行被測設備的圖像獲取，基于整個檢測區域的環境復雜度，無人機難以精確識別目標對象，或者對目標對象的圖像獲取不全面，導致巡檢效率降低。
技術實現思路
1、本專利技術所要解決的技術問題是航線偏差大，目標識別不準確，目的在于提供一種基于精準復拍的無人機自主巡檢方法、設備和介質，通過構建點云模型，對點云模型進行優化學習，構建非線性尺度空間金字塔對不同尺度的被檢設備點進行特征提取，基于描述向量匹配學習，能夠捕捉到圖像中不同尺度的特征點，增強特征的表達能力，有助于提高目標識別的準確率，在獲得準確的被測設備點的情況下，根據點集輪廓線進行被檢設備點的最小外接矩形的巡航線路提取，有效覆蓋所有關鍵區域，減少遺漏，提高目標檢測的全面性，通過對預處理的圖像進行缺陷檢測，提
2、本專利技術通過下述技術方案實現：
3、本專利技術第一方面提供一種基于精準復拍的無人機自主巡檢方法，包括以下具體步驟：
4、獲取目標檢測區域被檢設備點位分布數據，基于點云分層加載目標檢測區域的被檢設備點位分布點云模型；
5、構建非線性尺度空間金字塔對不同尺度的被檢設備點進行特征提取與尺度空間分析；
6、對提取的特征進行主方向分析，獲取特征點，定義一個局部區域，該局部區域以所述特征點為中心，采用sobel算子在局部區域內計算圖像的梯度，根據梯度的大小加權統計每個方向區間內的梯度大小，得到方向直方圖，選取方向直方圖中梯度大小最大的方向作為特征點的主方向；
7、基于特征點的主方向，確定第一圖像的n維描述向量，確定優化后的被檢設備點位分布點云模型；
8、基于優化后的被檢設備點位分布點云模型，確定輸出被檢設備點的點集輪廓線；
9、根據點集輪廓線進行巡航線路的規劃和圖像拍攝點，進行圖像獲取；
10、對獲取的圖像進行預處理，對預處理的圖像進行缺陷檢測，得到檢測結果。
11、進一步的，所述基于點云分層加載目標檢測區域的被檢設備點位分布點云模型，包括：
12、對原始點云數據進行預處理，得到點云數據；
13、將點云數據進行層次分割，根據層次分割將點云數據可視化，得到第一圖像；
14、基于第一圖像進行點云建模，生成被檢設備點位分布點云模型。
15、進一步的，所述構建非線性尺度空間金字塔對不同尺度的被檢設備點進行特征提取與尺度空間分析，包括：
16、對獲取的第一圖像進行灰度化處理；
17、構建非線性擴散函數對圖像進行模型處理，生成非線性尺度空間金字塔；
18、所述非線性尺度空間金字塔中，包括多個尺度層級，每個層級對應一個尺度，用于檢測圖像的不同尺度的特征；
19、基于非線性尺度空間金字塔得到多尺度下的第一圖像特征點。
20、進一步的，基于特征點的主方向，確定第一圖像的n維描述向量，包括：
21、基于特征點的主方向，在梯度圖像中劃定一個以特征點為中心的窗口；
22、將窗口細分為m個子區域，每個子區域的尺寸為n×n；
23、采用第一高斯核對第一子區域進行加權，得到長度為n1的子區域描述向量；
24、采用第二高斯核對第二子區域進行加權，得到長度為n2的子區域描述向量；
25、對兩個子區域描述向量依次進行迭代和歸一化處理，得到n×n1×n2＝n的描述向量。
26、進一步的，所述基于優化后的被檢設備點位分布點云模型進行被檢設備點的最小外接矩形的巡航線路提取，包括：
27、獲取點集的三角網面的鄰接關系，根據鄰接關系確定目標檢測區域中被檢設備線的點集外輪廓。
28、進一步的，所述根據鄰接關系確定目標檢測區域中被檢設備線的點集外輪廓，包括：
29、遍歷三角網，若某三角形的鄰接三角形個數小于k，則遍歷三角形每條邊：
30、若當前邊e1只屬于當前三角形，則標記當前邊e1為輪廓邊界；
31、若當前邊e2為候選輪廓邊界，獲取當前邊e2的起點a和終點b，則將a點加入點鏈，并從a點為起點，搜索其他三角形邊；
32、若當前邊e3為候選輪廓邊界，獲取當前邊e3的起點a和終點c，則將c點加入點鏈，并以c點為起點，搜索其他三角形邊；
33、若當前邊e2或e3為非輪廓邊界，則搜索其他三角形邊。
34、重復遍歷三角網，直到搜索端點回到起點b結束，輸出被檢設備點的點集輪廓線。
35、進一步的，根據點集輪廓線進行被檢設備點的最小外接矩形的巡航線路提取，包括：
36、獲取輪廓中心點坐標為(x0，y0)，輪廓點p1的坐標為(x1，y1)，p2的坐標為(x2，y2)，線段p1p2與x軸正向夾角為θ；
37、將原輪廓繞輪廓中心點旋轉θ，得到輪廓點新坐標為(x1'，y1')；
38、獲取旋轉后各輪廓點坐標的范圍，得到外接矩形；
39、將所述外接矩形繞輪廓中心反向旋轉θ，得到輪廓點集的最小面積外接矩形；
40、通過最小面積外接矩，確定物體的方向和大小，構建巡航線路。
41、進一步的，所述對獲取的圖像進行預處理，包括：
42、對圖像數據進行篩選，篩除像素值小于設定閾值的圖像數據；
43、對篩選后的圖像數據進行抽幀處理；
44、對抽幀處理的圖像進行時間戳提取，包括：獲取圖像尺度特征，構建尺度空間；對尺度空間進行離散，根據離散后的尺度空間得到每一個子層的尺度因子；基于尺度因子，將尺度因子的像素轉換為時間，得到圖像的時間戳；
45、根據圖像的時間戳獲取對應時間戳下的環境亮度，對圖像數據進行光補處理。
46、本專利技術第二方面提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現一種基于精準復拍的無人機自主巡檢方法。
47、本專利技術第三方面提供一種計算機可讀存儲介質，其上存本文檔來自技高網...
【技術保護點】
1.一種基于精準復拍的無人機自主巡檢方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述基于點云分層加載目標檢測區域的被檢設備點位分布點云模型，包括：
3.根據權利要求2所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述構建非線性尺度空間金字塔對不同尺度的被檢設備點進行特征提取與尺度空間分析，包括：
4.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，基于特征點的主方向，確定第一圖像的N維描述向量，包括：
5.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述基于優化后的被檢設備點位分布點云模型進行被檢設備點的最小外接矩形的巡航線路提取，包括：
6.根據權利要求5所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述獲取點集的三角網面的鄰接關系包括：
7.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，根據點集輪廓線進行被檢設備點的最小外接矩形的巡航線路提取，包括：
8.根據
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至8任一項所述的基于精準復拍的無人機自主巡檢方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至8任一項所述的基于精準復拍的無人機自主巡檢方法。
...【技術特征摘要】
1.一種基于精準復拍的無人機自主巡檢方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述基于點云分層加載目標檢測區域的被檢設備點位分布點云模型，包括：
3.根據權利要求2所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述構建非線性尺度空間金字塔對不同尺度的被檢設備點進行特征提取與尺度空間分析，包括：
4.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，基于特征點的主方向，確定第一圖像的n維描述向量，包括：
5.根據權利要求1所述的基于精準復拍的無人機自主巡檢方法，其特征在于，所述基于優化后的被檢設備點位分布點云模型進行被檢設備點的最小外接矩形的巡航線路提取，包括：
6.根據權利...
【專利技術屬性】
技術研發人員：曹宇亭，姜星，張慶，熊相乾，蒲春林，陶智，余裕，楊帆，萬兵，趙松，彭一靈，肖瑞，魏川翔，羅靜，萬洪良，
申請(專利權)人：國網四川省電力公司瀘州供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。