System.ArgumentOutOfRangeException: 索引和長(zhǎng)度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及無人機(jī)電力巡檢,具體而言,涉及一種基于人工智能的無人機(jī)樹障識(shí)別方法。
技術(shù)介紹
1、無人機(jī)電力巡檢技術(shù)是一種利用無人機(jī)進(jìn)行輸電線路及電力設(shè)施檢查的新技術(shù),利用先進(jìn)的無人機(jī)自動(dòng)飛行技術(shù)、無線連接技術(shù)、圖像識(shí)別技術(shù)等,通過搭載高清攝像頭等設(shè)備,無人機(jī)能夠自動(dòng)完成對(duì)電線和電力設(shè)備的巡檢任務(wù)。這項(xiàng)技術(shù)依賴于先進(jìn)的傳感器和圖像處理技術(shù),對(duì)物體進(jìn)行高精度可視化和數(shù)據(jù)采集,利用傳感器如紅外線測(cè)溫儀、高清攝像頭、激光雷達(dá)等,對(duì)物體進(jìn)行全方位的檢測(cè)和監(jiān)控。
2、傳統(tǒng)的樹障識(shí)別,是依賴人工巡檢時(shí)的判斷,這種判斷依賴于各種輔助形式的測(cè)量和估計(jì),以便識(shí)別和清楚潛在的樹障隱患。而無人機(jī)電力巡檢技術(shù)的發(fā)展,使得智能化地實(shí)現(xiàn)樹障識(shí)別具備了技術(shù)基礎(chǔ)。當(dāng)然,樹障識(shí)別技術(shù),還有利用光學(xué)影像、定位技術(shù)進(jìn)行識(shí)別的,但這種識(shí)別方案效率相對(duì)較低。
3、據(jù)此,我們提出一種基于無人機(jī)進(jìn)行電力巡檢后的三維重建模型的樹障識(shí)別方案,依托于三維重建技術(shù),設(shè)計(jì)基于人工智能的樹障識(shí)別方案,能夠?qū)ρ矙z路段上幾乎所有的樹障進(jìn)行有效識(shí)別,以便及時(shí)清除隱患。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例的目的在于提供一種基于人工智能的無人機(jī)樹障識(shí)別方法,以通過三維重建技術(shù),結(jié)合人工智能,對(duì)輸電線路沿線的樹障隱患進(jìn)行識(shí)別,報(bào)告風(fēng)險(xiǎn),以便及時(shí)清除樹障隱患。
2、為了實(shí)現(xiàn)上述目的,本申請(qǐng)的實(shí)施例通過如下方式實(shí)現(xiàn):
3、第一方面,本申請(qǐng)實(shí)施例提供一種基于人工智能的無人機(jī)樹障識(shí)別方法,包括:獲取無人機(jī)在電力巡檢任務(wù)
4、結(jié)合第一方面,在第一方面的第一種可能對(duì)的實(shí)現(xiàn)方式中,三維重建模型中包含多個(gè)模型單元,每個(gè)模型單元為若干連續(xù)的網(wǎng)格元素形成,從三維重建模型中識(shí)別出電力設(shè)施單元和樹木模型單元,包括:針對(duì)三維重建模型中的每個(gè)模型單元:對(duì)模型單元進(jìn)行特征提取,確定出模型單元的整體特征和元素特征,其中,整體特征包括模型單元的模型位置和網(wǎng)格元素?cái)?shù)量,元素特征包括模型單元中每個(gè)網(wǎng)格元素的角點(diǎn)位置、法線方向、網(wǎng)格形狀、網(wǎng)格曲率、網(wǎng)格面積和二面角;將模型單元的整體特征和元素特征作為輸入數(shù)據(jù),輸入至識(shí)別模型中,得到每個(gè)模型單元的識(shí)別結(jié)果,從而確定出電力設(shè)施單元和樹木模型單元。
5、結(jié)合第一方面的第一種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第二種可能對(duì)的實(shí)現(xiàn)方式中,元素特征的提取方式為:針對(duì)當(dāng)前模型單元的每個(gè)網(wǎng)格元素:獲取當(dāng)前網(wǎng)格元素的角點(diǎn)位置、法線方向、網(wǎng)格形狀、網(wǎng)格曲率、網(wǎng)格面積和二面角;獲取鄰邊網(wǎng)格元素的角點(diǎn)位置、法線方向、網(wǎng)格形狀、網(wǎng)格曲率、網(wǎng)格面積和二面角,其中,鄰邊網(wǎng)格元素為與當(dāng)前網(wǎng)格元素具有公共邊的三個(gè)網(wǎng)格元素;獲取鄰點(diǎn)網(wǎng)格元素的角點(diǎn)位置、法線方向、網(wǎng)格形狀、網(wǎng)格曲率、網(wǎng)格面積和二面角,其中,鄰點(diǎn)網(wǎng)格元素為與當(dāng)前網(wǎng)格元素具有公共角點(diǎn)但非鄰邊網(wǎng)格元素的三個(gè)網(wǎng)格元素;基于當(dāng)前網(wǎng)格元素、三個(gè)鄰邊網(wǎng)格元素和三個(gè)鄰點(diǎn)網(wǎng)格元素的角點(diǎn)位置、法線方向、網(wǎng)格形狀、網(wǎng)格曲率、網(wǎng)格面積和二面角,生成當(dāng)前網(wǎng)格元素的元素特征。
6、結(jié)合第一方面的第一種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第三種可能對(duì)的實(shí)現(xiàn)方式中,識(shí)別模型包括輸入層、特征提取層、全連接層和輸出層,所述輸入層,用于接收輸入數(shù)據(jù),其中,元素特征為n×r的序列,n為模型單元中網(wǎng)格元素的數(shù)量,不同模型單元的網(wǎng)格元素?cái)?shù)量不等,且n≥nt,nt為網(wǎng)格元素?cái)?shù)量閾值,r為每個(gè)網(wǎng)格元素需要提取的特征數(shù)量,記為網(wǎng)格元素的特征維度;所述特征提取層,用于對(duì)模型單元的元素特征進(jìn)行處理,確定出設(shè)定長(zhǎng)度的整合特征,再將模型單元的整體特征與整合特征進(jìn)行拼接融合,得到模型單元的模型特征;所述全連接層,用于對(duì)模型單元的模型特征進(jìn)行特征映射,得到模型單元的綜合特征向量;所述輸出層,用于基于綜合特征向量進(jìn)行模型單元的分類識(shí)別,得到每個(gè)模型單元的識(shí)別結(jié)果。
7、結(jié)合第一方面的第一種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第四種可能對(duì)的實(shí)現(xiàn)方式中,所述特征提取層為基于注意力機(jī)制的序列網(wǎng)絡(luò),具體用于:對(duì)模型單元的元素特征進(jìn)行序列特征處理,得到對(duì)應(yīng)n個(gè)時(shí)間步的隱藏特征和注意力權(quán)重,其中,每個(gè)隱藏特征的維度為1×s,s為設(shè)定長(zhǎng)度;基于n個(gè)時(shí)間步的隱藏特征和注意力權(quán)重,計(jì)算出模型單元的整合特征。
8、結(jié)合第一方面的第四種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第五種可能對(duì)的實(shí)現(xiàn)方式中,采用以下公式計(jì)算模型單元的整合特征:
9、
10、其中,c為模型單元的整合特征,n為模型單元中網(wǎng)格元素的數(shù)量,ai為模型單元在第i個(gè)時(shí)間步的注意力權(quán)重,hi為模型單元在第i個(gè)時(shí)間步的隱藏特征。
11、結(jié)合第一方面的第四種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第六種可能對(duì)的實(shí)現(xiàn)方式中,所述序列網(wǎng)絡(luò)為rnn或rnn的變體模型、lstm或lstm的變體模型、gru或gru的變體模型。
12、結(jié)合第一方面的第一種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第七種可能對(duì)的實(shí)現(xiàn)方式中,基于電力設(shè)施單元和樹木模型單元,確定是否存在樹障,包括:在每相鄰兩個(gè)電力設(shè)施單元之間進(jìn)行線性檢測(cè),確定出位于相鄰兩個(gè)電力設(shè)施單元之間的若干輸電線纜;基于電力設(shè)施單元和輸電線纜確定出電力設(shè)施輻射區(qū)域;基于樹木模型單元,確定出樹木搖擺可達(dá)區(qū)域;基于電力設(shè)施輻射區(qū)域和樹木搖擺可達(dá)區(qū)域,確定存在區(qū)域重合的目標(biāo)樹木模型單元為樹障。
13、結(jié)合第一方面的第七種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第八種可能對(duì)的實(shí)現(xiàn)方式中,相鄰兩個(gè)電力設(shè)施單元和輸電線纜形成一段輸電線路,基于電力設(shè)施單元和輸電線纜確定出電力設(shè)施輻射區(qū)域,包括:針對(duì)每段輸電線路:獲取當(dāng)前輸電線路的電壓等級(jí),以確定出電壓等級(jí)對(duì)應(yīng)的安全距離;以電力設(shè)施單元和輸電線纜為基礎(chǔ),確定出當(dāng)前輸電線路的本體區(qū)域;以當(dāng)前輸電線路的本體區(qū)域?yàn)榛A(chǔ),在各個(gè)方向上向外擴(kuò)散安全距離,得到當(dāng)前輸電線路的電力設(shè)施輻射區(qū)域。
14、結(jié)合第一方面的第七種可能對(duì)的實(shí)現(xiàn)方式,在第一方面的第九種可能對(duì)的實(shí)現(xiàn)方式中,基于樹木模型單元,確定出樹木搖擺可達(dá)區(qū)域,包括:針對(duì)每個(gè)樹木模型單元:獲取當(dāng)前樹木模型單元的樹木位置、樹木高度、樹冠半徑和網(wǎng)格元素?cái)?shù)量;基于樹木高度、樹冠半徑和網(wǎng)格元素?cái)?shù)量,預(yù)估當(dāng)前樹木模型單元在理論上的最大風(fēng)偏延展系數(shù);基于最大風(fēng)偏延展系數(shù)、樹木位置和樹木高度,確定出當(dāng)前樹木模型單元的樹木搖擺可達(dá)區(qū)域。
15、本專利技術(shù)的有益效果在于,與現(xiàn)有技術(shù)相比:
16、1.本方案通過獲取無人機(jī)在電力巡檢任務(wù)中采集的lidar數(shù)據(jù)、影像數(shù)據(jù)和飛行數(shù)據(jù),進(jìn)行三維重建,得到三維重建模型(三維重建技術(shù)目前已經(jīng)發(fā)展得很成熟了,針對(duì)本申請(qǐng),為了更好地分析樹木模型單元,我們推薦采用三角網(wǎng)格形式的重建模型技術(shù))。lidar數(shù)據(jù)、影像數(shù)據(jù)和飛行數(shù)據(jù),能夠更全面地反映巡檢現(xiàn)場(chǎng)的環(huán)境信息,包括高度、形狀、位置等,能夠保證三本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,三維重建模型中包含多個(gè)模型單元,每個(gè)模型單元為若干連續(xù)的網(wǎng)格元素形成,從三維重建模型中識(shí)別出電力設(shè)施單元和樹木模型單元,包括:
3.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,元素特征的提取方式為:
4.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,識(shí)別模型包括輸入層、特征提取層、全連接層和輸出層,
5.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,所述特征提取層為基于注意力機(jī)制的序列網(wǎng)絡(luò),具體用于:
6.根據(jù)權(quán)利要求5所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,采用以下公式計(jì)算模型單元的整合特征:
7.根據(jù)權(quán)利要求5所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,所述序列網(wǎng)絡(luò)為RNN或RNN的變體模型、LSTM或LSTM的變體模型、GRU或GRU的變體模型。
8.根據(jù)權(quán)利要求2所述的基于人工智
9.根據(jù)權(quán)利要求8所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,相鄰兩個(gè)電力設(shè)施單元和輸電線纜形成一段輸電線路,基于電力設(shè)施單元和輸電線纜確定出電力設(shè)施輻射區(qū)域,包括:
10.根據(jù)權(quán)利要求8所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,基于樹木模型單元,確定出樹木搖擺可達(dá)區(qū)域,包括:
...【技術(shù)特征摘要】
1.一種基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,三維重建模型中包含多個(gè)模型單元,每個(gè)模型單元為若干連續(xù)的網(wǎng)格元素形成,從三維重建模型中識(shí)別出電力設(shè)施單元和樹木模型單元,包括:
3.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,元素特征的提取方式為:
4.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,識(shí)別模型包括輸入層、特征提取層、全連接層和輸出層,
5.根據(jù)權(quán)利要求2所述的基于人工智能的無人機(jī)樹障識(shí)別方法,其特征在于,所述特征提取層為基于注意力機(jī)制的序列網(wǎng)絡(luò),具體用于:
6.根據(jù)權(quán)利要求5所述的基于人工智能的無人機(jī)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:朱德中,趙凌曦,王昌幼,何春應(yīng),徐懿昭,齊森,周倩,
申請(qǐng)(專利權(quán))人:國(guó)網(wǎng)江蘇省電力有限公司蘇州供電分公司,
類型:發(fā)明
國(guó)別省市:
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。