基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

基于正交激光雷达的电力巡检无人机自主避障系统研究

本文提出了一种基于正交激光雷达的电力巡检无人机自主避障系统,将正交激光雷达作为无人机的测距感知器,对垂直方向和水平方向的障碍物进行检测,在这个基础上提出适合电力巡检场景下的垂直方向避障策略.在本文的实验中对本文的避障策略和控制算法进行验证,结果表明采用该避障系统的无人机能够在电力巡检场景实现自主避障.     

无人机避障方法研究进展

社会的高度信息化使得无人机能应用于各个领域,任务难度的增加决定了无人机朝集群化和自主化的方向发展。高效的避障技术是实现无人机高速飞行和智能化的重要保障。本文首先阐述了无人机避障的概念、过程以及分类。其次,详细介绍了超声波、单目视觉、双目视觉、激光雷达4种单无人机避障方法以及人工势场法为主的无人机编队避障方法,并分析了各种方法的原理和优缺点。最后,总结了无人机避障目前存在的问题和未来的发展趋势。     

基于小样本机器学习的电力巡检技术研究

本文设计出通过无人机进行电路巡检的技术方案,该方案通过GPS定位和路径规划使无人机在特定位置采集电力传输设备运行图像数据,并通过本文改进的小样本目标识别算法对采集到的图像信息进行识别,实现了潜在故障和安全隐患问题分析.试验结果表明,本研究方法分类的正确率提高了 29.15％,样本分析提高了 18.63％,提高了检验的成...     

基于深度学习技术的智能化无人机视觉系统设计

传统无人机无法实现数据信息的智能化处理,处理结果不精准,给工作的顺利开展造成了影响。为了解决此问题,文章基于深度学习技术研究智能化无人机视觉系统的设计思路。将深度学习技术应用在无人机智能化中的协同神经网络思想,能够优化无人机的飞行控制、目标识别、障碍规避、智能监测等,降低实现难度。     

基于深度学习的无人机电力巡检方法研究

考虑到无人机平台电力巡检有效载荷及计算能力有限,该文提出了一种基于无人机的智能电力巡检方案。首先,设计了无人机电力巡检软硬件框架;其次,提出了一种双阶段微调策略训练深度学习模型,从而提高模型应对特殊数据集的检测能力;最后,提出了一种通道剪枝方案,从而去除冗余的特征通道降低模型的复杂度,使得模型可有效部署于计算能力有限的无人机平台。实验阶段,以检测绝缘子为例,对所提方案进行验证。结果表明,所提双阶段微调策略可将基础网络性能提升约4%至10%。同时,所提通道剪枝方法可使得网络模型尺寸更小、性能更优。该模型为电力系统智能化及无人化监控管理提供了一定借鉴作用。     

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统。设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计。在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制。系统测试结果表明,设计系统最终成功避开了三个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5m/s左右,表现出了精准而稳定的轨迹控制效果。     

电力巡检无人机精准降落方法研究与应用

针对现有电力巡检无人机降落方法定位误差较大、机身稳定性较差、易受外部环境干扰等问题,提出一种电力巡检无人机自适应降落方法.构建基于多级视觉标识图像识别的四维定位降落方法,指引无人机进行垂直方向精确降落.开发基于分段式反馈控制的速度矢量的四维控制方法,稳定无人机水平方向的姿态.设计基于视觉标识阵列的自适应抗干扰降落方法,克服降落平台的阴影对无人机定位的影响.开展无人机精准降落现场实验,结果表明所提方法具有非常高的降落定位精度,简单实用.     

基于卡尔曼滤波算法的无人机避障路线智能生成方法

为了提高无人机避障效果,提出基于卡尔曼滤波算法的无人机避障路线生成方法。在障碍物匹配和潜在障碍物检测的基础上,利用卡尔曼滤波算法提取障碍物位置信息,并求解无人机的最优飞行方向,通过控制线速度和角速度实现无人机自动生成避障路线。以避障效果、障碍物检测率、定位误差率为实验指标进行实验,实验结果表明所提方法避障效果好、障碍物的检测率高和定位障碍物的误差率低。     

基于卷积神经网络的无人机油气管线巡检监察系统

为满足深埋式油气管道巡检监察需求,以及解决常规人工巡检手段效率低、时效性差、安全性低等问题,通过结合无人机飞行平台、卷积神经网络算法及计算机系统集成技术,设计并开发了一套基于卷积神经网络的无人机油气管线巡检监察系统,为油气管线的巡检监察工作提供技术支撑.本文首先介绍了巡检监察系统的总体设计方案、及作业流程进行了介绍;其次对系统组成进行了详细介绍,整个系统由无人机飞行平台、神经网络目标检测系统、无人机巡检监察管理系统以及无人机巡检执法终端四大子系统组成,无人机飞行平台以油动固定翼无人机为飞行载体,搭载高清相机进行数据采集,神经网络目标检测系统对影像数据进行自动检测、识别、搜索沿线工程车辆和管线隐患的目标,无人机巡检监察管理系统实现数据信息的存储管理及分发推送,无人机巡检执法终端接收隐患目标推送信息并进行现场快速执法;最后,对该系统的应用情况及后续的发展方向进行了总结和展望.目前,该系统成功应用于河南、甘肃等省份的油气管线巡检监察作业中,结果表明系统满足油气管线巡检监察的业务需求.     

图像处理技术在无人机电力线路巡检中的应用

目前,巡检高压输电线路过程中,其中一项常见方式是利用无人机进行线路巡线。研究和处理无人机航拍收集的通道图像,能够及时发现线路器件是否存在问题。利用图像处理技术,能够有效解决人工处理效率低下、误差率高等问题,在无人机电力线路巡检领域具有广阔的发展前景。基于此,针对当前国内和国外无人机电力线路巡检中图像处理技术的应用情况,探讨无人机电力线路巡检中影响图像处理技术的因素,研究图像处理技术在无人机电力线路巡检中的应用。     

无人机巡检输电线路技术的实践研究

新时代背景下,可以明显的看到我国科学技术的发展是越来越好,各种新型技术犹如雨后春笋一般涌现了出来,无人机技术就是其中之一。当前,无人机技术已被广泛应用在各行业与领域当中。特别是在电力行业输电线路巡检工作中,通过无人机技术的应用,不仅大大提升了电力企业输电线路巡检工作效率,保证了输电线路运行的安全性;同时还很好的减轻了电力企业相关人员的工作量。     

面向无人机电力巡检航迹规划的语义服务方法

针对复杂环境下无人机电力巡检航迹规划问题,从信息处理角度提出一种语义服务方法.构建一个具有环境态势感知、航迹构造和语义策略图模型的语义服务框架;利用巡检关联比重对实体对象进行空间划分,通过OWL形式化表示和J ena推理刻画巡检航线特征位置的因果关系,提出语义空间距离计算和基于强化学习的路径选择机制.研发语义服务模拟演...     

基于深度学习的无人机巡检图像销钉故障检测

随着经济和社会的发展,发电量和用电量逐年上升。安全的电力保障关系到国计民生,在常年的使用过程中,由于电力传输的输电线路受到外界环境的影响,使得输电线路部件容易出现不同程度的破损,其中销钉是固定螺母的关键零件,销钉的脱落会导致各部件之间连接的不稳定,这给输电网络的安全运行带来了极大的隐患。随着深度学习技术在计算机视觉领域中的应用,使得机器自动识别销钉这一输电线路系统中的微小部件成为现实。采用Faster R-CNN算法对无人机巡检图像中的销钉脱落故障进行识别,并讨论了不同分类器对识别结果的影响,然后对ACF+Adaboost、Hough+LSD和Faster R-CNN检测方法进行比较。实验结果表明,基于Faster R-CNN的目标检测方法对于输电线路中销钉脱落故障的识别率可达到96%,同时对正常销钉的识别率最高可达98%。     

基于深度学习的红外光热成像无人机巡检技术应用

本文在人工智能的基础上利用深度学习结合红外光热成像技术对无人机巡检技术进行研究和优化.首先对红外光热成像技术在电力系统中的应用和无人机巡检技术进行了介绍;然后提出了基于卷积神经网络的目标检测算法,对卷积神经网络的计算原理以及目标检测算法进行说明,并设计了基于深度视觉系统的MobileNetV1-YOLOv3网络预测模型...     

无人机电力线路安全巡检系统及关键技术

电力线路的安全巡检工作对于电网的安全稳定运行有着极为重要的作用,随着无人机技术的成熟化,电网安全工作人员开始把越来越多的无人机应用于电力线路巡检工作.将无人机技术运用到电力线路巡检工作中,以其便利性与灵活性,能为电网系统节省大批的人力资源,促进电力系统安全运行的可持续发展.本文就无人机技术应用于电力线路巡检工作的意义、...     

基于无人机与计算机视觉技术的违章建筑的智能检测

本文将北斗技术与计算机视觉结合,控制无人机对违章建筑进行自动检测。在无人机飞行方面利用RRT算法实现路径的自动规划,并加入鸟类判别器和自动避障算法加以辅助。当无人机检测到违章建筑时,向客户端发出警报,并发送位置信息。在计算机视觉中使用目标识别算法对建筑图片进行检测。     

输电线路无人机自主巡检方法研究与应用

为了解决输电线路无人机巡检作业易受恶劣天气影响、远距离遥控不及时、通信稳定性差等问题,提出了一种输电线路无人机自主巡检方法.首先,利用卡尔曼滤波算滤除原始线路中的轨迹噪点,采用垂距法对轨迹冗余点进行过滤,优化巡检航线;其次,提出基于巡检对象差异特性的动态优化定位方法提升无人机巡检质量.以某220 kV输电线路杆塔进行测试,测试结果表明,提出的方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了无人机自主巡检效率以及巡检精确度.     

基于自抗扰技术的无人机自主避障研究

摘要：随着无人机民用化的持续加速, 其应用场景越来越复杂, 自主避障技术成为拓宽应用领域的技术瓶颈. 自主避障技术的突破, 无疑成为无人机更大规模应用必要条件. 自抗扰控制器技术, 是发扬PID控制技术的精髓并吸取现代控制理论思想归纳探索而来. 自抗扰控制器具有的不依赖被控对象精确模型、算法简单、参数易于调节的特点, 使其适合作为无人机自主避障的控制算法来应用. 针对无人机避障中位置给定阶跃信号幅值较大且幅值不定的情况, 传统PID控制器快速性不能很好满足要求且需要重复调节参数, 而自抗扰控制器则具有更好的鲁棒性. 为了更好的实现无人机自主避障, 设计了基于自抗扰控制器的外环位置控制器, 对基于自抗扰的无人机自主避障系统进行仿真和实验研究, 并与传统双环PID控制器进行对比分析, 结果证明外环控制器采用自抗扰控制器的无人机自主避障系统的可行性.