无人机自主降落过程视觉定位方法研究

无人机的视觉定位是无人机自主降落的辅助系统,是目前无人机的研究热点.目前传感器采集的图像信息量巨大,占用空间容量,且目标识别要求视觉算法精度高,图像处理时间过长,使无人机在降落过程中对位姿估计有较高要求,因此视觉自动着陆算法的研究有着广阔的应用需求场景.主要研究了无人机自主降落模式,采用视觉识别算法,大大减少了环境的干扰,通过模拟无人机自主降落的过程,设定无人机降落的坐标系,配合算法,实现着陆目标的选取,完成整个降落过程.机器视觉定位或模板匹配对不同的目标识别效果有着明显差别,固定着陆模型的识别效果会更好.     

基于红外视觉的固定翼无人机自动着陆引导系统

固定翼无人机自动着陆需要跟踪速度快、精度高的引导系统,本文设计并搭建了一套基于红外视觉的无人机自动着陆引导系统。文中首先介绍了视觉着陆引导系统的原理、组成,并分析其数学模型;在无人机上设计了红外视觉识别标志,设计并编写了引导系统图像处理算法和视觉跟踪算法;设计视觉着陆引导控制结构;最后,通过试飞实验对该系统的可靠性、跟踪速度和精度进行验证。实验结果表明本文设计的自动着陆引导系统能够很好地满足固定翼无人机精确自动着陆的要求。     

架空输电线路无人机缺陷智能识别技术研究

基于采集的高质量影像,针对无人机巡检影像特性,采用深度学习技术框架,研究输电线路设备及通道环境隐患的智能识别方法,实现销钉级微细颗粒缺陷的智能识别.由于目前无人机的图传带宽难以满足高清图像的实时传输,前端芯片的算力也难以满足缺陷识别的需求.因此,短期内自主巡检的图像还是在无人机自主巡检完成后,在服务器端调用人工智能算法进行处理.基于以上过程标准化采集的高质量巡检图像,可以降低后续设备缺陷识别的难度,提升设备识别的准确率.针对无人机巡检图像特征,采用深度学习Faster-RCNN(Faster-Region Convolution Neural Network)模型,实现了对无人机巡检图像中设备缺陷及通道隐患的智能识别.     

面向自主空中加油的锥套识别与测量算法研究

为了在软式自主空中加油对接过程中实现对加油机锥套目标的识别及其位置的精确测量,提出了一种基于机器视觉的锥套检测与位置测量算法。首先,基于Adaboost机器学习算法,对海量的锥套正样本和背景负样本进行线下训练,得到可靠的锥套特征和Cascade分类器模型;然后,利用训练好的锥套特征分类器模型,对受油监视相机获取的视频进行实时锥套目标检测;最后,利用锥套目标在图像上的位置,建立二维图像与三维空间的关系模型,解算锥套相对于受油杆的三维位置信息。仿真实验结果表明,该方法对锥套目标的检测率在95%以上,综合处理时延低于4毫秒/帧,与受油杆的相对位置测量偏差低于7%,可满足自主空中加油的需求。     

无人机线路自主巡检的动态轨迹规划方法

为提高无人机巡检航迹精度,本文提出一种基于动态航迹优化规划的无人机输电线路自主巡检方法。首先,通过单目视觉测距确定无人机巡线安全距离;然后,基于全局静态航迹中的静、动态突发威胁,建立动态航迹规划模型,通过改进双向快速扩展随机树算法对航迹实现动态优化规划;最后,设计无人机自主巡检系统流程,完成自主巡检的全路程作业。实际应用表明,该系统可以提高无人机巡检精度、效率并降低巡检成本。     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

基于机器视觉的城轨供电环网智能巡检探伤

为提升城轨供电环网巡检的工作效率及智能化水平,降低人力工作量,提出了一种基于巡检照片信息和YOLOv3算法的城轨供电环网智能巡检探伤方法。首先介绍了YOLOv3算法的基本原理和架构;然后标定了典型损伤的巡检图像数据,选取不同训练率进行了机器视觉识别的模型训练并分析了效果差异;最后将训练完成的模型进行了应用测试,结果表明在图像中存在多处损伤或损伤位置被部分遮挡的情况下,模型仍可实现有效识别。该方法实现了基于巡检图像信息的轨供电环网智能探伤,适用于巡检图像的批量化处理及识别,降低了巡检工作的人力成本和时间成本,可为日常运维及巡检工作提供支持。     

基于机器视觉的输电线路无人机激光清障方法研究

针对传统输电线路无人机清障方法对故障点定位不准确的问题,研究基于机器视觉的输电线路无人机激光 清障方法.利用AI技术对输电线路图像提取特征值,无人机在巡检过程中运用机器视觉技术搜寻对应坐标点;近邻 图像像素取平均值构成模板,对故障线路特征图像进行滤波、降噪处理;通过蚂蚁运算得到无人机巡检的起始点和终 止点,规划无人机激光清障工作路径.测试结果表明该方法的搜寻故障点与实际故障点的误差值为零,精准定位故障 点,实现输电线路无人机对故障物的有效清除.     

基于机器视觉的图像边缘检测算法研究

提出机器视觉的方式弥补传统缺陷检测的弊端。针对目标图像模糊退化,采用中值滤波技术降噪的同时保护边缘信息;采用大津法算法进行阈值搜索;并进行直方图均衡化调整图像对比度。采用改进的Canny算子对传送带撕裂进行边缘识别提取,增加裂纹目标的可识别性。构建改进的T2FNN样本训练模型,将传送带裂纹图像的特征参数输入训练模型中,在隶属层输出模糊化的输入节点,最后通过输出层提供输入节点到输出的映射。通过验证对图像检测得到的数据结果,发现基于机器视觉基础的Canny算法在各种环境下对传送带撕裂的图像有更好的边缘检测效果,能更精准的做出判断,发出警报。     

机器视觉技术的包装缺陷在线识别系统

针对各类产品包装质量识别系统,缺陷识别精度较低的问题,研究机器视觉技术的包装缺陷在线识别系统.创建系统整体架构,通过图像采集卡、相机及镜头构成的图像采集过程获取包装图像和图像数据,采用基于PC的视觉系统利用边缘检测与二值化图像处理算法,实现包装图像的预处理,通过边缘角度识别软件在线识别预处理后的包装图像,以液晶触摸显示...     

激光雷达无人飞行器自主着陆选址方法

无人飞行器在陌生场景中的自主路径规划与着陆工作一直是相关领域研究的重点,提出了一种基于激光雷达采集到的 点云数据来给飞行器推荐最优着陆地址的方法。 该方法通过飞行器位姿信息辅助以及选址窗口维护等手段校正并扩充了雷达 采集到的原始点云数据,之后再利用改进的 RANSAC 算法对生成的候选平面进行评估选择,最后反馈最优着陆点的位置坐标 信息。 仿真环境下的实验结果表明该方法运算结果稳定准确,且运算速度满足飞行器实时工作需求,同时计算所需空间时间开 销较小,能够符合在现实场景中正常工作的标准。     

无先验地图条件下电力管廊无人机自主巡检方法研究

针对无先验地图条件下电力管廊无人机自主巡检能力不足的问题,本文提出了一种不依赖先验地图的无人机巡检方法。首先,无人机搭载激光雷达,通过SLAM（Simultaneous Localization and Mapping）算法进行实时场景构图,并基于RRT（Rapidly-exploring Random Tree）算法对构建的全局栅格地图进行边界搜索;其次,针对传统RRT算法难以判断环境地图完整性、保障巡检全面性的问题,提出了一种基于数字图像处理的边界检测方法。通过Canny算子对实时构建的地图进行边缘检测,并对地图进行完整性评估。最后,为验证本文提出方法的有效性,在江苏无锡处某220kV电力管廊的仿真模型中进行验证,分别采用RRT算法和本文改进算法进行自主巡检测试,结果表明本文提出的算法相比RRT算法可提升21.8%的巡检覆盖率。     

基于视觉技术的非接触测量精度优化研究

针对精密加工行业零件形位公差在线检测实时性不高并且无法同时检测多个零件的问题,采用机器视觉技术,改良了相机采集图像的图像预处理流程与测量方法,提出一种基于CNN的超分辨重建的非接触测量改良算法。相较于其他超分辨率重建算法该算法模型简单,精度较高,速度快,在资源受限的情况下可以兼顾测量精度和效率。为了验证所设计算法的可靠性,设计了一套机器视觉的非接触测量系统。实验结果表明,改良测量方法后测量精度较之前使用的测量方法至少可提高47.86%,平均提高49.67%;该超分辨率算法在分辨率一定的基础上,对原始采集图像的超分辨率重建提升图像分辨率后,测量精度较不使用超分辨率重建提高了60.38%,最后利用该算法实现对多个目标在线同步测量分析,并且精度不低于同分辨率下单一零件检测精度。     

基于多核架构无人机飞行控制系统设计与实现

针对中小型固定翼无人机自主起降与编队飞行任务,采用双ARM Cortex M4＋DSP架构,综合多传感器融合策略,利用多频段通信技术和舵机控制回路冗余设计的方法,设计并实现了一套飞行控制系统。该系统能为无人机自主起降与编队飞行提供了精确引导和相对定位信息与强大的通信支持、具有效率高、稳定性好、可靠性强以及集成度高等优点。地面半实物仿真和实际飞行试验结果表明,该飞行控制系统有效的支撑了无人机自主起降、多机编队飞行等研究。     

基于TCensus的立体匹配算法及FPGA设计

随着无人机技术的迅速发展,利用无人机代替人工进行电力线巡线是行业内发展的新趋势。尽管无人机电力巡线相对于人工巡检效率更高,更加安全,但无人机巡检仍然面临一些问题,无人机的避障技术亟待完善,在巡检过程中无人机会出现与周边障碍物相撞的情况,尤其是细小的电线对无人机安全造成巨大的威胁。这些线状物往往目标不明显,雷达,超声波等技术得到的回波较少,造成避障困难。基于双目视觉系统的无人机避障技术在无人机避障领域得到了广泛的研究和关注。针对双目视觉实时无人机电力巡检避障应用,提出了基于TCensus（形态学Tophat变换和MiniCensus）变换的匹配代价测量方法来对原始图像中的弱目标进行增强,同时采用基于十字结构的支持区域来提高匹配的准确度。实验证明,本文设计的双目视觉系统可以有效检测无人机到电力线之间的距离,检测误差达到5%,提出的TCensus立体匹配算法与其它方法相比除了能够获得同样准确的背景深度图之外,还能对电线区域具有更精细的成像效果。     

配电网架空线路无人机自主巡检技术分析

为提高雄安新区配电网架空线路运行可靠性,研究了无人机自主巡检技术,开发了配电网架空线路无人机智能巡检平台.针对水区、工地、农田等巡视人员难以到达的区域开展无人机自主巡检,采用基于关键坐标点的路径规划算法对配电网线路进行规划,保证无人机自主巡检的精确性.通过搭载高清摄像头、红外热像仪等提升无人机巡检感知能力,可及时发现异...     

注塑件机器视觉缺陷检测的几何矫正方法研究

针对多面体注塑零件在机器视觉缺陷检测中的零件图像几何形变问题,提出了基于几何光学原理的矫正算法。在拍摄定位误差不大于1 mm的条件下,所述方法矫正误差理论上<0.1 mm,可满足注塑零件机器视觉缺陷检测的需要。首先对采集的图像进行预处理获取图像边缘;接着将轮廓线交点确定为零件顶点;根据顶点位置分割零件的不同表面并将其映射在二维平面;然后根据几何光学计算图像中每一个像素点的偏移量;最后使用基于几何光学的方法对图像中的像素点进行逐点矫正。利用一组六面体零件模拟实际工况,在不同的拍摄定位误差状态下进行实验,使用Matlab对矫正算法进行验证。实验结果表明,所述方法误差在0.1 mm以内,与理论分析相吻合,满足注塑零件在机器视觉缺陷检测中零件图像几何矫正精度的需要。