基于倾斜测量技术的区域无人机航空应急测绘系统设计

对灾区实际数据进行精准的获取、处理与传输是应急测绘中迫切需要解决的问题。为提高提高区域无人机航空应急测绘精度,利用倾斜摄影测量技术,从硬件和软件两个方面,设计区域无人机航空应急测绘系统。设计传感器、驱动器和航空控制器,保证无人机能够按照指定航线飞行,加设倾斜摄影元件,为倾斜摄影测量技术提供硬件支持,调整无人机航空发动机保证飞行动力,根据应急情况对硬件设备进行特殊处理。在测绘区域内,规划无人机的航行轨迹,利用倾斜摄影测量技术,获取区域影像数据。通过匀光匀色、畸变校正两个步骤,实现初始影像的预处理。计算区域主体的几何数据,通过制图与标注,得出系统的应急测绘结果。系统测试结果表明,设计系统的测绘范围更大,主体面积和位置的测绘误差分别降低约0.7km2和1.2km2,能够有效提高区域无人机航空应急测绘精度。     

基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计

为使无人机遥感图像的影像残差值得到有效控制,提升多源遥感影像变化特征的检测精度水平,设计基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统。在C/S框架体系中,设置并行运作电路、像素点检测主机、HBase存储结构与遥感影像显示器,完成对多源遥感影像变化检测并行系统的硬件设计。根据联合平差指标的数值水平,计算密集度指标,联合已知影像数据,求解无人机倾斜摄影过程中的纹理映射条件,实现对多源遥感影像的建模处理。按照影像特征提取结果,完善影像检测金字塔的构型模式,将无人机数字影像与并行检测节点匹配起来,再结合各级硬件应用结构,完成基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计。实验结果表明,设计的系统在无人机倾斜摄影技术的作用下,遥感图像在x轴、y轴、z轴方向上的影像残差指标均出现明显下降的数值变化状态,能够有效提升多源遥感影像变化特征的检测精度。     

基于机器学习算法的光伏组串故障诊断技术研究

常规缺陷检测方法中,主要依据光伏电站面板异常状态数据检测面板缺陷,检测结果存在着一定的随机性,导致缺陷检测结果不清晰。因此,利用了无人机影像技术,设计了光伏电站面板缺陷检测方法。提取出图像中的缺陷特征,结合无人机影像技术,通过灰度共生矩阵将缺陷图像与完整图像分割开来,识别可见光图像缺陷位置,并将缺陷图像放在光伏面板缺陷检测模型中进一步检测,使图像纹理特征与形状特征高度融合,从而实现光伏电站面板缺陷的精准检测。采用对比实验的方式,验证了该检测方法的检测置信度更高,检测精准度随之升高,能够应用于实际生活中。     

基于无人机航拍图像的关键目标点间距测量研究

为了解决以往测距方法受到噪声影响而导致测量结果精准度低的问题,提出了基于无人机航拍图像的关键目标点间距测量研究。依据无人机航拍图像上下行链路测距原理,设计测量方案实现流程。利用三轴机光电经纬仪获取关键目标点方位角和高低角,采用灰度信息匹配方法匹配图像,标记参考点。根据参考点生成特征描述子,通过局部自相关函数曲率对多维特征描述子进行分类,并对像素点进行检测,以此提取特征点,通过无人机上下行链路获取的图像信息进行间距测量计算。经过图像坐标变换、重采样、图像增强、图像平滑步骤完成误差修正,实现去燥目的。在地空链路有线测试平台上进行数值分析,由结果可知,基于无人机航拍图像测距结果更为精准,有效提高了在复杂地理环境下方法测量精度。     

基于边缘计算的无人机风电场检测系统

风力发电检测面临着提供有效数据检测和处理的难题。借助无人机和边缘计算的优势,可大幅降低风电发电场检测成本。在保证数据准确性的前提下,为最小化无人机能耗,对无人机的轨迹和计算操作联合优化;为克服风对无人机轨迹规划的影响,对无人机飞行速度和卸载位置进行优化;其次,采用拉格朗日对偶法对卸载参数进行优化。仿真结果验证了该方法的有效性。     

基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法

针对电力无人机在工作状态下受到外部因素干扰、无法精准控制运动姿态的问题,提出基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法。综合考虑电力无人机的组成结构、运动以及动力原理,构建电力无人机数学模型。利用传感器设备检测电力无人机的实时位姿,采用飞行路线规划的方式确定姿态控制目标。在考虑风场威胁条件和故障状态的情况下,利用贝叶斯改进神经网络计算无人机的姿态控制量,以鲁棒姿态控制器作为硬件支持,实现鲁棒姿态控制。通过性能测试得出结论:优化设计方法的姿态角控制误差始终低于0.2°,且在三种不同风场工况下,控制误差的波动程度不高于0.5°,与传统方法相比,优化设计方法在姿态控制精度和鲁棒性方面具有明显优势。     

用于无人机室内导航的光流与地标融合方法

针对小型无人机在无卫星导航信号条件下的导航问题,结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法.文章使用补偿角速率的光流微分法计算帧间像素点小位移,并用前后误差算法提取精度较高的点,避免像素点跟踪错误,提高了光流测速的精度;对得到的光流场用均值漂移算法进行寻优,得到光流场直方图峰值,以此计算光流速度.本文提出了无累积误差的连续地标定位算法,实时测量无人机位置.通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计.在搭建的八旋翼无人机平台上试验,将位置与速度测量结果分别与激光和PX4FLOW数据对比,结果表明该导航方法可以有效抑制定位跳变与光流测量噪声误差,给出精确的位置与速度估计.     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

基于无人机的行人移动轨迹跟踪方法研究

由于现有行人估计移动轨迹跟踪方法难以对行人坐标位置进行准确定位，导致轨迹跟踪结果误差较大，因此提出基于无人机的行人移动轨迹跟踪方法。建立小型无人机模型，针对小型无人机搭载的陀螺仪以及地磁极等传感器存在的定性误差，结合迭代学习控制算法建立无人机姿态和高度控制器，精准定位行人移动轨迹，通过控制器完成行人移动轨迹跟踪。仿真实验结果表明，所提方法能够精准检测行人数量，同时还能够有效提升行人移动轨迹跟踪结果可信度和无人机控制率。     

利用地面景象信息辅助的无人机自主定位技术

针对无人机自主定位过程中GPS定位系统失效的问题,提出了一种利用地面景象信息辅助的无人机自主定位技术,首先利用无人机所拍摄的实时航拍图像,与预先储存在无人机计算机中地面景象的数字化地形图进行匹配,从匹配结果中提取一个同名像点,结合地面景象数字化地形图所提供的数据信息获取此同名像点的地理位置坐标,根据同名像点位置与无人机位置间的几何关系,结合机载光电测量系统的坐标转换过程,实现无人机的自主定位过程。利用已知的地面同名像点的地理位置信息,反推出无人机的地理位置信息具有一定的创新性。由于整个定位过程存在实际误差,因此利用无人机飞行时记录的数据,采用蒙特卡罗法对定位误差进行仿真试验。试验结果表明该技术能够在误差允许范围内,在GPS定位系统失效的情况下完成无人机的自主定位     

基于前景杆塔识别的电力巡检精准自动复拍方法

针对巡检无人机(UAV)的位姿误差导致复拍目标零件不精准的问题,提出一种基于前景杆塔识别的精准复拍方法.首先,使用直线分割检测(LSD)方法在标准图像中提取直线,利用杆塔的线交叉结构对图像块内直线方向及长度进行统计,保证能够在低假阳率条件下,筛选出图像中的杆塔区域,并在其中提取加速鲁棒特征(SURF)作为该巡检点处的标准几何特征;然后提取当前图像中的几何特征与巡检点处标准特征进行匹配,使用聚类方法找到当前图像中的杆塔位置相对于标准图片中的二维偏移;最后通过几何分析计算并调整云台角度,使得杆塔位于图像中正确位置.实验结果表明,所提方法可以在无人机的位置和相机姿态出现较大偏差的情况下实现精准调整.     

实时图像匹配辅助无人机导航研究

针对GPS/INS组合导航系统在抗干扰性和精度上不能完全满足无人机导航系统要求的问题,利用实时图像匹配辅助无人机导航的方法进行仿真研究.首先,对输入图像进行目标识别定位,为了满足系统的实时性要求,研究采用光电混合联合变换相关器进行实时图像匹配,仿真结果表明,目标的识别定位精度小于两个像素,能够为无人机提供精确的导航信息;再根据摄影测量原理计算导航信息中的位置和姿态角信息;最后,将匹配定位得到的导航信息通过Kalman滤波器与惯导系统解算的导航信息进行信息融合,仿真结果表明,滤波后导航信息的误差均获得了较明显的收敛,提高了无人机导航系统的抗干扰性和导航精度.     

一种两点间直线搜索的输电线检测方法

在无人机应用于输电线巡检背景下,为了方便后续的输电线故障检测与分析,提出了一种两点间直线搜索的输电线检测方法。首先,通过方向可控滤波器对无人机图像进行分割。然后,通过所提出的基于圆搜索(CBS)直线段检测方法进行直线段检测。最后,通过所提出的连接算法进行直线段连接。通过在人造图像上的直线段检测实验,证明该方法是一种有效的直线检测方法。随后,通过在实际场景的无人机图像上进行实验,证明该方法是一种有效的输电线检测方法。     

基于地标的轻量化无人机精准降落算法

轻量化无人机的机载计算机通常计算性能较弱,很难满足无人机实现精准降落的需要。针对这一问题,提出了一种基于地标的轻量化精准降落算法,通过识别对比颜色和指定形状实现快速实时地检测着陆标识,图像处理流程简单快速且准确,通过相对位置计算在二维层面得到无人机对于降落地标的相对位置和方向,引导无人机精准降落,算法执行过程不需要考虑相机焦距。实际测试结果表明,在一些特定如无人机自主充电的应用场景,该算法过程简单,稳定性和降落精度相较于传统方法较高。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

基于无人机遥感技术的配电网巡检系统设计

目前我国电网巡检以人工为主,由于相关监管体系并不到位,存在电力支线丢失等问题,现提出基于无人机遥感技术的配电网巡检系统设计。系统硬件设计方面包括客户端、服务器、无人机遥感终端三部分,根据硬件配置设计无人机遥感终端,确定终端操控方式。系统软件设计方面包括获取遥感巡检图像,采用自适应滤波设计系统导航算法巡检配电网,建立配电网数据模型,检测配电网线路的运行情况,让图像与实际数据紧密结合,实现配电网巡检。实验结果表明,与选取的其余系统相比,本系统与实际配电网电力线路具有较高的拟合度。     

基于无人机单视场全景图的地块面积测量研究

提出一种基于无人机单视场图像的地块面积测量方法。首先通过无人机相机标定获得相机内外参数及畸变参数,再对单张的地块全貌图像进行畸变校正;接着提取图像中的目标地块区域并统计区域内像素数量;通过估计像素与实际面积比率,得到地块实际面积。实验结果表明:随着无人机飞行高度的增加,该方法计算精度先逐渐提升,到达一个峰值后逐渐下降,且在有效飞行高度内的相对误差都在10%以下,可以有效地计算地块面积。该方法对要求操作简便快速、精度不是很高的山地作业有现实意义。     

基于多旋翼无人机的架空输电线路状态检测系统设计

摘要：由于架空输电线路长期暴露于空气环境中,容易受到气象条件的影响发生故障,并且离地较高,导致其工作状态难以被精准检测,因此提出将多旋翼无人机应用于架空输电线路状态检测中。通过智能终端模块向无人机飞行模块下达线路检测指令,无人机飞行模块执行检测指令;在检测航行时,基于RTK载波相位差分方法,精准定位无人机位置和检测航线,并通过道格拉斯-普克算法,去除冗余航迹点;通过搭载的各类数据采集装置,采集线路状态数据后,传送至线路状态检测分析模块。分析模块利用小波变换算法,确定故障位置,完成架空输电线路状态检测。测试结果显示：该方法能够对无人机的航线实行精准控制,保证最佳的检测效果,定位误差结果均在2.5cm以内,最小误差结果为0.46cm;并可有效删除冗余航迹点,按照无人机的检测结果,生成架空输电线路的检测报告,呈现架空输电线路各个部位的运行状态,完成故障诊断。     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

轻小型无人机遥感定位系统误差消除技术研究

传统无人机定位系统误差消除技术存在误差消除精准度低的问题,需对轻小型无人机遥感定位系统误差消除技术进行深入研究。根据轻小型无人机航线、地理参考和初始位置坐标系,构建轻小型无人机遥感定位模型;利用该模型对目标定位原理展开分析,通过模型构建和无人机隐秘飞行特征,对目标位置进行转换,获取转换后的坐标系位置信息,通过无人机飞行姿势变化幅度范围,获取精准误差影像序号,并进行修正,由此完成系统误差消除。实验结果证明,该技术误差消除精准度较高。