无人机智能测距在输电线路的应用

随着架空输电线路快速发展,线路和其他附近接地体之间的距离矛盾越来越突出,对线路运行安全和后期线路规划产生重要影响。传统的测距方法是通过手持激光测距仪在地面进行扫描测距。这种测距方式存在准确度低、使用范围有限、受到外界环境干扰大等不足,无法满足现代输电线路的广泛需求。日益严峻的距离矛盾,迫使寻找一种更加先进、更加高效的测距方法来改善这一现状。因此,无人机测距技术应运而生。     

基于无人机技术的输电线路无损探伤应用研究

针对输电线路损伤检测的准确性低、特征分辨能力弱,导致输电线路无损探伤检测能力低,基于无人机技术对输电线路无损探伤应用进行研究,采用无人机进行输电线路的视觉图像采集,建立输电线路无人机视觉图像的边缘轮廓检测模型,采用多尺度特征分解方法进行输电线路无人机视觉空间分布式融合处理,构建输电线路无人机视觉特征重构模型,结合模糊度...     

基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差,规避复杂环境造成的巡检风险,研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术,采集了输电线路无人机巡检标志点位置信息,利用路径生成方法,模拟无人机从起始点到目标点的最优几何路径,创建无人机高度和姿态直接受PID参数控制的动力学模型,运用基于PID算法的路径规划跟踪控制器,控制无人机按照最优路径飞行到目标点,实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短,能有效规避复杂环境造成的巡检风险。     

基于无人机巡检的输电线路规避系统设计

针对无人机进行输电线路巡检时存在与线路发生碰撞的风险,影响无人机巡线系统及输电线路运行安全。基于毫米波雷达传感器,采用LTCC多层技术,设计了输电线路规避系统,通过采用恒虚警算法和多目标检测算法,设计了规避算法。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。     

无人机在输电线路巡检中的应用及发展前景

随着经济的不断发展,我国电力事业的进步也非常快速,电网的安全与否会在很大程度上对社会的稳定产生影响,而输电线路的稳定运行能够为电网的安全提供有效保障。无人机是随着电力企业发展而诞生的新型巡检设备,能够有效分担工作人员的工作量,提升工作效率。本文以输电线路巡检的概述为研究基点,论述当前无人机在输电线路巡检中的应用,并展望无人机在输电线路巡检中的未来发展。     

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。     

基于无人机的220 kV输电线路缺陷自动检测方法

由于传统方法无法准确检测出输电线路缺陷,且计算过程也比较复杂,研究基于无人机的220 kV输电线路缺陷自动检测方法。利用拉东变换获取二维平面的函数,将彩色图像转变为灰度图像,通过边缘像素点提取图像线特征;分析图像线特征数量与角度,利用单片机掩膜识别输电线路及其附件;通过卷积层与池化层操作,建立深度卷积神经网络模型,实现输电线路缺陷自动检测;基于无人机图像分布的投射点并利用簇聚类分析法,获得输电线路特征参数分布点,从而获得区域内缺陷特征分布的最大值。测试结果表明：对输电线路缺陷自动检测方法优化后,当样本数量扩充到1 200张时,缺陷检测的准确率为97%,召回率为94.5%,且错误检测率只有2.5%,可见优化后的方法可以提高缺陷检测的准确率。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

基于机器视觉的输电线路巡检应用发展趋势

机器视觉能够在条件恶劣的情况下代替人工视觉,为此提出基于机器视觉的输电线路巡检应用发展趋势研究。对机器视觉相关设备在输电线路故障巡检中的应用过程进行分析,得到机器视觉在输电线路巡检中优势,将机器视觉应用在输电线路路径规划中分析其优点。通过上述应用过程分析,得到基于机器视觉的输电线路巡检应用向着两方面发展,一是基于机器视觉的输电线路巡检方式会更加普及,二是基于机器视觉的输电线路巡检效率更高。     

高压输电线路中无人机电力巡检技术的应用

做好高压输电线路的巡检维护,对保证持续供电和维护企业利益有重要影响。使用无人机代替人工完成高压输电线路的巡检任务,在保障人员安全、提高检修效果、降低运维成本等方面具有诸多优势。本文首先介绍了无人机巡检的突出优势和使用到的核心技术,随后以某500 kV高压输电线路的雷击故障为例,使用多旋翼无人机开展巡检,最终确定了故障类型、故障位置。最后分析了无人机巡检技术的发展前景,为供电公司引进和应用无人机先进技术,更好地支持无人机巡检作业的开展提供了借鉴。     

基于红外探测技术的无人机视觉引导助降系统

传统的助降导航系统无法满足无人机着舰挂锁对于精确性、抗干扰性及可重复性的要求.为解决该问题,提出一种基于红外探测技术的无人机视觉引导助降系统.系统硬件包括红外标志灯、高动态像机和红外滤光片,系统软件包括光团目标检测算法和双目交汇算法,其中,光团目标检测算法使用归一化负拉氏高斯算子实现光团目标的定位,双目交汇算法利用快速标定方案完成像机标定,采用双像机进行空间交汇.实验结果表明,该系统在距离理想着陆点200 m以内的测量精度小于5 cm,可满足助降要求.     

基于无人机载多载荷的输电线路巡检方法研究检测

无人机进行电力线路巡检的作业模式在南方电网已经开展了一些示范验证并获得一定的推广应用,目前的巡检方式多为无人机或有人机挂载激光雷达进行巡检。为提高线路巡检效率、提高隐患目标识别准确度,本文提出激光雷达和可见光相机一体化应用的方法来提高巡检自动化程度、提高巡检精细度、提高作业效率及可靠性。首先针对一次飞行同步采集巡检区域的激光点云数据和可见光影像数据,在对采集的数据分别进行相应的预处理;然后将点云数据和影像数据融合处理分析,实现输电线路隐患目标自动识别和精准定位。采用旋翼无人机实际巡检获取的输电线路激光点云数据和影像数据对该过程进行了验证,试验结果表明,基于无人机载多载荷的输电线路巡检具有较高的自动化程度和准确性,缺陷识别检测的水平距离误差为0.1467米,缺陷识别的垂直距离误差为 0.1025米,缺陷识别的净空距离误差为0.1575米,识别检测效果良好,对输电线路巡检具有重要的意义。     

基于四旋翼无人机的车辆自主抄牌

针对传统车辆抄牌效率低的问题,提出一种基于四旋翼无人机的车辆自主抄牌方法。使用无人机采集大量车辆俯视图样本,对图像进行预处理和下采样,然后提取车辆图像的梯度直方图特征,将图像特征输入到卷积神经网络中,训练出车辆识别模型,最后使用模型识别车辆;根据车辆的形状特征估计车辆姿态;根据车辆的位姿信息计算无人机抄牌的位置和角度;搭建无人机实验平台测试无人机自主抄牌系统。实验结果表明无人机可以自主拍摄到清晰的车牌图像,实现了车辆抄牌的自动化。     

基于无人机数字航摄系统的快速测绘

应实时化测绘的需求,无人机航摄近年来发展迅猛,本文介绍了以无人机为平台的数字航摄系统的性能与特点,以及利用该系统进行航测作业的技术流程,并介绍了利用该系统实施的1∶2000航测试验实践,试验证明了该系统的可行性与适用性,且特别适合于小区域应急测绘数据的获取与更新。     

Unmanned Aerial Vehicle Localization Based on Monocular Vision and Online Mosaicking

This paper presents a new approach for vision-based UAV localization, using mosaics as environment representations. Inter-image motions are used to estimate the motion of the UAV. Online mosaicking is applied to reduce the impact of the accumulative errors in UAV position estimation. A new method to build an stochastic mosaic given the image-to-image homographies is detailed. The mosaic consists of a network of inter-image relations, and is used to create a consistent view of the environment of the UAV and hence, to detect the drift in position estimation by using the mosaic as a resource. The technique could be called simultaneous localization and mosaicking. This technique is specially suitable for monitoring and surveillance tasks in which the UAV will repeatedly cover the same area. The paper also shows experimental results with real UAVs where the benefits of the proposed method are evident.     

基于Multigen的无人机任务飞行仿真系统

介绍基于Multigen仿真软件Multigen Creator, Creator Terrain Studio和Vega Prime的无人机任务飞行仿真系统,在Vega Prime中建立无人机的飞行控制运动函数,实现无人机模型在虚拟仿真场景中的六自由度运动。基于.NET 2003环境下多线程编程技术和SBS网络数据传输,实现该系统的实时应用。仿真结果表明该系统能较好地模拟无人机作战飞行任务。     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪