基于差分定位的输电线路多旋翼无人机智能巡检

针对目前人工操作无人机进行输电线路巡线自动化程度不高,人工操作无人机难以标准化、规范化,导致巡线时间偏长或多发坠机等问题,围绕南方电网公司提出的无人机无人操控自主巡线目标,制定了基于载波相位差分定位技术的输电线路多旋翼无人机智能巡检方法。该方法在载波相位差分高精度定位技术的支撑下,首先由人工操控无人机进行线路巡检,再根据记录的巡检航迹提取航拍控制轨迹点精确的经纬度、海拔高度和每一航拍点的摄像头俯仰角度等信息,制定该线路的自主巡检方案。进行自主巡航时沿设定的轨迹控制点按预设角度进行航拍,实现无人机巡航的流程化和标准化。现场测试效果表明,无人机利用所提方法可在强电磁场环境下快速准确地完成定点巡航任务,为实现规范化、标准化的无人机安全巡线作业奠定了基础。     

铁塔航拍图像中鸟巢的YOLOv3识别研究

电力铁塔上的鸟巢、风筝等异物会严重影响电力架空输电线路的安全性。无人机在巡检过程中会针对电力铁塔进行专门拍照,检测识别铁塔上是否存在鸟巢等异物。针对经典YOLOv3算法在识别铁塔航拍图像中的鸟巢时存在识别精度不高、识别效率偏低、权重参数规模过大等不足,提出了改进方法。首先,设计了改进算法的总体架构,并构建了图像数据集;其次,分别从预测框的宽高损失函数、预测类别不平衡损失函数和神经网络结构等3个方面对经典YOLOv3算法进行改进。实验结果表明,本文的改进措施切实有效,可以在提高识别精度的同时大幅度减小权重参数规模,且识别效率良好。此外,对YOLOv3的改进方法而言,改进其神经网络结构的效果明显好于其他改进措施,为将来在无人机巡检过程中实现实时检测识别目标物奠定了重要基础。