一种风电机组叶片无人机路径规划方法技术

本发明专利技术提供了一种风电机组叶片无人机路径规划方法，该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标，并基于该地理三维坐标和预设空间几何关系，建立和规划关于该无人机的全局飞行路线，再在该全局飞行路线规划完成和该无人机起飞后，对该无人机的实时飞行路径进行局部飞行线路的规划，最后基于该局部飞行线路的规划结果，对该无人机的飞行线路进行实时更新处理。

【技术实现步骤摘要】
一种风电机组叶片无人机路径规划方法
本专利技术涉及风力发电监控方法的
，特别涉及一种风电机组叶片无人机路径规划方法。
技术介绍
随着无人机的发展，无人机应用在军事领域、农业生产、环境监测、搜救、跟踪、通信中继等方面。无人机之所以能够被广泛的应用到各行各业中，主要是因为无人机结构简单，造价低廉，和有人驾驶飞机相比安全，并能够完成有人驾驶飞机无法完成的任务。无人机路径规划是无人机在飞行过程中，要以任务的需求为依据进行寻找路径的一种方法。而无人机路径规划的目的就是在保证安全的前提下，无人机根据自身的性能和任务不同，在规定的时间内找到最短的路径并使威胁代价最小，并完成认定的任务。从时间上来划分，无人机路径规划分为预先的全局规划和局部的实时规划。预先全局规划主要是在无人机起飞之前，有地面控制台结合任务的需求以及无人机自身性能和地理环境等因素进行的全局规划；局部实时规划是指无人机在飞行过程中，需要根据环境因素、任务动态变化或出现的新威胁，对原来已经规划好的路径进行及时调整，保证无人机可以安全顺利完成任务。随着无人机在风电方面的广泛应用，无人机自动叶片巡检技术的研究成为该领域的热门话题。而要实现无人机的自动巡检的任务，则需要实现无人机的飞行路线的设计，以及无人机自主定位，路径规划的能力。风电机组的叶片是将风能转化为电能的重要零件之一，但是在风机发电过程中由于环境多变性等因素，表面可能会产生砂眼，裂纹，剥皮等常见缺陷，其缺陷会严重影响风力发电的效率与安全。目前，使用无人机对风电机组的叶片进行巡检的路径规划中，并没有能够规划处完整有序的路径来对叶片进行全面的影像拍摄，这就导致无人机在巡检过程中可能存在由于路径规划不当而导致的对叶片部分区域遗漏拍摄的情况，这不利于对叶片状态的有效监控。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种风电机组叶片无人机路径规划方法，该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标，并基于该地理三维坐标和预设空间几何关系，建立和规划关于该无人机的全局飞行路线，再在该全局飞行路线规划完成和该无人机起飞后，对该无人机的实时飞行路径进行局部飞行线路的规划，最后基于该局部飞行线路的规划结果，对该无人机的飞行线路进行实时更新处理。该风电机组叶片无人机路径规划方法是采用影像视觉的方式获取风电机组叶片的叶尖以及叶片中心转轴地理三维坐标，构建预先全局规划；然后起飞后根据二维激光雷达进行局部路径的修正，以完成无人机自主巡检的任务，其能够实现迎风面、背风面、前缘、后缘之间任务点的衔接；通过该风电机组叶片无人机路径规划方法能够有效地减少人工预先全局规划的工作，实现全自动路径规划的功能，对实现风机自动巡检任务起着积极的作用。本专利技术提供一种风电机组叶片无人机路径规划方法，其特征在于，所述风电机组叶片无人机路径规划方法包括如下步骤：步骤(1)，获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标；步骤(2)，基于所述地理三维坐标和预设空间几何关系，建立和规划关于所述无人机的全局飞行路线；步骤(3)，在所述全局飞行路线规划完成和所述无人机起飞后，对所述无人机的实时飞行路径进行局部飞行线路的规划；步骤(4)，基于所述局部飞行线路的规划结果，对所述无人机的飞行线路进行实时更新处理；进一步，在所述步骤(1)中，获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标具体包括，步骤(101)，获取关于所述风电机组的原始图像，并对所述图像进行预处理；步骤(102)，基于MaskR-CNN神经网络识别模型，对经过所述预处理的所述原始图像进行识别处理，以此获得关于所述叶片和所述叶尖的结构信息；步骤(103)，基于所述叶片和所述叶尖的结构信息，快速提取所述叶片和所述叶尖的特征信息，同时通过PnP模型计算得到所述叶尖和所述叶片中心转轴的地理三维坐标；进一步，在所述步骤(101)中，获取关于所述风电机组的原始图像，并对所述图像进行预处理具体包括，步骤(1011)，获取若干关于所述风电机组的原始图像，并通过预设图像解算模型计算获得若干关于所述风电机组的原始图像中的每一个对应的图像边缘清晰度系数；步骤(1012)，基于计算获得的所有图像边缘清晰度系数，确定其中一幅原始图像作为执行所述预处理的目标图像，其中，所述预处理至少包括高斯滤波降噪处理或者卡尔曼滤波降噪处理；或者，在所述步骤(102)中，基于MaskR-CNN神经网络识别模型，对经过所述预处理的所述原始图像进行识别处理，以此获得关于所述叶片和所述叶尖的结构信息具体包括，步骤(1021)，通过所述MaskR-CNN神经网络识别模型，获得所述原始图像中存在的叶片和叶尖的边缘轮廓信息和/或者颜色信息；步骤(1022)，通过所述MaskR-CNN神经网络识别模型，对所述边缘轮廓信息和/或者颜色信息进行运算处理，以此得到关于所述叶片和所述叶尖的结构信息，其中，所述结构信息至少包括所述叶片和所述叶尖的形状信息和/或尺寸信息；进一步，在所述步骤(2)中，基于所述地理三维坐标和预设空间几何关系，建立和规划关于所述无人机的全局飞行路线具体包括，步骤(201)，将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标；步骤(202)，根据关于所述叶尖的直角空间坐标，计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息；步骤(203)，将关于所述叶片的不同结构部位对应的直角空间坐标信息，变换回地理三维坐标空间对应的地理三维坐标信息；步骤(204)，根据关于所述叶片的不同结构部位对应的地理三维坐标信息，建立和规划关于所述无人机的全局飞行路线；进一步，在所述步骤(201)中，将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标具体包括，步骤(2011)，通过下面公式(1)和(2)计算获得卯酉圈曲率半径N在上述公式(1)和(2)中，N为卯酉圈曲率半径，a为地球椭圆的长半轴长度值，b为地球椭圆的短半轴长度值，e为中间参量，B为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值；步骤(2012)，通过下面公式(3)来实现将所述地理三维坐标变换为所述直角空间坐标在上述公式(3)中，X、Y、Z为所述直角空间坐标，B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值，N为卯酉圈曲率半径；进一步，在所述步骤(202)中，根据关于所述叶尖的直角坐标空间，计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息具体包括，步骤(2021)，根据关于所述叶尖的直角空间坐标，计算获得所述叶片所在平面的法向向量并根据所述法向向量判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点；步骤(2022)，根据关于所述叶尖的直角空间坐标，判断偏离所述叶片的任意本文档来自技高网...

【技术保护点】
1.一种风电机组叶片无人机路径规划方法，其特征在于，所述风电机组叶片无人机路径规划方法包括如下步骤：/n步骤(1)，获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标；/n步骤(2)，基于所述地理三维坐标和预设空间几何关系，建立和规划关于所述无人机的全局飞行路线；/n步骤(3)，在所述全局飞行路线规划完成和所述无人机起飞后，对所述无人机的实时飞行路径进行局部飞行线路的规划；/n步骤(4)，基于所述局部飞行线路的规划结果，对所述无人机的飞行线路进行实时更新处理。/n

【技术特征摘要】
1.一种风电机组叶片无人机路径规划方法，其特征在于，所述风电机组叶片无人机路径规划方法包括如下步骤：
步骤(1)，获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标；
步骤(2)，基于所述地理三维坐标和预设空间几何关系，建立和规划关于所述无人机的全局飞行路线；
步骤(3)，在所述全局飞行路线规划完成和所述无人机起飞后，对所述无人机的实时飞行路径进行局部飞行线路的规划；
步骤(4)，基于所述局部飞行线路的规划结果，对所述无人机的飞行线路进行实时更新处理。


2.如权利要求1所述的风电机组叶片无人机路径规划方法，其特征在于：在所述步骤(1)中，获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标具体包括，
步骤(101)，获取关于所述风电机组的原始图像，并对所述图像进行预处理；
步骤(102)，基于MaskR-CNN神经网络识别模型，对经过所述预处理的所述原始图像进行识别处理，以此获得关于所述叶片和所述叶尖的结构信息；
步骤(103)，基于所述叶片和所述叶尖的结构信息，快速提取所述叶片和所述叶尖的特征信息，同时通过PnP模型计算得到所述叶尖和所述叶片中心转轴的地理三维坐标。


3.如权利要求2所述的风电机组叶片无人机路径规划方法，其特征在于：在所述步骤(101)中，获取关于所述风电机组的原始图像，并对所述图像进行预处理具体包括，
步骤(1011)，获取若干关于所述风电机组的原始图像，并通过预设图像解算模型计算获得若干关于所述风电机组的原始图像中的每一个对应的图像边缘清晰度系数；
步骤(1012)，基于计算获得的所有图像边缘清晰度系数，确定其中一幅原始图像作为执行所述预处理的目标图像，其中，所述预处理至少包括高斯滤波降噪处理或者卡尔曼滤波降噪处理；
或者，
在所述步骤(102)中，基于MaskR-CNN神经网络识别模型，对经过所述预处理的所述原始图像进行识别处理，以此获得关于所述叶片和所述叶尖的结构信息具体包括，
步骤(1021)，通过所述MaskR-CNN神经网络识别模型，获得所述原始图像中存在的叶片和叶尖的边缘轮廓信息和/或者颜色信息；
步骤(1022)，通过所述MaskR-CNN神经网络识别模型，对所述边缘轮廓信息和/或者颜色信息进行运算处理，以此得到关于所述叶片和所述叶尖的结构信息，其中，所述结构信息至少包括所述叶片和所述叶尖的形状信息和/或尺寸信息。


4.如权利要求1所述的风电机组叶片无人机路径规划方法，其特征在于：在所述步骤(2)中，基于所述地理三维坐标和预设空间几何关系，建立和规划关于所述无人机的全局飞行路线具体包括，
步骤(201)，将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标；
步骤(202)，根据关于所述叶尖的直角空间坐标，计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息；
步骤(203)，将关于所述叶片的不同结构部位对应的直角空间坐标信息，变换回地理三维坐标空间对应的地理三维坐标信息；
步骤(204)，根据关于所述叶片的不同结构部位对应的地理三维坐标信息，建立和规划关于所述无人机的全局飞行路线。


5.如权利要求4所述的风电机组叶片无人机路径规划方法，其特征在于：在所述步骤(201)中，将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标具体包括，
步骤(2011)，通过下面公式(1)和(2)计算获得卯酉圈曲率半径N






在上述公式(1)和(2)中，N为卯酉圈曲率半径，a为地球椭圆的长半轴长度值，b为地球椭圆的短半轴长度值，e为中间参量，B为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值；
步骤(2012)，通过下面公式(3)来实现将所述地理三维坐标变换为所述直角空间坐标



在上述公式(3)中，X、Y、Z为所述直角空间坐标，B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值，N为卯酉圈曲率半径。


6.如权利要求4所述的风电机组叶片无人机路径规划方法，其特征在于：在所述步骤(202)中，根据关于所述叶尖的直角坐标空间，计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息具体包括，步骤(2021)，根据关于所述叶尖的直角空间坐标，计算获得所述叶片所在平面的法向向量并根据所述法向向量判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点；
步骤(2022)，根据关于所述叶尖的直角空间坐标，判断偏离所述叶片的任意直线究竟位于所述叶片的迎风面还是背风面；
步骤(2023)，根据...

【专利技术属性】
技术研发人员：刘月娥，李峥嵘，
申请(专利权)人：刘月娥，
类型：发明
国别省市：北京;11