一种基于多无人机的油井巡检方法、设备及介质技术

本说明书实施例提供了一种基于多无人机的油井巡检方法，属于石油生产技术领域，方法包括：获取油井巡检任务，油井巡检任务包含有待巡检区域中各油井的地理坐标位置；将油井巡检任务的待巡检区域划分为多个巡检子区域，并为每个巡检子区域分配多个无人机；确定巡检子区域中各无人机的最优飞行路径；控制无人机按最优飞行路径在巡检子区域进行图像采集，获取油井的初始拍摄图像；根据初始拍摄图像的位置坐标，过滤各巡检子区域的重叠区域，获取各巡检子区域的清晰图像作为待分析图像；将各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型，输出所述油井的安全隐患类型及位置坐标。患类型及位置坐标。患类型及位置坐标。

【技术实现步骤摘要】
一种基于多无人机的油井巡检方法、设备及介质


[0001]本说明书涉及石油生产
，尤其涉及一种基于多无人机的油井巡检方法、设备及介质。

技术介绍

[0002]石油产业是一个高风险并且收益高的行业，因此石油的安全生产是石油工业生产和发展的基础和前提。油井设备在石油开采现场常年运作，由于机械设备自身的损耗以及风雨雷电等自然因素的影响，容易造成设备的损坏和腐蚀，如不及时发现和消除，可能会发展成为各种故障，对油井的安全和稳定构成极大威胁。同时，由于石油资源的珍贵及较高的经济价值，不法分子对于石油资源的盗取现象时有发生，给油田带来了极大的经济损失。因此，保证对油井的定时定点巡检显得十分重要。
[0003]由于油气田的生产井的井距分散，跨度大。且所处环境恶劣，沙尘暴天气随时可能吞噬井场道路使得巡井、巡线的难度大，基于人工巡检和半人工巡检的方式，增加了人员的工作量和安全生产的风险。现有技术中，利用无人机搭载高清影像设备进行油井巡护，相对于传统巡检模式无需人员近距离操作，较为安全可靠。然而，随着任务复杂度和环境差异化的不断增加，对无人机的性能的要求也日益增长，单架无人机在进行多油井场景下的巡视时，需要耗费大量时间，巡检信息的实时性低且执行任务单一、使得油井巡检的效率低，无法实时掌握油井的安全状况。
[0004]基于此，需要一种可以提高油井巡检效率和实时性的无人机巡检方法。

技术实现思路

[0005]本说明书一个或多个实施例提供了一种基于多无人机的油井巡检方法、装置及设备，用于解决如下技术问题：如何提供一种可以提高油井巡检效率和巡检准确度的无人机巡检方法。
[0006]本说明书一个或多个实施例采用下述技术方案：
[0007]本说明书一个或多个实施例提供一种基于多无人机的油井巡检方法，包括：
[0008]获取油井巡检任务；其中，所述油井巡检任务包含有待巡检区域中各油井的地理坐标位置；
[0009]将所述油井巡检任务的待巡检区域划分为多个巡检子区域，并为每个巡检子区域分配对应功能的多个无人机；
[0010]确定所述多个巡检子区域中各无人机的最优飞行路径；
[0011]控制所述无人机按照所述最优飞行路径在巡检子区域进行图像采集，获取所述油井的初始拍摄图像；
[0012]根据所述初始拍摄图像具有的位置坐标，确定各巡检子区域中多个无人机初始拍摄图像的的重叠区域；
[0013]过滤所述各巡检子区域的重叠区域，获取所述各巡检子区域的清晰图像作为待分
析图像；
[0014]将所述各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型，输出所述油井的安全隐患类型及位置坐标。
[0015]可选地，本说明书一个或多个实施例中，所述将所述油井巡检任务的待巡检区域划分为多个巡检子区域，具体包括：
[0016]获取所述待巡检区域中各油井设备的历史巡检动作；
[0017]基于聚类算法对所述历史巡检动作进行聚类分析，获得预设距离阈值内的历史巡检动作的聚类中心；其中，所述历史巡检动作包括：可疑人员巡检、油井设备漏油巡检、危险物巡检、可燃物巡检；
[0018]根据所述聚类中心的聚类范围对所述待巡检区域进行分割，获得多个巡检子区域。
[0019]可选地，本说明书一个或多个实施例中，所述根据所述确定所述多个子区域中的预设最优飞行路径，具体包括：
[0020]根据所述巡检子区域内的油井的坐标及油井的重要等级，确定所述无人机的初始油井坐标与目标油井坐标；
[0021]基于所述无人机的巡检任务确定所述无人机的飞行高度；
[0022]根据所述飞行高度截取所述巡检子区域的二维平面图；
[0023]基于所述二维平面图，确定所述无人机的飞行区域；
[0024]根据所述无人机的飞行区域、所述无人机的起点油井坐标与目标油井坐标，确定所述巡检子区域内的无人机通行路径；
[0025]基于变邻域搜索算法对所述无人机通行路径进行分析，获得所述巡检子区域的最优飞行路径。
[0026]可选地，本说明书一个或多个实施例中，所述确定所述多个子区域中的预设最优飞行路径之后，所述方法还包括：
[0027]在每个巡检子区域的最优飞行路径中选取多个拍摄位置；
[0028]根据所述拍摄位置及所述巡检子区域的范围，设置所述无人机各拍摄位置处的拍摄角度与及拍摄参数，以使所述拍摄图像覆盖所述巡检子区域内油井的预设故障巡检点。
[0029]可选地，本说明书一个或多个实施例中，所述将所述各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型之前，所述方法还包括：
[0030]对所述各巡检子区域的待分析图像进行灰度校正和自适应直方图均衡化处理，获得所述待分析图像的校正图像；
[0031]基于预设的过滤方式对所述校正图像进行处理，去除所述校正图像的噪声数据，获得去噪图像；
[0032]将所述去噪图像作为各巡检子区域符合要求的待分析图像。
[0033]可选地，本说明书一个或多个实施例中，所述基于预设的过滤方式对所述校正图像进行处理，去除所述校正图像的噪声数据，获得去噪图像，具体包括：
[0034]根据所述校正图像的预估噪声强度，确定小波变化的参数；其中所述参数包括：小波基函数、分解层数、阈值函数；
[0035]根据所述小波变换的参数对所述校正图像进行分解，获得所述校正图像的高频分
量与低频分量；
[0036]利用高斯随机矩阵将所述高频分量投影到低频空间中，获得过滤噪声向量后的测量值；
[0037]对所述低频分量及所述测量值进行小波逆变换，以对所述去噪图像进行重构。
[0038]可选地，本说明书一个或多个实施例中，所述获取所述各巡检子区域的清晰图像作为待分析图像之后，所述方法还包括：
[0039]基于最小割最大流原理与所述各巡检子区域备份的重叠区域，确定所述巡检子区域内各图像间的最佳拼接方式；
[0040]根据所述最佳拼接方式对所述巡检子区域的待分析图像进行拼接，获得所述巡检子区域的初始拼接图像；
[0041]通过多分辨率技术对所述拼接图像进行融合，获得所述待巡检区域的全景图，以实现所述无人机巡检的任务统计。
[0042]可选地，本说明书一个或多个实施例中，所述将所述各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型之前，所述方法还包括：
[0043]获取待巡检区域的历史巡检图像，生成所述待巡检区域的样本库；其中，所述历史巡检图像包含：巡检油井的坐标、巡检油井的故障点、安全隐患位置标注、非工作人员区域；
[0044]根据所述巡检子区域的范围对所述历史巡检图像进行分割作为图像样本；
[0045]提取分解所述图像样本的特征向量，将所述特征向量进行降维分解作为训练样本；
[0046]将所述训练样本作为输入、所述油井的安全隐患及位置坐标作为输出对进行训练，获得识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多无人机的油井巡检方法，其特征在于，所述方法包括：获取油井巡检任务；其中，所述油井巡检任务包含有待巡检区域中各油井的地理坐标位置；将所述油井巡检任务的待巡检区域划分为多个巡检子区域，并为每个巡检子区域分配对应功能的多个无人机；确定所述多个巡检子区域中各无人机的最优飞行路径；控制所述无人机按照所述最优飞行路径在巡检子区域进行图像采集，获取所述油井的初始拍摄图像；根据所述初始拍摄图像具有的位置坐标，确定各巡检子区域中多个无人机初始拍摄图像的重叠区域；过滤所述各巡检子区域的重叠区域，获取所述各巡检子区域的清晰图像作为待分析图像；将所述各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型，输出所述油井的安全隐患类型及位置坐标。2.根据权利要求1所述的一种基于多无人机的油井巡检方法，其特征在于，所述将所述油井巡检任务的待巡检区域划分为多个巡检子区域，具体包括：获取所述待巡检区域中各油井设备的历史巡检动作；基于聚类算法对所述历史巡检动作进行聚类分析，获得预设距离阈值内的历史巡检动作的聚类中心；其中，所述历史巡检动作包括：可疑人员巡检、油井设备漏油巡检、危险物巡检、可燃物巡检；根据所述聚类中心的聚类范围对所述待巡检区域进行分割，获得多个巡检子区域。3.根据权利要求1所述的一种基于多无人机的油井巡检方法，其特征在于，所述确定所述多个巡检子区域中各无人机的最优飞行路径，具体包括：根据所述巡检子区域内的油井的坐标及油井的重要等级，确定所述无人机的初始油井坐标与目标油井坐标；基于所述无人机的巡检任务确定所述无人机的飞行高度；根据所述飞行高度截取所述巡检子区域的二维平面图；基于所述二维平面图，确定所述无人机的飞行区域；根据所述无人机的飞行区域、所述无人机的起点油井坐标与目标油井坐标，确定所述巡检子区域内的无人机通行路径；基于变邻域搜索算法对所述无人机通行路径进行分析，获得所述巡检子区域的最优飞行路径。4.根据权利要求1所述的一种基于多无人机的油井巡检方法，其特征在于，所述确定所述多个巡检子区域中各无人机的最优飞行路径之后，所述方法还包括：在每个巡检子区域的最优飞行路径中选取多个拍摄位置；根据所述拍摄位置及所述巡检子区域的范围，设置所述无人机各拍摄位置处的拍摄角度与及拍摄参数，以使所述拍摄图像覆盖所述巡检子区域内油井的预设故障巡检点。5.根据权利要求1所述的一种基于多无人机的油井巡检方法，其特征在于，所述将所述各巡检子区域符合要求的待分析图像输入预先设置的油井隐患识别网络模型之前，所述方
法还包括：对所述各巡检子区域的待分析图像进行灰度校正和自适应直方图均衡化处理，获得所述待分析图像的校正图像；基于预设的过滤方式对所述校正图像进行处理，去除所述校正图像的噪声数据，获得去噪图像；将所述去噪图像作为各巡检子区域符合要求的待分析图像。6.根据权利要求5所述的一种基于多无人机的油井巡检方法，其特征在于，所述基于预设的过滤方式对所述校正图像进行处理，去除所述校正图像的噪声数据，获得去噪图像，具体包括：根据所述校正图像的预估噪声强度，确定小波变化的参数；其中所述参数包括：小波基函数、分解层数、阈值函数；根据所述小波变换的参数对所述校正图像进行分解，获得所述校正图像的高频分...

【专利技术属性】
技术研发人员：崔仕章，侯云福，宋新旺，张凤莲，程海鹏，张荣军，曾刚，
申请(专利权)人：山东德仕石油装备有限公司山东德仕化工有限公司，
类型：发明
国别省市：