用于油样回收的无人机抓载方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种用于油样回收的无人机抓载方法、装置及存储介质，用于油样回收的无人机抓载方法包括：通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据；图像模块处理第一图像数据，得到多个第二图像数据；多视角卷积神经网络三维模型分类算法对多个第二图像数据进行分类，得到分类结果，并根据分类结果确定容器类型；根据分类结果和容器类型，处理模块向控制模块下达姿态调整命令；控制模块应用高阶滑模观测器算法控制驱动搭载在无人机上的机械臂的关节按照预设路径和预设角度进行调整；控制模块控制无人机移动定位到容器的上方，对容器进行第一动作。本发明专利技术实施例使无人机抓取更加方便和安全。明实施例使无人机抓取更加方便和安全。明实施例使无人机抓取更加方便和安全。

【技术实现步骤摘要】
用于油样回收的无人机抓载方法、装置及存储介质


[0001]本专利技术涉及油样回收
，具体而言，涉及一种用于油样回收的无人机抓载方法、装置及存储介质。

技术介绍

[0002]变压器是变电站的核心装置，起到了电压变换、电流变换、稳压等功能。变压器的绝缘油对于变压器的稳定运行起到了绝缘、冷却以及灭弧等作用。因此，变压器绝缘油对于变压器的正常安全运行起到至关重要的作用。在实际的工程中，对于变压器油样会定期进行耐压，介损，微水，色谱等油化试验，通过分析绝缘油的品质和性能来发现变压器在投运前或运行中存在的缺陷，从而进一步降低设备的故障率，保障设备运行的可靠性。
[0003]目前，变压器绝缘油在采样后的运输与回收均为人工手动操作，消耗了一定的人力及物力。由于试验品容器外壁大多存在残油，运输过程中容易打滑，甚至造成容器跌落损坏，且运输效率较低。同时由于变电站环境相对恶劣，在运输过程中人员存在一定的安全风险隐患。而目前市场上的无人机抓取装置存在以下问题：传统的抓取装载装置需要手动调整操作，使用不便。在抓取过程中，由于抓取装置姿态的不适应容易造成损伤或丢失被抓取物品。

技术实现思路

[0004]因此，本专利技术实施例提供一种用于油样回收的无人机抓载方法、装置及存储介质，使无人机抓取更加方便和安全。
[0005]为解决上述问题，本专利技术提供一种用于油样回收的无人机抓载方法包括：通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据；通过图像模块处理第一图像数据，得到多个第二图像数据；通过多视角卷积神经网络三维模型分类算法对多个第二图像数据进行分类，得到分类结果，并根据分类结果确定容器类型；根据分类结果和容器类型，通过处理模块向控制模块下达姿态调整命令；控制模块应用高阶滑模观测器算法控制驱动搭载在无人机上的机械臂的关节按照预设路径和预设角度进行调整；控制模块控制无人机移动定位到容器的上方，对容器进行第一动作；其中，第一动作包括：抓取、提升、旋转和降落。
[0006]与现有技术相比，采用该技术方案所达到的技术效果：通过设置无人机上的拍摄模块对容器进行图像采集，获得容器的图像信息，便于后续对容器进行识别，同时设置图像模块来对第一图像数据进行处理，使拍摄模块拍摄得到的第一图像数据更加清楚，能使后续容器的辨别更加快捷方便，同时通过多视角卷积神经网络三维模型分类算法对多个第二图像数据进行分类，得到分类结果，并根据分类结果确定容器类型，多视角卷积神经网络三维模型分类算法使分类更加准确，同时容错性更高，使图像分类的结果更加具有可信性，提高了后续容器辨别的准确性。还设置了根据分类结果和容器类型，通过处理模块向控制模块下达姿态调整命令；控制模块应用高阶滑模观测器算法控制驱动搭载在无人机上的机械
臂的关节按照预设路径和预设角度进行调整，使机械臂上的关节在抓取容器时开度准确符合容器的重量和尺寸，保障在抓取容器时容器不会掉落，造成安全事故，保障了容器的稳定抓取和移动，使无人机抓载更加安全和方便，同时通过控制模块控制无人机移动定位到容器的上方，对容器进行第一动作，第一动作包括：抓取、提升、旋转和降落，通过机械臂的自动控制操作，减少了人力操作，使抓取效率更高，同时也更加方便安全。
[0007]在本专利技术的一个实例中，通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据之前，还包括：通过拍摄模块获取多种不同容量的容器对应的多个第三图像数据；图像模块对每个第三图像数据进行投影处理，得到每个第三图像数据对应的多个第四图像数据；图像模块整合多个第三图像数据对应的多个第四图像数据为训练集。
[0008]与现有技术相比，采用该技术方案所达到的技术效果：通过设置对不同容量的容器进行拍摄，得到第三图像数据，使多种不同容量的容器的图像数据能被记录，使后续无人机抓载容器时，辨别容器的范围更大，兼容性更强，辨别更加准确，使抓取过程更加准确方便，同时设置图像模块对每个第三图像数据进行投影处理，得到每个第三图像数据对应的多个第四图像数据，并将多个第三图像数据对应的多个第四图像数据整合为训练集，通过训练集来帮助后续无人机抓载时更快更准确的辨别容器，使无人机的抓载过程更加的方便和高效。
[0009]在本专利技术的一个实例中，通过图像模块处理第一图像数据，得到多个第二图像数据，还包括：对多个第二图像数据进行数字预处理，得到多个第二图像数据的基于颜色空间的三维数据矩阵；对三维数据矩阵进行去中心化处理，得到去中心化三维数据矩阵，并将去中心化三维数据矩阵导入多视角卷积神经网络。
[0010]与现有技术相比，采用该技术方案所达到的技术效果：通过设置对第二图像数据进行数字预处理，得到多个第二图像数据的基于颜色空间的三维数据矩阵，将图像数据转换为三维数据矩阵，能通过三维数据矩阵更加全面和更加客观的性质，以及三维数据矩阵能更好的反应图像里的特征，同时基于颜色空间的三维数据矩阵，使能对图像数据中的颜色进行精准的识别和特征提取，方便后续对其进行识别，能使无人机更好的识别目前需要抓取容器，同时还设置了对三维数据矩阵进行去中心化处理，得到去中心化三维数据矩阵，并将去中心化三维数据矩阵导入多视角卷积神经网络，使整个数据的容错性更加，能使后续的识别过程更加准确和快速，同时通过将去中心化后的三维数据矩阵导入多视角卷积神经网络，通过多视角卷积神经网络来对其提取后续的特征，使后续对图像数据中的容器的分类更加精准，更加方便，使后续无人机的识别和抓取也更加方便快捷。
[0011]在本专利技术的一个实例中，通过多视角卷积神经网络三维模型分类算法对多个第二图像数据进行分类，得到分类结果，并根据分类结果确定容器类型，还包括：将去中心化三维数据矩阵导入第一卷积神经网络，通过第一卷积神经网络进行特征提取，得到第一特征值；通过第一卷积神经网络对第一特征值进行特征融合，得到融合特征，并将融合特征导入第二卷积神经网络。
[0012]与现有技术相比，采用该技术方案所达到的技术效果：通过设置将去中心化三维数据矩阵导入第一卷积神经网络，通过第一卷积神经网络进行特征提取，使通过卷积神经网络对特征的快速精准识别和提取，使去中心化三维数据矩阵中需求的特征被快速提取，得到第一特征值，方便后续的识别操作，同时设置通过第一卷积神经网络对第一特征值进
行特征融合，得到融合特征，并将融合特征导入第二卷积神经网络，使多个特征融合，能更加方便的得到整体的特征，使识别时更加的方便，也更加便于分类，使后续的辨别更加精准和方便。
[0013]在本专利技术的一个实例中，将融合特征导入第二卷积神经网络，还包括：通过第二卷积神经网络对融合特征进行特征提取，得到第二特征值；将第二特征值与训练集进行对照比较，确定容器的分类结果。
[0014]与现有技术相比，采用该技术方案所达到的技术效果：通过第二卷积神经网络对融合特征进行特征提取，得到第二特征值，使融合特征中的特征被精准识别和提取，并将提取后的第二特征值与训练集进行对照比较，确定容器的分类结果，使将需要抓取的容器的特征都被提取，并与训练集进行比较，使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于油样回收的无人机抓载方法，其特征在于，包括：通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据；通过图像模块处理所述第一图像数据，得到多个第二图像数据；通过多视角卷积神经网络三维模型分类算法对所述多个第二图像数据进行分类，得到分类结果，并根据所述分类结果确定容器类型；根据所述分类结果和所述容器类型，通过处理模块向控制模块下达姿态调整命令；控制模块应用高阶滑模观测器算法控制驱动搭载在所述无人机上的机械臂的关节按照预设路径和预设角度进行调整；控制模块控制所述无人机移动定位到所述容器的上方，对所述容器进行第一动作；其中，所述第一动作包括：抓取、提升、旋转和降落。2.根据权利要求1所述的用于油样回收的无人机抓载方法，其特征在于，所述通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据之前，还包括：通过拍摄模块获取多种不同容量的容器对应的多个第三图像数据；所述图像模块对每个所述第三图像数据进行投影处理，得到每个所述第三图像数据对应的多个第四图像数据；所述图像模块整合多个所述第三图像数据对应的多个第四图像数据为训练集。3.根据权利要求2所述的用于油样回收的无人机抓载方法，其特征在于，所述通过图像模块处理所述第一图像数据，得到多个第二图像数据，还包括：对所述多个第二图像数据进行数字预处理，得到所述多个第二图像数据的基于颜色空间的三维数据矩阵；对所述三维数据矩阵进行去中心化处理，得到去中心化三维数据矩阵，并将所述去中心化三维数据矩阵导入多视角卷积神经网络。4.根据权利要求3所述的用于油样回收的无人机抓载方法，其特征在于，所述通过多视角卷积神经网络三维模型分类算法对所述多个第二图像数据进行分类，得到分类结果，并根据所述分类结果确定容器类型，还包括：将所述去中心化三维数据矩阵导入第一卷积神经网络，通过所述第一卷积神经网络进行特征提取，得到第一特征值；通过所述第一卷积神经网络对所述第一特征值进行特征融合，得到融合特征，并将所述融合特征导入第二卷积神经网络。5.根据权利要求4所述的用于油样回收的无人机抓载方法，其特征在于，所述将所述融合特征导入第二卷积神经网络，还包括：通过所述第二卷积神经网络对所述融合特征进行特征提取，得到第二特征值；将所述第二特征值与所述训练集进行对照比较，确定所述容器的分类结果。6.根据权利要求1所述的用于油样回收的无人机抓载方法，其特征在于，所述控制模块应用高阶滑模观测器算法控制驱动搭载在所述无人机上的机械臂的关节按照预设路径和预设角度进行调整之前，建立所述高阶滑模观测器，还包括：建立拉格朗日功能平衡方程；通过所述拉格朗日功能平衡方程建立永磁同步电机具体的动态机电数学模型和选取基于等速趋近律的滑模...

【专利技术属性】
技术研发人员：徐蕴镠，蒋科若，姜炯挺，王凯军，肖立飞，钱凯，杨跃平，许欣，黄桢，赵鲁臻，高垚冲，何迪，邵志鹏，沈浩，徐东捷，
申请(专利权)人：国网浙江省电力有限公司宁波供电公司，
类型：发明
国别省市：