一种基于制造技术

本申请提供了一种基于

【技术实现步骤摘要】
一种基于RTK的杆塔基础分坑方法


[0001]本申请涉及电网基建
，特别涉及一种基于
RTK
的杆塔基础分坑方法
。

技术介绍

[0002]本部分的陈述仅仅是提供了与本申请相关的
技术介绍
信息，不必然构成在先技术
。
[0003]在输电架空线路施工过程中，准确找出杆塔基础分坑位置至关重要
。
目前的分坑方法是施工人员使用经纬仪或全站仪对线路杆塔进行分坑，操作复杂，测量用时长，且由于人员
、
设备因素等原因，容易产生测量误差，尤其是对于山地等特殊地形中的高低腿基础分坑，工作难度又进一步加大
。
由此，一种降低人员劳动强度，能够克服恶劣地形，提高分坑精度和分坑效率的基础分坑方法成为了亟待解决的技术问题
。

技术实现思路

[0004]为了解决上述问题，本申请提出了一种基于
RTK
的杆塔基础分坑方法，利用高精度自定位的无人机携带激光标示机构从高空对杆塔中心桩
、
角桩进行定位，降低了人员工作难度，提升了基础分坑的精度和效率
。
[0005]本申请提供了一种基于
RTK
的杆塔基础分坑方法，基于携带激光标示机构和定位机构的无人机以及与无人机无线通讯的移动终端，具体包括如下步骤：
[0006]S1
：无人机获取基础分坑参数，所述参数信息包括杆塔中心桩的坐标
、
高程以及方向桩的坐标
、
高程，根据基础分坑参数计算各个角桩的位置信息；
[0007]S2
：无人机飞行至杆塔中心桩垂直上空预设高度
H
，无人机保持机身水平并垂直向下发射激光，地面作业人员通过激光光点是否与设计标定的杆塔中心桩重合，确定本次作业的精度是否满足要求，若是，执行步骤
S3
，若否，则执行检修操作后重新执行步骤
S2
；
[0008]S3
：无人机飞行至任一基础中心垂直上空预设高度
H
，无人机保持机身水平并垂直向下发射激光，直至无人机无人机接收到基础中心桩位标示完成的指令，无人机通过定位机构进行自身位置和位姿的感知；
[0009]S4
：无人机按照步骤
S3
的操作依次飞行至同一基础各个角桩，完成各个角桩的激光标示；
[0010]S5
：重复步骤
S3
和
S4
，直至完成所有基础的中心桩位和角桩的激光标示；
[0011]S6
：在基础中心桩位和角桩处打上定位桩，无人机完成所有基础全部桩位的激光标识后飞行至杆塔中心桩上空采集定位桩图像并对其视觉定位，判断此次基础分坑工作中所标示全部桩位的精度是否达到预设值，若是，则跳转到步骤
S7
，若否，则跳转到步骤
S3
；
[0012]S7
：无人机完成作业，下降复位
。
[0013]优选地，所述无人机为多旋翼无人机
。
[0014]优选地，所述步骤
S2
中，检修操作具体如下：
[0015]对无人机进行检修；对基础分坑参数进行核对；对至少包括风速的环境参数进行
检查，判断是否需要暂停作
。
[0016]优选地，所述步骤2中，无人机采集地面图像，判断杆塔区域地面的倾斜度，并根据地面倾斜度
、
基础根开选择高度
H
的具体数值
。
[0017]优选地，所述步骤
S2、S3
中，地面人员通过移动终端与无人机通讯的通讯方式可为蓝牙
、Wi
‑
Fi、5G
通讯中的任意一种或几种组合
。
[0018]优选地，所述定位机构包括
RTK
模块和
IMU
模块，所述
RTK
模块和
IMU
模块进行数据融合完成无人机位置和位姿的感知
。
[0019]优选地，所述
RTK
模块和
IMU
模块进行数据融合完成无人机位置和位姿的感知的具体方法为：
[0020]S101
：生成卡尔曼滤波模型并进行初始化，同步
RTK
模块和
IMU
模块的采集频率；
[0021]S102
：基于
IMU
模块的数据对当前无人机的位置
、
位姿进行预测；
[0022]S103
：基于
RTK
模块的数据对预测数据进行更新修正；
[0023]S104
：基于更新修正后的数据计算卡尔曼增益，并通过卡尔曼增益进行无人机状态的更新；
[0024]S105
：重复步骤
S102
至
S104
，完成无人机状态的实时更新
。
[0025]优选地，所述步骤
S101
中，生成卡尔曼滤波模型的具体方法为：
[0026]生成无人机状态向量：
[0027]x
＝
[p v q ba bg]^T
；
[0028]其中，
p
为向量，
v
为速度向量，
q
为无人机姿态四元数，
ba
为加速度偏执向量，
bg
为角速度偏执向量，采集并定义无人机的初始状态信息；
[0029]所述步骤
S102
中，对当前无人机的位置
、
位姿进行预测的具体方法为：
[0030]基于
IMU
模块采集的数据生成状态转移矩阵
F
和过程噪声协方差矩阵
Q
，则预测的无人机状和位置更新量分别为：
[0031]x_hat
＝
F*x
；
[0032]P_hat
＝
F*P*F^T+Q
；
[0033]所述步骤
S103
中，对预测数据进行更新修正的具体方法为：
[0034]设置观测向量；
z
＝
[GPS_position GPS_velocity IMU_acceleration IMU_angular_rate]^T
，其中，
GPS_position
为
RTK
测得的位置，
GPS_velocity
为
RTK
测得的速度，
IMU_acceleration
为
IMU
测得的加速度，
IMU_angular_rate
为
IMU
测得的角速度；
[0035]基于观测向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
RTK
的杆塔基础分坑方法，其特征在于，基于携带激光标示机构和定位机构的无人机以及与无人机无线通讯的移动终端，具体包括如下步骤：
S1
：无人机获取基础分坑参数，所述参数信息包括杆塔中心桩的坐标
、
高程以及方向桩的坐标
、
高程，根据基础分坑参数计算各个角桩的位置信息；
S2
：无人机飞行至杆塔中心桩垂直上空预设高度
H
，无人机保持机身水平并垂直向下发射激光，地面作业人员通过激光光点是否与设计标定的杆塔中心桩重合，确定本次作业的精度是否满足要求，若是，执行步骤
S3
，若否，则执行检修操作后重新执行步骤
S2
；
S3
：无人机飞行至任一基础中心垂直上空预设高度
H
，无人机保持机身水平并垂直向下发射激光，直至无人机无人机接收到基础中心桩位标示完成的指令，无人机通过定位机构进行自身位置和位姿的感知；
S4
：无人机按照步骤
S3
的操作依次飞行至同一基础各个角桩，完成各个角桩的激光标示；
S5
：重复步骤
S3
和
S4
，直至完成所有基础的中心桩位和角桩的激光标示；
S6
：在基础中心桩位和角桩处打上定位桩，无人机完成所有基础全部桩位的激光标识后飞行至杆塔中心桩上空采集定位桩图像并对其视觉定位，判断此次基础分坑工作中所标示全部桩位的精度是否达到预设值，若是，则跳转到步骤
S7
，若否，则跳转到步骤
S3
；
S7
：无人机完成作业，下降复位
。2.
根据权利要求1所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述无人机为多旋翼无人机
。3.
根据权利要求1所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述步骤
S2
中，检修操作具体如下：对无人机进行检修；对基础分坑参数进行核对；对至少包括风速的环境参数进行检查，判断是否需要暂停作业
。4.
根据权利要求1所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述步骤2中，无人机采集地面图像，判断杆塔区域地面的倾斜度，并根据地面倾斜度
、
基础根开选择高度
H
的具体数值
。5.
根据权利要求1所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述步骤
S2、S3
中，地面人员通过移动终端与无人机通讯的通讯方式可为蓝牙
、Wi
‑
Fi、5G
通讯中的任意一种或几种组合
。6.
根据权利要求1所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述定位机构包括
RTK
模块和
IMU
模块，所述
RTK
模块和
IMU
模块进行数据融合完成无人机位置和位姿的感知
。7.
根据权利要求6所述的一种基于
RTK
的杆塔基础分坑方法，其特征在于：所述
RTK
模块和
IMU
模块进行数据融合完成无人机位置和位姿的感知的具体方法为：
S101
：生成卡尔曼滤波模型并进行初始化，同步
RTK
模块和
IMU
...

【专利技术属性】
技术研发人员：牛志强，戴建强，李珊，赵龙，丁光明，徐硕，张贵涛，冯其凯，陈星延，陈涛，林建，刘洋，王友明，王久成，李旺，刘贵新，
申请(专利权)人：国网山东省电力公司临沂供电公司，
类型：发明
国别省市：