【技术实现步骤摘要】
本专利技术涉及无人机，尤其涉及一种面向无人机巡检过程中的路径规划和缺陷识别方法及装置。
技术介绍
1、在科学技术的推动下，软硬件技术逐渐得到提升，使得智能化设备也逐渐趋向于成熟，相比于人工巡检作业的方式，基于智能技术发展起来的无人机巡检技术逐渐在巡检领域占据重要的地位。
2、由于经济发展的速度呈指数上升的方式，地貌建筑便也随着经济的发展呈指数的增加，因此针对巡检过程若按照原始的巡检路径则会出现巡检路径不通的情况，针对此问题，业界研发出了多种路径规划方案，例如，专利文献cn112327920b公开了一种无人机自主避障巡检路径规划方法及装置，其中，无人机巡检路径规划方法包括：建立巡检区域的三维模型，所述三维模型中包括所述巡检区域内设备的点云数据；根据所述三维模型及禁飞策略，确定三维巡检安全区域；根据巡检计划及三维模型，确定第一巡检目标任务点集合；根据三维巡检安全区域、第一巡检目标任务点集合及无人机信息，建立第一巡检路径。再例如，专利文献cn109358650b公开了一种巡检路径规划方法、装置、无人机和计算机可读存储介质，方法包括接收远程控制端发送的巡检目标位置集合，从巡检目标位置集合中选取任一巡检目标位置并根据第一预设导航避障条件确定巡检目标位置对应的可选巡检位置集合，计算可选巡检位置集合中每一个可选巡检位置对应的巡检覆盖率，得到巡检目标位置对应的巡检覆盖率集合，选取巡检覆盖率集合中的最大值对应的可选巡检位置作为巡检目标位置对应的巡检位置，计算巡检目标位置集合中所有巡检目标位置对应的巡检位置，根据第二预设导航避障条件以及
3、上述路径规划方案虽然能够在无人机巡检过程中实现避障，但是规划出来的路径并非最优路径，并且规划速度慢，反应时间长，使得无人机的巡检效率不高。
技术实现思路
1、本专利技术提供了一种面向无人机巡检过程中的路径规划和缺陷识别方法及装置，能够有效提高无人机巡检效率。
2、一种面向无人机巡检过程中的路径规划和缺陷识别方法，包括：
3、采集巡检区域的倾斜摄影图像数据；
4、根据所述倾斜摄影图像数据生成巡检区域的点云数据；
5、基于平均曲率平滑和三角网格化的方式对所述点云数据进行重建，获得巡检区域的实景重建结果；
6、对所述实景重建结果进行栅格划分，根据划分的栅格进行区域划分，基于区域划分结果进行路径规划，并对规划的路径进行优化，获得最优巡检路径；
7、控制无人机按照所述最优巡检路径进行巡检，巡检过程中采集目标图像数据，将所述目标图像数据输入至预先建立的缺陷检测模型进行缺陷识别。
8、进一步地，所述缺陷检测模型对所述目标图像数据进行预处理，对预处理后的目标图像数据进行分支和融合操作，并引入注意力机制获得不同尺寸以及不同通道数的浅层目标图像特征；对所述浅层目标图像特征进行深层提取，并引入注意力机制获得深层目标图像特征，将所述浅层目标图像特征与深层目标图像特征进行融合，获得融合目标图像特征，基于所述融合目标图像特征进行缺陷识别，获得缺陷识别结果。
9、进一步地，基于平均曲率平滑和三角网格化的方式对所述点云数据进行重建，获得巡检区域的实景重建结果，包括：
10、对所述点云数据进行平均曲率平滑处理，将点云数据从高频尺度空间转换为低频尺度空间，获得低频点云数据；
11、对所述低频点云数据执行三角网格化，获得低频重建网格；
12、将所述低频重建网格从低频尺度空间转换为高频尺度空间，获得所述实景重建结果。
13、进一步地，对所述点云数据进行平均曲率平滑处理，将点云数据从高频尺度空间转换为低频尺度空间，获得低频点云数据，包括：
14、选择点云数据中的数据点，对选中的数据点获取其最大曲率和最小曲率，根据所述最大曲率和最小曲率计算平均曲率；
15、根据所述平均曲率按照正比速度使选中的数据点向法矢量方向进行移动和平滑，获得低频点云数据，并获得数据点空间转换关系；
16、将所述低频重建网格从低频尺度空间转换为高频尺度空间，包括：
17、根据所述数据点空间转换关系将所述低频重建网格进行映射，实现低频尺度空间到高频尺度空间的转换。
18、进一步地，对所述低频点云数据执行三角网格化，获得低频重建网格，包括：
19、从所述低频点云数据中，选择初始三角形网格种子形成初始三角形网格；
20、以所述初始三角形网格的一条边为基础，在预设范围内选择满足距离阈值的点云数据构建第一候选点集；
21、从所述第一候选点集中选择未被网格化的数据点或者位于边界上的数据点作为新三角形的第二候选点集；
22、从所述第二候选点集中选择满足三角剖分准则的数据点作为新三角形的顶点，形成新的三角形；
23、将新三角形加入当前的三角形网格中；
24、完成所述低频点云数据中的所有数据点的三角网格化之后，获得所述低频重建网格。
25、进一步地，选择初始三角形网格种子，包括：
26、从所述低频点云数据中，选择随机点；
27、采用八叉树查询的方式从剩余的低频点云数据中查找与所述随机点的距离小于预设阈值的数据点构成初始三角候选点集；
28、当所述初始三角候选点集不为空时，从所述初始三角候选点集中选取满足预设条件的两个点与所述随机点构成初始三角网格种子；
29、其中，所述预设条件包括：选取的两点与所述随机点不在同一条直线上；选取的两点与所述随机点形成的球体不包含所述初始三角候选点集中的任意一点；所述初始三角候选点集中的任意一点都在由选取的两点以及所述随机点形成的球体的相同一侧。
30、进一步地，对所述实景重建结果进行栅格划分，根据划分的栅格进行区域划分，包括：
31、步骤a、将所述实景重建结果划分为大小相同的栅格，并将每个栅格作为一个节点；
32、步骤b、以路径起点所在的栅格作为根节点，构成当前子区域，并将路径起点相邻的栅格作为子节点；
33、步骤c、判断当前根节点周围的子节点中是否存在同类型节点，当存在同类型节点时，跳转至步骤e，若存在不同类型节点，则跳转至步骤d，节点类型包括空白节点和非空节点；
34、步骤d、将当前根节点相邻的不同类型的子节点作为新的根节点，生成新的子区域，将子区域的数量编号加1，并跳转至步骤e；
35、步骤e、判断当前区域内的节点数量是否达到预设上限，若达到预设上限则跳转至步骤f，若未达到预设上限则跳转至步骤g；
36、步骤f、生成新的子区域，并将子区域的数量编号加1，跳转至步骤h；
37、步骤g、将同类型的子节点加入当前子区域；
38、步骤h、判断所有节点是否都以划分子区域，若是，则结束流程，否则跳转步本文档来自技高网...
【技术保护点】
1.一种面向无人机巡检过程中的路径规划和缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型对所述目标图像数据进行预处理，对预处理后的目标图像数据进行分支和融合操作，并引入注意力机制获得不同尺寸以及不同通道数的浅层目标图像特征；对所述浅层目标图像特征进行深层提取，并引入注意力机制获得深层目标图像特征，将所述浅层目标图像特征与深层目标图像特征进行融合，获得融合目标图像特征，基于所述融合目标图像特征进行缺陷识别，获得缺陷识别结果。
3.根据权利要求1所述的方法，其特征在于，基于平均曲率平滑和三角网格化的方式对所述点云数据进行重建，获得巡检区域的实景重建结果，包括：
4.根据权利要求3所述的方法，其特征在于，对所述点云数据进行平均曲率平滑处理，将点云数据从高频尺度空间转换为低频尺度空间，获得低频点云数据，包括：
5.根据权利要求3所述的方法，其特征在于，对所述低频点云数据执行三角网格化，获得低频重建网格，包括：
6.根据权利要求5所述的方法，其特征在于，选择初始三角形网格种子，包括：p>
7.根据权利要求1所述的方法，其特征在于，对所述实景重建结果进行栅格划分，根据划分的栅格进行区域划分，包括：
8.根据权利要求7所述的方法，其特征在于，基于区域划分结果进行路径规划，并对规划的路径进行优化，获得最优巡检路径，包括：
9.一种应用于如权利要求1-8任一所述方法的面向无人机巡检过程中的路径规划和缺陷识别装置，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器读取并执行如权利要求1-8任一所述的方法。
...【技术特征摘要】
1.一种面向无人机巡检过程中的路径规划和缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型对所述目标图像数据进行预处理，对预处理后的目标图像数据进行分支和融合操作，并引入注意力机制获得不同尺寸以及不同通道数的浅层目标图像特征；对所述浅层目标图像特征进行深层提取，并引入注意力机制获得深层目标图像特征，将所述浅层目标图像特征与深层目标图像特征进行融合，获得融合目标图像特征，基于所述融合目标图像特征进行缺陷识别，获得缺陷识别结果。
3.根据权利要求1所述的方法，其特征在于，基于平均曲率平滑和三角网格化的方式对所述点云数据进行重建，获得巡检区域的实景重建结果，包括：
4.根据权利要求3所述的方法，其特征在于，对所述点云数据进行平均曲率平滑处理，将点云数据从高频尺度空间转换为低频...
【专利技术属性】
技术研发人员：戴永东，王茂飞，李明江，蒋承伶，马洲俊，毛锋，符瑞，刘海，申健，鞠玲，朱岩泉，叶振兴，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。