【技术实现步骤摘要】
本申请涉及光伏巡检，尤其涉及一种无人机位姿参数优化方法、装置、存储介质及计算机设备。
技术介绍
1、作为可再生能源的关键组成部分，太阳能光伏发电是实现能源绿色低碳转型和应对气候变化的重要手段。然而，光伏电站在运行过程中，光伏面板可能会出现各种故障，进而影响电站的发电效率。因此，对光伏面板进行定期检测和维护至关重要。其中，光伏电站巡检是光伏组件状态监测、缺陷诊断和故障定位的必要途径。目前，使用无人机热红外遥感技术可以高效、精确地获取光伏组件表面温度信号，进而实现高精度、对象级的光伏组件故障定位和分析。
2、而实现对象级光伏组件定位的前提是确定无人机影像拍摄时刻的精确位置与姿态参数（简称位姿参数），从而为现实中的各个光伏组件确定其精确成像范围和成像数据，并进一步将影像分析结果与光伏组件实体进行关联，实现后续的工况检查和故障诊断操作。
3、目前市面上的航测无人机基本上都搭载了惯性导航单元（imu），其配合rtk技术后可以实现厘米级的定位精度与1°以内的姿态精度，但受无人机飞控精度等内部因素与场地环境等外部因素的限制，无人机提供的初始位姿参数的精度并不能实现组件级精准定位，从而导致难以精确地将巡检数据中的组件成像与运维后台登记的组件实体进行对应。因此，有必要在初始位姿参数的基础上，对影像位姿参数进行后处理精化。
4、现有技术中，一般采用区域网平差方式实现对无人机影像的位姿参数精化，该方式是一种典型的线下处理方式，需要在整个巡检区域影像数据全部采集完毕后，再经由特征点提取匹配、空中三角测量和光束法平差等
技术实现思路
1、本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中采用区域网平差方式实现对无人机影像的位姿参数精化的过程存在明显延时性，且通常需要人工介入处理，无法高效、精确地对无人机热红外影像进行位姿参数精化的技术缺陷。
2、本申请提供了一种无人机位姿参数优化方法，所述方法包括：
3、当接收到无人机回传的巡检区域的当前光伏组件热红外影像时，获取所述巡检区域的光伏组件三维矢量图、所述无人机的机载激光测距仪数据、初始位姿参数，以及先前预测的所述无人机在各个历史时刻的位姿参数序列；
4、确定与所述当前光伏组件热红外影像对应的光伏组件实例化分割矢量图，以及，利用所述机载激光测距仪数据和所述初始位姿参数，将所述光伏组件三维矢量图投影到二维平面上，得到光伏组件二维矢量图；
5、计算所述光伏组件实例化分割矢量图与所述光伏组件二维矢量图的交并比后，以所述初始位姿参数为待优化参数，以最大化所述交并比和优化后的初始位姿参数趋近于所述位姿参数序列为优化目标，构建目标优化函数；
6、利用改进的蚁群优化算法对所述目标优化函数进行迭代优化，直到达到所述优化目标为止，得到当前位姿参数。
7、可选地，所述获取所述巡检区域的光伏组件三维矢量图，包括：
8、通过所述无人机预先对所述巡检区域进行可见光倾斜摄影，并对摄影图像进行三维重建后导出实景三维mesh模型；
9、在所述实景三维mesh模型上标注光伏组件的地理坐标后，形成所述巡检区域的光伏组件三维矢量图。
10、可选地，所述确定与所述当前光伏组件热红外影像对应的光伏组件实例化分割矢量图，包括：
11、获取深度学习模型；
12、通过所述深度学习模型对所述当前光伏组件热红外影像进行语义分割，得到影像分割结果；
13、对所述影像分割结果进行二值化和矢量化处理后，生成光伏组件实例化分割矢量图。
14、可选地，所述利用所述机载激光测距仪数据和所述初始位姿参数，将所述光伏组件三维矢量图投影到二维平面上，得到光伏组件二维矢量图，包括：
15、根据所述初始位姿参数确定所述无人机拍摄时的影像外包地理范围；
16、将所述光伏组件三维矢量图按照所述影像外包地理范围进行裁剪，得到裁剪后的光伏组件三维矢量图；
17、以所述机载激光测距仪数据作为约束，将所述裁剪后的光伏组件三维矢量图反向投影到二维平面上，得到光伏组件二维矢量图。
18、可选地，所述计算所述光伏组件实例化分割矢量图与所述光伏组件二维矢量图的交并比，包括：
19、分别对所述光伏组件实例化分割矢量图和所述光伏组件二维矢量图进行栅格化操作后，计算栅格化后的光伏组件实例化分割矢量图和栅格化后的光伏组件二维矢量图的交并比。
20、可选地，所述计算栅格化后的光伏组件实例化分割矢量图和栅格化后的光伏组件二维矢量图的交并比，包括：
21、逐像元计算栅格化后的光伏组件实例化分割矢量图与栅格化后的光伏组件二维矢量图之间的正确分类指标、错误分类指标和漏分类指标；
22、基于所述正确分类指标、所述错误分类指标和所述漏分类指标，计算栅格化后的光伏组件实例化分割矢量图和栅格化后的光伏组件二维矢量图的交并比。
23、可选地，所述以所述初始位姿参数为待优化参数，以最大化所述交并比和优化后的初始位姿参数趋近于所述位姿参数序列为优化目标，构建目标优化函数，包括：
24、将最大化所述交并比作为第一优化目标，并对该第一优化目标设置第一初始权重；
25、以所述初始位姿参数为待优化参数，将优化后的初始位姿参数趋近于所述位姿参数序列作为第二优化目标，并对该第二优化目标设置第二初始权重；
26、根据所述第一优化目标及对应的第一初始权重、所述第二优化目标及对应的第二初始权重，构建目标优化函数。
27、可选地，所述以所述初始位姿参数为待优化参数，将优化后的初始位姿参数趋近于所述位姿参数序列作为第二优化目标，包括：
28、通过自回归积分滑动平均将所述位姿参数序列抽象为变化模型；
29、以所述初始位姿参数为待优化参数，使用余弦相似度评价优化后的初始位姿参数与所述变化模型之间的相似程度，并将所述相似程度最高作为第二优化目标。
30、可选地，所述目标优化函数中包含与第一优化目标对应的第一初始权重、与第二优化目标对应的第二初始权重以及所述初始位姿参数；
31、所述利用改进的蚁群优化算法对所述目标优化函数进行迭代优化，直到达到所述优化目标为止，得到当前位姿参数，包括：
32、利用改进的蚁群优化算法，在迭代初期提高所述第一初始权重的权重值，并对提高第一初始权重后的目标优化函数中的初始位姿参数进行迭代优化后，使所述目标优化函数趋近于所述第一优化目标；
33、在所述目标优化函数接近收敛时，降低所述第一初始权重的权重值，并提高所述第二初始权重的权重值后，继续对提高第二本文档来自技高网...
【技术保护点】
1.一种无人机位姿参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述获取所述巡检区域的光伏组件三维矢量图，包括：
3.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述确定与所述当前光伏组件热红外影像对应的光伏组件实例化分割矢量图，包括：
4.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述利用所述机载激光测距仪数据和所述初始位姿参数，将所述光伏组件三维矢量图投影到二维平面上，得到光伏组件二维矢量图，包括：
5.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述计算所述光伏组件实例化分割矢量图与所述光伏组件二维矢量图的交并比，包括：
6.根据权利要求5所述的无人机位姿参数优化方法，其特征在于，所述计算栅格化后的光伏组件实例化分割矢量图和栅格化后的光伏组件二维矢量图的交并比，包括：
7.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述以所述初始位姿参数为待优化参数，以最大化所述交并比和优化后的初始位姿参数趋近于所
8.根据权利要求7所述的无人机位姿参数优化方法，其特征在于，所述以所述初始位姿参数为待优化参数，将优化后的初始位姿参数趋近于所述位姿参数序列作为第二优化目标，包括：
9.根据权利要求1或7所述的无人机位姿参数优化方法，其特征在于，所述目标优化函数中包含与第一优化目标对应的第一初始权重、与第二优化目标对应的第二初始权重以及所述初始位姿参数；
10.一种无人机位姿参数优化装置，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至9中任一项所述的无人机位姿参数优化方法的步骤。
12.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；
...【技术特征摘要】
1.一种无人机位姿参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述获取所述巡检区域的光伏组件三维矢量图，包括：
3.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述确定与所述当前光伏组件热红外影像对应的光伏组件实例化分割矢量图，包括：
4.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述利用所述机载激光测距仪数据和所述初始位姿参数，将所述光伏组件三维矢量图投影到二维平面上，得到光伏组件二维矢量图，包括：
5.根据权利要求1所述的无人机位姿参数优化方法，其特征在于，所述计算所述光伏组件实例化分割矢量图与所述光伏组件二维矢量图的交并比，包括：
6.根据权利要求5所述的无人机位姿参数优化方法，其特征在于，所述计算栅格化后的光伏组件实例化分割矢量图和栅格化后的光伏组件二维矢量图的交并比，包括：
7.根据权利要求1所述的无人机位姿参数优化方法...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：深圳市峰和数智科技有限公司，
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。