一种基于激光点云模型的变电站无人机自主巡检方法

技术领域

本发明涉及智能巡检技术领域，具体涉及一种基于激光点云模型的变电站无人机自主巡检方法。

背景技术

变电站传统的巡检手段主要有人工巡检、机器人巡检、固定视频监控等手段，目前传统的巡检手段已批量投入电力生产工作中。但传统的巡检手段的巡检路线、巡检观察角度等条件均比较固定，存在一定的巡检盲区，这给变电站巡检人员管理工作带来一定压力。

发明内容

本说明书一个或多个实施例描述了一种基于车辆信息的精准营销方法和系统，能够部分地解决现有技术存在的上述问题。

本说明书一个或多个实施例提供一种基于激光点云模型的变电站无人机自主巡检方法，该方法包括：

获取变电站内禁飞区域的激光点云数据；

基于所述激光点云数据生成禁飞区域的三维激光点云模型；

将所述激光点云模型转换为三维柱形模型，所述三维柱形模型内部空间为禁飞区域；

针对每个待巡检设备，确定巡检点位，基于最短路径原则，对该设备的巡检点位进行路线规划，生成单个设备的初始巡检子路径；

判断所述初始巡检子路径是否穿过所述三维柱形模型内部的禁飞区域，若是，则在所述初始巡检子路径中设置避障点，得到巡检子路径；

基于所述巡检子路径，以机巢位置为起点和终点，规划得到变电站巡检路径。

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，所述三维激光点云模型的生成步骤具体包括：

确定所述禁飞区域中所要绕过的物体的位置坐标为中心点；

基于确定的所述中心点，采用kmeans聚类算法，对所述激光点云数据进行聚类，将生成的坐标簇作为所述三维激光点云模型。

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，所述三维柱形模型的生成步骤具体包括：

针对每个所述三维激光点云模型，选择簇内距离最远的两个点，将所述两点之间的路径方向设为三维柱形模型的高度方向；

选取垂直于所述高度方向的平面为二维投影平面，将所述三维激光点云模型中的其余点投影至所述二维投影平面上；

对所述二维投影平面的中的点云数据进行聚类，将聚类中心作为圆心，确定与所述圆心距离最远的点，将该点与所述圆心之间的距离作为半径，生成所述三维柱形模型的横截面；

将所述横截面按照所述高度方向进行平移，得到所述三维柱形模型。

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，所述设置避障点的具体方法包括：

确定所述单个设备初始巡检路线穿过所述三维柱形模型内部的禁飞区域的穿越起点和穿越终点；

确定所述穿越起点和穿越终点的中点；

在所述三维柱形模型的外壁上选取距离所述终点距离最近的点，作为避障点。

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，所述变电站巡检路径的规划方法包括：

针对每一次巡检任务，确定变电站内待巡检设备的巡检优先级；

基于所述巡检优先级和巡检子路径中的巡检点，对变电站巡检路径进初始规划，得到巡检矩阵：D＝[S，C1′，C2′，C3′...]，其中，S表示起点，Cm′表示第m个设备的巡检子路径；

从所述变电站巡检路径的起点S开始，遍历所述巡检矩阵，以前一个巡检子路径的终点与后一个巡检子路径的起点之间距离最短为原则，进行路径规划，得到更新后的巡检矩阵：

D＝{s，[(x

其中，(x

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，所述变电站巡检路径的规划方法还包括：

在最后一个所述巡检子路径完成后，以所述最后一个所述巡检子路径的终点为起始点，以机巢位置为终点，基于最短路径原则，进行返回路径规划；

判断所述返回路径是否穿过所述三维柱形模型内部的禁飞区域，若是，则在所述返回路径中设置避障点，得到最终的返回路径。

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，还包括基于历史航迹数据进行变电站巡检路线校正，具体包括：

针对所述电站巡检路线中的每一个巡检点，获取预设时间段内的历史航迹数据；

将该巡检点的所述历史航迹数据进行聚类，用生成的聚类簇的簇心替换所述变电站巡检路线中该巡检点，得到校正后的变电站巡检路线。

有益效果：本说明书一个或多个实施例提供一种基于激光点云模型的变电站无人机自主巡检方法，该方法结合无人机的路线规划技术与基于激光点云模型的建模技术，实现了变电站三维空间立体式全方位自动巡检。该方法可以近距离全方位监视变电站设备运行状态，及时发现缺陷，有效弥补传统巡检方式的不足，减轻运行人员工作负担，提高变电站巡检质量。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本说明书一个实施例中涉及的基于激光点云模型的变电站无人机自主巡检方法的流程图；

图2是本说明书一个实施例中涉及的三维柱形模型生成原理图；

图3是本说明书一个实施例中涉及的避障点设置原理图。

具体实施方式

目前，变电站传统的巡检手段主要有人工巡检、机器人巡检、固定视频监控等手段，但传统的巡检手段的巡检路线、巡检观察角度等条件均比较固定，存在一定的巡检盲区，这给变电站巡检人员管理工作带来一定压力。

近年来无人机技术越来越成熟，无人机具备飞行高度较高、视角更广阔、巡检无死角、无盲区的优势，利用无人机进行巡检可以近距离全方位监视变电站设备运行状态，及时发现缺陷。

然而，变电站内设备比较复杂，会存在很多不适合无人机飞行的区域，如何对无人机的飞行路径进行规划，以便避开这些区域，是本说明书一个或多个实施例所要解决的技术问题。有鉴于此，本说明书一个或多个实施例提供了一种基于激光点云模型的变电站无人机自主巡检方法。

下面结合附图，对本说明书提供的方案进行描述。

首先需要说明的是，在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本说明书一个实施例中提供的一种基于激光点云模型的变电站无人机自主巡检方法的流程图，包括以下步骤：

S100：获取变电站内禁飞区域的激光点云数据。

在本步骤S100中，首先采集变电站区域的激光点云数据，然后对变电站内的禁飞区域进行梳理，确定禁飞区域对应的激光点云数据。

S200：基于所述激光点云数据生成禁飞区域的三维激光点云模型。

在本步骤S200中，采用了kmeans聚类算法对激光点云数据进行聚类，具体步骤如下：

S201：按照三维坐标体系设置空间欧氏距离，如下式所示：

其中，d(x,y,z)表示坐标点(x,y,z)与簇心坐标(x

S202：确定变电站巡检对象个数为n，考虑巡检对象之间的空间连接性，在n±10％范围内找寻距离误差最小的聚类个数，即目标函数为σ＝min[d(x，y)]。

S203：基于目标函数选择最优的聚类方案，得到该聚类方案下对应的激光点和聚类簇标识，如下所示：

其中，P表示聚类结果矩阵，C1～Cm为各个聚类簇标识，代表实际的变电站内设备，(x

S300：将所述激光点云模型转换为三维柱形模型，所述三维柱形模型内部空间为禁飞区域。

在本步骤S300中，根据坐标簇内坐标结构，使用三维柱形，对三维坐标簇进行等效替换。将激光点云模型等效为三维柱形模型，将柱体内部设置为禁飞区域。激光点云模型等效为三维柱形模型的原理如图2所示，具体步骤如下：

S301：针对每一个聚类簇，在簇内的一系列激光点中，选择距离最远的两个点，该两点之间路径方向，设为三维柱形的高方向。在坐标点数量多的情况下，选取凸包或卡克算法来进行运算处理。

S302：选择垂直于三维柱图高方向平面为二维投影平面，将簇内的坐标点进行二维投影处理；

S303：对二维投影平面的中的点云数据进行聚类，将聚类中心作为圆心，确定与所述圆心距离最远的点，将该点与所述圆心之间的距离作为半径，生成三维柱形模型的横截圆面；

S304：将步骤S303得出的横截圆面，按照步骤S301确定的高度方向进行平移，得到三维柱形模型，三维柱形模型内部的空间即为该坐标簇等效的无人机禁飞区域。

S400：针对每个待巡检设备，确定巡检点位，基于最短路径原则，对该设备的巡检点位进行路线规划，生成单个设备的初始巡检子路径。

在本步骤中，需要确定变电站单个设备的巡检需求，如变压器、断路器等设备需在不同角度、不同位置进行巡检观察。根据单个设备所需要的巡检点位置，基于最短路径原则，对单设备的巡检点位进行路线规划，生成单个设备的初始巡检子路径。具体方法如下：

S401：初始化，手动标记设备巡检点位，巡检点位标记在可飞范围内，记为[(x

S402：选取距离最远的两个点位为起始点T1和终止点T2。根据路径最短原则，使用Dijkstra算法(现有技术)，对巡检点位先后顺序进行规划。新的巡检点位记为[(x

S500：判断所述初始巡检子路径是否穿过所述三维柱形模型内部的禁飞区域，若是，则在所述初始巡检子路径中设置避障点，得到巡检子路径。

如图3所示，若初始巡检子路径穿过三维柱形模型内部的禁飞区域，则必然会有穿越起点和穿越终点，记为穿越点1和穿越点2。确定所述穿越起点和穿越终点的中点，在所述三维柱形模型的外壁上选取距离所述终点距离最近的点，作为避障点。如果需要考虑一定空间裕度，还可以按照垂直原方向平移，设置为穿越障碍的避障点。

通过以上步骤，生成变电站每个设备的巡检路径如下所示：

S600：基于所述巡检子路径，以机巢位置为起点和终点，规划得到变电站巡检路径。

在实际巡检任务中，对需要进行巡检的设备还要根据空间坐标对巡检优先级进行排序，再根据单个设备巡检路线，生成变电站的巡检路线，具体步骤为：

S601：根据实际巡检设备需要，在P′中选择不同的巡检设备，以无人机机巢S为变电站巡检起始点，记为D＝[S，C1，C2，C3...]。以机巢、巡检设备中心坐标为参考，使用Dijkstra算法对设备巡检主路线进行规划，记为D＝[S，C1′，C2′，C3′...]。

S602：从起始节点S开始，遍历数组D，以前一个巡检子路径的终点与后一个巡检子路径的起点之间距离最短为原则，调整后续设备的子巡检路径的起止点位顺序，生成变电站巡检路径：

D＝{S，[(x

S603：在最后一个巡检设备末端点执行完成后，以最后一个巡检子路径的终点为起始点，以机巢位置为终点，基于最短路径原则，进行返回路径规划；

判断所述返回路径是否穿过所述三维柱形模型内部的禁飞区域，若是，则在所述返回路径中设置避障点，得到最终的返回路径为：

[(x

将返回路径加入D，得到：

D＝{S，[(x

…[(x

作为所述基于激光点云模型的变电站无人机自主巡检方法的一种可选实施方式，还包括基于历史航迹数据进行变电站巡检路线校正，具体包括：

针对所述电站巡检路线中的每一个巡检点，获取预设时间段内的历史航迹数据；

将该巡检点的所述历史航迹数据进行聚类，用生成的聚类簇的簇心替换所述变电站巡检路线中该巡检点，得到校正后的变电站巡检路线。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。