CN115981366B - 基于电力线点云目标实时识别的无人机仿线飞行控制方法 - Google Patents

Abstract

本发明公开了一种基于电力线点云目标实时识别的无人机仿线飞行控制方法，利用三维激光点云数据对无人机仿线飞行路径进行预测得到仿线巡检自飞行路径，实现无人机自主仿线飞行，同时对仿线巡检自飞行路径进行实时更新，减少无人机仿线飞行过程中判断路径的时间，提高无人机巡检效率。

Description

基于电力线点云目标实时识别的无人机仿线飞行控制方法

技术领域

本发明涉及无人机飞行控制领域，尤其涉及一种基于电力线点云目标实时识别的无人机仿线飞行控制方法。

背景技术

现代社会不断发展，电力线路铺设到各个区域，对电力线路的巡检也得到了更高的挑战，无人机电力线路巡检是通过对无人机航拍采集到的通道图像进行分析与处理,我们可以发现线路部件是否出现缺陷。

图像处理技术(即高精度卫星检测树木高度手段)可以突破处理海量图像的技术瓶颈,替代人工观察检测图像,降低了因为人为导致的误检率,在无人机电力巡检中具有良好的应用前景。

但是在现实情况中无人机电力线路巡检过程中，巡检路径上往往会出现各种障碍，如电力线通过的峭壁，电力线路旁的树木，此时需要控制无人机进行避障；传统的避障通过控制无人机垂直升降越过障碍物进行避障，能耗较大且不能提前进行避障准备，在遇到障碍物时首先需要进行判断，浪费时间；且最为重要的是障碍物中有可能存在树木，然后树木是随时生长的，这样自行预设的仿线路径都可能因障碍物树导致仿线飞行误差，甚至出现撞机事件。

发明内容

本发明的目的在于提供基于电力线激光点云目标实时识别的无人机仿线飞行控制系统及方法，解决了现有技术中指出的上述技术问题。

本发明提供了一种基于电力线激光点云目标实时识别的无人机仿线飞行控制系统，包括地面站服务器、多个无人机；

其中，上述无人机包括激光点云模块、检测模块、GPS定位模块、多个无人机本体；其中，上述检测模块包括IMU惯性测量单元、气压计；

所述地面站服务器与所述激光点云模块通信连接；且所述激光点云模块分别与所述IMU惯性测量单元、气压计、GPS定位模块、无人机本体通过接口实现连接；

其中，所述地面站服务器包括调取模块、初始化模块、避障处理模块、协同飞控模块；

所述调取模块，用于与所述地面站服务器的GPS定位模块协同，首先获取所述无人机的位置信息，然后访问所述IMU惯性测量单元及所述气压计并实时发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度；

所述初始化模块，根据所述发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径；

所述避障处理模块，将所述初始化的预测仿线巡检自飞行路径供给仿线飞行无人机供其下载保存；根据所述巡检路线轨迹协调所有的仿线飞行无人机确定初始化的预测仿线巡检自飞行路径；

所述协同飞控模块，用于实时获取三维激光点云数据中的障碍物位置；根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径；实时获取无人机仿线飞行过程中的三维激光点云数据，在无人机飞抵三位激光点云数据中的障碍物的安全距离时，控制无人机进行避障操作；将当前无人机位置及避障路径发送至多个协同工作无人机；检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作。

相应地，本发明提出的基于电力线点云目标实时识别的无人机仿线飞行控制方法，包括如下操作步骤：

地面站服务器的GPS定位模块，首先获取无人机的位置信息，然后访问IMU惯性测量单元及气压计并实时发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度；

地面站服务器根据所述发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径；

地面站服务器将所述初始化的预测仿线巡检自飞行路径供给仿线飞行无人机供其下载保存；所述预测仿线巡检自飞行路径包括避障路径与直飞路径；

地面站服务器根据所述巡检路线轨迹协调所有的仿线飞行无人机确定初始化的预测仿线巡检自飞行路径；

地面站服务器还实时获取三维激光点云数据中的障碍物位置；根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径；地面站服务器实时获取无人机仿线飞行过程中的三维激光点云数据，在无人机飞抵三位激光点云数据中的障碍物的安全距离时，控制无人机进行避障操作；将当前无人机位置及避障路径发送至多个协同工作无人机；检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作。

与现有技术相比至少存在如下方面的技术优势：

本发明实例所采用的基于电力线点云目标实时识别的无人机仿线飞行控制方法，可实时根据无人机仿线飞行巡检路线中的三维激光点云数据进行预测仿线巡检飞行路径，在无障碍物时，无人机进行沿路线直飞操作，在遇到障碍时，根据预测的路径中的避障路径进行避障操作并将避障路径发送至其他协同工作无人机，与其他协同工作无人机仿线飞行路径进行对比；如有相似情况的其他协同工作无人机则确定协同工作无人机为目标无人机，在目标无人机飞抵障碍物绝对安全距离时控制目标无人机按照预测避障路径飞行，减少无人机等待与计算的过程，提高无人机仿线飞行巡检效率。

在具体方案中，先进行首次飞行，并在首次飞行时得到初始化的预测仿线巡检自飞行路径(地面站服务器可根据发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径)，后续进行复飞可以动态变化的更新或不更新预测仿线巡检自飞行路径，这样可以避免生长过快的障碍物树影响无人机飞行安全。

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。

图1是本发明提供的一种基于电力线激光点云目标实时识别的无人机仿线飞行控制系统的架构示意图；

图2是本发明提供的一种基于电力线点云目标实时识别的无人机仿线飞行控制方法的主要流程示意图；

图3是本发明实施例中的基于电力线点云目标实时识别的无人机仿线飞行控制方法的一种信息流程示意图；

图4是本发明提供的一种基于电力线点云目标实时识别的无人机仿线飞行控制方法中地面站服务器对三位激光点云数据中的障碍物属性信息进行区分进行对应的避障路径流程示意图；

图5是本发明提供的一种基于电力线点云目标实时识别的无人机仿线飞行控制方法中对障碍物树的避障路径更新方法流程示意图；

图6是本发明提供的一种基于电力线点云目标实时识别的无人机仿线飞行控制方法中对障碍物树的避障路径更新两种情况流程示意图；

图7是本发明提供的一种基于电力线点云目标实时识别的无人机仿线飞行控制方法中无人机翻滚避障示意图。

标号：地面站服务器10；调取模块11、初始化模块12、避障处理模块13、协同飞控模块14；无人机20；激光点云模块21；检测模块22；IMU惯性测量单元221；气压计222；GPS定位模块23。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参见图1，本发明提供了一种基于电力线激光点云目标实时识别的无人机仿线飞行控制系统，包括地面站服务器10、多个无人机20；

其中，上述无人机20包括激光点云模块21、检测模块22、GPS定位模块23、多个无人机本体(图中未示意出)；其中，检测模块22包括IMU惯性测量单元221、气压计222；

地面站服务器10与激光点云模块21通信连接；且激光点云模块21分别与IMU惯性测量单元221、气压计222、GPS定位模块23、无人机本体通过接口实现连接；

其中，地面站服务器10包括调取模块11、初始化模块12、避障处理模块13、协同飞控模块14；

调取模块11，用于与地面站服务器的GPS定位模块协同，首先获取无人机的位置信息，然后访问IMU惯性测量单元及气压计并实时发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度；

初始化模块12，根据所述发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围(例如：未来巡检50-100米范围)内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径；

避障处理模块13，将所述初始化的预测仿线巡检自飞行路径供给仿线飞行无人机供其下载保存；根据所述巡检路线轨迹协调所有的仿线飞行无人机确定初始化的预测仿线巡检自飞行路径；

协同飞控模块14，用于还实时获取三维激光点云数据中的障碍物位置；根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径；实时获取无人机仿线飞行过程中的三维激光点云数据，在无人机飞抵三位激光点云数据中的障碍物的安全距离时，控制无人机进行避障操作；将当前无人机位置及避障路径发送至多个协同工作无人机；检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作。

本发明实例采用上述技术方案充分考虑了地面站服务器设备的使用率，充分控制地面站服务器识别三维激光点云数据的频次，缩短无人机仿线飞行巡检识别判断三维激光点云数据等待时间，从多无人机方面提高无人机仿线飞行巡检效率。

实施例二

参见图2，基于同一个构思，本发明实施例二在实施例提供无人机仿线飞行控制系统的基础上，本发明实施例二提供了一种基于电力线点云目标实时识别的无人机仿线飞行控制方法，包括如下操作步骤：

步骤S10:地面站服务器的GPS定位模块，首先获取无人机的位置信息，然后访问IMU惯性测量单元及气压计并实时发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度；

步骤S20:地面站服务器根据所述发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围(例如：未来巡检50-100米范围)内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径；

步骤S30:地面站服务器将所述初始化的预测仿线巡检自飞行路径供给仿线飞行无人机供其下载保存；所述预测仿线巡检自飞行路径包括避障路径(即避障路径飞行轨迹B)与直飞路径(需要说明的是，不论是此时首次飞行时临时建立的初始化的预测仿线巡检自飞行路径，还是后续更新的预测仿线巡检自飞行路径，均包括避障路径飞行轨迹与直飞路径飞行轨迹)；

步骤S40:地面站服务器根据所述巡检路线轨迹协调所有的仿线飞行无人机确定初始化的预测仿线巡检自飞行路径(预测仿线巡检自飞行路径是指具体根据巡检路线的变化，按照无人机所处的巡检路线中的位置，协调无人机所属的GPS定位模块、IMU惯性测量单元、气压计实现的自主防线飞行规范操作，该规范操作包括飞控操作，飞机路径和飞机高度等等控制操作)；

步骤S50:地面站服务器还实时获取三维激光点云数据中的障碍物位置；根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径(预测仿线巡检自飞行路径按照飞行方式类型可以分为避障路径和直飞路径；若识别为障碍物则执行避障路径即执行避障路径飞行轨迹B，若识别为非障碍物则执行直飞路径即执行直飞路径)；地面站服务器实时获取无人机仿线飞行过程中的三维激光点云数据，在无人机飞抵三位激光点云数据中的障碍物的安全距离时(需要说明的是，所述安全距离是认为预设的)，控制无人机进行避障操作；同时，将当前无人机位置及避障路径发送至多个协同工作无人机；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作。

本发明实例所采用的基于电力线点云目标实时识别的无人机仿线飞行控制方法，可实时根据无人机仿线飞行巡检路线中的三维激光点云数据进行预测仿线巡检飞行路径，在无障碍物时，无人机进行沿路线直飞操作，在遇到障碍时，根据预测的路径中的避障路径进行避障操作并将避障路径发送至其他协同工作无人机，与其他协同工作无人机仿线飞行路径进行对比；如有相似情况的其他协同工作无人机则确定协同工作无人机为目标无人机，在目标无人机飞抵障碍物绝对安全距离时控制目标无人机按照预测避障路径飞行，减少无人机等待与计算的过程，提高无人机仿线飞行巡检效率。

在具体方案中，先进行首次飞行，并在首次飞行时得到初始化的预测仿线巡检自飞行路径(地面站服务器可根据发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径)，后续进行复飞可以动态变化的更新或不更新预测仿线巡检自飞行路径，这样可以避免生长过快的障碍物树影响无人机飞行安全。

另参见3，图3示意了本发明实施例中的基于电力线点云目标实时识别的无人机仿线飞行控制方法的一种信息流程图。

地面站服务器获取无人机仿线飞行过程中的三维激光点云数据；并分析三维激光点云数据中是否存在障碍物，若存在障碍物，则控制无人机进行避障操作，同时向地面端发送当前无人机位置及避障轨迹，对比其他协同工作无人机的巡检轨迹及位置是否具有相同轨迹；若存在相同轨迹，则确定具有相同轨迹的协同工作无人机为目标无人机；目标无人机获取获取当前无人机的位置及避障轨迹，在目标无人机飞抵当前无人机位置时进行避障操作并继续分析三维激光点云数据中是否存在障碍物，若否则沿电力线路巡检。

参见图4，在步骤S50的具体实施中，根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径，若识别为障碍物则执行避障路径(即执行避障路径飞行轨迹B)，具体包括：

步骤S500，地面站服务器对三位激光点云数据中的障碍物属性信息进行区分进行对应的避障路径：

步骤S501，若检测障碍物为峭壁，无人机保持前后端旋翼转速不变的情况下，通过改变无人机左右端的旋翼转速使无人机以翻滚形态穿过所述障碍物(即障碍物为峭壁)，即若检测障碍物为峭壁则执行上述翻滚避障操作自然就形成了一段避障路径(后续将该段避障路径分享给其他无人机)；同时，将当前无人机位置及避障路径(即执行避障路径飞行轨迹B的一部分)发送至多个协同工作无人机(即分享信息操作)；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

需要说明的是，参见图7，以四轴旋翼无人机为例(上述四轴旋翼无人机或称四旋翼其设计有第1旋翼，第2旋翼，第3旋翼和第4旋翼。上述四个旋翼依次逆时针顺序安装在无人机机体上)具体翻滚形态穿过方式为：通过改变无人机左右端的旋翼转速使得左右旋翼之间形成一定的升力差，从而使得沿无人机机体左右对称轴上产生一定力矩，导致在方向上产生角加速度，增加第1旋翼的转速，减小第3旋翼的转速，则可以控制无人机倾斜于右侧飞行；相反，减小第4旋翼，增加第2旋翼，则可以控制无人机向左倾斜飞行；最终以翻滚形态穿过障碍物；

本发明所采用的技术方案，因峭壁一般为狭长状，因此采用翻滚避障操作，可减少因其他避障操作造成的过多的能耗，因障碍物为树时，树为多个且向上不断生长状态，因此采用向上环绕飞行避障同时需考虑树的高度带来的向上环绕飞行的高度。

步骤S502，若检测障碍物为树，在三维空间坐标系(或称三维空间中)中以当前无人机为一个点A，当前障碍物树的树冠(即树冠最高点)为一个点B(点B为树冠点，或称树冠最高点，或将整个树冠作为一个点；本发明实施例优选将整个树冠作为一个点B)，以点A与点B的安全距离(安全距离为人为预设值)与障碍物树的树冠高度的和为R_避障，以点B为圆心，R_避障为半径，控制点A绕点B向上环状飞行绕过点B进行避障操作后继续进行仿线飞行巡检操作，同时计算得到实际的绕飞半径，即实际绕飞半径为R_避障(即避障时无人机的实际绕飞半径，即首次飞行时候R_避障＝安全距离+障碍物树的树冠高度(或标记为H_避障))；同时，将当前无人机位置及避障路径发送至多个协同工作无人机；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则确定该无人机为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

首次绕飞飞行时获取当前所述障碍物树生长方向，获取当前所述障碍物树高度H_避障(即避障时障碍物树高度)保存到地面站服务器的服务器内，至此首飞结束。

参见图5，在步骤S50的具体实施中，在后续进行无人机仿线飞行时(即非首次飞行，地面站服务器鉴定本次仿线飞行是否为首次飞行，如果为否，则执行如下步骤)，执行如下步骤：

步骤S503，实时计算当前飞行时刻与首次飞行同一位置的飞行时刻之间的飞行间隔时间周期；

步骤S504，同时地面站服务器实时对三位激光点云数据中的障碍物属性信息进行区分进行对应的避障路径，并在相距障碍物第一阈值距离处进行障碍物检测(即相距障碍物第一阈值距离处是一种抵近飞行行为操作，目的是进行后续的预测绕飞动作预测以及对飞行间隔时间周期进行精准获取操作)：

步骤S505，实时获取地面站服务器的服务器保存的当前所述障碍物树生长方向(即严格讲是障碍物树生长方向是固定的)和所述障碍物树高度(即严格讲是上一次保存的障碍物树高度，通过地面站服务器可以获取)，然后根据当前所述障碍物树生长方向、所述障碍物树高度、所述当前飞行间隔时间周期进行预测无人机在本次仿线飞行(即相对首次飞行是下一次仿线飞行)同一位置时预测障碍物树树冠高度H_预测(预测障碍物树树冠高度H_预测的计算采用相似的树木在一时间周期内生长的高度相似的公知常识，本发明对此不再赘述)，绘制障碍物树树冠高度模拟生长曲线图发送至协同工作无人机；所述碍物树树冠高度模拟生长曲线图是包括所有障碍物树冠的预测障碍物树树冠高度的曲线图；

步骤S506，然后再根据预测障碍物树树冠高度H_预测计算得到本次仿线飞行的预测绕飞半径R_预测；

所述预测绕飞半径R_预测的计算方式为R_预测＝R_避障+(H_预测-H_避障)；

式中，R_预测为预测到的无人机至预测到的障碍物树冠的绝对距离；

R_避障为上次避障时无人机的实际绕飞半径；

H_预测为预测障碍物树树冠高度；

H_避障为上次避障时障碍物树高度；

步骤S507，在实际飞行相距障碍物第一阈值距离处时检测的障碍物树树冠高度，判断障碍物树树冠高度与预测障碍物树树冠高度H_预测之差是否大于标准差阈值；如果大于标准差阈值则更新此处的避障路径(详见后续两种情况的实施方式步骤)，如果小于或等于标准差阈值则按照原有避障路径中记录的预测绕飞半径R_预测进行飞行(说明预测值准确无误可以按照原有预测绕飞半径R_预测或称可以按照原有的避障路径进行飞行)；同时，将当前无人机位置及避障路径(此处的一段避障路径可能是更新的避障路径也可能是原有的避障路径取决于上述步骤的操作结果)发送至多个协同工作无人机(分享非首次的避障路径操作给目标的协同工作无人机)；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则确定该无人机为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

需要说明的是，如果障碍物树树冠高度与预测障碍物树树冠高度H_预测之差大于标准差阈值则证明与预测结果差距较大则更正或称更新，如果小于或等于标准差阈值则证明与预测结果差距较小则按照预测绕飞半径R_预测进行飞行；

步骤S508，确定将障碍物树树冠高度与预测障碍物树树冠高度H_预测之差大于标准差阈值对应位置处的障碍物树为目标障碍物，获取目标障碍物的树木的树木属性信息(所述树木属性信息包括树种信息(即杨树或松树或柳树等)、树龄信息、树冠高度(即当前检测的实际障碍物树的高度)，树干直径信息)和所在位置对应地形信息，同时获取所有的障碍物树种的树木的树木属性信息和所在位置对应地形信息，根据当前目标障碍物的所述树木属性信息和所述地形信息筛选确定与当前目标障碍物具有具有属性信息相似度超过标准相似度阈值的多个目标关联障碍物(即相似度较高的多个目标关联障碍物)；根据所述多个目标关联障碍物建立目标树木集合(需要说明的是，举例说明，当前飞行路径上有1-200号树木，其中当前目标障碍物为102号，该102号树已经严重生长过高了，超出了系统预测值很多，这样情况下确定102号树之后快速通过人工智能相似度分析方式筛选确定与当前目标障碍物相同相似度的多个目标关联障碍物，例如105号树木,106号树木以及110号树木它们的树木属性信息与地形信息均高度相似，由此构建形成了目标树木集合)；

步骤S509，对所述目标树木集合中涉及的障碍物树进行树冠高度的更新计算得到更新后的避障路径(即形成更新的避障路径)。

需要说明的是，上述步骤是对所有的目标树木集合进行更新获取最新的仿线飞行路径(预测仿线巡检自飞行路径)，因为上述方案认为与目标障碍物相似度较大的目标关联障碍物均可能存在预设周期内(当前飞行时刻与首次飞行同一位置的飞行时刻之间的飞行间隔时间周期)树木生长过快的情况，因此有必要对该目标树木集合进行树冠高度重测或树冠高度更新计算以便对避障路径进行更新；

在上述具体技术方案中，在无人机避障路径飞行时从三维点云数据中获取障碍物属性信息，以此区分避障路径：障碍物为峭壁时采取翻滚避障路径；障碍物为树时采取向上环绕飞行避障路径同时获取障碍物树的属性信息，并对障碍物树下一次仿线飞行时障碍物树的高度进行预测，从而预测下一次仿线飞行时向上环绕飞行的环绕半径，并在下一次仿线飞行时验证预测的障碍物树的高度；

如果实际避障时的障碍物树的高度与预测的障碍物树的高度相对差值小于相对差值阈值则控制无人机按照预测避障路径避障；如果实际避障时的障碍物树的高度与预测的障碍物树的高度相对差值大于相对差值阈值则获取与障碍物树相似的障碍物树集合，对障碍物树生长高度以加法同步到障碍物树集合中进行更新得到新的避障路径，并发送至其他协同工作无人机与其他协同工作无人机仿线飞行路径进行对比，如有相似(相似路径的)则确定协同工作无人机为目标无人机，在目标无人机飞抵障碍物绝对安全距离时控制目标无人机按照预测避障路径飞行。

参见图6，在步骤S509中，对所述目标树木集合中涉及的障碍物树进行树冠高度的更新计算得到更新后的避障路径，具体包括两种情况；

情况一：步骤S5091，对当前目标障碍物的新增高度H_Z进行测量，将其新增高度H_Z做加法计算统一到所有的目标树木集合，计算得到更新后的对应树木的树冠高度，即包括：根据当前的无人机实际绕飞避障的目标障碍物的实际绕飞半径R_避障、新增高度H_Z对预测仿线巡检自飞行路径中无人机避障过程的预测绕飞半径R_预测进行计算调整，计算方式为R_预测＝R_避障+新增高度H_Z；

式中，R_预测为预测到的无人机至预测到的障碍物树冠的绝对距离；

R_避障为避障时无人机至障碍物树冠的绝对距离；

H_Z为新增高度。

上述树冠高度更新计算操作结束。

情况二：步骤S5092，将与当前目标障碍物树对标的所有的目标树木集合中的树木进行卫星监测得到更新的树冠高度(即高精度卫星监测高度)，得到高精度卫星图像检测的障碍物树冠高度，根据障碍物树冠高度也就得到了避障路径。即认为预测方式已经不准确，则调动高精度卫星图像对其重新进行计算测量；

虽然获得了当前的卫星图像检测的障碍物树冠高度，随后获得了R_避障数值，即安全距离(安全距离为人为预设值)与障碍物树的树冠高度的和为R_避障；同时，直接利用R_避障进行绕飞飞行。上述树冠高度重测方案结束。

然而后续过程中(即下次飞行时自然还会使用预测功能，同样用到预测绕飞半径R_预测)，还需要进行下次的预测绕飞半径R_预测；即仿线飞行的预测绕飞半径R_预测；

所述预测绕飞半径R_预测的计算方式为R_预测＝R_避障+(H_预测-H_避障)；

式中，R_预测为预测到的无人机至预测到的障碍物树冠的绝对距离；

R_避障为上次避障时无人机的实际绕飞半径；

H_预测为预测障碍物树树冠高度；

H_避障为上次避障时障碍物树高度(即高精度卫星检测的障碍物树冠高度)；即本次飞行采用了即高精度卫星检测树木高度手段，然而分析可知本申请采用的技术方案并不是大量使用图像处理技术，而是片段的针对在预测方式已经不准确情况下，则调动高精度卫星图像对其重新进行计算测量。并且在后续飞行时同样要引入预测绕飞半径R_预测的计算手段，只是不同的是，这个计算公式中障碍物树高度H_避障是通过高精度卫星检测的障碍物树冠高度。

解释说明，无人机进行绕飞避障操作时，实时获取实际的目标障碍物树的属性信息(例如：该102号树是杨树、树龄10年、树冠高度8米，树干直径为1.1米)，计算障碍物树树冠高度与预测障碍物树树冠高度H_预测之差如果相差过大则更新避障路径，地面站服务器对预测仿线巡检自飞行路径进行遍历更新并获取最新的预测仿线巡检自飞行路径。

优选的，作为一种可实施方案：针对步骤S50中的避障飞行，存在多个无人机同时进行协同避障场景(具体包括相同仿线飞行路径相同型号目标无人机同时针对同一障碍物避障场景、相同仿线飞行路径不同型号目标无人机同时针对同一障碍物避障场景、不同仿线飞行路径相同型号目标无人机同时针对同一障碍物避障场景、不同仿线飞行路径不同型号无人机同时针对同一障碍物避障场景)，在同时避障时会因为避障路径相同导致多个协同工作目标无人机互相碰撞，因此设定目标无人机避障优先级进行避障操作，避免多个无人机同时避障导致碰撞。

地面站服务器遍历所述多个目标无人机属性信息，以相同无人机仿线飞行巡检轨迹(上述方案所说的仿线飞行巡检轨迹包括避障路径和直飞路径)相同型号的目标无人机为第一优先级集合，以无人机序号排序设定避障飞行优先级；

本发明使用的技术方案，相同无人机仿线飞行巡检轨迹上相同型号的目标无人机飞行速度一致，在飞抵障碍物安全距离并开始避障飞行操作时会有目标无人机互相碰撞的情况，将相同型号的无人机进行标号(如大疆精灵4Pro1、大疆精灵4Pro2、大疆精灵4Pro3......)，并以此标号为第一优先级集合，可使相同轨迹相同型号的目标无人机在避障飞行时依标号依次避障飞行越过障碍物，避免同时避障飞行互相碰撞；

相同无人机仿线飞行巡检轨迹不同型号的目标无人机以当前无人机为点A，到各目标无人机的距离长度设定为第二优先级集合(目标无人机为点F1、F2、F3等等，点A至点F(即分别到点F1、F2、F3)之间直线距离为M1、M2、M3，以M1、M2、M3距离长度设定第二优先级集合，以M1、M2、M3距离长度由短至长依次排序设定避障飞行优先级)；

预先对不同无人机仿线飞行巡检轨迹存在交叉点相遇的相同型号无人机序号排序(如大疆精灵4Pro1、大疆精灵4Pro2、大疆精灵4Pro3......)；以不同无人机仿线飞行巡检轨迹相同型号目标无人机为第三优先级集合，以无人机序号排序设定避障飞行优先级；

不同无人机仿线飞行巡检轨迹不同型号的目标无人机以当前无人机为点a，到各目标无人机的距离长度设定为第四优先级集合(目标无人机为点b1、b2、b3，点a至点b之间绝对距离为m1、m2、m3，以m1、m2、m3距离长度设定第四优先级集合，以m1、m2、m3距离长度由短至长依次排序设定避障飞行优先级)；

以第一优先级集合与第二优先级集合、第三优先级集合、第四优先级集合依次进行避障飞行操作，即第一优先级集合的避障飞行优先级永远大于第二优先级集合以及等其他集合内的无人机的避障飞行优先级。

本申请提供的基于电力线点云目标实时识别的无人机仿线飞行控制方法，具有的技术效果有：

本发明实施例对仿线巡检自飞行路径的预测主要体现在实时对障碍物为树时对障碍物树的生长高度进行预测从而预测针对障碍物树避障路径的环绕半径，从而对整个仿线巡检自飞行路径进行预测。

在判断当前无人机巡检前一天有障碍物时，还包括对对障碍物三维点云数据进行细分类，并执行相应的控制操作(障碍物分为树、峭壁)；

综上，本发明提供的基于电力线点云目标实时识别的无人机仿线飞行控制方法，通过首次飞行获得仿线巡检自飞行路径，并获得仿线巡检自飞行路径中的障碍物树的属性信息及其所属的地形信息，并根据障碍物树的信息及其所属的地形信息预测得到下一次仿线巡检飞行时的预测仿线巡检自飞行路径，通过本实施例的方法解决了不断生长的障碍物树在不同时刻对障碍物树的避障路径，减少无人机仿线巡检飞行过程中遇到障碍物便停留识别而后避障飞行的时间，提高了无人机仿线飞行巡检效率。

本发明实例以无人机仿线飞行巡检安全为主，在判断障碍物为树，障碍物树往往会有多个，无人机以向上环状飞行避开障碍物树，避免碰到障碍物树导致无人机损伤；在判断障碍物为峭壁时，障碍物峭壁往往为狭长的障碍，以翻滚形态避障的同时提高无人机避障效率且保障无人机不会因飞行弧度大导致碰到障碍物导致无人机损伤；

在特定场景下，同时有多个目标无人机飞抵当前无人机巡检区域，则相同型号的无人机进行标号(如大疆精灵4Pro1、大疆精灵4Pro2、大疆精灵4Pro3......)，并以此标号为第一优先级集合，可使相同轨迹相同型号的目标无人机在避障飞行时依标号依次避障飞行越过障碍物，避免同时避障飞行互相碰撞；相同无人机仿线飞行巡检轨迹不同型号的目标无人机以当前无人机为点A，目标无人机为点F1、F2、F3等等，点A至点F之间直线距离为M1、M2、M3，以M1、M2、M3距离长度设定第二优先级集合，以M1、M2、M3距离长度由短至长依次排序设定避障飞行优先级；

同时设置第三优先级集合以及第四优先级集合对此不再赘述；以第一优先级集合与第二优先级集合、第三优先级集合、第四优先级集合依次进行避障飞行操作。

本实施例中的目标无人机仿线飞行巡检充分考虑多个无人机协同工作，与多个无人机仿线飞行空间因素，防止无人机彼此碰撞导致的无人机损伤。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；本领域的普通技术人员可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，包括如下操作步骤：

地面站服务器的GPS定位模块，首先获取无人机的位置信息，然后访问IMU惯性测量单元及气压计并实时发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度；

地面站服务器根据所述发起请求调取位置信息对应的无人机飞行姿态、无人机飞行高度的同一时刻调取无人机处的三维激光点云数据，并根据所述位置信息及所述三维激光点云数据获取基于未来巡检范围内的三维激光点云数据变化临时建立初始化的预测仿线巡检自飞行路径；

地面站服务器将所述初始化的预测仿线巡检自飞行路径供给仿线飞行无人机供其下载保存；所述预测仿线巡检自飞行路径包括避障路径与直飞路径；

地面站服务器根据所述巡检路线轨迹协调所有的仿线飞行无人机确定初始化的预测仿线巡检自飞行路径；

地面站服务器还实时获取三维激光点云数据中的障碍物位置；根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径；地面站服务器实时获取无人机仿线飞行过程中的三维激光点云数据，在无人机飞抵三位激光点云数据中的障碍物的安全距离时，控制无人机进行避障操作；将当前无人机位置及避障路径发送至多个协同工作无人机；检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

在无人机进行非首次仿线飞行时，则执行如下步骤：

实时计算当前飞行时刻与首次飞行同一位置的飞行时刻之间的飞行间隔时间周期；

同时地面站服务器实时对三位激光点云数据中的障碍物属性信息进行区分进行对应的避障路径，并在相距障碍物第一阈值距离处进行障碍物检测：

实时获取地面站服务器的服务器保存的当前所述障碍物树生长方向和所述障碍物树高度，然后根据当前所述障碍物树生长方向、所述障碍物树高度、所述当前飞行间隔时间周期进行预测无人机在本次仿线飞行同一位置时预测障碍物树树冠高度H_预测，绘制障碍物树树冠高度模拟生长曲线图发送至协同工作无人机；所述碍物树树冠高度模拟生长曲线图是包括所有障碍物树冠的预测障碍物树树冠高度的曲线图；

然后再根据预测障碍物树树冠高度H_预测计算得到本次仿线飞行的预测绕飞半径R_预测；

所述预测绕飞半径R_预测的计算方式为R_预测＝R_避障+(H_预测-H_避障)；

式中，R_预测为预测到的无人机至预测到的障碍物树冠的绝对距离；

R_避障为上次避障时无人机的实际绕飞半径；

H_预测为预测障碍物树树冠高度；

H_避障为上次避障时障碍物树高度；

在实际飞行相距障碍物第一阈值距离处时检测的障碍物树树冠高度，判断障碍物树树冠高度与预测障碍物树树冠高度H_预测之差是否大于标准差阈值；如果大于标准差阈值则更新此处的避障路径，如果小于或等于标准差阈值则按照原有避障路径中记录的预测绕飞半径R_预测进行飞行；同时，将当前无人机位置及避障路径发送至多个协同工作无人机；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则确定该无人机为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

在确定更新此处的避障路径之后，还包括遍历三维点云数据中的所有障碍物，确定多个目标关联障碍物同步进行避障路径更新操作。

2.如权利要求1所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，根据所述障碍物位置确定当前位置的初始化的预测仿线巡检自飞行路径，若识别为障碍物则执行避障路径，具体包括：

地面站服务器对三位激光点云数据中的障碍物属性信息进行区分进行对应的避障路径：

若检测障碍物为峭壁，无人机保持前后端旋翼转速不变的情况下，通过改变无人机左右端的旋翼转速使无人机以翻滚形态穿过所述障碍物，即若检测障碍物为峭壁则执行上述翻滚避障操作自然就形成了一段避障路径；同时，将当前无人机位置及避障路径发送至多个协同工作无人机；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

若检测障碍物为树，在三维空间坐标系中以当前无人机为一个点A，当前障碍物树的树冠为一个点B，计算点A与点B的安全距离与障碍物树的树冠高度的和记为R_避障，以点B为圆心，R_避障为半径，控制点A绕点B向上环状飞行绕过点B进行避障操作后继续进行仿线飞行巡检操作；同时，将当前无人机位置及避障路径发送至多个协同工作无人机；同时检测其他多个协同工作无人机仿线飞行巡检路线是否与当前无人机仿线飞行巡检路线一致，若一致则确定该无人机为目标无人机，目标无人机在进入当前无人机巡检区域时控制目标无人机使用当前避障路径进行避障操作后继续进行仿线飞行巡检操作；

首次绕飞飞行时获取当前所述障碍物树生长方向，获取当前所述障碍物树高度H_避障保存到地面站服务器的服务器内，至此首飞结束。

3.如权利要求2所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，所述遍历三维点云数据中的所有障碍物，确定多个目标关联障碍物同步进行避障路径更新操作，包括：

确定将障碍物树树冠高度与预测障碍物树树冠高度H预测之差大于标准差阈值对应位置处的障碍物树为目标障碍物，获取目标障碍物的树木的树木属性信息和所在位置对应地形信息，同时获取所有的障碍物树种的树木的树木属性信息和所在位置对应地形信息，根据当前目标障碍物的所述树木属性信息和所述地形信息筛选确定与当前目标障碍物具有具有属性信息相似度超过标准相似度阈值的多个目标关联障碍物；根据所述多个目标关联障碍物建立目标树木集合；

对所述目标树木集合中涉及的障碍物树进行树冠高度的更新计算得到更新后的避障路径。

4.如权利要求3所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，所述树木属性信息包括树种信息、树龄信息、树冠高度，树干直径信息。

5.如权利要求4所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，对所述目标树木集合中涉及的障碍物树进行树冠高度的更新计算，以得到更新后的避障路径，其中包括两种树冠高度的更新计算方式；利用障碍物的新增高度H_Z更新计算更新或者利用高精度卫星图像重测树冠高度的更新计算。

6.如权利要求5所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，所述利用障碍物的新增高度H_Z更新计算更新避障路径，包括：对当前目标障碍物的新增高度H_Z进行测量，将其新增高度H_Z做加法计算统一到所有的目标树木集合，计算得到更新后的对应树木的树冠高度，即根据当前的无人机实际绕飞避障的目标障碍物的实际绕飞半径R_避障、新增高度H_Z对预测仿线巡检自飞行路径中无人机避障过程的预测绕飞半径R_预测进行计算调整，计算方式为R_预测＝R_避障+新增高度H_Z；

式中，R_预测为预测到的无人机至预测到的障碍物树冠的绝对距离；

R_避障为避障时无人机至障碍物树冠的绝对距离；

H_Z为新增高度；

上述树冠高度更新计算操作结束。

7.如权利要求6所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，所述利用高精度卫星图像重测树冠高度的更新计算，包括：将与当前目标障碍物树对标的所有的目标树木集合中的树木进行高精度卫星图像监测得到更新的树冠高度。

8.如权利要求6所述的基于电力线点云目标实时识别的无人机仿线飞行控制方法，其特征在于，针对避障飞行存在多个无人机同时进行协同避障场景，还包括针对不同避障场景设置不同的避障飞行优先级；

所述避障场景包括相同仿线飞行路径相同型号目标无人机同时针对同一障碍物避障场景、相同仿线飞行路径不同型号目标无人机同时针对同一障碍物避障场景、不同仿线飞行路径相同型号目标无人机同时针对同一障碍物避障场景、不同仿线飞行路径不同型号无人机同时针对同一障碍物避障场景；

地面站服务器遍历所述多个目标无人机属性信息，以相同无人机仿线飞行巡检轨迹相同型号的目标无人机为第一优先级集合，以无人机序号排序设定避障飞行优先级；

相同无人机仿线飞行巡检轨迹不同型号的目标无人机以当前无人机为点A，到各目标无人机的距离长度设定为第二优先级集合，并以距离长度由短至长依次排序设定第二优先级集合内各个无人机的避障飞行优先级；

预先对不同无人机仿线飞行巡检轨迹存在交叉点相遇的相同型号无人机序号排序；以不同无人机仿线飞行巡检轨迹相同型号目标无人机为第三优先级集合，以无人机序号排序设定第三优先级集合内各个无人机的避障飞行优先级；

不同无人机仿线飞行巡检轨迹不同型号的目标无人机以当前无人机为点a，到各目标无人机的距离长度设定为第四优先级集合，以距离长度由短至长依次排序设定第四优先级集合内各个无人机的避障飞行优先级；

以第一优先级集合与第二优先级集合、第三优先级集合、第四优先级集合依次进行避障飞行操作。