【技术实现步骤摘要】
本申请涉及无人机电力巡检，具体而言，涉及一种基于人工智能的无人机树障识别方法。
技术介绍
1、无人机电力巡检技术是一种利用无人机进行输电线路及电力设施检查的新技术，利用先进的无人机自动飞行技术、无线连接技术、图像识别技术等，通过搭载高清摄像头等设备，无人机能够自动完成对电线和电力设备的巡检任务。这项技术依赖于先进的传感器和图像处理技术，对物体进行高精度可视化和数据采集，利用传感器如红外线测温仪、高清摄像头、激光雷达等，对物体进行全方位的检测和监控。
2、传统的树障识别，是依赖人工巡检时的判断，这种判断依赖于各种辅助形式的测量和估计，以便识别和清楚潜在的树障隐患。而无人机电力巡检技术的发展，使得智能化地实现树障识别具备了技术基础。当然，树障识别技术，还有利用光学影像、定位技术进行识别的，但这种识别方案效率相对较低。
3、据此，我们提出一种基于无人机进行电力巡检后的三维重建模型的树障识别方案，依托于三维重建技术，设计基于人工智能的树障识别方案，能够对巡检路段上几乎所有的树障进行有效识别，以便及时清除隐患。
技术实现思路
1、本申请实施例的目的在于提供一种基于人工智能的无人机树障识别方法，以通过三维重建技术，结合人工智能，对输电线路沿线的树障隐患进行识别，报告风险，以便及时清除树障隐患。
2、为了实现上述目的，本申请的实施例通过如下方式实现：
3、第一方面，本申请实施例提供一种基于人工智能的无人机树障识别方法，包括：获取无人机在电力巡检任务
4、结合第一方面，在第一方面的第一种可能对的实现方式中，三维重建模型中包含多个模型单元，每个模型单元为若干连续的网格元素形成，从三维重建模型中识别出电力设施单元和树木模型单元，包括：针对三维重建模型中的每个模型单元：对模型单元进行特征提取，确定出模型单元的整体特征和元素特征，其中，整体特征包括模型单元的模型位置和网格元素数量，元素特征包括模型单元中每个网格元素的角点位置、法线方向、网格形状、网格曲率、网格面积和二面角；将模型单元的整体特征和元素特征作为输入数据，输入至识别模型中，得到每个模型单元的识别结果，从而确定出电力设施单元和树木模型单元。
5、结合第一方面的第一种可能对的实现方式，在第一方面的第二种可能对的实现方式中，元素特征的提取方式为：针对当前模型单元的每个网格元素：获取当前网格元素的角点位置、法线方向、网格形状、网格曲率、网格面积和二面角；获取邻边网格元素的角点位置、法线方向、网格形状、网格曲率、网格面积和二面角，其中，邻边网格元素为与当前网格元素具有公共边的三个网格元素；获取邻点网格元素的角点位置、法线方向、网格形状、网格曲率、网格面积和二面角，其中，邻点网格元素为与当前网格元素具有公共角点但非邻边网格元素的三个网格元素；基于当前网格元素、三个邻边网格元素和三个邻点网格元素的角点位置、法线方向、网格形状、网格曲率、网格面积和二面角，生成当前网格元素的元素特征。
6、结合第一方面的第一种可能对的实现方式，在第一方面的第三种可能对的实现方式中，识别模型包括输入层、特征提取层、全连接层和输出层，所述输入层，用于接收输入数据，其中，元素特征为n×r的序列，n为模型单元中网格元素的数量，不同模型单元的网格元素数量不等，且n≥nt，nt为网格元素数量阈值，r为每个网格元素需要提取的特征数量，记为网格元素的特征维度；所述特征提取层，用于对模型单元的元素特征进行处理，确定出设定长度的整合特征，再将模型单元的整体特征与整合特征进行拼接融合，得到模型单元的模型特征；所述全连接层，用于对模型单元的模型特征进行特征映射，得到模型单元的综合特征向量；所述输出层，用于基于综合特征向量进行模型单元的分类识别，得到每个模型单元的识别结果。
7、结合第一方面的第一种可能对的实现方式，在第一方面的第四种可能对的实现方式中，所述特征提取层为基于注意力机制的序列网络，具体用于：对模型单元的元素特征进行序列特征处理，得到对应n个时间步的隐藏特征和注意力权重，其中，每个隐藏特征的维度为1×s，s为设定长度；基于n个时间步的隐藏特征和注意力权重，计算出模型单元的整合特征。
8、结合第一方面的第四种可能对的实现方式，在第一方面的第五种可能对的实现方式中，采用以下公式计算模型单元的整合特征：
9、
10、其中，c为模型单元的整合特征，n为模型单元中网格元素的数量，ai为模型单元在第i个时间步的注意力权重，hi为模型单元在第i个时间步的隐藏特征。
11、结合第一方面的第四种可能对的实现方式，在第一方面的第六种可能对的实现方式中，所述序列网络为rnn或rnn的变体模型、lstm或lstm的变体模型、gru或gru的变体模型。
12、结合第一方面的第一种可能对的实现方式，在第一方面的第七种可能对的实现方式中，基于电力设施单元和树木模型单元，确定是否存在树障，包括：在每相邻两个电力设施单元之间进行线性检测，确定出位于相邻两个电力设施单元之间的若干输电线缆；基于电力设施单元和输电线缆确定出电力设施辐射区域；基于树木模型单元，确定出树木摇摆可达区域；基于电力设施辐射区域和树木摇摆可达区域，确定存在区域重合的目标树木模型单元为树障。
13、结合第一方面的第七种可能对的实现方式，在第一方面的第八种可能对的实现方式中，相邻两个电力设施单元和输电线缆形成一段输电线路，基于电力设施单元和输电线缆确定出电力设施辐射区域，包括：针对每段输电线路：获取当前输电线路的电压等级，以确定出电压等级对应的安全距离；以电力设施单元和输电线缆为基础，确定出当前输电线路的本体区域；以当前输电线路的本体区域为基础，在各个方向上向外扩散安全距离，得到当前输电线路的电力设施辐射区域。
14、结合第一方面的第七种可能对的实现方式，在第一方面的第九种可能对的实现方式中，基于树木模型单元，确定出树木摇摆可达区域，包括：针对每个树木模型单元：获取当前树木模型单元的树木位置、树木高度、树冠半径和网格元素数量；基于树木高度、树冠半径和网格元素数量，预估当前树木模型单元在理论上的最大风偏延展系数；基于最大风偏延展系数、树木位置和树木高度，确定出当前树木模型单元的树木摇摆可达区域。
15、本专利技术的有益效果在于，与现有技术相比：
16、1.本方案通过获取无人机在电力巡检任务中采集的lidar数据、影像数据和飞行数据，进行三维重建，得到三维重建模型(三维重建技术目前已经发展得很成熟了，针对本申请，为了更好地分析树木模型单元，我们推荐采用三角网格形式的重建模型技术)。lidar数据、影像数据和飞行数据，能够更全面地反映巡检现场的环境信息，包括高度、形状、位置等，能够保证三本文档来自技高网...
【技术保护点】
1.一种基于人工智能的无人机树障识别方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的无人机树障识别方法，其特征在于，三维重建模型中包含多个模型单元，每个模型单元为若干连续的网格元素形成，从三维重建模型中识别出电力设施单元和树木模型单元，包括：
3.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，元素特征的提取方式为：
4.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，识别模型包括输入层、特征提取层、全连接层和输出层，
5.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，所述特征提取层为基于注意力机制的序列网络，具体用于：
6.根据权利要求5所述的基于人工智能的无人机树障识别方法，其特征在于，采用以下公式计算模型单元的整合特征：
7.根据权利要求5所述的基于人工智能的无人机树障识别方法，其特征在于，所述序列网络为RNN或RNN的变体模型、LSTM或LSTM的变体模型、GRU或GRU的变体模型。
8.根据权利要求2所述的基于人工智
9.根据权利要求8所述的基于人工智能的无人机树障识别方法，其特征在于，相邻两个电力设施单元和输电线缆形成一段输电线路，基于电力设施单元和输电线缆确定出电力设施辐射区域，包括：
10.根据权利要求8所述的基于人工智能的无人机树障识别方法，其特征在于，基于树木模型单元，确定出树木摇摆可达区域，包括：
...【技术特征摘要】
1.一种基于人工智能的无人机树障识别方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的无人机树障识别方法，其特征在于，三维重建模型中包含多个模型单元，每个模型单元为若干连续的网格元素形成，从三维重建模型中识别出电力设施单元和树木模型单元，包括：
3.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，元素特征的提取方式为：
4.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，识别模型包括输入层、特征提取层、全连接层和输出层，
5.根据权利要求2所述的基于人工智能的无人机树障识别方法，其特征在于，所述特征提取层为基于注意力机制的序列网络，具体用于：
6.根据权利要求5所述的基于人工智能的无人机...
【专利技术属性】
技术研发人员：朱德中，赵凌曦，王昌幼，何春应，徐懿昭，齐森，周倩，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，
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。