技术新讯 > 核算装置的制造及其应用技术 > 基于无人机巡检信息的安全对接系统的制作方法  >  正文

基于无人机巡检信息的安全对接系统的制作方法

  • 国知局
  • 2024-07-31 22:17:02

本发明属于安全巡检领域,涉及无人机技术,具体是基于无人机巡检信息的安全对接系统。

背景技术:

1、无人机是一种没有人操控的飞行器,也称为无人驾驶飞行器,它通常通过遥控或预设的自主计划进行飞行,不需要人员直接操纵,无人机可以通过遥控器、计算机程序以及预设的导航路径来执行各种任务,包括航拍、科学研究、军事侦察、灾难监测、资源勘察等,无人机通常由飞行平台、控制系统、传感器和电源等组成,随着技术的发展,无人机在安全巡检的应用越来越广泛;

2、在现有技术中,无人机在进行巡检信息对接时,存在以下缺陷:

3、1、当前无人机在进行危险物巡检时,依靠无人机操作人员实时对无人机传输至显示终端的视频进行人工分析,存在着操作误差大和识别准确性低的问题;

4、2、当前无人机终端在进行危险物巡检时,发现危险物后,需要人工辅助对危险物信息进行进一步分析,无法自动对接危险排除措施,存在着工作效率低下且存在一定的安全隐患;

5、为此,我们提出基于无人机巡检信息的安全对接系统。

技术实现思路

1、针对现有技术存在的不足,本发明目的是提供基于获取危险物检查区域坐标图和危险物观察数据,得到初步巡检信息,将初步巡检信息对接至危险处理点,危险处理点通过危险物观察数据计算得到危险物检查区域划分系数,对危险物检查区域划分系数进行阈值判断,得到危险物检查区域密度分级数据,并根据危险物检查区域密度分级数据进行安全警戒距离设定,将危险物检查区域划分系数和危险物检查区域密度分级数据定义为巡检分析数据,根据危险物检查区域坐标图和危险物检查区域密度分级数据对危险排除点进行分类和位置确定,得到危险排除点分类数据和危险排除点坐标位置数据,根据危险排除点分类数据、危险物检查区域划分系数以及基准危险排除物装配量对危险排除物装配量进行获取,无人机根据危险排除点分类数据和危险排除物装配量对危险物进行危险排除,获取危险排除确认图像,通过危险物识别模型对危险排除确认图像进行危险物识别,将识别到危险物通过无人机进行危险排除,直至危险物排除完毕;

2、为了实现上述目的,本发明采用了如下技术方案,基于无人机巡检信息的安全对接系统各模块具体工作过程如下:

3、数据获取模块:获取危险物检查区域图像,通过危险物检查区域图像对危险物进行位置确定,得到危险物检查区域坐标图,分别获取危险物检查区域面积数值、第一类型特征危险物平均直径数值、危险物数量值以及每个危险物直径数值,得到危险物观察数据,将危险物检查区域坐标图和危险物观察数据定义为初步巡检信息;

4、信息对接模块:将初步巡检信息对接至危险处理点,危险处理点通过危险物观察数据计算得到危险物检查区域划分系数,对危险物检查区域划分系数进行阈值判断,得到危险物检查区域密度分级数据,并根据危险物检查区域密度分级数据进行安全警戒距离设定,将危险物检查区域划分系数和危险物检查区域密度分级数据定义为巡检分析数据;

5、危险排除模块:根据危险物检查区域坐标图和危险物检查区域密度分级数据对危险排除点进行分类和位置确定,得到危险排除点分类数据和危险排除点坐标位置数据,根据危险排除点分类数据、危险物检查区域划分系数以及基准危险排除物装配量对危险排除物装配量进行获取,无人机根据危险排除点分类数据和危险排除物装配量对危险物进行危险排除,对危险物检查区域进行图像获取,得到危险排除确认图像;

6、排除确认模块:获取危险排除确认图像,通过危险物识别模型对危险排除确认图像进行危险物识别,将识别到危险物通过无人机进行危险排除,直至危险物排除完毕。

7、进一步地,所述数据获取模块包括危险物定位单元和危险物数据单元;

8、还包括数据库,数据库中存储的数据包括危险物检查区域面积数值和危险物高清图像数据;

9、危险物定位单元获取危险物检查区域坐标图;

10、危险物数据单元获取危险物观察数据;

11、将危险物检查区域坐标图和危险物观察数据定义为初步巡检信息,数据获取模块对初步巡检信息进行获取。

12、进一步地,所述危险物定位单元对危险物检查区域坐标图进行获取,具体如下:

13、无人机通过第一获取设备获取危险物检查区域图像,通过对危险物检查区域图像对危险物进行位置确定;

14、通过数据库获取危险物高清图像数据,并将危险物高清图像数据划分为模型训练集和模型测试集;

15、通过卷积神经网络平台建立危险物识别模型,通过模型训练集对危险物识别模型进行训练,待危险物识别模型训练结束;

16、将模型测试集对危险物识别模型进行识别测试,若危险物识别模型对模型测试集的识别成功率能够达到目标识别成功率,则危险物识别模型训练成功,若危险物识别模型对模型测试集的识别成功率未能够达到目标识别成功率,则继续使用模型训练集对危险物识别模型进行重复训练,直至危险物识别模型对模型测试集的识别成功率达到目标识别成功率;

17、使用危险物识别模型对危险物检查区域图像进行危险物识别,并将识别为危险物的物体在危险物检查区域图像进行标记,得到第一危险物检查区域标记图像;

18、通过无人机携带第一检测设备对危险物检查区域进行金属探测,将第一检测设备探测到存在金属物体的位置标记为危险物存在位置,并将危险物存在位置在第一危险物检查区域标记图像中进行标记,得到第二危险物检查区域标记图像;

19、将第二危险物检查区域标记图像几何中心点为坐标原点,过坐标原点且与第二危险物检查区域标记图像上底平行的直线为x轴,过坐标原点且与x轴垂直的直线为y轴,建立平面直角坐标系,并将第二危险物检查区域标记图像中存在的标记点在平面直角坐标系中进行标记,得到危险物检查区域坐标图。

20、进一步地,所述危险物数据单元对危险物观察数据进行获取,具体如下:

21、将无人机与危险物之间的距离缩近,获取危险物直径数值;

22、根据危险物检查区域坐标图获取危险物对应的标记点数量值,得到危险物数量值;

23、通过数据库提取危险物检查区域面积数值;

24、将危险物检查区域面积数值、第一类型特征危险物平均直径数值、危险物数量值以及每个危险物直径数值定义为危险物观察数据。

25、进一步地,所述危险物数据单元对危险物对应的直径数值进行获取,具体如下:

26、将能够完整获取清晰图像的危险物标记为第一类型危险物;

27、将不能够完整获取清晰图像的危险物标记为第二类型危险物;

28、通过无人机携带的第一获取设备获取每一个第一类型危险物对应的直径数值,并选取m个第一类型危险物作为第一类型特征危险物,将m个第一类型特征危险物对应的直径数值分别标记为第一特征直径数值至第m特征直径数值;

29、将第一特征直径数值至第m特征直径数值通过计算得到第一类型特征危险物平均直径数值;

30、将第一类型特征危险物平均直径数值标记为第二类型危险物的直径数值;

31、根据第一类型危险物的直径数值和第二类型危险物的直径数值得到每个危险物直径数值。

32、进一步地,所述信息对接模块对巡检分析数据进行获取,具体如下:

33、还包括数据库,数据库中存储的数据还包括单位面积危险物数量基准值、危险物直径阈值;

34、无人机将初步巡检信息输送至危险处理点;

35、危险处理点通过初步巡检信息获取危险物观察数据,根据危险物观察数据获取危险物检查区域面积数值、危险物数量值以及第一类型特征危险物平均直径数值;

36、将危险物检查区域面积数值、危险物数量值以及第一类型特征危险物平均直径数值通过计算得到危险物检查区域划分系数;

37、获取危险物检查区域划分系数阈值,并将危险物检查区域划分系数与危险物检查区域划分系数进行阈值比对,得到危险物检查区域密度分级数据,并对危险物检查区域密度分级数据进行安全警戒距离设定;

38、对危险物检查区域划分系数阈值进行获取,具体如下:

39、从数据库中提取单位面积危险物数量基准值、危险物直径阈值以及单位面积数值;

40、将危险物检查区域面积数值、单位面积危险物数量基准值、危险物直径阈值以及单位面积数值通过计算得到危险物检查区域划分系数阈值;

41、数值比对过程具体如下:

42、当危险物检查区域划分系数大于等于危险物检查区域划分系数阈值时,判断为第一危险物密度区域,并设定第一危险物密度区域对应的安全警戒距离为第一安全距离区间;

43、当危险物检查区域划分系数小于危险物检查区域划分系数阈值时,判断为第二危险物密度区域,并设定第二危险物密度区域对应的安全警戒距离为第二安全距离区间;

44、将危险物检查区域划分系数和危险物检查区域密度分级数据定义为巡检分析数据,信息对接模块对巡检分析数据进行获取。

45、进一步地,所述危险排除模块根据初步巡检信息和巡检分析数据对危险物检查区域进行危险排除,具体如下:

46、还包括数据库,数据库中存储的数据包括标记点数量阈值和基准危险排除物装配量;

47、获取巡检分析数据,根据巡检分析数据对危险排除点进行获取并分类,得到危险排除点分类数据,根据危险排除点分类数据进行危险排除点的位置确定,得到危险排除点坐标位置数据,

48、根据危险排除点分类数据获取危险排除物装配量;

49、危险处理点通过将危险排除点坐标位置数据输送至无人机,危险处理点根据危险排除物装配量为无人机装配危险排除物,无人机根据危险排除点坐标位置数据进行危险排除。

50、进一步地,所述危险排除模块根据危险排除点分类数据和危险排除点坐标位置数据进行获取,具体如下:

51、根据巡检分析数据获取危险物检查区域密度分级数据,对处于第一危险物密度区域进行危险排除点位置确定并获取危险排除点分类数据;

52、根据初步巡检信息获取危险物检查区域坐标图,在危险物检查区域坐标图内随机选取n个标记点作为特征标记点,且每两个特征标记点之间的直线距离大于危险排除标定距离;

53、以特征标记点为圆心,以危险排除标定距离为半径确定n个特征标记圆,分别统计每一个特征标记圆中的标记点的数量值;

54、通过数据库获取标记点数量阈值,若特征标记圆中的标记点大于标记点数量阈值,则将特征标记圆对应的圆心作为第一类危险排除点,若特征标记圆中的标记点小于等于标记点数量阈值,则将特征标记圆中每一个标记点都作为第二类危险排除点;

55、将第二危险物密度区域中每一个标记点为都作为第二类危险排除点;

56、根据危险物检查区域坐标图分别获取每一个危险排除点对应的坐标位置,得到危险排除点坐标位置数据。

57、进一步地,所述危险排除模块对危险排除物装配量进行获取,具体如下:

58、通过数据库获取基准危险排除物装配量;

59、根据危险排除点分类数据、危险物检查区域划分系数以及危险物直径数值计算危险排除物装配量;

60、针对第一类危险排除点,对危险排除物装配量进行获取具体如下:

61、根据危险物观察数据分别获取第一类危险排除点所在特征标记圆中每一个标记点对应的危险物直径数值,并将其分别标记为第一圆内危险物直径至第i圆内危险物直径;

62、根据特征标记圆对应区域的危险物检查区域划分系数;

63、将第一圆内危险物直径至第i圆内危险物直径、基准危险排除物装配量、危险物检查区域划分系数计算得到第一类危险排除点对应的危险排除物装配量;

64、针对第二类危险排除点,对危险排除物装配量进行获取具体如下:

65、根据危险物观察数据获取第二类危险排除点对应标记点的危险物直径数值、第二类危险排除点所在区域的危险物检查区域划分系数以及基准危险排除物装配量计算得到第二类危险排除点对应的危险排除物装配量。

66、进一步地,所述排除确认模块对危险物检查区域进行危险排除确认,具体如下:

67、无人机携带第一获取设备对危险物检查区域进行图像获取,得到危险排除确认图像;

68、使用危险物识别模型对危险排除确认图像进行危险物识别,若识别到危险物,将危险物检查区域标记为第一危险排除确认区域,若此处未识别到危险物,将危险物检查区域标记为第二危险排除确认区域;

69、针对第一危险排除确认区域,无人机重复上述危险排除过程,对第一危险排除确认区域进行危险排除并进行危险排除确认,直至第一危险排除确认区域不存在危险物。

70、综上所述,由于采用了上述技术方案,本发明的有益效果是:

71、1、本发明通过无人机与危险处理点进行信息安全对接,实现了无人机自动对危险物进行识别,有效提高了无人机的巡检效率和对危险物的安全排除效率;

72、2、本发明通过对危险物检查区域坐标图进行分析,根据危险物在危险物检查区域坐标图的分布特征确定危险排除点的位置,能够有效提高危险物排除效率,降低危险物带来的安全隐患。

本文地址:https://www.jishuxx.com/zhuanli/20240731/192563.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。