输电线路绝缘子红外智能匹配识别与测距定位方法及系统
专利汇可以提供输电线路绝缘子红外智能匹配识别与测距定位方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种输电线路绝缘子红外智能匹配识别与测距 定位 方法及系统，包括利用已训练完成的 卷积神经网络 进行绝缘子串目标自动识别；确认绝缘子目标后，通过 位置 - 姿态 外内环控制对绝缘子串目标进行 跟踪 定位；利用基于相似三 角 形原理的单目测距选择最佳拍摄距离；无人机与绝缘子串目标保持最佳拍摄距离进行安全距离预警。，下面是输电线路绝缘子红外智能匹配识别与测距定位方法及系统专利的具体信息内容。
1.输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：包括以下步骤：
步骤1：采用已训练完成的卷积神经网络自动识别绝缘子串目标；
步骤2：采用位置-姿态外内环控制对绝缘子串目标进行跟踪定位；
步骤3：根据绝缘子串目标的位置，获取最佳拍摄距离；
步骤4：基于最佳拍摄距离，控制无人机对绝缘子串目标进行安全距离预警。
2.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述步骤1中的卷积神经网络的训练步骤为：
构建卷积神经网络；
采用图像数据库对卷积神经网络进行预训练，收敛后，将卷积神经网络最后一层修改为C＝3，分别代表绝缘子串、背景，杆塔3类目标；
利用输电线路图像库进行二次训练，在训练过程中采用启发式方法，在当前学习速率下，若验证集错误率不变，则将学习速率减小至当前的1/10，直至收敛，得到训练完成的卷积神经网络。
3.根据权利要求2所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述图像数据库为Cifar-100图像数据库；
所述输电线路图像库的选取包括以下步骤：
采用无人机对输电线路进行航拍，获取具有绝缘子串的图像；
对图像中的背景、杆塔、绝缘子串3类区域进行标注；
对图像进行分块，得到图像块；
对图像块进行旋转、平移、尺度的变换，扩展样本数量，得到输电线路图像库。
4.根据权利要求2所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述卷积神经网络以图片为输入，以图片的类别标签为输出，表示如下：
c＝FCNN(s|P),c∈{1,2,...,C}
式中，s为输入图片，P为卷积神经网络的参数，c为图片的输出类别标签，FCNN()表示卷积神经网络前向运算。
5.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述位置-姿态外内环控制以世界坐标系中无人机的水平位移(xd,yd)作为输入，具体包括：外环位置控制采用PI控制器得到内环姿态控制的期望角度，内环姿态控制根据期望角度得到最终的控制量U；
所述世界坐标系中无人机的水平位移(xd,yd)由图像平面内绝缘子串目标的跟踪误差ec得到，所述跟踪误差ec表示为：
式中， 和cp分别为图像视野中心像素坐标和目标中心像素坐标；
所述PI控制器得到高度控制律U1及内环姿态控制的期望角度φd和θd：
式中，U1表示电机总升力，μ＝[μx,μy,μz]T为虚拟控制量，φd，θd，ψd分别为无人机的滚转角、俯仰角和偏航角；
所述内环姿态控制采用LQR控制，得到控制律U2，控制律U3，控制律U4；
U＝[U1,U2,U3,U4]T构成无人机的控制输入。
6.根据权利要求1所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述步骤3具体为：
根据绝缘子串目标的位置，得到航拍视频帧中绝缘子串目标宽度所占像素；
根据已知的单个绝缘子的直径、无人机机载摄像头的焦距和绝缘子串目标宽度所占像素，基于相似三角形原理计算得到目标绝缘子串与无人机的距离D：
式中，f为无人机机载摄像头的焦距，H表示单个绝缘子的实际直径，h表示绝缘子在成像中直径所占像素。
7.根据权利要求6所述的输电线路绝缘子红外智能匹配识别与测距定位方法，其特征在于：所述获取无人机机载摄像头的焦距的步骤为：
将无人机机载摄像头置于固定位置，通过变换标定物的方位，获取多张不同角度的标定图像，利用MATLAB中的摄像机标定程序对标定图像进行批处理，将其读入摄像头标定工具箱中，根据张氏平面标定法得到无人机机载摄像头的焦距f。
8.基于权利要求1至7任意一项所述的一种输电线路绝缘子红外智能匹配识别与测距定位方法的系统，其特征在于：包括
卷积神经网络模块，用于对绝缘子串目标进行自动识别；
位置-姿态外内环控制模块，用于对识别后的绝缘子串目标进行跟踪定位；
测距模块，用于计算得到无人机与绝缘子串目标之间的最佳拍摄距离；
无人机，用于根据测距模块得到的最佳拍摄距离，与绝缘子串目标保持最佳拍摄距离进行安全距离预警。
9.根据权利要求8所述的系统，其特征在于：所述卷积神经网络模块包括1层输入层、3层卷积/池化层和1个全连接输出层；所述输入层输入为归一化的RGB三通道的图片，所述卷积/池化层的每一层卷积核的通道数分别由前一层输出的通道数决定，池化均采用最大值池化，所述全连接层神经元个数与输出类别数相同，表示如下：
c＝FCNN(s|P),c∈{1,2,...,C}
式中，s为输入图片，P为卷积神经网络的参数，c为图片的输出类别标签，FCNN()表示卷积神经网络前向运算。
10.根据权利要求8所述的系统，其特征在于：所述位置-姿态外内环控制模块包括外环位置控制器和内环姿态控制器，所述外环位置控制器得到内环姿态控制器的期望角度，内环姿态控制器根据期望角度得到最终的控制量U，该最终的控制量U构成无人机的控制输入；具体为：
由外环位置控制器直接得到高度控制律U1及内环姿态控制器的期望角度φd和θd：
式中，U1表示电机总升力，μ＝[μx,μy,μz]T为虚拟控制量，φd，θd，ψd分别为无人机的滚转角、俯仰角和偏航角；
所述内环姿态控制器采用LQR控制，得到控制律U2，U3，U4；
得到最终的控制量U＝[U1,U2,U3,U4]T构成无人机的控制输入。
11.根据权利要求8所述的系统，其特征在于：所述测距模块为基于相似三角形原理计算得到目标绝缘子串与无人机的距离D：
式中，f为无人机机载摄像头的焦距，H表示单个绝缘子的实际直径，h表示绝缘子在成像中直径所占像素。
12.根据权利要求10所述的系统，其特征在于：所述外环位置控制器采用PI控制器。
13.根据权利要求8所述的系统，其特征在于：所述无人机为搭载有红外热像仪的无人机。
输电线路绝缘子红外智能匹配识别与测距定位方法及系统
技术领域
背景技术
发明内容
具体实施方式
利用Cifar-100图像数据库训练得到的特征提取参数可转化为输电线路图像的特征提取参数。在此基础上进行网络参数调优，有效避免了过拟合现象。定义好网络结构后，采用梯度下降法训练神经网络模型参数，训练过程由Caffe完成。预训练阶段的学习参数为：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于WSN及无人机的地空协同全域建筑健康监测方法 | 2020-05-14 | 492 |
| 胃行为的仿真方法和系统 | 2020-05-14 | 114 |
| 一种基于多目标追踪框架的无人机视频中车速校正方法 | 2020-05-15 | 896 |
| 多源目标的空间直方图表示与跟踪方法 | 2020-05-16 | 829 |
| 手持式飞机油箱快速三维地图重建装置及重建方法 | 2020-05-11 | 115 |
| 输电线路绝缘子红外智能匹配识别与测距定位方法及系统 | 2020-05-13 | 62 |
| 一种基于深度学习的无人机航拍视频轨迹高精度提取方法 | 2020-05-15 | 190 |
| 基于深度学习和视惯融合的室内机器人运动估计方法 | 2020-05-16 | 361 |
| 一种铸锭过程动态除渣的机器人轨迹规划方法 | 2020-05-11 | 144 |
| 一种用于柔性内窥镜操作机器人的运动控制方法 | 2020-05-15 | 145 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
