[发明专利]一种基于无人机巡检影像的异常目标监管方法及系统

权利要求书

1.一种基于无人机巡检影像的异常目标监管方法，其特征在于，包括：

步骤1，无人机根据管线的地理坐标及预设的巡检路线进行图像采集；

步骤2，对采集到的图像进行拼接获得拼接图像以显示无人机航线覆盖区域的地形及每个区域的地理坐标；

步骤3，在预设的图像警戒范围内进行异常目标检测，基于检测到的异常目标对采集到的图像进行图像智能识别，获取异常目标类别；

步骤4，在所述拼接图像上标注异常目标的位置以供工作人员进行确定获得最终异常目标及类别；

步骤5，确定最终异常目标与管线的距离，并将最终异常目标的特征和位置信息录入数据库，并将最终异常目标的处理状态更新到数据库；所述处理状态包括异常嫌疑、异常确认、异常待处理及异常已处理；

步骤6，定期汇总数据库中预设时间内最终异常目标的处理状态，按照需求输出统计报告。

2.根据权利要求1所述的基于无人机巡检影像的异常目标监管方法，其特征在于，步骤1具体包括：

步骤1.1，基于无人机的具体类别型号和管线的地理坐标规划无人机的巡检路线；所述巡检路线采集的图像符合对管线的覆盖要求；所述无人机包括固定翼无人机和旋翼无人机；

步骤1.2，根据无人机的巡检路线情况和巡检当天的天气因素设置相机的图像采集触发条件；所述触发条件包括触发时间间隔和无人机飞行距离；

步骤1.3，将无人机的状态信息、相机的内部参数以及采集到的图像发送回地面站，作为图像拼接和图像智能识别的依据；所述无人机的状态信息包括飞行姿态高度信息和飞行地理坐标；所述相机的内部参数包括焦距和光圈信息。

3.根据权利要求1所述的基于无人机巡检影像的异常目标监管方法，其特征在于，步骤2具体包括：

步骤2.1，基于采集的重叠率为65％以上的图像序列以及每张图像对应的GPS数据，并根据GPS数据建立的图像间的相邻关系，对图像进行SIFT特征提取以获取二维图像间的特征点对；

步骤2.2，根据建立的二维图像间的特征点对，利用运动恢复结构SfM的方式通过非线性优化求取每张图像的位姿信息以及观测点的三维坐标，得到无人机航拍场景的稀疏点云；

步骤2.3，对所述稀疏点云进行稠密化操作，通过整合估算的图像深度信息得到场景的稠密点云；

步骤2.4，对稠密点云构建三角网格，得到场景的网格模型；

步骤2.5，在构建的网格模型基础上，通过之前建立的图像和三角面片的关系实现纹理贴图，得到真实场景的纹理网格模型；

步骤2.6，根据投影方向生成带有地理坐标的正射投影以及高程图。

4.根据权利要求1所述的基于无人机巡检影像的异常目标监管方法，其特征在于，步骤3具体包括：

步骤3.1，标记图像中的管线位置和待进行目标检测的警戒范围；

步骤3.2，在管线的警戒范围内，进行异常目标的检测；

步骤3.3，对检测到的异常目标进行深度学习识别，从而确定异常目标的类别；异常目标的类别包括管道占压、第三方施工和地质灾害。

5.根据权利要求4所述的基于无人机巡检影像的异常目标监管方法，其特征在于，使用包括多隐层的多层感知器进行深度学习识别。

6.一种基于无人机巡检影像的异常目标监管系统，其特征在于，包括：

图像采集模块，用于通过无人机执行预设的巡检线路以进行图像采集；

图像拼接模块，用于对采集到的图像进行拼接获得拼接图像以显示无人机航线覆盖区域的地形及每个区域的地理坐标；

异常目标识别模块，用于在预设的图像警戒范围内进行异常目标检测，基于检测到的异常目标对采集到的图像进行图像智能识别，获取异常目标类别；异常目标的类别包括管道占压、第三方施工和地质灾害；

人工确认模块，用于对检测到的异常目标及对应的类型进行确认，得到最终异常目标及类别；

统计分析模块，用于确定最终异常目标与管线的距离，并将最终异常目标的特征和位置信息录入数据库，并将最终异常目标的处理状态更新到数据库；所述处理状态包括异常嫌疑、异常确认、异常待处理及异常已处理；

报告输出模块，用于将当前数据库中的最终异常目标信息以用户指定的报告格式输出。