[发明专利]一种无人机违章建筑物巡检方法、设备及存储介质

权利要求书

1.一种无人机违章建筑物巡检方法，其特征在于，包括如下步骤：

获取无人机拍摄的违章建筑物视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集；

构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；

控制无人机从预设最低高度位置并按照预设巡检方向开始进行巡检；

通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的违章建筑物类别和违章建筑物在所述图像中的相对坐标；

根据所述图像中的各个违章建筑物的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；

判断所述无人机是否对一座建筑物巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。

2.根据权利要求1所述的无人机违章建筑物巡检方法，其特征在于，所述获取无人机拍摄的违章建筑物视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集的步骤包括：

获取无人机在多个角度和多个距离拍摄的包含待检测违章建筑物在内的视频，并截取所述视频中的关键帧作为训练数据；

筛选出清晰并包含需要检测的违章建筑物的数据样本；

将筛选出的数据样本进行反转以及尺度和对比度的变化，以生成多个相似的图像数据；

对待检测的违章建筑物进行标注，以得到标注数据集。

3.根据权利要求2所述的无人机违章建筑物巡检方法，其特征在于，所述待检测的违章建筑物的标注至少包括现有房屋四周自建建筑物、屋顶自建建筑物、院落自建建筑物、阳台自建建筑物、占道搭建的固定亭棚以及占道搭建的房屋。

4.根据权利要求1所述的无人机违章建筑物巡检方法，其特征在于，采用Faster RCNN目标检测法构建训练神经网络。

5.根据权利要求4所述的无人机违章建筑物巡检方法，其特征在于，对所述标注数据集进行训练时，以COCO数据集作为所述神经网络的输入训练得到的权重值作为初始化参数来得到权重参数。

6.根据权利要求1所述的无人机违章建筑物巡检方法，其特征在于，所述根据所述图像中的各个违章建筑物的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检的步骤具体包括：

根据无人机的当前坐标以及各个违章建筑物的相对坐标控制所述无人机进行飞行，以使所述无人机依次飞行至各个违章建筑物的坐标位置，实现对各个违章建筑物的检测。

7.根据权利要求1所述的无人机违章建筑物巡检方法，其特征在于，所述判断所述无人机是否对一座建筑物巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航的步骤包括：

判断所述无人机是否飞行至预设最高高度位置；

当所述无人机飞行至预设最高高度位置时，判断所述无人机是否完成建筑物的两侧巡检；

当所述无人机未完成建筑物的两侧巡检时，控制所述无人机飞行至所述建筑物的另一侧的预设最高高度处，并对所述建筑物的另一侧进行巡检；

当所述无人机飞行至建筑物的另一侧的预设最低高度位置时，判断所述无人机完成一座建筑物的巡检，并控制所述无人机返航。

8.根据权利要求1所述的无人机违章建筑物巡检方法，其特征在于，还包括：

根据所述无人机的出发坐标、飞行距离以及剩余电量估算所述无人机返航所需的电量，并根据所述无人机返航所需的电量判断所述无人机是否需要返航。

9.一种无人机违章建筑物巡检设备，其特征在于，包括：处理器和存储器；

所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的无人机违章建筑物巡检方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的无人机违章建筑物巡检方法中的步骤。