[发明专利]输电线路无人机巡检拍摄目标点自动提取及航迹规划方法

权利要求书

1.一种无人机巡检拍摄目标点自动提取方法，其特征是，包括：

采集被巡检设备的点云数据；

对采集的被巡检设备的点云数据进行自动分类，获取被巡检设备上被巡检部件的点云数据；

对被巡检部件的点云数据进行主成分分析，获取被巡检部件的部件主轴，进而获取拍摄目标点。

2.根据权利要求1所述的无人机巡检拍摄目标点自动提取方法，其特征是，所述对采集的被巡检设备的点云数据进行自动分类，获取被巡检设备上被巡检部件的点云数据，包括：

对被巡检设备的点云数据进行特征提取；

对特征提取后的被巡检设备的点云数据进行聚类，实现点云数据中被巡检部件的单体化，获取被巡检设备上被巡检部件的点云数据。

3.根据权利要求2所述的无人机巡检拍摄目标点自动提取方法，其特征是，采用基于深度学习分类网络的KPConv点云分类模型作为被巡检设备上被巡检部件的识别模型，对被巡检设备的点云数据进行特征提取。

4.根据权利要求2所述的无人机巡检拍摄目标点自动提取方法，其特征是，采用DBSCAN聚类算法对特征提取后的被巡检设备的点云数据进行聚类。

5.根据权利要求1所述的无人机巡检拍摄目标点自动提取方法，其特征是，所述对被巡检部件的点云数据进行主成分分析，获取被巡检部件的部件主轴，进而获取拍摄目标点，包括：

对三维的被巡检部件的点云数据进行标准化，具体为，将被巡检部件的点云数据的x、y、z轴坐标排列成三行m列的矩阵X，每行减去该行的均值：

基于矩阵X，构建协方差矩阵：

将协方差矩阵分解为特征向量E和特征值λ：

取矩阵X的协方差矩阵的单位特征向量矩阵E，用它的转置E^T来作为转换矩阵P，而矩阵X的协方差矩阵的特征值λ就是各主成分的方差；

对特征值及对相应的向量进行降序排序；

取前三个特征向量作为被巡检部件的点云数据的三个方向的主轴；

获取不同方向的主轴的OBB盒，进而获取被巡检部件的全景拍摄目标点。

6.根据权利要求5所述的无人机巡检拍摄目标点自动提取方法，其特征是，所述获取不同方向的主轴的OBB盒，进而获取被巡检部件的全景拍摄目标点，包括：

对于不同主轴，将所有被巡检部件的点云数据投影到该主轴，计算中心以及半长，作为OBB有向包围盒的中心和半边长，得到OBB盒；

取OBB盒最长轴方向上两个面的中心，分别作为第一挂点和第二挂点，OBB盒的中心作为被巡检部件的全景拍摄目标点。

7.一种无人机巡检航迹规划方法，其特征是，包括：

获取无人机巡检拍摄目标点；基于获取的无人机巡检拍摄目标点对被巡检设备进行航迹规划。

8.根据权利要求7所述的无人机巡检航迹规划方法，其特征是，采用权利要求1～6任一项所述的无人机巡检拍摄目标点自动提取方法，获取无人机巡检拍摄目标点。

9.根据权利要求7所述的无人机巡检航迹规划方法，其特征是，所述基于获取的无人机巡检拍摄目标点对被巡检设备进行航迹规划，包括：

依据拍摄目标点位置与当前相机参数，确定各拍摄目标点对应的相机位置；

将相机位置按照被巡检部件的位置进行分组，并对每组中的被巡检部件分层排序；

基于分层顺序和航线生成智能算法，结合碰撞检测技术，实现航迹自动规划。

10.一种无人机巡检航迹规划系统，其特征是，包括：

拍摄目标点获取模块，用于获取无人机巡检拍摄目标点；

航迹规划模块，用于基于获取的无人机巡检拍摄目标点，结合给定的拍摄顺序，运用智能航线生成算法及碰撞检测算法，对被巡检设备进行航迹规划。