基于视觉的通用型无人飞行器高自主性线路巡检技术研究

There are great lengths of line facilities in our country such as power lines and oil pipelines whose maintenance work are suffering from high cost and low efficiency of manual inspections. Aiming at the practical demands, in this project, research of a vision based technology for high autonomy UAVS line inspection is going to be carried out. The result technology will not be limited to a specific hardware platform or specified tasks and it will have good scalability and versatility. Focus on the three key science problems: sparse description and intelligent coding of low-flying aerial image, automatically analyzing and conclusion evaluation of vision information under complex environment, methods for generalizing intelligent technologies based on task structure analyzing, we devote to propose a complete solution by making breakthroughs in bottlenecks of intelligent coding, autonomous measurement and exception checking, solutions of generality, air-ground communication with small data..In order to achieve this goal, intelligent coding model will be established firstly based on sparse coding theory of bionic vision. On this base, computational model will be established based on the mature psychology theories to decompose an aerial photo into a series of cognitive objects for object recognition and following tasks including exception identification, pose estimation and control etc. Besides, the designing of intelligent technology’s generality will be theoretical height through structured analysis of the tasks. .The applicant and the team have good research foundation and conditions and we have the ability to finish the project within three years of research task.

由于我国电力线、油气管道等线路设施里程大，人工巡检效率低、成本高，本课题面向实际需求，拟展开基于视觉的无人飞行器高自主性巡检技术研究。成果技术不局限于特定硬件平台和指定的任务，具有良好的可扩展性和通用性。重点研究低空航拍图像信息稀疏表征与智能编码，复杂环境下视觉信息自主分析与结论评估，基于任务结构分析的智能技术通用性实现方法三个关键科学问题，力争突破视觉信号智能编码、自主测量与异常检测、通用化方案、小信道空地交互等瓶颈技术，提供一套功能完整的解决方案。.为了达到上述目标，首先基于稀疏编码、仿生视觉等理论方法建立智能编码模型，在此基础上基于成熟的心理学理论建立计算模型，将航拍图分解为一系列认知对象，从而实现对象辨识及在此基础上的异常辨识、位姿测控等功能。通过对任务的结构化分析将技术通用性设计提升到理论高度。.申请人及团队具有较好的研究基础和条件，有能力在3年内完成计划内的研究任务。

由于我国电力线、油气管道等线路设施里程大，人工巡检效率低、成本高，本课题面向实际需求，拟展开基于视觉的无人飞行器高自主性巡检技术研究。成果技术不局无人飞机巡线可以大大降低降低高压输电线路的运行维护成本，对巡检作业的质量提高和增强电力生产自动化综合能力具有重要意义。本课题针对无人机巡线中视觉信号智能编码、自主测量与异常检测、通用化方案、小信道空地交互等瓶颈技术展开了研究。首先，提出了一种基于视觉的无人机条形目标自动检测方法，建立了基于单目航拍视觉的地面条形目标长度与位姿测量模型，同时为了解决变焦距航拍相机全焦距标定的问题，提出了一种离焦控制点精确检测方法，并设计了一种标定块。其次，设计了一种多层卷积编码器，在电力巡检航拍图像样本量有限的情况下进行网络的训练，实现了对视觉采样窗口内的图像信号进行稀疏智能编码，并在在卷积编码器的基础上，设计了一种新型深度神经网络，实现了基于视觉的自主测量与异常检测。然后提出了一种基于单目视觉的场景密集点云构建的方法，该方法在无人机移动过程中，通过将几何法测得的稀疏深度信息和全卷积神经网络（FCN）给出的密集无尺度信息加以融合，以增量方式获取环境的密集三维地图。最后，基于所提出的曲线检测技术和密集点云地图实现了巡检过程中的无人机位姿估计和复杂障碍环境中的安全飞行。本课题对无人机巡检的相关理论与应用进行了进一步探索，相关科研成果不仅可以直接应用于电网无人机电力巡检的装配优化，对其他移动机器人的航拍或巡检、其他领域的共性关键问题，也有一定的借鉴意义。