CN119440087A 基于激光点云的无人机动态巡检航线获取方法及系统 （国网江苏省电力有限公司泰州供电分公司）

基于激光点云的无人机动态巡检航线获取及一种于激光点云的无人机动态巡检航线获取方法及系统。该方法包括三维点云数据综合处点安全距离碰撞检查和航点位置调整步骤进一23rand()为随机函数；最优电网设备安全巡视路径求解过程中，为了避免因种群粒max为最快飞行速度；410.根据权利要求3所述的基于激光点云的无人机动态巡检航线获取方法，其特征在xyz)为均值向量5⑤点云数据优化：采用高斯统计去噪方法，或者采用高斯①点云数据标准化：通过上述步骤得到粗糙的单体化数据标准化以统一所有单体化设备点云的坐标系统和数据尺度，确保后续聚类算法的效R内点数少于MinPts但位于至少一个核心点的R邻域中，噪声点在其R邻域内的点数少于⑤点云处理软件的分割与分类：除了上述聚类算法之外，或者通过点云处理软件⑥单体化设备点云数据去噪：点云数据的粗略切割和分,ii)是体素内点的坐标。6[0002]基于航线规划的无人机自主巡检技术，凭借其高效的巡[0005]利用激光点云技术的航线规划，激光雷达(LiDAR)技术能够生成精确的三维地形[0006]固定路径类型的航线特点，不论是通过人工打点还是激光点云技术规划出的航7置和角度以及规划巡检路径等步骤，实现了基于激光点云的无人机动态巡检航线的获取。8检路径：求解电网设备安全巡视最优路径,以粒子群优化particleswarmoptimization,PSO算法为基础的求解算法；将安全巡视区域设置为1个路径搜索空间,并设置空间内包含9end[0043]最优电网设备安全巡视路径求解过程中,为了避免离相加设置的目标函数作为适应度值计算的点的均值向量即平均位置和协方差矩阵，均值向量和协方差矩阵描述了点的空间分布情)为均值邻域R内点数少于MinPts但位于至少一个核心点的R邻域中，噪声点在其R邻域内的点数少处理器执行所述计算机程序时实施前述任一项所述方[0077]在三维点云数据综合处理中，首先对已采集的设备三维点云数据进行去噪处一系列步骤有效确保了从原始点云数据到高质量设备点[0080]如果发现某些航点处于不安全的位置，即它们过于接近[0081]最后一步是根据之前确定的所有航点，选出需要关注的部分设备点位对应的航[0085]航点安全距离碰撞检查和航点位置调整步骤进一步增强了无人机的自主飞行能点的均值向量(平均位置)和协方差矩阵，均值向量和协方差矩阵描述了点的空间分布情提供的现成去噪工具来移除异常点(离群点)，如CloudCompare提用于识别任意形状的簇且对噪声点具有良好的鲁棒性，而K_means算法则更适合于处理形邻域R内点数少于MinPts但位于至少一个核心点的R邻域中，噪声点在其R邻域内的点数少步得到单体化设备之后点云数据之后，可以采用步一(2)对单体化设备点云数据再次进行[0123](4)点云数据抽稀。通过上述点云采集和处理步骤得到的单体化设备三维点云数[0128]如图4所示，无人机航点p是以设备巡检点位t为原点，拍摄距离通过人工输入确[0140]图7为考虑障碍膨胀的栅格地图示意图，其中黑色单元是根据点云确定的被占据[0145]为了求解电网设备安全巡视最优路径,提出以粒子群优化(particleswarmoptimization,PSO)算法为基础的求解算法。将安全巡视区域设置为1个路径搜索空间,并路径的寻优陷入局部最优,利用个体极值和全局极值,对PSO算法的原始粒子进行飞行距[0150]最优电网设备安全巡视路径求解过程中,为了避免整范围参数。为了避免PSO算法求解出现陷入局部最优的问题,本文提出向PSO算法中添加