风电机组塔筒的巡检定位方法及装置与流程
本技术涉及风力发电机组巡检,具体而言,涉及一种风电机组塔筒的巡检定位方法及装置。
背景技术:
1、风力发电机组长期服役于复杂自然环境中,易产生塔筒倾斜、焊缝开裂、叶片表面损伤等缺陷,需定期巡检以保障运行安全。当前主流巡检方式多采用无人机搭载可见光/红外相机进行人工或半自动飞行拍摄,存在以下技术瓶颈:第一、定位精度不足:风机塔筒及叶片表面缺乏视觉纹理特征,传统视觉同步定位与建图(simultaneous localization andmapping,slam)算法易失效;全球定位系统(global positioning system,gps)信号在风机附近受多路径效应干扰,且依赖外部信号源。第二、累积误差问题:传统惯性测量单元(inertial measurement unit,imu)存在漂移,飞行数十米后累积误差可达米级,无法满足亚厘米级的缺陷定位需求。第三、环境适应性差:强磁场环境干扰电子罗盘,风向变化导致飞行轨迹偏移,进一步加剧定位误差。第四、效率低下:相关方案需事后人工标注缺陷位置,无法在飞行过程中实时关联缺陷与物理坐标,导致运维成本高。
2、针对上述技术问题,目前尚未提出有效的解决方案。
技术实现思路
1、本技术实施例提供了风电机组塔筒的巡检定位方法及装置,以至少解决相关技术中,固态变压器控制目标固定,难以在多种混合负荷场景下同时达到最优的技术问题。
2、根据本技术实施例的一个方面,提供了一种风电机组塔筒的巡检定位方法,包括:建立风电机组塔筒的三维几何模型,并标定所述风电机组塔筒的物理基准点,其中,所述物理基准点至少包括第一基准点,所述第一基准点设置在所述风电机组塔筒的顶部和/或中部;通过无人机的量子惯性测量单元获取所述无人机的位姿数据;通过所述无人机的激光雷达采集所述风电机组塔筒表面的点云数据;基于所述点云数据和所述三维几何模型对所述位姿数据进行点云匹配,得到点云匹配结果;通过所述无人机的云台相机获取包含所述第一基准点的图像数据,并确定所述第一基准点在所述图像数据中的像素坐标;基于所述像素坐标对所述位姿数据进行基准点校准,得到基准点校准结果;基于所述位姿数据、所述点云匹配结果和所述基准点校准结果对所述无人机进行定位,得到无人机定位结果。
3、可选地,所述建立风电机组塔筒的三维几何模型,包括:基于所述风电机组塔筒的设计参数和/或所述无人机的初次飞行扫描数据,建立所述三维几何模型,其中,所述风电机组塔筒包括塔筒本体和叶片,所述塔筒本体的几何模型参数包括所述塔筒的圆柱面轴线方程、塔筒半径和塔筒高度范围中的至少一种;所述叶片的几何模型参数包括叶片的三维曲面方程,所述初次飞行扫描数据包括所述物理基准点的坐标数据,所述物理基准点的坐标数据通过设置在所述无人机的定位单元测量得到。
4、可选地,所述基于所述点云数据和所述三维几何模型对所述位姿数据进行点云匹配,得到点云匹配结果,包括:将所述点云数据与所述三维几何模型进行点云配准,得到点云配准结果,并基于所述点云配准结果确定所述无人机的第一位置信息;将所述第一位置信息与所述位姿数据中的第二位置信息进行比对,确定所述无人机的第一定位偏差;若所述第一定位偏差大于预设偏差阈值,确定所述量子惯性测量单元存在定位缺陷。
5、可选地,所述基于所述像素坐标对所述位姿数据进行基准点校准,得到基准点校准结果,包括:基于所述像素坐标和所述无人机的位姿数据确定所述第一基准点的预测坐标;将所述第一基准点的预测坐标与所述第一基准点的标定坐标进行比对,确定所述量子惯性测量单元的第二定位偏差。
6、可选地,所述方法还包括:基于所述图像数据对所述风电机组塔筒进行缺陷检测,识别塔筒缺陷,并确定所述塔筒缺陷的像素缺陷位置;获取所述塔筒缺陷对应的所述无人机的所述位姿数据、所述激光雷达的测距数据和所述云台相机的云台姿态数据,其中,所述位姿数据包括所述无人机的位置数据和姿态数据,所述测距数据为所述无人机到塔筒表面的距离;将所述像素缺陷位置、所述位姿数据、所述测距数据和所述云台姿态数据,映射到所述三维几何模型,确定所述塔筒缺陷的物理缺陷位置。
7、可选地,所述将所述像素缺陷位置、所述位姿数据、所述测距数据和所述云台姿态数据,映射到所述三维几何模型,确定所述塔筒缺陷的物理缺陷位置,包括:确定所述云台相机的相机光心位置,其中,所述相机光心位置基于所述位姿数据,以及相机光心与无人机中心之间的安装位置确定;基于所述相机光心位置确定从所述相机光心出发指向所述塔筒缺陷的光线方向;基于所述光线方向构建光线参数方程;基于所述三维几何模型确定塔筒圆柱面方程;求解所述光线参数方程和所述塔筒圆柱面方程,得到所述塔筒缺陷的三维物理坐标。
8、可选地,所述基于所述相机光心位置确定从所述相机光心出发指向所述塔筒缺陷的光线方向,包括:将所述像素坐标转换为相机坐标系下的归一化方向向量,其中,所述归一化方向向量表示为:
9、;
10、式中,,为无人机的像素坐标,k为相机内参矩阵;将所述归一化方向向量转换到世界坐标系,得到所述光线方向的物理方向向量,其中,所述物理方向向量表示为:
11、;
12、式中,为无人机姿态,为云台姿态;
13、所述基于所述光线方向构建光线参数方程,包括:基于所述相机光心位置和所述物理方向向量构建所述光线参数方程,其中,所述光线参数方程表示为:
14、;
15、式中,为相机光心位置。
16、可选地,所述求解所述光线参数方程和所述塔筒圆柱面方程,得到所述塔筒缺陷的三维物理坐标之后,所述方法还包括:将所述塔筒缺陷的三维物理坐标转换为圆柱展开坐标系下的物理参数,其中,所述物理参数包括缺陷高度和缺陷角度。
17、可选地,所述求解所述光线参数方程和所述塔筒圆柱面方程,得到所述塔筒缺陷的三维物理坐标之后,所述方法还包括:将所述三维物理坐标标注在所述三维几何模型上;和/或基于所述塔筒缺陷的物理缺陷位置、缺陷尺寸、缺陷类型和缺陷的变化趋势中的至少一种,生成塔筒巡检报告。
18、根据本技术实施例的另一方面,还提供了一种基于集群划分的风电机组塔筒的巡检定位装置,包括:模型构建模块,配置为建立风电机组塔筒的三维几何模型,并标定所述风电机组塔筒的物理基准点,其中,所述物理基准点至少包括第一基准点,所述第一基准点设置在所述风电机组塔筒的顶部和/或中部;获取模块,配置为通过无人机的量子惯性测量单元获取所述无人机的位姿数据;点云采集模块,配置为通过所述无人机的激光雷达采集所述风电机组塔筒表面的点云数据;点云匹配模块,配置为基于所述点云数据和所述三维几何模型对所述位姿数据进行点云匹配,得到点云匹配结果;像素识别模块,配置为通过所述无人机的云台相机获取包含所述第一基准点的图像数据,并确定所述第一基准点在所述图像数据中的像素坐标;校准模块,配置为基于所述像素坐标对所述位姿数据进行基准点校准,得到基准点校准结果;定位模块,配置为基于所述位姿数据、所述点云匹配结果和所述基准点校准结果对所述无人机进行定位,得到无人机定位结果。
19、根据本技术实施例的又一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行上述中任意一项风电机组塔筒的巡检定位方法。
20、根据本技术实施例的再一方面,还提供了一种计算机设备,计算机设备包括处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项风电机组塔筒的巡检定位方法。
21、根据本技术实施例的再一方面,还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述中任意一项风电机组塔筒的巡检定位方法。
22、本技术实施例提供的风电机组塔筒的巡检定位方法及装置,通过建立风电机组塔筒的三维几何模型,并标定所述风电机组塔筒的物理基准点,其中,所述物理基准点至少包括第一基准点,所述第一基准点设置在所述风电机组塔筒的顶部和/或中部;通过无人机的量子惯性测量单元获取所述无人机的位姿数据;通过所述无人机的激光雷达采集所述风电机组塔筒表面的点云数据;基于所述点云数据和所述三维几何模型对所述位姿数据进行点云匹配,得到点云匹配结果;通过所述无人机的云台相机获取包含所述第一基准点的图像数据,并确定所述第一基准点在所述图像数据中的像素坐标;基于所述像素坐标对所述位姿数据进行基准点校准,得到基准点校准结果;基于所述位姿数据、所述点云匹配结果和所述基准点校准结果对所述无人机进行定位,得到无人机定位结果,达到了在无纹理特征及复杂电磁环境下实现高精度、无累积误差的自主定位的目的,实现了克服传统视觉slam在塔筒无纹理表面易失效、消除传统惯性测量单元长时飞行累积误差、解决gps多路径效应干扰以及实现缺陷实时精准物理坐标映射的技术效果,进而解决相关技术中存在的定位精度不足、累积误差大、环境适应性差以及无法实时关联缺陷与物理坐标导致运维效率低下的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com