浅谈电网无人机全自主巡检
无人机自主巡检三步走
那么如此智能的无人机巡检作业，是如何实现的呢？简单来说，只需要三步。
第一步，建立厘米级精度的三维点云地图（见图3）。即通过激光雷达获取线路走廊内的高精度三维点云作为基础三维地图，随后使用AI算法自动识别提取关键特征（杆塔、导线、绝缘子等）的空间参数，最后自动关联电网资产数据库中的台账记录；
▲图3基于三维激光点云的厘米级三维地图
第二步，基于三维地图进行复杂航迹规划。借助深度学习算法帮助实现杆塔本体精细化巡检的拍照点自动化精准选定，形成平滑连接各拍照点的飞行航迹，并上传至无人机飞控系统中（见图4）。
▲图4无人机自主飞行复杂航迹规划
（图片来源：广东机巡）
第三步，无人机依据规划的飞行航迹，在RTK厘米级精度定位信号下进行复杂业务自主飞行，并借助激光雷达进行自主导航避障。
电网无人机自动化巡检充分运用了激光雷达（LiDAR）技术、实时动态高精度定位（RTK）技术、深度学习算法，不再依赖飞行人员的无人机操控技术和经验，而是完全自主飞行实现电网的精细化巡检。其中运用了LiDAR、RTK、深度学习等一系列黑科技，那么这些黑科技到底是什么呢?
LiDAR
LiDAR是LightDetectionAndRanging的英文缩写，即激光探测与测量，俗称激光雷达。其工作原理是通过激光器发射一连串离散的激光脉冲打在物体上，并反射回来被接收器接收，这样就可以准确地计算出激光脉冲往返一次的传播时间。其中激光脉冲的传播速度是光速，激光器与物体点的距离可以由激光脉冲的传播时间与光速相乘得到，从而可以计算出每一个物体激光脚点的三维坐标。当然机载激光扫描还要考虑飞机的航高、GPS坐标位置以及惯性测量装置IMU的姿态数据（俯仰角度φ、侧滚角度ω、航偏角度κ）等参数，以此来解算物体上激光脚点的精准坐标。
机载LiDAR可快速获取输电线路通道的高精度三维点云数据，由于LiDAR具有穿透植被的特性，可帮助实现对通道内树木、地形以及杆塔、导线等的精确建模，这种高精度三维点云数据为无人机自动化巡检提供了精确的飞行导航三维地图。
无人机全自主飞行的航线就是利用激光LiDAR采集的输电线路高精度三维点云数据来规划设计的，其输出高精度WGS-84系统地理坐标的航线以供多旋翼无人机进行自主导航飞行作业。
RTK
RTK全称Real-timekinematic，即实时动态载波相位差分定位技术，是GPS差分技术的一种应用。高精度的RTK定位技术是基于载波相位观测值的实时动态定位技术，它能够实时地提供测站点在指定坐标系中的三维定位结果，并达到厘米级精度。在RTK作业模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站。流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在系统内组成差分观测值进行实时处理，同时给出厘米级定位结果，历时不到一秒钟。RTK说通俗点就是高速、厘米级精度的GPS系统。
由于流动站和基准站间的距离限制，常规RTK已无法满足定位精度需要，故出现了网络RTK，其利用多个基准站构成一个基准站网来获取高精度的定位结果。无人机自动化巡检就是通过网络RTK实现无人机的高精度定位导航，最终实现无人机在输电线路上精确按照规划路径进行杆塔本体的精细化巡视（见图5）。
图5RTK原理示意图
（图片来源：BENEFITSOFRTK，DavidAtkinson，2017）
深度学习
深度学习（DeepLearning）是机器学习的分支，是一种基于对数据进行表征学习的算法。通过基于大数据集训练网络，使其神经网络具有许多“深度”层，从而使创建的模型可对输入数据进行精确预测。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征（见图6）。
在无人机自主巡检技术中，深度学习被两次应用其中。第一次是在基于激光LiDAR点云的航线自主规划中，深度学习算法帮助实现杆塔本体精细化巡检的拍照点自动化精准选定；第二次是在采集杆塔本体部件照片及通道走廊的照片数据库中，通过深度学习算法训练的模型，可精确识别存在缺陷隐患的照片及缺陷位置。
返回搜狐，查看更多
使用MATLAB/Simulink设计无人机飞行控制系统
为了设计无人机的高度保持和速度保持功能，我们可以对无人机进行开环动力学分析，这需要首先把无人机模型拉至设计工作点附近配平后，并进行小扰动分析，辨识其该点的近似线性系统参数。这通常使用Simulink和控制相关的工具箱完成，如LinearAnalysisToolbox,ControlSystemToolbox。
并根据辨识的线性系统设计控制律。无人机的高度保持可简单划分为两个回路，内回路主要负责姿态保持以维持指定的航迹倾角。外回路则需根据自动驾驶仪面板上的高度指令生成航迹倾角指令，当高度指令变化时，使得航迹倾角向上或向下以进行爬升和下降，高度变化时还需考虑推力指令以保证顺利爬升或下降。与之类似，速度保持则即包括推力控制也涉及俯仰安定面以使得速度变化时高度能保持稳定。
无人机智能巡检系统及功能介绍
目前，矿区的日常巡检内容主要包括巡查矿区周边是否存在盗采、滥采、周围地形地貌条件等。矿区的日常巡检是整个矿区管理中十分重要的一个环节，但现阶段的巡检管理方式还存在一些难点。在面临恶劣天气和环境时，人工巡检对于可能出现的塌方、自然灾害无法做到及时应对，工作人员存在很大的安全隐患；巡检方式主要是步行巡检，工作强度较大，效率较低；传统巡检方式人员较多，成本较高。
为了实现无人机对矿区的自主巡检，我们设计了一套集无线传输和数据管理等技术于一体的无人机智能巡检系统。该系统通过无人机携带的任务载荷（高清摄像头、红外相机等）对目标区域进行监控，及时发现异常情况，降低矿区损失，实现全自主巡检任务。
无人机智能巡检系统作为全自动无人值守解决方案，主要由无人机、机场配套系统和管控平台构成，系统采用“云-边-端”的应用架构体系。
云：管控平台按需制定并下发无人机巡检任务，对机场后台上传的数据进行缺陷识别和管理，可以实时查看无人机现场的图像，并根据需求导出巡检报告。
边：主要包括机场本体、微气象系统、升降系统、空调系统和充电系统等。机场本体用于存放无人机、安装系统的机械和电气控制设备；微气象系统用于检测巡检区域的气象数据；升降系统搭载无人机升降实现无人机的放飞和回收；空调系统保证机场系统在户外严苛条件下的正常运行；作为机场系统的大脑，主要用于控制、检测系统的稳定运行，存储、转发无人机的采集数据，并为无人机下发巡检任务等。
端：无人机作为执行任务的“端”，搭载根据业务需求支持搭载多种类型负载，包括变焦可见光相机、热成像仪，自动完成对矿区大范围、快速、精细化巡检，在执行完任务后基于RTK定位技术及视觉导航实现降落回收。
无人机智能巡检系统的功能
1、无人值守自动化作业根据现有人工巡检要求，采用无人机自动机场代替人工进行日常巡检，巡检过程中无人值守，自动化技术的采用可以实现机舱自动开闭、无人机平台自动升降、和无人机存放等。
2、无人机自动化巡检无人机通过机载飞控模块，实现自动避障，沿规划飞行路径自主飞行，自主调整飞行姿态、云台角度、拍摄距离、相机参数等，从而完成管控平台下发的巡检任务。
3、远程管控通过专网实时将无人机巡检数据、机场数据传回管控平台，工作人员在室内就可以查看实时数据，并对机场进行集中监管。
随着无人机技术和智能巡检技术的不断发展和进步，通过无人机携带的任务载荷（可见光相机、多光谱相机及红外相机等传感器）完成对目标区域的巡检或监控的应用也越来越多。无人机因其具有操作简单、成本低、巡检范围广、巡检效率高等优点，目前在电力巡检、应急救灾、城市规划等领域都有着普遍的应用。无人机与人工巡检相结合的方式，是未来智能巡检的发展方向。