江楠1 刘辉1 高小伟2
1.国网浙江省电力有限公司绍兴供电公司输电运检室 浙江省绍兴市 312000
2.北京御航智能科技有限公司 北京市海淀区 100085
摘要：基于机载边缘计算模块的无人机导地线智能巡检方案，主要包括数据采集、无人机和云台控制以及导地线缺陷智能识别等,运用人工智能、图像识别等技术建设无人机导地线智能巡检系统，实现包括导地线航线自动推算、无人机自主飞行、导地线跟踪及缺陷智能识别。本文主要介绍为实现无人机自主巡检需要进行航线推算、目标识别、目标跟踪以及结合无人机SDK进行控制等系统架构和工作流程。
关键词：输电线路；无人机；导地线；人工智能；自主巡检
一、自主巡检无人机系统架构
无人机系统整体架构初步针对现有SDK方式进行设计，利用边缘计算模块主要实现无人机实时视频数据的判断，辅助整体自主巡检无人机作业提高整体作业数据采集精度。在无人机机载模块主要结合OnboardSDK进行云台姿态控制，在APP端主要利用MobileSDK进行无人机飞行航点的控制，其中机载边缘计算模块主要利用type-c进行数据通信。在进行数据交互的过程中，主要涉及两个部分的数据通信，一是机载端的AI模块与无人机的数据交互（视频、控制信号），一是无人机控制APP与无人机的远程控制（图传、数传、航线下发）等。
二、导地线缺陷识别系统架构
缺陷识别系统采用客户端形式进行设计开发，系统进行缺陷识别时调用本地GPU资源进行基于深度学习的前向推理，判断导入图像是否存在缺陷问题，系统分为底层操作系统、数据层、服务层和应用层，其中操作系统采用windows、数据层包含巡检图像和缺陷信息、服务层包含对图像的智能识别服务、应用层包含系统的主要功能。导地线缺陷智能识别系统架构如图1所示。
.png)
图1
三、设计方案
3.1自主巡检无人机设计方案
数据输入主要为视频流数据，输出type-c数据。按照数据输入与输出，可以将AI设备模块放置在无人机航电系统内进行接入。将数据的输入与输出都放置在无人机上，AI模块通过机载的type-c接口进行数据的通信交互，包括视频流数据与位置框数据都通过串口进行交互。通过机载数据接口进行数据通信，机载数据接口中可以输出视频流及相关机载链路中的数据。AI模块通过数据接口接收无人机的视频流媒体数据，进行数据解算，加载算法，识别之后通过机载链路部分数据发送给云台，部分数据发送给地面站。
3.2导地线设计方案
在进行航线推算时，主要利用导地线的关键点位（挂点、锚点）进行打点，导地线航线推算的主要依靠关键挂点进行航线的推算，计算出跟导地线相近的航线，同时由于无人机机载边缘计算模块实时识别的作用，所以在进行自主航线规划时如果出现偏差是可以容纳的。
3.3导地线缺陷识别系统设计方案
缺陷识别客户端按照需求需要满足如下功能：实现将机巡图像导入到系统中；实现对机巡图像的中存在导地线问题的智能识别；实现对智能识别结果的人工审查，查缺补漏；支持对缺陷图片进行汇总，并可以生成word报告导出到本地。系统采用.NetFrameWork技术为框架进行搭建开发，.NETFramework是以一种采用系统虚拟机运行的编程平台，以通用语言运行库为基础，支持多种语言（C#、VB、C++、Python等）的开发。NET也为应用程序接口（API）提供了新功能和开发工具。这些革新使得程序设计员可以同时进行Windows应用软件和网络应用软件以及组件和服务（web服务）的开发。.NET提供了一个新的反射性的且面向对象程序设计编程。.NET设计得足够通用化从而使许多不同高级语言都得以被汇集。
四、系统工作流程
4.1自主航线规划工作流程
飞手到作业现场，启动地面站APP与无人机，进行地面站APP与无人机的连接，在APP中查询是否存在有该飞行任务的航点，如果有航点直接执行飞行任务，如果没有航点，则对该飞行任务进行航点规划，判断是否直接进行航点推算，这里进行航点推算主要涉及杆塔高度、杆塔间档距是否满足推算要求，跟模板库中的进行杆塔类型进行比较判断。如果不能直接进行航点推算规划，则飞手手动起飞无人机，飞到需要记录的关键点进行打点，将打点结果记录到地面站APP，APP取得关键点后，即可进行航点推算。将生成的航线下发到无人机，等待执行飞行作业。
4.2自主巡检无人机工作流程
对无人机上传基本航点，并开机起飞；飞机飞到第一基巡视杆塔导地线起始位置，并开启自动巡线模式；AI模块获取自动巡视命令，通过输入视频进行导线位置识别，并通过位置信息解算，得到无人机控制信息，对无人机SDK进行飞行控制，并进行间隔距离的拍照存储；无人机通过面阵激光雷达和AI模块的共同控制，“吸附”导线进行飞行；当AI模块识别到有树障或者杆塔，则控制飞机进行避障飞行；当飞机飞到中间航点进行返航并继续沿线飞行；完成所有拍摄，降落结束飞行。
4.3导地线缺陷识别系统工作流程
将机巡图像导入到系统中；对图像属性进行编辑，包括属于哪条线路、巡检人等；选择导地线缺陷模型进行智能识别，等待智能识别完成；完成智能识别后，对识别结果进行人工审查；审查完成后，点击生成缺陷报告，对缺陷信息进行汇总并导出word报告；完成此次巡检图像的审查任务。
五、关键技术
5.1基于智能芯片的识别算法
为实现基于TX2前端的智能识别，综合考虑处理速度和模型精度，采用YOLOV3算法为基础进行前端识别。同时YOLOV3采用了Darknet-53（如图2）的网络结构（包含53个卷积层），通过借鉴残差网络residualnetwork的方式，在一些层之间设置了快捷链路。YOLOV3算法融合了残差网络结构，形成更深的网络层次，以及多尺度检测，提升了mAP值，且模型的预测速度快，在TX2上适配。
.png)
图2
5.2导地线航点推算
导地线航点推算主要利用拟合的方式进行，结合杆塔间梯度下降系数和关键挂点的位置信息，从而生成跟导线轨迹平行的航线信息。首先利用无人机与杆塔上挂点进行精确对准，云台调整到90°平视角度，并调整无人机与挂点的距离，并挨个记录所有挂点的精确位置。确定导线两端挂点位置后，确定杆塔和导线的向量后，在平行于导地线的无人机位置进行梯度下降计算，逐步拟合线路曲线，确定无人机航点。
5.3云台控制角度计算
云台三维姿态解算的大致过程：首先，通过相机标定得出相机的内参数，然后利用已知物体在三维空间的坐标，在图像上一一对应的图像像素坐标以及相机内参数进而求解出此时相机相对于空间已知物体的外参数，即旋转向量以及平移向量。最后对旋转向量进行数据分析处理，求解出此时相机相对于已知物体空间坐标的三维姿态欧氏角，即俯仰角，偏航角，滚轮角。
相机的内参矩阵和畸变参数：
.png)
5.4导地线缺陷检测
算法模块包括改进的Faster-RCNN，改进的Faster-RCNN为很好识别小目标加入了特征金字塔（FPN）,为降低目标误检，加入关系特征网络，同时算法模块会综合衡量识别问题。算法模块包括两个部分：1）训练算法模块，2）检测算法模块。训练算法模块会从大量的样本中反复训练调整模型参数，这个过程耗时且需要强大算力的支持，往往需要算力强大，性能优越的服务器才可以运行，该模块会集成在自学习训练平台中，让训练过程变得更简单。检测算法模块，使用算力相对较小，使用一般的显卡都可以达到可观的检测速度，拿到训练模型后，根据目标特性来设计检测策略，如目标很小的缺陷，将适度上采样图片样本，根据目标的关系信息，采用级联的目标检测思路等。
六、结语
综上所述，本文主要对架空输电线路无人机导地线智能自主巡检的有关内容进行了研究，主要分析的内容包括自主巡检无人机系统架构、导地线缺陷识别系统架构、自主巡检无人机设计方案、导地线设计方案、导地线缺陷识别系统设计方案、自主航线规划工作流程、自主巡检无人机工作流程以及一些关键技术，希望能够给有关人士提供一定的参考价值，以促进架空输电线路有关巡检工作的高效开展。
参考文献
[1]张好铭,郑万成,李晨,等.无人机在架空输电线路导地线弧垂检测中应用的探索与研究[J].智能建筑与智慧城市,2020,(2):70-71.
[2]李磊,章碧辉,朱亦振.基于无人机图像和悬链线模型的输电导线弧垂测量系统研究[J].机电信息.2020,(33).36-38.
[3]刘伟鹏.架空输电线路无人机巡检技术研究进展[J].魅力中国.2020,(23).275-276.
[4]熊强,王双亭,王晓宇,等.基于Smart3D的倾斜摄影测量模拟系统三维建模[J].测绘工程,2018,(7).55-59.
[5]朱建刚.输电线路紧线施工中弧垂观测与调整措施[J].通讯世界,2018,(11).185-186.
[6]乔凌霄,郭超维,刘源涛,等.基于无人机LiDAR点云数据的110?kV架空输电线路测量[J].智能城市,2020,(1).81~82.
[7]曾忱,邹俊,林月峰.基于无人机可见光点云的输电线路树障隐患智能分析研究[J].电力设备管理,2020,(3).38~41.