一種面向風機葉片巡檢的無人機自動航跡線規劃方法與流程

1.本發明屬于無人機技術領域，具體涉及一種面向風機葉片巡檢的無人機自動航跡線規劃方法。


背景技術：

2.目前，對于風機葉片的故障檢測，正在興起許多新型的、高科技的檢測方式。針對靜態葉片檢測，主要包括激光多普勒測震、x射線成像、超聲波探測、激光散斑檢測、紅外線熱成像等方法。針對動態葉片檢測，主要包括光纖傳感、振動監測、電阻應變檢測、數字圖像處理、聲發射等。但這些方法仍處在研發嘗試階段，對于風機葉片的檢測應用最多的仍是傳統的檢測方法。
3.傳統風機葉片巡檢方式包括高空繞行下降目測法、高倍望遠鏡檢測和葉片檢修平臺等。傳統的葉片檢測方法都是由人工來完成，因此面臨安全性差、檢測效率低、檢測時間長且檢測成本高等問題。因此，需要開發一套更加安全有效的巡檢系統。
4.近幾年，無人機技術和圖像識別技術得到發展，通過無人機獲取風機圖像，再由圖像判斷風機是否發生故障的檢測方法越來越受到人們的關注，人們把根據無人機圖形進行電力設備的檢測視為一次空前的技術改革。目前，在電力線路、電力桿塔等巡檢領域應用較多的無人機巡檢技術，正在向著風機巡檢的方向邁進。
5.現階段，使用無人機進行風機葉片的巡檢過程中，需要至少兩名工作人員進行無人機的操控，通過發送指令相互配合，最終完成巡檢任務。工作人員操控無人機飛至葉片附近，使用無人機攜帶的成像設備獲取風機葉片表面的圖像，然后將圖像信息傳輸至地面站或者無人機，完成一次巡檢飛回地面后，再將無人機得到的風機葉片圖像信息讀取出來。使用無人機巡檢代替傳統的巡檢方式，無疑將會大大降低成本，提高巡檢的效率和安全性，即使在偏遠山區或者臨近海上的區域也可以比較安全的完成巡檢任務。但是，手動操控無人機進行風機巡檢時，對飛控手的要求較高，人為因素影響大，巡檢效率還需要進一步提升，且近距離巡檢難以實現。因此，面對以上問題，進行無人機自動化巡檢的研究十分有必要。同時，實現自動化巡檢將會使風機葉片的巡檢效率和巡檢安全性得到極大的提升，并且成像質量也可以得到保證。


技術實現要素：

6.為解決現有技術中存在的技術問題，本發明的目的在于提供一種面向風機葉片巡檢的無人機自動航跡線規劃方法，利用迭代重優化的風機航跡線規劃方法，可基于風機模型規劃最佳的航跡線和航跡點，解決了無人機巡檢過程中過于依賴工人經驗的問題。
7.為實現上述目的，達到上述技術效果，本發明采用的技術方案為：
8.一種面向風機葉片巡檢的無人機自動航跡線規劃方法，包括以下步驟：
9.首先，建立風機模型，并且根據巡檢要求將風機模型進行網格化處理，得到風機面圖形學模型，在風機面圖形學模型的每個網格面片的基礎上規劃出候選航跡點區域，保證
航跡點區域中選擇出的航跡點至少可見一個完整的面片區域，保證獲取完整的風機表面圖像；隨后，基于候選航跡點區域進行航跡點采樣，完成航跡點優化；完成航跡線規劃；進行風機姿態的識別并完成航跡線的調整。
10.進一步的，建立風機模型，并且根據巡檢要求將風機模型進行網格化處理，得到風機面圖形學模型的步驟包括：
11.選擇建模工具根據風機三維尺寸信息建立三維的風機模型，從中導出風機模型的.stl格式的模型文件，.stl格式的模型文件以小三角形面片為基本單位，離散地近似描述上述風機模型的表面，能夠滿足將模型進行圖像學表示的要求，.stl格式的模型文件記錄所有三角形面片數量、各三角形頂點坐標及各面片的法向量，法向量符合右手規則，在此模型文件中，可獲取風機模型的三角形面片數量、各面片的法向量及各三角形頂點坐標；
12.使用materialise magics 24.0對建模工具得到的網格化的風機模型再次進行處理，得到滿足需求的風機面圖形學模型。
13.進一步的，在規劃候選航跡點區域時，從安全性考慮，約束安全范圍，設定最大及最小安全空間，從可見性方面考慮，需要使無人機航向與三角形網格面片之間呈銳角，即使無人機的航向與三角形超平面的法向量之間的夾角大于零，三角形面片的超平面由其入射角決定，構建出約束條件，從而選擇出可覆蓋風機面圖形學模型的所有三角形面片，保證獲得高質量的完整風機表面圖像，保證以最高的質量完成巡檢任務。
14.從可見性方面考慮，使無人機航向與三角形面片之間為銳角，即使無人機的航向與三角形超平面的法向量之間的夾角大于零，三角形面片的超平面由其入射角決定，得到候選航跡區域，約束條件表述為平面約束，如式(1)所示：
[0015][0016]
其中，g＝(x,y,z)表示航跡點的空間位置，d
max
為最大安全空間，d
min
為最小安全空間，xi是網格三角形的角，an是歸一化三角形法線，m是三角形面片的中心點，ni是針對入射角約束的分離超平面的法線，∠in1,∠in2,∠in3表示最小入射角；
[0017]
無人機攜帶的成像設備以固定的俯仰角和相對航向安裝在無人機上，其視場角fov分為垂直和水平開口，利用fov上限的等效約束，候選航跡區域被限制為三角形截面，由無人機自帶的垂直照相機打開約束產生的總采樣空間是在所有垂直方向上所有這些三角形截面的并集；將空間劃分為nc塊相等的凸塊，約束條件則表示為式(2)：
[0018][0019]
其中，分別表示三角形面片的相關角，n
right
、n
left
分
別表示各個分離超平面的法向量。
[0020]
進一步的，根據風場的風機模型構建出其對應的風機面圖形學模型，并通過該模型得到候選航跡點區域，在候選航跡點區域內選擇航跡點時，需要迭代優化的進行，實現整體航跡點集的優化。
[0021]
在進行航跡點的優化時，在候選航跡點區域內隨機采樣一個航跡點，然后以最小化當前航跡點gk到當前候選航跡點區域內航跡點g
k-1
、當前航跡點的前一個航跡點和后一個航跡點距離的平方之和為目標，如式(3)所示，前兩個部分通過將航跡點移到更近的位置而縮短航跡線長度，而后兩個部分則限制了改進步驟的大小，因為和也可能移近，通過逐步優化航跡點的選取，實現整體航跡點集的優化：
[0022][0023][0024]
式(4)中約束條件與選擇候選航跡點區域一致；
[0025]
鄰居距離的加權矩陣為：
[0026]
b＝diag(b
const
,b
const
,a
const
+b
const
)
[0027]
式中，b
const
為到鄰居的距離的一般權重，a
const
為權重變化懲罰；
[0028]
舊巡視中當前視點的距離的加權矩陣為：
[0029]
d＝diag(d
const
,d
const
,d
const
)
[0030]
式中，d
const
為權重值；
[0031]
選取出航跡點后，選取當前航跡點gk至三角形面片中心點m的方向為航跡點的航向，即：
[0032]
ψk＝g
k-m。
[0033]
進一步的，完成航跡線規劃的步驟包括：
[0034]
規劃航跡線與選取航跡點時類似，都需要根據任務信息及無人機的操作注意事項對航跡線的規劃進行約束，從而得到最優的航跡線，相關約束條件包括航跡線長度約束、爬升約束、避障約束、最小轉彎半徑約束；
[0035]
根據上述約束條件，無人機的航跡線在保證完成任務的情況下，使無人機的飛行時間越短越好，即完成覆蓋全目標的航跡線規劃過程中，最短的航跡線為最優；在求解最優
航跡線的過程中，選擇迭代重優化的方式，使航跡線逐步優化直至達到最優。
[0036]
進一步的，規劃出的航跡線不重復的經過所有航跡點，采用如下算法獲得初始航跡線：
[0037]
(1)選擇初始航跡點vi[0038]
(2)按以下3條約束從未被選過的航跡點中選擇下一航跡點vj：
[0039]
1)邊e
ij
是一條候選邊；
[0040]
2)邊e
ij
的α
π-接近度α
π
(e
ij
)＝0；
[0041]
3)邊e
ij
屬于當前最優航跡線；
[0042]
若選擇出的vj不能全部滿足以上3條約束，則優先選擇滿足約束1)的航跡點，若都不能滿足，則在未被選擇過的航跡點中隨機選擇；
[0043]
(3)令i＝j，i和j分別表示航跡點的編號，用于標記所有選擇出的航跡點，如果還有未被選擇的航跡線，返回步驟(2)；
[0044]
如果在步驟(2)有多個的航跡點可供選擇，則從中隨機選擇一點；
[0045]
規劃出航跡線后，需要對航跡線進行迭代優化，在迭代優化的過程中，以5-opt操作為基本單位，稱為基本操作，基本操作選擇上次基本操作最后添加的邊作為最先刪除的邊，并且最后被刪除的邊不能是本次基本操作曾經添加的邊，在基本操作內搜索出可進行的2-opt、3-opt或4-opt操作進行航跡線優化，如果一次基本操作后，未搜索到合適的航跡點則停止搜索，5-opt操作、4-opt與2-opt的含義相同，也是作邊的交換操作，只是交換的邊數增加了；
[0046]
從某航跡點出發經過任何基本操作都不能使航跡線優化，則進行一次非連續的、閉合的5-opt操作，由一次非閉合的2-opt操作和另外一次非閉合的2-opt操作或者3-opt操作組成，這被稱為一次打斷操作；
[0047]
判斷經過一次打斷操作后航跡線是否得到優化，若航跡線被優化，則繼續進行基本操作優化航跡線，然后再進行打斷操作，如此循環，直至兩者都不能使航跡線優化，則稱為完成一次迭代優化；然后，當航跡點重新選取后，再次進行航跡線的優化，兩者重復進行，完成航跡線的迭代優化。
[0048]
進一步的，風機姿態的識別包括以下步驟：
[0049]
無人機根據所規劃路徑飛抵風機輪轂處，對風機進行拍照并傳送至處理端進行處理，確認風機桿塔和風機葉片，識別風機葉片的順槳停機位置，根據代表風機葉片邊緣的直線斜率獲得風機葉片停機的偏轉角度γ：
[0050][0051]
其中，
[0052]
(x1,y1)、(x2,y2)分別為代表風機葉片的直線段兩端的點的坐標，表示平均偏轉角，αi表示代表風機葉片的每條直線的偏轉角度，n為圖像檢測生成的代表風機葉片的直線的數量。
[0053]
進一步的，航跡線的調整步驟包括：
[0054]
風機葉片的結構相對固定，估計出風機葉片的偏轉角度并用于無人機巡檢風機航跡線的調整。在三維空間中，風機葉片所在面可視為z值固定的平面，風機旋轉一定角度γ，則航跡點跟隨旋轉γ，可實現不同停機狀態下的葉片巡檢，按球坐標的表示規則，航跡點調整為：
[0055][0056]
利用獲取到的偏轉角度對根據風機模型得到的基準路徑數據進行變換，得到能夠適應當前風機狀態的路徑數據，最后，無人機根據修正的路徑數據進行自動巡檢，完成葉片的巡檢工作。
[0057]
與現有技術相比，本發明的有益效果為：
[0058]
1)本發明首先建立了風機模型，對模型并進行了面圖形處理，然后為每個三角形面片規劃了候選航跡點區域，之后經過航跡點選取以及航跡線優化兩個階段的交替進行的優化階段，最終得到了不重復的經過所有航跡點的航跡線，在計算航跡點間代價值時，引入了kdtree算法，極大地加快了航跡點間代價值的計算效率；
[0059]
2)本發明基于三維風機模型生成航跡路徑規劃，再根據現場風機信息進行調整，對硬件要求低，所規劃路徑可靠性高，魯棒性強；
[0060]
3)利用機器視覺的方法獲取風機葉片的偏轉角度，進而實現風機航跡規劃的自動調整，使得巡檢時不需要關注風機的停機角度問題，大大提高了自動化水平。
附圖說明
[0061]
圖1為本發明的流程圖；
[0062]
圖2為本發明的候選航跡區域圖；
[0063]
圖3為本發明的凸塊劃分圖；
[0064]
圖4為本發明的航跡線樹圖。
具體實施方式
[0065]
下面對本發明進行詳細闡述，以使本發明的優點和特征能更易于被本領域技術人員理解，從而對本發明的保護范圍做出更為清楚明確的界定。
[0066]
以下給出一個或多個方面的簡要概述以提供對這些方面的基本理解。此概述不是所有構想到的方面的詳盡綜覽，并且既非旨在指認出所有方面的關鍵性或決定性要素亦非試圖界定任何或所有方面的范圍。其唯一的目的是要以簡化形式給出一個或多個方面的一些概念以為稍后給出的更加詳細的描述之序。
[0067]
無人機的自動化巡檢一般選擇的都是具有穩定懸停能力的旋翼飛機，巡檢過程一般為：無人機根據規劃好的航跡線飛至風機附近，并且根據自身定位，沿著航跡線在指定的位置獲取完整的風機葉片表面圖像。在這個過程中，無人機必須能夠認知周圍環境，并在此基礎上解決自己在哪、目標在哪、自己如何到達目標處以及以什么樣的姿態檢測目標等問題。因此，完成無人機巡檢所需的航跡線規劃并且使無人機可知自身位置是實現自動化巡檢的重要環節，對于實現無人機自動化巡檢風機葉片有重要意義。
[0068]
為此，本發明公開了一種面向風機葉片巡檢的無人機自動航跡線規劃方法，設計了無人機自動化巡檢風機葉片的最佳航跡線，保證巡檢任務的完成。首先，建立風機模型，并且根據巡檢要求將風機模型進行網格化處理，得到風機面圖形學模型，在風機面圖形學模型的每個網格面片的基礎上規劃出候選航跡點區域，保證航跡點區域中選擇出的航跡點至少可見一個完整的面片區域，保證獲取完整的風機表面。第二，基于候選航跡點區域進行航跡點采樣，并且以迭代重采樣的策略解決航跡線規劃這一np-hard難題，完成航跡線的優化。第三，采用提取點線特征的雙目視覺加慣性測量的定位方法，改善風電場環境中gps定位精度不足的問題，并且對線特征提取的算法進行提純策略的改進，以便于風機姿態的識別及航跡線的調整。
[0069]
如圖1-4所示，本發明提出的一種面向風機葉片巡檢的無人機自動航跡線規劃方法，主要包括以下步驟：
[0070]
步驟1：建立風機面圖形學模型
[0071]
首先需要建立三維的風機模型。選擇建模工具soildworks根據風機三維尺寸信息建立三維風機模型，其具有簡單、易上手等優點，并且可以直接從中導出風機模型的.stl(stereo lithography)格式的模型文件。.stl格式的模型以小三角面片為基本單位，離散地近似描述三維風機模型的表面，可以滿足將模型進行圖像學表示的要求，.stl格式三維模型會記錄所有三角形面片數量、各三角形頂點坐標及各面片的法向量，法向量符合右手規則。在此模型文件中，可以獲取此模型的三角形面片數量、各面片的法向量及各三角形頂點坐標等；
[0072]
由soildworks得到的網格化模型上的三角網格的數量在部分非重點監測位置分布過多，如機艙頭部、葉片與機艙的連接處等，這會使產生的航跡線在這些位置過于密集，因此使用materialise magics 24.0對網格化的風機模型再次進行處理，得到滿足需求的風機面圖形學模型。
[0073]
步驟2：基于三維模型的航跡點設計
[0074]
在規劃候選航跡點區域時，借鑒生成-測試法和合成法，既需要考慮從模型出發，在模型外的一定空間內采樣航跡點，也需要構建選擇候選區域的約束函數，并且基于風機的面圖形模型和獲取完整高質量圖像的考慮，對風機模型上的每一個三角形面片都規劃一個航跡點，因此需要對每個三角形面片規劃一片航跡點區域。
[0075]
規劃航跡點的候選區域時，從安全性考慮，需要約束安全范圍，其最大、最小安全空間分別為d
max
和d
min
，從可見性方面考慮，使無人機航向與三角形面片之間為銳角，即使無人機的航向與三角形超平面的法向量之間的夾角大于零，三角形面片的超平面由其入射角決定，那么綜合可得如圖2所示的候選航跡區域，約束條件可表述為平面約束，如式(1)所示：
[0076][0077]
其中，g＝(x,y,z)表示航跡點的空間位置，xi是網格三角形的角，an是歸一化三角形法線，m是三角形面片的中心點，ni是針對入射角約束的分離超平面的法線，∠in1,∠in2,
∠in3表示最小入射角；
[0078]
從無人機攜帶的成像設備而言，已知其視場角fov分為垂直和水平開口，并以固定的俯仰角和相對航向安裝在無人機上。利用來自fov上限的等效約束，候選航跡區域被限制為三角形截面。由無人機上的垂直照相機打開約束產生的總采樣空間是在所有垂直方向上所有這些三角形截面的并集，而不是凸優化的。為了近似和凸出該問題，根據圖3將空間劃分為nc塊相等的凸塊。為了近似和突出該問題，為每個切片計算最優值，以便找到全局最佳解決方案。片段j約束推導如下：
[0079]
采樣空間的左邊界和右邊界是旋轉段的邊界，旋轉段為做近似凸優化時，按圖2中所示方向切割出來的空間段，并且圓錐頂部和底部由與切片中心相切的單個平面表示，切片為凸優化時，三角形面片在凸優化空間的映射，水平方向上的角相機約束可不予考慮，將d
min
選擇為足夠高以允許三角形完全可見即可，所以約束條件可表示為式(2)：
[0080][0081]
其中，分別表示三角形面片的相關角，n
right
、n
left
分別表示各個分離超平面的法向量；
[0082]
綜合以上兩方面的考慮即可選擇出可覆蓋面圖形模型的所有三角形面片，從而保證可以獲得高質量的完整風機表面圖像，保證以最高的質量完成巡檢任務。
[0083]
根據風場的風機模型可構建出其風機面圖形學模型，并通過模型可得到候選航跡點區域，在候選航跡點區域內選擇航跡點時，需要迭代優化的進行。首先，以隨機采樣的方法在候選航跡點區域中進行初次航跡點的選取，在每個三角形對應的候選航跡點區域中選擇一個航跡點，簡單、快速的完成第一組航跡點的選擇。然后，在進行航跡點集的優化過程中，可將隨機采樣與qp二次優化相結合。
[0084]
在進行航跡點的優化時，在候選航跡點區域內隨機采樣一個航跡點，然后以最小化當前航跡點gk到當前候選航跡點區域內航跡點g
k-1
、當前航跡點的前一個航跡點和后一個航跡點距離的平方之和為目標，如式(3)所示。前兩個部分通過將航跡點移到更近的位置而縮短航跡線長度，而后兩個部分則限制了改進步驟的大小，因為和也可能移近。通過逐步優化航跡點的選取，實現整體航跡點集的優化，盡可能的選擇出使航跡線變短的航跡點。
[0085]
[0086][0087]
式(4)中約束條件與選擇候選航跡點區域一致。
[0088]
并且，鄰居距離的加權矩陣為：
[0089]
b＝diag(b
const
,b
const
,a
const
+b
const
)
[0090]
式中，b
const
為到鄰居的距離的一般權重，a
const
為權重變化懲罰。
[0091]
舊巡視中當前視點的距離的加權矩陣為：
[0092]
d＝diag(d
const
,d
const
,d
const
)
[0093]
式中，d
const
為權重值。
[0094]
選取出航跡點后，選取當前航跡點gk至三角形面片中心點m的方向為航跡點的航向，即：
[0095]
ψk＝g
k-m。
[0096]
步驟3：自動航跡規劃
[0097]
規劃航跡線與選取航跡點時類似，都需要根據任務信息及無人機的操作注意事項對航跡線的規劃進行約束，從而得到最優的航跡線，相關約束條件包括：航跡線長度約束、爬升約束、避障約束、最小轉彎半徑約束等。
[0098]
根據上述約束條件，無人機的航跡線在保證完成任務的情況下，使無人機的飛行時間越短越好，即完成覆蓋全目標的航跡線規劃過程中，最短的航跡線為最優。在求解最優航跡線的過程中，選擇迭代重優化的方式，使航跡線逐步優化直至達到最優，這一最優化過程就是逐漸接近最優解的過程。
[0099]
規劃出的航跡線不重復的經過所有航跡點，因此采用如下算法獲得初始航跡線：
[0100]
(1)選擇初始航跡點vi[0101]
(2)按以下3條約束從未被選過的航跡點中選擇下一航跡點vj：
[0102]
1)邊e
ij
是一條候選邊；
[0103]
2)α
π
(e
ij
)＝0；
[0104]
3)邊e
ij
屬于當前最優航跡線；
[0105]
若選擇出的vj不能全部滿足以上3條約束，則優先選擇滿足約束1)的航跡點，若都不能滿足，則在未被選擇過的航跡點中隨機選擇；
[0106]
記g＝(v,e)為賦權圖，v＝{v1，v2，...，vn}為航跡點集，e為航跡點之間連線的集合，從航跡點vi到航跡點vj的距離為d
ij
。
[0107]
1-樹是由圖g＝(v,e)中除去特殊點{1}的點集v/{1}連接成的子樹和從點{1}連接
到子樹的兩條最短的邊組成，如圖4所示，其中包含一條環形的回路，最小1-樹就是經過所有航跡點的路徑之和最小的1-樹。
[0108]
根據從連通圖中得到的最小1-樹的特性，可以判定其余最優航跡線的關系為：如果最小1-樹是一條沒有“分叉”的完整環路，那么它就是最優航跡線；最優航跡線是每個點的度數都是2的最小1-樹。并且，在研究中發現，最優航跡線與最小1-樹有70％-80％的邊是相同的，因此可以基于最小1-樹選擇最優航跡線的候選集。
[0109]
最小1-樹中航跡點vi、vj間的距離記為d
ij
，dn×n＝{d
ij
}表示航跡點間的距離矩陣，并且根據計算每個航跡點的代價值都增加相同的值π，不會改變最優航跡線選擇的原則，將矩陣dn×n轉變為矩陣pn×n＝{p
ij
|p
ij
＝d
ij
+πi+πj}，用t
π
表示最小1-tree，l
π
(t
π
)表示根據pn×n計算的t
π
總長度，π＝{π1,π2,...,πn}表示各個航跡點增加代價值的向量，可得：
[0110]
ω(π)＝l
π
(t
π
)-2∑πi????????
(3-7)
[0111]
可以使用次梯度優化法(subgradient optimization)調節向量п改變ω(π)，從而使t
π
更接近最優航跡線，用表示包含了經過航跡點vi、vj邊的最小1-樹，則邊e
ij
的α
π-接近度表示為：
[0112][0113]
其中，α
π
(e
ij
)≥0，當e
ij
屬于最小1-樹時，α
π
(e
ij
)＝0。
[0114]
(3)令i＝j，如果還有未被選擇的航跡線，返回步驟(2)。
[0115]
如果在步驟(2)有多個的航跡點可供選擇，則從中隨機選擇一點。
[0116]
規劃出航跡線后，需要對航跡線進行迭代優化。在迭代優化的過程中，以5-opt操作為基本單位，稱為基本操作(basic move)，基本操作選擇上次基本操作最后添加的邊作為最先刪除的邊，并且最后被刪除的邊不能是本次基本操作曾經添加的邊。在基本操作內搜索出可進行的2-opt、3-opt或4-opt操作進行航跡線優化，如果一次基本操作后，未搜索到合適的航跡點則停止搜索。
[0117]
從某航跡點出發經過任何基本操作都不能使航跡線優化，則進行一次非連續的、閉合的5-opt操作，由一次非閉合的2-opt操作和另外一次非閉合的2-opt操作或者3-opt操作組成，這被稱為一次打斷操作(break)。
[0118]
判斷經過一次打斷操作后航跡線是否得到優化，若航跡線被優化，則繼續進行基本操作優化航跡線，然后再進行打斷操作，如此循環，直至兩者都不能使航跡線優化，則稱為完成一次迭代優化。然后，當航跡點重新選取后，再次進行航跡線的優化，兩者重復進行，完成航跡線的迭代優化。
[0119]
步驟4：風機停機狀態識別
[0120]
利用步驟3對三維模型進行全局航跡規劃，得到巡檢路徑數據，將所得路徑數據導入巡檢無人機，無人機具有雙目攝像機，根據所規劃路徑，自動飛抵風機輪轂處，利用計算機視覺識別風機葉片的順槳停機位置后，即可根據代表風機葉片邊緣的斜率獲得其角度值，再與基礎模型的風機角度對比，可得風機葉片停機角度的變化估計，設定正值為順時針偏轉，負值為逆時針偏轉。具體步驟如下：
[0121]
(1)確認風機桿塔
[0122]
由于風力發電機的整體尺寸較大，在無人機正面獲取的風力發電機圖像中，桿塔
會超出圖像，即在圖像下邊緣有端點且斜率接近90度的直線可確認為代表桿塔的直線；
[0123]
(2)確認風機葉片
[0124]
確認代表風機桿塔的直線后，可近似認為此直線遠離圖像邊緣的另一端為機艙位置，以此端點為圓心做圓，再從圓形區域內根據三葉風機的結構特征選擇相互之間為120度左右的直線，若直線l存在另外兩條與其成120度的直線，則可將直線l記為代表風機葉片的直線，遍歷所有直線，并將直線偏轉角度相近的歸為同一組，其平均角度為其代表葉片的偏轉角度；
[0125]
(3)根據直線斜率確定葉片停機角度
[0126]
確定代表葉片的直線組后，可根據兩點式計算每條直線的偏轉角度，取直線段兩端的點(x1,y1)、(x2,y2)，則可得代表葉片的直線的角度：
[0127][0128][0129]
其中，表示平均偏轉角，αi表示每條直線的偏轉角度，n表示每組表示風機葉片的數量。
[0130]
之后找到最高像素點的葉片直線，根據直角三角形內角及對頂角關系，由此可得風機葉片停機的偏轉角度γ：
[0131][0132]
步驟5：巡檢風機葉片航跡調整
[0133]
風力發電機葉片的結構相對固定，估計出風力發電機的偏轉角度后，可將此角度用于無人機巡檢風機航跡線的調整。在三維空間中，風機葉片所在面可視為z值固定的平面，風機旋轉一定角度γ，則航跡點跟隨旋轉γ，可實現不同停機狀態下的葉片巡檢，所以按球坐標的表示規則，航跡點調整為：
[0134][0135]
本發明利用獲取到的偏轉角對根據風機模型得到的基準路徑數據進行變換，得到能夠適應當前風機狀態的路徑數據，最后，無人機根據修正的路徑數據進行自動巡檢，完成葉片的巡檢工作。
[0136]
本發明未具體描述的部分或結構采用現有技術或現有產品即可，在此不做贅述。
[0137]
以上所述僅為本發明的實施例，并非因此限制本發明的專利范圍，凡是利用本發明說明書內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發明的專利保護范圍內。