[发明专利]一种风电机组叶片无人机自动驾驶巡检方法

权利要求书

1.一种风电机组叶片无人机自动驾驶巡检方法，其特征在于，所述风电机组叶片无人机自动驾驶巡检方法包括如下步骤：

步骤(1)，对风电机组和无人机分别进行适应性的准备布置工作；

步骤(2)，根据所述无人机在飞行过程中实时回传的图像，确定所述风电机组叶片的地理坐标信息；

步骤(3)，根据所述风电机组叶片的地理坐标信息，对所述无人机的巡检路线进行实时规划调整；

步骤(4)，指示所述无人机在沿实时规划调整的巡检路线飞行的过程中，拍摄获得关于所述风电机组叶片的图像。

2.如权利要求1所述的风电机组叶片无人机自动驾驶巡检方法，其特征在于：

在所述步骤(1)中，对风电机组和无人机分别进行适应性的准备布置工作具体包括，

步骤(101)，确定所述风电机组的机组运行状态，并根据所述机组运行状态的确定结果设置所述风电机组的相关参数，其中，所述风电机组的相关参数包括风电机组的杆塔高度和/或叶片长度；

步骤(102)，设置所述无人机的起飞地点和返航地点，以及检查所述无人机的设备运行情况；

步骤(103)，在检查确定所述无人机的设备运行情况正常时，启动所述无人机执行飞行任务。

3.如权利要求1所述的风电机组叶片无人机自动驾驶巡检方法，其特征在于：

在所述步骤(2)中，根据所述无人机在飞行过程中实时回传的图像，确定所述风电机组叶片的地理坐标信息具体包括，

步骤(201)，判断所述无人机实时回传的图像中是否包含所述风电机组的所有叶片对应全景图像，若是，则进入下面步骤(202)，若否，则对所述无人机进行状态调整操作后、再次对所述无人机实时回传的图像进行上述判断处理；

步骤(202)，对所述风电机组的所有叶片对应全景图像进行目标识别处理和滤波处理，以此得到对应的中间处理图像；

步骤(203)，对所述中间处理图像进行拐角点检查处理和预设算法模型解算处理，以此得到关于所述风电机组叶片的中间地理坐标；

步骤(204)，对所述中间地理坐标进行预设算法模型优化处理，以此得到所述风电机组叶片的地理坐标信息。

4.如权利要求3所述的风电机组叶片无人机自动驾驶巡检方法，其特征在于：

在所述步骤(202)中，对所述风电机组的所有叶片对应全景图像进行目标识别处理和滤波处理，以此得到对应的中间处理图像具体包括，

步骤(2021)，对所述风电机组的所有叶片对应全景图像进行Mask R-CNN神经网络算法模型的识别处理，以此得到关于所述风电机组的所有叶片结构的图像检测信息；

步骤(2022)，对所述所有叶片结构的图像检测信息进行约束关系滤波处理和非目标滤波处理，以此修正所述图像检测信息；

步骤(2023)，对经过所述约束关系滤波处理和非目标滤波处理的所述图像检测信息进行检测对象的判断处理，以此判断当前所述全景图像中的风电机组是否属于目标检测对象，并确定得到所述中间处理图像。

5.如权利要求3所述的风电机组叶片无人机自动驾驶巡检方法，其特征在于：

在所述步骤(203)中，对所述中间处理图像进行拐角点检查处理和预设算法模型解算处理，以此得到关于所述风电机组叶片的中间地理坐标具体包括，

步骤(2031)，对所述中间处理图像进行FAST拐角点检测处理，以此获得关于叶片的叶尖像素坐标；

步骤(2032)，通过PnP算法模型对叶尖像素坐标进行解算处理，以此计算得到关于所述叶片的叶尖地理三维坐标，并作为所述中间地理坐标；或者，

在所述步骤(204)中，对所述中间地理坐标进行预设算法模型优化处理，以此得到所述风电机组叶片的地理坐标信息具体包括，

通过BA算法模型对所述中间地理坐标进行坐标优化处理，以此得到所述风电机组叶片的地理坐标信息。