基于機器視覺的無人機自動巡檢定位控制技術

金濤，黃俊波，蔡澍雨，龔明義，謝程

（云南電網有限責任公司輸電分公司，云南昆明 650051）

機器視覺是指利用機器設備來代替人眼對待測物行進狀態進行判斷，在主機元件的作用下，所有測量信號都會以數據信息的形式反饋給各級應用設備，一方面實現了對傳輸信號的無誤轉換；另一方面也可以將數字化信息完整轉存于主機元件之中[1-2]。對于一些不適合人工作業的危險場合而言，以機器視覺代替人工視覺，不但能夠實現對待測物的有效控制，還可以將信號參量直接轉化成數據信息，以供處理主機直接調取與利用。在實際應用過程中，機器視覺理論的實現需要云端電腦、影像攝影機、影像顯示器、伺服運動平臺等多個設備元件的共同配合。

無人機自動巡檢是指利用無人機飛行器，對行進區域內的行進線路環境進行自動探查，一般來說，與不同行進區域匹配的巡檢節點布局形式也會有所不同[3]。由于無人機巡向角過度偏轉問題的存在，巡檢節點的實際布局形式并不能完全符合初始定位需求，這也是導致無人機飛行器不能按照預設路線行進的主要原因。為避免上述情況的發生，有學者提出基于Cascade R-CNN 的檢測算法，利用位姿傳感器記錄無人機飛行器的實際行進路徑，再根據既定算法原則，確定巡檢節點之間的分布配比關系[4]。然而該方法的執行能力有限，并不能完全滿足實際應用需求。為解決該問題，引入機器視覺理論，并以此為基礎，設計一種新型的無人機自動巡檢定位控制方法。

1 基于機器視覺的無人機巡檢節點抓取

基于機器視覺理論的無人機巡檢節點抓取包含巡檢坐標變換、正運動學方程求解、逆運動學方程求解三個處理流程，具體研究方法如下。

1.1 巡檢坐標變換

對于無人機飛行器而言，坐標變換原則能夠同時滿足機器視覺理論與巡檢定位控制的執行需求[5-6]。規定點O為無人機巡檢曲線的起始點，其物理坐標為(0,0,0)，點R1為一個隨機選取的巡檢軌跡節點，其物理坐標為(x1,y1,z1)。可將點O與點R1之間的間隔距離L1表示為：

設θ1表示橫縱坐標之間的物理夾角，θ2表示縱坐標與空間坐標之間的物理夾角，θ3表示橫坐標與空間坐標之間的物理夾角。聯立公式（1），可將基于機器視覺的無人機巡檢坐標變換原則表示為：

在機器視覺理論的認知中，物理坐標軸之間的夾角數值越大，表示所選取巡檢節點與起始點之間的物理間隔距離越大，此時巡檢坐標系中能夠保持對應變換關系的定位節點數量也就越多。

1.2 正運動學方程求解

正運動學方程求解是無人機巡檢節點抓取處理過程中的關鍵執行步驟，可在已知巡檢坐標變換條件的基礎上，計算無人機飛行器在單位運動區域內的實時行進能力[7-8]。假定v1表示無人機飛行器的勻加速行進速率，此時巡檢路徑內的實時加速度為a1，v2表示無人機飛行器的勻減速行進速率，此時巡檢路徑內的實時加速度為a2。設β表示機器視覺作用對于無人機巡檢運動行為的影響系數。聯立上述物理量，可將基于機器視覺的無人機飛行器正運動學方程求解結果表示為：

1.3 逆運動學方程求解

逆運動學方程求解也是無人機巡檢節點抓取處理過程中的必要執行步驟，作為正運動學方程求解的反向運算過程，能夠約束無人機飛行器的勻減速運動狀態[9-10]。設表示無人機飛行器在勻減速巡檢過程中的運動功率均值，且≥1 的不等式條件恒成立。χ、δ表示兩個不同的逆運動系數，指標χ的物理取值也始終大于指標δ。規定φ表示基于機器視覺理論的無人機逆向運動參量，聯立上述物理量，可將基于機器視覺的無人機飛行器逆運動學方程求解結果表示為：

其中，ΔE表示無人機飛行器在單位時間通過的巡檢區域面積。逆運動學方程與正運動學方程的作用能力相同，但后者只能直接影響無人機飛行器在勻減速運動過程中的行進狀態。

2 無人機自動巡檢的定位與控制方法

2.1 特征點提取

設μ表示既定的無人機自動巡檢系數，k1、k2、…、kn表示n個不同的巡檢特征點指標，i表示最大的巡檢路徑定位參量，f表示基于機器視覺理論的無人機巡檢節點控制權限量值[11-12]。在上述物理量的支持下，聯立式（3）、式（4），可將基于機器視覺的無人機自動巡檢特征點提取表達式定義為：

對于后續的巡檢曲線定位權限原則而言，特征點提取將無人機巡檢節點限定在了一定的區域范圍之內，使得控制主機具備了準確估量無人機巡向角偏轉行為的能力。

2.2 幀間位姿估計

設ω表示一個隨機選取的無人機巡檢幀節點定義系數，該項指標參量的最小取值結果只能等于自然數1，lω表示節點定義系數等于ω時的無人機巡檢位姿行為向量，且lω＞0 的不等式條件恒成立[13-14]。在上述物理量的支持下，聯立式（5），可將無人機幀間位姿估算表達式定義為：

2.3 巡檢曲線定位權限

巡檢曲線定位權限決定了主機元件對于幀間節點的控制能力，一般來說，權限量表達式的取值結果越大，表示主機元件對于幀間節點的控制作用能力越強[15-16]。設z1、z2、…、zn表示無人機巡檢路徑中n個不同的曲率系數，ξ表示巡檢節點的定位特征參量，u表示可行性系數，υ表示無人機巡檢路徑中的曲率標記度量值。在上述物理量的支持下，聯立式（6），可將基于機器視覺的無人機巡檢曲線定位權限表達式定義為：

至此，實現對各項指標參量的計算與處理，在不考慮其他參考條件的情況下[17-19]，完成針對基于機器視覺的無人機自動巡檢定位控制技術的研究與分析。

3 實例分析

利用moc studio2.0 v2.63 軟件對無人機巡檢運動的視覺圖像進行模擬（如圖1 所示），調節各項指標參數，將無人機巡檢范圍控制在一個5 km×5 km的正方形區域內。

圖1 無人機巡檢運動的模擬視覺圖像

將所選巡檢區域劃分成四部分，并分別對其標號為1、2、3、4（如圖2 所示），且每一部分的邊長值水平完全相等。首先利用基于機器視覺理論的應用方法對無人機巡檢運動進行控制，將所得數據作為實驗組變量；然后利用基于Cascade R-CNN 的檢測算法對無人機巡檢運動進行控制，將所得數據作為對照組變量；最后對實驗組、對照組變量數值進行對比。

圖2 無人機巡檢區域劃分

實驗以無人機巡向角偏轉度數作為參考變量。一般來說，當巡向角偏轉度數處于0°～95°的數值區間時，表示控制主機對于巡檢節點的定位能力較強，當前巡檢節點的布局形式也就更符合實際應用需求；若巡向角偏轉度數超過95°，則表示控制主機對于巡檢節點的定位能力相對較弱。

圖3 反映了無人機飛行器在4 個巡檢區域內的巡向角偏轉度數變化情況。

圖3 巡向角偏轉曲線

在1 號區域中，實驗組無人機巡向角偏轉度數保持來回波動的變化狀態，全局最大值僅能達到79.8°，低于理想極限值95°；對照組無人機巡向角偏轉度數保持先上升、再下降的變化狀態，全局最大值達到了110.8°，高于理想極限值95°。

在2 號區域中，實驗組、對照組無人機巡向角偏轉度數均呈現出不斷增大的變化狀態，前者最大值為84.7°，低于理想極限值95°，后者最大值為110.4°，高于理想極限值95°。

在3 號區域中，實驗組無人機巡向角偏轉度數呈現先大幅上升、再小幅下降、最后基本穩定的變化狀態，全局最大值僅能達到78.6°，低于理想極限值95°；對照組無人機巡向角偏轉度數呈現先大幅上升、再不斷波動的變化狀態，全局最大值為108.9°，高于理想極限值95°。

在4 號區域中，實驗組無人機巡向角偏轉度數保持階段性上升的變化狀態，全局最大值為75.7°，低于理想極限值95°；對照組無人機巡向角偏轉度數保持先上升、再波動、最后繼續上升的變化狀態，全局最大值達到了113.5°，高于理想極限值95°。

綜上，在基于機器視覺理論的應用方法的作用下，無人機飛行器在各個行進區域內的巡向角偏轉度數值均處于0°～95°的數值區間，表示控制主機對于巡檢節點的定位能力始終較強。

4 結束語

在機器視覺理論的作用下，無人機自動巡檢定位控制方法針對巡向角過度偏轉的問題進行改進，根據已知的巡檢坐標變換原則，得到準確的正、逆運動學方程求解結果，又利用各個特征點提取指標，定義幀間位姿的計算表達式，從而得到巡檢曲線定位權限指標的具體數值。隨著基于機器視覺理論的控制方法的應用，無人機飛行器的巡向角偏轉度數值得到了較好控制，巡檢節點布局形式更符合實際定位需求。