您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
AI帮助无人机自动检查风力涡轮磨损，并确定其位置
2019年03月04日 由 冯鸥 发表
250312
0
用无人机自动发现设施磨损迹象并不是什么新鲜事，法国初创公司Sterblue、Clobotics、通用电气旗下的Avitas Systems和Cyberhawk等公司都雇佣机器人来管理天然气码头、石油钻井平台和其他资产。然而，在无人机检查领域仍然存在一些问题仍未解决的问题是定位能力，即根据正在检查的物体准确确定无人机位置的能力。GPS和惯性测量单元（IMU）提供相对精细的跟踪，但更准确的数据可确保更好的一致性，并使无人机能够安全地靠近检查目标。
为此，最新论文“Improving drone localization around wind turbines using monocular model-based tracking”提出了一种新方法，将图像集成到无人机导航堆栈中以用于自动风力涡轮机检查。
团队解释说：“由于恶劣的天气条件，风力涡轮机可能会产生大范围的结构损坏，从而严重影响其发电能力。目前视觉检查的最佳实践是使用远摄镜头的地面相机，或使用攀爬设备进行人工检查。但这两种方法因检查本身和涡轮机停机时间都会产生相当高的成本。”
冰可以对涡轮机造成巨大的破坏。根据加拿大风能行业咨询公司TechnoCentreÉolien（TCE）的报告，一些风力发电场报告由于结冰造成的能源产量损失高达20％，随着时间的推移，从叶片上脱落会损坏其他叶片或过度加压内部部件，需要昂贵的维修费。
研究人员基于模型的方法涉及将涡轮机的3D线点框架表征映射到从无人机前置单筒摄像机收集的图像数据中。
这种匹配是通过卷积神经网络进行的，用一组1000张来自互联网的标记照片训练该网络，这些照片将图像数据，无人机GPS和IMU传感器获得的图像数据以及估计的摄像机姿态，转换成一种易于与骨骼模型投影关联的形式。
在测试中，这种方法明显改善了定位，尽管还有更多的验证工作要做，比如，他们无法获得检查飞行的地面实况估计值，因此无法对整个系统进行定量评估。
但该工作为改进系统奠定了基础，包括采用激光雷达等附加传感器并同时估算涡轮机模型参数的版本。
结果表明，与单独使用GPS和IMU相比，图像测量的使用显著提高了定位的精度。
论文：
arxiv.org/pdf/1902.10474.pdf
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消