1.本发明涉及电力系统巡检技术领域，特别涉及一种基于无人机的电力管廊巡检方法。
背景技术：2.地下电力管廊内安装有电气设备、金具、输电管线等设备，其主要作用为输送电力，是保障城市运行的重要基础设施和“生命线”。因此，为保证地下电力管廊的正常运行，需要定期进行巡检，以便及时发现问题，并联系相关人员解决问题。
3.地下电力管廊巡检时，不仅要巡检输电管线运行是否正常，管线温度是否过高，金具是否锈蚀等问题，还要巡检地下隧道墙体是否出现开裂、渗水等问题。
4.目前，地下电力管廊的巡检主要依赖巡检人员，存在效率低，成本高，安全系数低等问题。因此，一种能够全自主运行的智能巡检方法成为研究人员关注的问题。
技术实现要素：5.本发明针对现有技术中的不足，提供一种基于无人机的电力管廊巡检方法；根据电力管廊先验地图的有无，采用不同的巡检路线，定位方案和检测方案。实现无人机在地下电力管廊中的全自主飞行和智能巡检。与传统人工巡检相比，本发明提出的巡检方法成本低，效率高，安全性好。
6.为实现上述目的，本发明采用以下技术方案：
7.一种基于无人机的电力管廊巡检方法，包括以下步骤：
8.为巡检无人机配置巡检用传感器，包括rgb-d相机，imu，红外相机；其中，rgb-d相机和imu用于巡检无人机在管廊内的定位，rgb-d相机和红外相机用于对管廊内目标物体的识别和检测；
9.根据管廊先验地图的有无，确定巡检无人机的飞行巡检路线；当有管廊先验地图时，巡检无人机根据管廊先验地图中的指定路线确定飞行巡检路线，当没有管廊先验地图时，巡检无人机在管廊内采用自主探索方案确定飞行巡检路线；
10.当巡检无人机采用指定路线时，通过对巡检无人机采用地图匹配方案完成自身的定位，实现巡检无人机在指定路线中的飞行位置确定并进行管廊内目标物体的识别和检测；当巡检无人机采用自主探索的路线时，通过对巡检无人机采用rgb-d相机里程计方案完成自身的定位，实现巡检无人机在自主探索路线中的飞行位置确定并进行管廊内目标物体的识别和检测。
11.为优化上述技术方案，采取的具体措施还包括：
12.进一步地，为巡检无人机配置巡检用传感器的具体内容为：
13.在巡检无人机的靠近机体中心位置安装imu；
14.在巡检无人机的四周各个方向分别安装rgb-d相机和红外相机。
15.进一步地，所述当没有管廊先验地图时，巡检无人机在管廊内采用自主探索方案
确定飞行巡检路线的具体内容为：rgb-d相机获取管廊内部的点云数据，巡检无人机基于点云数据和tare算法自动规划飞行路径。
16.进一步地，所述当巡检无人机采用指定路线时，通过对巡检无人机采用地图匹配方案完成自身的定位，实现巡检无人机在指定路线中的飞行位置确定并进行管廊内目标物体的识别和检测的具体内容为：
17.采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；
18.从融合的点云中提取特征图描述符，基于该描述符向量使用kd树收缩找到接近的候选帧，计算候选帧中点云特征矩阵列向量的余弦距离d(iq,ic)，并通过距离阈值选出符合的帧率图像，进而确定相似场景，完成巡检无人机全局下的初始位姿估计；其中点云特征矩阵列向量的余弦距离d(iq,ic)的计算公式为：
19.式中，iq和ic为候选帧中任意两帧点云的描述符，ns是描述符的列向量数，和分别是对应两个描述符的第j列的列向量；
20.从融合的点云中，计算点云中每个点的曲率，并基于设置的曲率阈值提取出角点、直线、和平面特征；利用icp算法将从点云数据中提取的角点、直线、平面特征和电力管廊的先验地图进行匹配，得到巡检无人机在管廊中的精确位姿估计；
21.采集imu数据，利用惯性递推估计无人机的位置：即采用kalman滤波方法将imu解算的位置与基于地图匹配解算的初始位姿估计位置、精确位姿估计位置进行融合，完成对巡检无人机位置的最终定位，实现巡检无人机在指定路线中的飞行位置确定；
22.当巡检无人机的位置到达管廊先验地图的目标点后，巡检无人机进行悬停，并对巡检目标进行识别，识别的具体方式为：采集rgb-d相机拍摄的图像数据，利用yolov5方法对图像进行检测，检测是否有包含有金具、电力管线接头、隧道裂缝在内的巡检目标，并利用红外相机和rgb-d相机对巡检目标进行拍摄检查；
23.对该巡检目标检测完成后继续进行飞往下一巡检目标直至完成所有巡检目标的检测。
24.进一步地，所述当巡检无人机采用自主探索的路线时，通过对巡检无人机采用rgb-d相机里程计方案完成自身的定位，实现巡检无人机在自主探索路线中的飞行位置确定并进行管廊内目标物体的识别和检测的具体内容为：
25.采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；
26.从融合的点云中按行进行分割，通过计算每个点的曲率，提取出角点、直线、平面特征；
27.利用提取的角点、直线、平面特征，对前后两帧图像的点云数据进行匹配，并获得两帧之间的约束，进而估算出巡检无人机在管廊中的位姿，并构建地下电力管廊环境地图；其中估算位姿的具体内容为：
28.构建“角点-直线”匹配残差
[0029][0030]
式中，为点特征，为在线特征上的两点；
[0031]
构建“角点-平面”匹配残差
[0032][0033]
式中，为点特征，为在平面特征上的三点；
[0034]
根据构建的残差和残差利用因子图估计出两帧点云之间的约束关系然后根据公式递推出当前时刻相对于初始时刻的约束关系从而估算出巡检无人机在管廊中的位姿，式中，为上一时刻相对于初始时刻的约束关系；
[0035]
采集imu数据，利用惯性递推估计无人机的位置：采用kalman滤波方法将imu解算的位置与基于rgb-d相机里程计解算的位姿进行融合，完成对巡检无人机位置的最终定位，实现巡检无人机在自主探索路线中的飞行位置确定；
[0036]
当巡检无人机识别到有巡检目标时，巡检无人机进行悬停，并对巡检目标进行检测；其中识别和检测的具体方式为：采集rgb-d相机拍摄的图像数据，利用yolov5方法对图像进行检测，检测是否有包含有金具、电力管线接头、隧道裂缝在内的巡检目标，并利用红外相机和rgb-d相机对巡检目标进行拍摄检查；
[0037]
对该巡检目标检测完成后继续飞往下一巡检目标直至完成所有巡检目标的检测。
[0038]
进一步地，所述采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下的具体融合计算公式为：
[0039][0040]
式中，p
body
表示融合后的点云数据，即机体系body下的点云数据；p
left
、p
right
、p
down
、p
forward
分别表示巡检无人机周围四个rgb-d相机采集到的点云数据，d相机采集到的点云数据，分别表示巡检无人机周围四个rgb-d相机的外参标定参数，即由相机所在坐标系到机体系的转换矩阵。
[0041]
进一步地，所述从融合的点云中，计算点云中每个点的曲率的具体公式为：
[0042]
点云中的第i个点用pi＝(xi,yi,zi)表示，通过下式该点的曲率curvature：
[0043]
curvature＝diffx2+diffy2+diffz2[0044]
式中：
[0045][0046]
其中，diffx，diffy，diffz分别表示点云中两个点的x，y，z三轴坐标的差值；x
i+j
，y
i+j
，z
i+j
分别表示第i+j个点的x，y，z三轴坐标；xi，yi，zi分别表示第i个点的x，y，z三轴坐标。
[0047]
本发明的有益效果是：
[0048]
1、本技术根据电力管廊先验地图的有无，采用不同的巡检路线，定位方案和检测方案；实现无人机在地下电力管廊中的全自主飞行和智能巡检。与传统人工巡检相比，本发明提出的巡检方法成本低，效率高，安全性好。
[0049]
2、本技术在有先验地图的无人机定位时，通过imu惯性递推的位置与相机点云匹配得到的位置(包括初始位姿和精确位姿)进行融合；在无先验地图的无人机定位时，通过imu惯性递推的位置与相机点云匹配得到位姿数据进行融合，使得无人机的位置确定更加准确。因为如果只通过算法确定无人机的位姿，这样容易导致算法耗时较长，位姿输出频率较低，无法满足飞控需求；而纯imu递推估计无人机位姿，其频率虽然较高，但精度较低，因此将精确的位姿估计结果与imu递推结果融合，在保证位姿估计精度的同时，提高了位姿的输出频率，以满足飞控需求，进而使得巡检无人机对巡检目标的检测更加准确。
附图说明
[0050]
图1是本发明整体方案流程示意图。
[0051]
图2是本发明在有管廊先验地图情况下的巡检方案示意图。
[0052]
图3是本发明在无管廊先验地图情况下的巡检方案示意图。
[0053]
图4是本发明在有管廊先验地图情况下的定位方案示意图。
[0054]
图5是本发明在无管廊先验地图情况下的定位方案示意图。
具体实施方式
[0055]
现在结合附图对本发明作进一步详细的说明。
[0056]
参考图1-图5，本技术的具体方案为：
[0057]
一种基于无人机的电力管廊巡检方法，具体包括以下步骤：
[0058]
s1、为巡检无人机配置传感器，包括rgb-d相机，imu，红外相机等。其中，rgb-d相机和imu用于巡检无人机在管廊内的定位，rgb-d相机和红外相机用于对管廊内目标物体的识别和检测；
[0059]
s2、根据管廊先验地图的有无，无人机采用不同的巡检流程。当有管廊先验地图时，无人机根据地图中的指定路线进行飞行、巡检。当没有管廊先验地图时，无人机在管廊内采用自主探索飞行的巡检方案；
[0060]
s3、根据管廊先验地图的有无，无人机采用不同的定位方案。当有管廊先验地图时，无人机根据rgb-d相机采集到的环境点云数据，采用地图匹配的方案实现自身的定位。当没有管廊先验地图时，无人机利用rgb-d相机采集到的环境点云数据，采用rgb-d相机里程计方案实现对自身的定位；
[0061]
s4、利用rgb-d相机采集到的图像信息，基于yolov5实现对管廊内目标物体的自主识别和智能检测。
[0062]
进一步，步骤s1具体为：
[0063]
s11、在巡检无人机的靠近机体中心位置安装imu；
[0064]
s12、在巡检无人机的前、左、右、下四个方向分别安装rgb-d相机。
[0065]
进一步，步骤s2具体为：
[0066]
s21、判断是否有地下电力管廊的先验地图；
[0067]
s22、若有地下电力管廊的先验地图，则巡检无人机采用指定线路巡检流程；
[0068]
s23、若没有地下电力管廊的先验地图，则巡检无人机采用自主探索飞行巡检流程。
[0069]
进一步，步骤s22具体为：
[0070]
s22.1、巡检无人机沿指定线路向目标点飞行；
[0071]
s22.2、到达目标点后，巡检无人机悬停；
[0072]
s22.3、巡检无人机根据rgb-d相机获取的图像，对巡检目标进行识别并进行检测；
[0073]
s22.4、重复步骤s22.1、s22.2、s22.3，直至完成整个隧道的巡检工作。
[0074]
进一步，步骤s23具体为：
[0075]
s23.1、巡检无人机根据rgb-d相机获取的点云数据，基于tare算法自动规划飞行路径；
[0076]
s23.2、巡检无人机在飞行过程中，根据rgb-d相机获取的图像，对巡检目标进行识别；
[0077]
s23.3、若巡检无人机识别到巡检目标，则悬停并对巡检目标进行检测；
[0078]
s23.4、重复步骤s23.1、s23.2、s23.3，直至完成整个隧道的巡检工作。
[0079]
进一步，步骤s3具体为：
[0080]
s31、判断是否有地下电力管廊的先验地图；
[0081]
s32、若有地下电力管廊的先验地图，则巡检无人机采用地图匹配方案进行定位；
[0082]
s33、若没有地下电力管廊的先验地图，则巡检无人机采用rgb-d相机里程计的方案进行定位。
[0083]
进一步，步骤s32具体为：
[0084]
s32.1、采集4台rgb-d相机的点云数据，并根据4台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；
[0085]
按照下式对点云数据进行融合：
[0086][0087]
式中，p
body
表示融合后的点云数据，即机体系(body)下的点云数据。p
left
、p
right
、p
down
、p
forward
分别表示左、右、下、前四个rgb-d相机采集到的点云数据，
分别表示左、右、下、前四个rgb-d相机的外参标定参数，即由相机所在坐标系到机体系的转换矩阵。
[0088]
s32.2、从点云中提取特征图描述符，基于该描述符向量使用kd树收缩找到最接近的候选帧。从候选帧中基于定义的距离公式和距离阈值选出最大可能的相似场景，完成全局下的初始位姿估计；(最大可能的相似场景指的是：当前无人机所在的场景和先验地图中哪一块区域最相似，以此用于确定无人机的位置(对应于地图上的位置)。初始时刻无人机需要确定其在管廊中的位置，而我们已有先验地图，那么根据最大可能的相似场景就可以找到无人机对应于地图中的位置，也就完成了无人机位置的初始化)；
[0089]
给定两帧点云的描述符iq和ic，计算两个特征矩阵的列向量余弦距离作为距离，并且将总和除以ns以进行归一化，公式如下：
[0090][0091]
式中，和分别是两个描述符的第j列的列向量，ns是描述符的列向量数。
[0092]
s32.3、计算点云中每个点的曲率，基于设置的曲率阈值提取出角点、直线、平面特征。利用icp算法将从点云数据中提取的点、线、面特征和电力管廊的先验地图进行匹配，得到较为精确的巡检无人机在管廊中的位姿估计。
[0093]
点云中的第i个点用pi＝(xi,yi,zi)表示，通过下式该点的曲率：
[0094]
curvature＝diffx2+diffy2+diffz2[0095]
式中：
[0096][0097]
其中，diffx，diffy，diffz分别表示点云中两个点的x，y，z三轴坐标的差值。x
i+j
，y
i+j
，z
i+j
分别表示第i+j个点的x，y，z三轴坐标。xi，yi，zi分别表示第i个点的x，y，z三轴坐标。
[0098]
s32.4、采集imu数据，利用惯性递推估计无人机的位置。采用kalman滤波方法将imu解算的位置与基于地图匹配解算的位置进行融合，完成对巡检无人机位置的估计。
[0099]
进一步，步骤s33具体为：
[0100]
s33.1、采集4台rgb-d相机的点云数据，并根据4台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；
[0101]
按照下式对点云数据进行融合：
[0102][0103]
式中，p
body
表示融合后的点云数据，即机体系(body)下的点云数据。p
left
、p
right
、p
down
、p
forward
分别表示左、右、下、前四个rgb-d相机采集到的点云数据，
分别表示左、右、下、前四个rgb-d相机的外参标定参数，即由相机所在坐标系到机体系的转换矩阵。
[0104]
s33.2、对点云数据按行进行分割，通过计算每个点的曲率，提取出角点、直线、平面特征；
[0105]
点云中的第i个点用pi＝(xi,yi,zi)表示，通过下式该点的曲率：
[0106]
curvature＝diffx2+diffy2+diffz2[0107]
式中：
[0108][0109]
其中，diffx，diffy，diffz分别表示点云中两个点的x，y，z三轴坐标的差值。x
i+j
，y
i+j
，z
i+j
分别表示第i+j个点的x，y，z三轴坐标。xi，yi，zi分别表示第i个点的x，y，z三轴坐标。
[0110]
s33.3、利用从点云数据中提取的点、线、面特征，对前后两帧点云数据进行匹配，并获得两帧之间的约束。根据rgb-d相机里程计，估计出无人机当前的位置并构建地下电力管廊环境地图；
[0111]
根据下式构建“点-线”匹配残差：
[0112][0113]
式中，为点特征，为在线特征上的两点；
[0114]
根据下式构建“点-平面”匹配残差：
[0115][0116]
式中，为点特征，为在平面特征上的三点；
[0117]
根据构建的残差，利用因子图估计出两帧点云之间的约束关系再根据下式，递推出当前时刻相对于初始时刻的约束关系从而估算出巡检无人机在管廊中的位姿。
[0118][0119]
式中，为上一时刻相对于初始时刻的约束关系。
[0120]
s33.4、采集imu数据，利用惯性递推估计无人机的位置。采用kalman滤波方法将imu解算的位置与基于rgb-d相机里程计解算的位置进行融合，完成对巡检无人机位置的估
计。
[0121]
进一步地，步骤s4具体为：
[0122]
s41、采集左、右两侧rgb-d相机拍摄的图像数据；
[0123]
s42、利用yolov5方法对图像进行检测，检测是否有巡检目标(包括金具、电力管线接头、隧道裂缝等)；
[0124]
s43、若有巡检目标，则利用红外相机，rgb-d相机，对巡检目标进行检查、拍摄。
[0125]
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
[0126]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
技术特征：1.一种基于无人机的电力管廊巡检方法，其特征在于，包括以下步骤：为巡检无人机配置巡检用传感器，包括rgb-d相机，imu，红外相机；其中，rgb-d相机和imu用于巡检无人机在管廊内的定位，rgb-d相机和红外相机用于对管廊内目标物体的识别和检测；根据管廊先验地图的有无，确定巡检无人机的飞行巡检路线；当有管廊先验地图时，巡检无人机根据管廊先验地图中的指定路线确定飞行巡检路线，当没有管廊先验地图时，巡检无人机在管廊内采用自主探索方案确定飞行巡检路线；当巡检无人机采用指定路线时，通过对巡检无人机采用地图匹配方案完成自身的定位，实现巡检无人机在指定路线中的飞行位置确定并进行管廊内目标物体的识别和检测；当巡检无人机采用自主探索的路线时，通过对巡检无人机采用rgb-d相机里程计方案完成自身的定位，实现巡检无人机在自主探索路线中的飞行位置确定并进行管廊内目标物体的识别和检测。2.根据权利要求1所述的一种基于无人机的电力管廊巡检方法，其特征在于，为巡检无人机配置巡检用传感器的具体内容为：在巡检无人机的靠近机体中心位置安装imu；在巡检无人机的四周各个方向分别安装rgb-d相机和红外相机。3.根据权利要求1所述的一种基于无人机的电力管廊巡检方法，其特征在于，所述当没有管廊先验地图时，巡检无人机在管廊内采用自主探索方案确定飞行巡检路线的具体内容为：rgb-d相机获取管廊内部的点云数据，巡检无人机基于点云数据和tare算法自动规划飞行路径。4.根据权利要求1所述的一种基于无人机的电力管廊巡检方法，其特征在于，所述当巡检无人机采用指定路线时，通过对巡检无人机采用地图匹配方案完成自身的定位，实现巡检无人机在指定路线中的飞行位置确定并进行管廊内目标物体的识别和检测的具体内容为：采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；从融合的点云中提取特征图描述符，基于该描述符向量使用kd树收缩找到接近的候选帧，计算候选帧中点云特征矩阵列向量的余弦距离d(i
q
,i
c
)，并通过距离阈值选出符合的帧率图像，进而确定相似场景，完成巡检无人机全局下的初始位姿估计；其中点云特征矩阵列向量的余弦距离d(i
q
,i
c
)的计算公式为：式中，i
q
和i
c
为候选帧中任意两帧点云的描述符，n
s
是描述符的列向量数，和分别是对应两个描述符的第j列的列向量；从融合的点云中，计算点云中每个点的曲率，并基于设置的曲率阈值提取出角点、直线、和平面特征；利用icp算法将从点云数据中提取的角点、直线、平面特征和电力管廊的先验地图进行匹配，得到巡检无人机在管廊中的精确位姿估计；采集imu数据，利用惯性递推估计无人机的位置：即采用kalman滤波方法将imu解算的
位置与基于地图匹配解算的初始位姿估计位置、精确位姿估计位置进行融合，完成对巡检无人机位置的定位，实现巡检无人机在指定路线中的飞行位置确定；当巡检无人机的位置到达管廊先验地图的目标点后，巡检无人机进行悬停，并对巡检目标进行识别，识别的具体方式为：采集rgb-d相机拍摄的图像数据，利用yolov5方法对图像进行检测，检测是否有包含有金具、电力管线接头、隧道裂缝在内的巡检目标，并利用红外相机和rgb-d相机对巡检目标进行拍摄检查；对该巡检目标检测完成后继续进行飞往下一巡检目标直至完成所有巡检目标的检测。5.根据权利要求1所述的一种基于无人机的电力管廊巡检方法，其特征在于，所述当巡检无人机采用自主探索的路线时，通过对巡检无人机采用rgb-d相机里程计方案完成自身的定位，实现巡检无人机在自主探索路线中的飞行位置确定并进行管廊内目标物体的识别和检测的具体内容为：采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下；从融合的点云中按行进行分割，通过计算每个点的曲率，提取出角点、直线、平面特征；利用提取的角点、直线、平面特征，对前后两帧图像的点云数据进行匹配，并获得两帧之间的约束，进而估算出巡检无人机在管廊中的位姿，并构建地下电力管廊环境地图；其中估算位姿的具体内容为：构建“角点-直线”匹配残差匹配残差式中，为点特征，为在线特征上的两点；构建“角点-平面”匹配残差匹配残差式中，为点特征，为在平面特征上的三点；根据构建的残差和残差利用因子图估计出两帧点云之间的约束关系然后根据公式递推出当前时刻相对于初始时刻的约束关系从而估算出巡检无人机在管廊中的位姿，式中，为上一时刻相对于初始时刻的约束关系；采集imu数据，利用惯性递推估计无人机的位置：采用kalman滤波方法将imu解算的位置与基于rgb-d相机里程计解算的位姿进行融合，完成对巡检无人机位置定位，实现巡检无人机在自主探索路线中的飞行位置确定；当巡检无人机识别到有巡检目标时，巡检无人机进行悬停，并对巡检目标进行检测；其
中识别和检测的具体方式为：采集rgb-d相机拍摄的图像数据，利用yolov5方法对图像进行检测，检测是否有包含有金具、电力管线接头、隧道裂缝在内的巡检目标，并利用红外相机和rgb-d相机对巡检目标进行拍摄检查；对该巡检目标检测完成后继续飞往下一巡检目标直至完成所有巡检目标的检测。6.根据权利要求4或5所述的一种基于无人机的电力管廊巡检方法，其特征在于，所述采集多台rgb-d相机的点云数据，并根据多台rgb-d相机的外参标定参数，将点云数据融合至同一坐标系下的具体融合计算公式为：式中，p
body
表示融合后的点云数据，即机体系body下的点云数据；p
left
、p
right
、p
down
、p
forward
分别表示巡检无人机周围四个rgb-d相机采集到的点云数据，d相机采集到的点云数据，分别表示巡检无人机周围四个rgb-d相机的外参标定参数，即由相机所在坐标系到机体系的转换矩阵。7.根据权利要求4或5所述的一种基于无人机的电力管廊巡检方法，其特征在于，所述从融合的点云中，计算点云中每个点的曲率的具体公式为：点云中的第i个点用p
i
＝(x
i
,y
i
,z
i
)表示，通过下式该点的曲率curvature：curvature＝diffx2+diffy2+diffz2式中：其中，diffx，diffy，diffz分别表示点云中两个点的x，y，z三轴坐标的差值；x
i+j
，y
i+j
，z
i+j
分别表示第i+j个点的x，y，z三轴坐标；x
i
，y
i
，z
i
分别表示第i个点的x，y，z三轴坐标。
技术总结本发明公开了一种基于无人机的电力管廊巡检方法，以无人机为载体，搭载RGB-D相机、IMU等传感器；根据管廊先验地图的有无，采用不同的巡检流程和定位方案，实现无人机在管廊内的自主飞行和定位；通过采用基于YOLOV5的检测方案，实现对管廊内目标物体的智能识别和检测。本发明能够替代传统的人工巡检方式，实现电力管廊的全自主智能巡检；与传统人工巡检相比，本发明提出的巡检方法成本低，效率高，安全性好。好。好。
技术研发人员：黄郑 王红星 顾徐 张欣
受保护的技术使用者：江苏方天电力技术有限公司
技术研发日：2022.07.18
技术公布日：2022/11/1
