1.基于视觉大模型的无人机低空巡检方法,其特征在于,包括以下步骤:
步骤S1:操作人员基于操作设备向无人机发送断飞信号,所述无人机接收到所述断飞信号后,获取巡检图像,并预设无人机的校准范围,获取所述校准范围内的全部无人机基站,筛选出若干定位基站,并获取各定位基站的基站信息;
步骤S2:将所述巡检图像划分为若干像素,获取各像素的显著指数,并根据所述显著指数筛选出定位点,并获取定位点在所述巡检图像中的像素坐标,得到定位坐标集合;
步骤S3:设定偏差距离阈值,根据所述偏差距离阈值和各基站信息,获得所述无人机的校准区域;
步骤S4:所述无人机续飞时,将所述无人机置于所述校准区域,并以预设校准路径飞行,实时获取所述校准路径上的实时图像,在各实时图像中筛选出待校准图像,并获取待校准图像的定位坐标集合,记为当前定位坐标集合,将所述当前定位坐标集合和定位坐标集合进行对比,确定无人机的续飞点;
在步骤S2中,所述像素的显著指数的获得过程包括:
获取各像素的像素值{RGB1,RGB2,...,RGBm},其中RGBm表示第m个像素的像素值,m为像素的总个数;并获取各像素所处位置的海拔高度{Height1,Heightm,...Heightm},其中Heightm表示第m个像素的海拔高度;则得到第x个像素的显著指数,其中K为预设的权重系数且K>1,RGBx表示第x个像素的像素值,x∈[1,m]且i为正整数,RGBi表示第i个像素的像素值,i∈[1,m]且i为正整数,Heighti表示第i个像素的海拔高度,Heightx表示第x个像素的海拔高度。
2.根据权利要求1所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S1中,所述无人机的校准范围的设定过程包括:获取全部无人机基站,并获取每相邻两个无人机基站之间的间隔,获得间隔的平均值,记为平均间隔;实时以所述无人机所处的位置为圆心,以所述平均间隔为半径,得到无人机的校准范围。
3.根据权利要求1所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S1中,定位基站的筛选过程包括:设定方向个数阈值n,根据所述方向个数阈值,得到圆心角2π/n,根据所述圆心角,将所述校准区域等分的划分为n个子区域;获取各子区域内与所述无人机距离最近的无人机基站,记为所述无人机的定位基站。
4.根据权利要求1所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S2中,显著阈值的设定过程包括:获取全部像素的显著指数{Si1,Si2,...,Sinum},其中Sinum表示第num个显著指数,num表示显著指数的总个数,则获得显著阈值,其中Sit表示第t个显著指数,t∈[1,num]且t为正整数,Z为预设的倍数阈值,且Z为整数。
5.根据权利要求1所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S3中,所述偏差距离阈值的设定过程包括:选取若干样本无人机,并选取若干无人机基站作为样本基站,将各样本无人机与各样本基站随机两两组合,得到若干组合;在不同天气情况下,组合内的样本无人机获取与样本基站之间的距离,记为采集距离,并获取组合内的样本无人机与样本基站之间的距离,记为实际距离;根据所述采集距离和实际距离,得到误差|D-D´|,其中D为实际距离,D´为采集距离;由各组合的误差,得到误差集合,获取所述误差集合内全部误差的标准差σ,则根据所述标准差,得到最大定位误差errormax=3×σ×GDOPmax,其中GDOPmax为最大几何放大因子;将所述最大定位误差,记为偏差距离阈值。
6.根据权利要求5所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S3中,所述无人机的校准区域的获得过程包括:根据所述基站信息,获得所述无人机在断飞前与各定位基站的距离,并获得定位基站的唯一标识;根据所述唯一标识,确定各定位基站的位置坐标,记为定位基站坐标;以定位基站坐标为圆心,以所述无人机在断飞前与所述定位基站坐标的距离为半径,得到一个圆形区域;获取各定位基站坐标的圆形区域,并获取各圆形区域相交的区域,将所述区域的中心点记为所述无人机的估计断飞点;
获取所述估计断飞点与定位基站坐标的连线,以所述估计断飞点为中点,在所述连线上截取一个长度为2errormax的线段,最终得到n条线段;获取n条线段的全部端点,依次连接各端点,得到校准区域。
7.根据权利要求1所述的基于视觉大模型的无人机低空巡检方法,其特征在于,在步骤S4中,所述校准路径的设定过程包括:获取所述校准区域的虚拟矩形,所述虚拟矩形为将所述校准区域全部包裹的最小矩形;设定路径间隔,获取所述虚拟矩形的长,根据所述路径间隔在所述虚拟矩形内获取若干条所述长的平行线,通过所述校准区域的边界裁剪掉各平行线上处于校准区域外的部分,得到校准路径。