本技术公开了风力发电机叶片检测方法、系统、装置及存储介质,通过无人机搭载的激光雷达获取目标叶片的第一点云数据;对第一点云数据执行平面拟合和栅格地图转换,得到拟合平面和栅格地图;对栅格地图进行扫描查询,得到多个叶片占用点,对叶片占用点进行聚类,得到叶片位置;根据叶片位置确定轮毂位置,根据轮毂位置和叶片位置得到叶片角度;根据拟合平面和轮毂位置更新无人机的轨道运动轨迹,返回通过无人机搭载的激光雷达获取目标叶片的第一点云数据这一步骤,直至当前得到叶片角度和上一轮得到叶片角度符合预设的收敛条件。本发明提高了风力发电机叶片角度检测的准确性,也提高了风力发电机叶片图像的质量,可应用于机器视觉技术领域。
背景技术
近年来,受到可再生能源技术不断进步的推动,风能已经成为一个重要的电力来源。截至2022年,全球安装的风力发电容量激增至令人瞩目的906吉瓦。风力发电场战略性地分布在丘陵、山区和沿海地区,利用丰富的风资源为高效的风力发电机安装提供了可观的能源潜力。尽管取得了这些进展,严峻的天气条件,如强风、闪电、冰雹和雨水对风力发电机叶片构成威胁,可能导致损坏。定期检查这些叶片对及时发现和纠正问题至关重要,从而避免干扰发电机的正常运行。
传统的风力发电机叶片检查方法一直依赖于手工技术,涉及使用地面望远镜或人员悬挂在发电机上使用安全绳索。然而,这些方法费时费力、效率低下,并存在安全风险。无人机技术的引入彻底改变了这些检查方式,使熟练的远程飞行员能够高效地进行全面评估。但这需要对飞行和摄影都有熟练的掌握。基于无人机的自动化检测系统的出现充分利用了自动化和人工智能,自主指导无人机在飞行和图像捕捉过程中的操作。这些技术进步不仅可以降低劳动成本,还可以提高检查效率,提升图像质量。
鉴于基于无人机的自动化风力发电机叶片检测在维护中的潜在益处,该领域面临着重大挑战。尽管研究人员已经提出了各种方法来解决这些问题,但仍存在一些未解决的问题:
1)先进无人机设备的有限供应:集成高清云台相机、高精度激光雷达和强大计算单元的商用无人机稀缺。虽然存在定制平台,但它们通常缺乏对于有效风力发电机检查至关重要的稳定性和安全性。
2)叶片角度检测的约束:现有的检测方法通常受限于特定的叶片角度,限制了它们的多功能性和适应性。一些方法需要预设叶片角度,阻碍了自动化。基于视觉的叶片角度检测方法容易受到干扰,影响准确性和稳健性。
3)缺乏自动曝光调整:商用云台相机采用的曝光调整技术通常依赖于整体图像亮度,限制了它们在特定检测场景中的效用。现有的检测方法经常忽视在图像捕捉过程中调整曝光以适应不同光照条件的重要性。这一疏忽可能导致图像中的叶片区域曝光不足或曝光过度,特别是在挑战性的光照条件下,从而损害关键细节的可见性,并阻碍随后的损伤评估。
以上问题亟需解决。
实现思路