本技术涉及无人机电力巡检领域，具体而言，涉及一种面向电力巡检的无人机航线确定方法、面向电力巡检的无人机航线确定装置、计算机可读存储介质和电子设备。
背景技术：
1、随着能源结构的调整，消费市场对电力的需求逐年递增。因此，通过先进的智能算法和通信技术实现智能监测和实时预警，保证电力基建和电力供应的可靠性和持续性至关重要。目前，大量电力设施的巡检任务仍然依赖于人工操作，这限制了定位电力故障的位置和效率，同时，雨雪、山路等恶劣环境也严重威胁了巡检人员的人身安全和检测质量。
2、而随着小型无人机技术的快速发展，许多行业的运作方式正逐渐发生改变。无人机具备灵活、高效、低成本的特点，通常由无人机飞行器、传感器、通信设备和控制系统等组成。无人机也给电力巡检的方式注入了新的方式，预先设置巡检区域、设备、方位以及航线，启动无人机进行自主巡检，巡检过程中依次航行到预设点，并基于视觉检测寻找巡检角度进行数据回传。其中，无人机实现“无人”的先觉条件便是根据人类制定的规则和约束实现自主飞行。但是现有技术中如何结合先进算法、传感技术和通信系统实现无人机协同飞行的路线规划仍存在人工参与、能效低等问题。
3、因此，需要一种能够自动规划无人机航线的方法。
技术实现思路
1、本技术的主要目的在于提供一种面向电力巡检的无人机航线确定方法、面向电力巡检的无人机航线确定装置、计算机可读存储介质和电子设备，以至少解决现有技术中无人机飞行的路线规划需要人工参与导致效率低的问题。
2、为了实现上述目的，根据本技术的一个方面，提供了一种面向电力巡检的无人机航线确定方法，包括：获取输电线路的图像数据，根据所述图像数据确定无人机的飞行区域，其中，所述图像数据为所述输电线路中多个电力设备的图像；根据所述飞行区域确定无人机的飞行起点、飞行终点和障碍点，至少根据所述飞行起点、所述飞行终点和所述障碍点确定所述无人机的航线约束模型，并根据所述航线约束模型确定多条初始航线，其中，所述航线约束模型用于确定满足约束条件情况下的所述无人机的所有航线，所述约束条件至少由所述飞行起点、所述飞行终点和所述障碍点确定；确定每条所述初始航线的飞行稳定性函数和飞行时长函数，并根据所述飞行稳定性函数和所述飞行时长函数确定航线约束模型优化函数，其中，所述飞行稳定性函数为表征所述初始航线的稳定性的函数，所述飞行时长函数为表征所述初始航线的飞行时长的函数，所述航线约束模型优化函数为根据所述稳定性和所述飞行时长对所述航线约束模型进行优化的函数；采用粒子群算法对所述航线约束模型优化函数求解，从而确定所述无人机的最优航线。
3、可选地，至少根据所述飞行起点、所述飞行终点和所述障碍点确定所述无人机的航线约束模型，包括：获取所述无人机的飞行速度约束条件和飞行距离，并根据所述飞行速度约束条件和所述飞行距离确定能源消耗约束条件；根据所述飞行起点、所述飞行终点、所述障碍点和所述能源消耗约束条件确定所述无人机的航线约束模型为，其中，为所述无人机的三维坐标，为所述飞行起点的三维坐标，为所述飞行终点的三维坐标，为所述障碍点的中心在二维平面的坐标，r为以所述障碍点为中心建立的圆形模型的半径，l为安全距离，vi为所述无人机在第i段航线的飞行速度，为所述无人机的最小速度，为所述无人机的最大速度，xi为第i段所述航线的长度，d为所述飞行距离。
4、可选地，确定每条所述初始航线的飞行稳定性函数和飞行时长函数，并根据所述飞行稳定性函数和所述飞行时长函数确定航线约束模型优化函数，包括：确定所述飞行稳定性函数为，其中，αi表示第i段航线的转向角度；确定所述飞行时长函数为，其中，xi表示第i段所述航线的飞行时长；获取第一权重系数和第二权重系数，确定所述航线约束模型优化函数为，其中，λ1表示所述第一权重系数，所述第一权重系数表征所述转向角度的权重，λ2表示所述第二权重系数，所述第二权重系数表征所述飞行时长的权重且所述λ1和所述λ2均为[0,1]的实数。
5、可选地，根据所述图像数据确定无人机的飞行区域，包括：将所述图像数据进行图像边缘增强处理，得到边缘处理之后的所述图像数据；将所述边缘处理之后的所述图像数据中多个所述电力设备所在的区域确定为所述飞行区域。
6、可选地，在确定所述无人机的最优航线之后，所述方法还包括：插值处理步骤：对所述最优航线进行样条插值处理，得到平滑的所述最优航线；验证步骤：采用所述航线约束模型和所述航线约束模型优化函数对平滑的所述最优航线进行验证；在验证通过的情况下，控制所述无人机按照平滑的所述最优航线进行巡检，在验证不通过的情况下，重复执行所述插值处理步骤和所述验证步骤，直至验证通过。
7、可选地，采用粒子群算法对所述航线约束模型优化函数求解，包括：第一确定步骤：根据公式确定个体粒子极值的跟踪能力和种群粒子极值的跟踪能力，其中，c1表示所述个体粒子极值的跟踪能力，c2表示所述种群粒子极值的跟踪能力，ca和cb均表示取值范围为(0，4)的常数，表示第t次迭代种群粒子的当前极值，表示第t次迭代个体粒子的当前极值，所述最优航线由所述个体粒子和所述种群粒子组成；第二确定步骤：根据所述个体粒子极值的跟踪能力确定个体粒子的历史极值，根据所述种群粒子极值的跟踪能力确定所述种群粒子的当前极值。
8、可选地，在确定所述种群粒子的当前极值之后，所述方法还包括：更新步骤：根据公式和公式更新粒子的速度和位置，其中，表示第t+1次迭代中第i个粒子的速度，w表示惯性权重系数，表示第t次迭代中第i个粒子的速度，r1和r2均表示取值为(0，1)之间的随机数，表示第t次迭代中第i个粒子的值，表示种群粒子的值，表示第t次迭代中第i个粒子的位置，表示第t+1次迭代中第i个粒子的位置；在更新后的所述粒子的所述速度和所述位置满足迭代退出条件的情况下，退出迭代，得到所述最优航线对应的粒子组，在更新后的所述粒子的所述速度和所述位置不满足所述迭代退出条件的情况下，重复执行所述第一确定步骤、所述第二确定步骤和更新步骤，直至满足所述迭代退出条件。
9、根据本技术的另一方面，提供了一种面向电力巡检的无人机航线确定装置，包括：第一确定单元，用于获取输电线路的图像数据，根据所述图像数据确定无人机的飞行区域，其中，所述图像数据为所述输电线路中多个电力设备的图像；第二确定单元，用于根据所述飞行区域确定无人机的飞行起点、飞行终点和障碍点，至少根据所述飞行起点、所述飞行终点和所述障碍点确定所述无人机的航线约束模型，并根据所述航线约束模型确定多条初始航线，其中，所述航线约束模型用于确定满足约束条件情况下的所述无人机的所有航线，所述约束条件至少由所述飞行起点、所述飞行终点和所述障碍点确定；第三确定单元，用于确定每条所述初始航线的飞行稳定性函数和飞行时长函数，并根据所述飞行稳定性函数和所述飞行时长函数确定航线约束模型优化函数，其中，所述飞行稳定性函数为表征所述初始航线的稳定性的函数，所述飞行时长函数为表征所述初始航线的飞行时长的函数，所述航线约束模型优化函数为根据所述稳定性和所述飞行时长对所述航线约束模型进行优化的函数；第四确定单元，用于采用粒子群算法对所述航线约束模型优化函数求解，从而确定所述无人机的最优航线。
10、根据本技术的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的面向电力巡检的无人机航线确定方法。
11、根据本技术的又一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的面向电力巡检的无人机航线确定方法。
12、应用本技术的技术方案，获取输电线路的图像数据，根据图像数据确定无人机的飞行区域，根据飞行区域确定无人机的飞行起点、飞行终点和障碍点，至少根据飞行起点、飞行终点和障碍点确定无人机的航线约束模型，并根据航线约束模型确定多条初始航线，确定每条初始航线的飞行稳定性函数和飞行时长函数，并根据飞行稳定性函数和飞行时长函数确定航线约束模型优化函数，采用粒子群算法对航线约束模型优化函数求解，从而确定无人机的最优航线。与现有技术中，无人机航线规划需要人工参与效率低下的方法相比，本技术能够自动确定无人机的最优巡检航线。因此，能够解决现有技术中无人机飞行的路线规划需要人工参与导致效率低的问题，达到高效且无人化的制定无人机巡检过程中的飞行航线的效果。
1.一种面向电力巡检的无人机航线确定方法，其特征在于，包括：
2.根据权利要求1所述的无人机航线确定方法，其特征在于，至少根据所述飞行起点、所述飞行终点和所述障碍点确定所述无人机的航线约束模型，包括：
3.根据权利要求1所述的无人机航线确定方法，其特征在于，确定每条所述初始航线的飞行稳定性函数和飞行时长函数，并根据所述飞行稳定性函数和所述飞行时长函数确定航线约束模型优化函数，包括：
4.根据权利要求1所述的无人机航线确定方法，其特征在于，根据所述图像数据确定无人机的飞行区域，包括：
5.根据权利要求1所述的无人机航线确定方法，其特征在于，在确定所述无人机的最优航线之后，所述方法还包括：
6.根据权利要求1所述的无人机航线确定方法，其特征在于，采用粒子群算法对所述航线约束模型优化函数求解，包括：
7.根据权利要求6所述的无人机航线确定方法，其特征在于，在确定所述种群粒子的当前极值之后，所述方法还包括：
8.一种面向电力巡检的无人机航线确定装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的面向电力巡检的无人机航线确定方法。
10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的面向电力巡检的无人机航线确定方法。
