一、无人机图像智能算法赋能电力精细化巡检
2019年5月23日，由中国电力企业联合会科技开发服务中心、电力行业输配电技术协作网主办，中能国研（北京）电力科学研究院承办的“2019第五届电力行业无人机巡检技术交流会”在浙江杭州拉开帷幕。来自各省(市)电力公司，无人机科技公司，高校科研院所等电力行业无人机领域相关专家学者、管理技术人员共计300余人出席本次会议，普宙飞行器也被邀请，并做主题分享。
会议围绕“智能**、创新发展”主题而展开，设置了**而核心的主旨论坛，“电力行业航空作业图像识别与处理专题”、“电力行业无人机深化应用创新专题”两场专题论坛，以及“电力领域无人机应用拓展”为主题的技术沙龙，旨在通过主旨报告、专题研讨、技术沙龙、现场观摩等多种与会形式，在电力行业无人机领域把脉**、分享成果、探索前沿。
普宙飞行器科技（深圳）有限公司的总经理武巍先生阐述了无人机图像智能算法在电力巡检的开发及应用，带来AI人工智能和多传感器融合的全栈式电力运维解决方案。
普宙SAGA通过云端3D建模，空间测高、测距、测面积扽空间标识，RTK技术将定位**提至厘米级。
普宙SAGA可快速选择并自动跟踪移动目标，辅助精准定位从而实现智能巡逻，深度学习后可识别多达30种目标。
而在电力领域的精细化巡检里，普宙SAGA采用RTK（Real- time kine**tic，实时动态）载波相位差分技术，实现厘米级定位，通过机器学习或智能识别杆塔部件，自动生成感塔精细化巡视航线。
在普宙无人机自主巡检中，深度学习算法被两次应用，实现可见光对杆塔本体精细化巡检的拍照点自动化精准选定以及**识别存在缺陷隐患的照片及缺陷位置。
SAGA的三轴机械增稳云台不仅能大幅降低抖动（相机抖动控制在 0.005°以内），还能补偿无人机姿态的变化，让相机保持水平，在高速运动中捕捉稳定、流畅的影像。
普宙SAGA配置的红外云台的红外分辨率及帧频达800*600@25Hz,测温范围-20~150℃，并且支持10种伪彩模式切换，支持画中画及双光切换，有红外、可见光、红外画中画、可见光画中画四种显示模式。
普宙的红外图像解析系统，可快速对红外图像进行分类、命名、红外图像解析。并根据温度、温差等条件快速筛选出异常发热点，快速标记缺陷及隐患，一键生成红外测温报告。
红**载上的目标检测识别系统可以快速选择并自动跟踪移动目标，深度学习后可识别多达30种目标，从而实现夜间的智能巡逻。
而普宙SAGA的通信对接方案主要包括近期方案和远期方案。近期方案主要在地面站使用4G通信模块接入后端数据服务器，或者通过标准化的手持客户端，接入统一接口标准的大系统。可以及时获取荷载中的影像资料，将真实场景转化为数字资产。
普宙专业飞行器高度稳定可靠，安全有保障；多款云台相机可选，满足不同场景下的巡检需求；多项AI人工智能应用：可预设巡查路线，后续无需人工干预即可实现全自动巡查作业。不仅可用于电力精细化巡检，更可以在电力通道巡视管理、电力植被管理及夜间巡视等环节大显身手。
关于普宙飞行器科技（深圳）有限公司进入企业商铺
普宙飞行器科技(深圳)有限公司（GDU）是一家专注于**，生产和销售无人机的高科技企业。总部位于深圳，**中心设在武汉。公司生产了全球**台折叠无人机，其折叠设计被提名2016美国CES创新产品**。公司在无人机飞行控制，图像稳定，动力系统设计，红外图像技术方面拥有多年的积淀，为无人机产品技术的持续**和无人机应用的不断完善提供坚实后盾。让人们畅享无人机乐趣的同时，也让它能真正成为人们生活中的亲密伙伴。
我们的价值观：用**的工匠精神，做服务于社会、引领全新生活方式、刷新未来行业应用的消费级无人机领航者。
我们的服务理念：始终将用户体验放在**位，致力于将便携出行和个*开放融入无人机使用体验，从而带给人们生活更多可能。
我们的人才理念：尊重每个人的个*，让每个人的优势得到充分发挥，帮助他们成为**品质与专业技能兼备的高新人才。
2016年度亚洲消费电子展*佳无人机提名奖
搜狐首届中国无人机摄影大赛**无人机赞助商
2016年度International Consumer Electronics Show（CES）创新产品提名
中国航空器拥有者及驾驶员协会（AOPA）理事单位
二、如何深入理解无人机硬件与算法
1、常见飞行器机型系列告一段落后，MR.城堡专栏的“城堡里学无人机系列”将逐渐深入到算法、硬件、无人机设计等内容。首先面对的问题就是如何选择合适的“过渡切入点”，即如何找到一个切入点能够让喜欢无人机的朋友们容易过渡到无人机的专业内容，这个环节非常重要。因为大家虽然都很喜欢无人机，但现实情况是每个人的教育背景，对无人机的需求，看待问题和事物的习惯与角度等都有很大区别。
2、*常见的切入视角是从硬件和数学模型进行切入。硬件视角常从GPS，强磁计，红外设备，双目视觉，IMU，单目视觉等硬件模块的*能、用法（其实很多文章并不涉及用法）、输入输出数据类型等着眼。比较直观，易于操作，易被接受。但容易让对读者无法构建对于无人机整个系统的理解，并陷入到某一个具体硬件中，甚至忘却了该硬件对于无人机的意义。
3、从数学的视角来切入，常会研究被控对象的模型*质，非线*，非*小相位系统，耦合特*等等。这样的视角足够深入，接近被控对象本质，但抽象*太强，容易造成和实物的脱节。
4、硬件和数学模型两个视角都很重要，却也都存在着无法回避的问题。因此MR.城堡决定选择无人机的“状态”作为切入视角。从“状态”视角很容易理解硬件在整个无人机系统中的实际意义：构成反馈闭环并传回相应的“状态信息”，从而为控制器设计提供必要的反馈信息。
5、无人机“状态”数目根据不同的机型会有所区别。大家从上面两幅图中就可以看出，直升机型无人机相比于四旋翼就会多出两个挥舞角（Fl***ing angle）作为描述挥舞动态的状态。
6、无人机状态可以“大体”分为两部分，描述“外部位置环”的六个状态，位置状态：x,y,z该状态体现了无人机在三个轴线上所处的具**置；速度状态：u,v,w用于描述无人机本身沿三个方向的飞行线速度；“内部姿态环”的六个状态，姿态角状态：phi,theta,psi分别描述无人机的横滚、俯仰、偏航姿态角；角速度状态：p,q,r描述无人机在机身三个旋转轴上的转动速率。
7、这里“外环”，“内环”的称呼是由无人机控制器设计中的常用控制器结构所演变出来的术语，大家现阶段不必深究。直观来看两组状态分别处于不同的坐标系中，外环状态：x,y,z,u,v,w处于“大地坐标系”（速度状态信息在机体坐标系下只要进行坐标变换即可）视角下
8、而内环状态:phi,theta,psi,p,q,r则是处于“机体坐标系”中。
9、上图可以看到，通过内外环状态信息的闭环反馈，求得“期望状态”与“真实状态”之间的误差值，并根据这个误差设计不同结构的控制器，根据不同算法计算出需要的控制量。
10、状态反馈就是通过各种无人机硬件实现的，因此可以直接通过反馈的状态信息类型进行硬件归类
11、位置状态-反馈**“位置状态”信息的硬件：GPS（x,y,z），气压计(z)以及反馈相对“位置状态”信息的硬件：红外传感器、超声波，单目视觉、双目视觉（这一大类根据硬件数量和位置能够返回不同维度量的状态信息）；速度状态-反馈**“速度状态”信息的硬件，由于位置和速度的微分关系获得，大家直接把上面的硬件搬下来就可以了:GPS,气压计，以及相对位置状态硬件。
12、无人机内环姿态信息包括六个状态：姿态角三个，角速度三个。角速度状态由陀螺仪反馈。姿态角数据的反馈硬件构架可根据姿态算法的不同而发生变化，硬件会根据相关算法的选择进行设计如：加速度计+强磁计或者陀螺仪+加速度计+强磁计。
13、无人机产品中经常使用IMU（Inertial measurement unit）获取内环状态信息。而IMU和INS(Inertial Navigation System)经常被混用。从上图中可以很直观地看到，IMU实现了无人机线*加速度信息（加速度一般不看做状态，而常在姿态计算中使用）和角速度状态信息的反馈。而INS则负责对信息进行处理，实现位置、速度、姿态角等状态的信息反馈。大家注意到上图中获取姿态的算法是直接采用对角速度积分的方法，而在实际产品中由于积分会导致误差积累，因此更多的使用加速度+偏航角+角速度+滤波算法的数据融合算法进行姿态解算。
14、?以无人机产品功能实现为例，看看状态视角如何让我们更好的理解无人机技术。*近在Kickstarter上完成众筹目标的斯凯智能的无人机系统主打Target Tracking功能，我们就从“状态”视角看看如何从硬件和算法上实现无人机跟踪功能。
15、当我们自己在跟踪一个对象时，需要知道对方走到哪里去了，自己现在的位置，别跟的太紧，也别被抛开太远，需调整步伐保持理想的跟踪距离。
16、对于无人机而言整个过程也大体类似。无人机需要获取被控对象的“位置信息”以及被反馈回的无人机自身“位置状态”，计算出两者之间的相对距离误差，再通过硬件或者算法，计算出速度变化，如被跟踪对象的速度大小，速度方向，并以此来“控制”无人机自身的速度以实现位置的跟踪。
17、因此无论采用GPS还是光流单目抑或双目视觉、红外、超声波等等，不管什么硬件，作用都是为了传输回无人机对应的外环状态信息。
18、同样的，无论采用随身tracker还是内置传感系统的地面站式**器抑或直接采用手机，都可以传输回被跟踪目标的“外环状态信息”。
19、两者比较，形成状态误差，通过IMU等传感器反馈无人机内环姿态信息，与目标姿态形成状态误差，并以此计算得出控制量。
20、通过状态视角，可以很清晰的理解不同产品的硬件意义，并以此设计自己的无人机控制系统。
21、围绕着无人机状态反馈信息的处理和使用，算法可以走向两个不同的分支：数据融合（数据滤波）和自动控制。根据不同的状态特点，围绕数学模型建立系统框架，根据算法以及反馈状态信息的要求选择相关的硬件搭建无人机系统等内容是无人机控制系统设计的清晰脉络。MR.城堡会在后续系列文章中逐渐搭建这个系统架构中的各个部分，帮助不同行业喜欢无人机的朋友走入奇妙的无人机世界。
