技术特征：
1.一种多无人机协同的智能巡检方法，其特征在于，应用于智能巡检系统，所述方法包括：获取第一多旋翼巡检无人机当前航测到的路段巡检定位车辆的第一可视化航测数据；其中，所述第一多旋翼巡检无人机用于路段巡检过程中的全路面航测；从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，其中，所述第二多旋翼巡检无人机用于非路段巡检过程中的全路面航测；对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆；当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。2.根据权利要求1所述的方法，其特征在于，包括：所述对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆，包括以下一种或多于一种的方式：确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容，其中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车头姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车头姿态关键内容；并将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析；其中，第一车头姿态关键内容和第二车头姿态关键内容均包括车头姿态幅度和车头调整方向；确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容，其中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车身姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车身姿态关键内容；并将所述第一车身姿态关键内容与所述第二车身姿态关键内容进行对比分析；其中，第一车身姿态关键内容和第二车身姿态关键内容均包括车身姿态幅度和车身调整方向。3.根据权利要求2所述的方法，其特征在于，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容包括：在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第一车头姿态关键内容中的所述车头姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第二车头姿态关键内容中的所述车头姿态幅度；将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第
二车尾对应的特征图之间的方向确定为所述第一车头姿态关键内容中的所述车头调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向确定为所述第二车头姿态关键内容中的所述车头调整方向；确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容包括：在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果作为所述第一车身姿态关键内容中的所述车身姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果作为所述第二车身姿态关键内容中的所述车身姿态幅度；将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第一车身姿态关键内容中的所述车身调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第二车身姿态关键内容中的所述车身调整方向。4.根据权利要求2所述的方法，其特征在于，所述将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，包括以下一种或多于一种的方式：分别确定所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第一图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第二图谱轨迹的轨迹变化程度，将所述第一图谱轨迹的轨迹变化程度和所述第二图谱轨迹的轨迹变化程度进行对比分析；分别确定所述路段巡检定位车辆在所述第一可视化航测数据中右前车轮姿态幅度和右前车轮方向两者在第二二维投影空间中形成的第三图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在所述第二可视化航测数据中右前车轮姿态幅度和右前车轮方向两者在第二二维投影空间中形成的第四图谱轨迹的轨迹变化程度，将所述第三图谱轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析；所述将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，包括以下一种或多于一种的方式：分别确定所述路段巡检定位车辆的左车门在所述第一可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第五图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的左车门在所述第二可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第六图谱轨迹的轨迹变化程度；将所述第五图谱轨迹的轨迹变化程度和所述第六图谱轨迹的轨迹变化程度进行对比分析；分别确定所述路段巡检定位车辆的右车门在所述第一可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第七图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的右车门在所述第二可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第八图谱轨迹的轨迹变化程度；将所述第三图谱
轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析。5.根据权利要求4所述的方法，其特征在于，所述当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，包括以下一种或多于一种的方式：当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：确定所述第一图谱轨迹与所述第一二维投影空间所形成的第一车辆状态热力图以及所述第二图谱轨迹与所述第一二维投影空间所形成的第二车辆状态热力图；确定所述第三图谱轨迹与所述第二二维投影空间所形成的第三车辆状态热力图以及所述第四图谱轨迹与所述第二二维投影空间所形成的第四车辆状态热力图；确定所述第五图谱轨迹与所述第三二维投影空间所形成的第五车辆状态热力图以及所述第六图谱轨迹与所述第三二维投影空间所形成的第六车辆状态热力图；确定所述第七图谱轨迹与所述第四二维投影空间所形成的第七车辆状态热力图以及所述第八图谱轨迹与所述第四二维投影空间所形成的第八车辆状态热力图；所述当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，还包括以下一种或多于一种的方式：当对比分析结果表示所述第一车辆状态热力图与所述第二车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第三车辆状态热力图与所述第四车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第五车辆状态热力图与所述第六车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第七车辆状态热力图与所述第八车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
7.根据权利要求4至5任一项中所述的方法，其特征在于，所述提醒所述路段巡检定位车辆为需要进行关注的定位车辆之后，还包括以下一种或多于一种的方式：当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左前车轮为需要进行关注的位置；当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右前车轮为需要进行关注的位置；当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左车门为需要进行关注的位置；当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右车门为需要进行关注的位置。8.根据权利要求1所述的方法，其特征在于，所述从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，包括：将所述路段巡检定位车辆的车牌数据与非巡检信息库中存储的车牌数据进行对比分析；基于对比分析后的结果确定出所述路段巡检定位车辆在所述非巡检信息库中的对应的第二可视化航测数据。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：在确定出所述路段巡检定位车辆为需要进行关注的定位车辆的前提下，将所述路段巡检定位车辆的第一可视化航测数据迁移至巡检校验数据库中；在确定出所述路段巡检定位车辆未存在异常的前提下，移除所述路段巡检定位车辆对应的所述第一可视化航测数据和所述第二可视化航测数据。10.一种智能巡检系统，其特征在于，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行权利要求1-9任一项所述的方法。
技术总结
本申请的一种多无人机协同的智能巡检方法及系统，通过多无人机协作，能够获取路段巡检过程中的第一可视化航测数据以及非路段巡检过程中的第二可视化航测数据，进而对从第一可视化航测数据中确定出的路段巡检定位车辆与从第二可视化航测数据中确定出的路段巡检定位车辆进行对比分析，这样可以更为精细化地分析路段巡检定位车辆在不同可视化航测数据下的视觉行为关键内容之间的内容差异，并通过内容差别量化值判断路段巡检定位车辆是否为需要进行关注的定位车辆。如此，能够准确及时地进行车辆的异常行驶行为识别，从而改善相关技术中对于异常行驶行为识别不准确及车况异常警示滞后性的技术问题，在一定程度上提高无人机全路段巡检的效率。人机全路段巡检的效率。人机全路段巡检的效率。
技术研发人员：杨翰翔 肜卿
受保护的技术使用者：深圳联和智慧科技有限公司
技术研发日：2022.05.17
技术公布日：2022/6/17