UAV在未建图输电塔上自主巡检电力线绝缘子

高压输电线路的绝缘子必须定期巡检，长期户外暴露会让绝缘子污染或物理损坏，增加机械或电气完全失效的风险，而停电损失和修复成本远高于巡检本身。巡检的困难在于塔体高度、缺少地面道路，以及塔型形状和尺寸多样；目前多靠人工用双筒望远镜步行检查，或由手动控制的无人机沿线拍摄。已有的自主巡检系统仍要求预先知道被检塔的结构。这份资料要回答的是：无人机能否在未建图、也不知道绝缘子确切位置和数量的情况下，单次飞行完成绝缘子检测、定位并获取细节巡检图像。值得看的地方在于，它把相机-LiDAR 融合放进机载在线流程，并用仿真和真实飞行给出了量化结果。

这份资料覆盖的是绝缘子在线检测、定位和巡检时间，不展开绝缘子缺陷分类本身。方法核心是相机-LiDAR 传感器融合：用卷积神经网络 YOLOv11n 在图像中检测绝缘子，把 LiDAR 点投影到图像上，再用检测边界框过滤点云。定位管线耦合了几种基于 DBSCAN、RANSAC 和 PCA 的方法，真实实验中表现最好的是 DBSCAN 后接 RANSAC。验证分两部分，仿真比较单次飞行巡检与两次飞行策略的总时间，后者先扫描塔体建图，再按最优方式访问巡检点；真实飞行实验则测量绝缘子定位误差。

仿真结果给出了明确的时间收益。在 8 个巡检点的样例场景中，单次飞行策略相比两次飞行策略节省约 24% 的总巡检时间，这与摘要中“最高 24%”的说法一致；巡检点增加到 20 个时，单次飞行仍然更省时。解读来看，收益主要来自省掉一次专门扫描建图的飞行，但随着需要访问的巡检点变多，访问路径本身的时间会稀释这部分优势。换句话说，单次飞行的价值在巡检点不太多时最突出，但材料显示这一策略在 20 个巡检点以内仍成立。

真实实验的重点是定位精度。表现最好的 DBSCAN+RANSAC 方法在水平 xy 平面上的绝缘子定位误差为 0.16±0.08 m，在高度 z 方向为 0.16±0.11 m。与最相关的方法相比，也就是材料中基于双目相机的方案，该方法的水平绝缘子定位误差方差低一个数量级以上。作者认为这一精度足以支持获取巡检图像；从解读角度看，均值误差在十几厘米量级，说明无人机有条件飞到合适的巡检位置，而更低的方差意味着定位结果更稳定，不是偶尔准一次。

这些结论的实践含义是，检测、定位和拍照可以串在一次任务里完成，减少对塔体先验地图以及绝缘子位置、数量的依赖。面对塔型多样、缺少地面道路的输电线路，这意味着流程可以从“先建图再规划”转为“边飞边找边拍”，少一次扫描飞行。定位误差和方差的结果支撑这种流程在真实场景中可用。不过时间收益与巡检点数量相关，8 个点约 24%，20 个点以内仍有效，任务规模会改变收益大小。

做电力巡检无人机、机载感知与定位、机器人自主巡检的读者，可以从中拿走一个无先验地图的单次飞行框架，以及 YOLOv11n 检测、LiDAR 点投影过滤、DBSCAN/RANSAC/PCA 定位的组合思路，还能拿到仿真时间收益和真实定位误差的量级。边界也明显：给定材料只报告了仿真与真实飞行验证，没有展开具体场景数量、塔型覆盖、天气与光照变化、不同绝缘子类型对检测定位的影响；时间收益的结论也只覆盖到 20 个巡检点的比较。换句话说，这些结果说明方法可行且有量化优势，但跨场景泛化仍需看更完整的实验细节。

Autonomous Inspection of Power Line Insulators with UA V on an Unmapped Transmission Tower V´aclav Riss, V ´ıt Kr ´atk´y, Robert P ˇeniˇcka, Martin Saska Abstract—This paper introduces an online inspection algo- rithm that enables an autonomous UA V to fly around a trans- mission tower and obtain detailed inspection images without a prior map of the tower. Our algorithm relies on camera-LiDAR sensor fusion for online detection and localization of insulators. In particular, the algorithm is based on insulator detection using a convolutional neural network, projection of LiDAR points onto the image, and filtering them using the bounding boxes. The detection pipeline is coupled with several proposed insulator localization methods based on DBSCAN, RANSAC, and PCA algorithms. The performance of the proposed online inspection algorithm and camera-LiDAR sensor fusion pipeline