CN104143189B - 输电设备的3d点云数据的空间特征提取方法 - Google Patents

Abstract

本发明公开了属于架空输电线路巡检航拍技术领域的一种输电设备的3D点云数据的空间特征提取方法。该方法为：1)采集输电设备的三维点云数据，将点云中心点p₀与第i个点云边界点p_i构成点对(p₀，p_i)；2)计算点对(p₀，p_i)之间的法线关系〈α，φ，θ，d〉；3)计算点云点的离散程度η；4)计算最大平均距离5)计算最小平均距离本发明方法采集并提取输电设备的3D点云数据的空间特征，将其存储于特征库中，在巡检过程中与获得的3D场景点云数据进行特征匹配，从而实现对目标物体的追踪，该方法使得航拍飞行机器人能更好地对巡检环境进行认知，解决了电力巡检过程中对电塔输电设备的追踪问题。

Description

输电设备的3D点云数据的空间特征提取方法

技术领域

本发明属于架空输电线路巡检航拍技术领域，特别涉及一种输电设备的3D点云数据的空间特征提取方法。

背景技术

随着科学技术的不断进步，输电线路巡检越来越向智能化方向发展。进行航拍的飞行巡检机器人对其工作环境的有效感知，是其进行自主行为优化并可靠完成所承担任务的前提和基础。深度信息的引入能够使航拍飞行机器人更好地对环境进行认知、辨识。在架空电力线路巡检过程中，需要对电塔上的输电设备进行追踪，因此需要对采集到的3D点云数据进行特征提取，建立电塔上输电设备的3D点云模型特征库，通过模型匹配实现对电塔上输电设备的追踪。

发明内容

本发明提出一种输电设备的3D点云数据的空间特征提取方法，其特征在于，该方法的具体步骤为：

1)采集输电设备的三维点云数据，将点云中心点p₀与第i个点云边界点p_i构成点对(p₀，p_i)，其中，i＝1，2，3…，j，j为点云边界点的总数；

2)计算点对(p₀，p_i)之间的法线关系〈α，φ，θ，d〉；具体为：

21)计算p₀和p_i的法线；在p₀上定义一个局部坐标系uvw，将p₀的法线n₀方向作为u轴；

v轴的计算公式为：

w轴的计算公式为：w＝u×v；

22)在局部坐标系uvw中计算法线关系〈α，φ，θ，d〉；

其中，α为n_i与v轴夹角，n_i为p_i的法线；

θ为n_i在uw平面上的投影与u轴的夹角；

d＝||p_i-p₀||₂，d为p₀和p_i之间的欧式距离；

φ为n₀与p₀、p_i两点连线之间的夹角；

3)计算点云点的离散程度η；

其计算公式为：

其中，x_i、y_i、z_i为p_i的三维坐标点；

x₀、y₀、z₀为p₀的三维坐标点；

4)计算最大平均距离

其计算公式为：

其中，i′＝0，1，…，k，k为点云中点的总数；

d_i′max为离第i′个点p_i′最远的点的距离；

5)计算最小平均距离

其计算公式为：

d_i′min为离第i′个点p_i′最近的点的距离。

发明的有益效果：本发明方法采集并提取输电设备的3D点云数据的空间特征，将其存储于特征库中，在巡检过程中与获得的3D场景点云数据进行特征匹配，从而实现对目标物体的追踪，该方法使得航拍飞行机器人能更好地对巡检环境进行认知，解决了电力巡检过程中对电塔输电设备的追踪问题。

附图说明

图1为本发明提出的3D点云数据的空间特征提取方法流程图；

图2为点云中心点p₀与点云边界点p_i的示意图；

图3为点对(p₀，p_i)之间的法线关系示意图。

具体实施方式

下面结合附图对本发明方法作进一步的说明。

为了实现对电塔上输电设备的追踪，首先需要采集电塔的三维点云数据，其中输电设备的三维点云数据包括在内，然后设置适当的聚类搜索半径和离散程度对其进行聚类分割，得到输电设备的三维点云子集，然后对输电设备的三维点云子集数据提取特征值，具体方法步骤如图1所示：

1)采集输电设备的三维点云数据，将点云中心点p₀与第i个点云边界点p_i构成点对(p₀，p_i)，如图2所示，其中，i＝1，2，3…，j，j为点云边界点的总数。

2)计算点对(p₀，p_i)之间的法线关系〈α，φ，θ，d〉；具体为：

21)计算p₀和p_i的法线；在p₀上定义一个局部坐标系uvw，如图3所示，将p₀的法线n₀方向作为u轴；

v轴的计算公式为：

w轴的计算公式为：w＝u×v。

22)在局部坐标系uvw中计算法线关系〈α，φ，θ，d〉；

其中，α为n_i与v轴夹角，n_i为p_i的法线；

θ为n_i在uw平面上的投影与u轴的夹角；

d＝||p_i-p₀||₂，d为p₀和p_i之间的欧式距离；

φ为n₀与p₀、p_i两点连线之间的夹角。

3)计算点云点的离散程度η；

点云边界上各点相对于中心点距离的均方差作为点云点的离散程度，其计算公式为：

其中，x_i、y_i、z_i为p_i的三维坐标点；

x₀、y₀、z₀为p₀的三维坐标点。

4)计算最大平均距离

计算距离点云中每一点p_i′最远的点的距离的平均值作为其最大平均距离，计算公式为：

其中，i′＝0，1，…，k，k为点云中点的总数；

d_i′max为离第i′个点p_i′最远的点的距离。

5)计算最小平均距离

计算距离点云中每一点p_i′最近的点的距离的平均值作为其最小平均距离，计算公式为：

d_i′min为离第i′个点p_i′最近的点的距离。

点对之间的法线关系〈α，φ，θ，d〉、点的离散程度η、最大平均距离和最小平均距离共同构成了输电设备的3D点云数据的空间特征。

利用本发明方法提取的输电设备的3D点云数据的空间特征来对实际场景中的输电设备进行巡检追踪，具体为：将〈α，φ，θ，d〉、η、和存入特征库中，然后将实时采集的场景中的输电设备的三维点云特征与特征库中已存的点云特征进行对比，计算场景中输电设备的三维点云特征与特征库中点云特征的距离，选择距离小于阈值(按照实际设定)的场景中的三维点云集作为匹配成功的集合。在此基础上，结合匹配场景之间的相对位移信息辅助三维点云匹配，通过随机采样一致性的方法来进一步剔除错误匹配，提高成功匹配的正确率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.输电设备的3D点云数据的空间特征提取方法，其特征在于，该方法的具体步骤为：

1)采集输电设备的三维点云数据，将点云中心点p₀与第i个点云边界点p_i构成点对(p₀，p_i)，其中，i＝1,2,3…,j，j为点云边界点的总数；

2)计算点对(p₀，p_i)之间的法线关系<α,φ,θ,d>；具体为：

21)计算p₀和p_i的法线；在p₀上定义一个局部坐标系uvw，将p₀的法线n₀方向作为u轴；

v轴的计算公式为：

w轴的计算公式为：w＝u×v；

22)在局部坐标系uvw中计算法线关系<α,φ,θ,d>；

其中，α为n_i与v轴夹角，n_i为p_i的法线；

θ为n_i在uw平面上的投影与u轴的夹角；

d＝||p_i-p₀||₂，d为p₀和p_i之间的欧式距离；

φ为n₀与p₀、p_i两点连线之间的夹角；

3)计算点云点的离散程度η；

其计算公式为：

$\mathrm{\&eta;}=\frac{1}{j}\underset{i=1}{\overset{j}{\&Sigma;}}\&lsqb;{(x_i-x_0)}^2+{(y_i-y_0)}^2+{(z_i-z_0)}^2\&rsqb;;$

其中，x_i、y_i、z_i为p_i的三维坐标点；

x₀、y₀、z₀为p₀的三维坐标点；

4)计算最大平均距离

其计算公式为：

$\stackrel{\&OverBar;}{d_{\max }}=\frac{1}{k}\underset{i=1}{\overset{k}{\&Sigma;}}{d}_{i^{\&prime;}\max }$

其中，i′＝1,…,k，k为点云中点的总数；

d_i′max为离第i′个点p_i′最远的点的距离；

5)计算最小平均距离

其计算公式为：

$\stackrel{\&OverBar;}{d_{\min }}=\frac{1}{k}\underset{i^{\&prime;}=1}{\overset{k}{\&Sigma;}}{d}_{i^{\&prime;}\min }$

d_i′min为离第i′个点p_i′最近的点的距离。