CN105333861B - 基于激光点云的杆塔倾斜检测的方法及装置 - Google Patents
基于激光点云的杆塔倾斜检测的方法及装置 Download PDFInfo
- Publication number
- CN105333861B CN105333861B CN201510870434.1A CN201510870434A CN105333861B CN 105333861 B CN105333861 B CN 105333861B CN 201510870434 A CN201510870434 A CN 201510870434A CN 105333861 B CN105333861 B CN 105333861B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tower
- tower body
- shaft tower
- incline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
Abstract
本发明涉及一种基于激光点云的杆塔倾斜检测的方法及装置。其中,该方法包括如下步骤:提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;将塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;对每个塔身点云投影进行侧棱提取,得到每个塔身点云投影对应的两条侧棱;计算每个塔身点云投影对应的两条侧棱与水平面之间夹角的角度差;将所有塔身点云投影对应角度差中最大的角度差的一半作为要检测的杆塔的杆塔倾斜角度。通过激光点云对杆塔的倾斜状况进行分析,将人力从繁重的杆塔检测作业中解脱出来,使杆塔倾斜检测可在室内通过计算完成,提高杆塔倾斜检测的效率,且检测准确性高。
Description
技术领域
本发明涉及倾斜检测技术领域,尤其涉及一种基于激光点云的杆塔倾斜检测的方法及装置。
背景技术
杆塔是整个电力、通信等系统中至关重要的组成部分。输电线路杆塔是支撑架空输电线路导线和地线并使他们之间以及它们与大地之间保持一定距离的杆形和塔形的构筑物,其安全可靠性直接关系到整个输电线路的安全运行。在各种可能的大气环境下,符合电气绝缘安全和工频电磁场限制条件的要求。当杆塔两侧导线不均匀时,杆塔两侧产生张力差,受力平衡状态被破坏,杆塔会向张力大的一侧发生倾斜、弯曲,在超过一定允许值后,杆塔杆件发生拉压破坏,导致杆塔折断、倒塌。随着我国工业化日趋成熟和电力设备智能升级改造的不断深化,电网运行逐步向智能化的经营模式转变,输电线路杆塔倾斜的危害越来越严重,如何做好杆塔倾斜测量,及对高压输电线路杆塔的倾斜状采取防范措施成为需要探讨和深入研究的课题。
最传统的对杆塔倾斜状况进行测量方式主要采用人工辅助仪器测量杆塔的倾斜度。但由于杆塔数量比较多,杆塔与杆塔之间的距离比较远,测量起来劳动强度比较大,且人工测量效率非常低。
发明内容
基于此,有必要针对传统技术中人工测量杆塔倾斜程度劳动强度大,测量效率低的问题,提供一种更便捷的基于激光点云的杆塔倾斜检测的方法及装置。
为实现本发明目的提供的一种基于激光点云的杆塔倾斜检测的方法,包括以下步骤:
提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;
将所述塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;
对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱;
计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值;
将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为所述要检测的杆塔的杆塔倾斜角度。
作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,所述多个方向的二维平面在0度到180度之间均匀分布。
作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,相邻两个二维平面之间的夹角为0度~10度之间的一个角度。
作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,所述对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱,包括以下步骤:
对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点;
对每侧的所述侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,所述计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值,包括以下步骤:
根据每条侧棱直线的斜率计算相应侧棱的侧棱倾斜角度;
将同一塔身点云投影的两个侧棱对应的侧棱倾斜角度相减并求得绝对值,得到所述角度差的绝对值。作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,对于点云密度稀疏的塔身点云对应的塔身点云投影,在所述对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点之前,还包括以下步骤:
采用凸壳算法对所述塔身点云投影进行外围轮廓提取;
当所述塔身点云的密度低于预设密度阈值或者所述塔身点云有大于预设面积的点云缺失时,称所述塔身点云为点云密度稀疏。
作为一种基于激光点云的杆塔倾斜检测的方法的可实施方式,还包括以下步骤:
计算所述杆塔倾斜角的正切值,并将所述正切值作为检测杆塔的杆塔倾斜度;
判断所述杆塔倾斜度是否大于等于预设阈值,若是,判定所述杆塔倾斜,若否,则判定所述杆塔不倾斜。
基于同一发明构思的一种基于激光点云的杆塔倾斜检测的装置,包括:
点云提取模块,用于提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;
投影模块,用于将所述塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;
侧棱提取模块,用于对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱;
角度差计算模块,用于计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值;
杆塔倾斜角度计算模块,用于将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为所述要检测的杆塔的杆塔倾斜角度。
作为一种基于激光点云的杆塔倾斜检测的装置的可实施方式,所述侧棱提取模块,包括:
侧棱激光点获取单元,用于对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点;
直线拟合单元,用于对每侧的所述侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
作为一种基于激光点云的杆塔倾斜检测的装置的可实施方式,还包括:
杆塔倾斜度计算模块,用于计算所述杆塔倾斜角的正切值,并将所述正切值作为检测杆塔的杆塔倾斜度;
最终倾斜判断模块,用于判断所述杆塔倾斜度计算模块计算出的杆塔倾斜度是否大于等于预设阈值,若是,判定所述杆塔倾斜,若否,则判定所述杆塔不倾斜。
本发明的有益效果包括:本发明提供的基于激光点云的杆塔倾斜检测的方法及装置,通过激光点云对杆塔的倾斜状况进行分析。激光点云可通过直升机及无人机电力线路巡检获取,其具有成本相对较低、自动化、高效率的特点。从而该方法可将人力从繁重的杆塔检测作业中解脱出来,也省掉了在杆塔上安装各种检测仪器的过程。使杆塔倾斜检测可在室内通过计算完成,提高杆塔倾斜检测的效率,且检测准确性高。
附图说明
图1为本发明的基于激光点云的杆塔倾斜检测的方法的一具体实施例的流程图;
图2为一杆塔实例的示意图;
图3为一实施例中杆塔倾斜后杆塔不同侧棱与水平面之间夹角变化示意图;
图4为一实施例中塔身点云投影示意图;
图5为图4的塔身点云投影对应的侧棱激光点;
图6为右侧有缺失的塔身点云投影示意图;
图7为图6所示的塔身点云投影对应的外围轮廓激光点;
图8为图6所示的塔身点云投影对应的侧棱激光点;
图9为本发明基于激光点云的杆塔倾斜检测的方法的另一具体实施例的流程图;
图10为本发明基于激光点云的杆塔倾斜检测的装置的一具体实施例的构成示意图;
图11为本发明基于激光点云的杆塔倾斜检测的装置的一具体实施例的侧棱提取模块构成示意图;
图12为本发明基于激光点云的杆塔倾斜检测的装置的另一具体实施例的构成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明的基于激光点云的杆塔倾斜检测的方法及装置的具体实施方式进行说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明一实施例的基于激光点云的杆塔倾斜检测的方法,如图1所示,包括以下步骤:
S100,提取激光点云中要检测的杆塔的塔身部分对应的塔身点云。
需要说明的是,要提取塔身点云,首先要从激光雷达数据的大量原始点云中分离出杆塔点云。具体的杆塔点云的分离过程,可采用专利“一种机载LIDAR数据电力线快速提取及重构方法”(专利号:ZL201210002838.5)中采用的激光点云分离方法。当然也可采用其他类似的目标物激光点云提取方法对要检测的杆塔进行提取,以获得相应的塔身点云。当需要对电力或者通信线路上的多个杆塔倾斜状态进行检测时,也可同时提取到多个杆塔的杆塔点云,然后再逐一对杆塔的倾斜状态进行分析。
如图2所示,对于一个杆塔,可分为塔头、塔身、塔腿三部分,塔头是从塔腿往上,塔架截面急剧变化(出现折线)以上部分为塔头,如果没有截面急剧变化,那么下横担的下弦以上部分为塔头,塔头包含绝缘子、挂件等,塔头整体点云分布不规则。基础上面的第一段塔架称为塔腿。塔腿和塔头之间的部分称为塔身,塔身的一般为规则的四棱台,横截面为正方形,而且塔身从上至下逐渐变粗。
因为杆塔如果发生倾斜,则塔身、塔头部分都会发生倾斜。塔身等部分的倾斜状况也能反映整个杆塔的倾斜状态。而塔身的形状更加规则,倾斜分析会更加便利,因此,本发明实施例中采用对塔身点云进行分析来确定杆塔的倾斜状态。
为了借助塔身对整个杆塔的倾斜状态进行分析,步骤S100首先进行了塔身点云的提取工作。
S200,将塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影。
激光点云数据本身是三维数据,由于塔身点云数据具有非常规则的四棱台结构,并且侧棱呈直线状。可通过分析侧棱的倾斜来判断塔身部分的倾斜状况。因此,还需要获取塔身侧棱。但若在三维情况下提取出塔身四条侧棱非常困难,相对于三维空间,二维平面提取侧棱相对简单和准确,所以将三维塔身投影到垂直于水平面各个方向上。至于具体投影到几个方向的二维平面上可根据实际计算需求确定。各个方向是指在0°到180°之间每一定间隔一定角度选取一个二维平面。如可选择每间隔10度选择一个二维平面,此角度可根据需求任意选择。此时,多个二维平面在0度到180度之间均匀分布。且相邻两个二维平面之间的夹角为10度。当然也可根据需求任意选择相邻两个二维平面之间的夹角,此时也可以使多个二维平面在0度到180度之间均匀分布。塔身点云在每个所选的二维平面上进行投影后,都会得到一个塔身点云投影。而后续步骤中在进行处理时都是基于塔身点云投影进行的,因此,塔身点云投影的数量对整个杆塔倾斜检测的效率起决定性作用。因此,可根据计算精度要求,及具体的处理能力选择合适数量的二维平面进行塔身点云的投影。
S300,对每个塔身点云投影进行侧棱提取,得到每个塔身点云投影对应的两条侧棱。
S400,计算每个塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值。
需要说明的是,对于正常(不倾斜)的杆塔可以认为塔身是垂直于水平面的。塔身各个侧棱与水平面之间的夹角是完全相同的,任意两个侧棱与水平面之间的夹角之差均为0。而当杆塔发生倾斜时,则倾斜方向上的侧棱与水平面之间的夹角会变大,而倾斜方向相反方向的侧棱与水平面之间的夹角会变小。从而不同侧棱与水平面之间的夹角会产生角度差。从而可以根据侧棱之间的角度差来确定杆塔的倾斜状况。杆塔的倾斜角度为杆塔倾斜方向反方向上的侧棱与水平面之间的夹角,与杆塔倾斜方向上的侧棱与水平面之间的夹角差值的一半。而且杆塔倾斜方向反方向上的侧棱与水平面之间的夹角,与杆塔倾斜方向上的侧棱与水平面之间的夹角差值也是所有二维平面上侧棱角度差的最大值。
本发明实施例在进行侧棱提取时是在二维平面上进行的,本领域技术人员可以理解,在不同的二维平面上,杆塔倾斜方向反方向上的侧棱与水平面之间的夹角,与杆塔倾斜方向上的侧棱与水平面之间的夹角差值也是不同的。其在垂直于杆塔倾斜方向的二维平面上差值会最大,也最能真实反映杆塔的倾斜状态。因此,二维平面的选择很重要,每间隔一定角度选择一个二维平面时,角度间隔越小越容易选择到垂直于杆塔倾斜方向的二维平面,这样后续杆塔倾斜角度的计算也会更加准确。因此,可以认为,在计算条件允许的情况下,可选择尽量多的二维平面进行投影。
较佳地,可选择相邻两个二维平面之间的夹角为0度~10度之间的一个角度。如此选择,塔身倾斜方向与投影方向之间误差小。
S500,将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为要检测的杆塔的杆塔倾斜角度。
如图3所示,平面1为正常水平面、平面2为杆塔倾斜所得平面,通过平面1、2可以得出α为杆塔的倾斜角,根据几何关系可得α=|(β+α)-(β-α)|/2。其中,(β+α)为在倾斜方向的侧棱,或者最靠近倾斜方向的侧棱与水平面(平面1)之间的夹角,(β-α)在倾斜方向的反方向上的侧棱,或者最远离倾斜方向的侧棱与水平面之间的夹角。
本实施例的基于激光点云的杆塔倾斜检测的方法,通过激光点云对杆塔的倾斜状况进行分析。激光点云可通过直升机及无人机电力线路巡检获取,其具有成本相对较低、自动化、高效率的特点。从而该方法可将人力从繁重的杆塔检测作业中解脱出来,也省掉了在杆塔上安装各种检测仪器的过程。使杆塔倾斜检测可在室内通过计算完成,提高杆塔倾斜检测的效率,且检测准确性高。
在一个实施例中,步骤S300,对每个塔身点云投影进行侧棱提取,得到每个塔身点云投影对应的两条侧棱,包括以下步骤:
S310,对每个塔身点云投影采用纵向分层方式获取塔身点云投影中两侧最靠外的激光点,作为侧棱激光点。
原始杆塔点云数据正常情况下会比较密集,塔身点云投影到二维平面呈现规则化的类似等腰梯形分布。本领域技术人员可以理解,在杆塔没有倾斜的时候,塔身点云在二维平面上的投影应该是规则的等腰梯形,而杆塔倾斜后,塔身点云在二维平面上的投影由等腰梯形变为一般梯形。当然,一般杆塔倾斜的角度也不会过大,这个一般梯形会比较接近等腰梯形。
而杆塔侧棱在塔身点云投影中体现为梯形的两条斜边,呈直线分布。提取侧棱的过程即为利用塔身点云投影中的点拟合梯形两斜边的过程。当然,在直线拟合的过程中,参与拟合的点越多,直线拟合的效果会越好。因此,本发明实施例中采用纵向分层的方式提取用于拟合直线的侧棱激光点。
所述纵向分层的方式选取侧棱激光点是指,在纵坐标方向每间隔一定距离进行一次边缘激光点的选取,每次选取的激光点为当前纵坐标下横坐标最小的点及横坐标最大的点。按照如此方法选择出塔身点云投影中所有满足条件的激光点作为侧棱激光点。
具体的,在实施过程中,将二维平面上较规则的近似等腰梯形以横坐标中心线左右划分为两部分。左右两侧点云均呈现直角梯形。设置分层阈值,即在纵轴方向上每间隔多大的距离进行一次侧棱激光点的选择。每间隔所述分层阈值找出最左侧(左侧最小值)和最右侧(右侧最大值)横坐标所对应的点云坐标,从而实现左右两侧侧棱外轮廓提取。
如对图4中所示的塔身投影点云进行侧棱激光点提取后,会得到如图5所示的几乎在两条直线上排布的侧棱激光点。
S320,对每侧的侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
具体的,可采用采用最小二乘法拟合直线的方式实现侧棱直线斜率a和截距b的估计,得到最优的斜率a和截距b。
本发明实施例中,采用纵向分层的方式来获取侧棱激光点,便于掌控获取的侧棱激光点的数量。且选取左右两侧最靠外的激光点作为侧棱激光点也最准确。拟合出的侧棱直线能够真实反映杆塔的侧棱的状态。
但是,如果杆塔点云密度较低或存在数据丢失时,具体的,当塔身点云的密度低于预设密度阈值或者塔身点云有大于预设面积的点云缺失时,称塔身点云密度稀疏。其中,预设密度阈值,以及预设面积可根据激光点云采集的密度以及具体杆塔塔身点云的大小设定。如图6所示,塔身投影点云的右侧存在大块数据缺失(塔身点云有大于预设面积的点云缺失)的情况下,在使用纵向分层方式获取侧棱激光点之前,还需要进行下面的步骤:
S301,采用凸壳算法对塔身点云投影进行外围轮廓提取。
凸壳定义:令S是平面上的一个交集,封闭S中所有顶点的最小凸多边形,称为S的凸壳,表示为CH(S)。CH(S)上的顶点,有时也叫做S的极点。
凸壳算法就是指搜索出一定范围内点集的凸壳的过程,并获取到点集的各个顶点。
平面点集的凸壳定义为包含点集的最小凸集,即以点集中部分点为顶点的一个凸多边形,对该凸多边形的任意一条边,点集中所有不在该边上的点都在该边的同一侧。本领域技术人员可以理解,本发明实施例提取外围轮廓的过程中塔身点云投影中的激光点点集为平面点集。
使用凸壳算法对图6所示的塔身点云投影进行外围轮廓提取后,得到如图7所示的外围轮廓点集。达到了对零散点点云外围轮廓的提取。
得到外围轮廓点集后,可继续使用纵向分层的方式基于已经获取的外围轮廓点集进行侧棱激光点的获取,以及步骤S320的侧棱直线获取的步骤。
对图7所示的外围轮廓点集进行纵向分层侧棱激光点提取后,得到如图8所示的侧棱激光点。
而当杆塔的塔身点云密度较高且不存在数据丢失时,则可直接对塔身点云投影执行步骤S310和步骤S320进行侧棱激光点的提取及侧棱直线的拟合。无需进行前述的采用凸壳算法进行外轮廓提取的步骤。
其中,步骤S400,计算每个塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值,包括以下步骤:
根据每条侧棱直线的斜率计算相应侧棱的侧棱倾斜角度。
需要说明的是,此处所说的侧棱倾斜角度是指塔身的侧棱与水平面之间的夹角,其相对于杆塔设立最初的侧棱与水平面之间的夹角可能变大也可能变小,但其本身并不表示变化量。而且此处的侧棱倾斜角度为锐角。
本领域技术人员可以理解,侧棱直线的斜率即为倾斜角度的正切值,因此,根据拟合出的侧棱直线能够很容易计算出锐角的侧棱倾斜角度。
将同一塔身点云投影的两个侧棱对应的侧棱倾斜角度相减并求得绝对值,得到角度差的绝对值。
需要说明的是,将两个侧棱对应的侧棱倾斜角度进行相减处理时,均是用较大的角度减去较小的角度,得到的角度差也为正值。
更进一步的,其中一个实施例的基于激光点云的杆塔倾斜检测的方法中,如图9所示,还包括以下步骤:
S600,计算杆塔倾斜角的正切值,并将所述正切值作为检测杆塔的杆塔倾斜度。
S700,判断杆塔倾斜度是否大于等于预设阈值,若是,判定杆塔倾斜,若否,则判定杆塔不倾斜。
预设阈值的具体大小可根据实际要求设定。如果对于承受倾斜状况能力强的杆塔,可设置较大的所述预设阈值;相反,对于承受倾斜能力弱的杆塔,可设置较小的所述预设阈值。在其中一个实施例中,对于一个高度不到50m的杆塔,设置所述预设阈值为0.01。即杆塔倾斜角的正切值大于等于0.01时,则认为杆塔已经过于倾斜了,需要采取一定的措施进行处理,此时先将该杆塔标记为倾斜;相反,当计算出的杆塔倾斜角的正切值小于0.01时,则可认定,杆塔倾斜程度依然在杆塔承受范围内,则,此时可暂时标记该杆塔为不倾斜杆塔,或者说正常使用杆塔。
基于同一发明构思,还提供一种基于激光点云的杆塔倾斜检测的装置,由于此装置解决问题的原理与前述一种基于激光点云的杆塔倾斜检测的方法相似,因此,该装置的实施可以按照前述方法的具体步骤实现,重复之处不再赘述。
其中一实施例的基于激光点云的杆塔倾斜检测的装置,如图10所示,包括点云提取模块100、投影模块200、侧棱提取模块300、角度差计算模块400及杆塔倾斜角度计算模块500。
其中,点云提取模块100,用于提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;投影模块200,用于将塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;侧棱提取模块300,用于对每个塔身点云投影进行侧棱提取,得到每个塔身点云投影对应的两条侧棱;角度差计算模块400,用于计算每个塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值;杆塔倾斜角度计算模块500,用于将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为要检测的杆塔的杆塔倾斜角度。
且两条侧棱与水平面之间夹角的角度差为非负值。即,在计算所述角度差时,使用较大的角度减去较小的角度。且每个侧棱与水平面之间的夹角均为锐角。
本发明实施例的基于激光点云的杆塔倾斜检测的装置,通过激光点云对杆塔的倾斜状况进行分析。激光点云可通过直升机及无人机电力线路巡检获取,其具有成本相对较低、自动化、高效率的特点。从而该方法可将人力从繁重的杆塔检测作业中解脱出来,也省掉了在杆塔上安装各种检测仪器的过程。使杆塔倾斜检测可在室内通过计算完成,提高杆塔检测的效率,且测量准确性高。
其中,如图11所示,所述侧棱提取模块300包括侧棱激光点获取单元310和直线拟合单元320。其中,侧棱激光点获取单元310,用于对每个塔身点云投影采用纵向分层方式获取塔身点云投影中两侧最靠外的激光点,作为侧棱激光点;直线拟合单元320,用于对每侧的侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
采用纵向分层的方式来获取侧棱激光点,便于掌控获取的侧棱激光点的数量。且选取左右两侧最靠外的激光点作为侧棱激光点也最准确。拟合出的侧棱直线能够真实反映杆塔的侧棱的状态。而直线拟合过程可采用最小二乘法进行,使用最小二乘法对侧棱对应的直线的斜率及截距进行计算。
较佳地,在其中一个实施例的基于激光点云的杆塔倾斜检测的装置中,如图12所示,还包括杆塔倾斜度计算模块600和最终倾斜判断模块700。其中,杆塔倾斜度计算模块600,用于计算所述杆塔倾斜角的正切值,并将正切值作为检测杆塔的杆塔倾斜度;最终倾斜判断模块700,用于判断杆塔倾斜度计算模块计算出的杆塔倾斜度是否大于等于预设阈值,若是,判定杆塔倾斜,若否,则判定杆塔不倾斜。
且对于高度小于50米的杆塔,所述预设阈值可设定为0.01。
上述各实施例的基于激光点云的杆塔倾斜检测的方法及装置,可用于对电力杆塔、通信塔、一体化基站铁塔、监控塔的倾斜状态进行检测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于激光点云的杆塔倾斜检测的方法,其特征在于,包括以下步骤:
提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;
将所述塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;
对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱;
计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值;
将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为所述要检测的杆塔的杆塔倾斜角度;
所述对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱,包括以下步骤:
对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点;
对每侧的所述侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
2.根据权利要求1所述的基于激光点云的杆塔倾斜检测的方法,其特征在于,所述多个方向的二维平面在0度到180度之间均匀分布。
3.根据权利要求2所述的基于激光点云的杆塔倾斜检测的方法,其特征在于,相邻两个二维平面之间的夹角为0度~10度之间的一个角度。
4.根据权利要求1所述的基于激光点云的杆塔倾斜检测的方法,其特征在于,所述计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值,包括以下步骤:
根据每条侧棱直线的斜率计算相应侧棱的侧棱倾斜角度;
将同一塔身点云投影的两个侧棱对应的侧棱倾斜角度相减并求得绝对值,得到所述角度差的绝对值。
5.根据权利要求1所述的基于激光点云的杆塔倾斜检测的方法,其特征在于,对于点云密度稀疏的塔身点云对应的塔身点云投影,在所述对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点之前,还包括以下步骤:
采用凸壳算法对所述塔身点云投影进行外围轮廓提取;
当所述塔身点云的密度低于预设密度阈值或者所述塔身点云有大于预设面积的点云缺失时,称所述塔身点云为点云密度稀疏。
6.根据权利要求1所述的基于激光点云的杆塔倾斜检测的方法,其特征在于,还包括以下步骤:
计算所述杆塔倾斜角的正切值,并将所述正切值作为检测杆塔的杆塔倾斜度;
判断所述杆塔倾斜度是否大于等于预设阈值,若是,判定所述杆塔倾斜,若否,则判定所述杆塔不倾斜。
7.一种基于激光点云的杆塔倾斜检测的装置,其特征在于,包括:
点云提取模块,用于提取激光点云中要检测的杆塔的塔身部分对应的塔身点云;
投影模块,用于将所述塔身点云在垂直于水平面的多个方向的二维平面上进行投影,得到多个塔身点云投影;
侧棱提取模块,用于对每个所述塔身点云投影进行侧棱提取,得到每个所述塔身点云投影对应的两条侧棱;
角度差计算模块,用于计算每个所述塔身点云投影对应的两条侧棱与水平面之间夹角的角度差的绝对值;
杆塔倾斜角度计算模块,用于将所有塔身点云投影对应角度差的绝对值中最大的角度差的绝对值的一半作为所述要检测的杆塔的杆塔倾斜角度;
所述侧棱提取模块,包括:
侧棱激光点获取单元,用于对每个所述塔身点云投影采用纵向分层方式获取所述塔身点云投影中两侧最靠外的激光点,作为侧棱激光点;
直线拟合单元,用于对每侧的所述侧棱激光点进行直线拟合,得到每条侧棱对应的侧棱直线。
8.根据权利要求7所述的基于激光点云的杆塔倾斜检测的装置,其特征在于,还包括:
杆塔倾斜度计算模块,用于计算所述杆塔倾斜角的正切值,并将所述正切值作为检测杆塔的杆塔倾斜度;
最终倾斜判断模块,用于判断所述杆塔倾斜度计算模块计算出的杆塔倾斜度是否大于等于预设阈值,若是,判定所述杆塔倾斜,若否,则判定所述杆塔不倾斜。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510870434.1A CN105333861B (zh) | 2015-12-02 | 2015-12-02 | 基于激光点云的杆塔倾斜检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510870434.1A CN105333861B (zh) | 2015-12-02 | 2015-12-02 | 基于激光点云的杆塔倾斜检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105333861A CN105333861A (zh) | 2016-02-17 |
CN105333861B true CN105333861B (zh) | 2018-02-06 |
Family
ID=55284521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510870434.1A Active CN105333861B (zh) | 2015-12-02 | 2015-12-02 | 基于激光点云的杆塔倾斜检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105333861B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683089B (zh) * | 2016-12-30 | 2019-12-31 | 南京南瑞信息通信科技有限公司 | 一种带约束配准的杆塔变形检测方法 |
CN107633504A (zh) * | 2017-08-07 | 2018-01-26 | 广东电网有限责任公司机巡作业中心 | 杆塔倾斜程度检测方法以及装置 |
CN107607929B (zh) * | 2017-09-20 | 2021-02-02 | 云南电网有限责任公司电力科学研究院 | 一种基于激光点云数据的测量杆塔倾斜角度的方法及装置 |
CN108362263B (zh) * | 2018-02-10 | 2020-06-12 | 杭州后博科技有限公司 | 一种多段铁塔的倾斜危险评估方法及系统 |
CN109613514A (zh) * | 2018-12-29 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种基于机载LiDAR点云数据的杆塔倾斜预警方法 |
CN109655039A (zh) * | 2018-12-30 | 2019-04-19 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 倾斜角度的确定方法及装置、存储介质、电子装置 |
CN109668543A (zh) * | 2019-01-22 | 2019-04-23 | 南京理工大学 | 基于激光雷达的倾斜度测量方法 |
CN110296698B (zh) * | 2019-07-12 | 2023-04-28 | 贵州电网有限责任公司 | 一种以激光扫描为约束的无人机路径规划方法 |
CN111583174B (zh) * | 2020-03-27 | 2022-09-06 | 武汉地大信息工程股份有限公司 | 基于点云数据的铁塔形变检测检测的方法和系统 |
CN111830528A (zh) * | 2020-06-29 | 2020-10-27 | 西安交通大学 | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 |
CN112325785A (zh) * | 2020-10-09 | 2021-02-05 | 国家电网公司西北分部 | 基于顶部平面拟合的铁塔变形监测方法及系统 |
CN112541455B (zh) * | 2020-12-21 | 2023-07-07 | 国网河南省电力公司电力科学研究院 | 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 |
CN112883845B (zh) * | 2021-02-02 | 2022-06-07 | 贵州电网有限责任公司 | 一种基于激光LiDAR点云的杆塔类型自动识别方法 |
CN112767391B (zh) * | 2021-02-25 | 2022-09-06 | 国网福建省电力有限公司 | 融合三维点云和二维图像的电网线路部件缺陷定位方法 |
CN113361322B (zh) * | 2021-04-23 | 2022-09-27 | 山东大学 | 一种基于加权反卷积层数改进dssd算法的输电线目标检测方法、设备及存储介质 |
CN113554595B (zh) * | 2021-06-21 | 2022-11-25 | 国网山西省电力公司电力科学研究院 | 无人机激光雷达点云杆塔塔头形变检测装置及方法 |
CN114092889B (zh) * | 2022-01-10 | 2022-04-15 | 深圳市明源云科技有限公司 | 违规行为检测方法、装置、电子设备及可读存储介质 |
CN115540823B (zh) * | 2022-11-28 | 2023-03-10 | 中国水利水电第七工程局有限公司 | 一种变截面超高墩竖直度测控方法 |
CN115810012B (zh) * | 2023-02-07 | 2023-06-27 | 南方电网数字电网研究院有限公司 | 输电杆塔倾斜检测方法、装置、设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0495710A (ja) * | 1990-08-06 | 1992-03-27 | Hotsukou Denshiya:Kk | 鉄塔傾斜検出装置 |
CN101726255B (zh) * | 2008-10-24 | 2011-05-04 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN102955160A (zh) * | 2011-08-19 | 2013-03-06 | 湖北省电力公司电力科学研究院 | 基于三维激光雷达技术的输电线路杆塔参数确定方法 |
CN103017734A (zh) * | 2012-12-11 | 2013-04-03 | 湖北省电力公司检修分公司 | 一种基于激光雷达的杆塔倾斜率测量方法 |
CN104697502B (zh) * | 2015-01-09 | 2017-09-19 | 中国测绘科学研究院 | 基于最小二乘法的建筑物特征点坐标提取方法 |
-
2015
- 2015-12-02 CN CN201510870434.1A patent/CN105333861B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105333861A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105333861B (zh) | 基于激光点云的杆塔倾斜检测的方法及装置 | |
CN105447855B (zh) | 一种地面三维激光扫描点云球面目标自动识别方法 | |
US20160133008A1 (en) | Crack data collection method and crack data collection program | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
Teza et al. | Geometric characterization of a cylinder-shaped structure from laser scanner data: Development of an analysis tool and its use on a leaning bell tower | |
CN109448087B (zh) | 一种盾构隧道表面点云数据分段方法 | |
CN114419085A (zh) | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
CN107644452A (zh) | 机载LiDAR点云屋顶面片分割方法及系统 | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
CN101556142A (zh) | 架空线路覆冰厚度的视觉检测方法 | |
CN106845324B (zh) | 路牌信息的处理方法和装置 | |
CN102955160A (zh) | 基于三维激光雷达技术的输电线路杆塔参数确定方法 | |
US20160133007A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN112926465B (zh) | 基于点云类型的海岸线性质识别方法及装置 | |
CN113124782B (zh) | 一种基于点云抗差自适应的建构筑物垂直度检测方法 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
Kulawiak et al. | Processing of LiDAR and multibeam sonar point cloud data for 3D surface and object shape reconstruction | |
CN103256914A (zh) | 一种基于dem计算淤地坝淹没面积的方法及系统 | |
CN108955523A (zh) | 一种护面块体的检测方法 | |
CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 | |
CN112033385A (zh) | 一种基于海量点云数据的桥墩位姿测量方法 | |
CN111583406A (zh) | 杆塔脚基点坐标计算方法、装置及终端设备 | |
CN111895907A (zh) | 一种电塔点云提取方法、系统及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |