CN106526610B - 一种基于无人机激光点云的电塔自动定位方法及装置 - Google Patents
一种基于无人机激光点云的电塔自动定位方法及装置 Download PDFInfo
- Publication number
- CN106526610B CN106526610B CN201610961822.5A CN201610961822A CN106526610B CN 106526610 B CN106526610 B CN 106526610B CN 201610961822 A CN201610961822 A CN 201610961822A CN 106526610 B CN106526610 B CN 106526610B
- Authority
- CN
- China
- Prior art keywords
- point
- density
- elevation
- highest
- pylon
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种基于无人机激光点云的电塔自动定位方法及装置，用于解决现有机载LiDAR点云中电塔定位方法中存在的应用场景有限、精度不稳定的问题。本发明实施例方法包括：对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图。
Description
技术领域
本发明涉及测绘激光点云数据处理领域，尤其涉及一种基于无人机激光点云的电塔自动定位方法及装置。
背景技术
电塔，呈梯形，三角形等塔状建筑物·高度通常为25-40米·为钢架结构。多建设在野外的发电厂、配电站附近。它是电力部门的重要设施。能架空电线并起保护，支撑作用。电力铁塔的设计、制造、安装、维护及质量检测是现代电力系统运行与发展的重要保障。电塔在山区安装形成电力走廊，由于地方偏僻，在对其维护的时候就需要用无人机进行探测，由无人机取得激光点云数据。
目前国内外对电力走廊机载激光点云(LiDAR)数据中电力设施的提取大多集中在电力线分割与拟合技术,并且这些方法大多依赖于电塔位置的先验信息。从LiDAR点云数据中提取电力线的研究和专利均处于非常初级的阶段。其中游安清等利用栅格化的激光点云的密度信息提取电塔，直接通过统计单元格内点云数量，提取全局高密度点并排序，所得位置即为杆塔点。
然而，此种方法对应用场景有着极为严格的限制。首先，扫描区域中，杆塔密度必须足够显著，意味着场景中不可出现其他高密度区域，如高大树木、垂直建筑物以及其他垂直分布的物体；其次,由于电塔形态有别，而且传感器扫描姿态不同导致数据密度分布差别，极易产生同塔双响应的错误定位问题。因此，提出一种新的电塔自动定位方法，解决现有机载LiDAR点云中电塔定位方法中存在的应用场景有限、精度不稳定的问题是本领域人员的共同的技术需求。
发明内容
本发明实施例提供了一种基于无人机激光点云的电塔自动定位方法及装置，用于解决现有机载LiDAR点云中电塔定位方法中存在的应用场景有限、精度不稳定的问题。
本发明实施例提供一种基于无人机激光点云的电塔自动定位方法，包括：
对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图。
优选地，所述对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图具体包括：
对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
优选地，所述根据高差分布特图和坡度分布特征图提取种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域具体包括：
根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为种子点，形成种子区域；
对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
优选地，所述采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图具体包括：
S1、根据密度特征图定位掩膜区域内的密度最高点；
S2、从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域，记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，则返回步骤S1。
优选地，所述步骤S1具体包括：
通过中值滤波器对密度特征图进行滤波处理；
根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
本发明实施例提供一种基于无人机激光点云的电塔自动定位装置，基于上述的基于无人机激光点云的电塔自动定位方法进行定位，包括：
特征图模块，用于对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
掩膜模块，用于根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
迭代模块，用于采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图。
优选地，所述特征图模块具体包括：
栅格化单元，用于对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
统计单元，用于在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
计算单元，用于根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
优选地，所述掩膜模块具体包括：
种子单元，用于根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为种子点，形成种子区域；
掩膜单元，用于对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
优选地，所述迭代模块具体包括：
定点单元，用于根据密度特征图定位掩膜区域内的密度最高点；
区域减少单元，用于从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域；
判断单元，用于记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，返回定点单元。
优选地，所述定点单元包括：
滤波子单元，用于通过中值滤波器对密度特征图进行滤波处理；
定点子单元，用于根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例提供一种基于无人机激光点云的电塔自动定位方法及装置，对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图，从而实现电塔的自动定位。本发明实施例通过五个特征图综合分析和采用掩膜和迭代计算解决了传统电塔定位方法中存在的应用场景有限、精度不稳定的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法的流程图；
图2为本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法中步骤101的具体流程图；
图3为本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法中步骤102的具体流程图；
图4为本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法中步骤103的具体流程图；
图5为本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法中步骤401的具体流程图；
图6为本发明实施例提供的一种基于无人机激光点云的电塔自动定位装置的原理图；
图7为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法的流程图；
图8为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的密度特征图；
图9为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的最高高程图；
图10为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的最低高程图；
图11为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的高差分布特征图；
图12为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的坡度分布特征图；
图13为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的掩膜下的密度特征图；
图14为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的掩膜下经过中值滤波后的密度特征图；
图15为本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法中的迭代计算后的掩膜区域图。
其中，附图标记如下：
601、特征图模块；602、掩膜模块；603、迭代模块。
具体实施方式
本发明实施例提供了一种基于无人机激光点云的电塔自动定位方法及装置，用于解决现有机载LiDAR点云中电塔定位方法中存在的应用场景有限、精度不稳定的问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供一种基于无人机激光点云的电塔自动定位方法，包括：
101、对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
102、根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
103、采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图。
请参阅图2，其中，步骤101的其中一个实施方案具体包括：
201、对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
202、在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
203、根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
请参阅图3，其中，步骤102的其中一个实施方案具体包括：
301、根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为电力线种子点，形成种子区域；
302、对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
请参阅图4，其中，步骤103的其中一个实施方案具体包括：
401、根据密度特征图定位掩膜区域内的密度最高点；
402、从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域，记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，返回步骤401。
请参阅图5，其中，步骤401的其中一个实施方案具体包括：
501、通过中值滤波器对密度特征图进行滤波处理；
502、根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
以上是对本发明实施例提供的一种基于无人机激光点云的电塔自动定位方法进行详细的描述，以下将对本发明实施例提供的一种基于无人机激光点云的电塔自动定位装置进行详细的描述。
请参阅图6，本发明实施例提供一种基于无人机激光点云的电塔自动定位装置，基于上述的基于无人机激光点云的电塔自动定位方法进行定位，包括：
特征图模块601，用于对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
掩膜模块602，用于根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
迭代模块603，用于采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图。
优选地，所述特征图模块具体包括：
栅格化单元，用于对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
统计单元，用于在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
计算单元，用于根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
优选地，所述掩膜模块具体包括：
种子单元，用于根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为种子点，形成种子区域；
掩膜单元，用于对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
优选地，所述迭代模块具体包括：
定点单元，用于根据密度特征图定位掩膜区域内的密度最高点；
区域减少单元，用于从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域；
判断单元，用于记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，返回定点单元。
优选地，所述定点单元包括：
滤波子单元，用于通过中值滤波器对密度特征图进行滤波处理；
定点子单元，用于根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
以上是对本发明实施例提供的一种基于无人机激光点云的电塔自动定位装置进行详细的描述，以下将对本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法进行详细的描述。
请参阅图7，本发明另一个实施例提供的一种基于无人机激光点云的电塔自动定位方法包括：特征图计算、掩膜计算和高密度点定位三个步骤。
以下将对特征图计算步骤进行详细的说明：
电力线经过区域具有高差大,坡度大(因为高差变化剧烈)的特点,利用高差、坡度特征可以基本确定电力线经过区域。另输电杆塔在点云数据中具有高密度的特征。因此，基于高差、坡度与密度特征可作为电塔定位的主要依据。
基于无人机载激光点云电塔自动定位方法是基于二维栅格特征图像进行，首先分析LiDAR点云数据的覆盖区域范围，并已给定的像素宽度(默认为0.5m)划分格网，并依次遍历每个点云，计算其所属格网位置。然后在每一个栅格格网内，分别统计最高点，最低点，点个数(密度)，从而获得一阶特征：最高高程图(图9)、最低高程图(图10)、密度特征图(图8)。
最后利用一阶特征计算二阶特征，即高差分布特征图(图11)，坡度分布特征图(图12)。其中高差特征通过每一栅格内的最高高程值减去最低高程值的差计算得到；坡度特征是基于最高高程特征计算，采用三阶反距离平方权差分法计算，公式如下：
其中fx和fy分别为X方向和Y方向上的高程变化率，计算公式如下：
其中zi,j为3x3窗口的中心点的最高高程值，其余为其八邻域点的最高高程；g为格网的间隔长度。
以下将对掩膜计算步骤进行详细的说明：
为了限制电力走廊的分析区域，排除扫描范围内其他高大物体的影像，本技术根据电力线特征构造掩膜(Mask)用以限制分析区域。掩膜区域由高差分布特征和坡度分布特征两种特征联合分析获得，依据悬空物高程和坡度的阶跃特性，此方法可有效提取电力线覆盖区域。
首先，利用特征图计算步骤得到的高差和坡度数据,通过预设阈值提取高于高差阈值和高于坡度阈值的图像点作为二值掩膜图像的种子点。预设阈值可根据线路等级的不同进行预设值设置(如220kV，为0.5；350kV为0.4)，本发明方法中高差阈值和坡度阈值均设为0.5。
其次对提取的种子区域进行形态学闭操作,目的是连接零散的种子区域,形成连续的大面，覆盖整个电力走廊区域，从而获取掩膜区域。若是500kV电力区域,左右两股电力线区域会特别宽,格网不能完整覆盖，从而造成中间空洞。所以对Mask进行形态学闭操作是为了闭合空洞。形态学核半径可以基于线路电压值提供一些预设值，比如500kV设置为20m,再利用分辨率换算到像素坐标进行形态学闭操作。
以下将对高密度点定位步骤进行详细的说明：
电塔和高大乔木具有高密度的特征,可用于电塔定位的主要依据。掩膜计算步骤的掩膜处理是为了将搜索区域限制在电力线周围,而不会误判到高大乔木上。结合特征图计算步骤获得的密度特征图和掩膜计算步骤获得的掩膜区域(图13)，采用迭代的局部高密度点定位方法自动定位输电杆塔。该方法每次迭代会产生一个局部高密度点，即输电杆塔定位点。
高密度点的搜索区域在掩膜计算步骤所产生的掩膜区域内进行，密度数据为经过中值滤波处理的特征图计算步骤产生的密度图(图14)。中值滤波器的目的是为了削弱密度突变值对中心点定位造成的影响。
每次迭代操作步骤如下：
(1)定位掩膜覆盖区域内密度特征图中的最高点；
(2)依照预设的电塔宽度值，从掩膜中减去以密度最高点为圆心，电塔宽度为直径的圆形区域(或以密度最高点为中心，电塔宽度为边长的方形区域)；
(3)重复步骤(1)与(2)直至到达目标迭代次数，迭代终止。
局部高密度点定位方法中，迭代次数为LiDAR点云中电塔的个数,由操作员给出。
最终得到迭代计算后的掩膜区域图如图15所示。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于无人机激光点云的电塔自动定位方法，其特征在于，包括：
对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图；
所述采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图具体包括：
S1、根据密度特征图定位掩膜区域内的密度最高点；
S2、从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域，记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，则返回步骤S1。
2.根据权利要求1所述的电塔自动定位方法，其特征在于，所述对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图具体包括：
对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
3.根据权利要求1所述的电塔自动定位方法，其特征在于，所述根据高差分布特图和坡度分布特征图提取种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域具体包括：
根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为种子点，形成种子区域；
对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
4.根据权利要求1所述的电塔自动定位方法，其特征在于，所述步骤S1具体包括：
通过中值滤波器对密度特征图进行滤波处理；
根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
5.一种基于无人机激光点云的电塔自动定位装置，基于如权利要求1至4任一项所述的基于无人机激光点云的电塔自动定位方法进行定位，其特征在于，包括：
特征图模块，用于对无人机获取到的点云区域进行栅格化，并在每一个栅格范围内分别统计高程最高点获得最高高程图、统计高程最低点获得最低高程图，统计点密度获得密度特征图，并计算获得高差分布特征图和坡度分布特征图；
掩膜模块，用于根据所述高差分布特征图和所述坡度分布特征图提取电力线种子点，形成种子区域并对种子区域进行形态学闭操作获得掩膜区域；
迭代模块，用于采用迭代的局部高密度点定位方法根据密度特征图对掩膜区域进行计算，输出电塔定位区域图；
所述迭代模块具体包括：
定点单元，用于根据密度特征图定位掩膜区域内的密度最高点；
区域减少单元，用于从掩膜区域中减去以密度最高点为圆心、以预设的电塔宽度为直径的圆形区域或减去以密度最高点为中心，以预设的电塔宽度为边长的方形区域；
判断单元，用于记录迭代次数加一，判断迭代次数是否达到预设的目标迭代次数，若否，返回定点单元。
6.根据权利要求5所述的电塔自动定位装置，其特征在于，所述特征图模块具体包括：
栅格化单元，用于对无人机获取到的点云区域按预设的像素宽度划分格网，并依次遍历每个点云，计算点云所属格网位置；
统计单元，用于在每一个栅格范围内统计高程最高点获得最高高程图，在每一个栅格范围内统计高程最低点获得最低高程图，在每一个栅格范围内统计点密度获得密度特征图；
计算单元，用于根据最高高程图和最低高程图通过每一栅格内的最高高程值减去最低高程值的差计算得到高差分布特征图；根据最高高程图采用三阶反距离平方权差分法计算得到坡度分布特征图。
7.根据权利要求5所述的电塔自动定位装置，其特征在于，所述掩膜模块具体包括：
种子单元，用于根据高差分布特征图和坡度分布特征图上的高差特征和坡度分布特征，计算并提取高于预设高差阈值和高于预设坡度阈值的图像点作为种子点，形成种子区域；
掩膜单元，用于对种子区域进行形态学闭操作，连接零散的种子区域，获取覆盖整个电力走廊区域的掩膜区域。
8.根据权利要求5所述的电塔自动定位装置，其特征在于，所述定点单元包括：
滤波子单元，用于通过中值滤波器对密度特征图进行滤波处理；
定点子单元，用于根据滤波处理后的密度特征图定位掩膜区域内的密度最高点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610961822.5A CN106526610B (zh) | 2016-11-04 | 2016-11-04 | 一种基于无人机激光点云的电塔自动定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610961822.5A CN106526610B (zh) | 2016-11-04 | 2016-11-04 | 一种基于无人机激光点云的电塔自动定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106526610A CN106526610A (zh) | 2017-03-22 |
| CN106526610B true CN106526610B (zh) | 2019-04-09 |
Family
ID=58326289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610961822.5A Active CN106526610B (zh) | 2016-11-04 | 2016-11-04 | 一种基于无人机激光点云的电塔自动定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106526610B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680102A (zh) * | 2017-08-28 | 2018-02-09 | 国网甘肃省电力公司电力科学研究院 | 一种基于空间约束的机载点云数据电力杆塔自动提取方法 |
| CN107767389A (zh) * | 2017-10-27 | 2018-03-06 | 云南电网有限责任公司电力科学研究院 | 一种基于机载激光点云数据的输电线自动提取方法 |
| CN108562885B (zh) * | 2018-03-29 | 2021-12-31 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
| CN108665466B (zh) * | 2018-05-21 | 2021-06-11 | 山东科技大学 | 一种道路激光点云中路面病害自动提取方法 |
| CN110060256B (zh) * | 2019-03-08 | 2023-07-25 | 广东工业大学 | 一种基于机载LiDAR点云的杆塔提取方法 |
| CN111144213B (zh) * | 2019-11-26 | 2023-08-18 | 北京华捷艾米科技有限公司 | 一种对象检测方法和相关设备 |
| CN112068588A (zh) * | 2020-08-12 | 2020-12-11 | 浙江大学 | 一种基于飞行走廊和贝塞尔曲线的无人飞行器轨迹生成方法 |
| CN112132795B (zh) * | 2020-09-14 | 2023-02-03 | 中山大学 | 一种基于LiDAR点云的电塔受灾风险评估方法及系统 |
| CN113781389A (zh) * | 2021-07-27 | 2021-12-10 | 武汉市异方体科技有限公司 | 一种基于深度图的多视角货物掩膜方法 |
| CN113763550B (zh) * | 2021-08-26 | 2024-04-26 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于三维数据的断面自动化生产方法 |
| CN114332634B (zh) * | 2022-03-04 | 2022-06-10 | 浙江国遥地理信息技术有限公司 | 风险电塔的位置确定方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011120152A1 (en) * | 2010-03-31 | 2011-10-06 | Ambercore Software Inc. | System and method for extracting features from data having spatial coordinates |
| CN102590823A (zh) * | 2012-01-06 | 2012-07-18 | 中国测绘科学研究院 | 一种机载lidar数据电力线快速提取及重构方法 |
| CN103488988A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 |
| CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
| CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
-
2016
- 2016-11-04 CN CN201610961822.5A patent/CN106526610B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011120152A1 (en) * | 2010-03-31 | 2011-10-06 | Ambercore Software Inc. | System and method for extracting features from data having spatial coordinates |
| CN102590823A (zh) * | 2012-01-06 | 2012-07-18 | 中国测绘科学研究院 | 一种机载lidar数据电力线快速提取及重构方法 |
| CN103488988A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 |
| CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
| CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 机载激光点云数据中电力线自动提取方法;陈驰等;《武汉大学学报.信息科学版》;20151231;第40卷(第12期);第1600-1605页 |
| 车载激光扫描数据的结构化道路自动提取方法;方莉娜等;《测绘学报》;20130430;第42卷(第2期);第260-267页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106526610A (zh) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106526610B (zh) | 一种基于无人机激光点云的电塔自动定位方法及装置 | |
| CN102590823B (zh) | 一种机载lidar数据电力线快速提取及重构方法 | |
| CN102103202B (zh) | 一种融合影像的机载激光雷达数据半监督分类方法 | |
| CN107085710B (zh) | 一种基于多光谱LiDAR数据的单木自动提取方法 | |
| CN117836667A (zh) | 一种基于路侧感知单元的静态和非静态物体点云识别方法 | |
| CN106529469A (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
| CN107015240A (zh) | 一种基于无人机激光雷达的电力网络管理系统及方法 | |
| CN104463872A (zh) | 基于车载LiDAR点云数据的分类方法 | |
| CN107704879A (zh) | 一种变电站带电作业安全距离计算方法 | |
| CN109085604A (zh) | 一种用于电力巡线的系统及方法 | |
| CN105654021A (zh) | 检测人群对目标位置关注度的方法及设备 | |
| CN103500329B (zh) | 基于车载移动激光扫描点云的路灯自动提取方法 | |
| CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
| CN107182036A (zh) | 基于多维特征融合的自适应位置指纹定位方法 | |
| CN113569915A (zh) | 一种基于激光雷达的多策略轨道交通障碍物识别方法 | |
| CN107680102A (zh) | 一种基于空间约束的机载点云数据电力杆塔自动提取方法 | |
| CN107194827A (zh) | 一种电力网络管理方法 | |
| CN104866840A (zh) | 一种从机载激光点云数据识别架空电力线的方法 | |
| CN107340534A (zh) | 一种基于三维地形坡度坡向的观测系统炮点优化设计方法 | |
| CN109631818A (zh) | 用于输电线路的净空分析方法及装置、存储介质 | |
| CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
| CN109583467A (zh) | 一种电力气象数据融合方法和系统 | |
| CN117115728A (zh) | 一种应用于变电站现场作业的风险识别方法及系统 | |
| CN117371949B (zh) | 基于三维可视化模型的输电线路施工安全监测方法及系统 | |
| CN109814123A (zh) | 基于格网划分的电力杆塔位置提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200117 Address after: 510000 room 501-503, annex building, Huaye building, No.1-3, Chumo new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province Patentee after: Guangdong Electric Power Research Institute of energy technology limited liability company Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Patentee before: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Patentee after: China Southern Power Grid Power Technology Co.,Ltd. Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Patentee before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd. |