CN106683089B - 一种带约束配准的杆塔变形检测方法 - Google Patents
一种带约束配准的杆塔变形检测方法 Download PDFInfo
- Publication number
- CN106683089B CN106683089B CN201611253900.2A CN201611253900A CN106683089B CN 106683089 B CN106683089 B CN 106683089B CN 201611253900 A CN201611253900 A CN 201611253900A CN 106683089 B CN106683089 B CN 106683089B
- Authority
- CN
- China
- Prior art keywords
- tower
- point cloud
- original
- cloud data
- offset
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种带约束配准的杆塔变形检测方法,包括步骤:获取原始杆塔的原始三维点云数据;获取待测阶段杆塔的状态三维点云数据;去噪处理和杆塔轴线提取;初始配准和精细配准;测量原始杆塔轴线和杆塔偏移状态轴线的夹角即为杆塔倾斜角;计算偏移杆塔上每一空间点到原始杆塔的欧氏距离,并计算经过精细配准的两片已去噪点云数据之间的Hausdorff距离,将欧氏距离与Hausdorff距离的比值作为杆塔偏移量;将杆塔偏移量转换为可视化的灰度值,得到杆塔形变偏差云图。实现对杆塔整体变形情况的有效分析,以直接得到杆塔在三维空间中的各处变形程度,不仅检测准确度高、效率高、成本低,而且不受外界环境的影响、便于操作。
Description
技术领域
本发明涉及一种变形检测方法,特别是涉及一种带约束配准的杆塔变形检测方法,属于变形检测技术领域。
背景技术
随着科技进步及社会的现代化发展,人民生活质量与需求不断的提高,用电量也随之大幅提升,这对于电网供电安全与可靠性能提出了越来越高的要求。电力的传输与分配离不开架空高压输电线路,高压架空杆塔、传输电缆广泛分布,其工作运行的好坏决定了电力系统的安全和效益。随着日渐长久,杆塔受到风霜雨雪等自然因素及近年来矿物开釆造成形态各异的地下釆空区等人为因素的影响,轻者可造成开裂、倾斜、杆塔变形,重者造成杆塔倾倒、坍塌,这将对输电网的安全运行造成极大威胁,对人民生命财产造成损失。
在过去很长一段时间内,我国杆塔变形检测的主要方式为人工目测巡检,耗费大量的人力物力资源,并且人工巡查容易出现检测疏忽、缺陷忽略、偏差较大等问题。当前,也出现了一些利用电工装置或传感器的检测方法,虽然在检测准确度上有了较大提升,但对于多次大批量杆塔变形程度检测作业来说,仍旧存在着效率不高、装置安装维护成本高、存在安全隐患等问题。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种带约束配准的杆塔变形检测方法,不仅检测准确度高、效率高、成本低,而且不受外界环境的影响、便于操作。
为了达到上述目的,本发明所采用的技术方案是:
一种带约束配准的杆塔变形检测方法,包括以下步骤:
1)获取原始杆塔的原始三维点云数据;
在杆塔竣工初期,在原始杆塔四周布置三个参照物,三个参照物的形变和偏移忽略不计;
对原始杆塔及其四周参照物,利用三维激光扫描仪进行激光扫描,获取原始杆塔的原始三维点云数据并保存,该原始三维点云数据作为日后该杆塔变形检测的参照;
2)获取待测阶段杆塔的状态三维点云数据;
对需要检测的杆塔及其四周参照物,利用三维激光扫描仪进行激光扫描,获取待测阶段杆塔的状态三维点云数据并保存;
3)去噪处理和杆塔轴线提取;
根据三维激光扫描仪所获得的回波强度值,对原始三维点云数据和状态三维点云数据分别进行去噪处理;
对经去噪处理后的原始三维点云数据和状态三维点云数据这两片已去噪点云数据,分别取杆塔每一层截面四边形的对角线交点获得对角线交点点集,并将对角线交点点集拟合为杆塔轴线,提取到原始杆塔轴线和杆塔状态轴线;
4)初始配准;
在两片已去噪点云数据中,通过寻找三个参照物上的特征点,按照两片已去噪点云数据重叠区域为上限值的初配原则进行配准;
5)精细配准;
对于两片已去噪点云数据中参照物的点云图像,采用ICP算法进行精细配准,使得经初始配准的两片已去噪点云数据统一到一个坐标系内;
6)测量杆塔倾斜角;
在经过精细配准的两片已去噪点云数据中,原始杆塔轴线保持不变,杆塔状态轴线配准后偏移为杆塔偏移状态轴线,将具有该杆塔偏移状态轴线的待测阶段杆塔记为偏移杆塔;
测量原始杆塔轴线和杆塔偏移状态轴线的夹角即为杆塔倾斜角,该杆塔倾斜角作为杆塔形变的直观参数;
7)计算杆塔形变;
计算偏移杆塔上每一空间点到原始杆塔的欧氏距离,并计算经过精细配准的两片已去噪点云数据之间的Hausdorff距离,将欧氏距离与Hausdorff距离的比值作为杆塔偏移量;
将杆塔偏移量转换为可视化的灰度值,得到杆塔形变偏差云图。
本发明进一步设置为:所述步骤1)中的三个参照物均为200×200×400的水泥立方体,三个参照物布置在原始杆塔四周10米半径范围内,并相邻隔60°、120°、180°,三个参照物所在三点构成直角三角形。
本发明进一步设置为:所述步骤2)和步骤3)中的三维激光扫描仪均采用ScanStation P20。
本发明进一步设置为:所述步骤3)中的去噪处理,具体为,选择回波强度值-1400~-1800区间范围作为杆塔结构点云筛选的阈值区间,将原始三维点云数据和状态三维点云数据的在阈值区间外的点云作为点云噪声去除。
本发明进一步设置为:所述步骤3)中的将对角线交点点集拟合为杆塔轴线,具体是采用最小二乘法进行拟合。
本发明进一步设置为:所述步骤5)中的采用ICP算法进行精细配准,具体为,
利用四元数法,求的最小值,来求得最优的旋转矩阵;其中,F(q)为目标函数,R(qR)为旋转矩阵,qT为平移矩阵;
5-1)将经去噪处理后的原始三维点云数据中的参照物的点云图像记为参照物点云P,将经去噪处理后的状态三维点云数据中的参照物的点云图像记为参照物点云Q;
以参照物点云P为基准,以参照物点云Q为配准对象,分别计算参照物点云P和参照物点云Q的重心,
其中,为参照物点云P的重心,为参照物点云Q的重心,N为自然数,NP为参照物点云P中点的个数,pi为参照物点云P中的某一点坐标值,NQ为参照物点云Q中点的个数,qi为参照物点云Q中的某一点坐标值;
5-2)根据参照物点云P和参照物点云Q构造协方差矩阵,
其中,T为矩阵转置算法;
5-3)将协方差矩阵ΣP,Q写成对称矩阵形式,
其中,I3为三阶单位矩阵,tr(ΣP,Q)是协方差矩阵ΣP,Q的迹,Δ=[A23A31A12]T,
5-4)求得Q(∑P,Q)的特征值以及特征向量,最大特征值的特征向量即为需要求得的旋转向量qR=[q0q1q2q3]T;
5-5)根据所求得的旋转向量qR再求得旋转矩阵。
本发明进一步设置为:所述步骤7)计算杆塔形变,具体为,
7-1)将经过精细配准的两片已去噪点云数据对应原始杆塔和偏移杆塔分别记为A和B',计算偏移杆塔上每一空间点到原始杆塔的欧氏距离DE(x,A)(x∈B')并存于动态数组E中;
其中,x为偏移杆塔上任意一空间点,a为原始杆塔上任意一空间点;
7-2)将经过精细配准的两片已去噪点云数据之间的Hausdorff距离DH(B',A)记为L,赋于L的初值为0;
在动态数组E中寻找最大值赋于L,即
7-3)将欧氏距离DE(x,A)(x∈B')与L的比值作为杆塔偏移量;
7-4)将杆塔偏移量转换为可视化的灰度值,灰度值表示的伪码程序为,
ratio←DE(x,A)/L
grey←255*ratio
经过转换即可得到误差从小到大、所对应的颜色从黑到白的杆塔形变偏差云图。
与现有技术相比,本发明具有的有益效果是:
通过原始数据和检测数据的获取,经过去噪处理后,再利用参照物的点云图像进行配准,从而计算得到杆塔倾斜角和杆塔形变,实现对杆塔整体变形情况的有效分析,以直接得到杆塔在三维空间中的各处变形程度;并且以可视化的杆塔形变偏差云图作为显示,避免了传统的只能得到单一投影方向或者单一变形参数的缺点,能更好的为杆塔维护提供准确的基础数据;同时,该检测方法的操作不受外界环境的影响,既不需要工作人员到达被测杆塔处,也不需要在杆塔上安装反射元件,可有效地解决现有测量效率不高、作业存在安全隐患的问题,检测精度得以大幅提高,经济而实用。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为本发明一种带约束配准的杆塔变形检测方法的流程图;
图2是本发明检测方法中原始杆塔及其四周参照物的三维示意图;
图3是本发明检测方法中原始杆塔及其四周参照物的俯视示意图;
图4为本发明检测方法中激光扫描获得的原始杆塔的原始三维点云数据图;
图5是本发明检测方法中杆塔轴线的拟合示意图;
图6是本发明检测方法得到的杆塔形变偏差云图(单位:米)。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
本发明提供一种带约束配准的杆塔变形检测方法,如图1所示,包括以下步骤:
1)获取原始杆塔的原始三维点云数据;
在杆塔竣工初期,在原始杆塔四周布置三个参照物,三个参照物的形变和偏移忽略不计,而且竣工初期的杆塔是经过检测合格的竖直杆塔;如图2和图3所示,三个参照物均为200×200×400的水泥立方体,分别为参照物A、参照物B和参照物C;三个参照物布置在原始杆塔四周10米半径范围内,并相邻隔60°、120°、180°,三个参照物所在三点构成直角三角形。
对原始杆塔及其四周参照物,利用型号为ScanStation P20的三维激光扫描仪进行激光扫描,获取原始杆塔的原始三维点云数据并保存,如图4所示,该原始三维点云数据作为日后该杆塔变形检测的参照。
2)获取待测阶段杆塔的状态三维点云数据;
对需要检测的同一杆塔及其四周参照物,也利用型号为ScanStation P20的三维激光扫描仪进行激光扫描,获取待测阶段杆塔的状态三维点云数据并保存。
其中,为便于所测数据的质量,需保证三维激光扫描仪的水平,通过调节三维激光扫描仪上的调平装置,使气泡位于水平仪正中心。
3)去噪处理和杆塔轴线提取;
将原始三维点云数据和状态三维点云数据输入数据处理计算机,由于杆塔是桁架结构对象,所以受其自身结构和周边环境的原因,在激光扫描时难免会将周围环境的点云数据一并扫描录入;因此可以根据三维激光扫描仪所获得的回波强度值,对原始三维点云数据和状态三维点云数据分别进行去噪处理,以免噪声数据影响检测准确性。
其中去噪处理具体为,选择回波强度值-1400~-1800区间范围作为杆塔结构点云筛选的阈值区间,将原始三维点云数据和状态三维点云数据的在阈值区间外的点云作为点云噪声去除。
对经去噪处理后的原始三维点云数据和状态三维点云数据这两片已去噪点云数据,分别取杆塔每一层截面四边形的对角线交点获得对角线交点点集,并采用最小二乘法将对角线交点点集拟合为杆塔轴线,如图5所示,提取到原始杆塔轴线和杆塔状态轴线。
4)初始配准;
在两片已去噪点云数据中,通过寻找三个参照物上的特征点,按照两片已去噪点云数据重叠区域为上限值的初配原则进行配准。
5)精细配准;
对于两片已去噪点云数据中参照物的点云图像,采用ICP算法进行精细配准,使得经初始配准的两片已去噪点云数据统一到一个坐标系内。
其中采用ICP算法进行精细配准,具体为,
利用四元数法,求的最小值,来求得最优的旋转矩阵;其中,F(q)为目标函数,R(qR)为旋转矩阵,qT为平移矩阵;
5-1)将经去噪处理后的原始三维点云数据中的参照物的点云图像记为参照物点云P,将经去噪处理后的状态三维点云数据中的参照物的点云图像记为参照物点云Q;
以参照物点云P为基准,以参照物点云Q为配准对象,分别计算参照物点云P和参照物点云Q的重心,
其中,为参照物点云P的重心,为参照物点云Q的重心,N为自然数,NP为参照物点云P中点的个数,pi为参照物点云P中的某一点坐标值,NQ为参照物点云Q中点的个数,qi为参照物点云Q中的某一点坐标值;
5-2)根据参照物点云P和参照物点云Q构造协方差矩阵,
其中,T为矩阵转置算法;
5-3)根据上述协方差矩阵,将协方差矩阵写成对称矩阵形式:
其中,I3为三阶单位矩阵,tr(∑P,Q)是协方差矩阵∑P,Q的迹,Δ=[A23A31A12]T,
5-4)求得Q(∑P,Q)的特征值以及特征向量,最大特征值的特征向量即为需要求得的旋转向量qR=[q0q1q2q3]T;
5-5)根据所求得的旋转向量qR再求得旋转矩阵。
6)测量杆塔倾斜角;
在经过精细配准的两片已去噪点云数据中,原始杆塔轴线保持不变,杆塔状态轴线配准后偏移为杆塔偏移状态轴线,将具有该杆塔偏移状态轴线的待测阶段杆塔记为偏移杆塔。
测量原始杆塔轴线和杆塔偏移状态轴线的夹角即为杆塔倾斜角,该杆塔倾斜角作为杆塔形变的直观参数。
7)计算杆塔形变;
计算偏移杆塔上每一空间点到原始杆塔的欧氏距离,并计算经过精细配准的两片已去噪点云数据之间的Hausdorff距离,将欧氏距离与Hausdorff距离的比值作为杆塔偏移量;
将杆塔偏移量转换为可视化的灰度值,得到杆塔形变偏差云图。
为方便描述算法,先引入两个基本概念:
空间中一点x到点云R的距离定义为:
其中,d(x,r)为点x到点云R中任一点r的欧氏距离,DE(x,R)为点云R上离点云X最近的点到点x的距离;
空间中的点云Q到点云R的单向Hausdorff距离定义为:
DH(Q,R)为点云Q中离点云R最近点的所有距离的最大值。
7-1)将经过精细配准的两片已去噪点云数据对应原始杆塔和偏移杆塔分别记为A和B',计算偏移杆塔上每一空间点到原始杆塔的欧氏距离DE(x,A)(x∈B')并存于动态数组E中;
其中,x为偏移杆塔上任意一空间点,a为原始杆塔上任意一空间点;
7-2)将经过精细配准的两片已去噪点云数据之间的Hausdorff距离DH(B',A)记为L,赋于L的初值为0;
在动态数组E中寻找最大值赋于L,即
7-3)将欧氏距离DE(x,A)(x∈B')与L的比值作为杆塔偏移量;
7-4)将杆塔偏移量转换为可视化的灰度值,灰度值表示的伪码程序为,
ratio←DE(x,A)/L
grey←255*ratio
经过转换即可得到误差从小到大、所对应的颜色从黑到白的杆塔形变偏差云图。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种带约束配准的杆塔变形检测方法,其特征在于,包括以下步骤:
1)获取原始杆塔的原始三维点云数据;
在杆塔竣工初期,在原始杆塔四周布置三个参照物,三个参照物的形变和偏移忽略不计;
对原始杆塔及其四周参照物,利用三维激光扫描仪进行激光扫描,获取原始杆塔的原始三维点云数据并保存,该原始三维点云数据作为日后该杆塔变形检测的参照;
2)获取待测阶段杆塔的状态三维点云数据;
对需要检测的杆塔及其四周参照物,利用三维激光扫描仪进行激光扫描,获取待测阶段杆塔的状态三维点云数据并保存;
3)去噪处理和杆塔轴线提取;
根据三维激光扫描仪所获得的回波强度值,对原始三维点云数据和状态三维点云数据分别进行去噪处理;
对经去噪处理后的原始三维点云数据和状态三维点云数据这两片已去噪点云数据,分别取杆塔每一层截面四边形的对角线交点获得对角线交点点集,并将对角线交点点集拟合为杆塔轴线,提取到原始杆塔轴线和杆塔状态轴线;
4)初始配准;
在两片已去噪点云数据中,通过寻找三个参照物上的特征点,按照两片已去噪点云数据重叠区域为上限值的初配原则进行配准;
5)精细配准;
对于两片已去噪点云数据中参照物的点云图像,采用ICP算法进行精细配准,使得经初始配准的两片已去噪点云数据统一到一个坐标系内;
6)测量杆塔倾斜角;
在经过精细配准的两片已去噪点云数据中,原始杆塔轴线保持不变,杆塔状态轴线配准后偏移为杆塔偏移状态轴线,将具有该杆塔偏移状态轴线的待测阶段杆塔记为偏移杆塔;
测量原始杆塔轴线和杆塔偏移状态轴线的夹角即为杆塔倾斜角,该杆塔倾斜角作为杆塔形变的直观参数;
7)计算杆塔形变;
计算偏移杆塔上每一空间点到原始杆塔的欧氏距离,并计算经过精细配准的两片已去噪点云数据之间的Hausdorff距离,将欧氏距离与Hausdorff距离的比值作为杆塔偏移量;
将杆塔偏移量转换为可视化的灰度值,得到杆塔形变偏差云图。
2.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤1)中的三个参照物均为200×200×400mm3的水泥立方体,三个参照物布置在原始杆塔四周10米半径范围内,并相邻隔60°、120°、180°,三个参照物所在三点构成直角三角形。
3.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤2)和步骤3)中的三维激光扫描仪均采用ScanStation P20。
4.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤3)中的去噪处理,具体为,选择回波强度值-1400~-1800区间范围作为杆塔结构点云筛选的阈值区间,将原始三维点云数据和状态三维点云数据的在阈值区间外的点云作为点云噪声去除。
5.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤3)中的将对角线交点点集拟合为杆塔轴线,具体是采用最小二乘法进行拟合。
6.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤5)中的采用ICP算法进行精细配准,具体为,
利用四元数法,求的最小值,来求得最优的旋转矩阵;其中,F(q)为目标函数,R(qR)为旋转矩阵,qT为平移矩阵;
5-1)将经去噪处理后的原始三维点云数据中的参照物的点云图像记为参照物点云P,将经去噪处理后的状态三维点云数据中的参照物的点云图像记为参照物点云Q;
以参照物点云P为基准,以参照物点云Q为配准对象,分别计算参照物点云P和参照物点云Q的重心,
其中,为参照物点云P的重心,为参照物点云Q的重心,NP为参照物点云P中点的个数,pi为参照物点云P中的某一点坐标值,NQ为参照物点云Q中点的个数,qi为参照物点云Q中的某一点坐标值;
5-2)根据参照物点云P和参照物点云Q构造协方差矩阵,
其中,T为矩阵转置算法;
5-3)将协方差矩阵∑P,Q写成对称矩阵形式,
其中,I3为三阶单位矩阵,tr(∑P,Q)是协方差矩阵∑P,Q的迹,Δ=[A23A31A12]T,
5-4)求得Q(∑P,Q)的特征值以及特征向量,最大特征值的特征向量即为需要求得的旋转向量qR=[q0q1q2q3]T;
5-5)根据所求得的旋转向量qR再求得旋转矩阵。
7.根据权利要求1所述的一种带约束配准的杆塔变形检测方法,其特征在于:所述步骤7)计算杆塔形变,具体为,
7-1)将经过精细配准的两片已去噪点云数据对应原始杆塔和偏移杆塔分别记为A和B',计算偏移杆塔上每一空间点到原始杆塔的欧氏距离DE(x,A)(x∈B')并存于动态数组E中;
其中,x为偏移杆塔上任意一空间点,a为原始杆塔上任意一空间点;
7-2)将经过精细配准的两片已去噪点云数据之间的Hausdorff距离DH(B',A)记为L,赋于L的初值为0;
在动态数组E中寻找最大值赋于L,即
7-3)将欧氏距离DE(x,A)(x∈B')与L的比值作为杆塔偏移量;
7-4)将杆塔偏移量转换为可视化的灰度值,灰度值表示为,
ratio=DE(x,A)/L
grey=255*ratio
经过转换即可得到误差从小到大、所对应的颜色从黑到白的杆塔形变偏差云图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253900.2A CN106683089B (zh) | 2016-12-30 | 2016-12-30 | 一种带约束配准的杆塔变形检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253900.2A CN106683089B (zh) | 2016-12-30 | 2016-12-30 | 一种带约束配准的杆塔变形检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106683089A CN106683089A (zh) | 2017-05-17 |
CN106683089B true CN106683089B (zh) | 2019-12-31 |
Family
ID=58872336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611253900.2A Active CN106683089B (zh) | 2016-12-30 | 2016-12-30 | 一种带约束配准的杆塔变形检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683089B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11830150B1 (en) * | 2020-04-27 | 2023-11-28 | State Farm Mutual Automobile Insurance Company | Systems and methods for visualization of utility lines |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784652B (zh) * | 2017-10-30 | 2021-08-10 | 广东电网有限责任公司机巡作业中心 | 一种基于无人机影像的杆塔快速检测方法 |
CN108253925B (zh) * | 2018-01-08 | 2020-10-02 | 中煤科工集团武汉设计研究院有限公司 | 一种基于点云剖面的隧道变形监测方法、设备及存储设备 |
CN109523578A (zh) * | 2018-08-27 | 2019-03-26 | 中铁上海工程局集团有限公司 | 一种bim模型与点云数据的匹配方法 |
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 |
CN110030977A (zh) * | 2019-04-13 | 2019-07-19 | 国网吉林省电力有限公司经济技术研究院 | 一种输电铁塔图像识别装置及预警系统 |
CN110057316A (zh) * | 2019-04-25 | 2019-07-26 | 华南理工大学 | 一种基于无人机图像识别的建筑塔机杆件屈曲监测的方法 |
CN110567422B (zh) * | 2019-06-25 | 2021-07-06 | 江苏省特种设备安全监督检验研究院 | 一种起重机吊钩扭转角自动检测方法 |
CN110360944B (zh) * | 2019-06-25 | 2021-03-26 | 江苏省特种设备安全监督检验研究院 | 一种基于三维点云的吊钩形变监测与显示方法 |
US11734767B1 (en) | 2020-02-28 | 2023-08-22 | State Farm Mutual Automobile Insurance Company | Systems and methods for light detection and ranging (lidar) based generation of a homeowners insurance quote |
CN111429492B (zh) * | 2020-03-20 | 2020-12-15 | 南京航空航天大学 | 一种基于局部不变形的飞机c型梁配准方法 |
CN111553881A (zh) * | 2020-03-27 | 2020-08-18 | 武汉地大信息工程股份有限公司 | 基于三维点云识别的检测铁塔形变的方法和系统 |
CN111644901B (zh) * | 2020-04-09 | 2022-05-13 | 武汉船用机械有限责任公司 | 工件加工轴线的校正方法和装置 |
CN111768490B (zh) * | 2020-05-14 | 2023-06-27 | 华南农业大学 | 基于迭代最近点与人工干预的植物三维建模方法及系统 |
CN112037331B (zh) * | 2020-09-14 | 2024-06-14 | 广东电网有限责任公司江门供电局 | 一种快速判定电力杆塔危险性的方法及其系统 |
CN112698303A (zh) * | 2020-12-23 | 2021-04-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于无人机激光雷达点云杆塔倾斜参数测量方法及系统 |
CN113793296A (zh) * | 2021-08-06 | 2021-12-14 | 中国科学院国家天文台 | 一种点云数据处理方法及装置 |
CN115690219A (zh) * | 2023-01-03 | 2023-02-03 | 山东矩阵软件工程股份有限公司 | 一种复杂环境下运行列车三维信息的检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646163A (zh) * | 2012-02-27 | 2012-08-22 | 华北电力大学(保定) | 用于电力线弧垂计算的悬挂曲线模型判定方法 |
JP2015162095A (ja) * | 2014-02-27 | 2015-09-07 | 中国電力株式会社 | 地すべり保全管理システムおよび地すべり保全管理方法 |
CN105333861A (zh) * | 2015-12-02 | 2016-02-17 | 中国测绘科学研究院 | 基于激光点云的杆塔倾斜检测的方法及装置 |
CN106092049A (zh) * | 2016-08-13 | 2016-11-09 | 哈尔滨理工大学 | 杆塔倾斜智能图像在线监测系统 |
-
2016
- 2016-12-30 CN CN201611253900.2A patent/CN106683089B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646163A (zh) * | 2012-02-27 | 2012-08-22 | 华北电力大学(保定) | 用于电力线弧垂计算的悬挂曲线模型判定方法 |
JP2015162095A (ja) * | 2014-02-27 | 2015-09-07 | 中国電力株式会社 | 地すべり保全管理システムおよび地すべり保全管理方法 |
CN105333861A (zh) * | 2015-12-02 | 2016-02-17 | 中国测绘科学研究院 | 基于激光点云的杆塔倾斜检测的方法及装置 |
CN106092049A (zh) * | 2016-08-13 | 2016-11-09 | 哈尔滨理工大学 | 杆塔倾斜智能图像在线监测系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11830150B1 (en) * | 2020-04-27 | 2023-11-28 | State Farm Mutual Automobile Insurance Company | Systems and methods for visualization of utility lines |
US11900535B1 (en) | 2020-04-27 | 2024-02-13 | State Farm Mutual Automobile Insurance Company | Systems and methods for a 3D model for visualization of landscape design |
Also Published As
Publication number | Publication date |
---|---|
CN106683089A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683089B (zh) | 一种带约束配准的杆塔变形检测方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN113744270B (zh) | 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法 | |
CN110244766B (zh) | 一种光伏电站无人机巡检航线的规划方法及系统 | |
CN106127771B (zh) | 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 | |
CN101957309B (zh) | 一种能见度的全天候视频测量方法 | |
Zou et al. | CNN-based statistics and location estimation of missing components in routine inspection of historic buildings | |
CN109900713B (zh) | 摄像引导的无人机风电叶片缺陷动态检测系统及其方法 | |
CN105045950A (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
CN102297660A (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN105354832B (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN103017734A (zh) | 一种基于激光雷达的杆塔倾斜率测量方法 | |
CN112802004B (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN113554667A (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
Sun et al. | Building displacement measurement and analysis based on UAV images | |
CN111696156B (zh) | 一种免控制点的遥感影像坐标转换方法 | |
CN114494385A (zh) | 一种输水隧洞病害可视化预警方法 | |
CN112270234B (zh) | 一种基于航拍图像的输电线路绝缘子目标识别方法 | |
CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
CN102999904B (zh) | 基于平面的微纳物体图像倾斜校正方法 | |
CN104933702B (zh) | 输电线路塔架的检测方法及装置 | |
CN113469127A (zh) | 河流敏感性等级划分方法、装置、设备及存储介质 | |
Zhang et al. | Research on 3D modeling of UAV tilt photogrammetry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |