CN107170045A - 基于点云数据对变电站变压器进行建模的方法 - Google Patents

Abstract

本发明公开了一种基于点云数据对变电站变压器进行建模的方法，其包括步骤：(1)采用多次扫描的方式采集变电站变压器的点云数据；(2)将多次扫描获得的变电站变压器的点云数据进行拼接；(3)对点云数据进行消噪处理；(4)对消噪后的点云数据进行抽稀；(5)基于变电站变压器的实际结构对点云数据进行分割；(6)根据点云数据的分类指标对分割后的点云数据进行分类；(7)基于分类后的点云数据进行模型分类重构；(8)拼接得到完整的变电站变压器模型。本发明方法可准确高效地对变电站变压器进行建模以实现变电站变压器的三维重构，为变电站三维可视化、智能化监管提供良好的基础。

Description

基于点云数据对变电站变压器进行建模的方法

技术领域

本发明涉及一种建模方法，尤其涉及一种对变电站变压器进行建模的方法。

背景技术

变压器是利用电磁感应的原理来改变交流电压的装置，变电站主变压器主要用于向系统或用户输送功率，主变压器关系到主接线的形式和配电装置的结构，是变电站中至关重要的电力设备。随着计算机技术、三维可视化等技术的发展，变电站三维可视化研究逐渐受到相关人士的关注，变电站三维实景重构作为三维可视化的基础，是实现高质量、高真实性变电站三维可视化的关键。而实现变电站实景三维重构，需对变电站内部各种设备进行准确高效地三维重构。目前可考虑用于变电站三维重构的建模方法主要包括：

(1)基于虚拟现实建模语言的建模方法。

虚拟现实建模语言(Virtual Reality Modeling Language，VRML)不仅是一种建模语言，也是一种描绘3D场景中对象行为的场景语言。VRML通过编程语言以立方体、圆锥体、圆柱体、球体等为原始对象构造变压器、隔离开关、断路器、电压与电流互感器等电气设施及建筑模型，并给模型贴上特定材质，然后拼接这些模型以完成整个变电站的三维场景建模。VRML脚本节点(script)对应的Java语言可以利用变电站模型进行人机交互，进而实现变电站虚拟现实系统。VRML建模法虽可方便地进行人机交互，但拟合的模型由于采用立方体、圆锥体、圆柱体、球体的组合构建，必然造成变电站模型缺乏真实感，模型精度差。

(2)基于几何造型的建模方法。

几何造型建模方法依据变电站数码图片、设计图纸和厂家设施图纸，利用AutoCAD、3dMax、Maya等专业软件，按照一定比例采用立方体、圆柱体、圆锥体、圆环等建立变电站各种电气设施的三维模型，然后设置模型贴图与材质，拼接电气设施模型完成变电站三维场景建模，该建模方法获取的模型主要有三种:线框模型、表面模型与实体模型。几何造型建模法效率和直观性较好，但难以实现真实场景建模。

以上两种建模方法作为目前可用于变电站模型三维重构的常规方法，均无法实现变电站模型真实、高精度的模型重构，只能适用于一些对模型精度要求低、对真实性要求不高的场合中，无法满足变电站三维可视化运用的要求。需特别指出的是，主变压器作为变电站中的关键电气设备，精确高效的建模至关重要。但是目前已有的可用于变电站主变压器的建模方法主要包括虚拟现实建模语言建模法以及几何造型建模法，这些方法都存在着精度低、真实性不足以及建模效率低等问题，不足以满足主变压器实景、高效以及高真实性的建模要求。因此，为了实现变电站的实景三维重构，必须对变压器的建模方法进行研究，弥补现有方法的不足。

(3)基于激光点云的建模方法。

近年来，随着激光测量技术的发展，利用激光雷达扫描仪获取物体表面的激光点云具备高精度、高效率等优点。点云数据是指利用激光、摄影等测量手段获取物体表面的特征点，这些特征点有可能包括物体的空间三维坐标、颜色信息和反射强度信息，由于点数量很大，因此称为点云。由于地面三维激光雷达采集到的被测对象点云数据具有高精度、全数字特征、图像化等优点，依据点云数据全数字特征与图像化相结合的优势，可为三维重构提供数据支持，且利用该方法构建模型具有精度高、效率高、可调整等优点，弥补了传统建模手段效率低、精度差等不足。该方法已被广泛地应用于文物保护、建筑测绘、交通运输、船舶制造等多个领域，并取得了很好的应用效果。但是这些应用局限于一些简单规则物体的建模以及测量方面，比如边界单一的建筑物建模、结构单一的公共设施建模以及距离、高度、体积等测量，很少涉及到复杂模型的重构。鉴于变电站结构的复杂性和特殊性，其他领域中应用的建模方法无法简单地移植到变电站模型重构当中，直接使用其他领域的建模方法进行变电站模型的重构会造成模型精度差、细节缺失等问题。因此，期望获得一种可用于变电站变压器的基于点云数据的建模方法。

发明内容

本发明的目的是提供一种基于点云数据对变电站变压器进行建模的方法，该方法可用于准确高效地对变电站变压器进行建模以实现变电站变压器的三维重构，从而可进一步实现变电站的实景三维重构，为变电站三维可视化、智能化监管提供良好的基础。

根据上述发明目的，本发明提出了一种基于点云数据对变电站变压器进行建模的方法，其包括步骤：

(1)采用多次扫描的方式采集变电站变压器的点云数据，所述点云数据至少包含三维坐标数据；

(2)将多次扫描获得的变电站变压器的点云数据进行拼接，以实现点云数据所包含的三维坐标数据的归一化；

(3)对点云数据进行消噪处理；

(4)对消噪后的点云数据进行抽稀；

(5)基于变电站变压器的实际结构对点云数据进行分割；

(6)根据点云数据的分类指标对分割后的点云数据进行分类，所述分类指标包括：结构特征、边界形式、空间位置、尺寸参数和排列方式的至少其中之一；

(7)基于分类后的点云数据进行模型分类重构；

(8)拼接得到完整的变电站变压器模型。

本发明所述的基于点云数据对变电站变压器进行建模的方法通过采集变电站变压器的点云数据并进行一系列的数据处理，然后基于变电站变压器的实际结构对点云数据进行分割和分类，再基于分割和分类的点云数据进行分类重构得到分割的模型，最后对该分割的模型进行拼接得到完整的变电站变压器模型。其中：

步骤(1)中，所述多次扫描通常是通过多个扫描站点分别从不同的角度对所述变电站变压器进行扫描，其目的主要是为了尽可能全方位地采集变电站变压器的点云数据。所述多次扫描可以利用激光雷达扫描仪进行扫描，其获取点云数据属于现有技术，因此此处不作详细描述。

步骤(2)中，所述三维坐标数据的归一化的方法可以是通过布置球形标靶对三维坐标数据进行定位以实现归一化。

步骤(3)中，所述消噪处理包括自动消噪，即采用自动消噪算法将大部分噪点(主要是空气中细小颗粒形成的噪点)消除。适用于点云的自动消噪算法很多，其为现有技术，因此此处不作详细描述。

步骤(4)中，抽稀是指在保证矢量曲线形状基本不变的情况下，最大限度地减少数据点个数，从而节约存储空间和减少后续处理的计算量。

步骤(5)中，基于变电站变压器的实际结构对点云数据进行分割可以很好地解决目前的三维建模局限于简单结构物体的问题，以及建模不规范、构建的模型不符合实际结构特征、无法进行拆分等问题。具体来说，可以基于结构图、维护手册来分割变压器，对变压器的可拆分组成部分分别构建模型，这样做的好处是十分有利于后期利用该模型进行变压器组装、维护等模拟操作，能够更好地满足本发明的初衷，即为变电站三维可视化提供模型支撑。其中，所述分割可以通过手动截取实现。

步骤(6)和步骤(7)中，由于目前还没有一个标准的三维模型重构的指导体系，且没有一种建模方法可用于变压器这种复杂模型的高精度重构当中，因此发明人提出对变压器分块建模的思想，包括：①依据变压器的分割后点云数据的基本特征，选定点云数据的分类指标，具体可包括结构特征、边界形式、空间位置、尺寸参数以及排列方式的至少其中之一。②依据上述选定的分类指标对分割后的点云进行分类。③依据点云类型进行模型分类重构。其中，所述分类的类别可以包括圆柱类、阵列结构类、圆环类、不规则类、中心旋转对称类以及导线类，对应不同的类型选择合适的模型分类重构方法。

步骤(8)中，由于点云数据包含着物体的空间三维坐标，利用点云数据构建的模型具有相同的空间坐标系，可利用模型在空间坐标系中的空间位置关系进行不同模型坐标的统一化，从而实现对上述分割构建的模型的拼接，得到完整变压器三维模型。

总体来说，变压器作为一种输变电的重要转换设备，结构精密，零部件众多，难以直接实现完整的变压器模型构建，因此需要对变压器按照一定的划分标准进行拆分，即分别利用不同部分的点云数据分别对不同组部分结构分别建模，最终将不同部分模型进行拼接得到完整的变压器三维实体模型，为变电站三维可视化提供模型支持。本发明方法对变压器设备采集点云数据，并且进行消噪、抽稀处理，采用分块建模再拼接，因此该方法可准确高效地对变电站变压器进行建模以实现变电站变压器的三维重构，从而可进一步实现变电站的实景三维重构，为变电站三维可视化、智能化监管提供良好的基础。

进一步地，本发明所述的基于点云数据对变电站变压器进行建模的方法中，在所述步骤(3)中，采用“自动消噪-手动消噪-自动消噪”依次更替循环的方式对点云数据进行消噪处理。

上述方案中，在自动消噪的基础上进行手动消噪，手动消噪对象可以包括地面、围墙、建筑、其他设备、人物等一切无关变压器点云以及未消除干净的空气噪点；然后对手动消噪后的噪点进行再次自动消噪，这是因为通常手动消噪后会将大部分噪点消除，但是仍会残留部分细小孤立噪点，这部分噪点是由于初次自动消噪残留或者由于手动消噪时对噪点簇进行消除时残留导致，通过再次自动消噪可以极大地减少这部分噪点，实现消噪效果的进一步优化。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，循环的次数至少为一次。

进一步地，本发明所述的基于点云数据对变电站变压器进行建模的方法，中，所述点云数据还包含颜色信息和反射强度信息的至少其中之一。

上述方案中，通过所述颜色信息和反射强度信息可以确定相应的表面颜色和材质。

进一步地，本发明所述及上述任一基于点云数据对变电站变压器进行建模的方法中，所述步骤(4)包括：

对于任意一区域内的点云数据，计算各个点的法向量；

寻找临近区域内与计算得到的法向量相似的点以及法向量突变的点，其中将法向量相似的点作为待删减点，将法向量突变的点作为保留点；

然后根据选定的比例对法向量相似的点进行删减。

上述方案中，通常对于任意一区域内点云中的任意一点P_k，其法向量N_k计算公式为：

其中l为以P_k为顶点的三角形个数，α_i为第i个三角形在顶点P_k处的相对角，V_i为第i个三角形的法向量。所述比例可依据采集到的点云精度进行合理选择。该方法可以很好地保持原有的轮廓特征，简化效率较高。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，判断法向量相似以及法向量突变的方法为：计算两个法向量间的夹角，若所述夹角小于等于设定的阈值，则判断为法向量相似；若所述夹角大于所述阈值，则判断为法向量突变。

上述方案中，通常任意两个法向量间的夹角计算方法如下：

进一步地，本发明所述的基于点云数据对变电站变压器进行建模的方法中，在所述步骤(5)中，将点云数据分割为：变压器储油柜点云数据、冷却器点云数据、均压环点云数据、器身点云数据、高压套管点云数据以及引线点云数据。

上述方案中，其分割依据通常包括变压器结构图、变压器维护手册。通常鉴于变压器的结构特征以及实际维护中涉及到的具体部件信息，可以将变压器点云数据分为变压器储油柜、冷却器、均压环、器身、高压套管及引线六个主要部分。具体方法可以包括：①依据变压器结构特征，将变压器分为器身以及其余附属结构。②参考变压器维护守则，针对经常进行常规维护检修的部件，将其作为特殊组成结构单独提取出来。③对于提取出来的特殊组成结构，如果存在复杂结构，可再次依据其结构特征作进一步的拆分。上述方案通常通过手动截取实现各部分点云数据的分割。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于变压器储油柜点云数据采用几何参数法建立变压器储油柜的模型。

上述方案中，所述变压器储油柜点云数据的分类可以归为圆柱类结构，因此所述变压器储油柜的模型采用几何参数法建立。所述几何参数法可以包括以下步骤：

首先，利用所述变压器储油柜点云数据提取两端界面圆，并分别提取两圆圆心O₁(x₁，y₁，z₁)、心O₂(x₂，y₂，z₂)以及半径r₁、r₂；计算变压器储油柜长度l，计算公式为：

同时，计算储油柜平均半径r:

最后，以O₁(x₁，y₁，z₁)为圆心，r为半径创建圆特征，并以O₁O₂为方向，l为长度构建圆柱特征，从而得到变压器储油柜三维实体模型。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于冷却器点云数据采用阵列建模法建立冷却器的模型。

上述方案中，所述冷却器点云数据的分类可以归为阵列结构类结构，因此所述冷却器的模型采用阵列建模法建立。所述阵列建模法可以包括以下步骤：

首先，利用所述冷却器点云数据创建第一个长方体特征；

其次，以所述冷却器点云数据为参考，创建与所述第一个长方体特征相邻的第二个长方体特征，提取两个长方体特征的间距；

然后，依据所述冷却器点云数据，统计冷却器所包含的相同长方体特征的个数n；

最后，以第一个长方体特征为起点，按照所述间距创建元素数量为n的阵列，从而形成冷却器的三维模型。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于均压环点云数据采用数字特征法建立均压环的模型。

上述方案中，所述均压环点云数据的分类可以归为圆环类结构，因此所述均压环的模型采用数字特征法建立。所述数字特征法是指利用对象的基本数字参数为依据构建对象模型的方法，在本方案中可以包括以下步骤：

首先，以所述均压环点云数据为参考，绘制均压环外圆及截面圆，从而提取外圆半径r，圆心O以及截面圆半径R；

然后，以圆心O为中心，r为外圆半径构建截面圆半径为R的圆环，从而得到均压环三维实体模型。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于器身点云数据采用布尔运算建立器身的模型。

上述方案中，所述器身点云数据的分类可以归为不规则类结构，因此所述器身的模型采用布尔运算建立。所述布尔运算可以包括以下步骤：

首先，依据所述器身点云数据创建矩形特征；

同时，提取器身高度l，利用所述矩形特征得到长方体特征；

最后，以所述器身点云数据为参考，构建三棱柱等基本特征体，基于布尔运算将所述长方体特征与所述基本特征体进行差、并、交集变换，从而得到器身的三维模型。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于高压套管点云数据采用三维旋转建模法建立高压套管的模型。

上述方案中，所述高压套管点云数据的分类可以归为中心旋转对称类结构，因此所述高压套管的模型采用三维旋转建模法建立。所述三维旋转建模法可以包括以下步骤：

首先，以竖直方向为z轴建立用户坐三维标系xyz，以xz平面为切片平面，y轴为切片延伸方向进行切片，得到高压套管点云薄切片；

然后，利用二维多义线勾勒套管二维轮廓，并经套管中心对称线形成闭合曲线框图；

最后，以二维轮廓上的点为旋转对象，套管中心线为旋转轴进行三维旋转，对于轮廓线上任意一点(x_i,y_i,z_i)，旋转后对应的曲线方程为x²+y²+(z-z_i)²＝x_i ²+y_i ²；通过对轮廓线上任意一点进行三维旋转操作，即可获得高压套管三维模型。

更进一步地，上述基于点云数据对变电站变压器进行建模的方法中，在所述步骤(7)中，基于引线点云数据采用平面扫掠法建立引线的模型。

上述方案中，所述引线点云数据的分类可以归为导线类，因此所述引线的模型采用平面扫掠法建立。所述平面扫掠法可以包括以下步骤：

首先，建立用户坐标系；

其次，基于所述引线点云数据提取引线点云横截面切片，并依据该引线点云横截面切片得到截面圆特征；

然后，以截面圆圆心为起点，以引线点云数据为参考，利用三维多义线绘制引线三维延伸轨迹；

最后，以截面圆为扫掠对象，引线三维延伸轨迹为扫掠路径进行扫掠，从而得到引线的三维模型。

本发明所述的基于点云数据对变电站变压器进行建模的方法的优点和有益效果包括：

(1)准确高效地对变电站变压器进行建模以实现变电站变压器的三维重构，从而可进一步实现变电站的实景三维重构，为变电站三维可视化、智能化监管提供良好的基础。

(2)有利于后期利用模型进行变压器组装、维护等模拟操作，能够更好地满足本发明的初衷，即为变电站三维可视化提供模型支撑。

(3)解决了传统建模方法精度低、真实性差的问题，并实现了利用激光点云实现变压器的高质量、高精度的建模，满足变压器实景、高效以及高真实性的建模要求。

(4)可以参考实际物体的规格尺寸对所建模型进行参数调整，具有可更改的优势。

附图说明

图1为本发明所述的基于点云数据对变电站变压器进行建模的方法在一种实施方式下的流程图。

图2为本发明所述的基于点云数据对变电站变压器进行建模的方法在一种实施方式下的点云数据中各点法向量的计算原理示意图。

图3为从变压器点云数据图分割出来的变压器储油柜点云数据图。

图4为基于图3的变压器储油柜点云数据图得到的变压器储油柜三维模型图。

图5为基于冷却器点云数据创建的长方体特征图。

图6为基于图5的长方体特征图得到的冷却器的阵列图。

图7为基于图6的阵列图得到的冷却器三维模型图。

图8为从变压器点云数据图分割出来的均压环点云数据图。

图9为基于图8的均压环点云数据图得到的均压环三维模型图。

图10为基于器身点云数据图创建的矩形特征图。

图11为基于图10的矩形特征图得到的长方体特征图。

图12为基于图11的长方体特征图和器身点云数据图得到的器身三维模型图。

图13为从变压器点云数据图分割出来的高压套管点云数据图。

图14为基于图13的高压套管点云数据图得到的高压套管点云薄切片图。

图15为基于图14的高压套管点云薄切片图得到的闭合曲线框图。

图16为基于图15的闭合曲线框图得到的高压套管三维模型图。

图17为基于输油管点云数据图得到的输油管三维延伸轨迹图。

图18为基于图17的输油管三维延伸轨迹图得到的输油管三维模型图。

图19为基于图4、图7、图9、图12、图16以及图18的各三维模型图得到的变压器三维模型图。

具体实施方式

下面将结合说明书附图和具体的实施例对本发明所述的基于点云数据对变电站变压器进行建模的方法做进一步的详细说明。

图1示意了本发明所述的基于点云数据对变电站变压器进行建模的方法在一种实施方式下的流程。图2示意了本发明所述的基于点云数据对变电站变压器进行建模的方法在一种实施方式下的点云数据中各点法向量的计算原理。图3显示了从变压器点云数据图分割出来的变压器储油柜点云数据。图4显示了基于图3的变压器储油柜点云数据得到的变压器储油柜三维模型。图5显示了基于冷却器点云数据创建的长方体特征。图6显示了基于图5的长方体特征得到的冷却器的阵列。图7显示了基于图6的阵列得到的冷却器三维模型。图8显示了从变压器点云数据图分割出来的均压环点云数据。图9显示了基于图8的均压环点云数据得到的均压环三维模型。图10显示了基于器身点云数据创建的矩形特征。图11显示了基于图10的矩形特征得到的长方体特征。图12显示了基于图11的长方体特征和器身点云数据得到的器身三维模型。图13显示了从变压器点云数据图分割出来的高压套管点云数据。图14显示了基于图13的高压套管点云数据得到的高压套管点云薄切片。图15显示了基于图14的高压套管点云薄切片得到的闭合曲线。图16显示了基于图15的闭合曲线得到的高压套管三维模型。图17显示了基于输油管点云数据得到的输油管三维延伸轨迹。图18显示了基于图17的输油管三维延伸轨迹得到的输油管三维模型。图19显示了基于图4、图7、图9、图12、图16以及图18的各三维模型得到的变压器三维模型。

如图1所示，该实施方式下的基于点云数据对变电站变压器进行建模的方法可以通过激光三维扫描仪、计算机及其上运行的软件实现，包括步骤：

步骤110：采用多次扫描的方式采集变电站变压器的点云数据，该点云数据至少包含三维坐标数据。其中，点云数据还可以包含颜色信息和/或反射强度信息。

本实施例中，利用激光雷达扫描仪分扫描站点采集变电站变压器点云数据，同时通过布置球形标靶对各扫描站点数据进行定位。

步骤120：将多次扫描获得的变电站变压器的点云数据进行拼接，以实现点云数据所包含的三维坐标数据的归一化。

本实施例中，依据球形标靶的空间三维坐标实现不同扫描站点数据的坐标归一化，实现点云数据坐标的统一。

步骤130：对点云数据进行消噪处理。

本实施例中，采用“自动消噪-手动消噪-自动消噪”依次更替循环的方式对点云数据进行消噪处理。其中，循环的次数至少为一次。具体来说，首先，采用自动消噪算法将大部分噪点(主要是空气中细小颗粒形成的噪点)消除；其次，在自动消噪的基础上进行手动消噪，手动消噪对象包含地面、围墙、建筑、其他设备、人物等一切无关点云以及未消除干净的空气噪点；最后，对手动消噪后的噪点进行再次自动消噪，通常来说手动消噪后会将大部分噪点消除，但是仍会残留部分细小孤立噪点，这部分噪点是由于初次自动消噪残留或者由于手动消噪时对噪点簇进行消除时残留导致，通过再次自动消噪可以极大地减少这部分噪点，实现消噪效果的最优。

步骤140：对消噪后的点云数据进行抽稀。

本实施例中，该步骤具体包括：对于任意一区域内的点云数据，计算各个点的法向量；寻找临近区域内与计算得到的法向量相似的点以及法向量突变的点，其中将法向量相似的点作为待删减点，将法向量突变的点作为保留点；然后根据选定的比例对法向量相似的点进行删减。其中，对于任意一区域内点云中的任意一点P_k，其法向量N_k计算公式为：

其中l为以P_k为顶点的三角形个数，α_i为第i个三角形在顶点P_k处的相对角，V_i为第i个三角形的法向量。图2显示了顶点P_k和其周围的五个点A1-A5形成的五个三角形，该五个三角形分别对应的相对角为α₁-α₅，相应的法向量为V1-V5，顶点P_k的法向量为N_k。上述比例依据采集到的点云精度进行合理选择。上述判断法向量相似以及法向量突变的方法为：计算两个法向量间的夹角，若该夹角小于等于设定的阈值，则判断为法向量相似；若该夹角大于设定的阈值，则判断为法向量突变。其中，任意两个法向量间的夹角计算方法如下：

通过上述步骤110～步骤140，实现了建模对象变压器的点云数据提取。

步骤150：基于变电站变压器的实际结构对点云数据进行分割。

本实施例中，基于变压器的结构特征以及实际维护中涉及到的具体部件信息，通过手动截取将变压器点云数据分割为：变压器储油柜点云数据、冷却器点云数据、均压环点云数据图、器身点云数据图、高压套管点云数据图以及输油管点云数据图，此外还包括连接结构点云数据。具体方法包括：①依据变压器结构特征，将变压器分为器身以及其余附属结构。②参考变压器维护守则，针对经常进行常规维护检修的部件，将其作为特殊组成结构单独提取出来，例如：由于变压器套管属于变压器重点检修与维护对象，因此将其作为特殊结构单独分割出来；冷却器是变压器另一个重要组成部分，关系到变压器正常运行以及运行质量，作为另一个特殊结构进行分割；变压器储油柜和作为引线结构的输油管也是维修的对象之一，因此，也将其作为特殊结构进行分割。③对于提取出来的特殊组成结构，如果存在复杂结构，可再次依据其结构特征作进一步的拆分，例如：变压器套管中，高压套管与其上端的均压环属于组合结构，基本结构特征不同，因此进行进一步分割；同理，将变压器储油柜与输油管进行进一步分割。

步骤160：根据点云数据的分类指标对分割后的点云数据进行分类，所述分类指标包括：结构特征、边界形式、空间位置、尺寸参数和排列方式的至少其中之一。

本实施例中，依据变压器的分割后点云数据的基本特征，选定点云数据的分类指标。具体指标包括结构特征、边界形式、空间位置、尺寸参数和排列方式。

步骤170：基于分类后的点云数据进行模型分类重构。

本实施例中，该步骤具体包括：

步骤1701：如图3所示，变压器储油柜点云数据归为圆柱类结构，相应地，基于变压器储油柜点云数据采用几何参数法建立变压器储油柜的模型。具体过程如下：

首先，利用变压器储油柜点云数据提取两端界面圆，并分别提取两圆圆心O₁(x₁，y₁，z₁)、心O₂(x₂，y₂，z₂)以及半径r₁、r₂；计算变压器储油柜长度l，计算公式为：

同时，计算储油柜平均半径r:

最后，以O₁(x₁，y₁，z₁)为圆心，r为半径创建圆特征，并以为方向，l为长度构建圆柱特征，并补充局部结构，从而得到变压器储油柜三维实体模型，如图4所示。

步骤1702：冷却器点云数据归为阵列结构类结构，相应地，基于冷却器点云数据采用阵列建模法建立冷却器的模型。具体过程如下：

首先，利用冷却器点云数据创建第一个长方体特征，如图5所示；

其次，以冷却器点云数据为参考，创建与所述第一个长方体特征相邻的第二个长方体特征，提取两个长方体特征的间距d；

然后，依据冷却器点云数据，统计冷却器所包含的相同长方体特征的个数n；

最后，以第一个长方体特征为起点，按照间距d创建元行数为n，列数为1的阵列，即可得到排列规整的冷却片组合，如图6所示，再通过补充基本特征体连接不同冷却片，从而形成冷却器的三维模型，如图7所示。

步骤1703：如图8所示，均压环点云数据归为圆环类结构，相应地，基于均压环点云数据采用数字特征法建立均压环的模型。该方法是指利用对象的基本数字参数为依据构建对象模型的方法，具体过程如下：

首先，以均压环点云数据为参考，绘制均压环外圆及截面圆，从而提取外圆半径r，圆心O以及截面圆半径R；

然后，由于r、O、R三个参数具备构建该圆环的全部数字特征，因此，以圆心O为中心，r为外圆半径构建截面圆半径为R的圆环，并补充连接结构，从而得到均压环三维实体模型，如图9所示。

步骤1704：器身点云数据归为不规则类结构，相应地，基于器身点云数据采用布尔运算建立器身的模型。具体过程如下：

首先，依据器身点云数据创建矩形特征，如图10所示；

同时，提取器身高度h，利用矩形特征得到长方体特征，如图11所示；

最后，以器身点云数据为参考，构建三棱柱等基本特征体，基于布尔运算将长方体特征与基本特征体进行差、并、交集变换，从而得到器身的三维模型，如图12所示。

步骤1705：如图13所示，高压套管点云数据归为中心旋转对称类结构，相应地，基于高压套管点云数据采用三维旋转建模法建立高压套管的模型。具体过程如下：

首先，以竖直方向为z轴建立用户坐三维标系xyz，以xz平面为切片平面，y轴为切片延伸方向进行切片，得到高压套管点云薄切片，如图14所示；

然后，利用二维多义线勾勒套管二维轮廓，并经套管中心对称线形成闭合曲线框图，如图15所示；

最后，以二维轮廓上的点为旋转对象，套管中心线为旋转轴进行三维旋转，对于轮廓线上任意一点(x_i,y_i,z_i)，旋转后对应的曲线方程为x²+y²+(z-z_i)²＝x_i ²+y_i ²；通过对轮廓线上任意一点进行三维旋转操作，即可获得高压套管三维模型，如图16所示。

步骤1706：输油管点云数据归为导线类结构，相应地，基于输油管点云数据采用平面扫掠法建立输油管的模型。具体过程如下：

首先，建立用户坐标系；

其次，基于所述输油管点云数据提取输油管点云横截面切片，并依据该输油管点云横截面切片得到截面圆特征；

然后，对输油管横截面进行切片，提取点云切片，并依据该点云切片得到截面圆特征；同时，以截面圆圆心为起点，以输油管点云数据为参考，利用三维多义线绘制输油管三维延伸轨迹，如图17所示；

最后，以截面圆为扫掠对象，输油管三维延伸轨迹为扫掠路径进行扫掠，从而得到输油管的三维模型，如图18所示。

步骤180：拼接得到完整的变电站变压器模型。

本实施例中，该步骤具体包括：利用点云数据构建的模型具有相同的空间坐标，可利用空间位置关系进行不同模型坐标的统一化，实现上述分块构建的变压器储油柜、冷却器、均压环、器身、高压套管以及输油管三维模型拼接，得到完整变压器三维实体模型，如图19所示。

利用上述方法构建变压器三维实体模型具有建模效率高、模型精度高等优点，而且可以参考实际物体的规格尺寸对所建模型进行参数调整，具有可更改等优势，是一项值得推广应用的变压器类模型高效率建模方法。

Claims (13)

1.一种基于点云数据对变电站变压器进行建模的方法，其特征在于，包括步骤：

(1)采用多次扫描的方式采集变电站变压器的点云数据，所述点云数据至少包含三维坐标数据；

(2)将多次扫描获得的变电站变压器的点云数据进行拼接，以实现点云数据所包含的三维坐标数据的归一化；

(3)对点云数据进行消噪处理；

(4)对消噪后的点云数据进行抽稀；

(5)基于变电站变压器的实际结构对点云数据进行分割；

(6)根据点云数据的分类指标对分割后的点云数据进行分类，所述分类指标包括：结构特征、边界形式、空间位置、尺寸参数和排列方式的至少其中之一；

(7)基于分类后的点云数据进行模型分类重构；

(8)拼接得到完整的变电站变压器模型。

2.如权利要求1所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(3)中，采用“自动消噪-手动消噪-自动消噪”依次更替循环的方式对点云数据进行消噪处理。

3.如权利要求2所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，循环的次数至少为一次。

4.如权利要求1所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，所述点云数据还包含颜色信息和反射强度信息的至少其中之一。

5.如权利要求1-4中任意一项所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，所述步骤(4)包括：

对于任意一区域内的点云数据，计算各个点的法向量；

寻找临近区域内与计算得到的法向量相似的点以及法向量突变的点，其中将法向量相似的点作为待删减点，将法向量突变的点作为保留点；

然后根据选定的比例对法向量相似的点进行删减。

6.如权利要求5所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，判断法向量相似以及法向量突变的方法为：计算两个法向量间的夹角，若所述夹角小于等于设定的阈值，则判断为法向量相似；若所述夹角大于所述阈值，则判断为法向量突变。

7.如权利要求1所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(5)中，将点云数据分割为：变压器储油柜点云数据、冷却器点云数据、均压环点云数据、器身点云数据、高压套管点云数据以及引线点云数据。

8.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于变压器储油柜点云数据采用几何参数法建立变压器储油柜的模型。

9.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于冷却器点云数据采用阵列建模法建立冷却器的模型。

10.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于均压环点云数据采用数字特征法建立均压环的模型。

11.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于器身点云数据采用布尔运算建立器身的模型。

12.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于高压套管点云数据采用三维旋转建模法建立高压套管的模型。

13.如权利要求7所述的基于点云数据对变电站变压器进行建模的方法，其特征在于，在所述步骤(7)中，基于引线点云数据采用平面扫掠法建立引线的模型。