CN108830933A - 一种电力杆塔塔身重建方法、系统、介质及设备 - Google Patents
一种电力杆塔塔身重建方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN108830933A CN108830933A CN201810669248.5A CN201810669248A CN108830933A CN 108830933 A CN108830933 A CN 108830933A CN 201810669248 A CN201810669248 A CN 201810669248A CN 108830933 A CN108830933 A CN 108830933A
- Authority
- CN
- China
- Prior art keywords
- tower
- power shaft
- target power
- shaft tower
- target
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种电力杆塔塔身重建方法、系统、介质及设备,该方法包括:确定目标电力杆塔在无人机影像中所处的目标位置区域;根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型;将三维模型投影至无人机影像中,得到目标投影;将目标电力杆塔分别在目标位置区域和目标投影中的轮廓进行形状匹配,得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系;利用对应关系计算目标电力杆塔的塔身的三维线条;利用预设约束条件对塔身的三维线条进行整体平差,以完成对塔身的重建。显然,在本申请中,没有用到Lidar点云,也没有用到机载雷达设备就完成了对目标电力杆塔的塔身的重建,大大降低了电力部门的运营维护成本。
Description
技术领域
本发明涉及遥感技术领域,特别涉及一种电力杆塔塔身重建方法、系统、介质及设备。
背景技术
电力工业作为国家的支柱性产业,其应用范围十分广泛,而电力杆塔作为电力系统的重要组成部分,对电力系统的安全运行起着十分重要的作用。通过获取电力杆塔塔身的相关参数,能够帮助电力维护人员及时掌握电力杆塔的运营状况,从而保证其他电力设备的正常运行。
目前,最为常用的一种方法是通过Lidar点云对电力杆塔塔身进行重建,但是由于获取Lidar点云时,所需的机载雷达设备价格昂贵,携带不便,同时也大大增加了电力部门的运营维护成本。所以,如何利用一种更好的方法来对电力杆塔塔身进行重建,以降低电力部门的运营维护成本,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种电力杆塔塔身重建方法、系统、介质及设备,以降低电力部门的运营维护成本。其具体方案如下:
一种电力杆塔塔身重建方法,包括:
确定目标电力杆塔在无人机影像中所处的目标位置区域;
根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型;
将所述三维模型投影至所述无人机影像中,得到目标投影;
将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系;
利用所述对应关系计算所述目标电力杆塔的塔身的三维线条;
利用预设约束条件对所述塔身的三维线条进行整体平差,以完成对所述塔身的重建。
优选的,所述确定目标电力杆塔在无人机影像中所处的目标位置区域的过程,包括:
利用LSD算法提取所述目标电力杆塔在所述无人机影像中的二维线条;
获取各个二维线条的交叉点,并利用DBSCAN算法对各个交叉点进行聚类,得到聚类区域;
利用所述聚类区域中交叉点的数量和分布密度确定所述目标位置区域。
优选的,所述根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型的过程,包括:
利用所述目标电力杆塔的对称性和所述目标电力杆塔的塔腿的共面性建立所述三维模型。
优选的,所述将所述三维模型投影至所述无人机影像中,得到目标投影的过程,包括:
利用拍摄所述无人机影像的相机参数将所述三维模型投影至所述无人机影像中。
优选的,所述将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系的过程,包括:
利用AlphaShape算法提取所述目标电力杆塔在所述目标位置区域中的第一轮廓;
利用Douglas-Peucker算法对所述第一轮廓进行简化,得到第二轮廓;
根据所述目标投影中的二维线条获取所述目标电力杆塔在所述目标投影中的轮廓,得到第三轮廓;
利用IDSC算法对所述第二轮廓和所述第三轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系。
优选的,所述利用所述对应关系计算所述目标电力杆塔的塔身的三维线条的过程,包括:
利用所述对应关系计算所述目标电力杆塔中相隔塔腿距离最长的两条塔腿的三维线条;
利用所述目标电力杆塔的塔身横断面与所述相隔塔腿距离最长的两条塔腿的三维线条,得到所述目标电力杆塔中剩余塔腿的三维线条;
利用所述目标电力杆塔所有塔腿的三维线条的预设约束关系,得到所述目标电力杆塔的塔身的三维线条。
优选的,所述利用预设约束条件对所述塔身的三维线条进行整体平差的过程,包括:
利用所述塔身的对称性、所述塔身的三维线条的共面性和所述塔身的垂直性对所述塔身的三维线条进行整体平差。
相应的,本发明还公开了一种电力杆塔塔身重建系统,包括:
区域确定模块,用于确定目标电力杆塔在无人机影像中所处的目标位置区域;
模型建立模块,用于根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型;
模型投影模块,用于将所述三维模型投影至所述无人机影像中,得到目标投影;
形状匹配模块,用于将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系;
线条计算模块,用于利用所述对应关系计算所述目标电力杆塔的塔身的三维线条;
数值平差模块,用于利用预设约束条件对所述塔身的三维线条进行整体平差,以完成对所述塔身的重建。
相应的,本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述公开的电力杆塔塔身重建方法的步骤。
相应的,本发明还公开了一种电力杆塔塔身重建设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述公开的电力杆塔塔身重建方法的步骤。
可见,在本发明中,首先是根据目标电力杆塔在无人机影像中的结构特征,确定目标电力杆塔在无人机影像中所处的目标位置区域,其次,是根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型,并且,将建立的三维模型投影至无人机影像当中,得到目标投影,再将目标电力杆塔在目标位置区域的轮廓和在目标投影中的轮廓进行形状匹配,以确定目标电力杆塔的塔腿与不同无人机影像中各个二维线条的对应关系,然后利用得到的对应关系计算目标电力杆塔的塔身的三维线条,再利用预设约束条件对目标电力杆塔的塔身的三维线条进行整体平差,以剔除塔身的三维线条中不准确的信息,最终完成对目标电力杆塔的塔身的重建。显然,在对目标电力杆塔的塔身进行重建的过程中,没有用到Lidar点云,也没有用到机载雷达设备就完成了对目标电力杆塔的塔身的重建,大大降低了电力部门的运营维护成本。相应的,本发明公开的一种电力杆塔塔身重建方系统、介质及设备,同样具有上述有益效果。
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的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种电力杆塔塔身重建方法的流程图;
图2为本发明实施例公开的一种确定电力杆塔在无人机影像中所处的目标位置区域的流程图;
图3为本发明实施例公开的另一种电力杆塔塔身重建方法的流程图;
图4为本发明实施例公开的又一种电力杆塔塔身重建方法的流程图;
图5为本发明实施例公开的一种电力杆塔塔身重建系统的结构图;
图6为本发明实施例公开的一种电力杆塔塔身重建设备的结构图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
本发明实施例公开了一种电力杆塔塔身重建方法,如图1所示,该方法包括:
步骤S11:确定目标电力杆塔在无人机影像中所处的目标位置区域;
可以理解的是,无人机影像当中目标电力杆塔的背景十分复杂,电力杆塔架设的地面除了有植被、裸地和山川之外,还可能会有其他的背景物体,所以,当利用无人机航拍得到目标电力杆塔的影像时,首先是确定无人机影像当中,目标电力杆塔所处的目标位置区域,以减少在后续过程中对目标电力杆塔的搜索范围。
具体的,可以利用目标电力杆塔在无人机影像当中的自身属性特点,大致确定一个目标电力杆塔所属的位置区域,以防止其它非电力杆塔背景因素的干扰。
步骤S12:根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型;
能够想到的是,在前期架设目标电力杆塔的过程中,必然会预先得到一些目标电力杆塔的属性信息。比如:目标电力杆塔的塔高、塔身和塔腿的一些参数信息以及塔身和塔腿之间的相互约束条件,然后,利用这些参数信息和相互约束条件,就可以建立得到目标电力杆塔的三维模型。
具体的,可以通过无人机航拍,或者是其它航拍手段获取目标电力杆塔在不同无人机拍摄角度下的摄影图像,那么通过这些摄影图像就可以测量得到目标电力杆塔在不同视角下的不同属性信息,如目标电力杆塔的塔高、塔身的参数信息、塔腿的参数信息以及目标电力杆塔中各个角点的参数信息,通过这些参数信息可以建立得到目标电力杆塔的三维模型。
步骤S13:将三维模型投影至无人机影像中,得到目标投影;
步骤S14:将目标电力杆塔分别在目标位置区域和目标投影中的轮廓进行形状匹配,得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系;
可以理解的是,目标电力杆塔的三维模型与目标电力杆塔在无人机影像中的图像必定是相互对应的,那么,将建立的目标电力杆塔的三维模型经过一定的旋转和平移,就可以将目标电力杆塔的三维模型投影到无人机影像当中,从而得到目标投影。
然后,分别提取目标电力杆塔在目标位置区域和目标投影中的轮廓,并且,将提取到的上述两个轮廓进行形状匹配,匹配目标电力杆塔中相同的形状特征在目标位置区域和在目标投影之间的局部对应关系,也即,在提取出来的两个轮廓区域中,寻找一组点或多组点的最佳对应关系,以此来确定出目标电力杆塔在提取出的两个轮廓区域中各个二维线条的对应关系,并最终匹配得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系。
步骤S15:利用对应关系计算目标电力杆塔的塔身的三维线条;
可以理解的是,建立目标电力杆塔时,目标电力杆塔的塔身和塔腿必定是按照某种预设的约束条件进行建造的,所以,当得到了目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系时,就可以根据这些二维线条的对应关系,计算得到目标电力杆塔的塔腿的三维线条,然后根据目标电力塔腿的三维线条计算得到目标电力杆塔的塔身的三维线条。
步骤S16:利用预设约束条件对塔身的三维线条进行整体平差,以完成对塔身的重建。
能够想到的是,通过上述方法计算得到的目标电力杆塔的塔身的三维线条时,三维线条中必定会有大量的噪声点,或者是包含许多断裂的线条,在此种情况下,就可以利用目标电力杆塔的塔身和塔腿之间的预设约束条件对塔身的三维线条进行整体平差,以使得获取到的目标电力杆塔的塔身的三维线条更为准确,从而可以对目标电力杆塔进行更好的重建。
可见,在本实施例中,首先是根据目标电力杆塔在无人机影像中的结构特征,确定目标电力杆塔在无人机影像中所处的目标位置区域,其次,是根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型,并且,将建立的三维模型投影至无人机影像当中,得到目标投影,再将目标电力杆塔在目标位置区域的轮廓和在目标投影中的轮廓进行形状匹配,以确定目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系,然后利用得到的对应关系计算目标电力杆塔的塔身的三维线条,再利用预设约束条件对目标电力杆塔的塔身的三维线条进行整体平差,以剔除塔身的三维线条中不准确的信息,最终完成对目标电力杆塔的塔身的重建。显然,在对目标电力杆塔的塔身进行重建的过程中,没有用到Lidar点云,也没有用到机载雷达设备就完成了对目标电力杆塔的塔身的重建,大大降低了电力部门的运营维护成本。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,如图2所示,具体的,上述步骤S11:确定目标电力杆塔在无人机影像中所处的目标位置区域的过程,包括步骤S111至步骤S113。
步骤S111:利用LSD算法提取目标电力杆塔在无人机影像中的二维线条;
可以理解的是,由于无人机影像拍摄的范围较大,目标电力杆塔在无人机影像当中所占据的空间较少,也即,在无人机影像中提取目标电力杆塔的特征点较为困难。而目标电力杆塔在无人机影像当中,主要是呈线状特征,所以,在本实施例中,可以利用LSD算法来提取目标电力杆塔在无人机影像中的二维线条,以大致的确定出目标电力杆塔所处的区域范围。其中,关于LSD算法的详细内容可参见论文《LSD.a line segment detector》,此处不再进行具体赘述。
步骤S112:获取各个二维线条的交叉点,并利用DBSCAN算法对各个交叉点进行聚类,得到聚类区域;
步骤S113:利用聚类区域中交叉点的数量和分布密度确定目标位置区域。
可以理解的是,电力杆塔通常由钢材相互连接而成,那么,目标电力杆塔在无人机二维影像当中,交叉点的数目会明显大于背景区域中交叉点的数目,所以,通过统计各个二维线条之间的交叉点,并对这些交叉点进行聚类,就可以初步分析得到目标电力杆塔所属的目标位置区域。具体的,在本实施例中,是利用DBSCAN算法对各个二维线条之间的交叉点进行聚类,得到聚类区域,然后利用聚类区域中交叉点的数量和分布密度确定目标电力杆塔所处的目标位置区域,显然,此处聚类区域中交叉点的数量和分布密度可以根据实际情况具体设定阈值。
能够想到的是,由于在目标位置区域当中,任何非平行的二维线条都会有交叉点,而这些交叉点的存在就会严重影响目标电力杆塔在无人机影像中的识别过程。所以,在本实施例中,还可以预先定义一个线段的缓冲区域,来对检测得到二维线条之间的交叉点进行约束,以避免不必要的交叉点对确定目标电力杆塔所处的位置区域的干扰。也即,如果交叉点位于预定义的缓冲区域之内时,则认为该交叉点是目标电力杆塔中的特征点,如果交叉点是位于预定义的缓冲区域之外时,则认为该交叉点不是目标电力杆塔中的特征点。
此处,列举一个例子进行具体说明,假设区域A是预先定义的线段的缓冲区域,而二维线条l1、l2、l3、l4是通过LSD算法提取得到的线条,在二维线条l1、l2、l3、l4之间会产生多个交叉点,以交叉点P为例,如果交叉点P在区域A内,则认为交叉点P是目标电力杆塔中的特征点,那么,就保留交叉点P;如果交叉点P不在区域A内,则认为交叉点P不是目标电力杆塔中的特征点,那么就将交叉点P省略掉,通过同样的方法,对二维线条中的每一个交叉点都进行一次筛选,就可以筛选得到目标电力杆塔的大部分交叉点,通过此方法就可以大致得到目标电力杆塔所属的目标位置区域。显然,通过对交叉点设定缓冲区域,可以进一步的提高对目标电力杆塔在无人机影像中所属位置区域的确定速度。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,具体的,上述步骤S12:根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型的过程,包括:
利用目标电力杆塔的对称性和目标电力杆塔的塔腿的共面性建立三维模型。
可以理解的是,目标电力杆塔的属性信息当中蕴含着许多在建立目标电力杆塔时的参数信息,利用这些参数信息就可以对目标电力杆塔进行三维建模。其中,以目标电力杆塔的对称性和目标电力杆塔的塔腿的共面性的特征最为明显,能够想到的是,目标电力杆塔的塔腿一般相互对称,且所有塔腿都是位于同一个平面内,所以,利用目标电力杆塔的这些属性信息可以初步对目标电力杆塔进行建模,并且,目标电力杆塔一般也会呈现出轴对称的特性,所以,还可以利用目标电力杆塔的这一特征,对建立的目标电力杆塔进行进一步的完善与修正。
此外,在目标电力杆塔中还可以提取到很多的关键特征点,那么,由这些关键特征点就可以组成一条线,再由这些线组成一个面,然后就可以根据这些点、线和面之间的拓扑信息,进一步对建立得到的目标电力杆塔的三维模型进行修正与完善。当然,在实际应用当中,还可以预先定义一些电力杆塔的塔型,以减少建立目标电力杆塔的三维模型的时间。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,具体的,上述步骤S13:将三维模型投影至无人机影像中,得到目标投影的过程,包括:
利用拍摄无人机影像的相机参数将三维模型投影至无人机影像中。
可以理解的是,目标电力杆塔的三维模型是基于目标电力杆塔的属性信息进行建模的,而目标电力杆塔在无人机影像当中,也是基于一定的比例缩小得到的,所以,根据拍摄无人机影像的相机参数就可以确定出目标电力杆塔的三维模型与目标电力杆塔在无人机影像中的相互映射关系,并由此可以将目标电力杆塔的三维模型投影至无人机影像当中。
能够想到的是,在将目标电力杆塔的三维模型投影至无人机影像中时,需要确定当前目标电力杆塔所处的初始位置和初始角度,具体的,在本实施例中,是利用线路坐标文件来确定目标电力杆塔当前所处的初始位置和初始角度,也即,从预先规划的无人机拍摄目标电力杆塔的航迹路线中获取。当然,此处还可以是通过GoogleEarth测量得到,此处不作具体的限定。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,如图3所示,具体的,上述步骤S14:将目标电力杆塔分别在目标位置区域和目标投影中的轮廓进行形状匹配,得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系的过程,包括:
步骤S141:利用AlphaShape算法提取目标电力杆塔在目标位置区域中的第一轮廓;
步骤S142:利用Douglas-Peucker算法对第一轮廓进行简化,得到第二轮廓;
可以理解的是,为了检测目标电力杆塔在无人机影像中的位置,需要在目标位置区域当中提取目标电力杆塔的轮廓信息。具体的,在本实施例中,是利用AlphaShape算法提取目标电力杆塔在目标位置区域中的轮廓,也即,第一轮廓。但是,此处只是将目标电力杆塔在目标位置区域中的轮廓大致提取出来,在提取到的边缘轮廓当中,存在很多的噪声点,为了使得提取到的第一轮廓更加清晰,在本实施例中,是利用Douglas-Peucker算法对第一轮廓进行简化,对其进行平滑处理,使得获取得到的第一轮廓更加简洁、清晰,以便于后续过程的处理,显然,通过步骤S141和步骤S142就得到了目标电力杆塔在无人机影像中的轮廓。
步骤S143:根据目标投影的二维线条获取目标电力杆塔在目标投影中的轮廓,得到第三轮廓;
步骤S144:利用IDSC算法对第二轮廓和第三轮廓进行形状匹配,得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系。
能够想到的是,将目标电力杆塔的三维模型投影至无人机影像当中时,可以得到目标电力杆塔在目标投影中的许多二维线条,那么根据这些二维线条就可以得到目标电力杆塔在目标投影中的轮廓,也即,第三轮廓。
当获取到了目标电力杆塔在目标投影中的轮廓时,就可以利用IDSC算法来对在目标位置区域提取到的目标电力杆塔的轮廓与目标电力杆塔在目标投影中的轮廓进行形状匹配,进而得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系。
具体的,在形状匹配的过程中,可以以预先设定好的预设阈值来对形状匹配的结果进行筛选,也即,当形状匹配的结果小于预设阈值时,就认为该匹配区域是包含目标电力杆塔的区域,并且在该匹配区域内还可以进一步的大致判别出目标电力杆塔的塔型。
当检测得到目标电力杆塔的塔型以及目标电力杆塔的边缘轮廓之后,就可以重点检测目标电力杆塔的塔腿所处的区域,也即,利用IDSC算法匹配目标位置区域中匹配点最多的轮廓边缘线条,然后,在该线条处建立矩形缓冲区,在该矩形缓冲区内查找与该线条角度最小且累加长度最长的提取到的LSD线段,则该线条即为影像中塔腿的二维线条,然后通过同样的方法找到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,如图4所示,具体的,上述步骤S15:利用对应关系计算目标电力杆塔的塔身的三维线条的过程,包括:
步骤S151:利用对应关系计算目标电力杆塔中相隔塔腿距离最长的两条塔腿的三维线条;
此处以含有四条塔腿的目标电力杆塔为例进行说明,能够想到的是,当获取到目标电力杆塔在目标投影中塔腿与无人机影像中各个二维线条的对应关系时,因为目标电力杆塔最外侧相隔的两条塔腿的特征较为明显,此时就可以通过摄影前方交会原理,计算得到目标电力杆塔中相隔塔腿距离最长的两条塔腿的三维线条。
此外,在利用LSD算法提取目标电力杆塔的轮廓时,在提取出的目标电力杆塔的塔腿的二维线条中必定包含有许多断裂的二维线条,此时,可以对各个二维线条进行前方交会,同时利用RANSAC算法剔除匹配错误的二维线条,并利用最小二乘直线拟合出匹配正确的二维线条,显然,通过此种方法匹配得到的二维线条会更为准确。
步骤S152:利用目标电力杆塔的塔身横断面与相隔塔腿距离最长的两条塔腿的三维线条,得到目标电力杆塔中剩余塔腿的三维线条;
因为目标电力杆塔的塔身横断面一般呈矩形分布,所以,可以利用矩形分布的约束条件来生成除去上述的相隔塔腿之外的两条塔腿的三维线条。也即,目标电力杆塔的塔身横断面为矩形分布,由于矩形的长和宽近似相等,所以,可以利用矩形这一约束条件,以及已经计算得到的目标电力杆塔的相隔塔腿距离最长的两条塔腿的三维线条的坐标,计算目标电力杆塔剩余两条塔腿的三维线条的坐标,然后,将计算得到的目标电力杆塔剩余两条塔腿的三维线条投影至各个视角的无人机影像当中,寻找到与这两条塔腿的三维线条所对应的二维线条,然后,将寻找到的各个二维线条进行前方交会,计算得到该两条塔腿的三维线条的真实坐标,也即,得到目标电力杆塔中所有塔腿的三维线条。
步骤S153:利用目标电力杆塔所有塔腿的三维线条的预设约束关系,得到目标电力杆塔的塔身的三维线条。
根据步骤S152和步骤S153已经计算得到目标电力杆塔的四个塔腿的三维线条的坐标位置,然后,根据塔腿与塔身之间的预设约束关系,就可以计算得到目标电力杆塔的塔身的三维线条。
并且,在此过程中,可以再将计算得到的目标电力杆塔的塔身的三维线条投影至各个视角的无人机影像中,查找是否有与计算得到的目标电力杆塔的塔身的三维线条所对应的二维线条,若查找到,则可以根据查找到的二维线条所对应的信息,判别该三维线条是属于目标电力杆塔的哪一个面,从而可以进一步得到目标电力杆塔的塔身的更多参数信息。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,具体的,上述步骤S16:利用预设约束条件对塔身的三维线条进行整体平差的过程,包括:
利用塔身的对称性、塔身的三维线条的共面性和塔身的垂直性对塔身的三维线条进行整体平差。
能够想到的是,通过上述方法得到的目标电力杆塔的塔身的三维线条中必然存在着一些数值不太准确的数值,所以,在本实施例中,提供了一种利用目标电力杆塔的塔身的对称性、塔身的三维线条的共面性和塔身的垂直性对塔身的三维线条进行整体平差的方法。
其中,目标电力杆塔的塔身的三维线条的共面性满足下述公式:
Aixij+Biyij+Cizij+1=0;
式中,xij、yij、zij分别为提取到的目标电力杆塔的塔身的特征点在目标电力杆塔建立的直角坐标系中x轴、y轴和z轴上的坐标,Ai、Bi、Ci分别为目标电力杆塔的塔身的特征点在目标电力杆塔建立的直角坐标系中x轴、y轴和z轴上的系数;
目标电力杆塔的塔身的垂直特征满足下述公式:
式中,A1、A2、A3、A4分别为提取到的目标电力杆塔的塔身的特征点在建立的直角坐标系中x轴上的系数,B1、B2、B3、B4分别为提取到的目标电力杆塔的塔身的特征点在建立的直角坐标系中y轴上的系数。
目标电力杆塔的塔身的对称性满足下述公式:
式中,A1、A2、A3、A4分别为提取到的目标电力杆塔的塔身的特征点在建立的直角坐标系中x轴上的系数,B1、B2、B3、B4分别为提取到的目标电力杆塔的塔身的特征点在建立的直角坐标系中y轴上的系数,C1、C2、C3、C4分别为提取到的目标电力杆塔的塔身的特征点在建立的直角坐标系中z轴上的系数。
可以理解的是,目标电力杆塔的塔身的三维线条必定是由多个特征点所组成的,所以,上述公式当中的特征点的集合即为目标电力杆塔的塔身上的三维线条,在此进行说明。
然后,通过上述的约束条件对目标电力杆塔的塔身的三维线条进行约束,迭代求解出目标电力杆塔的塔身在各个平面上的系数,最终得到目标电力杆塔的塔身的相关参数。在计算得到目标电力杆塔的塔身的相关参数以后,可以计算得到目标电力杆塔在靠近顶部的水平矩形以及靠近下方的水平矩形,也可以同时计算得到目标电力杆塔的塔身高度,以及目标电力杆塔的塔身的中心坐标,当计算得到这些参数以后,就可以完成对整个目标电力杆塔的塔身的计算。
相应的,本发明还公开了一种电力杆塔塔身重建系统,如图5所示,该系统包括:
区域确定模块21,用于确定目标电力杆塔在无人机影像中所处的目标位置区域;
模型建立模块22,用于根据目标电力杆塔的属性信息建立目标电力杆塔的三维模型;
模型投影模块23,用于将三维模型投影至无人机影像中,得到目标投影;
形状匹配模块24,用于将目标电力杆塔分别在目标位置区域和目标投影中的轮廓进行形状匹配,得到目标电力杆塔的塔腿与无人机影像中各个二维线条的对应关系;
线条计算模块25,用于利用对应关系计算目标电力杆塔的塔身的三维线条;
数值平差模块26,用于利用预设约束条件对塔身的三维线条进行整体平差,以完成对塔身的重建。
相应的,本发明还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述公开的一种电力杆塔塔身重建方法的步骤。
相应的,本发明还公开了一种电力杆塔塔身重建设备,如图6所示,包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序时实现如前述公开的一种电力杆塔塔身重建方法的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种电力杆塔的重建方法、系统、介质及设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种电力杆塔塔身重建方法,其特征在于,包括:
确定目标电力杆塔在无人机影像中所处的目标位置区域;
根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型;
将所述三维模型投影至所述无人机影像中,得到目标投影;
将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系;
利用所述对应关系计算所述目标电力杆塔的塔身的三维线条;
利用预设约束条件对所述塔身的三维线条进行整体平差,以完成对所述塔身的重建。
2.根据权利要求1所述的方法,其特征在于,所述确定目标电力杆塔在无人机影像中所处的目标位置区域的过程,包括:
利用LSD算法提取所述目标电力杆塔在所述无人机影像中的二维线条;
获取各个二维线条的交叉点,并利用DBSCAN算法对各个交叉点进行聚类,得到聚类区域;
利用所述聚类区域中交叉点的数量和分布密度确定所述目标位置区域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型的过程,包括:
利用所述目标电力杆塔的对称性和所述目标电力杆塔的塔腿的共面性建立所述三维模型。
4.根据权利要求1所述的方法,其特征在于,所述将所述三维模型投影至所述无人机影像中,得到目标投影的过程,包括:
利用拍摄所述无人机影像的相机参数将所述三维模型投影至所述无人机影像中。
5.根据权利要求1所述的方法,其特征在于,所述将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系的过程,包括:
利用AlphaShape算法提取所述目标电力杆塔在所述目标位置区域中的第一轮廓;
利用Douglas-Peucker算法对所述第一轮廓进行简化,得到第二轮廓;
根据所述目标投影中的二维线条获取所述目标电力杆塔在所述目标投影中的轮廓,得到第三轮廓;
利用IDSC算法对所述第二轮廓和所述第三轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系。
6.根据权利要求1所述的方法,其特征在于,所述利用所述对应关系计算所述目标电力杆塔的塔身的三维线条的过程,包括:
利用所述对应关系计算所述目标电力杆塔中相隔塔腿距离最长的两条塔腿的三维线条;
利用所述目标电力杆塔的塔身横断面与所述相隔塔腿距离最长的两条塔腿的三维线条,得到所述目标电力杆塔中剩余塔腿的三维线条;
利用所述目标电力杆塔所有塔腿的三维线条的预设约束关系,得到所述目标电力杆塔的塔身的三维线条。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述利用预设约束条件对所述塔身的三维线条进行整体平差的过程,包括:
利用所述塔身的对称性、所述塔身的三维线条的共面性和所述塔身的垂直性对所述塔身的三维线条进行整体平差。
8.一种电力杆塔塔身重建系统,其特征在于,包括:
区域确定模块,用于确定目标电力杆塔在无人机影像中所处的目标位置区域;
模型建立模块,用于根据所述目标电力杆塔的属性信息建立所述目标电力杆塔的三维模型;
模型投影模块,用于将所述三维模型投影至所述无人机影像中,得到目标投影;
形状匹配模块,用于将所述目标电力杆塔分别在所述目标位置区域和所述目标投影中的轮廓进行形状匹配,得到所述目标电力杆塔的塔腿与所述无人机影像中各个二维线条的对应关系;
线条计算模块,用于利用所述对应关系计算所述目标电力杆塔的塔身的三维线条;
数值平差模块,用于利用预设约束条件对所述塔身的三维线条进行整体平差,以完成对所述塔身的重建。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电力杆塔塔身重建方法的步骤。
10.一种电力杆塔塔身重建设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的电力杆塔塔身重建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810669248.5A CN108830933B (zh) | 2018-06-26 | 2018-06-26 | 一种电力杆塔塔身重建方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810669248.5A CN108830933B (zh) | 2018-06-26 | 2018-06-26 | 一种电力杆塔塔身重建方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830933A true CN108830933A (zh) | 2018-11-16 |
CN108830933B CN108830933B (zh) | 2022-04-19 |
Family
ID=64138695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810669248.5A Active CN108830933B (zh) | 2018-06-26 | 2018-06-26 | 一种电力杆塔塔身重建方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830933B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706230A (zh) * | 2019-10-29 | 2020-01-17 | 国网黑龙江省电力有限公司电力科学研究院 | 一种基于先验信息的杆塔异常自动化检测方法 |
CN111652163A (zh) * | 2020-06-08 | 2020-09-11 | 广东电网有限责任公司 | 一种输电线路杆塔线段匹配方法以及设备 |
CN112489201A (zh) * | 2020-12-07 | 2021-03-12 | 广东电网有限责任公司 | 一种柱状电力杆塔三维建模系统及方法 |
CN113554595A (zh) * | 2021-06-21 | 2021-10-26 | 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 |
CN113960069A (zh) * | 2021-10-22 | 2022-01-21 | 中铁二十二局集团第五工程有限公司 | 一种通过激光线扫描建立缆索表面形态的方法 |
CN114491743A (zh) * | 2022-01-12 | 2022-05-13 | 武汉大学 | 一种利用屋顶轮廓匹配的卫星影像建筑物高度估计方法 |
CN114743169A (zh) * | 2022-04-11 | 2022-07-12 | 南京领行科技股份有限公司 | 一种对象的异常检测方法、装置、电子设备及存储介质 |
CN118506036A (zh) * | 2024-07-17 | 2024-08-16 | 国网江西省电力有限公司电力科学研究院 | 一种输电线路转角铁塔点云塔型匹配及航点自动推荐方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886189A (zh) * | 2014-03-07 | 2014-06-25 | 国家电网公司 | 用于无人机巡检的巡检结果数据处理系统及方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
US20160249041A1 (en) * | 2014-11-28 | 2016-08-25 | Beihang University | Method for 3d scene structure modeling and camera registration from single image |
CN106652020A (zh) * | 2016-12-05 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种基于模型的塔杆三维重建方法 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN107784652A (zh) * | 2017-10-30 | 2018-03-09 | 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 |
-
2018
- 2018-06-26 CN CN201810669248.5A patent/CN108830933B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886189A (zh) * | 2014-03-07 | 2014-06-25 | 国家电网公司 | 用于无人机巡检的巡检结果数据处理系统及方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
US20160249041A1 (en) * | 2014-11-28 | 2016-08-25 | Beihang University | Method for 3d scene structure modeling and camera registration from single image |
CN106652020A (zh) * | 2016-12-05 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种基于模型的塔杆三维重建方法 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN107784652A (zh) * | 2017-10-30 | 2018-03-09 | 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 |
Non-Patent Citations (6)
Title |
---|
KAI LI ET AL.: ""Line segment matching and reconstruction via exploiting coplanar cues"", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
RUQIN ZHOU ET AL.: ""A Heuristic Method for Power Pylon Reconstruction from Airborne LiDAR Data"", 《REMOTE SENSING》 * |
SAN JIANG ET AL.: ""UAV-Based Oblique Photogrammetry for Outdoor Data Acquisition and Offsite Visual Inspection of Transmission Line"", 《REMOTE SENSING》 * |
曹炯等: ""基于无人机的电网实景建模研究"", 《测绘工程》 * |
裴慧坤等: ""依托无人机倾斜摄影的电力走廊三维重建"", 《测绘科学》 * |
郑恩: ""基于无人机航拍输电线路杆塔的三维重建"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706230A (zh) * | 2019-10-29 | 2020-01-17 | 国网黑龙江省电力有限公司电力科学研究院 | 一种基于先验信息的杆塔异常自动化检测方法 |
CN111652163A (zh) * | 2020-06-08 | 2020-09-11 | 广东电网有限责任公司 | 一种输电线路杆塔线段匹配方法以及设备 |
CN112489201A (zh) * | 2020-12-07 | 2021-03-12 | 广东电网有限责任公司 | 一种柱状电力杆塔三维建模系统及方法 |
CN113554595A (zh) * | 2021-06-21 | 2021-10-26 | 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 |
CN113960069A (zh) * | 2021-10-22 | 2022-01-21 | 中铁二十二局集团第五工程有限公司 | 一种通过激光线扫描建立缆索表面形态的方法 |
CN113960069B (zh) * | 2021-10-22 | 2024-03-19 | 中铁二十二局集团第五工程有限公司 | 一种通过激光线扫描建立缆索表面形态的方法 |
CN114491743A (zh) * | 2022-01-12 | 2022-05-13 | 武汉大学 | 一种利用屋顶轮廓匹配的卫星影像建筑物高度估计方法 |
CN114491743B (zh) * | 2022-01-12 | 2024-07-12 | 武汉大学 | 一种利用屋顶轮廓匹配的卫星影像建筑物高度估计方法 |
CN114743169A (zh) * | 2022-04-11 | 2022-07-12 | 南京领行科技股份有限公司 | 一种对象的异常检测方法、装置、电子设备及存储介质 |
CN118506036A (zh) * | 2024-07-17 | 2024-08-16 | 国网江西省电力有限公司电力科学研究院 | 一种输电线路转角铁塔点云塔型匹配及航点自动推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108830933B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830933A (zh) | 一种电力杆塔塔身重建方法、系统、介质及设备 | |
CN106225678B (zh) | 基于3d相机的动态物体定位与体积测量方法 | |
CN105550199B (zh) | 一种基于多源地图的点位聚合方法及装置 | |
CN104732514B (zh) | 用于处理高度图的设备、系统和方法 | |
CN104867137B (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN107092877A (zh) | 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法 | |
CN107369183A (zh) | 面向mar的基于图优化slam的跟踪注册方法及系统 | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
CN107392247A (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN102804231A (zh) | 三维场景的分段平面重建 | |
CN109829908B (zh) | 基于双目影像的电力线下方地物安全距离检测方法及设备 | |
JPS60204086A (ja) | 物体識別装置 | |
CN107067431A (zh) | 一种基于Kinect的物体体积计算方法 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN101914881A (zh) | 一种高速铁路基桩控制网cpiii的快速测量方法 | |
CN103530881A (zh) | 适用于移动终端的户外增强现实无标志点跟踪注册方法 | |
Lee et al. | Automatic building height extraction by volumetric shadow analysis of monoscopic imagery | |
CN106096621B (zh) | 基于矢量约束的着降位置检测用随机特征点选取方法 | |
CN103377303A (zh) | 曲面量测系统及方法 | |
CN107507188A (zh) | 一种基于机器学习提取图像信息的方法及装置 | |
CN109458978A (zh) | 一种基于多尺度检测算法的天线下倾角测量方法 | |
CN111047553B (zh) | 一种面向非接触式人体参数测量的特征点定位方法 | |
CN108830317A (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN111880144A (zh) | 定位方法、装置、设备和存储介质 | |
CN107644203A (zh) | 一种形状自适应分类的特征点检测方法 |
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 |