CN109492699A - 输电通道三维测量方法及装置 - Google Patents
输电通道三维测量方法及装置 Download PDFInfo
- Publication number
- CN109492699A CN109492699A CN201811388782.5A CN201811388782A CN109492699A CN 109492699 A CN109492699 A CN 109492699A CN 201811388782 A CN201811388782 A CN 201811388782A CN 109492699 A CN109492699 A CN 109492699A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- power line
- unfiled
- feature
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种输电通道三维测量方法及装置,其中,方法包括:获取输电通道的原始三维激光点云数据;计算原始三维激光点云数据中各个局部区域内的点云数据的特征;根据特征将各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;将未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;从植被点云数据中提取杆塔点云数据。本发明实施例提供的输电通道三维测量方法及装置,实现了对多个地物类别的多分类,首先从输电通道的原始激光雷达点云数据中识别出输电通道中最为重要的电力线点云,在保证电力线正确提取的前提下,逐级提取各个地物,实现对通道内多目标的自动提取。
Description
技术领域
本发明涉及电力巡检技术领域,具体涉及一种输电通道三维测量方法及装置。
背景技术
随着国民经济的发展和人民生活水平的不断提高,电网投资规模不断扩大,网络结构越来越复杂。电网线路和电网设备的可靠运行,直接影响到电力企业的生产安全和社会效益,影响着电网的稳定性。电力部门为保证电力设施正常运行,每月都要制定巡检计划,分派人员对包括杆塔、导线、变压器、电容器等供电设施进行巡视,以便及时发现设备缺陷和安全隐患,并把设备的运行情况以及缺陷信息进行汇总和定期的分析统计。电网巡视与维护的工作量越来越大,传统的输电线路和变电站人工巡视操作方式已经满足不了高效的电网巡检工作要求。为此,国家电网公司大力推广无人机线路巡检、机器人变电站巡视的应用工作,通过应用机器人、无人机等智能装备对电力设施进行实时数据采集与状态监测,及时发现缺陷,切实提升了电力维护和检修的效率,有效提高了电网状态管控能力和精益化管理水平,保障了电网安全稳定。
目前,国网运检部已大规模推广智能巡检业务应用。智能巡检需要对采集得到的大量图像或数据进行三维解析,具有数据量大和数据结构复杂等特点。亟待研发一种输电通道三维测量及解析方法,以实现对智能巡检图像或数据的分类,为实现电网智能巡检可视化做好准备。
发明内容
本申请提供一种输电通道三维测量方法及装置,以实现对智能巡检图像或数据的分类。
根据第一方面,本发明实施例提供了一种输电通道三维测量方法, 包括:获取输电通道的原始三维激光点云数据;计算所述原始三维激光点云数据中各个局部区域内的点云数据的特征;根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
结合第一方面,在第一方面第一实施方式中,所述特征包括直线系数、平面系数、协方差系数和投影面积中的至少一种。
结合第一方面或第一方面第一实施方式,在第一方面第二实施方式中,所述根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据,包括:根据所述各个局部区域内的点云数据的特征以及预设的特征约束条件,识别所述各个局部区域内的点云数据中的电力线种子点;以所述电力线种子点为起点,将沿电力线方向并且符合预设的电力线特征的所述各个局部区域内的点云数据,划分为电力线点云数据;将其余的所述各个局部区域内的点云数据划分为未分类点云数据。
结合第一方面或第一方面第一或第二实施方式,在第一方面第三实施方式中,所述根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据,包括:根据预设的另一特征约束条件识别所述植被点云数据中的杆塔种子点;根据所述杆塔种子点、识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
结合第一方面或第一方面第一至第三中的任一实施方式,在第一方面第四实施方式中,所述根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据,包括:选择分类模型;根据所述分类模型筛选所述未分类点云数据的全部或部分特征,生成所述未分类点云数据对应的分类特征;根据所述未分类点云数据对应的分类特征和所述分类模型,对所述未分类点云数据进行分类,将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据。
结合第一方面或第一方面第一至第四中的任一实施方式,在第一方面第五实施方式中,所述的输电通道三维测量方法,还包括:对所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据进行优化。
结合第一方面第四第五实施方式,在第一方面第六实施方式中,所述优化包括:识别所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据中的局部独立类别点;将所述局部独立类别点作为前景,将所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据中的其余点作为背景;计算所述前景和所述背景之间的差异;当所述差异小于预设阈值时,将所述前景的数据类型修改为所述背景的数据类型。
根据第二方面,本发明实施例提供了一种输电通道三维测量装置, 包括:数据输入单元,用于获取输电通道的原始三维激光点云数据;特征计算单元,用于计算所述原始三维激光点云数据中各个局部区域内的点云数据的特征;第一分类单元,用于根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;第二分类单元,用于根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;第三分类单元,用于根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
根据第三方面,本发明实施例提供了一种服务器,包括:存储器,用于存储程序;处理器,用于通过执行所述存储器存储的程序以实现如第一方面或第一方面任一实施方式所述的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如第一方面或第一方面任一实施方式所述的方法。
本发明实施例提供的输电通道三维测量方法及装置,实现了对多个地物类别的多分类,首先从输电通道的原始激光雷达点云数据中识别出输电通道中最为重要的电力线点云,在保证电力线正确提取的前提下,逐级提取各个地物,实现对通道内多目标的自动提取,通过对智能巡检图像或数据的分类,为实现电网智能巡检可视化做好准备。
附图说明
图1示出了本发明实施例中的一种输电通道三维测量方法的一个具体示例的流程图;
图2示出了本发明实施例中的一种输电通道三维测量装置的一个具体示例的结构示意图;
图3示出了本发明实施例中的一种服务器的一个具体示例的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
利用输电通道内原始三维激光点云数据进行地物的自动分类面临的首要问题是多分类问题,即同时将多个地物类别进行区分。在保证通道内电力设施分类正确率的前提下,可以设置多级分类,对原始点云数据首先提取电力线点云,在保证电力线正确提取的前提下,逐级提取各个地物,实现对通道内多目标的自动提取。
本发明实施例提供了一种输电通道三维测量方法, 如图1所示,该方法可以包括以下步骤:
步骤S11:获取输电通道的原始三维激光点云数据。针对原始点云数据的解析和处理,需要输入原始点云数据,在没有严重脏数据的情况下,原始数据可以允许噪音数据的存在。
步骤S12:计算原始三维激光点云数据中各个局部区域内的点云数据的特征。电力线是输电通道内重要的电力设施,对输电通道内三维全景测量的测量重点就是电力线,因此需要对电力线进行在电力设施特征下的精确提取。为此,需要对输入的数据进行基于电力设施特征、点云形态和高程投影以及局部数据特征的特征提取,计算提取得到的特征可以是局部区域内点云的直线系数、平面系数、协方差系数、投影面积等等,该特征集是对整个点云分类的重要参考依据和分类特征。
步骤S13:根据各个局部区域内的点云数据的特征将各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据。电力线提取是激光点云数据分类的第一级分类,将原始点云数据分割为电力线点云数据和非电力线点云数据。由于电力线是输电通道内重要的电力设施,可以首先对电力线数据进行精确识别,进而对非电力线点云数据进行次级分类处理。在一具体实施方式中,可以采用以下几个子步骤,实现步骤S13的过程:
步骤S131:根据各个局部区域内的点云数据的特征以及预设的特征约束条件,识别各个局部区域内的点云数据中的电力线种子点。利用特征集中的有用特征,利用多种特征约束下的电力线种子点提取,在多种特征约束下提取的电力线种子点进行优化,提高电力线种子点的准确性。
步骤S132:以电力线种子点为起点,将沿电力线方向并且符合预设的电力线特征的各个局部区域内的点云数据,划分为电力线点云数据。以电力线种子点为各个起点,进行沿电力线方向的生长算法,将在沿电力线方向并且符合电力线特征的点云分为电力线点云。
步骤S133:将其余的所述各个局部区域内的点云数据划分为未分类点云数据。通过对电力线点云的提取,实现对原始点云数据的初始分类,将原始点云数据划分为电力线点和未分类点云两大类。
步骤S14:根据未分类点云数据的全部或部分特征将未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据。实现对电力线的提取后,对未分类点云数据进行进一步分类,可以利用依据特征集训练完成的分类模型对地面目标分类。其中,分类模型采用前期训练数据在同一特征集下的分类结果,具体参数为从特征集中选取的部分或全部特征以及各自对应的不同模型下的权重。利用分类模型分类需要加载分类模型并且对应特征集合,根据分类模型和特征集,计算出点云属于每种地物类型的可能性大小,最后取可能性最大的地物属性作为最后该点的类别属性。在一具体实施方式中,可以采用以下几个子步骤,实现步骤S14的过程:
步骤S141:选择分类模型。
步骤S142:根据分类模型筛选未分类点云数据的全部或部分特征,生成未分类点云数据对应的分类特征。
步骤S143:根据未分类点云数据对应的分类特征和分类模型,对未分类点云数据进行分类,将未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据。利用分类模型完成对未分类点云数据的分类,将未分类点云数据分为建筑物、植被点、地面点和噪音点。其中由于电力线杆塔与高大植被在形态上具有相似性,电力塔点临时分割为植被点,并保证植被点相对于地面和建筑物点的准确性。
步骤S15:根据识别出的电力线点云数据以及预设的电力线与杆塔关系模型,从植被点云数据中提取杆塔点云数据。完成对点云数据的二次分类后,需要从植被点云中提取杆塔点云数据,杆塔也是输电通道中重要的电力设施,因此需要对杆塔信息进行多特征的约束。利用适应电力设施的特征集对植被点和杆塔点进行分类,从植被点中提取杆塔点云信息,利用杆塔与已经分割出的电力线之间的相应关系进行关系约束下的点云电力线提取。在一具体实施方式中,可以采用以下几个子步骤,实现步骤S15的过程:
步骤S151:根据预设的另一特征约束条件识别植被点云数据中的杆塔种子点。对杆塔数据与植被数据进行基本参数的配置,并参考特征集中杆塔特征,从植被点云中提取杆塔种子点。
步骤S152:根据杆塔种子点、识别出的电力线点云数据以及预设的电力线与杆塔关系模型,从植被点云数据中提取杆塔点云数据。利用杆塔种子点数据,从植被点云中进行电力线关系约束下的杆塔生长提取,进而从植被点云数据中提取杆塔点云数据。完成对杆塔提取任务后,原始点云数据最终形成电力线、杆塔、建筑物、植被、地面与噪声类别。
输电通道的激光点云数据经过地物分类后完成了对输电通道内不同目标物的提取和分割,通过分割后的数据在局部区域内保证了其特征性质,由于实际的地物目标具有连续性,因此需要对分类结果进行优化处理,将局部的小斑块重新分割到大的背景下。可选的,可以在步骤S15之后增设以下步骤:
步骤S16:对电力线点云数据、植被点云数据、建筑物点云数据、地面点云数据和杆塔点云数据进行优化。具体的,可以通过以下几个子步骤实现优化过程:
步骤S161:识别电力线点云数据、植被点云数据、建筑物点云数据、地面点云数据和杆塔点云数据中的局部独立类别点。可以将图像分割算法Graph-cut算法应用到三维点云数据分类结果优化中,以识别其中的局部独立类别点。
步骤S162:将局部独立类别点作为前景,将电力线点云数据、植被点云数据、建筑物点云数据、地面点云数据和杆塔点云数据中的其余点作为背景。
步骤S163:计算前景和背景之间的差异。
步骤S164:当差异小于预设阈值时,将前景的数据类型修改为背景的数据类型。
本发明实施例提供的输电通道三维测量方法及装置,实现了对多个地物类别的多分类,首先从输电通道的原始激光雷达点云数据中识别出输电通道中最为重要的电力线点云,在保证电力线正确提取的前提下,逐级提取各个地物,实现对通道内多目标的自动提取,通过对智能巡检图像或数据的分类,为实现电网智能巡检可视化做好准备。
本发明实施例还提供了一种输电通道三维测量装置, 如图2所示,该装置可以包括:数据输入单元21、特征计算单元22、第一分类单元23、第二分类单元24和第三分类单元25。
其中,数据输入单元21用于获取输电通道的原始三维激光点云数据;其具体的工作过程可参见上述方法实施例中步骤S11所述。
特征计算单元22用于计算原始三维激光点云数据中各个局部区域内的点云数据的特征;其具体的工作过程可参见上述方法实施例中步骤S12所述。
第一分类单元23用于根据各个局部区域内的点云数据的特征将各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;其具体的工作过程可参见上述方法实施例中步骤S13所述。
第二分类单元24用于根据未分类点云数据的全部或部分特征将未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;其具体的工作过程可参见上述方法实施例中步骤S14所述。
第三分类单元25用于根据识别出的电力线点云数据以及预设的电力线与杆塔关系模型,从植被点云数据中提取杆塔点云数据,其具体的工作过程可参见上述方法实施例中步骤S15所述。
本发明实施例还提供了一种服务器,如图3所示,该服务器可以包括处理器501和存储器502,其中处理器501和存储器502可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器501可以为中央处理器(Central Processing Unit,CPU)。处理器501还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器502作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的输电通道三维测量方法对应的程序指令/模块(例如,图2所示的数据输入单元21、特征计算单元22、第一分类单元23、第二分类单元24和第三分类单元25)。处理器501通过运行存储在存储器502中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的基于运检业务的管控方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器501所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至处理器501。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器502中,当被所述处理器501执行时,执行如图1所示实施例中的输电通道三维测量方法。
上述服务器具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,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,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种输电通道三维测量方法, 其特征在于,包括:
获取输电通道的原始三维激光点云数据;
计算所述原始三维激光点云数据中各个局部区域内的点云数据的特征;
根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;
根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;
根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
2.根据权利要求1所述的输电通道三维测量方法, 其特征在于,所述特征包括直线系数、平面系数、协方差系数和投影面积中的至少一种。
3.根据权利要求1或2所述的输电通道三维测量方法, 其特征在于,所述根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据,包括:
根据所述各个局部区域内的点云数据的特征以及预设的特征约束条件,识别所述各个局部区域内的点云数据中的电力线种子点;
以所述电力线种子点为起点,将沿电力线方向并且符合预设的电力线特征的所述各个局部区域内的点云数据,划分为电力线点云数据;
将其余的所述各个局部区域内的点云数据划分为未分类点云数据。
4.根据权利要求1至3中任一项所述的输电通道三维测量方法, 其特征在于,所述根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据,包括:
根据预设的另一特征约束条件识别所述植被点云数据中的杆塔种子点;
根据所述杆塔种子点、识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
5.根据权利要求1至4中任一项所述的输电通道三维测量方法, 其特征在于,所述根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据,包括:
选择分类模型;
根据所述分类模型筛选所述未分类点云数据的全部或部分特征,生成所述未分类点云数据对应的分类特征;
根据所述未分类点云数据对应的分类特征和所述分类模型,对所述未分类点云数据进行分类,将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据。
6.根据权利要求1至5中任一项所述的输电通道三维测量方法, 其特征在于,还包括:
对所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据进行优化。
7.根据权利要求6所述的输电通道三维测量方法, 其特征在于,所述优化包括:
识别所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据中的局部独立类别点;
将所述局部独立类别点作为前景,将所述电力线点云数据、所述植被点云数据、所述建筑物点云数据、所述地面点云数据和所述杆塔点云数据中的其余点作为背景;
计算所述前景和所述背景之间的差异;
当所述差异小于预设阈值时,将所述前景的数据类型修改为所述背景的数据类型。
8.一种输电通道三维测量装置, 其特征在于,包括:
数据输入单元,用于获取输电通道的原始三维激光点云数据;
特征计算单元,用于计算所述原始三维激光点云数据中各个局部区域内的点云数据的特征;
第一分类单元,用于根据所述各个局部区域内的点云数据的特征将所述各个局部区域内的点云数据划分为电力线点云数据和未分类点云数据;
第二分类单元,用于根据所述未分类点云数据的全部或部分特征将所述未分类点云数据划分为植被点云数据、建筑物点云数据、地面点云数据和噪音点云数据;
第三分类单元,用于根据识别出的所述电力线点云数据以及预设的电力线与杆塔关系模型,从所述植被点云数据中提取杆塔点云数据。
9.一种服务器,其特征在于,包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811388782.5A CN109492699A (zh) | 2018-11-21 | 2018-11-21 | 输电通道三维测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811388782.5A CN109492699A (zh) | 2018-11-21 | 2018-11-21 | 输电通道三维测量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109492699A true CN109492699A (zh) | 2019-03-19 |
Family
ID=65697101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811388782.5A Pending CN109492699A (zh) | 2018-11-21 | 2018-11-21 | 输电通道三维测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492699A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120091A (zh) * | 2019-04-28 | 2019-08-13 | 深圳供电局有限公司 | 电力巡检图像样本制作方法、装置和计算机设备 |
CN110807832A (zh) * | 2019-11-13 | 2020-02-18 | 国网河北省电力有限公司沧州供电分公司 | 一种基于地面三维扫描仪的电力线自动提取方法 |
CN112884723A (zh) * | 2021-02-02 | 2021-06-01 | 贵州电网有限责任公司 | 一种三维激光点云数据中绝缘子串检测方法 |
CN113076995A (zh) * | 2021-03-31 | 2021-07-06 | 广东电网有限责任公司 | 一种用于输电线路的多期激光点云数据处理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104463872A (zh) * | 2014-12-10 | 2015-03-25 | 武汉大学 | 基于车载LiDAR点云数据的分类方法 |
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 |
CN106897686A (zh) * | 2017-02-19 | 2017-06-27 | 北京林业大学 | 一种机载lidar电力巡检点云分类方法 |
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 |
CN107832849A (zh) * | 2017-11-01 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种基于知识库的电力线廊道三维信息提取方法及装置 |
CN107909582A (zh) * | 2017-11-07 | 2018-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种机载LiDAR塔头电力线自动检测分割方法 |
US20180158235A1 (en) * | 2016-12-01 | 2018-06-07 | Here Global B.V. | Method and apparatus for generating a cleaned object model for an object in a mapping database |
CN108562885A (zh) * | 2018-03-29 | 2018-09-21 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
-
2018
- 2018-11-21 CN CN201811388782.5A patent/CN109492699A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104463872A (zh) * | 2014-12-10 | 2015-03-25 | 武汉大学 | 基于车载LiDAR点云数据的分类方法 |
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 |
US20180158235A1 (en) * | 2016-12-01 | 2018-06-07 | Here Global B.V. | Method and apparatus for generating a cleaned object model for an object in a mapping database |
CN106897686A (zh) * | 2017-02-19 | 2017-06-27 | 北京林业大学 | 一种机载lidar电力巡检点云分类方法 |
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 |
CN107832849A (zh) * | 2017-11-01 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种基于知识库的电力线廊道三维信息提取方法及装置 |
CN107909582A (zh) * | 2017-11-07 | 2018-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种机载LiDAR塔头电力线自动检测分割方法 |
CN108562885A (zh) * | 2018-03-29 | 2018-09-21 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
Non-Patent Citations (1)
Title |
---|
庞小平 等: "《遥感制图与应用》", 30 June 2016, 北京:测绘出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120091A (zh) * | 2019-04-28 | 2019-08-13 | 深圳供电局有限公司 | 电力巡检图像样本制作方法、装置和计算机设备 |
CN110807832A (zh) * | 2019-11-13 | 2020-02-18 | 国网河北省电力有限公司沧州供电分公司 | 一种基于地面三维扫描仪的电力线自动提取方法 |
CN110807832B (zh) * | 2019-11-13 | 2023-08-15 | 国网河北省电力有限公司沧州供电分公司 | 一种基于地面三维扫描仪的电力线自动提取方法 |
CN112884723A (zh) * | 2021-02-02 | 2021-06-01 | 贵州电网有限责任公司 | 一种三维激光点云数据中绝缘子串检测方法 |
CN113076995A (zh) * | 2021-03-31 | 2021-07-06 | 广东电网有限责任公司 | 一种用于输电线路的多期激光点云数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492699A (zh) | 输电通道三维测量方法及装置 | |
CN109840157A (zh) | 故障诊断的方法、装置、电子设备和存储介质 | |
CN107038167A (zh) | 基于模型评估的大数据挖掘分析系统及其分析方法 | |
CN106599915B (zh) | 一种车载激光点云分类方法 | |
CN106874483A (zh) | 一种基于大数据技术的图形化的数据质量评测的装置及方法 | |
CN106446016A (zh) | 一种基于并行关联规则挖掘的配电网运行可靠性预测方法 | |
CN109451532A (zh) | 一种基站位置的核查方法及装置 | |
CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
CN109765447A (zh) | 一种智能变电站继电保护自动测试方法 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和系统 | |
CN106772205A (zh) | 一种电力计量自动化系统终端设备异常监测方法及装置 | |
CN112367400B (zh) | 一种边云协同的电力物联网智能巡检方法及系统 | |
CN102567412A (zh) | 一种计算机辅助电网负荷分析的信息处理方法 | |
CN104793607A (zh) | 一种服务器故障在线诊断、健康分析及失效预报系统及方法 | |
CN116824517B (zh) | 基于可视化的变电站运维安全管控系统 | |
CN111524026A (zh) | 一种电力资源分配方法及装置 | |
CN109581126A (zh) | 一种电力带电检测系统及方法 | |
CN115996249A (zh) | 一种基于分级的数据传输方法及装置 | |
CN115859099A (zh) | 样本生成方法、装置、电子设备和存储介质 | |
CN114495498A (zh) | 一种交通数据分布有效性判别方法及装置 | |
CN109740947A (zh) | 基于专利数据的专家挖掘方法、系统、存储介质及电子终端 | |
CN115457211A (zh) | 基于数字孪生的变电站管理方法及系统 | |
CN113886592A (zh) | 一种电力信息通信系统运维数据的质量检测方法 | |
CN113852204A (zh) | 一种于数字孪生的变电站三维全景监视系统及方法 | |
Rongrong et al. | Fault diagnosis method of distribution equipment based on hybrid model of robot and deep learning |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |