CN110060289B - 电力线提取方法和激光雷达系统、存储介质 - Google Patents

电力线提取方法和激光雷达系统、存储介质 Download PDF

Info

Publication number
CN110060289B
CN110060289B CN201910343824.1A CN201910343824A CN110060289B CN 110060289 B CN110060289 B CN 110060289B CN 201910343824 A CN201910343824 A CN 201910343824A CN 110060289 B CN110060289 B CN 110060289B
Authority
CN
China
Prior art keywords
power line
point cloud
cloud data
power
grid
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
Application number
CN201910343824.1A
Other languages
English (en)
Other versions
CN110060289A (zh
Inventor
胡小波
杨业
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LeiShen Intelligent System Co Ltd
Original Assignee
LeiShen Intelligent System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LeiShen Intelligent System Co Ltd filed Critical LeiShen Intelligent System Co Ltd
Priority to CN201910343824.1A priority Critical patent/CN110060289B/zh
Publication of CN110060289A publication Critical patent/CN110060289A/zh
Application granted granted Critical
Publication of CN110060289B publication Critical patent/CN110060289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电力线提取方法和装置、存储介质及计算机设备。其中方法包括：获取点云数据；所述点云数据由激光雷达扫描待测电力线所在区域获得；对所述点云数据进行预处理以提取得到初始电力线点云数据；去除所述初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据；根据所述中间点云数据提取各根电力线点云数据；根据各根电力线点云数据确定对应的电力线特性参数；以及利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线。上述电力线提取方法能够避免电力塔等非电力线点云数据对电力线提取的干扰，从而精准地实现电力线的提取。

Description

电力线提取方法和激光雷达系统、存储介质
技术领域
本发明涉及激光雷达探测技术领域，特别是涉及一种电力线提取方法和激光雷达系统、存储介质。
背景技术
电力行业关系国家命脉，是国家的支柱产业。为了保证电力系统的正常运行，电网维护部门需要对高压输电线路进行定期危险排查。传统的危险排查方式主要包括维护人员地面肉眼观测方式和乘坐低空直升机通过手持设备的人工检测方式。上述巡线方法需要依靠大量的人力、物力和财力且效率低下。为了克服这些弊端，机载激光雷达(LightDetection And Ranging，LiDAR)以其定位精度高、抗干扰等优点弥补了传统巡线方法的众多局限性。
机载激光雷达电力巡线主要任务包括电力线点云提取、危险点检测、电力线三维重建以及巡线走廊点云分类等。其中，基于LiDAR点云数据的电力线提取方法是电力巡线的基础。传统的电力线提取方法无法精准地提取电力线。
发明内容
基于此，有必要针对传统的电力线提取方法无法精准地提取电力线的问题，提供一种电力线提取方法和激光雷达系统、存储介质。
一种电力线提取方法，包括：获取点云数据；所述点云数据由激光雷达扫描待测电力线所在区域获得；对所述点云数据进行预处理以提取得到初始电力线点云数据；去除所述初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据；根据所述中间点云数据提取各根电力线点云数据；根据各根电力线点云数据确定对应的电力线特性参数；以及利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线。
上述电力线提取方法，对获取到的点云数据进行预处理得到初始电力线点云数据后，将初始点云数据中电力塔所在区域的点云数据进行去除以得到中间点云数据。在得到中间点云数据后，根据对各根电力线进行提取，从而根据各根电力线数据确定其电力线特性参数，并根据其特性参数对其进行生长以得到完整的电力线。通过上述方法能够避免电力塔等非电力线点云数据对电力线提取的干扰，从而精准地实现电力线的提取。
在其中的一个实施例中，所述对所述点云数据进行预处理以提取得到初始电力线点云数据的步骤包括：对所述点云数据进行网格化处理；对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除；以及利用电力线网格的分布特性采用网格聚类的方式对滤波处理后的点云数据进行提取得到电力线网格，进而得到所述初始电力线点云数据。
在其中的一个实施例中，所述对点云数据进行网格化处理的步骤中，采用的网格能够将最大尺寸的电力线划归到一个网格中，且不会将相邻两条并行的电力线划归到一个网格中；所述对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除的步骤中，对于任意网格的点云数据，在其垂直方向上相邻的两个网格均存在点云数据时，将该网格的点云数据作为垂直分布的点云数据进行剔除。
在其中的一个实施例中，所述对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除的步骤中，对于任意网格的点云数据，在其垂直方向上相邻的两个网格中仅下方相邻的网格存在点云数据时，进一步获取再下一层网格的点云数据，并在获取到点云数据时将当前判断的网格的点云数据作为垂直分布的点云数据进行剔除。
在其中的一个实施例中，所述去除所述初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据的步骤，包括：沿电力线走廊方向遍历在垂直方向上位于最顶端的电力线网格，并统计各自第一半径内的非电力线网格的个数；根据各电力线网格的第一半径内的非电力线网格的个数的分布曲线确定各电力塔的坐标；以各电力塔的坐标为中心的第二半径所覆盖的区域作为电力塔所在区域；以及去除各电力塔所在区域的点云数据。
在其中的一个实施例中，所述根据各电力线网格的第一半径内的非电力线网格的个数的分布曲线确定各电力塔的坐标的步骤包括：将所述分布曲线的各波峰对应的网格坐标作为初始电力塔坐标；根据各初始电力塔坐标的目标半径内的非电力线网格的数量确定最终的电力塔坐标。
在其中的一个实施例中，所述根据各根电力线点云数据确定对应的电力线特性参数的步骤，所述电力线特征参数包括各根电力线的中心线方程和半径；所述利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线的步骤包括，根据各电力线的中心线方程和半径，采用区域生长方法生长电力线。
在其中的一个实施例中，所述根据各根电力线点云数据确定对应的电力线特性参数的步骤，包括：对各电力线进行分段处理以获得各分段的中心点坐标；利用各中心点坐标以及预设中心线模型确定各根电力线的中心线方程和各电力线的半径。
在其中的一个实施例中，所述根据各电力线的中心线方程和半径，采用区域生长方法生长电力线的步骤中，包括：以第一生长速度进行生长，并在第一生长速度无法满足第一生长要求时，采用第二生长速度进行生长；以及采用第二生长速度无法满足第二生长要求时停止生长；所述第一生长速度大于所述第二生长速度。
一种激光雷达系统，包括：
激光雷达装置，用于扫描待测电力线所在区域以获得点云数据；以及
控制装置，与所述激光雷达装置进行通信连接；所述控制装置用于执行如前述任一实施例所述的方法的步骤。
一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时用于实现如前述任意实施例所述的方法的步骤。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一实施例中的电力线提取方法的流程图。
图2为获取到的点云数据的示意图。
图3为提取到中间点云数据的示意图。
图4和图5为提取到完整电力线的示意图。
图6为一实施例中步骤S120的具体流程图。
图7为采用的3×3×3滤波器的示意图。
图8为一实施例中步骤S130的具体流程图。
图9为一实施例中的电力线网格的第一半径内的非电力线网格的个数的分布图。
图10为一实施例中步骤S150的具体流程图。
图11为一实施例中的电力提取装置的结构框图。
图12为一实施例中的计算机设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
图1为一实施例中的电力线提取方法的流程图。参见图1，该方法包括以下步骤：
步骤S110，获取点云数据。
在本实施例中，点云数据由激光雷达(LiDAR)扫描待测电力线所在区域获得。也即，本实施例中的电力线提取方法是基于机载激光雷达点云数据的电力线自动提取方法。激光雷达获取的数据包括电力线、电力塔(可以简称为塔或者电塔)、植被以及地面等，如图2所示。
步骤S120，对点云数据进行预处理以提取得到初始电力线点云数据。
从获取到的点云数据可知(参见图2)，电力线在空间中呈现曲线分布的状态，且具有局部高程连续性的特征，而电力塔以及植被等在空间的主方向为垂直方向。根据这些特性，可以对获取到的点云数据进行预处理，以将电力线点云数据与其他垂直分布的点云数据进行区分。由于预处理过程中，是根据电力线和电力塔等的分布特性来提取得到初始电力线点云数据，是一个粗提取的过程。因此提取到的初始电力线点云数据中实际上除了电力线部分外，还可能会包含电力塔部分。
步骤S130，去除初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据。
如前所述，提取到的初始电力线点云数据包含部分电力塔，为精准提取完整电力线，需要将电力线中的残余电力塔去除，因此电力塔顶端固定范围内的点云需要重新分类，也即需要将电力塔所在区域的点云数据从初始电力线点云数据中进行剔除，从而得到中间点云数据。具体地，先确定各电力塔的坐标，然后根据电力塔的坐标确定电力塔所在区域后将该区域范围内的点云数据从初始点云数据中剔除，从而确保得到的中间点云数据仅仅为电力线点云数据，也即得到的中间点云数据为部分电力线的点云数据，如图3所示。图3中，白色区域为植被，深灰色区域为电力塔所在区域，而浅灰色部分则表示中间点云数据。从图3中能够看出，得到的中间点云数据包含的均为电力线部分。
步骤S140，根据中间点云数据提取各根电力线点云数据。
在激光雷达的扫描过程中，通常扫描区域会存在多跟并行的电力线，因此需要对各中间点云数据进行聚类，以将各根独立的电力线提取出来。聚类过程可以采用欧式聚类等聚类方式。
步骤S150，根据各电力线点云数据确定对应的电力线特性参数。
在本实施例中，电力线特性参数主要用于表征电力线的分布特性以及自身的尺寸参数。具体地，电力线的横截面可以当做圆形，电力线特性参数可以包括中心线方程和电力线半径。
步骤S160，利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线。
根据确定的各电力线特性参数可以对电力线的不完整部分的分布情况进行预测，也即可以根据其设定相应的生长条件，从而利用区域生长算法对电力线进行生长，最终得到完整的电力线，如图4和5所示。从图4和图5中可以很明显的看出电力线基本能够准确生长到绝缘子处，完成电力塔残余电力线的精提取任务。
上述电力线提取方法，对获取到的点云数据进行预处理得到初始电力线点云数据后，将初始点云数据中电力塔所在区域的点云数据进行去除以得到中间点云数据。在得到中间点云数据后，根据对各根电力线进行提取，从而根据各根电力线数据确定其电力线特性参数，然后根据其特性参数对其进行生长以得到完整的电力线。通过上述方法能够避免电力塔等非电力线点云数据对电力线提取的干扰，从而精准地实现电力线的提取。在电力线的提取过程中，采用直接将电力塔所在区域的点云数据进行剔除再利用电力线特性参数进行生长的方法得到完整的电力线，因此能够有效解决电力线在电力塔绝缘子处存在的误分割问题，且不需要和传统方法一样去对点云数据的每个点都做特征计算，从而既可以提高处理效率也能够准确分割电力线于电力塔的绝缘子处，实现单根完整电力线的提取任务。
在一实施例中，步骤S120可以包括如图6所示的流程中的步骤：
步骤S122，对点云数据进行网格化处理。
在对点云数据进行网格化的处理过程中，网格大小要适中，不宜过大或者过小。网格过大可能会误将电力线和树木同时划分到同一个网格，造成误判树冠为电力线的情况。网格过小则会影响计算时间，且不利于后面的过程中充分利用电力线的空间分布特征。因此，采用的网格应该至少能够将最大尺寸的电力线划归到一个网格中，且不会将相邻两条并行的电力线划归到一个网格中。相邻两条并行的电力线包括水平方向并行的电力线也包括在垂直方向上并行的电力线。在一实施例中，网格的长宽高均大于最粗电力线的最大尺寸，且小于两根电力线在垂直方向上的高度差的二分之一。在一具体实施例中，将网格的长宽高都设置为最粗电力线最大尺寸的1.5倍。由于电力线的横截面可以看做圆形，也即网格的长宽高都设置为最粗电力线的直径的1.5倍。最粗电力线的直径可以在测量之前即获知。通过将点云数据进行网格化，可以将点云数据规则的排列，并缩小计算量，从而提高后续的计算速度。在一实施例中，在对点云数据进行网格化后，会根据点云的空间坐标信息，将其转换到新的坐标对应的网格中，以确保点云数据能够规则的排列，从而便于后面的粗提取过程。
步骤S124，对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除。
滤波处理过程主要是为了将垂直分布的物体剔除，以使得空间中的电力线与地面上的物体以及垂直分布的电力塔等分离。如前所述，通过将网格尺寸设置为大于电力线的直径，因此网格化的电力线在垂直方向连续三个网格中不可能同时存在数据，在垂直方向相邻的两个网格中可能同时存在数据，或者只存在一个垂直方向上的某一个网格中。而网格化的电力塔或者树木等在垂直方向上连续三个网格中同时存在数据。因此，对于任意网格的点云数据，如果在其垂直方向上相邻的两个网格(也即上一层网格和下一层网格)均存在点云数据时，则将该点云数据作为垂直分布的点云数据进行剔除。通过采用上述方法对点云数据进行剔除，从而提取出电力线网格，得到初始化点云数据。
在一实施例中，可以采用如图7所示的3×3×3滤波器来实现上述滤波处理过程。滤波器采用如公式(1)所示的方法进行过滤：
Figure BDA0002041001030000091
其中V14表示滤波器14号网格，Vi、Vj分别表示滤波器第三层和第一层中任意的一个网格，也即14号网格在垂直方向上相邻的两个网格。当滤波中心V14存在数据时，如果在第一层的网格存在数据，且在其第三层对应位置同时也存在数据，则将V14中的数据剔除，否则保留。按照上述方法，依次处理全部网格。使用该滤波器，可以将塔、树木等垂直分布的物体剔除，从而得到初始电力线点云数据。
在另一实施例中，对于任意网格的点云数据，如果判断出在其垂直方向上相邻的两个网格中，仅下方相邻的网格中存在点云数据时，并不会直接将其保留，而是会进一步判断，以将确保不会误将塔顶和树顶等包括在电力线网格中。具体地，进一步获取当前需要判断的网格再下一层网格的点云数据，也即其下方第二层的点云数据，在下方第二层的网格存在点云数据时将当前判断的网格的点云数据作为垂直分布的点云数据进行剔除，否则保留。通过上述步骤，能够提高对树顶以及塔顶的处理效果，从而提高整个电力线提取的精准度。
步骤S126，利用电力线网格的分布特性采用网格聚类的方式对滤波处理后的点云数据进行提取得到电力线网格，进而得到初始电力线点云数据。
网格化点云数据经过步骤S124的过滤后，点云呈现电力线与地面分离的情况。电力线网格的特性包括：相邻两电力线网格高程差在预设范围内(比如0或1个网格)，在空间中呈现连续水平分布状态，且断裂距离会在一定范围内。结合电力线网格的上述分布特性，使用欧式聚类方式即可实现对电力线网格的粗提取。
在一实施例中，步骤S130可以采用如图8所示的流程来实现：
步骤S132，沿电力线走廊方向遍历在垂直方向上位于最顶端的电力线网格，并统计各自第一半径内的非电力线网格的个数。
为了对电力塔顶端附近的数据重新分类，需要计算电力塔的坐标。对于完整的巡检走线数据，研究发现，电力线与电力塔具有相连性。因此，遍历最顶端电力线网格，并计算每个最顶端电力线网格的第一半径内的非电力线网格的个数。在本实施例中，非电力线网格是指存在点云数据且该点云数据不是步骤S120中提取出来的初始电力线点云数据的网格。第一半径的大小可以根据实际需要进行设定，比如设定为7个网格大小。在一实施例中，第一半径也可以为在垂直方向上相邻的两根电力线之间的高度差。
步骤S134，根据各电力线网格的第一半径内的非电力线网格的个数的分布曲线确定各电力塔的坐标。
图9为一实施例中的电力线网格的第一半径内的非电力线网格的个数的分布图。图9中，x方向表示沿巡线走廊方向上的顶端电力线网格，y方向表示电力线网格的第一半径内的非电力线网格点总数，O为坐标原点，a、b、c分别为曲线最高点也即曲线的波峰所对应的电力线网格的空间坐标。由于电力塔通常具有对称性，且电力塔点呈现中间分布多，两边分布少的特性。因此遍历电力线网格到电力塔附近时，分布曲线近似一个对称的凸函数，从而可以根据确定出来的波峰所在位置确定各电力塔坐标。
在一实施例中，由于可能出现电力线上悬挂某些异物，或者出现树冠过高等现象，此时得到的分布曲线类似图9中b附近的曲线。为了解决电力塔坐标误判的情况，将分布曲线中的各波峰对应的网格坐标作为初始电力塔坐标，然后根据各初始电力塔坐标的目标半径内的非电力线网格的数量确定最终的电力塔坐标。具体地，通过判断半径r内的非电力线网格的数量来剔除误将树木顶端定为电力塔坐标的错误点，并增加一个阈值来剔除电力线上的悬挂物。该阈值与电力线半径r/2内搜索到的非电力线网格点的总数有关。在一实施例中，可以半径r设置为4个网格。通过上述方法可以准确定位电力塔的空间坐标，也即将a、c点确定为电力塔坐标，并将错误点b点剔除。
步骤S136，以各电力塔的坐标为中心的第二半径覆盖的区域作为电力塔所在区域。
在确定电力塔坐标后，将电力塔坐标为中心的第二半径覆盖的区域作为电力塔所在区域。第二半径的大小可以根据需要设置。当第二半径设置较大时，剔除的有效电力线数据较多，在一定程度会增加后续生长电力线的生长量。当第二半径设置较小时，会存在电力塔部分无法完全移除的可能性。在一实施例中，将第二半径设置为电力塔在长宽方向上的最大尺寸的三分之二。也即在该区域内的点为包含电力线的电力塔。
步骤S138，去除各电力塔所在区域的点云数据。
根据确定的电力塔所在区域，将粗提取的初始电力线点云数据中的该部分点云数据进行剔除。
通过直接将该部分数据进行剔除，可以避免由于电力塔的绝缘子与电力线存在连接处而导致误分割的问题发生。
在一实施例中，步骤S150中可以采用如图10所示的流程来实现：
步骤S152，对各电力线进行分段处理以获得各分段的中心点坐标。
对步骤S140中提取到的各根电力线进行分段处理。分段长度同样可以根据需要进行设置。在分段处理以得到各分段的中心点坐标的过程中，是基于原始点云数据来执行的，以实现对电力线的精准提取。
各分段的中心点可以通过公式(2)来计算，具体如下：
Figure BDA0002041001030000121
其中，n为分段电力线中的点云数，(xi，yi，zi)为分段电力线中点云的空间坐标。
步骤S154，利用各中心点坐标以及预设中心线模型确定各根电力线的中心线方程和半径。
预设中心线模型为数学模型，其用于拟合单根电力的中心线方程。预设中心线模型可以通过公式(3)和公式(4)相结合得到：
y＝kx+b (3)
Figure BDA0002041001030000122
根据上述数学模型，将步骤S152中确定的同一根电力线的中心点坐标代入到模型中进行计算从而确定出上述模型中的相关参数后得到中心线方程。
在确定中心线方程后，为获得完整的单根电力线，还需要计算电力线半径，以判断电力线与电力塔的绝缘子相连的地方。根据电力线的中心线方程，并计算电力线表面的点到电力线中心线的垂直距离d。由于电力线在XY平面(也即水平面)分布类似一条直线，首先可以通过公式(3)计算点(x’，y’，z’)与电力线中心线方程垂直方向上的直线方程，联立公式(3)、(4)、(5)计算得到直线与电力线中心方程的交点坐标(x”，y”，z”)。然后可以通过两点之间的距离公式(6)计算得到点到中心线的垂直距离d。
Figure BDA0002041001030000123
Figure BDA0002041001030000124
理论上电力线表面的点到中心线的距离为电力线的半径r。但是由于噪声的影响，得到的半径可能会存在过大或者过小的异常值，因此可以将得到的距离划分到不同的刻度区间，比如一个刻度的量程为1cm，通过统计直方图的方法剔除最大值后，将次最大值作为电力线的半径，从而确保获得到的半径较为贴近真实半径。
在一实施例中，在步骤S160中，采用区域生长方法生长电力线的过程中，会先采用第一生长速度进行生长，并在第一生长速度无法满足第一生长要求时，采用第二生长速度进行生长，如果第二生长速度满足第二生长要求则将生长点视为电力线，否则停止生长。其中，第二生长速度小于第一生长速度。通过先采用大的生长速度进行生长再在临近停止生长处采用较小的生长速度进行生长，从而既可以确保整个生长过程中具有较高的平均生长速度，且能够确保精准生长电力线于绝缘子处，完成电力线的精提取。可以理解，第一生长要求和第二生长要求的条件均需要与相应的生长速度所匹配，而并不限于某一具体条件。
在本实施例中，采用如公式(7)的生长方式生长电力线，如下所示：
Figure BDA0002041001030000131
其中，式(7)中PL表示生长电力线点，sum表示生长点所对应点到电力线中心线距离d大于电力线半径r的总数，threshold为阈值，n为生长一次所对应的总点云数。
具体生长思路为：每次生长电力线0.1m，此时threshold为5，如果该次生长所对应的sum值小于5，将其生长点并入到电力线；否则将生长距离缩小为0.01m，此时threshold为2，如果该次生长对应的sum值小于2，将其生长点视为电力线，否则停止生长。最终生长电力线于绝缘子处，完成电力线精提取。
本发明一实施例还提供了一种激光雷达系统。该激光雷达系统可以用于实现电力巡线任务。该该激光雷达系统包括激光雷达装置和控制装置。其中激光雷达装置用于扫描待测电力线所在区域以获得点云数据。激光雷达装置可以为机载激光雷达装置。控制装置与激光雷达装置进行通信连接，该通信连接可以为有线连接也可以为无线连接。控制装置用于接收激光雷达装置输出的点云数据，并对点云数据执行如前述任意实施例所述的电力线提取方法中的步骤，从而实现电力线的提取，进而以完成后续电力巡线操作吗，进而能够自动完成远距离巡检任务中的电力线提取和定位电力塔坐标的工作，具有较好的应用价值。
本申请一实施例还提供了一种电力线提取装置，其结构框图如图11所示。该电力线提取装置用于实现前述任意实施例中的电力线提取方法。该电力线提取装置包括获取模块210、第一提取模块220、去除模块230、第二提取模块240、确定模块250以及生长模块260。其中获取模块210用于获取点云数据。点云数据由激光雷达扫描待测电力线所在区域获得。第一提取模块220用于对点云数据进行预处理以提取得到初始电力线点云数据。去除模块230用于去除初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据。第二提取模块240用于根据中间点云数据提取各根电力线点云数据。确定模块250用于根据各根电力线点云数据确定对应的电力线特性参数。生长模块260用于利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线。
在一实施例中，第一提取模块220用于对所述点云数据进行网格化处理；对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除；以及利用电力线网格的分布特性采用网格聚类的方式对滤波处理后的点云数据进行提取得到电力线网格，进而得到所述初始电力线点云数据。
在一实施例中，第一提取模块220用于对点云数据进行网格化处理的步骤中，采用的网格能够将最大尺寸的电力线划归到一个网格中，且不会将相邻两条并行的电力线划归到一个网格中。第一提取模块220还用于对于任意网格的点云数据，在其垂直方向上相邻的两个网格均存在点云数据时，将该网格的点云数据作为垂直分布的点云数据进行剔除。
在一实施例中，网格的长宽高均为最大电力线的最大尺寸的1.5倍。
在一实施例中，第一提取模块220对于任意网格的点云数据，在其垂直方向上相邻的两个网格中仅下方相邻的网格存在点云数据时，进一步获取再下一层网格的点云数据，并在获取到点云数据时将当前判断的网格的点云数据作为垂直分布的点云数据进行剔除。
在一实施例中，去除模块230用于沿电力线走廊方向遍历在垂直方向上位于最顶端的电力线网格，并统计各自第一半径内的非电力线网格的个数；根据各电力线网格的第一半径内的非电力线网格的个数的分布曲线确定各电力塔的坐标；以各电力塔的坐标为中心的第二半径所覆盖的区域作为电力塔所在区域；以及去除各电力塔所在区域的点云数据。
在一实施例中，去除模块230用于将所述分布曲线的各波峰对应的网格坐标作为初始电力塔坐标；根据各初始电力塔坐标的目标半径内的非电力线网格的数量确定最终的电力塔坐标。
在一实施例中，确定模块240确定的电力线特征参数包括各根电力线的中心线方程和半径。生长模块260则根据各电力线的中心线方程和半径，采用区域生长方法生长电力线。
在一实施例中，确定模块240用于对各电力线进行分段处理以获得各分段的中心点坐标；利用各中心点坐标以及预设中心线模型确定各根电力线的中心线方程和各电力线的半径。
在一实施例中，生长模块260用于以第一生长速度进行生长，并在第一生长速度无法满足第一生长要求时，采用第二生长速度进行生长；以及采用第二生长速度无法满足第二生长要求时停止生长；第一生长速度大于第二生长速度。
本申请一实施例还提供了一种存储介质，其上存储有计算机程序。该计算机程序被处理器执行时用于实现前述任意实施例所述的电力线提取的方法的步骤。
本申请一实施例还提供了一种计算机设备。图12为一个实施例中计算机设备的内部结构示意图。如图12所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个计算机设备的运行。存储器用于存储数据、程序、和/或指令代码等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的电力线提取方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的计算机设备进行通信。该计算机设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。如该计算机设备还可包括显示屏和输入装置。显示屏可以是液晶显示屏或者电子墨水显示屏等，输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，也可以是外接的键盘、触控板或鼠标等。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种电力线提取方法，包括：
获取点云数据；所述点云数据由激光雷达扫描待测电力线所在区域获得；
对所述点云数据进行预处理以提取得到初始电力线点云数据；
去除所述初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据；
所述去除所述初始电力线点云数据中电力塔所在区域的点云数据，以得到中间点云数据，包括：
沿电力线走廊方向遍历在垂直方向上位于最顶端的电力线网格，并统计各最顶端的电力线网格第一半径内的非电力线网格的个数以得到个数的分布曲线；
将所述分布曲线的各波峰对应的网格坐标作为初始电力塔坐标；
根据各初始电力塔坐标的目标半径内的非电力线网格的数量确定最终的电力塔坐标；
以各电力塔的坐标为中心的第二半径所覆盖的区域作为电力塔所在区域；以及
去除各电力塔所在区域的点云数据以得到中间点云数据；
根据所述中间点云数据提取各根电力线点云数据；
根据各根电力线点云数据确定对应的电力线特性参数；以及
利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线。
2.根据权利要求1所述的方法，其特征在于，所述对所述点云数据进行预处理以提取得到初始电力线点云数据的步骤包括：
对所述点云数据进行网格化处理；
对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除；以及
利用电力线网格的分布特性采用网格聚类的方式对滤波处理后的点云数据进行提取得到电力线网格，进而得到所述初始电力线点云数据。
3.根据权利要求2所述的方法，其特征在于，所述对点云数据进行网格化处理的步骤中，采用的网格能够将最大尺寸的电力线划归到一个网格中，且不会将相邻两条并行的电力线划归到一个网格中；
所述对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除的步骤中，对于任意网格的点云数据，在其垂直方向上相邻的两个网格均存在点云数据时，将该网格的点云数据作为垂直分布的点云数据进行剔除。
4.根据权利要求3所述的方法，其特征在于，所述对网格化后的点云数据进行滤波处理以将垂直分布的点云数据进行剔除的步骤中，对于任意网格的点云数据，在其垂直方向上相邻的两个网格中仅下方相邻的网格存在点云数据时，进一步获取再下一层网格的点云数据，并在获取到点云数据时将当前判断的网格的点云数据作为垂直分布的点云数据进行剔除。
5.根据权利要求1所述的方法，其特征在于，所述根据各根电力线点云数据确定对应的电力线特性参数的步骤，所述电力线特征参数包括各根电力线的中心线方程和半径；
所述利用各根电力线特性参数对相应的电力线进行生长以得到完整的电力线的步骤包括，根据各电力线的中心线方程和半径，采用区域生长方法生长电力线。
6.根据权利要求5所述的方法，其特征在于，所述根据各根电力线点云数据确定对应的电力线特性参数的步骤，包括：
对各电力线进行分段处理以获得各分段的中心点坐标；
利用各中心点坐标以及预设中心线模型确定各根电力线的中心线方程和各电力线的半径。
7.根据权利要求5所述的方法，其特征在于，所述根据各电力线的中心线方程和半径，采用区域生长方法生长电力线的步骤中，包括：
以第一生长速度进行生长，并在第一生长速度无法满足第一生长要求时，采用第二生长速度进行生长；以及
采用第二生长速度无法满足第二生长要求时停止生长；所述第一生长速度大于所述第二生长速度。
8.一种激光雷达系统，其特征在于，包括：
激光雷达装置，用于扫描待测电力线所在区域以获得点云数据；以及
控制装置，与所述激光雷达装置进行通信连接；所述控制装置用于执行如权利要求1～7任意所述的方法的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时用于实现如权利要求1～7任一所述的方法的步骤。
CN201910343824.1A 2019-04-26 2019-04-26 电力线提取方法和激光雷达系统、存储介质 Active CN110060289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910343824.1A CN110060289B (zh) 2019-04-26 2019-04-26 电力线提取方法和激光雷达系统、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910343824.1A CN110060289B (zh) 2019-04-26 2019-04-26 电力线提取方法和激光雷达系统、存储介质

Publications (2)

Publication Number Publication Date
CN110060289A CN110060289A (zh) 2019-07-26
CN110060289B true CN110060289B (zh) 2021-08-17

Family

ID=67321108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910343824.1A Active CN110060289B (zh) 2019-04-26 2019-04-26 电力线提取方法和激光雷达系统、存储介质

Country Status (1)

Country Link
CN (1) CN110060289B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533075B (zh) * 2019-08-01 2023-08-08 贵州电网有限责任公司 一种多模型电力线分割方法
CN111062949B (zh) * 2019-11-28 2021-05-14 国网冀北电力有限公司工程管理分公司 一种基于机载激光雷达的电力线点云提取方法
CN114639024A (zh) * 2022-03-03 2022-06-17 江苏方天电力技术有限公司 一种输电线路激光点云自动分类方法

Citations (11)

* Cited by examiner, † Cited by third party
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
CN102879788A (zh) * 2012-09-04 2013-01-16 广州建通测绘技术开发有限公司 一种基于机载LiDAR数据的输电线路的电力线提取方法
CN103473734A (zh) * 2013-09-16 2013-12-25 南京大学 一种基于车载LiDAR数据的电力线提取与拟合方法
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法
CN104732588A (zh) * 2015-03-30 2015-06-24 中国测绘科学研究院 一种基于机载激光雷达点云的电力线三维重建方法
CN105513127A (zh) * 2015-12-25 2016-04-20 武汉大学 基于密度峰值聚类的杆状物规则化三维建模方法及系统
CN106709946A (zh) * 2016-12-16 2017-05-24 武汉大学 基于LiDAR点云的多分裂导线自动提取与精细建模方法
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
CN108061901A (zh) * 2017-12-01 2018-05-22 国家电网公司 基于机载激光雷达点云数据重建3d电力线模型的方法
CN108919295A (zh) * 2018-05-15 2018-11-30 国网通用航空有限公司 机载LiDAR点云道路信息提取方法及装置
CN109272560A (zh) * 2018-09-07 2019-01-25 北京数字绿土科技有限公司 一种电力线矢量化方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150130840A1 (en) * 2013-11-08 2015-05-14 Sharper Shape Ltd. System and method for reporting events

Patent Citations (11)

* Cited by examiner, † Cited by third party
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
CN102879788A (zh) * 2012-09-04 2013-01-16 广州建通测绘技术开发有限公司 一种基于机载LiDAR数据的输电线路的电力线提取方法
CN103473734A (zh) * 2013-09-16 2013-12-25 南京大学 一种基于车载LiDAR数据的电力线提取与拟合方法
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法
CN104732588A (zh) * 2015-03-30 2015-06-24 中国测绘科学研究院 一种基于机载激光雷达点云的电力线三维重建方法
CN105513127A (zh) * 2015-12-25 2016-04-20 武汉大学 基于密度峰值聚类的杆状物规则化三维建模方法及系统
CN106709946A (zh) * 2016-12-16 2017-05-24 武汉大学 基于LiDAR点云的多分裂导线自动提取与精细建模方法
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
CN108061901A (zh) * 2017-12-01 2018-05-22 国家电网公司 基于机载激光雷达点云数据重建3d电力线模型的方法
CN108919295A (zh) * 2018-05-15 2018-11-30 国网通用航空有限公司 机载LiDAR点云道路信息提取方法及装置
CN109272560A (zh) * 2018-09-07 2019-01-25 北京数字绿土科技有限公司 一种电力线矢量化方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The Application Research of UAV-based LiDAR System for Power Line Inspection;Wei Zhang 等;《Advances in Comuputer Science Research》;20171231;第962-966页 *
电力巡线中机载激光点云数据处理的关键技术;王和平 等;《地理空间信息》;20151031;第13卷(第5期);第59-62页 *

Also Published As

Publication number Publication date
CN110060289A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110060289B (zh) 电力线提取方法和激光雷达系统、存储介质
WO2019104780A1 (zh) 激光雷达点云数据分类方法、装置、设备及存储介质
CN106709946B (zh) 基于LiDAR点云的多分裂导线自动提取与精细建模方法
CN106326808B (zh) 基于无人机图像的检测输电线路杆塔上鸟窝的方法
CN107835997B (zh) 使用计算机视觉的用于电力线走廊监测的植被管理
CN108307146B (zh) 一种高压输电线路安全隐患检测系统及方法
US11270111B2 (en) Automated management of potentially hazardous objects near power lines
CN111402248A (zh) 一种基于机器视觉的输电线路导线缺陷检测方法
CN107273902B (zh) 一种从机载LiDAR数据自动提取电塔点云的方法
CN110930357B (zh) 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN112101159B (zh) 多时相林业遥感影像变化监测方法
CN113205063A (zh) 一种输电导线缺陷的视觉识别及定位方法
CN106897686A (zh) 一种机载lidar电力巡检点云分类方法
CN106355580B (zh) 一种杆塔倾倒的检测方法及装置
CN109684938A (zh) 一种基于作物冠层航拍俯视图的甘蔗株数自动识别方法
CN111337789A (zh) 一种高压输电线路中故障电气元件检测方法及检测系统
CN115902901A (zh) 一种气象区域识别方法、装置及计算机设备
CN114519712A (zh) 一种点云数据处理方法、装置、终端设备及存储介质
CN116030289A (zh) 基于激光雷达的铁路危情监测方法
JP4270254B2 (ja) 画像信号処理装置及び画像処理方法
CN112016641A (zh) 一种异物导致线路短路故障告警方法及装置
CN111783648A (zh) 道路点云中护栏的提取方法及装置
Zhou et al. Automatic extraction of power lines from UAV lidar point clouds using a novel spatial feature
Zai et al. Inventory of 3D street lighting poles using mobile laser scanning point clouds
CN114266770A (zh) 通过神经网络学习方法检测高铁接触网吊弦缺陷的方法

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