CN111091614A - 一种变电站三维实景模型建立方法及系统 - Google Patents
一种变电站三维实景模型建立方法及系统 Download PDFInfo
- Publication number
- CN111091614A CN111091614A CN201911067531.1A CN201911067531A CN111091614A CN 111091614 A CN111091614 A CN 111091614A CN 201911067531 A CN201911067531 A CN 201911067531A CN 111091614 A CN111091614 A CN 111091614A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- subspace
- transformer substation
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000000717 retained effect Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明公开了一种变电站三维实景模型建立方法,其包括:(1)获取变电站原始点云数据;(2)对变电站原始点云数据进行预处理;(3)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;(4)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;(5)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。此外,本发明还公开了用于变电站三维实景模型建立的系统,系统包括处理模块,该处理模块基于获取的变电站原始点云数据进行操作。该变电站三维实景模型建立方法有效抑制噪声干扰,实现变电站设备的准确提取与定位。
Description
技术领域
本发明涉及一种建立模型的方法及系统,尤其涉及一种实景模型建立方法及系统。
背景技术
随着地球空间信息管理系统相关研究在电力领域的进一步发展,变电站三维信息可视化作为实现变电站运维更高效的技术,日渐成为了研究的焦点。变电站的三维实景模型重建作为变电站三维可视化的技术基础,高精度模型重建是实现三维可视化效果更为清楚直观的关键。目前,变电站三维实景建模的方法主要有VRML建模法、几何造型建模法、基于点云数据的建模方法。其中前两种方法建模精度和效率较低,而基于点云数据的建模方法采用地面三维激光扫描技术,采取非接触式的测量采集技术便可准确采集变电站设备以及连接线的三维点云数据,在实际应用中能够有效避免传统测量方式的不足,已逐渐成为变电站三维实景建模的发展趋势。
然而,目前,在现有技术中,基于点云数据的建模方法仍存在一定不足,例如基于地面激光雷达的变电站设备建模技术会产生海量的点云数据,扫描得到的变电站点云数量庞大,且除了电气设备点云之外,还含有地面点云以及大量由于外部环境干扰所产生的干扰噪声点云,因此,如何快速高效地实现特高压变电站的地物、电力设备以及相关附件的点云数据地分割提取,就成为了有效提升该项技术的时效性和工程应用价值的关键。
现有的文献研究虽然对此有一定的关注,但相关研究尚处于起步阶段,存在一定的不足缺陷,例如说:适用对象局限较大,只能适用于形状比较单一,特殊形状比较少的对象;或者,具有方法步骤繁琐,效率低的问题;又或者,方法过于依赖大数据处理方法,无法在复杂的外部条件下保持比较高的效率和准确性,在实际建模使用当中有一定的局限性。
此外,需要指出的是,电气设备点云数据三维点云数据量极其庞大,一个设备大概有几万到几十万个点,然而,在对变电站三维仿真模型重建进行初步研究分析的时候,超大数据量设备点云的自动提取处理是通过人力用肉眼识别,并手动通过特定软件进行处理,不仅要投入大量的人力和时间,而且效率和处理准确度都比较低。
基于现有技术存在的上述问题,期望获得一种变电站三维实景模型建立方法,其可以快速有效地对点云数据进行处理,用计算机代替人对电气设备的点云数据进行自动提取,识别对应目标设备点云以及噪声点云并进行分类去除。
发明内容
本发明的目的之一是提供一种变电站三维实景模型建立方法,该变电站三维实景模型建立方法克服了现有技术中的对于大数据算法依赖程度高,效率较低的不足,其从变电站地面雷达点云数据结构特征出发,基于三维激光点云数据进行多维度子空间网格密度差值分割,从而最终实现对数据的高效自动化提取,进而降低三维实景模型的建模成本,为缩短周期节省成本奠定基础。
根据上述发明目的,本发明提出了一种变电站三维实景模型建立方法,其包括步骤:
(1)获取变电站原始点云数据;
(2)对变电站原始点云数据进行预处理;
(3)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;
(4)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;
(5)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
本发明所述的变电站三维实景模型建立方法中基于多维度子空间网格密度差进行三维激光点分割,其首先获取变电站原始点云数据后,对变电站原始点云数据进行预处理,例如去除点云数据中的飞点并对点云数据进行精简,随后根据点云数据特征划分为设备点云与地面点云,并将其分别用于三维实景建模与模型精准定位。其中,采用二维子空间密度差值分割法提取设备点云,在xoy和yoz平面分别将长距离地形进行划分,转换为多个小距离尺度空间的组合,对所有子空间内的点云依据高程密度差进行有效分割,实现特高压变电站设备的自动提取;而采用一维子空间密度差值稀释地面点云,进而获取清晰定位点。最终,采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
本发明所述的变电站三维实景模型建立方法可以有效抑制干扰点噪声干扰,实现变电站设备的准确提取与定位,算法效率较高,具有较强的工程应用性。
进一步地,在本发明所述的变电站三维实景模型建立方法中,在步骤(1)中,通过三维激光雷达扫描得到变电站原始点云数据。
进一步地,在本发明所述的变电站三维实景模型建立方法中,在步骤(2)中,所述预处理包括飞点去除和点云数据精简。
进一步地,在本发明所述的变电站三维实景模型建立方法中,步骤(3)包括步骤:
(3a)基于经过预处理的变电站原始点云数据,确定初始点云空间M0:
其中,(x,y,z)为任意一个点云的空间坐标值;xmin、xmax、ymin、ymax、zmin和zmax表示初始点云空间在x、y、z三个方向上的边界;
(3b)采用划分尺度dx沿x轴将初始点云空间划分成N个子空间:
式中,|xmax-xmin|表示求取不大于(xmax-xmin)的最大整数;
(3c)统计每个子空间Mi(i=1,2,….,N)中的点与最低点的高程差δi,以δi作为特征值,其中δi=zi-zmin;
(3d)将特征值δi与设定的特征阈值δ0进行比较,若δi≤δ0,则该点为地面点云,否则为带有噪声点的设备点云。
进一步地,在本发明所述的变电站三维实景模型建立方法中,在步骤(4)中,采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云包括步骤:
(4a)将带有噪声点的设备点云投影至xoy平面获得设备点云的第一初始空间Ms10,对其进行边界定位,采用划分尺度dsx,dsy,分别沿x,y轴将第一初始空间Ms10划分成m×n个第一子空间Ms1i,j,其中i=1,2……m,j=1,2……n:
其中xs1min、xs1max、ys1min、ys1max表示第一初始空间Ms10在x、y方向上的边界;
(4b)统计每个第一子空间Ms1i,j的点云数量值C1i,j,以C1i,j作为该第一子空间的第一特征值;
(4c)将第一特征值C1i,j与第一设定阈值C10进行比较,若C1i,j≥C10则将该点作为设备点,否则将该点作为噪声点,予以去除;
(4d)将上一步所得的所有设备点构成的设备点云作为第二初始空间Ms20,采用划分尺度dy,dz分别沿y,z轴将第二初始空间Ms20划分成p×q个第二子空间Ms2i,j,其中i=1,2……p,j=1,2……q:
(4e)统计每个第二子空间Ms2i,j的点云数量值C2i,j,以C2i,j作为该第二子空间的第二特征值;
(4f)将第二特征值C2i,j与第二设定阈值C20进行比较,若C2i,j≥C20则将该点作为设备点予以提取保留,否则将该点作为噪声点,予以去除。
进一步地,在本发明所述的变电站三维实景模型建立方法中,在步骤(4)中,采用一维子空间密度差值对地面点云进行抽稀包括步骤:
(i)将地面点云投影至xoy平面获得地面点云的初始空间Md0,对其进行边界定位,采用划分尺度ddx,ddy,分别沿x,y轴将初始空间Md0划分成m×n个地面点云子空间Mdi,j,其中i=1,2……m,j=1,2……n:
其中xdmin、xdmax、ydmin、ydmax表示地面点云的初始空间Md0在x、y方向上的边界;
(ii)统计每个地面点云子空间Mdi,j的点云数量值Cdi,j,以Cdi,j作为该地面点云子空间的特征值;
(iii)将地面点云子空间的特征值Cdi,j与设定的抽稀阈值C1进行比较,若Cdi,j≤C1则将该点保留,否则将该点去除。
相应地,本发明的另一目的在于提供一种用于变电站三维实景模型建立的系统,通过该系统可以高效精确完整地实现变电站的实景模型建立。
根据上述发明目的,本发明提出了一种用于变电站三维实景模型建立的系统,系统包括处理模块,处理模块基于获取的变电站原始点云数据进行下述操作步骤:
(1)对变电站原始点云数据进行预处理;
(2)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;
(3)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;
(4)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
进一步地,在本发明所述的系统中,还包括三维激光雷达,其通过扫描获得变电站原始点云数据,并将该变电站原始点云数据传输到所述处理模块。
进一步地,在本发明所述的系统,操作步骤(2)进一步包括:
(2a)基于经过预处理的变电站原始点云数据,确定初始点云空间M0:
其中,(x,y,z)为任意一个点云的空间坐标值;xmin、xmax、ymin、ymax、zmin和zmax表示初始点云空间在x、y、z三个方向上的边界;
(2b)采用划分尺度dx沿x轴将初始点云空间划分成N个子空间:
式中,|xmax-xmin|表示求取不大于(xmax-xmin)的最大整数;
(2c)统计每个子空间Mi(i=1,2,….,N)中的点与最低点的高程差δi,以δi作为特征值,其中δi=zi-zmin;
(2d)将特征值δi与设定的特征阈值δ0进行比较,若δi≤δ0,则该点z为地面点云,否则为带有噪声点的设备点云。
进一步地,在本发明所述的系统中,采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云进一步包括:
(3a)将带有噪声点的设备点云投影至xoy平面获得设备点云的第一初始空间Ms10,对其进行边界定位,采用划分尺度dsx,dsy,分别沿x,y轴将第一初始空间Ms10划分成m×n个第一子空间Ms1i,j,其中i=1,2……m,j=1,2……n:
其中xs1min、xs1max、ys1min、ys1max表示第一初始空间Ms10在x、y方向上的边界;
(3b)统计每个第一子空间Ms1i,j的点云数量值C1i,j,以C1i,j作为该第一子空间的第一特征值;
(3c)将第一特征值C1i,j与第一设定阈值C10进行比较,若C1i,j≥C10则将该点作为设备点,否则将该点作为噪声点,予以去除;
(3d)将上一步所得的所有设备点构成的设备点云作为第二初始空间Ms20,采用划分尺度dy,dz分别沿y,z轴将第二初始空间Ms20划分成p×q个第二子空间Ms2i,j,其中i=1,2……p,j=1,2……q:
(3e)统计每个第二子空间Ms2i,j的点云数量值C2i,j,以C2i,j作为该第二子空间的第二特征值;
(3f)将第二特征值C2i,j与第二设定阈值C20进行比较,若C2i,j≥C20则将该点作为设备点予以提取保留,否则将该点作为噪声点,予以去除。
进一步地,在本发明所述的系统,采用一维子空间密度差值对地面点云进行抽稀进一步包括:
(i)将地面点云投影至xoy平面获得地面点云的初始空间Md0,对其进行边界定位,采用划分尺度ddx,ddy,分别沿x,y轴将初始空间Md0划分成m×n个地面点云子空间Mdi,j,其中i=1,2……m,j=1,2……n:
其中xdmin、xdmax、ydmin、ydmax表示地面点云的初始空间Md0在x、y方向上的边界;
(ii)统计每个地面点云子空间Mdi,j的点云数量值Cdi,j,以Cdi,j作为该地面点云子空间的特征值;
(iii)将地面点云子空间的特征值Cdi,j与设定的抽稀阈值C1进行比较,若Cdi,j≤C1则将该点保留,否则将该点去除。
与现有技术相比可以看出,本发明所述的变电站三维实景模型建立方法级系统具有如下所述的优点及有益效:
本发明所述的变电站三维实景模型实现了变电站点云自动处理与自动建模,可以利用已经掌握的数据处理、模式识别、和计算机方面的技术,研究基于地面三维激光点云的电气设备三维分类识别算法,针对区域例如变电站的现场扫描的三维点云数据,实现区域以及区域内设备外形的自动划分,还可以实现对各种设备的设备本体的分类识别,极大程度上节省人力物理,极高地提高了效率,极为有利地加快了变电站三维模型重建,为变电站三维自动建模的实现提供保障,这使得本发明所述的变电站三维实景模型建立具有巨大的工程价值。
此外,本发明所述的用于变电站三维实景模型建立的系统同样具有上述优点。
附图说明
图1示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的流程。
图2示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的区分地面点云与设备点云的流程。
图3示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的对设备点云进行数据处理的流程。
图4示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的变电站原始点云数据。
图5示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用高程阈值分割算法划分后的带有噪声点的设备点云。
图6示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用高程阈值分割算法划分后的地面点云。
图7示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用二维子空间密度差值分割法处理后所得到的xoy平面内无噪点的设备点云。
图8示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用二维子空间密度差值分割法处理后所得到的yoz平面内无噪点的设备点云。
图9示意性地显示本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用提取出的设备点云和经过抽稀的地面点云所建立的变电站三维实景点云模型。
具体实施方式
下面将结合说明书附图和具体的实施方式对本发明所述的变电站三维实景模型建立方法及系统做进一步的详细说明。
首先,先结合图1说明本发明所述的技术方案的基本原理。
图1示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的流程。
在本实施方式中,用于变电站三维实景模型建立的系统包括处理模块以及三维激光雷达,其中,三维激光雷达通过扫描获得变电站原始点云数据,并将该变电站原始点云数据传输到处理模块,随后处理模块基于获取的变电站原始点云数据进行下述操作步骤:
(1)对变电站原始点云数据进行预处理;
(2)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;
(3)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;
(4)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
需要说明的是,通过三维激光雷达扫描得到变电站原始点云数据可以进行数据预处理,预处理包括飞点去除和数据精简。其中,飞点去除是由于在原始数据采集过程中可能会产生一些在高程和水平空间远远不同于设备点云的噪声点,被称为“飞点”,产生的飞点会使得后续点云类型划分和变电站设备自动提取精度变差,效率变低,因此在得到原始数据之后,要手动去除那些在高程和空间内离散非常明显的噪声点,该处理称为飞点去除。而数据精简是由于得到的原始点云数据是海量数据,在不影响曲面结构和保持满足条件的精度的情况下需要对数据进行精简,其可以采用平均精简,即原点中每N(例如30个点)个点保留1个点,以此类推,遍历原始数据完成预处理。
图2示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的区分地面点云与设备点云的流程。
由于根据本案的发明原理以及特高压变电站实际环境可知,地面点云在垂直空间上具有明显的高程差异化分布特点,也就是说,在一定范围内,地面点云在高程上有一定范围,即高程比较集中分布在垂直空间的最下面,且空间内无干扰的地物点,因此,可以采用高程阈值分割算法对点云类型进行划分。
具体过程如图2所示,图2示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的区分地面点云与设备点云的流程,其步骤为:
(3a)基于经过预处理的变电站原始点云数据,输入全部点云数据,并求出整个原始点云数据的边界值,从而确定初始点云空间M0:
其中,(x,y,z)为任意一个点云的空间坐标值;xmin、xmax、ymin、ymax、zmin和zmax表示初始点云空间在x、y、z三个方向上的边界;
(3b)采用划分尺度dx沿x轴将初始点云空间划分成N个子空间:
式中,|xmax-xmin|表示求取不大于(xmax-xmin)的最大整数;
(3c)统计每个子空间Mi(i=1,2,….,N)中的点与最低点的高程差δi,以δi作为特征值,其中δi=zi-zmin;
(3d)将特征值δi与设定的特征阈值δ0进行比较,若δi≤δ0,则该点为地面点云,否则为带有噪声点的设备点云。
需要说明的是,在本实施方式中,δ0=30cm。
由于通过上述步骤所获得的设备点云仍然含有干扰噪声点云和测量误差点,为了提取电气设备精确点云,可以进一步进行噪声点云消除操作。根据本案发明人对于点云特征分析结果知晓,设备部分的点云密度相对噪声点云来说比较稠密,因此,可以采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云。
具体过程如图3所示,图3示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的对设备点云进行数据处理的流程,其步骤为:
(4a)将带有噪声点的设备点云投影至xoy平面获得设备点云的第一初始空间Ms10,对其进行边界定位,采用划分尺度dsx,dsy,分别沿x,y轴将第一初始空间Ms10划分成m×n个第一子空间Ms1i,j,其中i=1,2……m,j=1,2……n:
其中xs1min、xs1max、ys1min、ys1max表示第一初始空间Ms10在x、y方向上的边界;
(4b)统计每个第一子空间Ms1i,j的点云数量值C1i,j,以C1i,j作为该第一子空间的第一特征值;
(4c)将第一特征值C1i,j与第一设定阈值C10进行比较,若C1i,j≥C10则将该点作为设备点,否则将该点作为噪声点,予以去除;
(4d)将上一步所得的所有设备点构成的设备点云作为第二初始空间Ms20,采用划分尺度dy,dz分别沿y,z轴将第二初始空间Ms20划分成p×q个第二子空间Ms2i,j,其中i=1,2……p,j=1,2……q:
(4e)统计每个第二子空间Ms2i,j的点云数量值C2i,j,以C2i,j作为该第二子空间的第二特征值;
(4f)将第二特征值C2i,j与第二设定阈值C20进行比较,若C2i,j≥C20则将该点作为设备点予以提取保留,否则将该点作为噪声点,予以去除。
上述过程中,可以根据子空间及点云密度合理设定阈值C10、C20,并分别依据阈值将子空间分为两类,小于阈值的点即判断为噪声点,予以去除,大于阈值的即为设备点,予以保留。
需要指出的是,由于扫描仪型号、以及目标点云本身尺寸有所差异,因此,阈值C10、C20的设定需根据实际采集到的点云质量及子空间尺度大小合理选择,当所取子空间尺度大,采集到的点云密度高时,则需设定较大阈值;反之,可适当减小阈值。
此外,本案采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云是因为只采用一维子空间密度差值分割法只能将初始点云投影至xoy平面上,在此过程中,损失了设备点云z坐标信息,即当设备点和间隙中的噪声点x,y坐标属性相同而z坐标不同时,一维子空间密度差值分割法无法准确去除间隙噪声,造成了提取误差比较大的现象,因此,本案采用二维子空间密度差值分割法。
为了为验证本文提出的特高压变电站设备点云自动提取算法的有效性,选取地面激光雷达实测的某500kV换流站的直流区域点云的部分选段数据作为试验对象。基于Matlab作为算法测试及效果展示平台,运用点云专业处理软件Polyworks辅助进行可行性试验,在点云类型划分时,取dx=8m;设备点提取中,取dx×dy=0.1m×0.1m,dy×dz=0.1m×0.1m;地面点云抽稀中,取dx×dy=1m×1m。
试验结果如图4至图9所示。其中,图4示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的变电站原始点云数据。图5示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用高程阈值分割算法划分后的带有噪声点的设备点云。图6示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用高程阈值分割算法划分后的地面点云。图7示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用二维子空间密度差值分割法处理后所得到的xoy平面内无噪点的设备点云。图8示意性地显示了本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用二维子空间密度差值分割法处理后所得到的yoz平面内无噪点的设备点云。图9示意性地显示本发明所述的变电站三维实景模型建立方法在一种实施方式下的采用提取出的设备点云和经过抽稀的地面点云所建立的变电站三维实景模型。
如图4所示,由于地面点云在垂直空间上集中分布在高程最小的区域,水平空间上连续分布于整个平面区域。因而,采用稀疏的地面点云被用来进行设备定位,但是由于采集得到的地面点云密度远大于地上部分点云,会使得采集到的地面点云非常稠密,进而遮挡住设备点云,造成无法直观观察设备点云的情况。因此,在一些实施方式中,可以进行进一步局部放大操作来完成设备定位,而该种操作会对定位的准确性造成影响,同时庞大的点云数目在导入软件进行处理时会占用大量的内存,导致处理器处理速度变慢,会造成软件在处理点云视角变换等操作时出现卡顿现象,极大影响工作效率,增加工作时间,针对上述情况,可以采用对变电站原始点云数据进行抽稀,例如采用一维子空间密度差值对地面点云进行抽稀,其具体步骤为:
(i)将地面点云投影至xoy平面获得地面点云的初始空间Md0,对其进行边界定位,采用划分尺度ddx,ddy,分别沿x,y轴将初始空间Md0划分成m×n个地面点云子空间Mdi,j,其中i=1,2……m,j=1,2……n:
其中xdmin、xdmax、ydmin、ydmax表示地面点云的初始空间Md0在x、y方向上的边界;
(ii)统计每个地面点云子空间Mdi,j的点云数量值Cdi,j,以Cdi,j作为该地面点云子空间的特征值;
(iii)将地面点云子空间的特征值Cdi,j与设定的抽稀阈值C1进行比较,若Cdi,j≤C1则将该点保留,否则将该点去除。
需要指出的是,在上述过程中,由于地面点云处理时将尺度ddx,ddy取的比较大,因此,根据子空间及点云密度合理设定阈值C1,并依据这个阈值C1以及公式Cdi,j≤C1进行点云数量合理简化,即子空间点云数目小于阈值的予以保留,即为抽稀后得到的稀疏点云。
结合图5和图6可以看出,采用高程阈值分割算法可以将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云。
结合图7和图8可以看出,采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,尤其是可以看出采用本案的二维子空间密度差值分割法可以有效剔除xoy平面内无设备点云区域的噪点,仅在设备间隙中留下少部分噪点未被完全去除,而最终如图8所示,变电站设备间隙中的噪声点云得到有效剔除,设备点云被准确高效地提取出来。
而经过地面单维分割后的地面点云与设备点云合并后的效果如图9所示,可以看出地面点云得到了有效地稀疏,极大提高了观察效果,从而完整清楚高效地实现了变电站三维实景模型的建立。
图9示意性地显示本发明所述的变电站三维实景模型建立方法在一种实
为了更好地验证本案所涉及的算法的效率以及准确性,对各个步骤进行了量化校验,然后对提取的变电站的设备点云进行人工复核,即通过人工删除非设备点,统计留下的变电站有效点个数,并以有效点与提取点个数之比作为算法提取变电站点云的正确率,统计结果见表1。
表1.
此外,需要补充的是,采用高程阈值分割算法所获得的地面点云数据大小为23.222M,数据点为487714个,而经过采用一维子空间密度差值分割法得到的地面点云数据点数量为23707个,大小为1.12MB,抽稀率为4.86%。
综上可以看出,通过本发明所述的变电站三维实景模型建立方法提取的变电站设备点云比人工提取点云多,这是因为设备点云投影时并不是完全形成正投影导致的少量噪点遗漏,但算法正确率在98%以上,满足工程应用条件。当然,理论上存在的噪点可能会干扰后续的三维实景建模的精度,优选地可以通过投影角度矫正的方法进一步提高提取精度。此外,本案经过抽稀的地面在拼接过后的观察效果得到了良好的改善,与此同时,从定位操作准确性的角度上来讲,本案较为完整地保留了设备部分的点云,即精确地保留了设备点云定位位置信息,辅助以地面点云信息,可以完成变电站设备点云自动提取的全过程,极好地完成了变电站三维实景模型的建立。
需要说明的是,本发明的保护范围中现有技术部分并不局限于本申请文件所给出的实施例,所有不与本发明的方案相矛盾的现有技术,包括但不局限于在先专利文献、在先公开出版物,在先公开使用等等,都可纳入本发明的保护范围。
另外,还需要说明的是,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案所记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种变电站三维实景模型建立方法,其特征在于,包括:
(1)获取变电站原始点云数据;
(2)对变电站原始点云数据进行预处理;
(3)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;
(4)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;
(5)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
2.如权利要求1所述的变电站三维实景模型建立方法,其特征在于,在步骤(1)中,通过三维激光雷达扫描得到变电站原始点云数据。
3.如权利要求1所述的变电站三维实景模型建立方法,其特征在于,在步骤(2)中,所述预处理包括飞点去除和点云数据精简。
4.如权利要求1所述的变电站三维实景模型建立方法,其特征在于,步骤(3)包括步骤:
(3a)基于经过预处理的变电站原始点云数据,确定初始点云空间M0:
其中,(x,y,z)为任意一个点云的空间坐标值;xmin、xmax、ymin、ymax、zmin和zmax表示初始点云空间在x、y、z三个方向上的边界;
(3b)采用划分尺度dx沿x轴将初始点云空间划分成N个子空间:
式中,|xmax-xmin|表示求取不大于(xmax-xmin)的最大整数;
(3c)统计每个子空间Mi(i=1,2,….,N)中的点与最低点的高程差δi,以δi作为特征值,其中δi=zi-zmin;
(3d)将特征值δi与设定的特征阈值δ0进行比较,若δi≤δ0,则该点为地面点云,否则为带有噪声点的设备点云。
5.如权利要求1-4中任意一项所述的变电站三维实景模型建立方法,其特征在于,在步骤(4)中,采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云包括步骤:
(4a)将带有噪声点的设备点云投影至xoy平面获得设备点云的第一初始空间Ms10,对其进行边界定位,采用划分尺度dsx,dsy,分别沿x,y轴将第一初始空间Ms10划分成m×n个第一子空间Ms1i,j,其中i=1,2……m,j=1,2……n:
其中xs1min、xs1max、ys1min、ys1max表示第一初始空间Ms10在x、y方向上的边界;
(4b)统计每个第一子空间Ms1i,j的点云数量值C1i,j,以C1i,j作为该第一子空间的第一特征值;
(4c)将第一特征值C1i,j与第一设定阈值C10进行比较,若C1i,j≥C10则将该点作为设备点,否则将该点作为噪声点,予以去除;
(4d)将上一步所得的所有设备点构成的设备点云作为第二初始空间Ms20,采用划分尺度dy,dz分别沿y,z轴将第二初始空间Ms20划分成p×q个第二子空间Ms2i,j,其中i=1,2……p,j=1,2……q:
(4e)统计每个第二子空间Ms2i,j的点云数量值C2i,j,以C2i,j作为该第二子空间的第二特征值;
(4f)将第二特征值C2i,j与第二设定阈值C20进行比较,若C2i,j≥C20则将该点作为设备点予以提取保留,否则将该点作为噪声点,予以去除。
6.如权利要求1所述的变电站三维实景模型建立方法,其特征在于,在步骤(4)中,采用一维子空间密度差值对地面点云进行抽稀包括步骤:
(i)将地面点云投影至xoy平面获得地面点云的初始空间Md0,对其进行边界定位,采用划分尺度ddx,ddy,分别沿x,y轴将初始空间Md0划分成m×n个地面点云子空间Mdi,j,其中i=1,2……m,j=1,2……n:
其中xdmin、xdmax、ydmin、ydmax表示地面点云的初始空间Md0在x、y方向上的边界;
(ii)统计每个地面点云子空间Mdi,j的点云数量值Cdi,j,以Cdi,j作为该地面点云子空间的特征值;
(iii)将地面点云子空间的特征值Cdi,j与设定的抽稀阈值C1进行比较,若Cdi,j≤C1则将该点保留,否则将该点去除。
7.一种用于变电站三维实景模型建立的系统,其特征在于,所述系统包括处理模块,所述处理模块基于获取的变电站原始点云数据进行下述操作:
(1)对变电站原始点云数据进行预处理;
(2)采用高程阈值分割算法将经过预处理的变电站点云数据划分为带有噪声点的设备点云和地面点云;
(3)采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云,同时采用一维子空间密度差值对地面点云进行抽稀;
(4)采用提取出的设备点云和经过抽稀的地面点云建立变电站三维实景模型。
8.如权利要求7所述的系统,其特征在于,还包括三维激光雷达,其通过扫描获得变电站原始点云数据,并将该变电站原始点云数据传输到所述处理模块。
9.如权利要求7所述的系统,其特征在于,步骤(2)进一步包括:
(2a)基于经过预处理的变电站原始点云数据,确定初始点云空间M0:
其中,(x,y,z)为任意一个点云的空间坐标值;xmin、xmax、ymin、ymax、zmin和zmax表示初始点云空间在x、y、z三个方向上的边界;
(2b)采用划分尺度dx沿x轴将初始点云空间划分成N个子空间:
式中,|xmax-xmin|表示求取不大于(xmax-xmin)的最大整数;
(2c)统计每个子空间Mi(i=1,2,….,N)中的点与最低点的高程差δi,以δi作为特征值,其中δi=zi-zmin;
(2d)将特征值δi与设定的特征阈值δ0进行比较,若δi≤δ0,则该点z为地面点云,否则为带有噪声点的设备点云。
10.如权利要求7-9中任意一项所述的系统,其特征在于,采用二维子空间密度差值分割法从带有噪声点的设备点云中提取出设备点云进一步包括:
(3a)将带有噪声点的设备点云投影至xoy平面获得设备点云的第一初始空间Ms10,对其进行边界定位,采用划分尺度dsx,dsy,分别沿x,y轴将第一初始空间Ms10划分成m×n个第一子空间Ms1i,j,其中i=1,2……m,j=1,2……n:
其中xs1min、xs1max、ys1min、ys1max表示第一初始空间Ms10在x、y方向上的边界;
(3b)统计每个第一子空间Ms1i,j的点云数量值C1i,j,以C1i,j作为该第一子空间的第一特征值;
(3c)将第一特征值C1i,j与第一设定阈值C10进行比较,若C1i,j≥C10则将该点作为设备点,否则将该点作为噪声点,予以去除;
(3d)将上一步所得的所有设备点构成的设备点云作为第二初始空间Ms20,采用划分尺度dy,dz分别沿y,z轴将第二初始空间Ms20划分成p×q个第二子空间Ms2i,j,其中i=1,2……p,j=1,2……q:
(3e)统计每个第二子空间Ms2i,j的点云数量值C2i,j,以C2i,j作为该第二子空间的第二特征值;
(3f)将第二特征值C2i,j与第二设定阈值C20进行比较,若C2i,j≥C20则将该点作为设备点予以提取保留,否则将该点作为噪声点,予以去除,采用一维子空间密度差值对地面点云进行抽稀进一步包括:
(i)将地面点云投影至xoy平面获得地面点云的初始空间Md0,对其进行边界定位,采用划分尺度ddx,ddy,分别沿x,y轴将初始空间Md0划分成m×n个地面点云子空间Mdi,j,其中i=1,2……m,j=1,2……n:
其中xdmin、xdmax、ydmin、ydmax表示地面点云的初始空间Md0在x、y方向上的边界;
(ii)统计每个地面点云子空间Mdi,j的点云数量值Cdi,j,以Cdi,j作为该地面点云子空间的特征值;
(iii)将地面点云子空间的特征值Cdi,j与设定的抽稀阈值C1进行比较,若Cdi,j≤C1则将该点保留,否则将该点去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911067531.1A CN111091614B (zh) | 2019-11-04 | 2019-11-04 | 一种变电站三维实景模型建立方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911067531.1A CN111091614B (zh) | 2019-11-04 | 2019-11-04 | 一种变电站三维实景模型建立方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091614A true CN111091614A (zh) | 2020-05-01 |
CN111091614B CN111091614B (zh) | 2023-09-15 |
Family
ID=70394054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911067531.1A Active CN111091614B (zh) | 2019-11-04 | 2019-11-04 | 一种变电站三维实景模型建立方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091614B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793421A (zh) * | 2021-09-26 | 2021-12-14 | 国网湖南省电力有限公司 | 一种变电站设备三维点云数据处理方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295575A1 (en) * | 2010-05-28 | 2011-12-01 | Levine David A | System and method for geomatic modeling of a diverse resource base across broad landscapes |
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN106846392A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 三维建模的方法和装置 |
US20170193692A1 (en) * | 2015-12-30 | 2017-07-06 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Three-dimensional point cloud model reconstruction method, computer readable storage medium and device |
CN107045733A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站gis设备进行建模的方法 |
CN107154075A (zh) * | 2017-03-21 | 2017-09-12 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站绝缘子进行建模的方法 |
CN109241978A (zh) * | 2018-08-23 | 2019-01-18 | 中科光绘(上海)科技有限公司 | 地基三维激光点云中平面片的快速提取方法 |
US20190035146A1 (en) * | 2017-07-31 | 2019-01-31 | Quantum Spatial, Inc. | Systems and methods for facilitating imagery and point-cloud based facility modeling and remote change detection |
CN110322497A (zh) * | 2019-06-18 | 2019-10-11 | 中国石油大学(华东) | 一种基于三维可视化的交互式点云对象提取方法 |
-
2019
- 2019-11-04 CN CN201911067531.1A patent/CN111091614B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295575A1 (en) * | 2010-05-28 | 2011-12-01 | Levine David A | System and method for geomatic modeling of a diverse resource base across broad landscapes |
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
US20170193692A1 (en) * | 2015-12-30 | 2017-07-06 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Three-dimensional point cloud model reconstruction method, computer readable storage medium and device |
CN106846392A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 三维建模的方法和装置 |
CN107045733A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站gis设备进行建模的方法 |
CN107154075A (zh) * | 2017-03-21 | 2017-09-12 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站绝缘子进行建模的方法 |
US20190035146A1 (en) * | 2017-07-31 | 2019-01-31 | Quantum Spatial, Inc. | Systems and methods for facilitating imagery and point-cloud based facility modeling and remote change detection |
CN109241978A (zh) * | 2018-08-23 | 2019-01-18 | 中科光绘(上海)科技有限公司 | 地基三维激光点云中平面片的快速提取方法 |
CN110322497A (zh) * | 2019-06-18 | 2019-10-11 | 中国石油大学(华东) | 一种基于三维可视化的交互式点云对象提取方法 |
Non-Patent Citations (4)
Title |
---|
MARIO KOKORUS: ""From Optical Symbol Recognition (OSR) of Point Clouds to the Substation Information Model"", 《2018 IEEE/PES TRANSMISSION AND DISTRIBUTION CONFERENCE AND EXPOSITION (T&D)》 * |
RONGPING GUO: ""Research of pre-warning and diagnosis for transformer based on on-line monitoring devices"", 《RESEARCH OF PRE-WARNING AND DIAGNOSIS FOR TRANSFORMER BASED ON ON-LINE MONITORING DEVICES》 * |
张锐: "" 基于实景点云数据的变电站三维重构方法研究"", 《湖北电力》 * |
方彦军: ""基于随机森林方法的变电站三维建模点云自动分割"", 《制造业自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793421A (zh) * | 2021-09-26 | 2021-12-14 | 国网湖南省电力有限公司 | 一种变电站设备三维点云数据处理方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111091614B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取系统及方法 | |
US20220152829A1 (en) | Visual navigation inspection and obstacle avoidance method for line inspection robot | |
CN108389250B (zh) | 基于点云数据快速生成建筑物断面图的方法 | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
CN111275821B (zh) | 一种电力线拟合方法、系统及终端 | |
CN107679458B (zh) | 一种基于K-Means的道路彩色激光点云中道路标线的提取方法 | |
CN110110687B (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN113706593B (zh) | 一种适用于车辆几何通过性参数检测的车辆底盘点云融合方法 | |
CN113344956A (zh) | 基于无人机航摄三维建模的地物轮廓提取分类方法 | |
CN111091614B (zh) | 一种变电站三维实景模型建立方法及系统 | |
CN117115390A (zh) | 一种变电站中变电设备的三维模型布局方法 | |
CN116051540B (zh) | 基于点云模型的互感器接线端子定位位姿获取方法及系统 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN114882085B (zh) | 一种基于单一立方体三维点云配准方法及系统 | |
CN114882095A (zh) | 一种基于轮廓匹配的物体高度在线测量方法 | |
CN112053365B (zh) | 一种基于线性特征的输电线路导线激光点云数据的提取方法 | |
CN115143936A (zh) | 一种基于激光点云的输电工程杆塔倾斜度测量方法 | |
CN109934837B (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 | |
CN111489386B (zh) | 点云特征点提取方法、装置、存储介质、设备及系统 | |
CN115937229B (zh) | 一种基于超体素和图割算法的三维自动分割方法及装置 | |
JP2021039500A (ja) | 構築物の三次元形状データの生成方法 | |
CN114529466B (zh) | 基于多尺度高程变异系数的点云植被去除方法 | |
CN115880442B (zh) | 一种基于激光扫描的三维模型重建方法以及系统 | |
CN116109906B (zh) | 一种基于MaskRCNN结合U-Net的人工智能岩体RQD计算方法 |
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 |