CN111275821B - 一种电力线拟合方法、系统及终端 - Google Patents

Abstract

本发明公开了一种电力线拟合方法、系统及终端，本发明旨在对电力线点云分档后采用随机抽样一致算法对分档后的电力线点云以距离阈值作为筛选条件随机采样，并采用最小二乘法以获取高精度的水平拟合直线，并从原始点云中分离出第一电力线点，循环调用随机抽样一致性算法直到原始点云中没有电力线可分离为止，同时选用通用的曲线拟合模型拟合各条电力线点在电力线走向和X轴构成的平面上的投影拟合曲线，通过拟合直线、曲线方程快速三维重构成电力线矢量，操作简单，效率高，给用户带来方便。

Description

一种电力线拟合方法、系统及终端

技术领域

本发明涉及电力线巡检领域，具体涉及一种电力线拟合方法、系统及终端。

背景技术

电力工业在国民经济基础工业中有着举足轻重的作用，随着国民经济的高速发展，输电线路规模日益庞大，电网结构日益复杂，对电力线实时周期性巡检以监控电网安全提出了新的挑战。严重依赖人工劳动力，效率低下，巡检周期长，巡检数据准确率不高等种种不足制约着传统电力线巡检方法，不能满足电力工业现代化发展需要。机载激光扫描技术的发展弥补了传统电力线巡检方法的缺点，通过机载激光雷达可以快速准确地获取电力线走廊地形地物的高精度、高密度点云数据，具有成本低、自动化程度高、精度好和效率高等优势，因此近年来无人机电力线巡检得到了广泛应用，为输电线路防灾减灾和安全隐患分析等工作提供准确可靠的参考和依据。

如何准确快速基于激光点云提取电力线点云，如何精确基于提取后的电力线点云拟合完成电力线的三维重建是电力线巡检的重要研究内容之一，也是电网安全检查的基础，有着重要的研究意义。

现有电力线点云拟合成电力线的方法采用拟合模型复杂，使得计算量大导致效率低，同时在海量电力线点云拟合成的电力线中采样过程提取误差大，导致拟合的电力线准确度低，用户体验低。

因此，现有技术有待于改进和发展。

发明内容

基于此，有必要针对上述技术问题，提供一种电力线拟合方法、系统及终端，旨在对电力线点云分条后采用随机抽样一致算法对分档后的电力线点云以距离阈值作为筛选条件随机采样，并采用最小二乘法以获取高精度的水平拟合直线，并从原始点云中分离出第一电力线点，循环调用随机抽样一致性算法直到原始点云中没有电力线可分离为止，同时选用通用的曲线拟合模型拟合各条电力线点在电力线走向和X轴构成的平面上的投影拟合曲线，通过拟合直线、曲线方程快速三维重构成电力线矢量，操作简单，效率高，给用户带来方便。

为了达到上述目的，本发明采取了以下技术方案：

一种电力线拟合方法，所述电力线拟合方法包括以下步骤：

获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云；

对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线；

针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集；

选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型；

选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量。

所述的电力线拟合方法，其中，所述获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云之前包括：

预先设置采样次数以及距离阈值。

所述的电力线拟合方法，其中，所述获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云具体包括：

通过激光探测及测距技术得到电力线激光点云；

对所述电力线激光点云进行滤波处理后，得到所述电力线点云；

对所述电力线点云进行水平投影，得到所述电力线点云的第一电力线点云。

所述的电力线拟合方法，其中，所述对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线具体包括：

获取预设的采样次数；

针对预设的采样次数中每次采样，均随机选取所述第一电力线点云中两个点，确定采样直线。

所述的电力线拟合方法，其中，所述针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集具体包括：

针对若干采样直线中的每个采样直线，计算所述第一电力线点云中每个点到该采样直线的距离；

获取预设的距离阈值；

将所有的距离与所述距离阈值分别进行大小比较；

根据比较结果，筛选出所述第一电力线点云中某点到该采样直线的距离小于所述距离阈值对应的点，以构成点集。

所述的电力线拟合方法，其中，所述选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型具体包括：

获取所有点集；

统计每个点集中点的数量，选取统计数值最大的最大点集；

通过最小二乘法计算所述最大点集，得到所述最大点集对应的第一拟合直线，并构建直线模型。

所述的电力线拟合方法，其中，选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量具体包括：

获取所述第一拟合直线，通过最小二乘法构建所述直线模型；

通过最小二乘法选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量。

所述的电力线拟合方法，其中，所述选取最优曲线拟合模型具体包括：

根据所述电力线激光点云到拟合后的电力线的三维距离的平均值、最大值以及最小值，选取最优曲线拟合模型。

本发明还提供一种电力线拟合系统，包括处理器以及与所述处理器连接的存储器，所述存储器存储有电力线拟合程序，所述处理器执行时用于实现上述所述的电力线拟合方法中的步骤。

本发明还提供一种终端，其包括处理器以及与所述处理器连接的存储器，所述存储器存储有电力线拟合程序，所述处理器执行时用于实现上述所述的电力线拟合方法中的步骤。

本发明的有益效果在于：

相较于现有技术，本发明公开了一种电力线拟合方法、系统及终端，该方法包括获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云；对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线；针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集；选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型；选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量。

本发明旨在对电力线点云分档后采用随机抽样一致算法对分档后的电力线点云以距离阈值作为筛选条件随机采样，并采用最小二乘法以获取高精度的水平拟合直线，并从原始点云中分离出第一电力线点，循环调用随机抽样一致性算法直到原始点云中没有电力线可分离为止，同时选用通用的曲线拟合模型拟合各条电力线点在电力线走向和X轴构成的平面上的投影拟合曲线，通过拟合直线、曲线方程快速三维重构成电力线矢量，操作简单，效率高，给用户带来方便。

附图说明

图1为本发明提供的一种电力线拟合方法的流程图。

图2为本发明所述电力线拟合方法中步骤S10流程图。

图3为本发明所述电力线拟合方法中步骤S20流程图。

图4为本发明所述电力线拟合方法中步骤S30流程图。

图5为本发明所述电力线拟合方法中步骤S40流程图。

图6为本发明所述电力线拟合方法中步骤S50流程图。

图7为本发明提供的电力线拟合系统的功能原理框图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1是本发明提供的一种电力线拟合方法的流程图，应该说明的是，本发明实施方式的电力线拟合方法并不限于图1所示的流程图中的步骤及顺序，根据不同的需求，流程图中的步骤可以增加、移除或者改变顺序。

如图1所示，本发明提供的电力线拟合方法包括以下步骤：

S10、获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云。

在步骤S10之前，需要在用于电力线拟合的最优曲线拟合模型中预先设置采样次数和距离阈值，为后续电力线拟合提供采样数据。采用RANSAC(Random Sample Consensus，随机抽样一致算法)算法，提取每一条电力线。而在每提取出一条电力线时，就需要对电力线点云进行一次高程排查，以确保电力线点云提取的准确率，提高算法对噪声点的鲁棒性。高程排查的依据为电力线点在半径较小的邻域内高程变化不大且不存在突变，对提取的电力线点依次进行半径搜索，数量相对较少的噪声点与邻域内的电力线点在高程上存在突变，剔除噪声点后的点云即为电力线点云提取最终的结果。

具体地，通过激光探测及测距技术即LiDAR(Light Detection and Ranging)技术采集电力线走廊地形地物的电力线激光点云，也称电力线走廊LiDAR点云，所述电力线激光点云包括点集以及点集内各点对应的坐标信息，所述点集包括地面点、植被点、电塔点、噪声点以及电力线点。各点的坐标信息即为该点对应的三维坐标信息(X,Y,Z)，其中Z视为该点的高程值，该高程值可视为电力线激光点云到大地水准面的距离。需要说明的是，各点的三维坐标为矢量信息，具有方向性。然后对该电力线激光点云进行滤波处理，最大程度过滤到非电力线点，如地面点、植被点以及噪声点，以得到待拟合的电力线点云。

在本实施例的一个实现方式中，如图2所示，所述获取电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云具体包括：

S11，通过激光探测及测距技术得到电力线激光点云；

S12，对所述电力线激光点云进行滤波处理后，得到所述电力线点云；

S13，对所述电力线点云进行水平投影，得到所述电力线点云的第一电力线点云。

即基于相邻两座电塔之间的电力线在水平面上的投影呈直线且相互平行的特性，对所述电力线点云进行分档分条处理。具体运用中，本发明中的电力线点云进行分档分条处理后，得到8条电力线。

S20，对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线。

具体地，如图3所示，所述对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线包括：

S21，获取预先设置的采样次数K；

S22，针对预设的采样次数K中每次采样，均随机选取所述第一电力线点云中两个点，确定采样直线。

上述预设的采样次数K对应的公式为：

其中，z为获取有效采样样本的概率，一般设置为99％；w初始设置一较小值，如0.1，后根据采样样本进行迭代更新，其表示为第一电力线点云中属于点集的点所占比例；n为最优拟合模型中参数需要估计对应的最小点集个数，即第一电力线点云最少需要2个点才可进行拟合。

下面以单次采样做进一步描述以理解本发明上述步骤S20的技术方案：

获取步骤S10中第一电力线点云，随机选择第一电力线点云中两点，通过这两个点确定一条采样直线L。

重复预设采样次数执行该单次采样相同的步骤，得到若干采样直线L₁，L₂，…，L_n，其中n的个数为预设的采样次数K。

S30、针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集。

具体地，如图4所示，所述针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集具体包括：

S31，针对若干采样直线中的每个采样直线，计算所述第一电力线点云中每个点到该采样直线的距离；

S32，获取预设的距离阈值；

S33，将所有的距离与所述距离阈值进行大小比较；

S34，根据比较结果，筛选出所述第一电力线点云中某点到该采样直线的距离小于所述距离阈值对应的点，以构成点集。

即基于步骤S20中一条采样直线L对步骤S30进一步说明以便于理解：

计算所述第一电力线点云中每个点到该采样直线L的距离，当所述第一电力线点云中存在距离小于距离阈值t的点，则该点为电力线点，否则为噪声点。这样，过滤掉噪声点，进一步提高数据的准确度，提高鲁棒性。

将符合距离小于距离阈值t的点构成点集S(L)

重复预设采样次数执行上述步骤S31-S34，得到预设采样次数个点集S(L₁)，S(L₂)，…，S(L_n)。

S40、选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型。

具体地，如图5所示，所述选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型具体包括：

S41，获取所有点集；

S42，统计每个点集中点的数量，选取统计数值最大的最大点集；

S43，通过最小二乘法计算所述最大点集，得到所述最大点集对应的第一拟合直线，并构建直线模型。

即获取步骤S40中所有点集S(L₁)，S(L₂)，…，S(L_n)，统计每个点集内点的个数，选取最大个数对应的最大点集。这样，更接近原始电力线，从而降低拟合成电力线的误差。

通过最小二乘法求取最大点集的第一拟合直线，也称为最佳拟合直线，作为电力线点云水平投影即第一电力线点云的最佳匹配直线。直线拟合的最小二乘法计算公式为：

其中Y_i表示最大点集点i(i＝1,2,...,n)的坐标y值，表示点集内点i(i＝1,2,...,n)的坐标x值根据拟合直线方程计算得到的坐标y值。

在本发明实施例中，为了保证在随机抽样中至少有一组点集样本，即有效样本，距离阈值t设置为分段电力线点云水平投影后直线最小间距的2/5。

S50、选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量。

具体地，如图6所示，所述选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量具体包括：

S51，获取所述第一拟合直线，通过最小二乘法构建直线模型；

S52，通过最小二乘法选取最优曲线拟合模型，根据所述直线模型和所述最优曲线拟合模型，得到电力线矢量。

例如，从点的x坐标最小值开始，每隔0.001米根据各条电力线拟合直线和曲线方程分别计算得到y坐标和z坐标，直到x坐标最大值处结束，连接所得的所有点即为电力线矢量。

本发明实施例中，所述最优曲线拟合模型采用的是悬链线曲线模型、抛物线曲线模型、二元二次多项式曲线模型和多项式曲线模型中的一种。

需要说明的是，悬链线曲线模型、抛物线曲线模型、二元二次多项式曲线模型和多项式曲线模型均为现有技术，故不在此赘述。由于采用通用最优曲线拟合模型，降低成本，同时降低计算复杂度，更进一步提高拟合效率。

所述最优曲线拟合模型的选取是根据所述电力线激光点云到拟合后的电力线的三维距离的平均值、最大值以及最小值，对比上述几种模型下各拟合精度和算法效率，选取最优曲线拟合模型。

然后再次根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量，即重构得到电力线。

其他电塔间的电力线重构采用与上述步骤S20-S50相同原理，故不在此赘述。

曲线拟合的最小二乘法计算公式为：

其中Z_i表示电力线激光点云中任一点i(i＝1,2,...,n)的坐标z值，表示点i(i＝1,2,...,n)的坐标x值根据拟合曲线方程计算得到的z值。

这样，基于步骤S10-S50，本发明所提供的一种电力线拟合方法，旨在对电力线点云分条后采用随机抽样一致算法对分条后的电力线点云以距离阈值作为筛选条件采样，并采用最小二乘法以获取高精度的水平拟合直线，同时选用通用的曲线拟合模型拟合该水平拟合直线而快速三维重构成电力线，操作简单，提高提取效率和准确度，方便用户。

实施例二

基于上述电力线拟合方法，本发明还相应提供了一种电力线拟合系统，可应用于终端，如图7所示，所述电力线拟合系统100包括处理器11以及与所述处理器11连接的存储器22，图7仅示出了电力线拟合系统100的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

所述存储器22在一些实施例中可以是所述电力线拟合系统100的内部存储单元，例如电力线拟合系统100的内存。所述存储器22在另一些实施例中也可以是所述电力线拟合系统100的外部存储设备，例如所述电力线拟合系统100上配备的插接式U盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器22还可以既包括所述电力线拟合系统100的内部存储单元也包括外部存储设备。所述存储器22用于存储安装于所述电力线拟合系统100的应用软件及各类数据，例如所述电力线拟合程序代码等。所述存储器22还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器22上存储有电力线拟合程序，该电力线拟合程序可被处理器11所执行，从而实现本申请中电力线拟合方法，具体如上述方法所述。

所述处理器11在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器，手机基带处理器或其他数据处理芯片，用于运行所述存储器22中存储的程序代码或处理数据，例如执行所述电力线拟合方法等，具体如上述方法所述。

本发明还提供一种终端，所述终端包括处理器以及与所述处理器连接的存储器，所述存储器存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器(本实施例为所述处理器11)执行，以实现本发明电力线拟合方法中的步骤，具体如上述方法所述。

当然，本领域普通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硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种电力线拟合方法，其特征在于，所述电力线拟合方法包括以下步骤：

获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云；

对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线；

针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集；

选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型；

选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量；

所述获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云之前包括：

预先设置采样次数以及距离阈值；

所述对所述第一电力线点云进行随机采样预设采样次数，获取若干采样直线具体包括：

获取预设的采样次数；

针对预设的采样次数中每次采样，均随机选取所述第一电力线点云中两个点，确定采样直线；

采用RANSAC算法提取每一条电力线，得到对应的电力线点云；

预设的所述采样次数对应的公式为：

其中，z为获取有效采样样本的概率；

w为第一电力线点云中属于点集的点所占比例，根据采样样本进行迭代更新；

n为最优拟合模型中参数需要估计对应的最小点集个数；

所述距离阈值设置为分段电力线点云水平投影后直线最小间距的2/5。

2.根据权利要求1所述的电力线拟合方法，其特征在于，所述获取分档后的电力线点云，并对所述电力线点云进行投影，得到所述电力线点云的第一电力线点云具体包括：

通过激光探测及测距技术得到电力线激光点云；

对所述电力线激光点云进行滤波处理后，得到所述电力线点云；

对所述电力线点云进行水平投影，得到所述电力线点云的第一电力线点云。

3.根据权利要求2所述的电力线拟合方法，其特征在于，所述针对若干采样直线中每个采样直线，筛选所述第一电力线点云中任一点到该采样直线的距离符合预设距离阈值的点集具体包括：

针对若干采样直线中的每个采样直线，计算所述第一电力线点云中每个点到该采样直线的距离；

获取预设的距离阈值；

将所有的距离与所述距离阈值分别进行大小比较；

根据比较结果，筛选出所述第一电力线点云中某点到该采样直线的距离小于所述距离阈值对应的点，以构成点集。

4.根据权利要求3所述的电力线拟合方法，其特征在于，所述选取所有点集中最大点集，获取所述最大点集对应的第一拟合直线，并构建直线模型具体包括：

获取所有点集；

统计每个点集中点的数量，选取统计数值最大的最大点集；

通过最小二乘法计算所述最大点集，得到所述最大点集对应的第一拟合直线，并构建直线模型。

5.根据权利要求4所述的电力线拟合方法，其特征在于，所述选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量具体包括：

获取所述第一拟合直线，通过最小二乘法构建所述直线模型；

通过最小二乘法选取最优曲线拟合模型，根据所述直线模型与所述最优曲线拟合模型，得到电力线矢量。

6.根据权利要求5所述的电力线拟合方法，其特征在于，所述选取最优曲线拟合模型具体包括：

根据所述电力线激光点云到拟合后的电力线的三维距离的平均值、最大值以及最小值，选取最优曲线拟合模型。

7.一种电力线拟合系统，其特征在于，包括处理器以及与所述处理器连接的存储器，所述存储器存储有电力线拟合程序，所述处理器执行时用于实现如权利要求1-6任一项所述的电力线拟合方法中的步骤。

8.一种终端，其特征在于，包括处理器以及与所述处理器连接的存储器，所述存储器存储有电力线拟合程序，所述处理器执行时用于实现如权利要求1-6任一项所述的电力线拟合方法中的步骤。