CN111311650B - 一种点云数据的配准方法、装置及存储介质 - Google Patents

一种点云数据的配准方法、装置及存储介质 Download PDF

Info

Publication number
CN111311650B
CN111311650B CN202010064867.9A CN202010064867A CN111311650B CN 111311650 B CN111311650 B CN 111311650B CN 202010064867 A CN202010064867 A CN 202010064867A CN 111311650 B CN111311650 B CN 111311650B
Authority
CN
China
Prior art keywords
point cloud
cloud data
electric tower
registered
dimensional
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
CN202010064867.9A
Other languages
English (en)
Other versions
CN111311650A (zh
Inventor
王昊
杨家慧
吴新桥
樊灵孟
刘高
郭晓斌
赵继光
尚超
蔡思航
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute 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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202010064867.9A priority Critical patent/CN111311650B/zh
Publication of CN111311650A publication Critical patent/CN111311650A/zh
Application granted granted Critical
Publication of CN111311650B publication Critical patent/CN111311650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • G06T17/005—Tree description, e.g. octree, quadtree
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种点云数据的配准方法、装置及存储介质，其包括：获取激光扫描点云数据、倾斜密集匹配点云数据、电塔位置信息以及电塔的半径，实现电塔的自动配准。从而本发明一方面提升了不同来源点云数据的配准速度与精度，同时可以为电力巡线等电网工作提供数据的来源，节省了人工巡线以及航线规划的工作流程。

Description

一种点云数据的配准方法、装置及存储介质
技术领域
本发明涉及计算机技术领域，特别涉及一种点云数据的配准方法、装置及存储介质。
背景技术
随着经济发展社会进步，输电线路规模也日益的增大，为了提早预防与发现配电线路的缺陷隐患，电力巡线、树障分析等工作的重要性与日俱增，随着新型的无人机测量手段的发展，越来越多的巡检工作都围绕着倾斜影像采集与激光扫描来展开，随之带来的点云数据配准新问题，即如何快速高效的结合两种数据的优点，使倾斜密集点云与激光扫描点云进行配准结合，结合可见光影像的纹理丰富的特点价值结合激光点云对密集匹配点云的细节补充，可以进行高精度的电网三维模型建立的逆向工程。利用配准结果点云可以展开如巡视航线规划、电网改造等工作和研究，目前针对传统的点云配准方法，现有的点云配准技术的问题：
1.ICP算法对配准点云的初始位姿有较高的要求；
2.初始点云数量过多，导致配准算法的运算速度变慢。
3.传统配准方法需要手动进行配准目标物的提取。
因而现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于，针对现有技术的不足，提供一种点云数据的配准方法、装置及存储介质，以解决现有技术中初始点云数量过多，导致配准算法的运算速度变慢的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
一种点云数据的配准方法，其包括：
获取激光扫描点云数据、倾斜密集匹配点云数据、电塔位置信息以及电塔的半径；
分别对所述激光扫描点云数据以及倾斜密集匹配点云数据进行水平方向的投影，以得到所述激光扫描点云数据对应的二维激光扫描点云数据以及所述倾斜密集匹配点云数据对应的二维倾斜密集匹配点云数据；
根据电塔位置信息以及电塔的半径，并通过Kdtree分别对所述二维激光扫描点云数据以及二维倾斜密集匹配点云数据进行搜索，以得到所述二维激光扫描点云数据对应的二维待配准电塔点云数据以及所述二维倾斜密集匹配点云数据对应的二维目标配准电塔点云数据；
分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据；
根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准。
所述的点云数据的配准方法，其中，所述的分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据具体包括：
获取所述二维待配准电塔点云数据中每个点云对应的第一索引值，以所述二维目标配准电塔点云数据中每个点云对应的第二索引值；
根据所述第一索引值确定待配准电塔点云数据，以及根据所述第二索引值确定目标配准电塔点云数据。
所述的点云数据的配准方法，其中，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准之前还包括：
分别对所述待配准电塔点云数据以及所述目标电塔点云数据进行降采样处理；
根据处理得到的数据来更新所述待配准电塔点云数据以及所述目标电塔点云数据。
所述的点云数据的配准方法，其中，所述的分别对所述待配准电塔点云数据以及所述目标电塔点云数据进行降采样处理具体包括：
计算所述待配准电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心；
计算所述目标电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心。
所述的点云数据的配准方法，其中，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准具体包括：
分别对所述目标配准电塔点云数据中所有点云以及所述待配准电塔点云数据中所有的点云进行特征计算，以得到第一特征和第二特征；
通过SAC-IA算法对所述第一特征和所述第二特征进行匹配，以实现对点云数据的粗配准。
所述的点云数据的配准方法，其中，所述的点云数据的配准方法还包括：
通过ICP算法以及所述目标电塔点云数据对所述待配准电塔点云数据进行精配准。
一种计算机可读存储介质，其中，所述计算机可读存储介质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执行，以实现如上任意一项所述的点云数据的配准方法中的步骤。
一种点云数据的配准装置，其中，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如上任意一项所述的点云数据的配准方法中的步骤。
有益效果：与现有技术相比，本发明提供了一种点云数据的配准方法、装置及存储介质，其包括：获取激光扫描点云数据、倾斜密集匹配点云数据、电塔位置信息以及电塔的半径；分别对所述激光扫描点云数据以及倾斜密集匹配点云数据进行水平方向的投影，以得到所述激光扫描点云数据对应的二维激光扫描点云数据以及所述倾斜密集匹配点云数据对应的二维倾斜密集匹配点云数据；根据电塔位置信息以及电塔的半径，并通过Kdtree分别对所述二维激光扫描点云数据以及二维倾斜密集匹配点云数据进行搜索，以得到所述二维激光扫描点云数据对应的二维待配准电塔点云数据以及所述二维倾斜密集匹配点云数据对应的二维目标配准电塔点云数据；分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据；根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准。从而本发明实现了电塔的自动配准。
附图说明
图1为本发明提供的点云数据的配准方法的流程图。
图2为本发明提供的点云数据的配准方法装置较佳实施例的结构原理图。
具体实施方式
本发明提供一种点云数据的配准方法、装置及存储介质，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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
请参照图1，图1为本发明提供的一种点云数据的配准方法、装置及存储介质。所述方法包括：
S100、获取激光扫描点云数据、倾斜密集匹配点云数据、电塔位置信息以及电塔的半径。
具体地，通过lidar来获得所述激光扫描点云数据，通过航飞照片空三加密得到的所述倾斜密集匹配点云数据，本发明主要针对电力巡线中的航线规划等工作进行设计，利用采集到的激光扫描点云数据与倾斜密集匹配点云数据以及采集到的电塔位置坐标信息实现电塔的自动配准。在电力巡线以及电网改造等工作中，利用无人机进行数据采集的方式逐渐成为主流手段，同时随着采集设备的不断更新迭代，所采集到的数据量也是日益增大，电力线、电塔以及电网周边的环境信息得到了很好的数据保存，但与此同时，不同的设备之间由于空间参考的不一致，所以导致数据之间位置信息会有偏移，而且更大的数据量意味着更多的噪声点以及更大的运算压力，若使用传统的目视特征选取配准的方式，工作量将会十分的庞大。其中，所述电塔位置信息为电塔中线上的坐标信息，所以直接利用电塔的坐标信息与采集到的点云数据建立拓扑关系。
S200、分别对所述激光扫描点云数据以及倾斜密集匹配点云数据进行水平方向的投影，以得到所述激光扫描点云数据对应的二维激光扫描点云数据以及所述倾斜密集匹配点云数据对应的二维倾斜密集匹配点云数据。
具体地，对所述激光扫描点云数据进行水平方向的投影，即，将所述激光扫描点云数据中所有的点云的z值坐标置为0，从而得到激光扫描点云数据对应的二维激光扫描点云数据；相应的，对所述倾斜密集匹配点云数据进行水平方向的投影，即，将所述倾斜密集匹配点云数据中所有的点云的z值坐标置为0，从而得到倾斜密集匹配点云数据对应的二维倾斜密集匹配点云数据。
S300、根据电塔位置信息以及电塔的半径，并通过Kdtree分别对所述二维激光扫描点云数据以及二维倾斜密集匹配点云数据进行搜索，以得到所述二维激光扫描点云数据对应的二维待配准电塔点云数据以及所述二维倾斜密集匹配点云数据对应的二维目标配准电塔点云数据。
S400、分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据。
具体地，由于最开始在采集电塔的原始点云数据时，会为采集到的每个点云赋予唯一的索引值，且每个点云数据不管是在二维空间下还是三维空间下，其对应的索引值不变，相应的，所述的分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据具体包括：
S401、获取所述二维待配准电塔点云数据中每个点云对应的第一索引值，以所述二维目标配准电塔点云数据中每个点云对应的第二索引值；
S402、根据所述第一索引值确定待配准电塔点云数据，以及根据所述第二索引值确定目标配准电塔点云数据。
具体地，本发明可以根据点云的索引值不变可以提出到原始点云数据中的电塔的点云。因此，首先根据电塔的点云数据与电塔尺寸信息数据进行电塔的点云提取，首先根据进行电塔坐标的坐标转换，使点云信息与电塔坐标信息可以做到对齐，当然，这里只需要知道电塔的大致位置即可。进一步，再将点云进行平面投影，同时将电塔位置信息也进行平面投影，再利用电塔坐标再投影过后的电网点云中进行KDtree半径搜索，这里的搜索半径根据不同的电塔进行不同的设置，需要知道不同类型在俯视图下的最宽长度。在得到电塔坐标时，对不同的电塔进行种类标记，以实现不同类型的电塔的区分。将搜索后的投影电塔点云与原始点云的点索引进行比对，保留搜索到的点，即可获得电塔的点云。而传统配准方法需要手动进行配准目标物的提取，因此本发明可以利用电塔的位置进行范围搜索进行目标物点云的提取。本发明基于位置点提取电塔点云，并只利用电塔点云参与后续的点云配准，可以有效去除电力线点云在不同时期摆动造成的配准误差，提高配准效率。
S500、根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准。
具体地，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准具体包括：
S501、分别对所述目标配准电塔点云数据中所有点云以及所述待配准电塔点云数据中所有的点云进行特征计算，以得到第一特征和第二特征；
S502、通过SAC-IA算法对所述第一特征和所述第二特征进行匹配，以实现对点云数据的粗配准。
具体地，本发明基于全局FPFH(快速点特征直方图特征)的点云粗配准，首先要对点云中的所有点进行特征计算，具体计算步骤为，将点云中的所有点建立一个局部的(X,Y,Z)坐标系,其中选取的样本点为P：
Figure BDA0002375661130000081
Figure BDA0002375661130000082
式中：Pt、Ps为点P邻域内的点对，Pts为两点之间的向量，Ns、Nt为点对应的其法向量。<α,β,θ>点对之间的法向量偏差，其与|Pts|即点对的距离D组成SPFH(快速点特征直方图)特征算子。计算FPFH特征的公式如下：
Figure BDA0002375661130000083
式中PSPFH为点P的SPFH特征,n为邻域内的点数，Pi为P点邻域内的点，Di为Pi到点P的距离。通过此方法对点云中的点进行FPFH特征的计算。
之后利用SAC-IA方法(采样一致性初始配准算法)进行点云特征的匹配，该算法首先通过差异性设置进行判断点对的FPFH特征，迭代进行判断找到最优匹配项并计算点对的旋转矩阵以及平移矩阵，实现点云的特征对齐进而实现点云的粗配准。这样做的目的是为了将两幅点云调整至大致相同的位姿，因为SAC-IA算法的迭代停止标准为对应点对的距离最小，所以当同一特征位置(如电塔塔顶)的的FPFH特征相似的点对距离最小时，即可说明两幅点云的初始位姿良好，以此说明完成了粗配准操作。
本实施例的一个实现方式中，所述的点云数据的配准方法还包括：
S503、通过ICP算法以及所述目标电塔点云数据对所述待配准电塔点云数据进行精配准。
具体地，由于SAC-IA算法选取采样点时有最小距离限制，所以此方法对整副点云潜在的对应点都可进行搜索，具有全局性。所以粗配准后的两点云以达到的良好的初始位姿，基于KDtree改进的ICP算法对待配准点云利用kdtree遍历搜寻在目标点云中的最邻近点集，利用kdtree搜索点对，可加快点对的搜索效率。通过设置kdtree最邻近点搜索个数为1时可实现待配准点云(M)与目标点云(N)点的一一对应关系，他们的距离在搜索点到邻域点集中其他点的距离最小。从而构成点对(mi，ni),并通过四元素法计算出两幅点云的变换参数旋转矩阵R和平移矩阵T，空间中的三维变换可用多种方法表示，四元素法与旋转矩阵法都是方法之一，通过点对的旋转关系构建四元素，并将四元素转换为变换矩阵,并进行坐标变换公式如下：
M＇＝{R·mi+T，mi∈M}
式中，M为待配准点云，M′为一次变换后得到的点云，mi为点云M中的点。通过设定阈值，当相邻两次点对匹配的平均距离D小于阈值时停止点对的搜索，并完成迭代以实现点云的精配准。
Figure BDA0002375661130000091
本实施例的一个实现方式中，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准之前还包括：
S01、分别对所述待配准电塔点云数据以及所述目标电塔点云数据进行降采样处理；
S02、根据处理得到的数据来更新所述待配准电塔点云数据以及所述目标电塔点云数据。
具体地，本发明根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准之前还需要对目标配准电塔点云数据和待配准电塔点云数据进行降采样处理，相应的，所述的分别对所述待配准电塔点云数据以及所述目标电塔点云数据进行降采样处理具体包括：
S001、计算所述待配准电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心；
S002、计算所述目标电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心。
具体地，本发明一方面提升了点云配准的计算效率，另一方面是为了剔除无关的点对点云配准进度的影响，并且点云降采样处理的目的就是用较少的数据量来表达重要信息，包括点云中的拐点以及角点，如果体素网格设计过大则其无法良好的表示对应的真实特征，这一步是为了良好的计算点云特征同时降低整体计算量打基础。本方法采用的是体素化重心降采样的做法，具体的流程为1.计算点云的平均距离，并以此作为八叉树自适应划分的最小网格单位。将点云分割到各个网格中。2.计算网格重心，计算公式为：
Figure BDA0002375661130000101
其中，PG为体素化网格的重心点，n为体素网格中的点数，(xi，yi，zi)为体素网格中的点的坐标。对所有体素化网格进行此操作，利用体素重心点代替体素中的所有点以实现点云的降采样。体素即为空间划分的最小单位的网格，其概念类似像素概念，是表示三维点云的最小单位。此方法在保证失真较小的情况下最大限度的进行点云数量的减少。从而也提高配准算法的运算速度。需要说明的是，本发明是基于OCTREE重采样和降采样点云数据，可以有效减少点云匹配量，并保持点云精度一致性，提高效率与准确度。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质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执行，以实现上述实施例所述的基于点云数据的配准方法中的步骤。
本发明还提供了一种点云数据的配准装置，如图2所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(CommunicationsInterface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器22可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、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种点云数据的配准方法，其特征在于，其包括：
获取激光扫描点云数据、倾斜密集匹配点云数据、电塔位置信息以及电塔的半径；
分别对所述激光扫描点云数据以及倾斜密集匹配点云数据进行水平方向的投影，以得到所述激光扫描点云数据对应的二维激光扫描点云数据以及所述倾斜密集匹配点云数据对应的二维倾斜密集匹配点云数据；
根据电塔位置信息以及电塔的半径，并通过Kdtree分别对所述二维激光扫描点云数据以及二维倾斜密集匹配点云数据进行搜索，以得到所述二维激光扫描点云数据对应的二维待配准电塔点云数据以及所述二维倾斜密集匹配点云数据对应的二维目标配准电塔点云数据；
分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据；
根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准。
2.根据权利要求1所述的点云数据的配准方法，其特征在于，所述的分别将所述二维待配准电塔点云数据以及二维目标配准电塔点云数据转化为三维空间下的待配准电塔点云数据以及目标配准电塔点云数据具体包括：
获取所述二维待配准电塔点云数据中每个点云对应的第一索引值，以及所述二维目标配准电塔点云数据中每个点云对应的第二索引值；
根据所述第一索引值确定待配准电塔点云数据，以及根据所述第二索引值确定目标配准电塔点云数据。
3.根据权利要求1所述的点云数据的配准方法，其特征在于，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准之前还包括：
分别对所述待配准电塔点云数据以及所述目标配准电塔点云数据进行降采样处理；
根据处理得到的数据来更新所述待配准电塔点云数据以及所述目标配准电塔点云数据。
4.根据权利要求3所述的点云数据的配准方法，其特征在于，所述的分别对所述待配准电塔点云数据以及所述目标配准电塔点云数据进行降采样处理具体包括：
计算所述待配准电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心；
计算所述目标配准电塔点云数据中每个点云的平均距离，并以该平均距离作为八叉树自适应划分的最小网格单位的边长，并将每个点云划分到各个网格中，再计算得到该网格的重心。
5.根据权利要求3所述的点云数据的配准方法，其特征在于，所述的根据所述目标配准电塔点云数据对所述待配准电塔点云数据进行配准具体包括：
分别对所述目标配准电塔点云数据中所有点云以及所述待配准电塔点云数据中所有的点云进行特征计算，以得到第一特征和第二特征；
通过SAC-IA算法对所述第一特征和所述第二特征进行匹配，以实现对点云数据的粗配准。
6.根据权利要求5述的点云数据的配准方法，其特征在于，所述的点云数据的配准方法还包括：
通过ICP算法以及所述目标配准电塔点云数据对所述待配准电塔点云数据进行精配准。
7.一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执行，以实现如权利要求1～6任意一项所述的点云数据的配准方法中的步骤。
8.一种点云数据的配准装置，其特征在于，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如权利要求1～6任意一项所述的点云数据的配准方法中的步骤。
CN202010064867.9A 2020-01-20 2020-01-20 一种点云数据的配准方法、装置及存储介质 Active CN111311650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010064867.9A CN111311650B (zh) 2020-01-20 2020-01-20 一种点云数据的配准方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010064867.9A CN111311650B (zh) 2020-01-20 2020-01-20 一种点云数据的配准方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111311650A CN111311650A (zh) 2020-06-19
CN111311650B true CN111311650B (zh) 2023-05-05

Family

ID=71146877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010064867.9A Active CN111311650B (zh) 2020-01-20 2020-01-20 一种点云数据的配准方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111311650B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815706B (zh) * 2020-06-23 2023-10-27 熵智科技(深圳)有限公司 面向单品类拆垛的视觉识别方法、装置、设备及介质
CN112446114B (zh) * 2020-12-08 2023-09-05 国网江苏省电力工程咨询有限公司 基于三维模型比对的输电线路工程施工进度监测方法
CN112883845B (zh) * 2021-02-02 2022-06-07 贵州电网有限责任公司 一种基于激光LiDAR点云的杆塔类型自动识别方法
CN113468941B (zh) * 2021-03-11 2023-07-18 长沙智能驾驶研究院有限公司 障碍物检测方法、装置、设备及计算机存储介质
CN113034682A (zh) * 2021-04-13 2021-06-25 阿波罗智联(北京)科技有限公司 点云数据处理方法、装置、设备及存储介质
CN113269202B (zh) * 2021-04-26 2023-11-03 南方电网数字电网研究院有限公司 一种提取门型电塔点云的方法
CN113253290B (zh) * 2021-04-26 2023-04-28 国网天津市电力公司 一种无人机巡检航线模板匹配方法
CN113222914A (zh) * 2021-04-27 2021-08-06 南方电网数字电网研究院有限公司 一种基于配准点云的树障隐患快速检测方法
CN114241018B (zh) * 2021-12-09 2023-05-09 电子科技大学 一种牙齿点云配准方法、系统及可读存储介质
CN114549601B (zh) * 2022-02-11 2023-03-28 中国科学院精密测量科学与技术创新研究院 一种顾及点对可靠性的滑坡多时相tls点云精配准方法
CN114838810A (zh) * 2022-03-25 2022-08-02 武汉理工大学 一种巡检机器人

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489218B (zh) * 2013-09-17 2016-06-29 中国科学院深圳先进技术研究院 点云数据质量自动优化方法及系统
CN109872352B (zh) * 2018-12-29 2021-02-12 中国科学院遥感与数字地球研究所 基于杆塔特征点的电力巡线LiDAR数据自动配准方法
CN109872350A (zh) * 2019-02-18 2019-06-11 重庆市勘测院 一种新的点云自动配准方法
CN110210398A (zh) * 2019-06-03 2019-09-06 宁波智能装备研究院有限公司 一种三维点云语义分割标注方法

Also Published As

Publication number Publication date
CN111311650A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111311650B (zh) 一种点云数据的配准方法、装置及存储介质
CN110426051B (zh) 一种车道线绘制方法、装置及存储介质
CN109949399B (zh) 一种基于无人机航拍图像的场景三维重建方法
CN104966270B (zh) 一种多图像拼接方法
US8711143B2 (en) System and method for interactive image-based modeling of curved surfaces using single-view and multi-view feature curves
CN112489099B (zh) 点云配准方法、装置、存储介质及电子设备
CN113034593B (zh) 6d位姿标注方法、系统及存储介质
CN115375842A (zh) 一种植株三维重建方法、终端及存储介质
CN111915517A (zh) 一种适用于室内光照不利环境下rgb-d相机全局定位方法
CN111782739A (zh) 地图更新方法及装置
CN114677435A (zh) 一种点云全景融合要素提取方法和系统
CN116091727A (zh) 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质
CN112150595A (zh) 一种点云数据处理方法、装置、设备及介质
CN113409332B (zh) 一种基于三维点云的建筑物平面分割方法
CN112991300B (zh) 一种基于邻域特征的单木骨架提取及可视化方法
Xu et al. Fast and accurate registration of large scene vehicle-borne laser point clouds based on road marking information
CN107610216B (zh) 基于粒子群优化多视角立体点云生成方法及应用的摄像机
CN108921896A (zh) 一种融合点线特征的下视视觉罗盘
CN115294277B (zh) 一种物体的三维重建方法、装置、电子设备及存储介质
CN110009726B (zh) 一种根据平面基元间的结构关系对点云提取平面的方法
CN111899291A (zh) 基于多源维度分解的城市点云从粗到精的自动配准方法
CN115631317B (zh) 隧道衬砌正射影像生成方法及装置、存储介质、终端
CN115311418B (zh) 一种多细节层次树木模型单体化重建方法及装置
CN115063485B (zh) 三维重建方法、装置及计算机可读存储介质
CN116091562A (zh) 基于二维投影线段的建筑物点云自动配准的方法

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