CN111598941A - 一种杆塔倾斜度测量方法、装置、设备及存储介质 - Google Patents
一种杆塔倾斜度测量方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111598941A CN111598941A CN202010494057.7A CN202010494057A CN111598941A CN 111598941 A CN111598941 A CN 111598941A CN 202010494057 A CN202010494057 A CN 202010494057A CN 111598941 A CN111598941 A CN 111598941A
- Authority
- CN
- China
- Prior art keywords
- tower
- point cloud
- cloud data
- layer
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 11
- 230000008054 signal transmission Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
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)
- Geometry (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)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种杆塔倾斜度测量方法、装置、设备及存储介质。该方法包括:获取杆塔的定向点云数据;根据所述定向点云数据对所述杆塔进行分层;确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。上述技术方案利用点云数据可以对杆塔进行准确测量,据此实现对杆塔的定向、分层、中轴线拟合并计算倾斜度,可以避免受到外界环境、信号传输或电磁干扰等因素的影响,从而提高杆塔倾斜度测量的可靠性和精确性。
Description
技术领域
本发明实施例涉及输电线路测量技术领域,尤其涉及一种杆塔倾斜度测量方法、装置、设备及存储介质。
背景技术
随着电力工业不断发展进步,城镇化进程加快,输电线路也向长距离、超高压、大容量方向发展。但在实际应用中容易受到地形地貌复杂多变、地质不稳定或自然灾害的影响,例如输电线路的覆冰、导线舞动等都会导致杆塔倾斜,甚至发生倒塌等突发性事件,造成难以估计的影响和经济损失。目前,输电线路杆塔的倾斜度测量以及维护工作均依靠人工现场勘探,这种方式工作效率低下,如果杆塔倾斜问题不能被及时发现,会导致严重的安全隐患,并且工作人员的安全得不到保障。也有一些场景是通过传统测绘或者特殊制作的传感器等来实现杆塔倾斜度的测量,但测绘方法效率低,且易受周围环境的影响,例如一些戈壁滩、沼泽地等难以人工到达的地方,则难以进行测绘,而传感器测量容易受到环境影响,存在信号传输质量低、电磁干扰以及设备长期工作状态不稳定等问题,杆塔倾斜度测量的可靠性和精确性偏低。
发明内容
本发明提供了一种杆塔倾斜度测量方法、装置、设备及存储介质及系统,以提高杆塔倾斜度测量的可靠性和精确性。
第一方面,本发明实施例提供了一种杆塔倾斜度测量方法,包括:
获取杆塔的定向点云数据;
根据所述定向点云数据对所述杆塔进行分层;
确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;
根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
进一步的,所述根据所述定向点云数据对所述杆塔进行分层,包括:
根据所述定向点云数据的最低点和最高点,按照设定步长对所述定向点云数据进行分层。
进一步的,所述确定所述杆塔的特征层,包括:
分别计算所述杆塔的每个分层的最小包围盒;
根据每个分层的高程与对应的最小包围盒的长边之间的线性关系,基于线性拟合算法确定所述杆塔的定向点云数据的特征层。
进一步的,所述分别计算所述杆塔的每个分层的最小包围盒,包括:
获取每个分层的定向点云数据的最外层轮廓点;
根据各所述最外层轮廓点确定对应分层的最小包围盒的四个顶点,得到每个分层的最小包围盒。
进一步的,所述根据所述特征层拟合所述杆塔的中轴线,包括:
计算所述特征层的中心点;
采用最小二乘法拟合所述特征层的中心点,得到所述杆塔的中轴线。
进一步的,在确定所述杆塔的特征层之前,还包括:
基于聚类算法去除每个分层的定向点云数据中的噪声点。
进一步的,所述获取杆塔的定向点云数据,包括:
通过激光雷达扫描得到所述杆塔的点云数据;
基于主成分分析法计算所述点云数据的特征值和特征向量;
选取最小特征值对应的特征向量作为x轴方向,得到所述定向点云数据。
第二方面,本发明实施例提供了一种杆塔倾斜度测量装置,包括:
定向模块,用于获取杆塔的定向点云数据;
分层模块,用于根据所述定向点云数据对所述杆塔进行分层;
特征层处理模块,用于确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;
倾斜度确定模块,用于根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
第三方面,本发明实施例提供了一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的杆塔倾斜度测量方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的杆塔倾斜度测量方法。
本发明实施例提供了一种杆塔倾斜度测量方法、装置、设备及存储介质,该方法包括:获取杆塔的定向点云数据;根据所述定向点云数据对所述杆塔进行分层;确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。上述技术方案利用点云数据可以对杆塔进行准确测量,据此实现对杆塔的定向、分层、中轴线拟合并计算倾斜度,可以避免受到外界环境、信号传输或电磁干扰等因素的影响,从而提高杆塔倾斜度测量的可靠性和精确性。。
附图说明
图1为本发明实施例一提供的一种杆塔倾斜度测量方法的流程图;
图2为本发明实施例二提供的一种杆塔倾斜度测量方法的流程图;
图3为本发明实施例二提供的一种杆塔的点云数据的示意图;
图4为本发明实施例二提供的一种杆塔的定向点云数据的示意图;
图5为本发明实施例二提供的一种每个分层的最外层轮廓点的示意图;
图6为本发明实施例二提供的一种每个分层的最小包围盒的示意图;
图7为本发明实施例二提供的一种特征层的示意图;
图8为本发明实施例二提供的一种中轴线的示意图;
图9为本发明实施例三提供的一种杆塔倾斜度测量装置的结构示意图;
图10为本发明实施例四提供的一种设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种杆塔倾斜度测量方法的流程图。本实施例可适用于测量输电线路杆塔倾斜度的情况。具体的,该杆塔倾斜度测量方法可以由杆塔倾斜度测量装置执行,该杆塔倾斜度测量装置可以通过软件和/或硬件的方式实现,并集成在设备中。进一步的,设备包括但不限定于:台式计算机、笔记本电脑、电力系统服务器以及主机等。
如图1所示,该方法具体包括如下步骤:
S110、获取杆塔的定向点云数据。
具体的,点云数据是以点的形式记录扫描对象(杆塔),每一个点都包含有在实际空间中相应位置的三维坐标信息。点云数据通过一定的测量手段直接或间接采集,是一种能够刻画杆塔表面特性的离散的密集点集合。例如,可以通过激光雷达直接扫描测得,或者从数据库中调取已经采集的点云数据等。激光雷达由发射模块、接收模块、信息处理模块等部分组成,其原理是利用激光对地球表面进行密集采样,以产生高精度的三维测量值(x,y,z),初始的点云数据是三维高程点的大集合,其包括x值、y值、z值以及全球定位系统(Global Positioning System,GPS)时间戳等其他信息。激光束在测量过程中遇到杆塔,即构成激光点云数据。
输电线路杆塔的点云数据总体结构是对称的,对扫描得到的初始的点云数据进行定向,确定点云数据x轴的方向,得到定向点云数据,从而限定对杆塔的点云数据进行处理时的基准方向,基于x轴方向还可以确定竖直方向、杆塔点云的最高点、最低点等,充分利用杆塔的对称性,为后续的计算和处理提供依据。
S120、根据所述定向点云数据对所述杆塔进行分层。
具体的,根据定向点云数据,沿z轴方向(即垂直于xy平面的方向,或者各点的高程方向)将杆塔的定向点云数据划分为若干个分层,从这些分层中可以找出特征最丰富的、最能反映杆塔结构以及倾斜度的分层,即特征层,而对于非特征层,对于杆塔结构分析以及倾斜度的计算贡献较小,本实施例中,在计算倾斜度时,可以只选取特征层,避免非特征层噪声的影响,减少不必要的计算量,降低误差,提高计算效率。。
S130、确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线。
具体的,特征层是指特征最丰富的、最能反映杆塔结构以及倾斜度的一部分杆塔结构在定向点云数据中所在的分层,根据特征层的定向点云数据,通过计算其轮廓或边界位置、边界长度、中心点等,拟合出确定杆塔塔身的中轴线,中轴线的方向代表了整个杆塔塔身的方向。
S140、根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
具体的,杆塔塔身的中轴线与竖直方向的夹角即为杆塔的倾斜度,中轴线与竖直方向的夹角越大,则倾斜度越大,当倾斜度超过一定阈值时,需要对杆塔进行维护和修整,提高输电线路杆塔的安全性。
本发明实施例一提供的一种杆塔倾斜度测量方法,在定向点云数据的基础上对杆塔进行分层、根据杆塔的特征层拟合杆塔的中轴线,从而根据中轴线与竖直方向的夹角确定杆塔的倾斜度。利用点云数据对杆塔进行准确测量,据此实现对杆塔的定向、分层、中轴线拟合并计算倾斜度,可以避免受到外界环境、信号传输或电磁干扰等因素的影响,从而提高杆塔倾斜度测量的可靠性和精确性。
实施例二
图2为本发明实施例二提供的一种杆塔倾斜度测量方法的流程图,本实施例是在上述实施例的基础上进行优化,对杆塔点云数据的定向、分层以及中轴线拟合过程进行具体描述。需要说明的是,未在本实施例中详尽描述的技术细节可参见上述任意实施例。
具体的,如图2所示,该方法具体包括如下步骤:
S210、通过激光雷达扫描获取所述杆塔的点云数据。
图3为本发明实施例二提供的一种杆塔的点云数据的示意图。如图3中的左图所示,将杆塔的点云数据投影到xy平面上均匀采用,点越密集表示投影在该位置附近的竖直方向上的点越多,涉及到的分层越多;图3中的右图表示扫描得到的初始的点云数据。
S220、基于主成分分析法计算所述点云数据的特征值和特征向量。
输电线路杆塔点云数据总体结构是对称的,本实施例通过对杆塔点云数据进行定向,充分利用杆塔的对称性,为杆塔点云数据的后续计算和分析提供依据。具体的,采用主成分分析法(Principal Component Analysis,PCA)计算采样点云的特征值和特征向量,获得点云数据的三个主方向(包括x轴、y轴、z轴三个方向),并获取质心、计算协方差,得到协方差矩阵,求取协方差矩阵的特征值和特征向量,将三个主方向中,与最小特征值对应的特征向量作为x轴的方向。PCA是一种统计方法,通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分,主成分对应的特征向量即为三个主方向。
S230、选取最小特征值对应的特征向量作为x轴方向,得到所述定向点云数据。
图4为本发明实施例二提供的一种杆塔的定向点云数据的示意图。在三个主方向中选取最小特征值对应的特征向量作为x轴方向,得到定向点云数据如图4中的右图所示,左图为定向点云数据在xy面上的投影。
S240、根据所述定向点云数据的最低点和最高点,按照设定步长对所述定向点云数据进行分层。
具体的,以定向点云数据的最低点、最高点的高程为界,按照设定步长对定向点云数据进行分层,设定步长可设置为为0.3-1.0m。例如,设定步长为1.0m,则一个20m高的杆塔的定向点云数据,可以划分为20个分层。
S250、分别计算所述杆塔的每个分层的最小包围盒。
具体的,以层为单位,分别计算每个分层最小包围盒。最小包围盒也称外接最小矩形,计算最小包围盒的过程即求解离散点集的最优包围空间的过程,其原理是用体积稍大且特性简单的几何体(称为包围盒)近似地代替复杂的几何对象。基于最小包围盒,可以将杆塔的定向点云数据栅格化,从而在所有分层中选取部分分层作为定向点云数据的特征层。
在一实施例中,S250,包括:
S251:获取每个分层的定向点云数据的最外层轮廓点;
S252:根据各最外层轮廓点确定对应分层的最小包围盒的四个顶点,得到每个分层的最小包围盒。
具体的,可以通过二维阿尔法形状(Alpha Shape)等算法获取每个分层的定向点云数据的最外层轮廓点,Alpha Shape是一种从离散的空间点集(Point Set)中抽象出其直观形状的一种算法。
图5为本发明实施例二提供的一种每个分层的最外层轮廓点的示意图。图5中左图示出了每个分层的最外层轮廓点,右图示出了每个分层的最外层轮廓点与杆塔定向点云数据之间的位置关系。
进一步的,可以通过管道(Pipe)算法等计算每个分层的定向点云数据最小包围盒的四个顶点。图6为本发明实施例二提供的一种每个分层的最小包围盒的示意图,图6中,左图示出了每个分层的最小包围盒的四个顶点,右图示出了每个分层的最小包围盒的四个顶点与杆塔定向点云数据之间的位置关系。
S260、根据每个分层的高程与对应的最小包围盒的长边之间的线性关系,基于线性拟合算法确定所述杆塔的定向点云数据的特征层。
具体的,随着杆塔点云高程的增大,每个分层的最小包围盒的长边逐渐减小,其中,以定向点云数据高程为横轴,以最小包围盒长边的距离为纵轴,则定向点云数据每个分层的高程与对应的最小包围盒的长边符合线性关系,通过线性拟合算法,可以确定特征层,随机抽样一致算法(Random Sample Consensus,RANSAC)可以确定杆塔塔身定向点云数据的特征层。RANSAC是一种线性拟合算法,其原理是通过随机选取一些数据点,利用这些点构建一个模型(即每个分层的高程与对应的最小包围盒的长边之间的线性关系),然后利用该模型去测试每个分层内剩余的数据点,如果测试的数据点在误差允许的范围内,则将该数据点判定为内点(Inlier),否则判定为外点(Outlier)。内点的数目达到了设定的阈值,则说明此次随机选取的这些数据点具有较好的线性特征,具有较高的可信度,则对应的分层可以作为特征层;否则重新随机选取一些数据点,不断重复上述过程,直到选取的数据点对应的分层可以作为特征层,此时得到的特征层即为基于构建的最优模型,最符合线性关系、最能反映杆塔结构和倾斜度的分层。
图7为本发明实施例二提供的一种特征层的示意图。图7中左图示出了点云数据的高程与包围盒长边(灰度的实线),两者具有一定的线性关系;右图示出了定向点云数据的特征层,特征层可以为多个,用于拟合中轴线。
S270、计算所述特征层的中心点。
具体的,基于杆塔塔身特征层的定向点云数据的最小包围盒,可以确定每个特征层中心点,例如根据每个特征层的最小包围盒的四个边的长度、对角线的交点等计算该特征层的中心点。
S280、采用最小二乘法拟合所述特征层的中心点,得到所述杆塔的中轴线。
具体的,采用最小二乘法根据各特征层的中心点拟合出杆塔的中轴线,即找到一条直线使得所有特征层的中心点到该直线的欧式距离的和最小(或者所有特征层的中心点到该直线的误差平方和最小),该直线即为杆塔的中轴线。
图8为本发明实施例二提供的一种中轴线的示意图。如图8所示,根据特征层的中心点,采用最小二乘法拟合得到杆塔中轴线(塔身中间区域的接近竖直方向的直线),中轴线的防线即为杆塔塔身的方向。
S290、根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
具体的额,求解中轴线与竖直方向的夹角,即为杆塔倾斜的角度。
在一实施例中,在确定所述杆塔的特征层之前,还包括:基于聚类算法去除每个分层的定向点云数据中的噪声点。
具体的,通过对每个分层的点云数据去噪,减少噪声影响,降低计算误差,提高倾斜度计算的准确性。例如,可以采用k-dimensional树(Kd-tree)聚类的思想去除定向点云数据中一些孤立、离散的点,Kd-tree是一种用于分割k维数据空间的数据结构,去噪过程例如为:构建Kd-tree;随机在每个分层中选取一些数据点并求解平均这些数据点与Kd-tree的距离;将所有距离超出预设范围(例如超出平均距离两倍)的数据点删除,从而实现定向点云数据的去噪。需要说明的是,也可以采用其他聚类算法,将在一定范围内的点作为有效的数据点,将超出该范围的点视为噪声点去除,从而减少不必要的计算量和计算误差,提高倾斜度计算的准确性。
本发明实施例二提供的一种杆塔倾斜度测量方法,在上述实施例的基础上进行优化,依据杆塔点云数据的分布特征,通过PCA实现杆塔点云数据的定向、根据定向点云数据的最低点、最高点高程以及设定步长实现定向点云数据的分层,通过Alpha Shape以及管道算法计算每个分层的定向点云数据的最小包围矩形,通过RANSAC线性拟合算法确定特征层,通过计算特征层的中心点并采用最小二乘法拟合中轴线,最后根据中轴线与竖直方向的夹角计算倾斜度,该方法可以避免受到外界环境、信号传输或电磁干扰等因素的影响,也可以减少噪声,减少不必要的计算量和计算误差,从而提高杆塔倾斜度测量的可靠性和精确性。
实施例三
图9为本发明实施例三提供的一种杆塔倾斜度测量装置的结构示意图。如图9所示,本实施例提供的杆塔倾斜度测量装置包括:
定向模块310,用于获取杆塔的定向点云数据;
分层模块320,用于根据所述定向点云数据对所述杆塔进行分层;
特征层处理模块330,用于确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;
倾斜度确定模块340,用于根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
本发明实施例三提供的一种杆塔倾斜度测量装置,利用点云数据可以对杆塔进行准确测量,据此实现对杆塔的定向、分层、中轴线拟合并计算倾斜度,可以避免受到外界环境、信号传输或电磁干扰等因素的影响,从而提高杆塔倾斜度测量的可靠性和精确性。
在上述实施例的基础上,分层模块320,具体用于:
根据所述定向点云数据的最低点和最高点,按照设定步长对所述定向点云数据进行分层。
在上述实施例的基础上,特征层处理模块330,包括:
包围盒计算单元,用于分别计算所述杆塔的每个分层的最小包围盒;
特征层选取单元,用于根据每个分层的高程与对应的最小包围盒的长边之间的线性关系,基于线性拟合算法确定所述杆塔的定向点云数据的特征层。
在上述实施例的基础上,包围盒计算单元,具体用于:
获取每个分层的定向点云数据的最外层轮廓点;
根据各所述最外层轮廓点确定对应分层的最小包围盒的四个顶点,得到每个分层的最小包围盒。
在上述实施例的基础上,特征层处理模块330,包括:
中心点计算单元,用于计算所述特征层的中心点;
拟合单元,用于采用最小二乘法拟合所述特征层的中心点,得到所述杆塔的中轴线。
在上述实施例的基础上,还包括:
去噪模块,用于在确定所述杆塔的特征层之前,基于聚类算法去除每个分层的定向点云数据中的噪声点。
在上述实施例的基础上,定向模块310,包括:
扫描单元,用于通过激光雷达扫描得到所述杆塔的点云数据;
特征值计算单元,用于基于主成分分析法计算所述点云数据的特征值和特征向量;
定向单元,用于选取最小特征值对应的特征向量作为x轴方向,得到所述定向点云数据。
本发明实施例三提供的杆塔倾斜度测量装置可以用于执行上述任意实施例提供的杆塔倾斜度测量方法,具备相应的功能和有益效果。
实施例四
图10为本发明实施例四提供的一种设备的硬件结构示意图。设备包括但不限定于:台式计算机、笔记本电脑、电力系统服务器以及主机等。如图10所示,本实施例提供的一种设备,包括:处理器410和存储装置420。该设备中的处理器可以是一个或多个,图10中以一个处理器410为例,所述设备中的处理器410和存储装置420可以通过总线或其他方式连接,图10中以通过总线连接为例。
所述一个或多个程序被所述一个或多个处理器410执行,使得所述一个或多个处理器实现上述实施例中任意所述的杆塔倾斜度测量方法。
该设备中的存储装置420作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例中杆塔倾斜度测量方法对应的程序指令/模块(例如,附图9所示的杆塔倾斜度测量装置中的模块,包括:定向模块310、分层模块320、特征层处理模块330以及倾斜度确定模块340)。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块,从而执行设备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杆塔倾斜度测量方法。
存储装置420主要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设备的使用所创建的数据等(如上述实施例中的定向点云数据、特征层等)。此外,存储装置420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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至设备。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。
并且,当上述设备中所包括一个或者多个程序被所述一个或者多个处理器410执行时,进行如下操作:获取杆塔的定向点云数据;根据所述定向点云数据对所述杆塔进行分层;确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
本实施例提出的设备与上述实施例提出的杆塔倾斜度测量方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述任意实施例,并且本实施例具备与执行杆塔倾斜度测量方法相同的有益效果。
在上述实施例的基础上,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被杆塔倾斜度测量装置执行时实现本发明上述任意实施例中的杆塔倾斜度测量方法,该方法包括:获取杆塔的定向点云数据;根据所述定向点云数据对所述杆塔进行分层;确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的杆塔倾斜度测量方法操作,还可以执行本发明任意实施例所提供的杆塔倾斜度测量方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的杆塔倾斜度测量方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种杆塔倾斜度测量方法,其特征在于,包括:
获取杆塔的定向点云数据;
根据所述定向点云数据对所述杆塔进行分层;
确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;
根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述定向点云数据对所述杆塔进行分层,包括:
根据所述定向点云数据的最低点和最高点,按照设定步长对所述定向点云数据进行分层。
3.根据权利要求1所述的方法,其特征在于,所述确定所述杆塔的特征层,包括:
分别计算所述杆塔的每个分层的最小包围盒;
根据每个分层的高程与对应的最小包围盒的长边之间的线性关系,基于线性拟合算法确定所述杆塔的定向点云数据的特征层。
4.根据权利要求3所述的方法,其特征在于,所述分别计算所述杆塔的每个分层的最小包围盒,包括:
获取每个分层的定向点云数据的最外层轮廓点;
根据各所述最外层轮廓点确定对应分层的最小包围盒的四个顶点,得到每个分层的最小包围盒。
5.根据权利要求1所述的方法,其特征在于,所述根据所述特征层拟合所述杆塔的中轴线,包括:
计算所述特征层的中心点;
采用最小二乘法拟合所述特征层的中心点,得到所述杆塔的中轴线。
6.根据权利要求1所述的方法,其特征在于,在确定所述杆塔的特征层之前,还包括:
基于聚类算法去除每个分层的定向点云数据中的噪声点。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述获取杆塔的定向点云数据,包括:
通过激光雷达扫描得到所述杆塔的点云数据;
基于主成分分析法计算所述点云数据的特征值和特征向量;
选取最小特征值对应的特征向量作为x轴方向,得到所述定向点云数据。
8.一种杆塔倾斜度测量装置,其特征在于,包括:
定向模块,用于获取杆塔的定向点云数据;
分层模块,用于根据所述定向点云数据对所述杆塔进行分层;
特征层处理模块,用于确定所述杆塔的特征层,并根据所述特征层拟合所述杆塔的中轴线;
倾斜度确定模块,用于根据所述中轴线与竖直方向的夹角确定所述杆塔的倾斜度。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的杆塔倾斜度测量方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的杆塔倾斜度测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010494057.7A CN111598941A (zh) | 2020-06-03 | 2020-06-03 | 一种杆塔倾斜度测量方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010494057.7A CN111598941A (zh) | 2020-06-03 | 2020-06-03 | 一种杆塔倾斜度测量方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598941A true CN111598941A (zh) | 2020-08-28 |
Family
ID=72188180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010494057.7A Pending CN111598941A (zh) | 2020-06-03 | 2020-06-03 | 一种杆塔倾斜度测量方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598941A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377894A (zh) * | 2021-08-12 | 2021-09-10 | 国网江西省电力有限公司电力科学研究院 | 快速标记提取点云数据的输电线路网架台账管理方法 |
CN117213446A (zh) * | 2023-09-26 | 2023-12-12 | 广东电网有限责任公司汕尾供电局 | 一种基于激光点云的电力杆塔倾斜角度计算方法 |
-
2020
- 2020-06-03 CN CN202010494057.7A patent/CN111598941A/zh active Pending
Non-Patent Citations (2)
Title |
---|
刘云备 等: "基于TLS的高压线塔倾斜度监测" * |
秦炳权: "地铁隧道变形监测方法研究" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377894A (zh) * | 2021-08-12 | 2021-09-10 | 国网江西省电力有限公司电力科学研究院 | 快速标记提取点云数据的输电线路网架台账管理方法 |
CN117213446A (zh) * | 2023-09-26 | 2023-12-12 | 广东电网有限责任公司汕尾供电局 | 一种基于激光点云的电力杆塔倾斜角度计算方法 |
CN117213446B (zh) * | 2023-09-26 | 2024-05-14 | 广东电网有限责任公司汕尾供电局 | 一种基于激光点云的电力杆塔倾斜角度计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969624B (zh) | 一种激光雷达三维点云分割方法 | |
CN108830931B (zh) | 一种基于动态网格k邻域搜索的激光点云精简方法 | |
US11300964B2 (en) | Method and system for updating occupancy map for a robotic system | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
Ji et al. | A novel simplification method for 3D geometric point cloud based on the importance of point | |
CN110838115B (zh) | 运用轮廓线提取和四维曲面拟合的古文物三维模型变化检测方法 | |
CN105469445B (zh) | 一种步长可变地图生成方法 | |
EP4116935B1 (en) | High-definition map creation method and device, and electronic device | |
CN110807781A (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN111598941A (zh) | 一种杆塔倾斜度测量方法、装置、设备及存储介质 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN114387506A (zh) | 输电杆塔监测方法、装置、计算机设备、存储介质 | |
CN113610983A (zh) | 一种离散点空间曲面三角网格自动剖分方法 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、系统及存储介质 | |
CN108563915B (zh) | 车辆数字化仿真测试模型构建系统及方法、计算机程序 | |
CN111881964A (zh) | 一种基于Delaunay三角网的线性建筑物模式识别方法与系统 | |
CN112017219B (zh) | 一种激光点云配准方法 | |
CN115239899B (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
CN117253205A (zh) | 一种基于移动测量系统的道路面点云快速提取方法 | |
JP6761388B2 (ja) | 推定装置及びプログラム | |
CN113066161B (zh) | 一种城市电波传播模型的建模方法 | |
CN115147471A (zh) | 一种基于曲率密度特征的激光点云自动配准方法 | |
CN113903016A (zh) | 分岔点检测方法、装置、计算机设备和计算机程序产品 | |
CN113902874A (zh) | 点云数据处理方法、装置、计算机设备和存储介质 | |
Sun et al. | Datum feature extraction and deformation analysis method based on normal vector of point cloud |
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 |