CN111859772B - 基于布料模拟算法的电力线提取方法和系统 - Google Patents
基于布料模拟算法的电力线提取方法和系统 Download PDFInfo
- Publication number
- CN111859772B CN111859772B CN202010645516.7A CN202010645516A CN111859772B CN 111859772 B CN111859772 B CN 111859772B CN 202010645516 A CN202010645516 A CN 202010645516A CN 111859772 B CN111859772 B CN 111859772B
- Authority
- CN
- China
- Prior art keywords
- points
- power line
- point
- ground
- cloth
- 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
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 77
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 26
- 238000000605 extraction Methods 0.000 title claims abstract description 21
- 239000002245 particle Substances 0.000 claims abstract description 82
- 238000006073 displacement reaction Methods 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims abstract description 23
- 230000005484 gravity Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 32
- 239000013598 vector Substances 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000007689 inspection Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/54—Testing for continuity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Astronomy & Astrophysics (AREA)
- Computer Hardware Design (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于布料模拟算法的电力线提取方法和系统,提取方法包括如下步骤:获取激光雷达的激光点云,提取其中的电力线点;设置布料网格尺寸,将布料粒子和激光雷达点云中的电力线点投影到同一平面中;在所述平面中,每个激光雷达点对应一个布料粒子点;计算下布料粒子点在重力作用下和内力作用的位移,得到位于设定高程范围内的电力线点;在平面坐标系内拟合直线,从设定高程范围的电力线点中提取各电力线。本发明所提供的技术方案,能够解决现有技术中对电力线检测结果不准确的问题。
Description
技术领域
本发明属于电力线提取的技术领域,具体涉及一种基于布料模拟算法的电力线提取方法和系统。
背景技术
为了保证供配电系统运行的安全性和可靠性,需要对其供电线路进行巡检,以观察供电线路是否出现断线或者电力线是否被盗。对电力线的巡检方法包括人工巡检法和智能巡检法,人工巡检法是由巡检人员沿着电力线进行巡检,这种方法不仅成本高、效率低,而且受到地形的限制,很多区域的电力线无法被人工巡检。
智能巡检法是借助无人机或激光雷达进行巡检,即通过无人机或激光雷达获取电力线的图像,然后借助图像识别算法从图像中识别出电力线,判断其是否存在异常,从而实现对电力线的巡检。
目前识别图像中电力线的方法有两种:
第一种是采用二维投影方法进行电力线识别,以及曲线方程拟合进行线模型构建。这种方法存在投影重叠线路漏检,曲线拟合贴合不完全等问题,如基于二维图像Hough变换进行检测,对获取的电力线点采用二维霍夫变换和最小二乘拟合的方法计算电力线在XOY投影面内的中心线方程,根据中心线方程求取每条电力线上的激光点。这类方法操作简单,但无法检测出垂直排列的多根电力线,此外将三维点云退化为栅格处理会丢失必要的信息,对电力线识别的精度较低,造成对电力线检测结果不准确的问题。
第二种基于三维点云数据进行电力线识别,通过确定电塔位置、电塔数量、线路轨迹、总档数等信息将线路分档,确定每一档的二维空间范围和相应的电力线激光雷达点云,并分别对每一档的电力线激光雷达点云进行中心化投影和聚类将每一个电力线激光雷达点划分到相应的根,该类方法易受数据量和地形因素影响,且针对单档电力线提取,需要设置分档或分段参数,没有考虑电力线的整体提取,造成对电力线检测结果不准确的问题。
总上所述,现有技术中对电力线识别的方法,都存在检测结果不准确的问题。
发明内容
本发明的目的是提供一种基于布料模拟算法的电力线提取方法和系统,以解决现有技术中对电力线检测结果不准确的问题。
为实现上述目的,本发明采用如下技术方案:
基于布料模拟算法的电力线提取方法,包括如下步骤:
(1)获取激光雷达的激光点云,提取其中的电力线点;
(2)设置布料网格尺寸,将布料粒子和激光雷达点云中的电力线点投影到同一平面中;在所述平面中,每个激光雷达点对应一个布料粒子点;
(3)计算下布料粒子点在重力作用下和内力作用的位移,得到位于设定高程范围内的电力线点;
(4)在平面坐标系内拟合直线,从设定高程范围的电力线点中提取各电力线。
进一步的,获取激光雷达的激光点云之后,首先对其进行滤波处理,然后识别其中的非地面点,最后从非地面点中识别电力线点。
进一步的,在从非地面点中识别电力线点时,根据特征值判断其中的植被点,根据电塔的形状判断电塔云点,排除其中的植被点和电塔云点,得到其中的电力线点。
进一步的,计算重力作用下粒子位移的公式为:
其中,m是布料点的质量,设其为常数1,Δt是时间步长,G是常数,根据时间步长和初始位置给定,则可以直接计算布料粒子点的当前位置,X(t)为t时刻节点的位置;
计算内力作用下粒子位移的公式为:
其中,代表布料粒子点的位移矢量,b为布料粒子点可移动性的标识,当布料粒子点可动时为1,否则为0;/>和/>为两个邻近的布料粒子点的位置,/>为垂直方向上的标准向量,/>
进一步的,所述步骤(4)中,首先将设定高程范围的电力线点拟合成直线方程,然后计算设定高程范围内电力线点到拟合直线的距离,将距离小于设定距离的电力线点删除,并将拟合成的直线方程作为其中一条电力线的直线方程。
基于布料模拟算法的电力线提取系统,包括处理器和存储器,所述存储器上存储有用于在所述处理器上执行的计算机程序;所述处理器执行所述计算机程序时,实现如下基于布料模拟算法的电力线提取方法:
(1)获取激光雷达的激光点云,提取其中的电力线点;
(2)设置布料网格尺寸,将布料粒子和激光雷达点云中的电力线点投影到同一平面中;在所述平面中,每个激光雷达点对应一个布料粒子点;
(3)计算下布料粒子点在重力作用下和内力作用的位移,得到位于设定高程范围内的电力线点;
(4)在平面坐标系内拟合直线,从设定高程范围的电力线点中提取各电力线。
进一步的,获取激光雷达的激光点云之后,首先对其进行滤波处理,然后识别其中的非地面点,最后从非地面点中识别电力线点。
进一步的,在从非地面点中识别电力线点时,根据特征值判断其中的植被点,根据电塔的形状判断电塔云点,排除其中的植被点和电塔云点,得到其中的电力线点。
进一步的,计算重力作用下粒子位移的公式为:
其中,m是布料点的质量,设其为常数1,Δt是时间步长,G是常数,根据时间步长和初始位置给定,则可以直接计算布料粒子点的当前位置,X(t)为t时刻节点的位置;
计算内力作用下粒子位移的公式为:
其中,代表布料粒子点的位移矢量,b为布料粒子点可移动性的标识,当布料粒子点可动时为1,否则为0;/>和/>为两个邻近的布料粒子点的位置,/>为垂直方向上的标准向量,/>
进一步的,所述步骤(4)中,首先将设定高程范围的电力线点拟合成直线方程,然后计算设定高程范围内电力线点到拟合直线的距离,将距离小于设定距离的电力线点删除,并将拟合成的直线方程作为其中一条电力线的直线方程。
本发明所提供的技术方案,首先获取包含电力线点的激光点云,然后采用布料模拟算法计算设定高程范围内的电力线点,最后根据拟合的直线从其中识别出各电力线,从而提高对电力线检测的准确性,解决现有技术中对电力线检测结果不准确的问题。
附图说明
图1为方法实施例中基于布料模拟算法的电力线提取方法的流程图;
图2为方法实施例中设定高程范围内存在奇数条电力线的示意图;
图3为方法实施例中设定高程范围内存在偶数条电力线的示意图。
具体实施方式
本发明的目的是提供一种基于布料模拟算法的电力线提取方法和系统,以解决现有技术中对电力线检测结果不准确的问题。
方法实施例:
本实施例所提供的一种基于布料模拟算法的电力线提取方法,其流程如图1所示,包括如下步骤:
步骤一:获取激光雷达点云,并对其进行预处理,得到其中的电力线点。
对获取的激光雷达点云进行预处理的方法包括如下子步骤:
1.1:采用布料模拟滤波算法对激光雷达点云进行滤波处理,滤除地面点,得到其中的非地面点;
1.2:对激光雷达点云中的非地面点进行分类,对其中的电力线点进行识别,得到其中的电力线点,计算其中各点到其近邻点的最小距离和平均距离;如果有电力线点到其近邻点的最小距离和平均距离均大于设定距离阈值,则判断该电力线点为粗差点,将其从电力线点中删除。
将非地面点设置在三维坐标系中,三维坐标系的XOY平面为与地面平行的平面;利用非地面点的几何特征,采用最小化熵函数确定每个激光点的最佳邻域,用计算的特征值λ1、λ2、λ3构建维数特征,其中λ1>λ2>λ3,则
α1D+α2D+α3D=1
在非地面点中有植被点、电塔点和电力线点,其中植被点在X、Y、Z轴上的特征值λ1、λ2、λ3比较接近,电塔在空间的形状为杆状且垂直于水平面。
在得到激光雷达点云中的非地面点之后,将α1D、α2D、α3D两两之差均小于设定值差值的非地面点作为植被点。
将α1D>α2D且α1D>α3D的非地面点判断为杆状物体的点;通过主成分分析的到各非地面点的主方向,即其最大的特征值λ1对应的特征向量,如果在组成杆状物体中,有杆状物体的所有点的主方向均与XOY平面垂直,则判断该杆状物为电塔,将组成电塔的点作为电塔激光点。
除去非地面点的植被点和电塔的激光点,将剩余的点作为电力线点。
步骤二:采用布料模拟算法计算各电力线点的高程,得到位于设定高程的电力线点。
采用布料模拟算法计算各电力线点高程的方法包括如下子步骤:
(1)设置布料网格尺寸,将布料粒子点和激光雷达点云中的电力线点投影到设定平面中,得到布料网格中与各电力线点对应的布料粒子点;
(2)计算重力作用下各布料粒子点的位移和内力作用下各布料点的位移,根据各布料粒子点在内力作用下的位移对其重力作用下各布料粒子点的位移进行修正,得到各布料粒子点的位置;
(3)根据各布料点的位置,得到与设定高程相距小于设定高程的布料点。
在布料模拟算法中,布料是由大量相互联系的布料粒子点构成的格网,这种形式被称为质点弹簧模型。在这个模型中,布料粒子点通过虚拟弹簧相互联系,布料粒子点与布料粒子点之间的相互作用遵循弹性定律,即布料粒子点受力之后其应力和应变之间程线性关系,布料粒子点受力的作用后会产生位移。为模拟某一时刻布料的形状,需要计算布料粒子点在三维空间里的位置。结合牛顿第二定律,布料粒子点的位置与相互作用力之间的关系为:
其中,m是布料粒子点的质量,设其为常数1,Δt是时间步长,G是常数,根据时间步长和初始位置给定,则可以直接计算布料粒子点的当前位置,X(t)为t时刻节点的位置。
在计算出布料粒子点受重力作用而产生位移的位置之后,为了限制布料粒子点的移动,需要修正布料粒子点受邻近节点之间的作用力而移动后的位置,为此需要计算相邻布料点的高程差。如果两个相邻节点都是可动点,有不同的高程值,则两者在垂直方向上以相反方向移动相同的距离;如果两者有一个不可动点,则只有另外一个点可移动;如果两个位于同一高程,则都不移动。每个布料粒子点的修正位移计算公式为:
其中代表布料粒子点的位移矢量,b为布料粒子点可移动性的标识,当布料粒子点可动时为1,否则为0。/>为/>的邻近布料粒子点的位置,/>为垂直方向上的标准向量,
根据布料粒子点在内力作用下的位移量对其的位移量进行修正,从而得到布料粒子点的位置。在投影前的高程为HCP,表示布料粒子点可以到达的最低位置,如果布料粒子点到达该高程则无法继续移动。迭代计算布料粒子点的当前高程和布料粒子点对应点的高程HCP,如果HC≤HCP,则将布料粒子点移回位置,并设置布料粒子点的属性为不可移动。其中HC为设定高程值。
经过计算得到在设定高程范围内布料粒子点后,将设定高程范围内的布料粒子对应的电力线点作为设定高程范围内的电力线点。
步骤三:对设定高程范围内的电力线进行提取。
提取电力线的方法包括如下步骤:
3.1:假定相近高程共有n个电力线点,设拟合直线的方程式为:
a1x+a2y+a3=0
其中a1、a2、a3为拟合得到的直线系数,采用相近高程的n个电力线点,通过最小二乘法进行拟合,得到其a1、a2、a3的值。
然后,计算各电力线点到拟合直线的距离:
其中di为第i个电力线点到拟合直线之间的距离。如果di小于设定的距离阈值,则表明该点在拟合的直线上。
设定高程范围内通常具有多条电力线且单根电力线之间在平面内相互平行,经过布料模拟分割之后,电力线会出现两种情况,第一种是相近高程存在奇数条电力线;如图2所示第二是相近高程存在偶数条电力线,如图3所示。
3.2:当位于拟合直线上的点数量大于设定的单根电力线最少设定点数时,判定相近高程存在奇数条电力线,否则判断为相近高程存在偶数条电力线。
当包含奇数条电力线时,将这些点从n个电力线点中移除,并将其标记为第一电力线点,此时剩下的点包含偶数条电力线。
对于包含偶数条电力线点,通过点位于拟合直线两侧进行判断将电力线点分为两部分,并分别对两部分按照上述步骤3.1和3.2进行进一步分割,直到拟合的直线只包含一条电力线点为止。
系统实施例:
本实施例提供一种基于布料模拟算法的电力线提取系统,包括控制器和存储器,存储器存储有用于在控制器上执行的计算机程序,控制器执行该计算机程序时,实现如上述方法实施例中所提供的基于布料模拟算法的电力线提取方法。
以上公开的本发明的实施例只是用于帮助阐明本发明的技术方案,并没有尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
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,并不会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 (6)
1.基于布料模拟算法的电力线提取方法,其特征在于,包括如下步骤:
(1)获取激光雷达的激光点云,提取其中的电力线点;
(2)设置布料网格尺寸,将布料粒子和激光雷达点云中的电力线点投影到同一平面中;
在所述平面中,每个激光雷达点对应一个布料粒子点;
(3)计算布料粒子点在重力作用下和内力作用下的位移,得到位于设定高程范围内的电力线点;
(4)在平面坐标系内拟合直线,从设定高程范围的电力线点中提取各电力线;
获取激光雷达的激光点云之后,首先对其进行滤波处理,然后识别其中的非地面点,最后从非地面点中识别电力线点;
在从非地面点中识别电力线点时,根据特征值判断其中的植被点,根据电塔的形状判断电塔云点,排除其中的植被点和电塔云点,得到其中的电力线点,具体方法为:
将非地面点设置在三维坐标系中,三维坐标系的XOY平面为与地面平行的平面,利用非地面点的几何特征,采用最小化熵函数确定每个非地面点的最佳邻域,用计算的特征值λ1、λ2、λ3构建维数特征,其中λ1>λ2>λ3,则:
α1D+α2D+α3D=1
将α1D、α2D、α3D两两之差均小于设定值差值的非地面点作为植被点,将α1D>α2D且α1D>α3D的非地面点判断为杆状物体的点,通过主成分分析得到各非地面点的主方向,即其最大的特征值λ1对应的特征向量,如果在杆状物体中,有杆状物体的所有非地面点的主方向均与XOY平面垂直,则判断该杆状物体为电塔,将组成电塔的非地面点作为电塔云点,排除非地面点中的植被点和电塔云点,得到其中的电力线点。
2.根据权利要求1所述的基于布料模拟算法的电力线提取方法,其特征在于,计算重力作用下粒子位移的公式为:
其中,m是布料点的质量,设其为常数1,Δt是时间步长,G是常数,根据时间步长和初始位置给定,则直接计算布料粒子点的当前位置,X(t)为t时刻节点的位置;
计算内力作用下粒子位移的公式为:
其中,代表布料粒子点的位移矢量,b为布料粒子点可移动性的标识,当布料粒子点可动时为1,否则为0;/>和/>为两个邻近的布料粒子点的位置,/>为垂直方向上的标准向量,
3.根据权利要求1所述的基于布料模拟算法的电力线提取方法,其特征在于,所述步骤(4)中,首先将设定高程范围的电力线点拟合成直线方程,然后计算设定高程范围内电力线点到拟合直线的距离,将距离小于设定距离的电力线点删除,并将拟合成的直线方程作为其中一条电力线的直线方程。
4.基于布料模拟算法的电力线提取系统,包括处理器和存储器,所述存储器上存储有用于在所述处理器上执行的计算机程序;其特征在于,所述处理器执行所述计算机程序时,实现如下基于布料模拟算法的电力线提取方法:
(1)获取激光雷达的激光点云,提取其中的电力线点;
(2)设置布料网格尺寸,将布料粒子和激光雷达点云中的电力线点投影到同一平面中;
在所述平面中,每个激光雷达点对应一个布料粒子点;
(3)计算布料粒子点在重力作用下和内力作用下的位移,得到位于设定高程范围内的电力线点;
(4)在平面坐标系内拟合直线,从设定高程范围的电力线点中提取各电力线;
获取激光雷达的激光点云之后,首先对其进行滤波处理,然后识别其中的非地面点,最后从非地面点中识别电力线点;
在从非地面点中识别电力线点时,根据特征值判断其中的植被点,根据电塔的形状判断电塔云点,排除其中的植被点和电塔云点,得到其中的电力线点,具体方法为:
将非地面点设置在三维坐标系中,三维坐标系的XOY平面为与地面平行的平面,利用非地面点的几何特征,采用最小化熵函数确定每个非地面点的最佳邻域,用计算的特征值λ1、λ2、λ3构建维数特征,其中λ1>λ2>λ3,则:
α1D+α2D+α3D=1
将α1D、α2D、α3D两两之差均小于设定值差值的非地面点作为植被点,将α1D>α2D且α1D>α3D的非地面点判断为杆状物体的点,通过主成分分析得到各非地面点的主方向,即其最大的特征值λ1对应的特征向量,如果在杆状物体中,有杆状物体的所有非地面点的主方向均与XOY平面垂直,则判断该杆状物体为电塔,将组成电塔的非地面点作为电塔云点,排除非地面点中的植被点和电塔云点,得到其中的电力线点。
5.根据权利要求4所述的基于布料模拟算法的电力线提取系统,其特征在于,计算重力作用下粒子位移的公式为:
其中,m是布料点的质量,设其为常数1,Δt是时间步长,G是常数,根据时间步长和初始位置给定,则直接计算布料粒子点的当前位置,X(t)为t时刻节点的位置;
计算内力作用下粒子位移的公式为:
其中,代表布料粒子点的位移矢量,b为布料粒子点可移动性的标识,当布料粒子点可动时为1,否则为0;/>和/>为两个邻近的布料粒子点的位置,/>为垂直方向上的标准向量,
6.根据权利要求4所述的基于布料模拟算法的电力线提取系统,其特征在于,所述步骤(4)中,首先将设定高程范围的电力线点拟合成直线方程,然后计算设定高程范围内电力线点到拟合直线的距离,将距离小于设定距离的电力线点删除,并将拟合成的直线方程作为其中一条电力线的直线方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010645516.7A CN111859772B (zh) | 2020-07-07 | 2020-07-07 | 基于布料模拟算法的电力线提取方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010645516.7A CN111859772B (zh) | 2020-07-07 | 2020-07-07 | 基于布料模拟算法的电力线提取方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111859772A CN111859772A (zh) | 2020-10-30 |
CN111859772B true CN111859772B (zh) | 2023-11-17 |
Family
ID=73152312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010645516.7A Active CN111859772B (zh) | 2020-07-07 | 2020-07-07 | 基于布料模拟算法的电力线提取方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859772B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609632B (zh) * | 2021-10-08 | 2021-12-21 | 天津云圣智能科技有限责任公司 | 电力线补点的确定方法、装置及服务器 |
CN114675290A (zh) * | 2022-02-25 | 2022-06-28 | 中国第一汽车股份有限公司 | 地面数据的检测方法、检测装置及处理器 |
CN114820400B (zh) * | 2022-07-01 | 2022-09-23 | 湖南盛鼎科技发展有限责任公司 | 一种机载liDAR点云地面点滤波方法 |
CN114925552B (zh) * | 2022-07-19 | 2022-10-18 | 武汉亘星智能技术有限公司 | 基于hpbd的布料仿真方法及系统 |
CN115824052B (zh) * | 2023-02-14 | 2023-05-09 | 长沙空维激光技术服务有限公司 | 一种基于激光雷达点云数据的堆料体积测量方法 |
Citations (10)
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 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN104765446A (zh) * | 2014-01-07 | 2015-07-08 | 三星电子株式会社 | 电子设备和控制电子设备的方法 |
CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
CN107544095A (zh) * | 2017-07-28 | 2018-01-05 | 河南工程学院 | 一种地面三维激光点云与探地雷达图像融合的方法 |
CN109829199A (zh) * | 2018-12-29 | 2019-05-31 | 中国科学院遥感与数字地球研究所 | 基于LiDAR点云的电力线快速分层提取方法 |
CN110119438A (zh) * | 2019-04-23 | 2019-08-13 | 东华理工大学 | 基于主动学习的机载LiDAR点云滤波方法 |
CN110349092A (zh) * | 2019-05-27 | 2019-10-18 | 香港理工大学深圳研究院 | 一种点云滤波方法及设备 |
CN110414577A (zh) * | 2019-07-16 | 2019-11-05 | 电子科技大学 | 一种基于深度学习的激光雷达点云多目标地物识别方法 |
CN110992341A (zh) * | 2019-12-04 | 2020-04-10 | 沈阳建筑大学 | 一种基于分割的机载LiDAR点云建筑物提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7813842B2 (en) * | 2006-03-09 | 2010-10-12 | Sony Corporation | Systems and methods for use in providing local power line communication |
US10777021B2 (en) * | 2018-02-27 | 2020-09-15 | Soul Vision Creations Private Limited | Virtual representation creation of user for fit and style of apparel and accessories |
-
2020
- 2020-07-07 CN CN202010645516.7A patent/CN111859772B/zh active Active
Patent Citations (10)
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 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN104765446A (zh) * | 2014-01-07 | 2015-07-08 | 三星电子株式会社 | 电子设备和控制电子设备的方法 |
CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
CN107544095A (zh) * | 2017-07-28 | 2018-01-05 | 河南工程学院 | 一种地面三维激光点云与探地雷达图像融合的方法 |
CN109829199A (zh) * | 2018-12-29 | 2019-05-31 | 中国科学院遥感与数字地球研究所 | 基于LiDAR点云的电力线快速分层提取方法 |
CN110119438A (zh) * | 2019-04-23 | 2019-08-13 | 东华理工大学 | 基于主动学习的机载LiDAR点云滤波方法 |
CN110349092A (zh) * | 2019-05-27 | 2019-10-18 | 香港理工大学深圳研究院 | 一种点云滤波方法及设备 |
CN110414577A (zh) * | 2019-07-16 | 2019-11-05 | 电子科技大学 | 一种基于深度学习的激光雷达点云多目标地物识别方法 |
CN110992341A (zh) * | 2019-12-04 | 2020-04-10 | 沈阳建筑大学 | 一种基于分割的机载LiDAR点云建筑物提取方法 |
Non-Patent Citations (3)
Title |
---|
An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation;Wuming Zhang 等;《Remote Sensing》;第8卷(第6期);1-22 * |
基于机载LiDAR的规则建筑物自动重建研究;赵赛男;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第12期);C038-138 * |
无人机载多载荷输电线路巡检方法研究;陈科羽 等;《电力大数据》;第23卷(第02期);80-86 * |
Also Published As
Publication number | Publication date |
---|---|
CN111859772A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859772B (zh) | 基于布料模拟算法的电力线提取方法和系统 | |
CN111985496B (zh) | 一种基于植被三维凸包的树障隐患快速检测方法和终端 | |
CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
CN106157309B (zh) | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 | |
CN110490888B (zh) | 基于机载激光点云的高速公路几何特征矢量化提取方法 | |
CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
CN103390169A (zh) | 一种车载激光扫描点云数据的城市地物分类方法 | |
CN113345092B (zh) | 一种实景三维模型的地面模型与非地面模型自动分离方法 | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
Özdemir et al. | Automatic extraction of trees by using multiple return properties of the lidar point cloud | |
JP2019109839A (ja) | モデル生成装置、生成方法、及びプログラム | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN106324581A (zh) | 一种基于体元的机载lidar建筑物检测方法 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN112183301A (zh) | 一种建筑物楼层智能识别方法及装置 | |
CN116740060A (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
CN117173590A (zh) | 一种基于多源时序遥感影像的水体异常监测方法 | |
CN110276747B (zh) | 一种基于图像分析的绝缘子故障检测和故障评级方法 | |
Xiao et al. | Filtering method of rock points based on BP neural network and principal component analysis | |
Shen et al. | An automatic framework for pylon detection by a hierarchical coarse-to-fine segmentation of powerline corridors from UAV LiDAR point clouds | |
CN116363319B (zh) | 一种建筑物屋顶的建模方法、建模装置、设备及介质 | |
CN116681653A (zh) | 一种三维点云提取方法及提取系统 | |
JP2011257244A (ja) | 物体形状検出装置及び方法 | |
CN116579949A (zh) | 适用于城市多噪声环境下机载点云地面点滤波方法 |
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 |