CN111985496A - 一种基于植被三维凸包的树障隐患快速检测方法和终端 - Google Patents

一种基于植被三维凸包的树障隐患快速检测方法和终端 Download PDF

Info

Publication number
CN111985496A
CN111985496A CN202010669438.4A CN202010669438A CN111985496A CN 111985496 A CN111985496 A CN 111985496A CN 202010669438 A CN202010669438 A CN 202010669438A CN 111985496 A CN111985496 A CN 111985496A
Authority
CN
China
Prior art keywords
vegetation
tree
convex hull
hidden danger
power line
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
Application number
CN202010669438.4A
Other languages
English (en)
Other versions
CN111985496B (zh
Inventor
王昊
吴新桥
李彬
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 CN202010669438.4A priority Critical patent/CN111985496B/zh
Publication of CN111985496A publication Critical patent/CN111985496A/zh
Application granted granted Critical
Publication of CN111985496B publication Critical patent/CN111985496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于植被三维凸包的树障隐患快速检测方法和终端，所述方法包括：基于布料滤波算法过滤输电线路中的地面点；从过滤掉地面点的输电线路激光点云数据中提取电力线点云；提取输电线路激光点云数据中的植被点云；将单条电力线进行三维重建，得到单条电力线的矢量化模型；通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。本发明通过计算电力线矢量与植被三维凸包的距离的方法，极大地降低了树线距离的计算量，大幅提高了树障隐患检测的效率。

Description

一种基于植被三维凸包的树障隐患快速检测方法和终端
技术领域
本发明涉及电力巡检技术领域，特别是涉及一种输电线路树障隐患的快速检测方法，具体是一种基于植被三维凸包点进行树障隐患检测的方法。
背景技术
随着国家经济建设的高速发展和全面深入，电力系统建设规模日益扩大，电网架设环境和组成结构更加复杂，电网运营情况的监控显得尤其重要，也对输电线路周期性巡检和树障隐患检测提出了新的挑战。输电线路具有输送电压高、距离长、环境复杂多变、露天危害因素多等特点。输电线路架设完成后，其允许的最大弧垂和最大风偏限定在一定的范围内。但线路走廊内的植被，尤其是树木的高度随时间呈非线性变化增长。当树木生长至不满足国家规定的线路安全距离要求时，输电线路存在安全隐患，极易引发树障事故，有关部门应及时完成检查处理工作。一旦发生输电线路安全事故，往往会导致人员伤亡和经济损失，影响人民正常生活生产。因此，根据输电线路巡检采集的激光点云数据进行树障隐患快速自动检测方法的研究十分重要。
当前主要应用的基于激光点云数据的树障隐患分析方法是基于输电线路激光点云分类结果以及拟合生成的电力线矢量，通过距离计算方法计算电力线与周围植被的点线距离，并根据电压等级与标准安全距离比较分析，自动标记小于安全距离的区域生成输电线路的树障隐患分析结果报告，此外还可以通过可视化校核技术，对树障分析结果进行校核，以提高树障隐患分析的准确性，提高工作效率。但是，由于输电线路树障隐患点相对较少，大部分点线距离小于安全距离，会导致计算资源的大量浪费。
因此，现有技术还有待于改进和发展。
发明内容
本发明针对现有技术中由于输电线路树障隐患点相对较少，大部分点线距离小于安全距离，会导致计算资源的大量浪费的问题，本发明提供一种基于植被三维凸包的树障隐患快速检测方法、终端及存储介质。
本发明解决技术问题所采用的技术方案如下：
一种基于植被三维凸包的树障隐患快速检测方法，其中，所述基于植被三维凸包的树障隐患快速检测方法包括：
基于布料滤波算法过滤输电线路中的地面点；
从过滤掉地面点的输电线路激光点云数据中提取电力线点云；
提取输电线路激光点云数据中的植被点云；
将单条电力线进行三维重建，得到单条电力线的矢量化模型；
通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述从过滤掉地面点的输电线路激光点云数据中提取电力线点云，具体包括：
对输电线路点云进行空间分割，通过基于点云密度分析的高程滤波算法对子空间网格进行电力线粗提取，使用倾斜角度滤波算法精提取电力线点云。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述提取输电线路激光点云数据中的植被点云，具体包括：
根据已知的输电线路杆塔位置坐标信息，基于输电线路杆塔位置坐标通过k-d树采用范围搜索的方式提取杆塔点云，对剩余点云进行去噪处理得到输电线路的植被点云。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述k-d树采用范围搜索的方式中的搜索半径为输电线路杆塔的最大半径。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述将单条电力线进行三维重建，得到单条电力线的矢量化模型，具体包括：
对输电线路的电力线点云进行分档和分条处理，通过直线和抛物线模型对单条电力线进行三维重建，得到单条电力线的矢量化模型。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，通过已知输电线路杆塔位置坐标信息，按照两座杆塔为一档对电力线精提取结果进行分档；
根据相邻两座电塔之间的电力线点在水平面上的投影呈直线，且彼此平行的特征对各档电力线进行分条。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，具体包括：
对每档电力线所在剖面的植被点生成植被三维凸包，计算当前档中每条电力线矢量与植被三维凸包的距离，判断所述距离是否大于安全距离阈值；
如果所述距离不大于所述安全距离阈值，则存在安全隐患，则计算存在隐患的植被三维凸包周围的植被点与电力线矢量的距离，获取树障隐患点附近详细信息；
如果所述距离大于所述安全距离阈值，则不存在安全隐患，则进行下一档线路的树障隐患检测，直至输电线路所有电力线的树障隐患检测完成。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，还包括：
将所有距离小于所述安全距离阈值的植被点标记为树障隐患，并将记录的树障隐患报告进行更新，输出输电线路存在树障隐患的区段具体的坐标和树障隐患预测等级信息。
一种终端，其中，所述终端包括如上所述的基于植被三维凸包的树障隐患快速检测系统，还包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于植被三维凸包的树障隐患快速检测程序，所述基于植被三维凸包的树障隐患快速检测程序被所述处理器执行时实现如上所述的基于植被三维凸包的树障隐患快速检测方法的步骤。
一种存储介质，其中，所述存储介质存储有基于植被三维凸包的树障隐患快速检测程序，所述基于植被三维凸包的树障隐患快速检测程序被处理器执行时实现如上所述基于植被三维凸包的树障隐患快速检测方法的步骤。
本发明通过基于布料滤波算法过滤输电线路中的地面点；从过滤掉地面点的输电线路激光点云数据中提取电力线点云；提取输电线路激光点云数据中的植被点云；将单条电力线进行三维重建，得到单条电力线的矢量化模型；通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。本发明通过从输电线路激光点云数据中提取出电力线点云和植被点云，建立单条电力线的矢量化模型，求取植被点云的植被三维凸包，再通过计算电力线矢量与植被三维凸包的距离的方法，极大地降低了树线距离的计算量，大幅提高了树障隐患检测的效率。
附图说明
图1是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例的流程图；
图2是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例中基于布料滤波算法将输电线路走廊激光点云数据倒置示意图；
图3是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例中基于布料滤波算法的布料网格示意图；
图4是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例中输电线路激光点云的空间分割方法的示意图；
图5是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例中点云间的倾斜角度示意图；
图6是本发明基于植被三维凸包的树障隐患快速检测方法的较佳实施例中单条电力线的直线模型和抛物线模型的示意图；
图7为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、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仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明较佳实施例所述的基于植被三维凸包的树障隐患快速检测方法，如图1所示，一种基于植被三维凸包的树障隐患快速检测方法,其中，所述基于植被三维凸包的树障隐患快速检测方法包括以下步骤：
步骤S10、基于布料滤波算法过滤输电线路中的地面点。
具体地，根据布料滤波算法过滤输电线路激光点云数据中的地面点，地面过滤后减少了点云数量，降低后续电力线提取等处理的计算量。
其中，布料滤波算法是一种模拟布料的计算机图形算法，如图2所示，该算法首先将输电线路走廊激光点云数据倒置，然后假设一块虚拟的刚性布料在自身重力作用下覆盖在倒置的点云数据表面，确定布料节点的位置以生成近似的地表形状，最后通过比较原始激光点与布料曲面之间的距离，从激光点云中提取地面点。
如图3所示，布料网格由大量相互联系的节点构成，当布料网格足够精细时，布料的节点可以近似表达输电线路走廊的数字地形模型。布料滤波算法可以适用于平坦地区、丘陵和山地多种场景下的地形模拟，该算法中可调参数有：布料网格分辨率、迭代次数和距离阈值，其中布料网格分辨率一般设置为3～5倍地面点的间距，避免布料网格太粗导致地面点过滤不完整。迭代次数用于终止算法迭代过程，一般默认设置为500。最后根据布料网格分辨率和输电线路实际地形设置倒置点云数据与布料网格的距离阈值，将离布料网格距离小于距离阈值的点云判定为地面点。
步骤S20、从过滤掉地面点的输电线路激光点云数据中提取电力线点云。
具体地，对输电线路点云进行空间分割，通过基于点云密度分析的高程滤波算法对子空间网格进行电力线粗提取，使用倾斜角度滤波算法精提取电力线点云。
进一步地，所述电力线点云的提取分为如下两个步骤：
(1)电力线粗提取：对过滤掉地面点的输电线路激光点云(机载LiDAR采集的输电线路走廊的条状点云)进行空间分割，根据输电线路走廊的地形情况设置分割尺度dx和dy，一般为几米到几十米，地形起伏变化越小分割尺度越大，先沿X轴方向根据尺度dx等距分割，然后对分割所得网格沿Y轴方向根据尺度dy进一步等距分割，输电线路空间分割如图4所示。
接着对分割所得的输电线路子空间网格进行基于点云密度分析的高程滤波算法，高程滤波算法是通过设置高程区间，过滤掉位于高程区间内(外)的点云的方法为高程滤波算法，d表示每个子空间网格的点云平均密度，D表示输电线路总体点云的点云平均密度(输电线路总体点云个数/输电线路水平投影面积)。Zmin、Zmean分别表示每个子空间网格点云高程的最小值和平均值。a和b表示常数，其取值根据实际数据的电力线粗提取效果进行调整，在保证电力线完整度的情况下取值尽可能大，以便减少后续滤波算法的计算量，提高效率。f(z)表示不同条件下子空间网格中需要被滤除的非电力线点的高程区间。
Figure BDA0002581728870000081
当＞0.6*D时，表示该子空间网格内存在大量地面点、电塔点或者植被点；
当0.03*D≤d≤0.6*D时，该子空间网格内存在地面、电塔点或者植被点但比较稀疏；
当d＜0.03*D时，该子空间网格中只有极少数点，此时可能存在的点为电力线点或者地面点(空间分割时线路边缘处可能出现只有很少地面点的子空间网格)，地面点集在电力线精提取时基本都能被滤除，因此该子空间网格中的点云可以视为电力线点云。
(2)电力线精提取：电力线点在小范围内高程变化具有远小于植被点和电塔点的特征，因此对于电力线粗提取结果中的非电力线点(植被点、电塔点和地面点)，可以采用基于点云间倾斜角度平均值的滤波算法进行滤除，算法原理如下：遍历电力线粗提取点云，每个搜索点给定搜索半径r进行基于KdTree(Kdtree为一种分割k维数据空间的数据结构)的范围搜索，计算搜索半径区域内其他点到搜索点的倾斜角度的平均值，倾斜角度平均值小于阈值β的搜索点视为电力线点，否则视为非电力线点。两点间的倾斜角度和距离关系如图5所示，点Pi(xi，yi，zi)与点Pj(xj，yj，zj)倾斜角度θi，j的计算公式为：
Figure BDA0002581728870000091
步骤S30、提取输电线路激光点云数据中的植被点云。
具体地，根据已知的输电线路杆塔位置坐标信息，基于输电线路杆塔位置坐标通过k-d树采用范围搜索的方式提取杆塔点云，对剩余点云进行去噪处理得到输电线路的植被点云。
也就是说，首先根据已知的输电线路杆塔位置坐标信息，通过基于KdTree(k-d树，是在k维欧几里德空间组织点的数据结构)的范围搜索方法提取杆塔点，从电力线提取后的输电线路激光点云中通过范围搜索方法提取杆塔点云(避免后续对生成植被三维凸包造成影响)，例如搜索半径为输电线路杆塔的最大半径；然后对提取杆塔点云后的激光点云数据手动去噪(在点云处理软件中用鼠标点中噪声点然后删除，不是用程序自动识别从而删除)，去除悬浮在空中的噪声点，得到输电线路中的植被点云。
步骤S40、将单条电力线进行三维重建，得到单条电力线的矢量化模型。
具体地，对输电线路的电力线点云进行分档和分条处理，通过直线和抛物线模型对单条电力线进行三维重建，得到单条电力线的矢量化模型。
通过已知输电线路杆塔位置坐标信息，按照两座杆塔为一档对电力线精提取结果进行分档；根据相邻两座电塔之间的电力线点在水平面上的投影呈直线，且彼此平行的特征对各档电力线进行分条提取：将每档电力线点云投影到水平面上，以电力线间水平投影直线间的最短距离的2/5为直线拟合的距离阈值，迭代次数根据实际情况进行选择，通过RANSAC直线拟合方法得到电力线的投影直线并将该直线上的点还原为三维坐标，得到单条电力线点云，循环拟合直到该档内所有电力线提取完成。
已有研究结果表明抛物线方程相比悬链线方程更适合电力线三维重建，具有更高的模型重建效率和精度，如图6所示，因此本发明采用直线模型结合抛物线模型进行电力线三维重建。直线拟合时先将电力线点云投影到XY平面上，求出电力线x坐标的最小值xmin和最大值xmax，然后通过最小二乘法则计算电力线直线模型的最佳参数。曲线拟合时先将单条电力线投影到拟合直线和Z轴所在平面，然后采用最小二乘法则计算得到电力线抛物线模型的最佳参数。最后设置步长沿X轴在区间[xmin，xmax]上根据拟合直线和拟合抛物线生成对应的y坐标和z坐标，得到该电力线的三维矢量节点，近似表达电力线矢量。
k和b为直线方程系数，直线方程公式为：
y＝kx+b；
α0、α1、α2是抛物线方程系数，抛物线方程如下所示：
z＝α0x2+α1x+α2。
步骤S50、通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。
具体地，对每档电力线所在剖面的植被点生成植被三维凸包，计算当前档中每条电力线矢量与植被三维凸包的距离，判断所述距离是否大于安全距离阈值；如果所述距离不大于所述安全距离阈值，则存在安全隐患，则计算存在隐患的植被三维凸包周围的植被点与电力线矢量的距离，获取树障隐患点附近详细信息；如果所述距离大于所述安全距离阈值，则不存在安全隐患，则进行下一档线路的树障隐患检测，直至输电线路所有电力线的树障隐患检测完成。
其中，植被三维凸包定义：包含三维空间内所有点的最小凸多面体。首先通过PCL(Point Cloud Library)第三方库的三维凸包算法计算植被点云的三维凸包，然后计算植被三维凸包与得到的电力线矢量的水平距离、垂直距离和净空距离，快速检测出输电线路内的树障隐患位置并进行详细信息确认，具体流程是：
(1)根据每档电力线的端点对输电线路植被点云进行分段，以便计算不同分档内电力线矢量与当前剖面包含的植被之间的距离；
(2)根据PCL第三方库中封装的三维凸包检测方法计算每档电力线所在剖面的植被点的三维凸包，计算各电力线矢量与植被三维凸包点的净空距离、垂直距离以及水平距离；根据输电线路等级和国家规定的安全距离设置距离阈值,若电力线矢量与植被三维凸包点的距离大于距离阈值则认该处安全,反之将其标记为树障隐患，这样可以快速获取输电线路树障隐患情况；
(3)通过KdTree搜索标记为树障隐患的植被三维凸包点周围的植被点，搜索半径为5米，计算这些植被点与电力线矢量间的距离，将所有距离小于安全距离阈值的植被点标记为树障隐患，对步骤(2)中记录的树障隐患报告进行更新，输出输电线路存在树障隐患的区段具体的坐标、树障隐患预测等级等信息,以辅助决策,便于后续树障隐患清除工作的进行。
本发明是一种输电线路激光点云数据处理中树障隐患的快速检测方法，基于布料滤波算法过滤输电线路中的地面点，从过滤掉地面点的输电线路点云数据中提取出电力线点云，首先对输电线路点云进行空间分割，然后通过基于点云密度分析的高程滤波算法对子空间网格进行电力线粗提取，最后使用倾斜角度滤波算法精提取电力线点；基于输电线路杆塔位置坐标通过KdTree采用范围搜索的方法提取杆塔点云，对剩余点云进行手动去噪处理，得到输电线路的植被点云；对输电线路电力线点云进行分档分条处理，通过直线和抛物线模型对单条电力线进行三维重建；对每档电力线所在剖面的植被点生成三维凸包，计算该档中每条电力线矢量与植被三维凸包点的距离，快速分析出该档线路中是否存在安全隐患，如果存在安全隐患，则计算存在隐患的凸包点周围的植被点与电力线矢量的距离，获取树障隐患点附近详细信息，如果没有安全隐患则进行下一档线路的树障隐患检测，直至该输电线路所有电力线的树障隐患检测完成。
本发明可以从输电线路激光点云数据中快速自动提取出电力线点云和植被点云，完成单条电力线自动矢量化获得其空间模型，并通过植被点云的三维凸包快速检测分析输电线路中的树障隐患等工作。
进一步地，如图7所示，基于上述基于植被三维凸包的树障隐患快速检测方法，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图7仅示出了终端的部分组件，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20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20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20上存储有基于植被三维凸包的树障隐患快速检测程序40，该基于植被三维凸包的树障隐患快速检测程序40可被处理器10所执行，从而实现本申请中基于植被三维凸包的树障隐患快速检测方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于植被三维凸包的树障隐患快速检测方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于植被三维凸包的树障隐患快速检测程序40时实现以下步骤：
基于布料滤波算法过滤输电线路中的地面点；
从过滤掉地面点的输电线路激光点云数据中提取电力线点云；
提取输电线路激光点云数据中的植被点云；
将单条电力线进行三维重建，得到单条电力线的矢量化模型；
通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。
所述从过滤掉地面点的输电线路激光点云数据中提取电力线点云，具体包括：
对输电线路点云进行空间分割，通过基于点云密度分析的高程滤波算法对子空间网格进行电力线粗提取，使用倾斜角度滤波算法精提取电力线点云。
所述提取输电线路激光点云数据中的植被点云，具体包括：
根据已知的输电线路杆塔位置坐标信息，基于输电线路杆塔位置坐标通过k-d树采用范围搜索的方式提取杆塔点云，对剩余点云进行去噪处理得到输电线路的植被点云。
所述k-d树采用范围搜索的方式中的搜索半径为输电线路杆塔的最大半径。
所述将单条电力线进行三维重建，得到单条电力线的矢量化模型，具体包括：
对输电线路的电力线点云进行分档和分条处理，通过直线和抛物线模型对单条电力线进行三维重建，得到单条电力线的矢量化模型。
所述的基于植被三维凸包的树障隐患快速检测方法，其中，通过已知输电线路杆塔位置坐标信息，按照两座杆塔为一档对电力线精提取结果进行分档；
根据相邻两座电塔之间的电力线点在水平面上的投影呈直线，且彼此平行的特征对各档电力线进行分条。
所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，具体包括：
对每档电力线所在剖面的植被点生成植被三维凸包，计算当前档中每条电力线矢量与植被三维凸包的距离，判断所述距离是否大于安全距离阈值；
如果所述距离不大于所述安全距离阈值，则存在安全隐患，则计算存在隐患的植被三维凸包周围的植被点与电力线矢量的距离，获取树障隐患点附近详细信息；
如果所述距离大于所述安全距离阈值，则不存在安全隐患，则进行下一档线路的树障隐患检测，直至输电线路所有电力线的树障隐患检测完成。
所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，还包括：
将所有距离小于所述安全距离阈值的植被点标记为树障隐患，并将记录的树障隐患报告进行更新，输出输电线路存在树障隐患的区段具体的坐标和树障隐患预测等级信息。
本发明还提供一种存储介质，其中，所述存储介质存储有基于植被三维凸包的树障隐患快速检测程序，所述基于植被三维凸包的树障隐患快速检测程序被处理器执行时实现所述基于植被三维凸包的树障隐患快速检测方法的步骤；具体如上所述。
综上所述，本发明提供了一种基于植被三维凸包的树障隐患快速检测方法和终端，所述方法包括：基于布料滤波算法过滤输电线路中的地面点；从过滤掉地面点的输电线路激光点云数据中提取电力线点云；提取输电线路激光点云数据中的植被点云；将单条电力线进行三维重建，得到单条电力线的矢量化模型；通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。本发明通过从输电线路激光点云数据中提取出电力线点云和植被点云，建立单条电力线的矢量化模型，求取植被点云的植被三维凸包，再通过计算电力线矢量与植被三维凸包的距离的方法，极大地降低了树线距离的计算量，大幅提高了树障隐患检测的效率。
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，所述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 (10)

1.一种基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述方法包括：
基于布料滤波算法过滤输电线路中的地面点；
从过滤掉地面点的输电线路激光点云数据中提取电力线点云；
提取输电线路激光点云数据中的植被点云；
将单条电力线进行三维重建，得到单条电力线的矢量化模型；
通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果。
2.根据权利要求1所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述从过滤掉地面点的输电线路激光点云数据中提取电力线点云，具体包括：
对输电线路点云进行空间分割，通过基于点云密度分析的高程滤波算法对子空间网格进行电力线粗提取，使用倾斜角度滤波算法精提取电力线点云。
3.根据权利要求1所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述提取输电线路激光点云数据中的植被点云，具体包括：
根据已知的输电线路杆塔位置坐标信息，基于输电线路杆塔位置坐标通过k-d树采用范围搜索的方式提取杆塔点云，对剩余点云进行去噪处理得到输电线路的植被点云。
4.根据权利要求3所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述k-d树采用范围搜索的方式中的搜索半径为输电线路杆塔的最大半径。
5.根据权利要求1所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述将单条电力线进行三维重建，得到单条电力线的矢量化模型，具体包括：
对输电线路的电力线点云进行分档和分条处理，通过直线和抛物线模型对单条电力线进行三维重建，得到单条电力线的矢量化模型。
6.根据权利要求5所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，通过已知输电线路杆塔位置坐标信息，按照两座杆塔为一档对电力线精提取结果进行分档；
根据相邻两座电塔之间的电力线点在水平面上的投影呈直线，且彼此平行的特征对各档电力线进行分条。
7.根据权利要求6所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，具体包括：
对每档电力线所在剖面的植被点生成植被三维凸包，计算当前档中每条电力线矢量与植被三维凸包的距离，判断所述距离是否大于安全距离阈值；
如果所述距离不大于所述安全距离阈值，则存在安全隐患，则计算存在隐患的植被三维凸包周围的植被点与电力线矢量的距离，获取树障隐患点附近详细信息；
如果所述距离大于所述安全距离阈值，则不存在安全隐患，则进行下一档线路的树障隐患检测，直至输电线路所有电力线的树障隐患检测完成。
8.根据权利要求7所述的基于植被三维凸包的树障隐患快速检测方法，其特征在于，所述通过所述植被点云生成植被三维凸包，计算所述植被三维凸包与电力线矢量的距离，根据所述距离进行树障隐患分析，得到树障隐患分析结果，还包括：
将所有距离小于所述安全距离阈值的植被点标记为树障隐患，并将记录的树障隐患报告进行更新，输出输电线路存在树障隐患的区段具体的坐标和树障隐患预测等级信息。
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于植被三维凸包的树障隐患快速检测程序，所述基于植被三维凸包的树障隐患快速检测程序被所述处理器执行时实现如权利要求1-8任一项所述的基于植被三维凸包的树障隐患快速检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储有基于植被三维凸包的树障隐患快速检测程序，所述基于植被三维凸包的树障隐患快速检测程序被处理器执行时实现如权利要求1-8任一项所述基于植被三维凸包的树障隐患快速检测方法的步骤。
CN202010669438.4A 2020-07-13 2020-07-13 一种基于植被三维凸包的树障隐患快速检测方法和终端 Active CN111985496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010669438.4A CN111985496B (zh) 2020-07-13 2020-07-13 一种基于植被三维凸包的树障隐患快速检测方法和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010669438.4A CN111985496B (zh) 2020-07-13 2020-07-13 一种基于植被三维凸包的树障隐患快速检测方法和终端

Publications (2)

Publication Number Publication Date
CN111985496A true CN111985496A (zh) 2020-11-24
CN111985496B CN111985496B (zh) 2024-01-05

Family

ID=73437659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010669438.4A Active CN111985496B (zh) 2020-07-13 2020-07-13 一种基于植被三维凸包的树障隐患快速检测方法和终端

Country Status (1)

Country Link
CN (1) CN111985496B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN112884011A (zh) * 2021-01-25 2021-06-01 中国电建集团河北省电力勘测设计研究院有限公司 一种基于激光点云的输电线路树障隐患点聚类方法
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
CN113344242A (zh) * 2021-04-27 2021-09-03 南方电网数字电网研究院有限公司 一种基于植物生长模型的树障隐患预测方法
CN113487555A (zh) * 2021-07-01 2021-10-08 中国电建集团贵州电力设计研究院有限公司 一种基于点云网格化的输电线路隐患点快速检测方法
CN114119606A (zh) * 2022-01-20 2022-03-01 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
CN116091493A (zh) * 2023-04-07 2023-05-09 智洋创新科技股份有限公司 一种用于输电线树障隐患的测距方法
CN117132915A (zh) * 2023-10-27 2023-11-28 国网江西省电力有限公司电力科学研究院 一种基于点云自动分类的输电线路树障隐患分析方法
JP7389883B1 (ja) * 2022-11-21 2023-11-30 株式会社パスコ 地表点抽出装置、地表点抽出方法およびプログラム
CN112630792B (zh) * 2020-11-30 2024-05-28 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101552585B1 (ko) * 2015-06-12 2015-09-14 (주)선운 이앤지 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법
CN105701856A (zh) * 2016-01-15 2016-06-22 厦门大学 一种植被提取方法及系统
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
KR20200056028A (ko) * 2018-11-14 2020-05-22 한국전력공사 송전선로 이도 추정 장치
CN111260668A (zh) * 2020-01-20 2020-06-09 南方电网数字电网研究院有限公司 一种电力线提取方法、系统及终端
CN111340317A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 架空输电线路树障隐患的自动预警方法及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101552585B1 (ko) * 2015-06-12 2015-09-14 (주)선운 이앤지 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법
CN105701856A (zh) * 2016-01-15 2016-06-22 厦门大学 一种植被提取方法及系统
KR20200056028A (ko) * 2018-11-14 2020-05-22 한국전력공사 송전선로 이도 추정 장치
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN111260668A (zh) * 2020-01-20 2020-06-09 南方电网数字电网研究院有限公司 一种电力线提取方法、系统及终端
CN111340317A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 架空输电线路树障隐患的自动预警方法及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
PENG CHI, ET AL.: ""Research on Power Line Segmentation and Tree Barrier Analysis"", 《2019 3RD INTERNATIONAL CONFERENCE ON ELECTRONIC INFORMATION TECHNOLOGY AND COMPUTER ENGINEERING》, pages 1395 - 1399 *
吴争荣，等: ""基于机载激光点云的输电线路树障隐患快速检测方法"", 《应用激光》, vol. 42, no. 3, pages 128 - 134 *
林祥国，等: ""架空输电线路机载激光雷达点云电力线三维重建"", 《测绘学报》, vol. 45, no. 3, pages 347 - 353 *
阮峻，等: ""基于固定翼无人机激光雷达点云数据的输电线路三维建模与树障分析"", 《南方能源建设》, vol. 6, no. 1, pages 114 - 118 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112630792B (zh) * 2020-11-30 2024-05-28 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN112884011A (zh) * 2021-01-25 2021-06-01 中国电建集团河北省电力勘测设计研究院有限公司 一种基于激光点云的输电线路树障隐患点聚类方法
CN112884011B (zh) * 2021-01-25 2022-12-06 中国电建集团河北省电力勘测设计研究院有限公司 一种基于激光点云的输电线路树障隐患点聚类方法
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
CN113344242A (zh) * 2021-04-27 2021-09-03 南方电网数字电网研究院有限公司 一种基于植物生长模型的树障隐患预测方法
CN113487555B (zh) * 2021-07-01 2023-04-28 中国电建集团贵州电力设计研究院有限公司 一种基于点云网格化的输电线路隐患点快速检测方法
CN113487555A (zh) * 2021-07-01 2021-10-08 中国电建集团贵州电力设计研究院有限公司 一种基于点云网格化的输电线路隐患点快速检测方法
CN114119606B (zh) * 2022-01-20 2022-05-10 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
CN114119606A (zh) * 2022-01-20 2022-03-01 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
JP7389883B1 (ja) * 2022-11-21 2023-11-30 株式会社パスコ 地表点抽出装置、地表点抽出方法およびプログラム
CN116091493A (zh) * 2023-04-07 2023-05-09 智洋创新科技股份有限公司 一种用于输电线树障隐患的测距方法
CN116091493B (zh) * 2023-04-07 2023-07-18 智洋创新科技股份有限公司 一种用于输电线树障隐患的测距方法
CN117132915A (zh) * 2023-10-27 2023-11-28 国网江西省电力有限公司电力科学研究院 一种基于点云自动分类的输电线路树障隐患分析方法
CN117132915B (zh) * 2023-10-27 2024-03-12 国网江西省电力有限公司电力科学研究院 一种基于点云自动分类的输电线路树障隐患分析方法

Also Published As

Publication number Publication date
CN111985496B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
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
CN108038908B (zh) 基于人工智能的空间对象识别及建模方法和系统
WO2019104781A1 (zh) 一种点云数据处理方法、装置、电子设备及计算机可读存储介质
US9064151B2 (en) Device and method for detecting plantation rows
CN108470174B (zh) 障碍物分割方法及装置、计算机设备及可读介质
KR101555426B1 (ko) 지형 렌더링 방법 및 장치
CN106529029B (zh) 输电线路杆塔的点云数据提取方法及装置
CN112883878A (zh) 一种基于三维格网的变电站场景下的点云自动分类方法
CN110794413A (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
WO2023216470A1 (zh) 一种可行驶区域检测方法、装置及设备
CN111859772A (zh) 基于布料模拟算法的电力线提取方法和系统
CN108846374B (zh) 电力设备巡检方法及装置
Zhang et al. A framework for automated construction of building models from airborne Lidar measurements
CN117132915B (zh) 一种基于点云自动分类的输电线路树障隐患分析方法
CN116363319B (zh) 一种建筑物屋顶的建模方法、建模装置、设备及介质
Milde et al. Building reconstruction using a structural description based on a formal grammar
He et al. An energy minimization approach to automated extraction of regular building footprints from airborne LiDAR data
CN115204507B (zh) 大气能见度的预测方法、装置、设备及存储介质
CN116452604A (zh) 一种复杂变电站场景分割方法、设备及存储介质
CN113344242A (zh) 一种基于植物生长模型的树障隐患预测方法
CN116433750B (zh) 一种基于激光点云的输电杆塔提取方法及系统
Chen et al. An improved progressive triangular irregular network densification filtering algorithm for airborne LiDAR data
CN112991303B (zh) 一种基于三维点云的电塔绝缘子串自动提取方法
Nizar et al. Reconstruction of buildings from airborne laser scanning data
JP2017157049A (ja) 地形分類システム、及び地形分類方法

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