CN112305559A - 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 - Google Patents

Abstract

本发明公开了一种基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备，所述方法包括：获取输电线路的点云数据；对所述点云数据进行预处理；根据预处理后的所述点云数据构建点云三维模型；获取输入所述点云三维模型中的两个待测点；计算所述两个待测点之间的距离。本发明基于点云测量的方式，可对输电线路一次扫描一个锥面的点云进行建模，并直接在三维空间里判断目标安全距离或者系统自动计算告警，大幅提高了作业效率和方便程度。

Description

基于地面定点激光雷达扫描的输电线距离测量方法、装置、系 统和电子设备

技术领域

本发明涉及一种基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备，属于输电线路安全距离测量技术领域。

背景技术

随着高压线路网架的不断完善，高压线路的电压等级越来越高、线路公里数也快速增加，线路运行维护工作量在增加，巡检难度也在提高。高压线路以输电线路为主，长年在野外运行，且有交叉跨越其它电压等级的高压线路、还有跨越建筑物和树木等，当天气或覆冰原因导致弧垂变大就会造成线路故障或重大事故，另外导线对地距离、跳线和杆塔间距不足等都能引发高压线路事故。

对于输电线距离的测量，主要有两种测量方式，一种方式是使用单点激光测距仪进行重复测试，巡检员首先目测判断某地物和电力线接近，然后架设三脚架和单点激光测距仪，分别测量到电力线和到地物的距离，并记录测距仪位置和角度，进行三角计算获得电力线某位置和地物的空间距离；另外一种方式是通过直升机或者无人机进行激光雷达点云扫描作业，然后进行地物，杆塔，电力线分类，自动计算安全距离。现有业务中，以上两种方式互为补充。

如前所述使用单点激光测距仪的现有技术方案中存在一些缺陷；第一是容易判断错误，靠人眼识别可疑地物和线缆目标，选择可能存在误差，因为人眼视觉本身是接近于二维的，有可能存在目标误判；第二对准困难，使用单点激光测距仪对准电力线上的点或者某尖锐地物目标比较困难，需要反复操作，耗费大量工时；第三操作复杂，需要寻找合适的架设位置，反复测量目标距离，进行手工计算等等。

发明内容

基于上述，本发明提供一种基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备，通过在地面静态定点对输电线路进行激光扫描并建模，可以实现输电线距离的快速计算，以解决现有技术的不足。

本发明的技术方案是：

第一方面，本发明提供一种基于地面定点激光雷达扫描的输电线距离测量方法，所述方法包括：

获取输电线路的点云数据；

对所述点云数据进行预处理；

根据预处理后的所述点云数据构建点云三维模型；

获取输入所述点云三维模型中的两个待测点；

计算所述两个待测点之间的距离。

在其中一个例子中，所述点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。

在其中一个例子中，所述预处理包括对所述点云数据进行去噪、配准和提取特征点。

在其中一个例子中，利用体积积分不变量提取特征点。

在其中一个例子中，根据预处理后的所述点云数据构建点云三维模型的步骤如下：

S1采用开源的三维引擎OSG对预处理的所述点云数据进行场景渲染，生成点云三维模型；

S2采用分页技术对点云三维模型进行动态调整。

第二方面，本发明提供一种基于地面定点激光雷达扫描的输电线距离测量装置，所述装置包括：

第一获取模块，用于：获取输电线路的点云数据；

预处理模块，用于：对所述点云数据进行预处理；

模型构建模块，用于：根据预处理后的所述点云数据构建点云三维模型；

第二获取模块，用于：获取输入所述点云三维模型中的两个待测点；

距离计算模块，用于：计算所述两个待测点之间的距离。

在其中一个例子中，所述点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。

在其中一个例子中，所述预处理模块包括对去噪子模块、配准子模块和特征点提取子模块。

第三方面，本发明提供一种基于地面定点激光雷达扫描的输电线距离测量系统，包括存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，所述处理器执行上面所述的方法。

第四方面，本发明提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上面所述的方法。

本发明的有益效果是：本发明针对现有单点激光测距仪测量方案存在的问题，提供一种基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备，通过软件平台实施在地面上定点静态采集激光雷达数据并建模显示，可以进行3D界面交互选择测量点，系统根据与发射点的发射角度和距离参数计算选定两点的间距，系统也可以自动根据线路类型和等级自动分析并标记处不安全间距。

此外，本发明基于点云测量的方式，可对输电线路一次扫描一个锥面的点云进行建模，并直接在三维空间里判断目标安全距离或者系统自动计算告警，大幅提高了作业效率和方便程度。

附图说明

图1为本发明实施例的方法流程图；

图2为1八叉树示意图；

图3为2KD树示意图；

图4为体积积分不变量的定义，(a)以点p为中心，以r为半径的球领域Br(p)，(b)点p的体积积分不变量lntr(p)；

图5为点云三维模型图；

图6为本发明实施例的结构框架图；

图7为本发明实施例的又一装置框图；

图8为本发明实施例的计算机可读介质的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

实施例一

请参阅图1，本发明实施例基于地面定点激光雷达扫描的输电线距离测量方法，所述方法包括：

S1、获取输电线路的点云数据。

具体而言，采用便携式激光雷达测量设备对输电线路进行激光扫描，并通过解算获取点云数据。

便携式激光雷达测量设备可以包括一个激光雷达、一台笔记本、一个路由器、一套铝型材支架、一套电源系统。工作时，将激光雷达安装在支架上，由激光雷达在现场定点对输电线路进行激光扫描，获取数据后传输到笔记本上。该种方式具有以下优点：1、携带轻便，操作方便，对准准确；2、总体功耗和成本更低。3、具有更强可扩展性。

激光扫描前，需要激光雷达标定。方式可以为手动外参标定和自动外参标定。其中，手动外参标定：通过Livox View自带的标定工具实现多个激光雷达之前的外参标定，关键技巧是要找到一处视野开阔的环境，并且在不同雷达FOV交集处有较规整醒目的建筑或物体。首先用Livox Viewer采集一帧较长积分时间的目的建筑或物体的点云数据，然后观察各个激光雷达在其FOV里所形成的目的建筑或物体的点云，微调Livox Views标定工具里的滚轮控件(调节6个变量[x,y,z,roll,pitch,yaw])，使得各FOV里目的建筑或物体的点云能完美重叠在一起为佳，此时得到的参数即为所需外参。按此方法标定的精度误差可小于0.1度。不难看出，此方法依赖于多雷达的共视区域，精度和效率与使用者的熟练度正相关，存在一定的局限性。

自动外参标定：在实际使用中，有时不方便找到用于标定的开源环境或参考物体，为此Livox推出了自动标定技术TFAC-Livox算法(Target-Free Automatic Calibration)并在Github上开源。该技术主要依靠几何一致性假设，即多个雷达扫描出来的局部三维模型是一致的，通过对基准雷达(LiDAR0)进行移动建图，然后将其余雷达数据对LiDAR0的重建地图不断进行迭代配准与计算，依靠一致性假设不断减少匹配误差，直到算法收敛并且满足标定矩阵刚性不变特性(六条平行线)，最后用一致性算法得出最终标定矩阵(外参)。

以两个Horizon为例，假设LiDAR0为基准雷达，LiDAR1为待标定雷达。基于数据和轨迹是同步的假设，用LiDAR0进行移动SLAM建图，获得子地图M。而后将LiDAR1的点云基于同步的时间戳与运动轨迹、与粗图估计初值旋转平移变换到对应子地图M附近，通过几何结构一致性约束和近邻匹配算法不断迭代，减少匹配误差，直到算法收敛并满足标定矩阵刚性不变特性(六条平行线)，最后用一致性算法计算出最终标定矩阵。

在移动采集数据期间，需保证基准激光雷达扫描的区域(地图M)能被其余激光雷达所探测，尽量选用室内地下车库等特征丰富的环境，采集数据时避免四周有移动物体，运动时尽量缓慢，特别是转弯处，以最小化运动畸变。激光雷达的安装不局限于重叠FOV，可任意安装，只要能保证获取外参初值即可。

便携式激光雷达测量设备的解算方式如下：

机载LiDAR利用激光扫描仪记录距离和扫描角，并通过一系列坐标转换，解算到地理空间参考下的几何坐标。下式为激光脚点在WGS84空间直角坐标系下三维坐标的计算公式：

其中

为激光脚点在WGS84空间直角坐标系下的坐标，ρ为激光扫描仪激光发射中心到目标地物的距离，R_L为瞬时激光坐标系到扫描仪坐标系的旋转矩阵，如假设扫描角为θ_i则R_L可表达为

R_M为扫描仪坐标系到IMU参考坐标系的旋转矩阵，设在侧滚、俯仰和航向三个方向的旋转角度为α、β和γ，则R_M可以表示为

实际安装时，IMU与扫描仪的坐标轴平行，α、β和γ一般为90°的整数倍。矢量

为GPS偏心分量，由两部分组成，即扫描仪激光发射中心到IMU参考中心的矢量，以及IMU参考中心到GPS天线相位中心的矢量，两部分都是在IMU参考坐标系下。IMU参考坐标系平移之后，通过旋转矩阵R_N转换到局部导航坐标系下。R_N是由IMU测量的三个姿态角即侧滚角(Roll，R)、俯仰角(Pitch，P)和航向角(Heading，H)构成，可表示为

因为IMU的重力加速度计是基于垂线方向的，因此需要进行垂线偏差改正，将坐标系变换到局部椭球坐标系下。局部椭球坐标系到WGS84空间直角坐标系的变换公式为

B和L为GPS天线相位中心的大地纬度和经度，

为GPS天线相位中心在空间直角坐标系的坐标矢量，且两者可以相互转换。

通过上述坐标系的变换，将机载LiDAR的观测值，包括距离、扫描角、传感器的位置和姿态，转化为激光脚点在WGS84空间直角坐标系下的三维坐标，进而可进行投影变换转化为投影坐标系下的坐标。

航空摄影测量的成果多是基于投影坐标系的，假设POS提供的扫描仪姿态是经过投影变换后(即投影坐标系下)的姿态角，则激光点云坐标计算公式为

其中，

ω、

和κ是投影坐标系下的姿态角，

和

分别为激光脚点和GPS天线相位中心在投影坐标系的坐标矢量。

优选的，点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。

点云数据的特点之一就是数据量巨大。为了加快数据索引、查询以及分析的效率，需对点云数据进行合理的组织和管理。点云数据处理中最为核心的问题就是建立离散点间的拓扑关系，实现基于邻域关系的快速查找。要实现海量空间数据的快速查找，就必须建立与其相适应的空间索引结构，通过一定的数据组织方式建立无序点云间的拓扑关系，同时存储相关的概要信息，辅助并加速邻域信息的查找。

建立空间索引在GIS(地理信息系统)中已被广泛应用，常见空间索引一般是自顶向下逐级划分空间的各种空间索引结构，比较有代表性的包括BSP树、KD树、KDB树、R树、R+树、CELL树、四叉树和八叉树等索引结构，而在这些结构中，KD树和八叉树在3D点云数据组织中的应用较为广泛。

八叉树结构的概念是由Hunter博士于1978年首次提出的一种数据模型。八叉树结构通过对三维空间的几何实体进行体元剖分，每个体元具有相同的时间和空间的复杂度，通过循环递归的划分方法对大小为2n×2n×2n的三维空间的几何对象进行剖分，从而构成一个具有根节点的方向图。在八叉树结构中如果被划分的体元具有相同的属性，则该体元构成一个叶节点；否则继续对该体元剖分成8个子立方体，依次递归剖分，对于2n×2n×2n大小的空间对象，最多剖分n次，如图2所示。

KD树结构KD树是一种面向k维空间点数据组织的二叉树结构[7]，其每一个非叶节点可以被一超平面分割成两个子空间，且相应的每一子空间又可以以相同的方式递归地进行分割，所有子空间被分为左右两部分或者被分为上下两部分。KD树的分割是沿坐标轴进行的，所有的超平面都垂直于相应的坐标轴。例如，沿x轴分割，只需要给定某x值即可确定该超平面，因为超平面的法矢方向就是x轴向，该超平面将原节点空间分割成两个新的子空间，所有左边子空间中的点，其x值都小于右边子空间中的任意点的x值，如图3所示。

KD树是一种较为有效的k维空间点数据组织结构，在涉及高维空间查找领域(如k邻域查找)具有自身独特优势。通过对八叉树及KD树进行分析和实际的对比后发现，八叉树算法的算法实现简单、自动化程度高，但是针对海量的点云数据，制约其效率的主要因素在于其最小分割粒度(叶节点)的确定，粒度过大，后续的定位及查询效率降低，反之，粒度过小，八叉树的深度增加，同样也会导致效率下降，此外，对于建筑物(或古钟文物等)等薄壳类扫描对象的点云数据，还可能存在有相当数量的叶节点将不存储任何点云数据，而形成所谓的“空白节点”；KD树在邻域查找效率方面具有较大的优势，但在海量数据情形下，其邻域关系的重建将耗费大量的计算资源，整体效率也不是很高。

上述两算法单独应用都存在一定的缺陷，而混合型数据存储结构也许能够充分利用多种数据存储方式的优点，通过合理的调度，理论上能够使数据组织的整体结构趋于合理，数据存取效率达到最优。本发明采用两种结构结合的方式，步骤如下：

A.首先获取存储对象几何边界(最小外包围盒)并设定八叉树的分割深度，据此进一步确定八叉树的分割粒度大小(即叶节点的大小，对应确定叶节点几何尺寸)。

B.根据上面获得的分割参数建立相应的八叉树，存储相应的节点信息。

C.对于八叉树的叶节点按照KD树的数据组织方式逐一进行数据组织，分别存储索引信息和节点坐标信息，与此同时还需将每个KD树的首记录(指针地址或是记录ID)存放到对应的八叉树叶节点中，以保证这种嵌套式结构的唯一性。

D.数据检索时，首先根据三维坐标判断其所属八义树的叶子节点，然后找到该叶节点对应的KD树数据集，对其进行二次检索，根据检索条件，找到满足要求的数据(或数据集)。值得注意的是，在进行邻域搜索时，如果当前坐标点所在的八叉树叶节点无法找到满足要求的数据集，则必须扩展搜索范围，将与该节点关联的邻近节点并入搜索范围，再次进行搜索，直到找到满足要求的结果或是达到算法终止条件为止。

这种嵌套式复合数据存储结构，克服了单一算法所带来的各种弊端，平衡了数据的分布，提高了数据存取及检索的效率，尤其是针对海量数据的存取与检索，性能提高较为显著。通过在普通工作站上点云邻近查找进行实验，结果如下表：

点数	KD树	八叉树	复合结构
				936770	0.78s	6.207s	0.241s
317609	2.321s	25.452s	0.798s
				642346	5.522s	68.357s	1.452s

S2、对所述点云数据进行预处理；

优选的，所述预处理包括对所述点云数据进行去噪、配准和提取特征点。

1、去噪

扫描数据易受环境和系统的影响，如激光雷达旋转引起的抖动、人的走动，在扫描过程中杂散光、背景光等，从而可能产生不属于扫描实体本身的数据，导致冗余数据；再者像某些对工程无用的点云数据，如植被、车辆、行人也会导致冗余数据，这些冗余数据如不去除则会影响点云数据后处理的精度。因此，在对数据进行分析计算之前有必要进行数据的滤波，通常称为去噪。

本发明中去噪可以采用曲率法、弦高法和距离值法等自动消除噪声的方法。它们共同的思路是基于给定的阈值，大于阈值的点数据则判断为异常点；不同的是它们选取的度量值不同，曲率法采用点与相邻点之间的矢量夹角判断，弦高法采用点到相邻点连线的距离判断，距离值法采用点到利用相邻点拟合的直线段或平面之间的距离进行判断。

2、配准

点云数据配准一般是基于点特征的坐标转换，地面三维激光扫描仪的点云数据范围较小，在配准中无须考虑球面改正，采用传统的七参数变换法就可以满足需要。

基于点进行点云数据配准，就是利用两个模型中得到的同名点的坐标，实现由其中一个点云数据的坐标系统向基站坐标系统的转换过程。如果已经知道3对同名点，那么就可以直接求解出空间变换参数，实现两个点云数据之间的转换。一般地为了精确求解7个参数，通常选择多于3对同名点，然后利用平差方法实现参数求解。

设X＝(x,y,z)^T，X'＝(x',y',z')^T，S＝(ΔX,ΔY,ΔZ)^T

点变换的公式表达如下：

X＝λRX'+S (2-1)

其中，R为旋转矩阵，λ为比例系数。

设两个坐标系统的中心坐标别为：X_m，X_m'

则有：

重心化坐标为：

x＝X-X_m (2-5)

x'＝X'-X_m' (2-6)

重心化后的坐标满足：

x'＝λRx (2-7)

由λ＞0且R为旋转矩阵，对上式两边求范数有：

||x'||＝λ||x|| (2-8)

当上述式子两端存在误差时可得λ最小均方估计为：

将式子(2-9)代入重心化等式可得：

转化可得：

令：

X＝(a,b,c)^T

L＝(x'-x y'-y z'-z)^T

设两个坐标系下同名点配准误差V，则上述公式可以转化为：

V＝AX-L (2-12)

求解误差方程式可得：

X＝(A^TA)^-1A^TL (2-13)

这样旋转矩阵R的构成元素就可以求解出来，代入罗德里格矩阵可得到旋转矩阵R。

根据已经求解的旋转矩阵R，平移向量S可以直接求解如下：

S＝X'-λRX (2-14)

通过上述误差方程可以求解得到对应的空间参数，最终实现点云数据的空间转换。应当注意，点约束的空间变换要注意至少需要3对同名点才可以实现空间变换，而且选择的三个点不能在同一条直线上，否则会变换出错或者配准的精度很差。

3、特征点提取

利用体积积分不变量提取特征点。

体积积分定义如下：

如图4所示：为三维实体模型D的表面曲面，以S上任意一点p为中心，以r为半径的球体为该点p的球领域,则该点p的体积分不变量公式为

I_r(p)＝∫_p+rBg(x)w(p-x)dx

式中.p+rB表示以当前点p为中心，以尺度r为半径的球领域B；g(x)是与区域D有关的函数；w(p-x)是权重函数，通常情况下为常数函数。

基于体积积分不变量与平均曲率的内在关系对体积积分不变量进行逼近,其主要思想是利用4DShepard曲面估算点云曲率，计算点云体积积分不变量的值。体积积分不变量与平均曲率的关系如下式:

式中：Hp为点p的平均曲率，O(r⁵)为佩亚诺余项。由上式可知，在给定半径r时,体积积分不变量同样能够反映曲面上特征点的分布情况,取体积积分不变量为0的为非特征点。

S3、根据预处理后的所述点云数据构建点云三维模型；

点云三维模型如图5所示。具体而言，根据预处理后的所述点云数据构建点云三维模型的步骤如下：

S1采用开源的三维引擎OSG对预处理的所述点云数据进行场景渲染，生成点云三维模型；

S2采用分页技术对点云三维模型进行动态调整。

实现大场景点云数据的浏览、缩放、移动、漫游，在交互界面实现选点、切割、正射图，满足对点云数据进行加工处理要求。在浏览大数据量点云数据时，根据点云数据距离视点的距离，距离远时加载低分辨率数据，距离近时加载高分辨率数据，进而实现海量点云数据的快速浏览。

S4、获取输入所述点云三维模型中的两个待测点；

具体而言，在构建好点云三维模型后，可以通过鼠标点击三维模型中的任意两个点来测量距离。

S5、计算所述两个待测点之间的距离。

具体而言，可以通过欧几里得度量来测量两个待测点之间的真实距离。欧几里得度量(euclidean metric)(也称欧氏距离)是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。

三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

本发明通过软件平台实施采集激光雷达数据并建模显示，可以进行3D界面交互选择测量点，系统根据与发射点的发射角度和距离参数计算选定两点的间距，系统也可以自动根据线路类型和等级自动分析并标记处不安全间距。

实施例二

请参阅图6，本发明实施例二提供了一种基于地面定点激光雷达扫描的输电线距离测量装置，所述装置包括：第一获取模块，用于：获取输电线路的点云数据；预处理模块，用于：对所述点云数据进行预处理；模型构建模块，用于：根据预处理后的所述点云数据构建点云三维模型；第二获取模块，用于：获取输入所述点云三维模型中的两个待测点；距离计算模块，用于：计算所述两个待测点之间的距离。

在其中一个例子中，所述点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。在其中一个例子中，所述预处理模块包括对去噪子模块、配准子模块和特征点提取子模块。

由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。

实施例三

请参阅图7，需要说明的是，基于上述实施例一、实施例二同样的发明技术，本发明实施例三提供了一种系统，包括：射频电路310、存储器320、输入单元330、显示单元340、音频电路350、WiFi模块360、处理器370、以及电源380等部件。其中，储存器320上存储有可在处理器370上运行的计算机程序，处理器370执行所述计算机程序时实现实施例一种所述的步骤S1、S2、S3、S4、S5。

在具体实施过程中，处理器执行计算机程序时，可以实现实施例一、二中的任一实施方式。

本领域技术人员可以理解，图7中示出的装置结构并不构成对装置本身的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图7对计算机设备的各个构成部件进行具体的介绍：

射频电路310可用于信号的接收和发送，特别地，将基站的下行信息接收后，给处理器处理。通常，射频电路310包括但不限于至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。

存储器320可用于存储软件程序以及模块，处理器370通过运行存储在存储器320的软件程度以及模块，从而执行计算机设备的各种功能应用以及数据处理。存储器320可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等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器320可以包括高速随机存储器，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、或其他易失性固态存储器件。

输入单元330可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。具体地，输入单元330可包括键盘331以及其他输入设备332。键盘331，可收集用户在其上的输入操作，并根据预先设定的程序驱动相应的连接装置。键盘采集到输出信息后再输送给处理器370。除了键盘331，输入单元还可以包括其他输入设备332。具体地，其他输入设备332可以包括但不限于触控面板、功能键(比如音量控制按键、开关按键灯)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元340可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元340可包括显示面板341，可选地，可以采用液晶显示器、有机发光二极管等形式来配置显示面板341。进一步的，键盘331可覆盖显示面板341，当键盘331检测到在其上或附近的触摸操作后，传送给处理器370以确定触摸事件的类型，随后处理器370根据输入事件的类型在显示面板341上提供相应的视觉输出。虽然在图3中键盘331与显示面板341是作为两个独立的部件来实现计算机设备的输入和输入功能，但是在某些实施例中，可以将键盘331与显示面板集341成而实现计算机设备的输入和输出功能。

音频电路350、扬声器351，传声器352可提供用户与计算机设备之间的音频接口。音频电路350可将接收到的音频数据转换后的电信号，传输到扬声器351，由扬声器351转换为声音信号输出。

WiFi属于短距离无线传输技术，计算机设备通过WiFi模块360可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7中示出了WiFi模块360，但是可以理解的是，其并不属于计算机设备的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器370是计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器320内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选地，处理器320可报考一个或多个处理单元；优选地，处理器320可集成应用处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等。

计算机设备还包括给各个部件供电的电源380(比如电源适配器)，优选的，电源可以通过电源管理系统与处理器370逻辑相连。

实施例四

基于同一发明构思，如图8所示，本实施例四提供了一种计算机可读存储介质400，其上存储有计算机程序411，该计算机程序411被处理器执行时实现实施例一种所述的步骤S1、S2、S3、S4、S5。

在具体实施过程中，该计算机程序411被处理器执行时，可以实现实施例一、二中的任一实施方式。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于硬盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他科编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读介质存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装置到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.基于地面定点激光雷达扫描的输电线距离测量方法，所述方法包括：

获取输电线路的点云数据；

对所述点云数据进行预处理；

根据预处理后的所述点云数据构建点云三维模型；

获取输入所述点云三维模型中的两个待测点；

计算所述两个待测点之间的距离。

2.根据权利要求1所述的基于地面定点激光雷达扫描的输电线距离测量方法，其特征在于，所述点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。

3.根据权利要求1所述的基于地面定点激光雷达扫描的输电线距离测量方法，其特征在于，所述预处理包括对所述点云数据进行去噪、配准和提取特征点。

4.根据权利要求3所述的基于地面定点激光雷达扫描的输电线距离测量方法，其特征在于，利用体积积分不变量提取特征点。

5.根据权利要求2所述的基于地面定点激光雷达扫描的输电线距离测量方法，其特征在于，根据预处理后的所述点云数据构建点云三维模型的步骤如下：

S1采用开源的三维引擎OSG对预处理的所述点云数据进行场景渲染，生成点云三维模型；

S2采用分页技术对点云三维模型进行动态调整。

6.基于地面定点激光雷达扫描的输电线距离测量装置，所述装置包括：

第一获取模块，用于：获取输电线路的点云数据；

预处理模块，用于：对所述点云数据进行预处理；

模型构建模块，用于：根据预处理后的所述点云数据构建点云三维模型；

第二获取模块，用于：获取输入所述点云三维模型中的两个待测点；

距离计算模块，用于：计算所述两个待测点之间的距离。

7.根据权利要求6所述的基于地面定点激光雷达扫描的输电线距离测量装置，其特征在于，所述点云数据采用混合型数据存储结构进行存储和调取，所述混合型数据存储结构为八叉树结构和KD树结构的混合。

8.根据权利要求6所述的基于地面定点激光雷达扫描的输电线距离测量装置，其特征在于，所述预处理模块包括对去噪子模块、配准子模块和特征点提取子模块。

9.基于地面定点激光雷达扫描的输电线距离测量系统，包括存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，其特征在于，所述处理器执行权利要求1至5中任一项所述的方法。

10.一种计算机可读介质，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权利要求1至5中任一项所述的方法。

Images