CN112325785A - 基于顶部平面拟合的铁塔变形监测方法及系统 - Google Patents

基于顶部平面拟合的铁塔变形监测方法及系统 Download PDF

Info

Publication number
CN112325785A
CN112325785A CN202011073126.3A CN202011073126A CN112325785A CN 112325785 A CN112325785 A CN 112325785A CN 202011073126 A CN202011073126 A CN 202011073126A CN 112325785 A CN112325785 A CN 112325785A
Authority
CN
China
Prior art keywords
iron tower
point cloud
cloud data
plane
plane model
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
Application number
CN202011073126.3A
Other languages
English (en)
Inventor
宋朝晖
王贵洪
马维峰
谭兴
赵岩
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.)
Wuhan Infoearth Information Co ltd
Northwest Branch Of State Grid Power Grid Co
Original Assignee
Wuhan Infoearth Information Co ltd
Northwest Branch Of State Grid Power Grid Co
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 Wuhan Infoearth Information Co ltd, Northwest Branch Of State Grid Power Grid Co filed Critical Wuhan Infoearth Information Co ltd
Priority to CN202011073126.3A priority Critical patent/CN112325785A/zh
Publication of CN112325785A publication Critical patent/CN112325785A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供基于顶部平面拟合的铁塔变形监测方法及系统，该方法包括：根据无人机点云数据确定目标铁塔点云数据；在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。实现了提高待检测铁塔的形变检测的效率，避免了检测人员要实地测量的繁琐。

Description

基于顶部平面拟合的铁塔变形监测方法及系统
技术领域
本发明涉及点云数据技术领域，尤其涉及基于顶部平面拟合的铁塔变形监测方法及系统。
背景技术
现实生活中，电网需要建造铁塔，又称杆塔。随着使用时间的增加，建造完工时刻竖直的铁塔会变得倾斜变形。传统的常用的铁塔形变检测方法主要采用经纬仪、全站仪等测量设备进行杆塔形变的测量，但经纬仪、全站仪铁塔形变测量方法作业复杂，作业条件要求苛刻，架设地况要求良好，而实际工作中难以满足，不易架设仪器三脚架，仪器与铁塔光线路径容易受树木、房屋等地物遮掩，导致视线不好，测量时需人员登塔架尺，辅助进行测量，大大增加了人员作业风险。并且人工的测量方法，需要耗费大量的人力，效率低。因此，需要一种高效率的判断待检测铁塔的形变的方法。
因此，如何避免现有的检测铁塔形变的方法带来的耗费大量人力，检测人员必须到铁塔处进行实地测量的麻烦，仍然是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供基于顶部平面拟合的铁塔变形监测方法及系统，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。
第一方面，本发明实施例提供一种基于顶部平面拟合的铁塔变形监测方法，包括：
根据无人机点云数据确定目标铁塔点云数据；
在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；
根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
更具体的，在所述根据无人机点云数据确定目标铁塔点云数据的步骤之前，所述方法还包括：
采用无人机携带的摄像头对待检测铁塔进行倾斜拍摄得到待检测铁塔图像，为所述待检测铁塔图像生成所述待检测铁塔的无人机点云数据。
更具体的，所述根据无人机点云数据确定目标铁塔点云数据的步骤，具体包括：
通过预设铁塔识别模型对无人机点云数据进行分类识别，得到铁塔点云数据；
对所述铁塔点云数据进行统计滤波，得到滤波后的铁塔点云数据，根据滤波后的铁塔点云数据获取铁塔点云数据的包围盒，根据所述包围盒确定目标铁塔点云数据；
其中，所述预设铁塔识别模型是通过带类别标签的样本无人机点云数据训练得到的。
更具体的，根据所述铁塔顶部点云数据集生成平面模型集合信息的步骤，具体包括：
在所述铁塔顶部点云数据集中随机抽取多个样本铁塔顶部点云数据；
将每个样本铁塔顶部点云数据进行平面拟合，得到平面模型集合信息。
更具体的，所述根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型的步骤，具体包括：
根据所述平面模型集合信息中每个平面模型中的内点个数，确定每个平面模型得分，根据每个平面模型得分确定最优平面模型；
其中，所述内点是指铁塔顶部点云数据集中，与所述平面模型距离小于预设阈值的点。
更具体的，根据所述最优平面模型确定铁塔倾斜值的步骤，具体包括：
d＝sin(<Nj,Z>)*H
其中，d为铁塔倾斜值，<Nj,Z>是最优平面模型的法向量Nj与Z轴夹角，H是铁塔的高度。
第二方面，本发明实施例提供一种铁塔变形监测系统，包括：
获取模块，用于根据无人机点云数据确定目标铁塔点云数据；
处理模块，用于在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；
检测模块，用于根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
更具体的，所述处理模块具体用于：
在所述铁塔顶部点云数据集中随机抽取多个样本铁塔顶部点云数据；
将每个样本铁塔顶部点云数据进行平面拟合，得到平面模型集合信息。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述基于顶部平面拟合的铁塔变形监测方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述基于顶部平面拟合的铁塔变形监测方法的步骤。
本发明实施例提供的基于顶部平面拟合的铁塔变形监测方法及系统，通过深度学习三维目标识别的方法在无人机点云数据中进行铁塔识别，得到目标铁塔点云数据，然后利用三维模型几何特征对目标铁塔点云数据的铁塔顶部云数据进行平面拟合，从而得到多个拟合平面，然后通过内点个数对各个拟合平面打分，选出评分最高的拟合平面最为最优平面模型，如此可以根据最优平面模型进行倾斜检测，判断铁塔是否变形。因此，本发明实施例提供的方法和系统，实现了提高待检测铁塔的形变检测的效率，避免了检测人员要实地测量的繁琐。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例中所描述的基于顶部平面拟合的铁塔变形监测方法流程示意图；
图2为本发明一实施例所描述的基于顶部平面拟合的铁塔变形监测系统示意图；
图3为本发明一实施例所描述的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。
图1为本发明一实施例中所描述的基于顶部平面拟合的铁塔变形监测方法流程示意图，如图1所示，包括：
步骤S1，根据无人机点云数据确定目标铁塔点云数据；
具体的，本发明实施例中所描述的无人机点云数据可以通过三维激光扫描铁塔和多角度倾斜拍摄得到，三维激光扫描可以使用无人机携带扫描仪从多个方向上对待检测铁塔进行扫描，提取待检测铁塔的激光点云数据，而多角度倾斜拍摄得到的待检测铁塔的图像经过专门的由图像提取三维点云数据的软件处理，即可得到待检测铁塔的无人机点云数据，此处不作具体限定。
在得到待检测铁塔的无人机点云数据后，通过深度学习三维目标识别得到的预设的铁塔识别模型对无人机点云数据进行分类识别，得到各个语义类别对应的无人机点云数据，选出铁塔语义类别对应的无人机点云数据作为铁塔点云数据，然后对所述铁塔点云数据，然后使用区域生长的分割算法进行统计滤波，得到滤波后的铁塔点云数据，根据滤波后的铁塔点云数据获取铁塔点云数据的包围盒，根据所述包围盒确定目标铁塔点云数据。
步骤S2，在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；
具体地，在所述目标铁塔点云数据中沿高程方向切割，提取铁塔顶部点云数据集
Figure BDA0002715790560000051
使用RANSAC平面拟合算法，拟合出铁塔的顶部点云数据集
Figure BDA0002715790560000052
的所有平面，从铁塔的铁塔顶部点云数据集
Figure BDA0002715790560000053
中随机抽取K个样本数据，每个样本数据含有m个点，对该K个样本数据分别通过RANSAC算法进行平面拟合，得到平面模型集合信息Ψ＝{ψ1,...,ψK}；
步骤S3，根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
具体为，计算铁塔顶部点云数据集每个点到每个拟合平面模型的距离，若点与拟合平面模型的距离小于设定的阈值，则将该点当作内点，统计每个平面的内点个数ni，并将内点个数作为这个拟合平面的得分。
根据每个拟合平面的得分值{n1,...,nK}，选择得分值最高的平面模型ψj，作为最优平面模型，最后根据最优平面模型ψj的法向量Nj与Z轴夹角<Nj,Z>，计算铁塔的倾斜值d＝sin(<Nj,Z>)*H，其中H是铁塔的高度，最终得到铁塔具体倾斜值，进而用来判断铁塔的变形情况。
本发明实施例通过深度学习三维目标识别的方法在无人机点云数据中进行铁塔识别，得到目标铁塔点云数据，然后利用三维模型特有几何结构特征对目标铁塔点云数据的铁塔顶部云数据进行平面拟合，从而得到多个拟合平面，然后通过内点个数对各个拟合平面打分，选出评分最高的拟合平面最为最优平面模型，如此可以根据最优平面模型进行倾斜检测，判断铁塔是否变形。因此，本发明实施例提供的方法和系统，实现了提高待检测铁塔的形变检测的效率，避免了检测人员要实地测量的繁琐。
在上述实施例的基础上，在所述根据无人机点云数据确定目标铁塔点云数据的步骤之前，所述方法还包括：
采用无人机携带的摄像头对待检测铁塔进行倾斜拍摄得到待检测铁塔图像，为所述待检测铁塔图像生成所述待检测铁塔的无人机点云数据。
本发明实施例中所描述的无人机点云数据可以通过三维激光扫描铁塔和多角度倾斜拍摄得到，三维激光扫描可以使用无人机携带扫描仪从多个方向上对待检测铁塔进行扫描，提取待检测铁塔的激光点云数据，而多角度倾斜拍摄得到的待检测铁塔的图像经过专门的由图像提取三维点云数据的软件处理，即可得到待检测铁塔的无人机点云数据，此处不作具体限定。
在上述实施例基础上，所述根据无人机点云数据确定目标铁塔点云数据的步骤，具体包括：
通过预设铁塔识别模型对无人机点云数据进行分类识别，得到铁塔点云数据；
对所述铁塔点云数据进行统计滤波，得到滤波后的铁塔点云数据，根据滤波后的铁塔点云数据获取铁塔点云数据的包围盒，根据所述包围盒确定目标铁塔点云数据；
其中，所述预设铁塔识别模型是通过带类别标签的样本无人机点云数据训练得到的。
具体的，本发明实施例中所获取的无人机点云数据在显示场景中的跨度可能有几公里至几十公里，其中包括除了铁塔之外的很多其他数据，因此本发明实施例通过预设铁塔识别模型对无人机点云数据进行分类识别，得到铁塔点云数据。
本发明实施例将无人机点云数据输入预设铁塔识别模型的步骤之前，还需要栅格化点云数据，使点云分布均匀，并转化为指定的点云格式，然后将点云N×din输入到提前建好的预设铁塔识别模型中。使用四个编码层，对点云数据进行编码，减少点的个数，增加特征深度，即：
Figure BDA0002715790560000071
使用四个解码层对上述编码后的数据解码得到级联特征图；通过三个全连接层N×64→N×32→N×nclass和一个dropout层得到每个点的最终语义标签N×nclass，其中nclass是类的数量；根据语义信息提取所有铁塔语义的点集，然后使用区域生长的分割算法，对所述铁塔点云数据进行降噪处理，去其中的除噪声点，分割出每一个铁塔目标。
本发明实施例中所描述的类别标签可以是指铁塔类别，或者山地类别、湖泊类别等不同类别标签。
在上述实施例的基础上，根据所述铁塔顶部点云数据集生成平面模型集合信息的步骤，具体包括：
在所述铁塔顶部点云数据集中随机抽取多个样本铁塔顶部点云数据；
将每个样本铁塔顶部点云数据进行平面拟合，得到平面模型集合信息。
所述根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型的步骤，具体包括：
根据所述平面模型集合信息中每个平面模型中的内点个数，确定每个平面模型得分，根据每个平面模型得分确定最优平面模型；
其中，所述内点是指铁塔顶部点云数据集中，与所述平面模型距离小于预设阈值的点。
具体的，本发明实施例中的平面模型集合信息中包含多个样本铁塔顶部点云数据平面拟合得到的平面模型。
计算铁塔顶部点云数据集每个点到每个拟合平面模型的距离，若点与拟合平面模型的距离小于设定的阈值，则将该点当作内点，统计每个平面的内点个数ni，并将内点个数作为这个拟合平面的得分。根据每个拟合平面的得分值{n1,...,nK}，选择得分值最高的平面模型ψj，作为最优平面模型。
本发明实施例通过内点个数的多少来确定最优平面模型，从而可以有效根据最优平面模型确定铁塔倾斜值。
图2为本发明一实施例所描述的基于顶部平面拟合的铁塔变形监测系统示意图，如图2所示，包括：获取模块210、处理模块220和检测模块230；其中，获取模块210用于根据无人机点云数据确定目标铁塔点云数据；其中，处理模块220用于在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；其中，检测模块230用于根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
本发明实施例提供的装置是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
本发明实施例通过深度学习三维目标识别的方法在无人机点云数据中进行铁塔识别，得到目标铁塔点云数据，然后利用三维模型几何特征对目标铁塔点云数据的铁塔顶部云数据进行平面拟合，从而得到多个拟合平面，然后通过内点个数对各个拟合平面打分，选出评分最高的拟合平面最为最优平面模型，如此可以根据最优平面模型进行倾斜检测，判断铁塔是否变形。因此，本发明实施例提供的方法和系统，实现了提高待检测铁塔的形变检测的效率，避免了检测人员要实地测量的繁琐。
图3为本发明一实施例所描述的电子设备结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：根据无人机点云数据确定目标铁塔点云数据；在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
此外，上述的存储器330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。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：根据无人机点云数据确定目标铁塔点云数据；在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：根据无人机点云数据确定目标铁塔点云数据；在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
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 (10)

1.一种基于顶部平面拟合的铁塔变形监测方法，其特征在于，包括：
根据无人机点云数据确定目标铁塔点云数据；
在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；
根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
2.根据权利要求1所述基于顶部平面拟合的铁塔变形监测方法，其特征在于，在所述根据无人机点云数据确定目标铁塔点云数据的步骤之前，所述方法还包括：
采用无人机携带的摄像头对待检测铁塔进行倾斜拍摄得到待检测铁塔图像，为所述待检测铁塔图像生成所述待检测铁塔的无人机点云数据。
3.根据权利要求1所述基于顶部平面拟合的铁塔变形监测方法，其特征在于，所述根据无人机点云数据确定目标铁塔点云数据的步骤，具体包括：
通过预设铁塔识别模型对无人机点云数据进行分类识别，得到铁塔点云数据；
对所述铁塔点云数据进行统计滤波，得到滤波后的铁塔点云数据，根据滤波后的铁塔点云数据获取铁塔点云数据的包围盒，根据所述包围盒确定目标铁塔点云数据；
其中，所述预设铁塔识别模型是通过带类别标签的样本无人机点云数据训练得到的。
4.根据权利要求1所述基于顶部平面拟合的铁塔变形监测方法，其特征在于，根据所述铁塔顶部点云数据集生成平面模型集合信息的步骤，具体包括：
在所述铁塔顶部点云数据集中随机抽取多个样本铁塔顶部点云数据；
将每个样本铁塔顶部点云数据进行平面拟合，得到平面模型集合信息。
5.根据权利要求4所述基于顶部平面拟合的铁塔变形监测方法，其特征在于，所述根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型的步骤，具体包括：
根据所述平面模型集合信息中每个平面模型中的内点个数，确定每个平面模型得分，根据每个平面模型得分确定最优平面模型；
其中，所述内点是指铁塔顶部点云数据集中，与所述平面模型距离小于预设阈值的点。
6.根据权利要求1所述基于顶部平面拟合的铁塔变形监测方法，其特征在于，根据所述最优平面模型确定铁塔倾斜值的步骤，具体包括：
d＝sin(<Nj,Z>)*H
其中，d为铁塔倾斜值，<Nj,Z>是最优平面模型的法向量Nj与Z轴夹角，H是铁塔的高度。
7.一种基于顶部平面拟合的铁塔变形监测系统，其特征在于，包括：
获取模块，用于根据无人机点云数据确定目标铁塔点云数据；
处理模块，用于在所述目标铁塔点云数据中提取铁塔顶部点云数据集，根据所述铁塔顶部点云数据集生成平面模型集合信息；
检测模块，用于根据每个模型的内点个数在所述平面模型集合信息中选取最优平面模型，以根据所述最优平面模型确定铁塔倾斜值。
8.根据权利要求7所述基于顶部平面拟合的铁塔变形监测系统，其特征在于，所述处理模块具体用于：
在所述铁塔顶部点云数据集中随机抽取多个样本铁塔顶部点云数据；
将每个样本铁塔顶部点云数据进行平面拟合，得到平面模型集合信息。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于顶部平面拟合的铁塔变形监测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于顶部平面拟合的铁塔变形监测方法的步骤。
CN202011073126.3A 2020-10-09 2020-10-09 基于顶部平面拟合的铁塔变形监测方法及系统 Pending CN112325785A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011073126.3A CN112325785A (zh) 2020-10-09 2020-10-09 基于顶部平面拟合的铁塔变形监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011073126.3A CN112325785A (zh) 2020-10-09 2020-10-09 基于顶部平面拟合的铁塔变形监测方法及系统

Publications (1)

Publication Number Publication Date
CN112325785A true CN112325785A (zh) 2021-02-05

Family

ID=74314673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011073126.3A Pending CN112325785A (zh) 2020-10-09 2020-10-09 基于顶部平面拟合的铁塔变形监测方法及系统

Country Status (1)

Country Link
CN (1) CN112325785A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112697064A (zh) * 2021-03-24 2021-04-23 北京大成国测科技有限公司 基于视觉和激光雷达的轨道变形智能识别系统
CN113066120A (zh) * 2021-03-25 2021-07-02 涵涡智航科技(玉溪)有限公司 一种基于机器视觉的智能杆塔倾斜检测方法
CN114911235A (zh) * 2022-05-11 2022-08-16 深圳优地科技有限公司 一种机器人防跌落方法、机器人及存储介质
CN115937069A (zh) * 2022-03-24 2023-04-07 北京小米移动软件有限公司 零件检测方法、装置、电子设备及存储介质
CN116912805A (zh) * 2023-09-07 2023-10-20 山东博昂信息科技有限公司 一种基于无人清扫车的井盖异常智能检测识别方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105333861A (zh) * 2015-12-02 2016-02-17 中国测绘科学研究院 基于激光点云的杆塔倾斜检测的方法及装置
CN107607929A (zh) * 2017-09-20 2018-01-19 云南电网有限责任公司电力科学研究院 一种基于激光点云数据的测量杆塔倾斜角度的方法及装置
CN109507695A (zh) * 2018-12-29 2019-03-22 北京航空航天大学苏州创新研究院 一种基于gnss卫星信号的铁塔运行状态监控系统
CN110849322A (zh) * 2019-12-03 2020-02-28 国网湖北省电力有限公司电力科学研究院 一种输电线路塔基三维位移轨迹高精度监测方法
CN111521125A (zh) * 2020-03-27 2020-08-11 武汉地大信息工程股份有限公司 基于点云数据的检测铁塔形变的方法和系统
CN111521124A (zh) * 2020-03-27 2020-08-11 武汉地大信息工程股份有限公司 基于影像无人机的铁塔形变检测的方法和系统
CN111553881A (zh) * 2020-03-27 2020-08-18 武汉地大信息工程股份有限公司 基于三维点云识别的检测铁塔形变的方法和系统
CN111583174A (zh) * 2020-03-27 2020-08-25 武汉地大信息工程股份有限公司 基于点云数据的铁塔形变检测检测的方法和系统
CN211524293U (zh) * 2019-12-06 2020-09-18 陕西通陆电力工程有限公司 一种输变电线路铁塔
CN111695486A (zh) * 2020-06-08 2020-09-22 武汉中海庭数据技术有限公司 一种基于点云的高精度方向标志牌目标提取方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105333861A (zh) * 2015-12-02 2016-02-17 中国测绘科学研究院 基于激光点云的杆塔倾斜检测的方法及装置
CN107607929A (zh) * 2017-09-20 2018-01-19 云南电网有限责任公司电力科学研究院 一种基于激光点云数据的测量杆塔倾斜角度的方法及装置
CN109507695A (zh) * 2018-12-29 2019-03-22 北京航空航天大学苏州创新研究院 一种基于gnss卫星信号的铁塔运行状态监控系统
CN110849322A (zh) * 2019-12-03 2020-02-28 国网湖北省电力有限公司电力科学研究院 一种输电线路塔基三维位移轨迹高精度监测方法
CN211524293U (zh) * 2019-12-06 2020-09-18 陕西通陆电力工程有限公司 一种输变电线路铁塔
CN111521125A (zh) * 2020-03-27 2020-08-11 武汉地大信息工程股份有限公司 基于点云数据的检测铁塔形变的方法和系统
CN111521124A (zh) * 2020-03-27 2020-08-11 武汉地大信息工程股份有限公司 基于影像无人机的铁塔形变检测的方法和系统
CN111553881A (zh) * 2020-03-27 2020-08-18 武汉地大信息工程股份有限公司 基于三维点云识别的检测铁塔形变的方法和系统
CN111583174A (zh) * 2020-03-27 2020-08-25 武汉地大信息工程股份有限公司 基于点云数据的铁塔形变检测检测的方法和系统
CN111695486A (zh) * 2020-06-08 2020-09-22 武汉中海庭数据技术有限公司 一种基于点云的高精度方向标志牌目标提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
欧元汉等: "基于MVS点云的城市建筑三维重建方法", 《计算机工程与设计》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112697064A (zh) * 2021-03-24 2021-04-23 北京大成国测科技有限公司 基于视觉和激光雷达的轨道变形智能识别系统
CN112697064B (zh) * 2021-03-24 2021-06-18 北京大成国测科技有限公司 基于视觉和激光雷达的轨道变形智能识别系统
CN113066120A (zh) * 2021-03-25 2021-07-02 涵涡智航科技(玉溪)有限公司 一种基于机器视觉的智能杆塔倾斜检测方法
CN115937069A (zh) * 2022-03-24 2023-04-07 北京小米移动软件有限公司 零件检测方法、装置、电子设备及存储介质
CN115937069B (zh) * 2022-03-24 2023-09-19 北京小米移动软件有限公司 零件检测方法、装置、电子设备及存储介质
CN114911235A (zh) * 2022-05-11 2022-08-16 深圳优地科技有限公司 一种机器人防跌落方法、机器人及存储介质
CN116912805A (zh) * 2023-09-07 2023-10-20 山东博昂信息科技有限公司 一种基于无人清扫车的井盖异常智能检测识别方法及系统
CN116912805B (zh) * 2023-09-07 2024-02-02 山东博昂信息科技有限公司 一种基于无人清扫车的井盖异常智能检测识别方法及系统

Similar Documents

Publication Publication Date Title
CN112325785A (zh) 基于顶部平面拟合的铁塔变形监测方法及系统
Tan et al. Improved YOLOv5 network model and application in safety helmet detection
CN110148196B (zh) 一种图像处理方法、装置以及相关设备
WO2022100470A1 (en) Systems and methods for target detection
CN112344869B (zh) 基于侧面拟合的铁塔变形监测方法及系统
CN111813997B (zh) 入侵分析方法、装置、设备及存储介质
CN111126184B (zh) 一种基于无人机视频的震后建筑物损毁检测方法
CN112989995B (zh) 文本检测方法、装置及电子设备
CN111553881A (zh) 基于三维点云识别的检测铁塔形变的方法和系统
CN115809986A (zh) 一种多传感器融合的输电走廊智能外破检测方法
CN112115770A (zh) 一种用于架空线路无人机自主巡检缺陷识别的方法及系统
CN113869449A (zh) 一种模型训练、图像处理方法、装置、设备及存储介质
CN113762229B (zh) 一种建筑场地内建筑器材的智能识别方法及系统
WO2023109664A1 (zh) 监测方法和相关产品
CN116091822A (zh) 一种基于PointNet++的输电线路树障风险识别方法
CN116543322A (zh) 一种基于社区安全隐患的物业智能巡检方法
CN113033445B (zh) 基于航拍电力通道影像数据的交叉跨越识别方法
CN114445691A (zh) 模型训练方法、装置、电子设备及存储介质
CN111723688B (zh) 人体动作识别结果的评价方法、装置和电子设备
CN116091709B (zh) 建筑物的三维重建方法、装置、电子设备和存储介质
CN111583174B (zh) 基于点云数据的铁塔形变检测检测的方法和系统
CN116647032A (zh) 一种目标施工车辆的输电线路实时防护系统和方法
CN111521125B (zh) 基于点云数据的检测铁塔形变的方法和系统
CN115100546A (zh) 一种基于mobilenet的电力设备小目标缺陷识别方法及系统
CN117726239B (zh) 工程质量验收实测实量方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210205