CN112446884B - 一种激光点云中输电线的定位方法、装置及终端设备 - Google Patents
一种激光点云中输电线的定位方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112446884B CN112446884B CN202011359495.9A CN202011359495A CN112446884B CN 112446884 B CN112446884 B CN 112446884B CN 202011359495 A CN202011359495 A CN 202011359495A CN 112446884 B CN112446884 B CN 112446884B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- transmission line
- power transmission
- cloud image
- fitting
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241000239366 Euphausiacea Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Abstract
本发明公开了一种激光点云中输电线的定位方法、装置及终端设备,该方法包括:获取点云数据,对点云数据进行杆塔和输电线分离,得到输电线的点云数据;通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合后结果发送给后台服务器;后台服务器对点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。经过本发明检测处理后的输电线点云可以保障后续的拟合后点云图像识别定位精度。
Description
技术领域
本发明涉及输电线路技术领域,尤其涉及一种激光点云中输电线的定位方法、装置及终端设备。
背景技术
架空输电线路与树木之间的安全距离控制是电网安全运行重要技术,同时清理树障已成为运维单位保障电力设施安全运行的重要及高难度工作。
目前,输电线路走廊内的树木等高杆树种每年路造成的线路跳闸事件损失、清理树障消耗的人力物力和补偿费等,都对运维单位工作造成很大的影响。随着输电线巡检技术的快速发展,目前利用激光雷达对输电线路进行点云数据获取,实施输电线识别也得到了广泛的应用。
研究人员经过大量调研发现,现有的适用于输电线路杆塔的点云数据提取算法普遍存在着数据提取的准确度不高,例如公布号为CN107767389A、公布日为2018.3.6的中国专利:一种基于机载激光点云数据的输电线自动提取方法,该专利虽然对原始的点云数据进行了分离,但其没有对输电线点云数据进行数据检测,导致提取到的输电线点云数据准确度不高,不够可靠。
发明内容
有鉴于此,本发明提出一种激光点云中输电线的定位方法、装置及终端设备,经过本发明检测处理后的输电线点云数据可以保障后续的拟合后点云图像识别定位精度,使提取到的输电线点云数据准确度高和可靠。
本发明具体的技术方案如下:
一种激光点云中输电线的定位方法,包括如下操作步骤:
通过机载激光设备获取电力走廊通道的三维点云数据;
对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
后台服务器对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。
优选的,对三维点云数据进行杆塔和输电线分离,具体包括如下操作步骤:
通过最小二乘法对三维点云数据进行分割,得到输电线及杆塔的点云数据,之后提取出输电线的点云数据。
优选的,通过预设方法对输电线的点云数据实施曲线拟合处理,具体包括如下操作步骤:
将整个输电线在各杆塔处分离成段;
将各段输电线在竖直方向上分离成层;
将各层输电线在并排方向上分离成根,随后对每根线进行曲线拟合。
优选的,后台服务器对拟合后得到的点云图像进行检测,包括基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂。
优选的,基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂,具体包括如下操作步骤:
基于机器学习算法训练具有典型缺陷的严重线段断裂的输电线点云图像,确定典型缺陷拟合后的输电线的点云图像特征;
对当前输入的点云图像进行识别,如果当前的点云图像与典型缺陷拟合后的输电线的点云图像特征匹配成功,则判定当前的点云图像存在缺陷,且不符合预设条件。
优选的,如果当前的点云图像不符合预设条件,则重新对预设方法进行调整并进行二次识别处理,具体包括如下操作步骤:
还包括对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作。
优选的,对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作,具体包括如下操作步骤:
对当前的点云图像中具有典型缺陷的输电线出处进行位置确定,识别该处拟合后的点云密度值;
判断点云密度值是否低于最低拟合的点云密度阈值,如果低于,则判定该处为当前的点云图像中具有严重线段断裂的位置处。
优选的,杆塔的类型包括:猫头型输电线路杆塔、干字型输电线路杆塔、克里米亚型输电线路杆塔、门型输电线路杆塔、悬链型输电线路杆塔中的任意一个。
相应地,本发明还提供了一种激光点云中输电线的定位装置,包括点云数据获取模块、点云数据预处理模块、输电线拟合模块和拟合结果检测模块,其中;
点云数据获取模块,通过机载激光设备获取电力走廊通道的三维点云数据;
点云数据预处理模块,用于对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
输电线拟合模块,通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
后台服务器设有拟合结果检测模块,拟合结果检测模块对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。
本发明的还提出一种终端设备,包括:处理器和存储器,存储器存储有计算机程序,处理器用于执行计算机程序以实施根据权利要求1至8中任一项所述的定位方法。
本发明的技术方案具有如下有益效果:
本发明提出的激光点云中输电线的定位方法,其通过对点云数据进行杆塔和输电线分离,提取到输电线的点云数据,再通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合后结果发送给后台服务器,后台服务器对点云图像进行检测,判断点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整;如果符合预设条件,则将当前的点云图像进行存储处理。经过本发明检测处理后的输电线点云数据可以保障后续的拟合后点云图像识别定位精度,使提取到的输电线点云数据准确度高和可靠。
附图说明
图1为本发明的激光点云中输电线的定位方法的流程示意图;
图2为本发明的激光点云中输电线的定位装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
如图1所示,本实施例提出一种激光点云中输电线的定位方法,执行包括如下操作步骤:
步骤100:通过机载激光设备获取电力走廊通道的三维点云数据;
步骤200:对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
步骤300:通过预设方法对输电线点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
步骤400:后台服务器对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。
在激光雷达对电力系统进行巡线时,得到大量关于输电线、杆塔、地表植物、建筑物的三维离散点云;在实现不同对象的点云分类后,要进行点云实体化才能实现三维场景的重建和漫游。对于电力巡线系统,最关心的是输电线和杆塔的状况。由于两者是相连的,点云分类时一般将它们分为同一类,这就需要先实现杆塔和输电线的分离。分离出杆塔后,在相应的空间位置用杆塔模型代替杆塔点云;同时输电线点云则需要通过曲线拟合才能实现实体化。
在所述步骤200中,对三维点云数据进行杆塔和输电线分离,具体包括如下操作步骤:
通过最小二乘法对三维点云数据进行分割,得到输电线及杆塔的点云数据,之后提取出输电线的点云数据。
在步骤300中,通过预设方法对输电线的点云数据实施曲线拟合处理,具体包括如下操作步骤:
将整个输电线在各杆塔处分离成段;
将各段输电线在竖直方向上分离成层;
将各层输电线在并排方向上分离成根,随后对每根线进行曲线拟合。
在实施输电线点云实施曲线拟合时,在前述信息处理过程中已经完成了杆塔分离,将输电线在走向方向上以杆塔为界分段。对各段输电线,再沿其悬垂面的法线方向作正投影,对投影点进行迭代的鲁棒二次曲线拟合,每次迭代,舍弃离拟合线太远的点(视为属于另一层的点),经过若干次迭代,即可实现上下层之间的分离。对同层内的点,在俯视图中通过Hough变换得到输电线的走向,再根据输电线的条数以两邻线间的中心平行线为界进行点云分离,从而实现每根线的独立。对分离出来的各独立线进行二次曲线拟合,即可很好地逼近真实线。
在步骤400中,后台服务器对拟合后得到的点云图像进行检测,包括基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂。需要说明的是,利用上述机器学习算法是基于数据构建统计模型从而对拟合后的点云图像进行预测与分析,判断其是否存在严重线段断裂问题;一般来说,当前的点云图像可能存在严重线段断裂的典型缺陷,此时通过基于机器学习算法可以实施分析出来。
其中,基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂,具体包括如下操作步骤:
基于机器学习算法大量训练具有典型缺陷的严重线段断裂的输电线点云图像,确定典型缺陷拟合后的输电线的点云图像特征;
对当前输入的点云图像进行识别,如果当前的点云图像与典型缺陷拟合后输电线的点云图像特征匹配成功,则判定当前的点云图像存在缺陷,且不符合预设条件。
在步骤400中,预设条件指的是在后台服务器中事先设定的没有线段断裂的正常合格的点云图像,用于与输入的点云图像进行对比。
在步骤400中,如果当前的点云图像不符合预设条件,则重新对预设方法进行调整并进行二次识别处理,具体包括如下操作步骤:
还包括对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作。
对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作,具体包括如下操作步骤:
对当前的点云图像中具有典型缺陷的输电线出处进行位置确定,识别该处拟合后的点云密度值;
判断点云密度值是否低于最低拟合的点云密度阈值,如果低于,则判定该处确实为当前的点云图像中具有严重线段断裂的位置处。
后台服务器还将上述的具有典型缺陷的输电线出处进行标记,使得操作人员后续进行巡检工作。
需要说明的是,上述输电线路杆塔可以是酒杯型输电线路杆塔、猫头型输电线路杆塔、干字型输电线路杆塔、克里米亚型输电线路杆塔、上字型输电线路杆塔、单柱型输电线路杆塔、门型输电线路杆塔、悬链型输电线路杆塔。依据输电线路杆塔的不同形状,塔顶位置点的数量可以有一个或者多个。例如,对于单柱型杆塔,塔顶位置点的数量是一个。而对于干字型杆塔,塔顶位置点的数量是多个。
实施例2
如图2所示,本发明还提供了一种激光点云中输电线的定位装置,包括点云数据获取模块、点云数据预处理模块,输电线拟合模块和拟合结果检测模块,其中;
点云数据获取模块,通过机载激光设备获取电力走廊通道的三维点云数据;
点云数据预处理模块,用于对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
输电线拟合模块,通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
后台服务器设有拟合结果检测模块,拟合结果检测模块对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。
可以理解,上述的激光点云中输电线的定位装置对应于实施例1的激光点云中输电线的定位方法。实施例1中的任何可选项也适用于本实施例,这里不再详述。
本发明的又一实施例提出一种终端设备,包括:处理器和存储器,存储器存储有计算机程序,处理器用于执行计算机程序以实施上述的激光点云中输电线的定位方法。
存储器可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终端的使用所创建的数据等。此外,存储器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、或其他易失性固态存储器件。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种激光点云中输电线的定位方法,其特征在于,包括如下操作步骤:
通过机载激光设备获取电力走廊通道的三维点云数据;
对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
后台服务器对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理;
后台服务器对拟合后得到的点云图像进行检测,包括基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂;
基于机器学习算法对点云图像进行分析处理,判断当前的点云图像是否存在严重线段断裂,具体包括如下操作步骤:
基于机器学习算法训练具有典型缺陷的严重线段断裂的输电线点云图像,确定典型缺陷拟合后的输电线的点云图像特征;
对当前输入的点云图像进行识别,如果当前的点云图像与典型缺陷拟合后的输电线的点云图像特征匹配成功,则判定当前的点云图像存在缺陷,且不符合预设条件;
如果当前的点云图像不符合预设条件,则重新对预设方法进行调整并进行二次识别处理,具体包括如下操作步骤:
还包括对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作;
对当前的点云图像中具有典型缺陷的输电线出处进行输电线拟合不合格的二次识别处理操作,具体包括如下操作步骤:
对当前的点云图像中具有典型缺陷的输电线出处进行位置确定,识别该处拟合后的点云密度值;
判断点云密度值是否低于最低拟合的点云密度阈值,如果低于,则判定该处为当前的点云图像中具有严重线段断裂的位置处。
2.根据权利要求1所述的定位方法,其特征在于,对三维点云数据进行杆塔和输电线分离,具体包括如下操作步骤:
通过最小二乘法对三维点云数据进行分割,得到输电线及杆塔的点云数据,之后提取出输电线的点云数据。
3.根据权利要求1所述的定位方法,其特征在于,通过预设方法对输电线的点云数据实施曲线拟合处理,具体包括如下操作步骤:
将整个输电线在各杆塔处分离成段;
将各段输电线在竖直方向上分离成层;
将各层输电线在并排方向上分离成根,随后对每根线进行曲线拟合。
4.根据权利要求1所述的定位方法,其特征在于,杆塔的类型包括:猫头型输电线路杆塔、干字型输电线路杆塔、克里米亚型输电线路杆塔、门型输电线路杆塔、悬链型输电线路杆塔中的任意一个。
5.一种激光点云中输电线的定位装置,用于执行权利要求1至4任一项所述的激光点云中输电线的定位方法,其特征在于,包括点云数据获取模块、点云数据预处理模块、输电线拟合模块和拟合结果检测模块,其中:
点云数据获取模块,通过机载激光设备获取电力走廊通道的三维点云数据;
点云数据预处理模块,用于对三维点云数据进行杆塔和输电线分离,得到输电线的点云数据;
输电线拟合模块,通过预设方法对输电线的点云数据实施曲线拟合处理,将拟合得到的点云图像发送给后台服务器;
后台服务器设有拟合结果检测模块,拟合结果检测模块对拟合得到的点云图像进行检测,判断当前的点云图像是否符合预设条件,如果不符合预设条件,则重新对预设方法进行调整并进行二次识别处理;如果符合预设条件,则将当前的点云图像进行存储处理。
6.一种终端设备,其特征在于,包括:处理器和存储器,存储器存储有计算机程序,处理器用于执行计算机程序以实施根据权利要求1至4中任一项所述的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011359495.9A CN112446884B (zh) | 2020-11-27 | 2020-11-27 | 一种激光点云中输电线的定位方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011359495.9A CN112446884B (zh) | 2020-11-27 | 2020-11-27 | 一种激光点云中输电线的定位方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446884A CN112446884A (zh) | 2021-03-05 |
CN112446884B true CN112446884B (zh) | 2024-03-26 |
Family
ID=74737800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011359495.9A Active CN112446884B (zh) | 2020-11-27 | 2020-11-27 | 一种激光点云中输电线的定位方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446884B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129402B (zh) * | 2021-04-19 | 2024-01-30 | 中国航发沈阳发动机研究所 | 一种截面数据云图绘制方法 |
Citations (8)
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 |
CN109523501A (zh) * | 2018-04-28 | 2019-03-26 | 江苏理工学院 | 一种基于降维和点云数据匹配的电池外观缺陷检测方法 |
CN110046563A (zh) * | 2019-04-02 | 2019-07-23 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于无人机点云的输电线路断面高程修正方法 |
CN110675441A (zh) * | 2019-10-15 | 2020-01-10 | 国网河南省电力公司濮阳供电公司 | 基于激光点云的输电线路导地线建模提取方法 |
CN111062949A (zh) * | 2019-11-28 | 2020-04-24 | 国网冀北电力有限公司工程管理分公司 | 一种基于机载激光雷达的电力线点云提取方法 |
CN111179152A (zh) * | 2018-11-12 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 一种道路标识识别方法及装置、介质、终端 |
KR20200063340A (ko) * | 2018-11-22 | 2020-06-05 | 한국클라우드컴퓨팅연구조합 | 클라우드향 기계학습 기반의 품질 검사 방법 및 그 시스템 |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
-
2020
- 2020-11-27 CN CN202011359495.9A patent/CN112446884B/zh active Active
Patent Citations (8)
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 |
CN109523501A (zh) * | 2018-04-28 | 2019-03-26 | 江苏理工学院 | 一种基于降维和点云数据匹配的电池外观缺陷检测方法 |
CN111179152A (zh) * | 2018-11-12 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 一种道路标识识别方法及装置、介质、终端 |
KR20200063340A (ko) * | 2018-11-22 | 2020-06-05 | 한국클라우드컴퓨팅연구조합 | 클라우드향 기계학습 기반의 품질 검사 방법 및 그 시스템 |
CN110046563A (zh) * | 2019-04-02 | 2019-07-23 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于无人机点云的输电线路断面高程修正方法 |
CN110675441A (zh) * | 2019-10-15 | 2020-01-10 | 国网河南省电力公司濮阳供电公司 | 基于激光点云的输电线路导地线建模提取方法 |
CN111062949A (zh) * | 2019-11-28 | 2020-04-24 | 国网冀北电力有限公司工程管理分公司 | 一种基于机载激光雷达的电力线点云提取方法 |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
Non-Patent Citations (1)
Title |
---|
激光点云中输电线拟合与杆塔定位方法研究;游安清;韩晓言;李世平;闫召进;;计算机科学(第04期);第298-300页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112446884A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
US11544511B2 (en) | Method, apparatus, and electronic device for processing point cloud data, and computer readable storage medium | |
CN111784685A (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN110610483B (zh) | 裂纹图像获取、检测方法、计算机设备及可读存储介质 | |
CN110580475A (zh) | 基于无人机巡检的线路诊断方法、电子装置及存储介质 | |
CN108648169A (zh) | 高压输电塔绝缘子缺陷自动识别的方法及装置 | |
CN106529029B (zh) | 输电线路杆塔的点云数据提取方法及装置 | |
CN110910360B (zh) | 电网图像的定位方法和图像定位模型的训练方法 | |
CN112446884B (zh) | 一种激光点云中输电线的定位方法、装置及终端设备 | |
CN111046950A (zh) | 一种图像处理方法、装置、存储介质和电子装置 | |
CN112036450B (zh) | 一种基于迁移学习的高压电缆局放模式识别方法及系统 | |
CN111695506A (zh) | 一种输电线路风致异物短路故障预警方法及系统 | |
Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
CN115690081A (zh) | 一种树木计数方法、系统、存储介质、计算机设备及终端 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN111563886B (zh) | 基于非监督特征学习的隧道钢轨表面病害检测方法及装置 | |
CN113111728A (zh) | 面向变电站内电力生产作业风险的智能识别方法及系统 | |
CN116091481A (zh) | 一种小穗计数方法、装置、设备和存储介质 | |
CN110728229A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN116245838A (zh) | 一种岩土勘探行为的监测方法、监测装置、设备及介质 | |
CN115757369A (zh) | 一种激光点云数据的自动检查方法及系统 | |
CN112990350B (zh) | 目标检测网络训练方法及基于目标检测网络煤矸识别方法 | |
CN115619719A (zh) | 一种基于改进Yolo v3网络模型的松材线虫病疫木检测方法 | |
CN112558091A (zh) | 一种输电线对树空间距离的实时检测方法、装置及终端设备 | |
CN111476129A (zh) | 一种基于深度学习的土壤杂质检测方法 |
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 |