CN112580428A - 一种配电网设计方法及装置 - Google Patents

Abstract

本发明公开了一种配电网设计方法及装置。该方法包括：通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。本公开涉及的配电网设计方法及装置，能够减少配网竣工图与实际线路的不一致、减少设计重新勘察和提高线路建设转运维的资料准确度。

Description

一种配电网设计方法及装置

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种配电网设计方法及装置。

背景技术

目前配网存在着结构不合理、供电可靠性低、供电半径长和电源分布不合理等问题。严重限制了计划检修、迎峰度夏及故障复电等工作的开展。以往建设的城市线路主要采用架空线路，而架空线路的故障率相对较高，降低了城市供电的可靠性。而在过去的城市规划中，城市配网的电源布点不合理，供电半径过长所造成的线路损耗大、主变负载不均衡等问题，大大降低了配网运行的经济性。

由于现在的配网存在着以上种种不足，使得配网网架优化成为供电部门的当务之急要解决的问题，这对配网的设计工作带来新的要求和更高的设计标准。配网设计工作开始于现场测量，目前采用红外线测距仪、GPS/北斗辅助测量、滚轮、经纬仪等工具进行，具体做法根据线路长短和复杂程度的不同进行选择；在沿线测量的同时采用照相机拍摄现场的具体情况，包括现场突出好人的建筑物等地标性的参照物，以便准确将线程建筑物、道路名称等标志性参考点绘制到设计图上。根据现场收集的相关资料，进行项目的初步设计，绘制改造前的线路走向示意图、改造后的线路走向示意图、改造前电气接线图、改造后电气接线图、初步设计说明、材料清单；设计说明书则需要将本项目的设计依据、规模及范围、电网现状和规划情况、路径情况、导线、电气设备的选择、拆除、新建设施的工程量、地形、运距作详细的描述。

配网设计工作量巨大，虽然步骤规范，并且会辅助许多仪器仪表，但是在现场测量过程中还是存在大量的人为主观因素，应此会对设计结果产生不确定的影响。

因此，需要一种新的配电网设计方法及装置。

发明内容

有鉴于此，本公开提供一种配电网设计方法及装置，能够减少配网竣工图与实际线路的不一致、减少设计重新勘察和提高线路建设转运维的资料准确度。

根据本公开的一方面，提出一种配电网设计方法，该方法包括：通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

在本公开的一种示例性实施例中，还包括：通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型。

在本公开的一种示例性实施例中，通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型，包括：确定目标机器学习模型；将所述多个杆塔图片输入所述目标机器学习模型中；目标机器学习模型通过迁移学习训练的方式生成所述杆塔识别模型。

在本公开的一种示例性实施例中，还包括：对多个实际杆塔进行三维重建生成三维杆塔模型库。

在本公开的一种示例性实施例中，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据，包括：通过无人机获取配电网的地形图像；基于所述地形图像筛选出所述多个线路图像；确定所述多个线路图像的多个线路位置坐标；以及通过所述多个线路图像和所述多个线路位置坐标生成配电网区域的三维点云数据。

在本公开的一种示例性实施例中，确定所述多个线路图像的多个线路位置坐标，包括：获取线路图像；计算所述线路图像的视差值、深度信息；以及根据所述视差值、所述深度信息确定所述线路位置坐标。

在本公开的一种示例性实施例中，将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，包括：将所述三维点云数据输入杆塔识别模型中，输出多个带有杆塔的图像及杆塔类型；基于所述多个带有杆塔的图像确定杆塔位置；以及通过所述杆塔类型和所述杆塔位置生成杆塔信息。

在本公开的一种示例性实施例中，根据所述多个杆塔确定多个杆塔三维模型，包括：通过所述多个杆塔信息和所述三维杆塔模型库确定所述多个杆塔三维模型。

在本公开的一种示例性实施例中，基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计，包括：基于所述配电网区域的三维点云数据生成虚拟配电网区域场景；基于所述杆塔位置将所述多个杆塔三维模型展示在所述虚拟配电网区域场景中；基于所述虚拟配电网区域场景进行配电网设计。

根据本公开的一方面，提出一种配电网设计装置，该装置包括：点云数据模块，用于通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；杆塔识别模块，用于将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；杆塔模型模块，应用根据所述多个杆塔信息确定多个杆塔三维模型；以及电网设计模块，用于基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

根据本公开的配电网设计方法及装置，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计的方式，能够减少配网竣工图与实际线路的不一致、减少设计重新勘察和提高线路建设转运维的资料准确度。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种配电网设计方法及装置的系统框图。

图2是根据一示例性实施例示出的一种配电网设计方法的流程图。

图3是根据另一示例性实施例示出的一种配电网设计方法的流程图。

图4是根据另一示例性实施例示出的一种配电网设计方法的流程图。

图5是根据一示例性实施例示出的一种配电网设计装置的框图。

图6是根据一示例性实施例示出的一种电子设备的框图。

图7是根据一示例性实施例示出的一种计算机可读介质的框图。

具体实施方式

现在将参考附图更全面地描述示例实施例。

图1是根据一示例性实施例示出的一种配电网设计方法及装置的系统框图。

如图1所示，系统架构100可以包括无人机设备101、102、103，网络104和服务器105。网络104用以在无人机设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用无人机设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。无人机设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

无人机设备101、102、103可以是具有各种型号的无人机，无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。无人机实际上是无人驾驶飞行器的统称，从技术角度定义可以分为：无人固定翼飞机、无人垂直起降飞机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等。

服务器105可以是提供各种服务的服务器，例如对无人机设备101、102、103所拍摄的视频或图片进行处理的后台管理服务器。后台管理服务器可以对视频或图片数据进行分析等处理，并将处理结果(配电网设计)反馈给管理员。

服务器105可例如通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；服务器105可例如将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；服务器105可例如根据所述多个杆塔信息确定多个杆塔三维模型；服务器105可例如基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

服务器105还可例如通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型。

服务器105还可例如对多个实际杆塔进行三维重建生成三维杆塔模型库。

服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的配电网设计方法可以由服务器105执行，相应地，配电网设计装置可以设置于服务器105中。

图2是根据一示例性实施例示出的一种配电网设计方法的流程图。配电网设计方法20至少包括步骤S202至S208。

如图2所示，在S202中，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据。包括：通过无人机获取配电网的地形图像；基于所述地形图像筛选出所述多个线路图像；确定所述多个线路图像的多个线路位置坐标；以及通过所述多个线路图像和所述多个线路位置坐标生成配电网区域的三维点云数据。

基于无人机的三维重建技术，所获得的航拍数据往往存在有不少问题，如畸变、噪声等，因此图像预处理阶段主要是对图像进行筛选、去噪、校准的一个过程。完成预处理后需要通过基于点云数据的重建三维模型。

在S204中，将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置。包括：将所述三维点云数据输入杆塔识别模型中，输出多个带有杆塔的图像及杆塔类型；基于所述多个带有杆塔的图像确定杆塔位置；以及通过所述杆塔类型和所述杆塔位置生成杆塔信息。

通用的物体检测和识别技术，根据不同的思路可以分为两种：一种是从分类和检测的角度出发，通过机器学习算法训练得到某一类对象的一般性特征，从而生成数据模型。另外一种识别是从图像匹配的角度出发，数据库中保存了图像的特征以及对应的标注信息，在实际使用过程中，通过图像匹配的方法找到最相关的图像，从而定位环境中的目标，进一步得到识别图像和目标图像的精确位置，这种识别适用于需要对环境进行精确跟踪的应用场景。

跟踪定位技术跟踪技术的方法可以分为基于硬件和基于视觉两大类。基于硬件设备的三维跟踪定位方法在实现跟踪定位的过程中使用了一些特殊的测量仪器或设备。常用的设备包括机械式跟踪器、电磁式跟踪器、超声波跟踪器、惯性跟踪器以及光学跟踪等。光学跟踪和惯性跟踪是比较常用的两种硬件跟踪方式，HTC Vive就是采用了光学跟踪和惯性跟踪两种硬件来定位头部的位置。使用硬件设备构成的跟踪系统大多是开环系统，跟踪精确取决于硬件设备自身的性能，其算法的扩展性要差一些，且成本相对较高。HTC Vive采用光学和惯性跟踪设备视觉跟踪方法具备更强的扩展性，其系统多为闭环系统，更依赖于优化算法来解决跟踪精度问题。相比于上述基于硬件设备的跟踪方法，计算机视觉跟踪方法提供了一种非接触式的、精确的、低成本的解决方法，但是基于视觉的方法受限于图像本身，噪声、尺度、旋转、光照、姿态变化等因素都会对跟踪精度造成较大的影响，因此更好地处理这些影响因素，研发鲁棒性强的算法就成为下一步AR技术的研究重点。根据数据的生成方式，视觉跟踪技术的算法可以分为两种，一种是基于模板匹配的方式，预先对需要跟踪的target进行训练，在跟踪阶段通过不断的跟预存训练数据进行比对解算当前的位姿。这类方法的好处是速度较快、数据量小、系统简单，适用于一些特定的场景，但不适用于大范围的场景。

本公开实施例可通过SLAM方法，也就是即时定位和地图构建技术获取塔杆图像并进行识别。这类技术不需要预存场景信息，而是在运行阶段完成对于场景的构建以及跟踪。其优点是不需要预存场景，可以跟踪较大范围，适用面广，在跟踪的同时也可以完成对于场景结构的重建。但目前这类技术计算速度慢、数据量大、算法复杂度高，对于系统的要求也较高。Hololens和Magic Leap的宣传视频中都展现了这方面技术。SLAM跟踪技术为了弥补不同跟踪技术的缺点，许多研究者采用硬件和视觉混合跟踪的方法来取长补短，以满足增强现实系统高精度跟踪定位的要求。传感器标定技术

在S206中，根据所述多个杆塔信息确定多个杆塔三维模型。根据所述多个杆塔确定多个杆塔三维模型，包括：通过所述多个杆塔信息和所述三维杆塔模型库确定所述多个杆塔三维模型。

在一个实施例中，还包括：对多个实际杆塔进行三维重建生成三维杆塔模型库。

三维重建技术的算法需要消耗大量的计算资源，如果单一采用CPU进行大三维场景重建需要耗费大量的计算资源和时间，本公开在三维重建的过程中通过Nvidia公司开发的CUDA技术对三维场景重建进行并行加速，对于整体算法的约有20倍或以上的提升效果，这样对于配网线路走廊的三维重建工作才有了经济上的可行性。

在S208中，基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。包括：基于所述配电网区域的三维点云数据生成虚拟配电网区域场景；基于所述杆塔位置将所述多个杆塔三维模型展示在所述虚拟配电网区域场景中；基于所述虚拟配电网区域场景进行配电网设计。

混合现实技术(Mix Reality,MR)是一种介于虚拟场景和现实场景之间的形态，包括了增强现实和增强虚拟，是指合并现实和虚拟而产生的新的可视化环境。在新的可视化环境里物理和数字对象共存，并实时互动。基于混合现实技术的配网工程人工智能设计技术的应用，将为设计人员带来极大的效率提升和设计精度提升，将会节约大量的人力资源成本和时间。

根据本公开的配电网设计方法，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计的方式，能够减少配网竣工图与实际线路的不一致、减少设计重新勘察和提高线路建设转运维的资料准确度。

图3是根据另一示例性实施例示出的一种配电网设计方法的流程图。图3所示的流程是对图2所示的流程中S204“通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据”的详细描述。

如图3所示，在S302中，通过无人机获取配电网的地形图像。无人机地形数据拍摄需要研究如何调整无人机的拍摄参数，拍摄轨迹以及拍摄方式，才能满足之后混合现实中三维场景重现和人工智能设计的需求。

在S304中，基于所述地形图像筛选出所述多个线路图像。因为测量的局限性，如成像精度或环境影响，算法生成的三维点云会有大量的噪声点，有较多的冗余点，直接用这些数据进行后续三维重建是不会有良好的重建效果，因此对采集得到三维点云数据要进行去噪、配准、简化、细分等一些处理操作后再进行重建，其中还可例如对于三维点云数据的配准以及精简工作。

在S306中，计算所述线路图像的视差值、深度信息。

在S308中，根据所述视差值、所述深度信息确定所述线路位置坐标。由于图像分析法主要是针对多幅图像进行分析，这些图像一般是对被测场景进行多次曝光的拍摄方法或者是将被测场景在多个视角下进行拍摄，然后利用这些略有不同的图像来分析，根据选取的某一特征点在拍摄得到的多幅图像中它的位置、亮度或者其他信息的不同，来计算视差值，深度信息，进而得到这个特征点在给定坐标系中的一个位置坐标。

在S310中，通过所述多个线路图像和所述多个线路位置坐标生成配电网区域的三维点云数据。

将三维实体使用一系列的三维空间点来表示，对于这种点云数据的获取，主要通过激光扫描或相关算法对二维图像分析得到，一般激光扫描技术用于室内或者小型物体，对于长达几千米的线路走廊地形场景来说，会采用算法分析的方法构建稀疏点云。

所谓稀疏点云，其来源即为特征点，而特征点即为图像中一些特征明显、便于检测、匹配的点，如建筑物的角、边缘点等。特征点的检测是整个三维重建过程中最为基础、根本的一步，其检测效果的好坏对最后的结果有很大的影响，现在常用的检测算法有SIFT、SURF等。在检测出每张图片所有的特征点后，就需要对对应的特征点进行匹配，在这个匹配的过程中，需要完成相机的标定，完成这一步的意义在于在后面能够通过标定的结果，将图像中二维数据点反推出其三维位置，由此就能将所有的二维特征点反推至三维空间，形成稀疏点云。这一步所使用的技术主要为SFM(Structure from motion)。下一步是通过基于面片的三维立体重建算法(Patch-Based Multi-View Stereo Software，PMVS)形成密集点云，密集点云的轮廓和特征都有了明显的改善，基本可以识别。

稠密点云虽然能够更加形象地还原出实物面貌，但是其仍只是大量孤立的三维空间的集合而已，要想实现真正的实物三维化，那就必须要对其进行表面重建，这里首先需要使用Delaunay三角化的相关概念和原理，然后使用Power Crust算法，这个算法较为复杂，需要多花点时间。在对点云数据进行表面重建之后，实物的轮廓、形状已经清晰可见，但是还需最后一步，即纹理映射，纹理映射的作用是使得重建的3D模型更接近实物，具有实物的颜色、纹理以及细节特点。

图4是根据另一示例性实施例示出的一种配电网设计方法的流程图。图4所示的流程是对“通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型”的详细描述。

如图4所示，在S402中，确定目标机器学习模型。

在S404中，将所述多个杆塔图片输入所述目标机器学习模型中。

在S406中，目标机器学习模型通过迁移学习训练的方式生成所述杆塔识别模型。

迁移学习是一种机器学习方法，就是把为任务A开发的模型作为初始点，重新使用在为任务B开发模型的过程中。更具体的，本公开可通过如下方式进行迁移学习以获取杆塔识别模型。

确定目标机器学习模型。确定一个具有丰富数据的相关的预测建模问题，原任务和目标任务的输入数据、输出数据以及从输入数据和输出数据之间的映射中学到的概念之间有某种关系，

开发源模型。然后，为第一个任务开发一个精巧的模型。这个模型一定要比普通的模型更好，以保证一些特征学习可以被执行。

重用模型。然后，适用于源任务的模型可以被作为目标任务的学习起点。这可能将会涉及到全部或者部分使用第一个模型，这依赖于所用的建模技术。

调整模型。模型可以在目标数据集中的输入、输出对上选择性地进行微调，以让它适应目标任务。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图5是根据一示例性实施例示出的一种配电网设计装置的框图。配电网设计装置50包括：点云数据模块502，杆塔识别模块504，杆塔模型模块506，电网设计模块508。

点云数据模块502用于通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；包括：通过无人机获取配电网的地形图像；基于所述地形图像筛选出所述多个线路图像；确定所述多个线路图像的多个线路位置坐标；以及通过所述多个线路图像和所述多个线路位置坐标生成配电网区域的三维点云数据。

杆塔识别模块504用于将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；包括：将所述三维点云数据输入杆塔识别模型中，输出多个带有杆塔的图像及杆塔类型；基于所述多个带有杆塔的图像确定杆塔位置；以及通过所述杆塔类型和所述杆塔位置生成杆塔信息。

杆塔模型模块506用于根据所述多个杆塔信息确定多个杆塔三维模型；包括：通过所述多个杆塔信息和所述三维杆塔模型库确定所述多个杆塔三维模型。

电网设计模块508用于基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。包括：基于所述配电网区域的三维点云数据生成虚拟配电网区域场景；基于所述杆塔位置将所述多个杆塔三维模型展示在所述虚拟配电网区域场景中；基于所述虚拟配电网区域场景进行配电网设计。

根据本公开的配电网设计装置，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计的方式，能够减少配网竣工图与实际线路的不一致、减少设计重新勘察和提高线路建设转运维的资料准确度。

图6是根据一示例性实施例示出的一种电子设备的框图。

下面参照图6来描述根据本公开的这种实施方式的电子设备200。图6显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2中所示的步骤。

所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。

所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图7所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；根据所述多个杆塔信息确定多个杆塔三维模型；以及基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种配电网设计方法，其特征在于，包括：

通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；

将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；

根据所述多个杆塔信息确定多个杆塔三维模型；以及

基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

2.如权利要求1所述的方法，其特征在于，还包括：

通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型。

3.如权利要求2所述的方法，其特征在于，通过多个杆塔图片对机器学习模型进行训练以生成所述杆塔识别模型，包括：

确定目标机器学习模型；

将所述多个杆塔图片输入所述目标机器学习模型中；

目标机器学习模型通过迁移学习训练的方式生成所述杆塔识别模型。

4.如权利要求1所述的方法，其特征在于，还包括：

对多个实际杆塔进行三维重建生成三维杆塔模型库。

5.如权利要求1所述的方法，其特征在于，通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据，包括：

通过无人机获取配电网的地形图像；

基于所述地形图像筛选出所述多个线路图像；

确定所述多个线路图像的多个线路位置坐标；以及

通过所述多个线路图像和所述多个线路位置坐标生成配电网区域的三维点云数据。

6.如权利要求5所述的方法，其特征在于，确定所述多个线路图像的多个线路位置坐标，包括：

获取线路图像；

计算所述线路图像的视差值、深度信息；以及

根据所述视差值、所述深度信息确定所述线路位置坐标。

7.如权利要求1所述的方法，其特征在于，将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，包括：

将所述三维点云数据输入杆塔识别模型中，输出多个带有杆塔的图像及杆塔类型；

基于所述多个带有杆塔的图像确定杆塔位置；以及

通过所述杆塔类型和所述杆塔位置生成杆塔信息。

8.如权利要求4所述的方法，其特征在于，根据所述多个杆塔确定多个杆塔三维模型，包括：

通过所述多个杆塔信息和所述三维杆塔模型库确定所述多个杆塔三维模型。

9.如权利要求1所述的方法，其特征在于，基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计，包括：

基于所述配电网区域的三维点云数据生成虚拟配电网区域场景；

基于所述杆塔位置将所述多个杆塔三维模型展示在所述虚拟配电网区域场景中；

基于所述虚拟配电网区域场景进行配电网设计。

10.一种配电网设计装置，其特征在于，包括：

点云数据模块，用于通过配电网的多个线路图像及其对应的多个线路位置坐标生成配电网区域的三维点云数据；

杆塔识别模块，用于将所述三维点云数据输入杆塔识别模型中，输出多个杆塔信息，其中，杆塔信息包括杆塔位置；

杆塔模型模块，用于根据所述多个杆塔信息确定多个杆塔三维模型；以及

电网设计模块，用于基于所述配电网区域的三维点云数据、所述多个杆塔三维模型和杆塔位置进行配电网设计。

Images