CN112711987B - 双激光雷达电力杆塔三维点云增强系统及方法 - Google Patents
双激光雷达电力杆塔三维点云增强系统及方法 Download PDFInfo
- Publication number
- CN112711987B CN112711987B CN202011460289.7A CN202011460289A CN112711987B CN 112711987 B CN112711987 B CN 112711987B CN 202011460289 A CN202011460289 A CN 202011460289A CN 112711987 B CN112711987 B CN 112711987B
- Authority
- CN
- China
- Prior art keywords
- tower
- point cloud
- laser
- double
- head
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000002131 composite material Substances 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06V10/40—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
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种双激光雷达电力杆塔三维点云增强系统，它的杆塔点云分割模块获取各个杆塔的双激光头复合点云数据；点云配准模块将双激光头复合点云数据中两个激光头点云变换到同一坐标系中；特征面提取模块获取对应的塔头和塔身特征平面；特征面配准模块使用迭代最近点算法对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准。本发明将双激光雷达电力杆塔点云进行高精度融合，实现点云增强，解决了现有无人机激光雷达扫描误差大的问题，在电网线路检修、公共安全管理、防灾减灾等领域具有广阔的应用前景。
Description
技术领域
本发明涉及通信及电力设备技术领域，具体地指一种双激光雷达电力杆塔三维点云增强系统及方法。
背景技术
近年来，无人机巡检已成为国网系统内大力推广的线路巡检方式，显著提升了线路巡检效率和准确度，而随着三维测量技术的发展，激光雷达可快速扫描被测物体，建立详细准确的三维点云模型，并提供精确的定量分析，为输电线路走廊电力杆塔状态测量提供了一种机动灵活的方式。但是现有的无人机激光雷达扫描主要是针对输电通道环境扫描，缺少协调控制，存在分米级动态误差，难以直接用于杆塔测量。
发明内容
本发明的目的就是要提供一种双激光雷达电力杆塔三维点云增强系统及方法，本发明根据双激光雷达同步观测同一电力杆塔的微小角度偏差，计算重复观测点云的旋转偏移参数，进行粗匹配与无效点云校正，再根据杆塔点云特征面使用匹配算法进行配准参数计算，最后使用配准参数进行精配准，完成双激光雷达所获取的电力杆塔三维点云数据的高精度融合与增强。
为实现此目的，本发明所设计的双激光雷达电力杆塔三维点云增强系统，包括杆塔点云分割模块、点云配准模块、特征面提取模块和特征面配准模块，其中，杆塔点云分割模块用于对电力杆塔线路双激光头复合点云数据进行分割获取各个杆塔的双激光头复合点云数据；
点云配准模块用于根据无人机定位定姿轨迹数据与双激光雷达中两个激光头之间的位置和姿态关系计算各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数，并根据旋转偏移参数将双激光头复合点云数据中两个激光头点云变换到同一坐标系中，形成初步配准后的各个杆塔点云数据；
特征面提取模块用于统计初步配准后各个杆塔点云数据的高程从而生成各个杆塔的点云高程直方图，根据各个杆塔的点云高程直方图获取对应的塔头和塔身特征平面；
特征面配准模块用于根据杆塔模型数据库中塔头特征平面对待匹配杆塔的塔头特征平面进行匹配，确定杆塔类型；使用杆塔模型数据库中该类型杆塔的塔身特征平面对待匹配杆塔的塔身特征平面进行匹配，获取待匹配杆塔的双激光头复合塔身特征平面中心，使用迭代最近点算法对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准，使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
本发明的有益效果：
本发明实现对来自两个激光雷达传感器获取的杆塔点云自动融合，增强点云质量，为杆塔精细结构识别和精准测量提供高质量点云数据
本发明利用两个激光雷达传感器获取高质量的杆塔点云数据，可提高无人机激光雷达电力巡线效率和准确度，降低了巡检费用以及工作人员的工作量和风险，实现具有工程实践意义上的无人机杆塔电力巡线，降低重大电网安全稳定运行风险，提升输电线路运行可靠性。
本发明将双激光雷达电力杆塔点云进行高精度融合，实现点云增强，解决了现有无人机激光雷达扫描误差大的问题，在电网线路检修、公共安全管理、防灾减灾等领域具有广阔的应用前景。
附图说明
图1为本发明的结构示意图；
图2为本发明的流程图。
其中，1—杆塔点云分割模块、2—点云配准模块、3—特征面提取模块、4—特征面配准模块。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
如图1所示一种双激光雷达电力杆塔三维点云增强系统，包括杆塔点云分割模块1、点云配准模块2、特征面提取模块3和特征面配准模块4，其中，杆塔点云分割模块1用于对电力杆塔线路双激光头复合点云数据进行分割获取各个杆塔的双激光头复合点云数据；
点云配准模块2用于根据无人机定位定姿轨迹数据(由位置姿态系统POS提供)与双激光雷达中两个激光头之间的位置和姿态关系计算各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数，并根据旋转偏移参数将双激光头复合点云数据中两个激光头点云变换到同一坐标系中，形成初步配准后的各个杆塔点云数据；
特征面提取模块3用于统计初步配准后各个杆塔点云数据的高程从而生成各个杆塔的点云高程直方图，根据各个杆塔的点云高程直方图获取对应的塔头和塔身特征平面；
特征面配准模块4用于根据杆塔模型数据库中塔头特征平面对待匹配杆塔的塔头特征平面进行匹配，确定杆塔类型；使用杆塔模型数据库中该类型杆塔的塔身特征平面对待匹配杆塔的塔身特征平面进行匹配，获取待匹配杆塔的双激光头复合塔身特征平面中心，使用迭代最近点算法(ICP，Iterative Closest Point)对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准，使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
上述技术方案中，所述杆塔点云分割模块1用于寻找电力杆塔线路双激光头复合点云数据的局部高程最大值，将局部高程最大值作为塔尖，分割出各个杆塔的双激光头复合点云数据。
上述技术方案中，所述杆塔点云分割模块1还用于对电力杆塔线路双激光头复合点云数据进行滤波处理，通过滤波去除电力杆塔点云中地面点云、植被点云和电力线点云,去除噪声。
上述技术方案中，所述电力杆塔线路点云数据由机载的双激光头激光雷达中两个激光头重复拍摄获取。
上述技术方案中，所述特征面提取模块3用于根据各个杆塔的点云高程直方图获得各个杆塔的点云高程直方图中塔头和塔身对应的特征高程，再根据塔头和塔身对应的特征高程获取对应的塔头和塔身特征平面。
上述技术方案中，所述特征面提取模块3用于提取各个杆塔点云高程直方图中的局部极值，然后通过相邻两个特征高程之间间隔大于预设阈值的约束条件，剔除非特征高程的极值，从而获得各个杆塔的点云高程直方图中塔头和塔身对应的特征高程。
上述技术方案中，所述特征面配准模块4用于使用迭代最近点算法计算待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心之间的偏移旋转参数，通过该偏移旋转参数使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
上述技术方案中，所述各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数为双激光头激光雷达中两个激光头获取的杆塔点云数据在x，y，z方向(横向,纵向,竖向)上的偏差以及俯仰角，偏航角，翻滚角。
本发明根据杆塔巡检的实际需求开展无人机飞行平台与激光雷达的选型工作。无人机需配备有IMU(惯性测量单元)和GNSS(全球卫星导航系统)模块，配合软件解析余度实现冗余导航系统。模块安装进行避震设计处理，数据更精确，保证稳定可靠的飞行表现和精准操控；为了增加点云密度，提高杆塔测量精度，本发明采用双激光头集成方案，拟选用国产轻量化16线激光雷达，通过采用新材料，大大降低重量，能够对周围环境进行三维扫描探测，单个激光雷达传感器要求测距精度在2cm，测程200m。本发明采用高精度的时间芯片建立统一的时间系统，进一步通过GPS/北斗的秒脉冲进行精确时间校准，进而为惯导、激光雷达及其他传感器进行授时，实现高精度同步控制。
无人机系统完成原始数据采集后，进行预处理，人工框选单个电力塔点云，粗略剔除部分杂点；之后通过设置高程阈值剔除聚集在塔底附近的地面点和植被点，根据距离电力塔平面中心的距离剔除离中心较远的塔身附近的电力线(跳线)点云；而塔头上分布较为复杂的电力线对塔头点云模型影响不大，无需剔除。
一种利用上述系统的双激光雷达电力杆塔三维点云增强方法，如图2所示，它包括如下步骤：
步骤1：杆塔点云分割模块1对电力杆塔线路双激光头复合点云数据进行分割获取各个杆塔的双激光头复合点云数据；
步骤2：点云配准模块2根据无人机定位定姿轨迹数据与双激光雷达中两个激光头之间的位置和姿态关系计算各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数，并根据旋转偏移参数将双激光头复合点云数据中两个激光头点云变换到同一坐标系中，形成初步配准后的各个杆塔点云数据；
步骤3：特征面提取模块3统计初步配准后各个杆塔点云数据的高程从而生成各个杆塔的点云高程直方图，根据各个杆塔的点云高程直方图获取对应的塔头和塔身特征平面；
步骤4：特征面配准模块4根据杆塔模型数据库中塔头特征平面对待匹配杆塔的塔头特征平面进行匹配，确定杆塔类型；使用杆塔模型数据库中该类型杆塔的塔身特征平面对待匹配杆塔的塔身特征平面进行匹配，获取待匹配杆塔的双激光头复合塔身特征平面中心，使用迭代最近点算法对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准，使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置，形成精确配准后的待匹配杆塔点云数据，实现双激光头获取的电力杆塔三维点云数据进行高精度融合，实现点云增强。
上述技术方案的步骤1中，杆塔点云分割模块1对电力杆塔线路双激光头复合点云数据进行滤波处理，通过滤波去除电力杆塔点云中地面点云、植被点云和电力线点云。
本发明使用双激光雷达重复观测电力杆塔增强三维点云可以很好解决上述问题。双激光雷达对同一杆塔目标进行同步观测所获取的重复观测点云数据存在微小角度偏移，可以据此计算点云的旋转偏移参数，对点云数据进行互补，校正无效点云数据；校正后的重复观测点云数据可以通过进一步的配准拼接，完成高精度融合，实现稀疏点云数据的高分辨率精化。使用双激光雷达同步观测电力杆塔，对重复观测点云数据互补校正，融合，可以有效提高点云数据质量，降低测量误差，为杆塔精细结构识别和精准测量提供高质量点云数据；提高巡线效率，降低巡检费用，降低重大电网安全稳定运行风险，提升输电线路运行可靠性；在电网线路检修、公共安全管理、防灾减灾等领域具有广阔的应用前景。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请可采用在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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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可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载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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种双激光雷达电力杆塔三维点云增强系统，其特征在于：包括杆塔点云分割模块(1)、点云配准模块(2)、特征面提取模块(3)和特征面配准模块(4)，其中，杆塔点云分割模块(1)用于对电力杆塔线路双激光头复合点云数据进行分割获取各个杆塔的双激光头复合点云数据；
点云配准模块(2)用于根据无人机定位定姿轨迹数据与双激光雷达中两个激光头之间的位置和姿态关系计算各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数，并根据旋转偏移参数将双激光头复合点云数据中两个激光头点云变换到同一坐标系中，形成初步配准后的各个杆塔点云数据；
特征面提取模块(3)用于统计初步配准后各个杆塔点云数据的高程从而生成各个杆塔的点云高程直方图，根据各个杆塔的点云高程直方图获取对应的塔头和塔身特征平面；
特征面配准模块(4)用于根据杆塔模型数据库中塔头特征平面对待匹配杆塔的塔头特征平面进行匹配，确定杆塔类型；使用杆塔模型数据库中该类型杆塔的塔身特征平面对待匹配杆塔的塔身特征平面进行匹配，获取待匹配杆塔的双激光头复合塔身特征平面中心，对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准，使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
2.根据权利要求1所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述杆塔点云分割模块(1)用于寻找电力杆塔线路双激光头复合点云数据的局部高程最大值，将局部高程最大值作为塔尖，分割出各个杆塔的双激光头复合点云数据。
3.根据权利要求1所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述杆塔点云分割模块(1)还用于对电力杆塔线路双激光头复合点云数据进行滤波处理，通过滤波去除电力杆塔点云中地面点云、植被点云和电力线点云。
4.根据权利要求1或2所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述电力杆塔线路点云数据由机载的双激光头激光雷达中两个激光头重复拍摄获取。
5.根据权利要求1所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述特征面提取模块(3)用于根据各个杆塔的点云高程直方图获得各个杆塔的点云高程直方图中塔头和塔身对应的特征高程，再根据塔头和塔身对应的特征高程获取对应的塔头和塔身特征平面。
6.根据权利要求5所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述特征面提取模块(3)用于提取各个杆塔点云高程直方图中的局部极值，然后通过相邻两个特征高程之间间隔大于预设阈值的约束条件，剔除非特征高程的极值，从而获得各个杆塔的点云高程直方图中塔头和塔身对应的特征高程。
7.根据权利要求1所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述特征面配准模块(4)用于使用迭代最近点算法计算待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心之间的偏移旋转参数，通过该偏移旋转参数使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
8.根据权利要求1所述的双激光雷达电力杆塔三维点云增强系统，其特征在于：所述各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数为双激光头激光雷达中两个激光头获取的杆塔点云数据在x，y，z方向上的偏差以及俯仰角，偏航角，翻滚角。
9.一种利用权利要求1所述系统的双激光雷达电力杆塔三维点云增强方法，其特征在于，它包括如下步骤：
步骤1：杆塔点云分割模块(1)对电力杆塔线路双激光头复合点云数据进行分割获取各个杆塔的双激光头复合点云数据；
步骤2：点云配准模块(2)根据无人机定位定姿轨迹数据与双激光雷达中两个激光头之间的位置和姿态关系计算各个杆塔的双激光头复合点云数据中两个激光头点云相互的旋转偏移参数，并根据旋转偏移参数将双激光头复合点云数据中两个激光头点云变换到同一坐标系中，形成初步配准后的各个杆塔点云数据；
步骤3：特征面提取模块(3)统计初步配准后各个杆塔点云数据的高程从而生成各个杆塔的点云高程直方图，根据各个杆塔的点云高程直方图获取对应的塔头和塔身特征平面；
步骤4：特征面配准模块(4)根据杆塔模型数据库中塔头特征平面对待匹配杆塔的塔头特征平面进行匹配，确定杆塔类型；使用杆塔模型数据库中该类型杆塔的塔身特征平面对待匹配杆塔的塔身特征平面进行匹配，获取待匹配杆塔的双激光头复合塔身特征平面中心，对待匹配杆塔的双激光头复合塔身特征平面中心进行精确配准，使待匹配杆塔中两个激光头拍摄的对应塔身特征平面中心处于同一位置。
10.根据权利要求9所述的双激光雷达电力杆塔三维点云增强方法，其特征在于：所述步骤1中，杆塔点云分割模块(1)对电力杆塔线路双激光头复合点云数据进行滤波处理，通过滤波去除电力杆塔点云中地面点云、植被点云和电力线点云。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011460289.7A CN112711987B (zh) | 2020-12-11 | 2020-12-11 | 双激光雷达电力杆塔三维点云增强系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011460289.7A CN112711987B (zh) | 2020-12-11 | 2020-12-11 | 双激光雷达电力杆塔三维点云增强系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711987A CN112711987A (zh) | 2021-04-27 |
| CN112711987B true CN112711987B (zh) | 2022-04-29 |
Family
ID=75541771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011460289.7A Active CN112711987B (zh) | 2020-12-11 | 2020-12-11 | 双激光雷达电力杆塔三维点云增强系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711987B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113504543B (zh) * | 2021-06-16 | 2022-11-01 | 国网山西省电力公司电力科学研究院 | 无人机LiDAR系统定位定姿系统及方法 |
| CN113554595B (zh) * | 2021-06-21 | 2022-11-25 | 国网山西省电力公司电力科学研究院 | 无人机激光雷达点云杆塔塔头形变检测装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107633504A (zh) * | 2017-08-07 | 2018-01-26 | 广东电网有限责任公司机巡作业中心 | 杆塔倾斜程度检测方法以及装置 |
| CN109872352A (zh) * | 2018-12-29 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 基于杆塔特征点的电力巡线LiDAR数据自动配准方法 |
| CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
| CN110136260A (zh) * | 2019-04-24 | 2019-08-16 | 广州供电局有限公司 | 基于激光点云全要素模型库的输电线路杆塔及其实现方法 |
| CN111830528A (zh) * | 2020-06-29 | 2020-10-27 | 西安交通大学 | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9625612B2 (en) * | 2013-09-09 | 2017-04-18 | Google Inc. | Landmark identification from point cloud generated from geographic imagery data |
-
2020
- 2020-12-11 CN CN202011460289.7A patent/CN112711987B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107633504A (zh) * | 2017-08-07 | 2018-01-26 | 广东电网有限责任公司机巡作业中心 | 杆塔倾斜程度检测方法以及装置 |
| CN109872352A (zh) * | 2018-12-29 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 基于杆塔特征点的电力巡线LiDAR数据自动配准方法 |
| CN110136260A (zh) * | 2019-04-24 | 2019-08-16 | 广州供电局有限公司 | 基于激光点云全要素模型库的输电线路杆塔及其实现方法 |
| CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
| CN111830528A (zh) * | 2020-06-29 | 2020-10-27 | 西安交通大学 | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Calibration of multiple 3D LiDAR sensors to a common vehicle frame";Nina Heide.et al;《IEEE》;20180621;全文 * |
| "基于约束配准的电力杆塔变形检测方法";赵希超等;《科学技术与工程》;20180228;第18卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711987A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
| CN111830528A (zh) | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 | |
| CN111553292B (zh) | 一种基于点云数据的岩体结构面识别与产状分类方法 | |
| CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
| CN112711987B (zh) | 双激光雷达电力杆塔三维点云增强系统及方法 | |
| CN113643254B (zh) | 一种无人机激光点云高效采集处理方法 | |
| CN102955160A (zh) | 基于三维激光雷达技术的输电线路杆塔参数确定方法 | |
| CN113554595B (zh) | 无人机激光雷达点云杆塔塔头形变检测装置及方法 | |
| CN110889899B (zh) | 一种数字地表模型的生成方法及装置 | |
| CN108681337B (zh) | 一种涵洞或桥梁专用巡查无人机及无人机巡查方法 | |
| CN107564046A (zh) | 一种基于点云与uav影像二次配准的建筑物轮廓精确提取方法 | |
| CN113034470B (zh) | 基于无人机倾斜摄影技术的沥青混凝土厚度无损检测方法 | |
| CN112197741B (zh) | 基于扩展卡尔曼滤波的无人机slam技术测量倾斜角系统 | |
| Lee et al. | A study on scan data matching for reverse engineering of pipes in plant construction | |
| CN111189433A (zh) | 一种基于无人机航拍的岩溶峰林地貌参数测量方法 | |
| Guo et al. | Detecting and positioning of wind turbine blade tips for uav-based automatic inspection | |
| CN116605772A (zh) | 一种基于多集成系统的塔吊碰撞预警方法 | |
| CN113504543B (zh) | 无人机LiDAR系统定位定姿系统及方法 | |
| CN108050995B (zh) | 一种基于dem的倾斜摄影无像控点航摄测区归并方法 | |
| CN114078211A (zh) | 基于激光雷达智能检测树木倒伏的方法 | |
| CN115773209A (zh) | 一种风机叶片净空检测装置及检测方法 | |
| Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
| Lu et al. | A tilt angle measurement method of power tower using UAV LiDAR point cloud | |
| CN114004949A (zh) | 机载点云辅助的移动测量系统安置参数检校方法及系统 | |
| CN109345543B (zh) | 一种基于灰度图像处理的爆破漏斗体积识别方法 |
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 |