CN113052105A - 输电电路交叉跨越智能识别方法、装置及介质 - Google Patents

Abstract

本发明公开输电电路交叉跨越智能识别方法，其中，输电电路交叉跨越智能识别方法包括获取由激光扫描设备对当前区域扫描得到的线路模型；根据线路模型数据库确定线路模型的工作场景；根据工作场景确定线路模型中各条线路的线路类型；根据不同线路类型之间交叉跨越的安全距离识别线路模型中的交叉跨越情况。通过激光扫描设备生成基于激光点云数据的线路模型，可以确定该线路模型对应的工作场景，进一步确定各条线路的线路类型，从而自动识别得到交叉跨越线路之间是否处于安全距离，为施工管理人员提供准确的数据，也为供电管理机构提供了精确的现网管理数据。

Description

输电电路交叉跨越智能识别方法、装置及介质

技术领域

本发明涉及电力技术领域，尤其涉及输电电路交叉跨越智能识别方法、装置及介质。

背景技术

随着输电线路的数量越来越多，输电线路的路径也越来越复杂，在同一区域布放多条输电线路和电线线路的情况也越来越多，造成线路的交叉跨越管理变得尤其复杂。通常来说，在存在线路交叉跨越的地区施工，需要考虑当前环境下布放线路对现有线路交叉跨越的影响，施工管理人员往往需要借助电网模型来确定现有线路交叉跨越的情况，而电网模型由供电管理机构提供，供电管理机构虽然能够通过激光雷达、红外扫描等手段获取现场线路情况从而生成电网模型，但施工管理人员还需要从电网模型中寻找各个可能出现交叉跨越的地方，费时费力，还容易出现错漏，影响施工进度，并且供电管理机构也难以从现有的电网模型中归纳管理。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例提供了输电电路交叉跨越智能识别方法，能够基于激光点云数据生成的线路模型自动识别得到交叉跨越线路之间是否处于安全距离。

第一方面，本发明实施例提供了一种输电电路交叉跨越智能识别方法，包括：

获取由激光扫描设备对当前区域扫描得到的线路模型，所述线路模型为激光点云模型；

根据线路模型数据库确定所述线路模型的工作场景；

根据所述工作场景确定所述线路模型中各条线路的线路类型；

根据不同线路类型之间交叉跨越的安全距离识别所述线路模型中的交叉跨越情况。

本发明实施例第一方面提供的输电电路交叉跨越智能识别方法，至少具有如下有益效果：通过激光扫描设备生成基于激光点云数据的线路模型，利用激光点云数据的精确性，可以确定该线路模型对应的工作场景(如变电站、高架塔、小区配电线路等场景)，并可以进一步识别该线路模型中各条线路，根据线路模型数据库分类的工作场景，确定各条线路的线路类型，从而自动识别得到交叉跨越线路之间是否处于安全距离，在这过程中，无需人为对线路交叉跨越的距离进行判断，为施工管理人员提供准确的数据，能够大大加快施工进度，也为供电管理机构提供了精确的现网管理数据。

在一些实施例中，所述获取由激光雷达扫描设备对当前区域扫描得到的原始线路模型，包括：

获取由激光雷达扫描设备输出的点云数据，所述点云数据包括当前区域的线路的三维坐标数据、激光反射强度值和颜色值；

根据所述点云数据生成线路模型。

在一些实施例中，根据线路模型数据库确定所述线路模型的工作场景，包括：

根据所述线路模型确定工作场景标志物，所述工作标志物为线路排布方式或者架设线路的物体；

根据所述工作场景标志物查找所述线路模型数据库；

确定所述线路模型的工作场景。

在一些实施例中，所述根据所述工作场景确定所述线路模型中各条线路的线路类型，包括：

在所述线路模型数据库中获取所述工作场景对应的全部线路类型；

识别得到所述线路模型中各条线路的位置信息和粗细信息；

根据所述位置信息和所述粗细信息匹配所述工作场景对应的线路类型；

确定所述线路模型中各条线路的线路类型。

在一些实施例中，所述识别得到所述线路模型中各条线路的位置信息，包括：

提取所述线路模型中第一线路的起点点云数据和末端点云数据；

根据所述起点点云数据和所述末端点云数据的三维坐标数据确定所述第一线路的走向和长度；

根据所述第一线路的走向和长度确定所述第一线路的位置信息。

在一些实施例中，所述识别得到所述线路模型中各条线路的粗细信息，包括：

提取所述线路模型中第一线路的起点点云数据和末端点云数据；

根据所述起点点云数据的三维坐标数据确定所述第一线路的起点半径，根据所述末端点云数据的三维坐标数据确定所述第一线路的末端半径；

当所述起点半径和所述末端半径的差值小于预设阈值，将所述起点半径或所述末端半径作为所述第一线路的粗细信息；

当所述起点半径和所述末端半径的差值大于预设阈值，获取所述第一线路上的若干个参考点点云数据，根据所述起点点云数据、所述末端点云数据和所述参考点点云数据确定所述第一线路的粗细信息。

在一些实施例中，所述根据所述起点点云数据、所述末端点云数据和所述参考点点云数据确定所述第一线路的粗细信息，包括：

根据所述参考点点云数据的三维坐标数据确定所述第一线路的参考点半径；

根据起点半径、末端半径和参考点半径的平均值确定所述第一线路的粗细信息。

在一些实施例中，所述根据不同线路类型之间交叉跨越的安全距离识别所述线路模型中的交叉跨越情况，包括：

确定在空间上相邻的任意两条线路之间交叉跨越的第一距离；

根据所述两条线路的线路类型查找对应线路类型交叉跨越的第一安全距离；

当所述第一距离小于所述第一安全距离，发出提醒。

第二方面，本发明实施例还提供了一种输电电路交叉跨越智能识别装置，包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的输电电路交叉跨越智能识别方法。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行前述第一方面所述的输电电路交叉跨越智能识别方法。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的示例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明实施例提供的输电电路交叉跨越智能识别方法的整体方法流程图；

图2是本发明实施例提供的扫描得到线路模型的方法流程图；

图3是本发明实施例提供的确定线路模型的工作场景的方法流程图；

图4是本发明实施例提供的确定线路模型中各条线路的线路类型的方法流程图；

图5是本发明实施例提供的确定第一线路的位置信息的方法流程图；

图6是本发明实施例提供的确定第一线路的粗细信息的方法流程图；

图7是本发明实施例提供的根据参考点确定第一线路的粗细信息的方法流程图；

图8是本发明实施例提供的识别交叉跨越情况的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

目前电网模型在一些情况下用于判断线路之间交叉跨越的情况，由于电网模型是根据现场情况扫描生成的，因此扫描的精度影响电网模型的精度，除此以外，即使拥有精确的电网模型，但在交叉跨越的安全距离方面仍然需要人为进行判断，这是因为不同线路之间的安全距离不同，而且目前根据扫描数据所生成的电网模型没有配置场景信息，导致系统也无法根据线路情况判断电网模型中交叉跨越是否处于安全距离。

基于此，本发明实施例提供了输电电路交叉跨越智能识别方法，除了基于激光点云数据生成精确的线路模型外，还结合线路模型数据库自动判断当前线路模型的工作场景，从而确定当前线路模型中各线路的线路类型，在已知线路类型的情况下，就可以通过线路模型判断出线路之间交叉跨越的距离是否处于安全范围，大大方便了线路安全监控，也有利于线路施工的快速、安全进行。

下面结合附图，对本发明实施例作进一步阐述。

参照图1，本发明实施例提供了一种输电电路交叉跨越智能识别方法，包括但不限于以下步骤S100、步骤S200、步骤S300和步骤S400。

步骤S100，获取由激光扫描设备对当前区域扫描得到的线路模型，线路模型为激光点云模型；

目前用于扫描线路的方案有很多种，例如红外线航拍、GPS结合影像技术等，不同的扫描方案具有不同的精确度，其中激光点云模型的精确度可以达到比较理想的效果，便于后续对线路模型进行数据处理。可以理解的是，本发明实施例中的激光扫描设备，并不限定只有激光雷达，除激光雷达外还可以包括其他辅助扫描的手段，如校色仪等。

步骤S200，根据线路模型数据库确定线路模型的工作场景。

线路模型数据库应存储有各种场景下典型的线路模型，例如在高架塔的场景下，典型的线路模型包括至少一个高架塔以及在高架塔上连接的电缆，又如在变电站的场景下，典型的线路模型包括变压器和连接变压器端子的线路，在此不一一举例。可以理解的是，线路模型数据库可以根据现有的典型场景下已有的线路模型作为基础建立，也可以人为增加更多的典型场景的线路模型。由于步骤S100中得到的线路模型已经是激光点云模型，基于该线路模型的特征，可以较为容易地匹配到线路模型数据库中的典型场景。

步骤S300，根据工作场景确定线路模型中各条线路的线路类型。

上述典型场景即为线路模型的工作场景，由于工作场景已经确定，那么在当前工作场景下能够用到的线缆及其作用也基本确定，此时只要识别线路模型中线路的线路类型即可知道这些线路的作用。其中，识别线路类型的过程将在下面详细说明。可以理解的是，在步骤S300中识别线路类型是根据线路模型数据库中的设定数据来得到的，即线路模型数据库中典型场景下的模型还包含了这个模型中线路的线路类型，这样，当前线路模型匹配到典型场景下的模型后，才能确定具体的线路类型。

步骤S400，根据不同线路类型之间交叉跨越的安全距离识别线路模型中的交叉跨越情况。

由于线路模型是激光点云模型，因此在空间上可以判断出相邻的两条线路是否处于交叉跨越的状态，同时，这两条线路在空间上的距离也可以知道，结合上述步骤S300判断出来这两条线路的线路类型，即可知道这两条线路进行交叉跨越的安全距离到底是多少。通过上述方式，可以准确、快速地判断线路模型中是否存在交叉跨越缺陷，从而帮助供电管理机构和施工管理人员快速判断线路情况。

基于上述步骤S100至步骤S400，下面对具体的实现方案进行详细说明。

参照图2，步骤S100中，采用激光雷达设备扫描得到线路模型，可以按照以下步骤实现：

步骤S110，获取由激光雷达扫描设备输出的点云数据，点云数据包括当前区域的线路的三维坐标数据、激光反射强度值和颜色值；

步骤S120，根据点云数据生成线路模型。

激光雷达设备用于扫描当前区域内的环境情况，当前区域中显然包括线路和用于固定线路的设施，还可以包括其他环境物品。由于激光雷达扫描的特性，通过物体表面反射测得反射点距离和方位，从而确定物体表面的形状和所在的位置，由于激光扫描极为精细，则能够得到大量的激光点，因而就可形成激光点云。其中，点云数据包括各种物品的三维坐标数据、激光反射强度和颜色值等，但本发明实施例关心的线路之间的关系，因此步骤S110中点云数据显然是包括线路的三维坐标数据、激光反射强度值和颜色值。

通过激光雷达扫描得到点云数据后，可以通过建模的方式得到线路模型。例如，在建模过程中通过特定的算法对点云数据进行特征提取，以便于建模，如基于某一数学分布规律的KNN—DPC算法融合神经网络以得到具有较高有效性和准确性的识别系统，利用线路的点云数据采用空间聚类的方法得到每一根线路的点云，根据线路点云的走向拟合曲线方程(通常是抛物线方程)，根据曲线方程和线路点云在空间中的分布确定各条线路的相对空间坐标，构成相对坐标集，在相对坐标集上采用KNN-DPC算法识别和分离线路，最后采用相应的分配策略分配样本点，采用的分配策略可以是，将核心样本点分配至距离其最近且密度比它大的样本所在的类簇，核心样本点为除类簇中心外所选取的表示线路核心点云的样本点，对于其他未分配的样本点采用另一种分配策略，按照KNN的算法模式进行分配。

目前点云数据生成模型的速度取决于建模设备的性能，而建模过程由本领域技术人员通过配套软件控制，在此不展开详述。

参照图3，为了能够确定线路模型所处的工作场景，应对线路模型本身的特征进行分析和提取，才能与线路模型数据库中的典型场景进行匹配，因此步骤S200具体可以包括以下步骤：

步骤S210，根据线路模型确定工作场景标志物，工作标志物为线路排布方式或者架设线路的物体；

步骤S220，根据工作场景标志物查找线路模型数据库；

步骤S230，确定线路模型的工作场景。

对于基于激光点云数据生成的线路模型，由于精度足够高，因此可以较为准确地分析并提取该线路模型的特征值，基于该特征值可以得知线路模型的大致形状，这些特征值为工作场景标志物，例如高架塔、变压器、线路排布方式等，通过这些特殊对象可以快速确定特征值，对于系统来说，得到线路模型的特征值即可与线路模型数据库中的典型场景进行匹配，从而可以知道该线路模型的工作场景。

参照图4，在确定了线路模型的工作场景后，如何对线路之间的关系进行判断，可以参照以下步骤：

步骤S310，在线路模型数据库中获取工作场景对应的全部线路类型；

步骤S320，识别得到线路模型中各条线路的位置信息和粗细信息；

步骤S330，根据位置信息和粗细信息匹配工作场景对应的线路类型；

步骤S340，确定线路模型中各条线路的线路类型。

由于特定工作场景下用到的线路类型基本固定，因此基于上述步骤S230，可以根据线路模型数据库对应的典型场景确定要用到的线路类型，例如，其中一条线路用于连接降压变压器的原边，属于高压交流线路，另一条连接降压变压器的副边，属于低压交流线路，还有连接到接地铜排的接电线等，这些都是各条线路所处的位置确定，如果线路走廊中存在多条不同用途的线路，那么结合线路的粗细信息也能确定线路的工作方式，这也是得益于激光点云数据所得模型的精确性，才能判断得到线路之间粗细的微小差别。根据上述位置信息和粗细信息，以及线路模型数据库中设定的线路类型，就可以判断当前线路模型中各条线路的线路类型。

参照图5，上述步骤S320中，识别线路的位置信息可以通过以下步骤实现：

步骤S321，提取线路模型中第一线路的起点点云数据和末端点云数据；

步骤S322，根据起点点云数据和末端点云数据的三维坐标数据确定第一线路的走向和长度；

步骤S323，根据第一线路的走向和长度确定第一线路的位置信息。

当前线路模型中如果某条线缆是完整连续的，那么该线缆的起点和末端就按照实际线缆的两端确定，如果该线缆在当前线路模型中是被截断的(超出扫描所得的模型范围)，那么以超出模型边界位置处的点作为起点或者末端。由于点云数据包括线路的三维坐标数据，因此可以根据起点点云数据和末端点云数据中两个三维坐标数据确定第一线路的走向和长度，从而确定第一线路在当前模型中的位置信息。

除了识别线路的位置信息，还可以识别线路的粗细信息，参照图6，例如通过以下步骤实现粗细信息的获取：

步骤S324，提取线路模型中第一线路的起点点云数据和末端点云数据；

步骤S325，根据起点点云数据的三维坐标数据确定第一线路的起点半径，根据末端点云数据的三维坐标数据确定第一线路的末端半径；

步骤S326，当起点半径和末端半径的差值小于预设阈值，将起点半径或末端半径作为第一线路的粗细信息；

步骤S327，当起点半径和末端半径的差值大于预设阈值，获取第一线路上的若干个参考点点云数据，根据起点点云数据、末端点云数据和参考点点云数据确定第一线路的粗细信息。

虽然激光雷达扫描得到点云数据的精度很高，但并非一定准确，有时候会因为扫描角度、设备故障等影响模型精度。因此，需要在进行线路的粗细判断时考虑模型精度的影响。在本实施例中，通过起点和末端两者的三维坐标数据确定粗细之后，需要对比起点和末端两者的半径(或者直径)的大小，如果两者相差不大，即误差处于预设阈值之内，那么将选取其中一个半径作为该第一线路的半径。如果两者相差较大，即误差超过预设阈值，那么考虑在第一线路上再随机选取若干个参考点，获取这些参考点出的半径(或直径)，根据这些数据在确定第一线路的粗细，例如，参照图7，可以通过以下步骤进行均值计算。

步骤S328，根据参考点点云数据的三维坐标数据确定第一线路的参考点半径；

步骤S329，根据起点半径、末端半径和参考点半径的平均值确定第一线路的粗细信息。

上述两个步骤通过计算均值的方式确定第一线路的粗细。其中参考点点云数据是可以随机选取的，数量也可以不限定，当选取参考点的数量越多，通过平均值得到粗细信息则应越准确。可以理解的是，除了采用平均值的方式计算，还可以采用其他形式计算第一线路的粗细信息，例如加权平均，设定起点、末端和参考点的权重，即可进行加权平均计算。本发明实施例的其他可能计算方法再次不一一列举。

参照图8，对于步骤S400，用于实现智能识别交叉跨越是否处于安全距离并发出提醒，具体可以通过以下步骤实现：

步骤S410，确定在空间上相邻的任意两条线路之间交叉跨越的第一距离；

步骤S420，根据两条线路的线路类型查找对应线路类型交叉跨越的第一安全距离；

步骤S430，当第一距离小于第一安全距离，发出提醒。

由于通过上述步骤已经确定了线路模型中不同线路的线路类型，因此在步骤S410中，判断交叉跨越的第一步是找到相邻的两条线路，并获取它们的线路类型和它们相距的第一距离，此处第一距离按照交叉跨越的标准来确定，不同的交叉跨越方向应选取不同的距离来作为第一距离，具体可以参见交叉跨越相关的行业标准，在此不对每种交叉跨越的情况进行说明。另一方面，对于该两条线路的线路类型，系统中预先设定了这两种线路类型在交叉跨越时的第一安全距离，因此，通过对比实际的第一距离和预设的第一安全距离，即可知道当前两条线路的交叉跨越是否处于安全范围内。如果第一距离小于第一安全距离，表明两条线路可能存在安全隐患，此时系统可以发出警报提醒，并可以记录相关信息以备查阅。

通过本发明实施例的上述步骤，可以利用激光点云数据的精确性，确定该线路模型对应的工作场景(如变电站、高架塔、小区配电线路等场景)，并可以进一步识别该线路模型中各条线路，根据线路模型数据库分类的工作场景，确定各条线路的线路类型，从而自动识别得到交叉跨越线路之间是否处于安全距离，在这过程中，无需人为对线路交叉跨越的距离进行判断，为施工管理人员提供准确的数据，能够大大加快施工进度，也为供电管理机构提供了精确的现网管理数据。

本发明实施例还提供了一种输电电路交叉跨越智能识别装置，包括至少一个处理器和用于与至少一个处理器通信连接的存储器；存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述的输电电路交叉跨越智能识别方法。

以输电电路交叉跨越智能识别装置中的控制处理器和存储器可以通过总线连接为例。存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于控制处理器远程设置的存储器，这些远程存储器可以通过网络连接至输电电路交叉跨越智能识别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，被控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的输电电路交叉跨越智能识别方法，例如，执行以上描述的图1中的方法步骤S100至步骤S400、图2中的方法步骤S110至步骤S120、图3中的方法步骤S210至步骤S230、图4中的方法步骤S310至步骤S340、图5中的方法步骤S321至步骤S323、图6中的方法步骤S324至步骤S327、图7中的方法步骤S328至步骤S329和图8中的步骤S410至步骤S430。

以上所描述的装置实施例仅仅是示意性的，其中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，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可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.输电电路交叉跨越智能识别方法，其特征在于，包括：

获取由激光扫描设备对当前区域扫描得到的线路模型，所述线路模型为激光点云模型；

根据线路模型数据库确定所述线路模型的工作场景；

根据所述工作场景确定所述线路模型中各条线路的线路类型；

根据不同线路类型之间交叉跨越的安全距离识别所述线路模型中的交叉跨越情况。

2.根据权利要求1所述的输电电路交叉跨越智能识别方法，其特征在于，所述获取由激光雷达扫描设备对当前区域扫描得到的原始线路模型，包括：

获取由激光雷达扫描设备输出的点云数据，所述点云数据包括当前区域的线路的三维坐标数据、激光反射强度值和颜色值；

根据所述点云数据生成线路模型。

3.根据权利要求1所述的输电电路交叉跨越智能识别方法，其特征在于，根据线路模型数据库确定所述线路模型的工作场景，包括：

根据所述线路模型确定工作场景标志物，所述工作标志物为线路排布方式或者架设线路的物体；

根据所述工作场景标志物查找所述线路模型数据库；

确定所述线路模型的工作场景。

4.根据权利要求1所述的输电电路交叉跨越智能识别方法，其特征在于，所述根据所述工作场景确定所述线路模型中各条线路的线路类型，包括：

在所述线路模型数据库中获取所述工作场景对应的全部线路类型；

识别得到所述线路模型中各条线路的位置信息和粗细信息；

根据所述位置信息和所述粗细信息匹配所述工作场景对应的线路类型；

确定所述线路模型中各条线路的线路类型。

5.根据权利要求4所述的输电电路交叉跨越智能识别方法，其特征在于，所述识别得到所述线路模型中各条线路的位置信息，包括：

提取所述线路模型中第一线路的起点点云数据和末端点云数据；

根据所述起点点云数据和所述末端点云数据的三维坐标数据确定所述第一线路的走向和长度；

根据所述第一线路的走向和长度确定所述第一线路的位置信息。

6.根据权利要求4所述的输电电路交叉跨越智能识别方法，其特征在于，所述识别得到所述线路模型中各条线路的粗细信息，包括：

提取所述线路模型中第一线路的起点点云数据和末端点云数据；

根据所述起点点云数据的三维坐标数据确定所述第一线路的起点半径，根据所述末端点云数据的三维坐标数据确定所述第一线路的末端半径；

当所述起点半径和所述末端半径的差值小于预设阈值，将所述起点半径或所述末端半径作为所述第一线路的粗细信息；

当所述起点半径和所述末端半径的差值大于预设阈值，获取所述第一线路上的若干个参考点点云数据，根据所述起点点云数据、所述末端点云数据和所述参考点点云数据确定所述第一线路的粗细信息。

7.根据权利要求6所述的输电电路交叉跨越智能识别方法，其特征在于，所述根据所述起点点云数据、所述末端点云数据和所述参考点点云数据确定所述第一线路的粗细信息，包括：

根据所述参考点点云数据的三维坐标数据确定所述第一线路的参考点半径；

根据起点半径、末端半径和参考点半径的平均值确定所述第一线路的粗细信息。

8.根据权利要求1所述的输电电路交叉跨越智能识别方法，其特征在于，所述根据不同线路类型之间交叉跨越的安全距离识别所述线路模型中的交叉跨越情况，包括：

确定在空间上相邻的任意两条线路之间交叉跨越的第一距离；

根据所述两条线路的线路类型查找对应线路类型交叉跨越的第一安全距离；

当所述第一距离小于所述第一安全距离，发出提醒。

9.一种输电电路交叉跨越智能识别装置，其特征在于，包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8任一所述的输电电路交叉跨越智能识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任一所述的输电电路交叉跨越智能识别方法。

Images