CN113076870A - 一种基于激光点云的杆塔识别方法及系统 - Google Patents
一种基于激光点云的杆塔识别方法及系统 Download PDFInfo
- Publication number
- CN113076870A CN113076870A CN202110353160.4A CN202110353160A CN113076870A CN 113076870 A CN113076870 A CN 113076870A CN 202110353160 A CN202110353160 A CN 202110353160A CN 113076870 A CN113076870 A CN 113076870A
- Authority
- CN
- China
- Prior art keywords
- tower
- point cloud
- cloud data
- processed
- standard
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013145 classification model Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于激光点云的杆塔识别方法及系统,基于激光点云的杆塔识别方法包括以下步骤:建立杆塔标准点云库,杆塔标准点云库包括多个杆塔标准点云数据;获取待处理点云数据;将待处理点云数据输入预先建立的分类模型中,并分类出待处理杆塔点云数据;获取与待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型;依据该杆塔标准点云数据对待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;依据最终杆塔点云数据计算出杆塔的倾斜度。本发明实施例不再需要大量的人力辅助进行数据采集。本发明实施例可以快速分类出杆塔点云数据,且能够对点云数据进行修正,并最终快速和准确的确定杆塔的倾斜度。
Description
技术领域
本发明涉及信息技术领域,具体涉及一种基于激光点云的杆塔识别方法及系统。
背景技术
传统的输电线路巡检是通过人工进行,主要是依靠地面交通工具或者手持仪器来进行检测。而杆塔作为电力传输的主要设备,在电力传输中起到不可替代的作用,因此能够快速、准确的获取杆塔的状态对于保障供电可靠性而言就显得尤为重要。传统的巡检方式在平原地区等交通较为便利的地方,可以起到较好的检测效果,但是在面对山区等较为恶劣的环境时,则难以起到较好的检测效果,需要耗费大量的人力物力才完成检测。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于激光点云的杆塔识别方法,所述基于激光点云的杆塔识别方法解决了杆塔检测时需要大量人力进行人工参与的问题。本发明还提出了一种基于激光点云的杆塔识别系统。
根据本发明第一方面实施例的基于激光点云的杆塔识别方法,包括以下步骤:
建立杆塔标准点云库,所述杆塔标准点云库包括多个杆塔标准点云数据,每个所述杆塔标准点云数据对应一种杆塔类型;
获取待处理点云数据;
将所述待处理点云数据输入预先建立的分类模型中,并分类出待处理杆塔点云数据;
获取与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型;
依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
依据所述最终杆塔点云数据计算出杆塔的倾斜度。
根据本发明实施例的基于激光点云的杆塔识别方法,至少具有如下技术效果:获取待处理点云数据可以通过无人机搭载激光雷达等自由度和自动化程度较高的方式进行,不再需要大量的人力辅助进行数据采集。通过预先构建分类模型,可以快速分类出杆塔点云数据,进而为后续快速计算倾斜度打下了基础。通过设置杆塔标准点云库可以知晓分类出的杆塔的具体杆塔类型,从而便于后续进行点云数据修正。而利用修正之后的点云数据也可以更为快速和准确的确定杆塔的倾斜度。此外,在需要进行渲染时,知晓了杆塔类型也便于后续更快的完成渲染工作。
根据本发明的一些实施例,所述分类模型的建立包括以下步骤:
获取训练样本,所述训练样本包括样本点云数据以及与所述样本点云数据中各点对应的类别标识;
提取所述样本点云数据中各点的特征数据;
建立分类模型的初始模型结构;
将所述样本点云数据对应的特征数据、类别标识输入至所述初始模型中进行训练,直至得到最终的分类模型。
根据本发明的一些实施例,所述获取与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型包括以下步骤:
截取所述待处理杆塔点云数据的多个匹配截面;
依据多个所述匹配截面在所述待处理杆塔点云数据中的位置,在每个所述杆塔标准点云数据中截取对应标准匹配截面;
将多个所述匹配截面与每个所述杆塔标准点云数据对应的多个标准匹配截面进行比对,直至选择出与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据;
依据该杆塔标准点云数据获取对应的杆塔类型。
根据本发明的一些实施例,在依据多个所述匹配截面在所述待处理杆塔点云数据中的位置,在每个所述杆塔标准点云数据中截取对应标准匹配截面之前还包括以下步骤:
依据所述待处理杆塔点云数据计算出杆塔的实际高度信息,计算出多个所述杆塔标准点云数据的标准高度信息;
利用实际高度信息对多个所述杆塔标准点云数据进行筛选,将高度不符合的所述杆塔标准点云数据去除。
根据本发明的一些实施例,所述依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正包括以下步骤:
依据对应的所述杆塔标准点云数据绘制所述待处理点云数据的边界区域;
将所述待处理点云数据的边界区域内的非杆塔点去除以及边界区域外的杆塔点去除。
根据本发明的一些实施例,所述依据所述最终杆塔点云数据计算出杆塔的倾斜度包括以下步骤:
在所述最终杆塔点云数据对应杆塔中截取与水平面平行的第一水平截面和第二水平截面;
获取所述第一水平截面的中心点在所述第二水平截面中的投影点,并计算所述投影点与所述第二水平截面中心点的距离,并记作偏差距离;
计算所述第一水平截面的中心点到所述第二水平截面的距离,并记作垂直距离;
依据所述垂直距离和偏差距离计算出倾斜度。
根据本发明的一些实施例,上述基于激光点云的杆塔识别方法还包括以下步骤:
构建杆塔数据记录表;
将与所述待处理杆塔点云数据对应的杆塔类型和倾斜度进行记录。
根据本发明第二方面实施例的基于激光点云的杆塔识别系统,包括:
杆塔标准点云库,所述杆塔标准点云库包括多个杆塔标准点云数据,每个所述杆塔标准点云数据对应一种杆塔类型;
点云数据采集装置,用于获取待处理输电通道的待处理点云数据;
服务器,其内预置有分类模型,所述分类模型用于分类出待处理杆塔点云数据;
塔型匹配单元,用于依据所述杆塔标准点云库为所述待处理点云数据匹配出对应的杆塔标准点云数据,并确定对应的杆塔类型;
点云修正单元,用于依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
倾斜度计算单元,用于依据所述最终杆塔点云数据计算出杆塔的倾斜度。
根据本发明实施例的基于激光点云的杆塔识别系统,至少具有如下技术效果:点云数据采集装置可以采用无人机搭载激光雷达等自由度和自动化程度较高的设备,不再需要大量的人力辅助进行数据采集。通过在服务器中预先构建分类模型,可以便于快速分类出杆塔点云数据,进而为倾斜度计算单元后续快速计算倾斜度打下了基础。通过设置杆塔标准点云库可以知晓分类出的杆塔的具体杆塔类型,从而便于点云修正单元后续进行点云数据修正。而倾斜度计算单元利用修正之后的点云数据也可以更为快速和准确的确定杆塔的倾斜度。此外,在需要进行渲染时,知晓了杆塔类型也便于后续更快的完成渲染工作。
根据本发明的一些实施例,所述服务器中还设置有杆塔数据记录表,所述杆塔数据记录表用于记录与所述待处理杆塔点云数据对应的杆塔类型和倾斜度。
根据本发明的一些实施例,所述点云数据采集装置包括无人机以及搭载于所述无人机上的激光雷达。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,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是本发明实施例的基于激光点云的杆塔识别方法的流程简图;
图2是本发明实施例的基于激光点云的杆塔识别系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
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。
下面参考图1至图2描述根据本发明第一方面实施例的基于激光点云的杆塔识别方法。
根据本发明实施例的基于激光点云的杆塔识别方法,包括以下步骤:
建立杆塔标准点云库,杆塔标准点云库包括多个杆塔标准点云数据,每个杆塔标准点云数据对应一种杆塔类型;
获取待处理点云数据;
将待处理点云数据输入预先建立的分类模型中,并分类出待处理杆塔点云数据;
获取与待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型;
依据该杆塔标准点云数据对待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
依据最终杆塔点云数据计算出杆塔的倾斜度。
参考图1、图2,杆塔因为使用场地、具体用途等原因而具备多种类型。对于常用类型的杆塔,都会获取一个杆塔标准点云数据,并将这些杆塔标准点云数据都存储到杆塔标准点云库中,以便于后续进行比对时使用。
获取待处理点云数据的方式较为简单,可以直接采用在无人机上搭载激光雷达的方式实现。这样可以获得极高的自由度,同时也可以有效避免环境因素带来的影响,即使在山区也可以快速的实现数据采集。
在获取到待处理点云数据后,会通过分类模型对待处理点云数据进行分类,从而分类出需要的待处理杆塔点云数据。在实际工程中,分类模型会包括电力线模型、杆塔模型、植被模型、地面模型、建筑模型等等,进而实现对待处理杆塔点云数据的提取。
在获取到待处理杆塔点云数据之后,便可以快速的比对出与待处理杆塔点云数据相似程度最高的杆塔标准点云数据,从而可以确定待处理杆塔点云数据对应的杆塔类型。比对相似程度的方式较多,可以对多个截面的边缘进行比对,也可以对整体的边缘进行比对,也可以采用其他的特征进行比对。
在获取到待处理杆塔点云数据之后,会依据该杆塔标准点云数据对待处理杆塔点云数据进行修正,主要是去除待处理杆塔点云数据内部的非杆塔点以及在边缘以外杆塔点,保证后续进行倾斜度计算时能够准确。倾斜度计算可以通过计算杆塔的中心线,再计算与水平面的夹角即可得出。
在实际工程中,可能会存在多个待处理杆塔点云数据的情况,此时只需要一一进行处理即可。在处理结束后,会统一存储各杆塔的位置信息、倾斜度信息和杆塔类型信息,便于管理人员查看。
根据本发明实施例的基于激光点云的杆塔识别方法,获取待处理点云数据可以通过无人机搭载激光雷达等自由度和自动化程度较高的方式进行,不再需要大量的人力辅助进行数据采集。通过预先构建分类模型,可以快速分类出杆塔点云数据,进而为后续快速计算倾斜度打下了基础。通过设置杆塔标准点云库可以知晓分类出的杆塔的具体杆塔类型,从而便于后续进行点云数据修正。而利用修正之后的点云数据也可以更为快速和准确的确定杆塔的倾斜度。此外,在需要进行渲染时,知晓了杆塔类型也便于后续更快的完成渲染工作。
在本发明的一些实施例中,分类模型的建立包括以下步骤:
获取训练样本,训练样本包括样本点云数据以及与样本点云数据中各点对应的类别标识;
提取样本点云数据中各点的特征数据;
建立分类模型的初始模型结构;
将样本点云数据对应的特征数据、类别标识输入至初始模型中进行训练,直至得到最终的分类模型。
通过训练分类模型的方式,可以在训练好分类模型之后快速的完成对待处理点云数据的分类,其具有较高的拓展性。分类模型会包括电力线模型、杆塔模型、植被模型、地面模型、建筑模型等等,进而实现对待处理杆塔点云数据的提取、以及对电力线点、地面点、建筑物点、植被点等非杆塔点的提取,便于后续用于其他计算使用。
在本发明的一些实施例中,获取与待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型包括以下步骤:
截取待处理杆塔点云数据的多个匹配截面;
依据多个匹配截面在待处理杆塔点云数据中的位置,在每个杆塔标准点云数据中截取对应标准匹配截面;
将多个匹配截面与每个杆塔标准点云数据对应的多个标准匹配截面进行比对,直至选择出与待处理杆塔点云数据相似程度最高的杆塔标准点云数据;
依据该杆塔标准点云数据获取对应的杆塔类型。
匹配方式思路最简单可以说是整体进行匹配,但是整体进行所需要的计算量过于巨大,因此可以对杆塔的投影面边缘或截面边缘进行匹配可以有效的降低匹配的计算难度,同时采用多个匹配截面进行匹配,也可以保证匹配的成功度,在实际工作中,自动匹配成功后,可以通过人工进行更改,此举主要针对一些不常见的杆塔类型。获取的多个匹配截面会与多个标准匹配截面进行匹配,最终找到相似程度最高的杆塔标准点云数据。
在本发明的一些实施例中,在依据多个匹配截面在待处理杆塔点云数据中的位置,在每个杆塔标准点云数据中截取对应标准匹配截面之前还包括以下步骤:
依据待处理杆塔点云数据计算出杆塔的实际高度信息,计算出多个杆塔标准点云数据的标准高度信息;
利用实际高度信息对多个杆塔标准点云数据进行筛选,将高度不符合的杆塔标准点云数据去除。
在实际工程中,为了进一步减少匹配的计算量,会提前依据高度信息对塔标准点云数据进行一个筛选,这一过程中会筛选掉大量的塔标准点云数据,从而极大减少了截面匹配时的计算量。
在本发明的一些实施例中,依据该杆塔标准点云数据对待处理杆塔点云数据进行修正包括以下步骤:
依据对应的杆塔标准点云数据绘制待处理点云数据的边界区域;
将待处理点云数据的边界区域内的非杆塔点去除以及边界区域外的杆塔点去除。
找到最相似的杆塔标准点云数据后,可以依据该杆塔标准点云数据在待处理点云数据中划分出杆塔的边界,因为在进行点云分类时,因为点云数据的数量较大或者环境复杂,因此难以保证所有的点云都分类正确。此时,在划分出边界之后,便可以将边界区域的非杆塔点去除,将边界外的杆塔点去除。边界内的非杆塔点会影响后续的渲染效果,边界外的杆塔点可能会影响后续计算的误差或难度。
在本发明的一些实施例中,依据最终杆塔点云数据计算出杆塔的倾斜度包括以下步骤:
在最终杆塔点云数据对应杆塔中截取与水平面平行的第一水平截面和第二水平截面;
获取第一水平截面的中心点在第二水平截面中的投影点,并计算投影点与第二水平截面中心点的距离,并记作偏差距离;
计算第一水平截面的中心点到第二水平截面的距离,并记作垂直距离;
依据垂直距离和偏差距离计算出倾斜度。
第一水平截面中心点到第二水平截面的距离,便是一个直角三角形一个高,第一水平截面中心点在第二水平截面的投影点到第二水平截面中心点的距离便是直角三角形的另一个高,再将第一水平截面中心点与第二水平截面中心点连接为直角三角形的斜边,此时可以计算出该三角形的所有角度信息,进而可以知晓杆塔的倾斜度。
在本发明的一些实施例中,上述基于激光点云的杆塔识别方法还包括以下步骤:
构建杆塔数据记录表;
将与待处理杆塔点云数据对应的杆塔类型和倾斜度进行记录。
杆塔数据记录表中记录杆塔类型和倾斜度,还会对应记录杆塔的位置信息,在实际工程中会对每个待处理杆塔点云数据对应的杆塔都进行记录,以便管理人员进行查阅。
根据本发明第二方面实施例的基于激光点云的杆塔识别系统,包括:杆塔标准点云库、点云数据采集装置、服务器、塔型匹配单元、点云修正单元、倾斜度计算单元。
杆塔标准点云库,杆塔标准点云库包括多个杆塔标准点云数据,每个杆塔标准点云数据对应一种杆塔类型;
点云数据采集装置,用于获取待处理输电通道的待处理点云数据;
服务器,其内预置有分类模型,分类模型用于分类出待处理杆塔点云数据;
塔型匹配单元,用于依据杆塔标准点云库为待处理点云数据匹配出对应的杆塔标准点云数据,并确定对应的杆塔类型;
点云修正单元,用于依据该杆塔标准点云数据对待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
倾斜度计算单元,用于依据最终杆塔点云数据计算出杆塔的倾斜度。
参考图1、图2,杆塔因为使用场地、具体用途等原因而具备多种类型。对于常用类型的杆塔,都会获取一个杆塔标准点云数据,并将这些杆塔标准点云数据都存储到杆塔标准点云库中,以便于后续进行比对时使用。
点云数据采集装置可以直接采用在无人机上搭载激光雷达的方式实现。这样可以获得极高的自由度,同时也可以有效避免环境因素带来的影响,即使在山区也可以快速的实现数据采集。
在获取到待处理点云数据后,会通过分类模型对待处理点云数据进行分类,从而分类出需要的待处理杆塔点云数据。在实际工程中,分类模型会包括电力线模型、杆塔模型、植被模型、地面模型、建筑模型等等,进而实现对待处理杆塔点云数据的提取。
在获取到待处理杆塔点云数据之后,塔型匹配单元便可以快速的比对出与待处理杆塔点云数据相似程度最高的杆塔标准点云数据,从而可以确定待处理杆塔点云数据对应的杆塔类型。比对相似程度的方式较多,可以对多个截面的边缘进行比对,也可以对整体的边缘进行比对,也可以采用其他的特征进行比对。
在获取到待处理杆塔点云数据之后,点云修正单元会依据该杆塔标准点云数据对待处理杆塔点云数据进行修正,主要是去除待处理杆塔点云数据内部的非杆塔点以及在边缘以外杆塔点,保证后续倾斜度计算单元进行倾斜度计算时能够准确。倾斜度计算可以通过计算杆塔的中心线,再计算与水平面的夹角即可得出。
在实际工程中,可能会存在多个待处理杆塔点云数据的情况,此时只需要一一进行处理即可。在处理结束后,会统一存储各杆塔的位置信息、倾斜度信息和杆塔类型信息。
根据本发明实施例的基于激光点云的杆塔识别系统,点云数据采集装置可以采用无人机搭载激光雷达等自由度和自动化程度较高的设备,不再需要大量的人力辅助进行数据采集。通过在服务器中预先构建分类模型,可以便于快速分类出杆塔点云数据,进而为倾斜度计算单元后续快速计算倾斜度打下了基础。通过设置杆塔标准点云库可以知晓分类出的杆塔的具体杆塔类型,从而便于点云修正单元后续进行点云数据修正。而倾斜度计算单元利用修正之后的点云数据也可以更为快速和准确的确定杆塔的倾斜度。此外,在需要进行渲染时,知晓了杆塔类型也便于后续更快的完成渲染工作。
在本发明的一些实施例中,服务器中还设置有杆塔数据记录表,杆塔数据记录表用于记录与待处理杆塔点云数据对应的杆塔类型和倾斜度。杆塔数据记录表中记录杆塔类型和倾斜度,还会对应记录杆塔的位置信息,在实际工程中会对每个待处理杆塔点云数据对应的杆塔都进行记录,以便管理人员进行查阅。
在本发明的一些实施例中,点云数据采集装置包括无人机以及搭载于无人机上的激光雷达。无人机自由度极高,可以极大的提高采集的能力。且无人机可以实现自动导航,可以进一步解放采集时人力的投入,且采用自动导航也可以进一步保证数据采集时的平稳。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上述结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于激光点云的杆塔识别方法,其特征在于,包括以下步骤:
建立杆塔标准点云库,所述杆塔标准点云库包括多个杆塔标准点云数据,每个所述杆塔标准点云数据对应一种杆塔类型;
获取待处理点云数据;
将所述待处理点云数据输入预先建立的分类模型中,并分类出待处理杆塔点云数据;
获取与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型;
依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
依据所述最终杆塔点云数据计算出杆塔的倾斜度。
2.根据权利要求1所述的基于激光点云的杆塔识别方法,其特征在于,所述分类模型的建立包括以下步骤:
获取训练样本,所述训练样本包括样本点云数据以及与所述样本点云数据中各点对应的类别标识;
提取所述样本点云数据中各点的特征数据;
建立分类模型的初始模型结构;
将所述样本点云数据对应的特征数据、类别标识输入至所述初始模型中进行训练,直至得到最终的分类模型。
3.根据权利要求1所述的基于激光点云的杆塔识别方法,其特征在于,所述获取与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据,并确定对应的杆塔类型包括以下步骤:
截取所述待处理杆塔点云数据的多个匹配截面;
依据多个所述匹配截面在所述待处理杆塔点云数据中的位置,在每个所述杆塔标准点云数据中截取对应标准匹配截面;
将多个所述匹配截面与每个所述杆塔标准点云数据对应的多个标准匹配截面进行比对,直至选择出与所述待处理杆塔点云数据相似程度最高的杆塔标准点云数据;
依据该杆塔标准点云数据获取对应的杆塔类型。
4.根据权利要求3所述的基于激光点云的杆塔识别方法,其特征在于,在依据多个所述匹配截面在所述待处理杆塔点云数据中的位置,在每个所述杆塔标准点云数据中截取对应标准匹配截面之前还包括以下步骤:
依据所述待处理杆塔点云数据计算出杆塔的实际高度信息,计算出多个所述杆塔标准点云数据的标准高度信息;
利用实际高度信息对多个所述杆塔标准点云数据进行筛选,将高度不符合的所述杆塔标准点云数据去除。
5.根据权利要求1所述的基于激光点云的杆塔识别方法,其特征在于,所述依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正包括以下步骤:
依据对应的所述杆塔标准点云数据绘制所述待处理点云数据的边界区域;
将所述待处理点云数据的边界区域内的非杆塔点去除以及边界区域外的杆塔点去除。
6.根据权利要求1所述的基于激光点云的杆塔识别方法,其特征在于,所述依据所述最终杆塔点云数据计算出杆塔的倾斜度包括以下步骤:
在所述最终杆塔点云数据对应杆塔中截取与水平面平行的第一水平截面和第二水平截面;
获取所述第一水平截面的中心点在所述第二水平截面中的投影点,并计算所述投影点与所述第二水平截面中心点的距离,并记作偏差距离;
计算所述第一水平截面的中心点到所述第二水平截面的距离,并记作垂直距离;
依据所述垂直距离和偏差距离计算出倾斜度。
7.根据权利要求1所述的基于激光点云的杆塔识别方法,其特征在于,还包括以下步骤:
构建杆塔数据记录表;
将与所述待处理杆塔点云数据对应的杆塔类型和倾斜度进行记录。
8.一种基于激光点云的杆塔识别系统,其特征在于,包括:
杆塔标准点云库,所述杆塔标准点云库包括多个杆塔标准点云数据,每个所述杆塔标准点云数据对应一种杆塔类型;
点云数据采集装置,用于获取待处理输电通道的待处理点云数据;
服务器,其内预置有分类模型,所述分类模型用于分类出待处理杆塔点云数据;
塔型匹配单元,用于依据所述杆塔标准点云库为所述待处理点云数据匹配出对应的杆塔标准点云数据,并确定对应的杆塔类型;
点云修正单元,用于依据该所述杆塔标准点云数据对所述待处理杆塔点云数据进行修正,并获得最终杆塔点云数据;
倾斜度计算单元,用于依据所述最终杆塔点云数据计算出杆塔的倾斜度。
9.根据权利要求8所述的基于激光点云的杆塔识别系统,其特征在于,所述服务器中还设置有杆塔数据记录表,所述杆塔数据记录表用于记录与所述待处理杆塔点云数据对应的杆塔类型和倾斜度。
10.根据权利要求8所述的基于激光点云的杆塔识别系统,其特征在于,所述点云数据采集装置包括无人机以及搭载于所述无人机上的激光雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353160.4A CN113076870A (zh) | 2021-03-31 | 2021-03-31 | 一种基于激光点云的杆塔识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353160.4A CN113076870A (zh) | 2021-03-31 | 2021-03-31 | 一种基于激光点云的杆塔识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113076870A true CN113076870A (zh) | 2021-07-06 |
Family
ID=76614326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110353160.4A Pending CN113076870A (zh) | 2021-03-31 | 2021-03-31 | 一种基于激光点云的杆塔识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076870A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436234A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市信润富联数字科技有限公司 | 轮毂毛刺识别方法、电子装置、装置及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810271A (zh) * | 2014-01-29 | 2014-05-21 | 辽宁师范大学 | 基于路径跟随的三维点云物体形状特征匹配方法 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
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 |
CN108133227A (zh) * | 2017-11-29 | 2018-06-08 | 北京数字绿土科技有限公司 | 激光雷达点云数据分类方法及装置 |
CN109447100A (zh) * | 2018-08-30 | 2019-03-08 | 天津理工大学 | 一种基于b样条曲面相似性检测的三维点云识别方法 |
CN109671174A (zh) * | 2018-12-20 | 2019-04-23 | 北京中飞艾维航空科技有限公司 | 一种电塔巡检方法及装置 |
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 |
CN112580428A (zh) * | 2020-11-09 | 2021-03-30 | 义乌市输变电工程有限公司设计分公司 | 一种配电网设计方法及装置 |
-
2021
- 2021-03-31 CN CN202110353160.4A patent/CN113076870A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810271A (zh) * | 2014-01-29 | 2014-05-21 | 辽宁师范大学 | 基于路径跟随的三维点云物体形状特征匹配方法 |
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 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN108133227A (zh) * | 2017-11-29 | 2018-06-08 | 北京数字绿土科技有限公司 | 激光雷达点云数据分类方法及装置 |
CN109447100A (zh) * | 2018-08-30 | 2019-03-08 | 天津理工大学 | 一种基于b样条曲面相似性检测的三维点云识别方法 |
CN109671174A (zh) * | 2018-12-20 | 2019-04-23 | 北京中飞艾维航空科技有限公司 | 一种电塔巡检方法及装置 |
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 |
CN112580428A (zh) * | 2020-11-09 | 2021-03-30 | 义乌市输变电工程有限公司设计分公司 | 一种配电网设计方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436234A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市信润富联数字科技有限公司 | 轮毂毛刺识别方法、电子装置、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3792901B1 (en) | Ground mark extraction method, model training method, device and storage medium | |
WO2020052530A1 (zh) | 一种图像处理方法、装置以及相关设备 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
EP3407294B1 (en) | Information processing method, device, and terminal | |
CN108961276B (zh) | 基于视觉伺服的配电线路巡检数据自动采集方法及系统 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
WO2019061111A1 (zh) | 一种路径调整方法及无人机 | |
CN103455815A (zh) | 一种复杂场景下的自适应车牌字符分割方法 | |
CN110543473B (zh) | 一种众包数据融合优化方法、装置及存储介质 | |
CN112666963A (zh) | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 | |
CN104239899A (zh) | 一种用于无人机巡检的输电线路间隔棒识别方法 | |
CN113238205A (zh) | 基于人工智能的无人机测绘点云数据偏移校正方法与系统 | |
CN108564628A (zh) | 一种面向掘进机自动化的截割头视觉定位定向系统 | |
CN107741233A (zh) | 一种三维室外地图的构建方法 | |
CN113076870A (zh) | 一种基于激光点云的杆塔识别方法及系统 | |
CN112802004A (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN111413550B (zh) | 基站工参的测量方法及装置 | |
CN112418193B (zh) | 一种车道线识别方法及系统 | |
CN111899291A (zh) | 基于多源维度分解的城市点云从粗到精的自动配准方法 | |
CN114332435A (zh) | 一种基于三维重建的图像标注方法及装置 | |
CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
CN103559492A (zh) | 一种车标识别装置及方法 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN111854678B (zh) | 一种单目视觉下基于语义分割和卡尔曼滤波的位姿测量方法 | |
CN114169404A (zh) | 一种基于图像智能获取边坡病害量化信息方法 |
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 |