CN113222914A - 一种基于配准点云的树障隐患快速检测方法 - Google Patents

一种基于配准点云的树障隐患快速检测方法 Download PDF

Info

Publication number
CN113222914A
CN113222914A CN202110463975.8A CN202110463975A CN113222914A CN 113222914 A CN113222914 A CN 113222914A CN 202110463975 A CN202110463975 A CN 202110463975A CN 113222914 A CN113222914 A CN 113222914A
Authority
CN
China
Prior art keywords
point cloud
registration
point
visible light
laser
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
Application number
CN202110463975.8A
Other languages
English (en)
Inventor
樊灵孟
吴争荣
余文辉
吴新桥
王昊
刘高
李彬
刘岚
蔡思航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202110463975.8A priority Critical patent/CN113222914A/zh
Publication of CN113222914A publication Critical patent/CN113222914A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种基于配准点云的树障隐患快速检测方法，其中，所述基于配准点云的树障隐患快速检测方法包括步骤：获取待检测输电线路的激光点云和可见光点云，并配准激光点云和可见光点云，得到配准点云；从配准点云中分别提取电力线点云和植被点云；构造电力线点云对应的电力线矢量，并计算植被点云的三维凸包；若三维凸包中的三维凸包点与电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点，实现了输电线路的智能巡检，提高了巡检效率，降低了误判和漏判的概率，节省了劳动成本。

Description

一种基于配准点云的树障隐患快速检测方法
技术领域
本发明涉及电线巡检领域，尤其涉及一种基于配准点云的树障隐患快速检测方法、装置、设备及可读存储介质。
背景技术
输电线走廊内成长的树木对输电线路能够造成很大的影响和危害，例如短路、线路跳闸、线路停电，甚至产生变电所全所失压，树木已经成为影响输电线路安全运行的重大障碍，即树障。传统地以人工巡检的方式对树障进行排查，劳动强度大，而且巡检效率低，在树木繁盛的情况下又难以同时全方位观察树顶、树冠和电力线之间的关系，造成误判、漏判。
发明内容
本发明的主要目的在于提出一种基于配准点云的树障隐患快速检测方法、装置、设备及计算机可读存储介质，旨在解决如何提高电力线周围树障排查的效率问题。基于配准点云的树障隐患快速检测方法包括以下步骤：
获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云；
从所述配准点云中分别提取电力线点云和植被点云；
构造所述电力线点云对应的电力线矢量，并计算所述植被点云的三维凸包；
若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
可选的，所述获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云的步骤包括：
通过无人机拍摄系统获取激光点云和可见光点云，利用基于八叉树的网格体素化方法分别对所述激光点云和所述可见光点云进行网格划分，得到多个点云网格；
将每个所述点云网格的重心替代所述点云网格中的所有点，以对所述激光点云和所述可见光点云降采样处理；
配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云。
可选的，所述配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云的步骤包括：
计算所述激光点云和所述可见光点云中所有点的FPFH特征；
利用SAC-IA算法提取所述可见光点云中的随机采样点集，并根据所述FPFH特征从所述激光点云中筛选出与所述随机采样点集对应的相似点集；
迭代所述随机采样点集和所述相似点集之间的刚体变换矩阵，得到最优刚体变换矩阵；
以所述激光点云所在的空间坐标系为基准，依据所述最优刚体变换矩阵变换所述可见光点云中各个点的坐标，实现对所述激光点云和所述可见光点云的粗配准，得到粗配准点云；
对所述粗配准点云进行精配准，得到配准点云。
可选的，所述粗配准点云包括粗配准激光点云和粗配准可见光点云，所述对所述粗配准点云进行精配准，得到配准点云的步骤包括：
获取所述粗配准激光点云中的粗配准激光点集，以及根据距离最短原则从所述粗配准可见光点云中筛选出与所述粗配准激光点集对应的所述粗配准可见光点集；
通过ICP算法计算所述粗配准激光点集和所述粗配准可见光点集之间的旋转平移矩阵；
依据所述旋转平移矩阵变换所述粗配准可见光点云，直至所述粗配准激光点集与所述粗配准可见光点集之间的平均距离小于预设阈值，得到配准点云。
可选的，所述配准点云包括配准激光点云和所述配准可见光点云，所述从所述配准点云中提取电力线点云和植被点云的步骤包括：
对所述配准激光点云进行分割处理，依次利用基于点云密度分析的滤波算法和基于点云间倾斜角度平均值的滤波算法提取分割后的所述配准激光点云中的电力线点云；
对所述配准可见光点云进行分块处理，利用随机森林算法提取分块后的所述可见光点云中的植被点云。
可选的，所述构造所述电力线点云对应的电力线矢量，并检测所述植被点云的三维凸包的步骤包括：
利用直线拟合和曲线拟合构造所述电力线点云对应的电力线矢量；
对所述植被点云进行分段处理，利用增量法计算每一段所述植被点云的三维凸包。
可选的，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，
所述若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点的步骤包括：
若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述三维凸包点为植被隐患点。
此外，为实现上述目的，本发明还提供一种基于配准点云的树障隐患快速检测装置，所述基于配准点云的树障隐患快速检测装置包括：
获取模块，用于获取待检测输电线路的激光点云和可见光点云；
配准模块，用于配准所述激光点云和所述可见光点云，得到配准点云；
提取模块，用于从所述配准点云中分别提取电力线点云和植被点云；
构造模块，用于构造所述电力线点云对应的电力线矢量；
检测模块，用于检测所述植被点云的三维凸包；
确定模块，用于若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
此外，为实现上述目的，本发明还提供一种基于配准点云的树障隐患快速检测设备，所述基于配准点云的树障隐患快速检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于配准点云的树障隐患快速检测程序，所述基于配准点云的树障隐患快速检测程序被所述处理器执行时实现如上所述的基于配准点云的树障隐患快速检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有所述基于配准点云的树障隐患快速检测程序，所述基于配准点云的树障隐患快速检测程序被处理器执行时实现如上所述的基于配准点云的树障隐患快速检测方法的步骤。
附图说明
图1为实现本发明各个实施例一种设备的硬件结构示意图；
图2为本发明基于配准点云的树障隐患快速检测方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种基于配准点云的树障隐患快速检测设备，参照图1，图1是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是，图1即可为基于配准点云的树障隐患快速检测设备的硬件运行环境的结构示意图。本发明实施例基于配准点云的树障隐患快速检测设备可以是PC(Personal Computer，个人电脑)，便携计算机，服务器等设备。
如图1所示，该基于配准点云的树障隐患快速检测设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，基于配准点云的树障隐患快速检测设备还可以包括RF(RadioFrequency，射频)电路，传感器、WiFi模块等等。
本领域技术人员可以理解，图1中示出的基于配准点云的树障隐患快速检测设备结构并不构成基于配准点云的树障隐患快速检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于配准点云的树障隐患快速检测程序。其中，操作系统是管理和控制基于配准点云的树障隐患快速检测设备硬件和软件资源的程序，支持基于配准点云的树障隐患快速检测程序以及其它软件或程序的运行。
图1所示的基于配准点云的树障隐患快速检测设备，可用于解决如何提高电力线周围树障排查的效率问题，用户接口1003主要用于侦测或者输出各种信息，如输入分割尺寸和输出树障信息等；网络接口1004主要用于与后台服务器交互，进行通信；处理器1001可以用于调用存储器1005中存储的基于配准点云的树障隐患快速检测程序，并执行以下操作：
获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云；
从所述配准点云中分别提取电力线点云和植被点云；
构造所述电力线点云对应的电力线矢量，并计算所述植被点云的三维凸包；
若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
进一步地，所述获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云的步骤包括：
通过无人机拍摄系统获取激光点云和可见光点云，利用基于八叉树的网格体素化方法分别对所述激光点云和所述可见光点云进行网格划分，得到多个点云网格；
将每个所述点云网格的重心替代所述点云网格中的所有点，以对所述激光点云和所述可见光点云降采样处理；
配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云。
进一步地，所述配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云的步骤包括：
计算所述激光点云和所述可见光点云中所有点的FPFH特征；
利用SAC-IA算法提取所述可见光点云中的随机采样点集，并根据所述FPFH特征从所述激光点云中筛选出与所述随机采样点集对应的相似点集；
迭代所述随机采样点集和所述相似点集之间的刚体变换矩阵，得到最优刚体变换矩阵；
以所述激光点云所在的空间坐标系为基准，依据所述最优刚体变换矩阵变换所述可见光点云中各个点的坐标，实现对所述激光点云和所述可见光点云的粗配准，得到粗配准点云；
对所述粗配准点云进行精配准，得到配准点云。
进一步地，所述粗配准点云包括粗配准激光点云和粗配准可见光点云，所述对所述粗配准点云进行精配准，得到配准点云的步骤包括：
获取所述粗配准激光点云中的粗配准激光点集，以及根据距离最短原则从所述粗配准可见光点云中筛选出与所述粗配准激光点集对应的所述粗配准可见光点集；
通过ICP算法计算所述粗配准激光点集和所述粗配准可见光点集之间的旋转平移矩阵；
依据所述旋转平移矩阵变换所述粗配准可见光点云，直至所述粗配准激光点集与所述粗配准可见光点集之间的平均距离小于预设阈值，得到配准点云。
进一步地，所述配准点云包括配准激光点云和所述配准可见光点云，
所述从所述配准点云中提取电力线点云和植被点云的步骤包括：
对所述配准激光点云进行分割处理，依次利用基于点云密度分析的滤波算法和基于点云间倾斜角度平均值的滤波算法提取分割后的所述配准激光点云中的电力线点云；
对所述配准可见光点云进行分块处理，利用随机森林算法提取分块后的所述可见光点云中的植被点云。
进一步地，所述构造所述电力线点云对应的电力线矢量，并检测所述植被点云的三维凸包的步骤包括：
利用直线拟合和曲线拟合构造所述电力线点云对应的电力线矢量；
对所述植被点云进行分段处理，利用增量法计算每一段所述植被点云的三维凸包。
进一步地，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，
所述若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点的步骤包括：
若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述三维凸包点为植被隐患点。
本发明通过获取待检测输电线路的激光点云和可见光点云，配准激光点云和可见光电云，得到配准点云，从配准点云中提取电力线点云和植被点云，构造电力线点云的电力线矢量，计算植被点云的三维凸包，当三维凸包中的三维凸包点与电力线矢量之间的物理距离小于安全阈值时，确定该三维凸包点为植被隐患点，实现了输电线路的智能巡检，提高了巡检效率，降低了误判和漏判的概率，节省了劳动成本。
本发明移动终端具体实施方式与下述基于配准点云的树障隐患快速检测方法各实施例基本相同，在此不再赘述。
基于上述结构，提出本发明基于配准点云的树障隐患快速检测方法的各个实施例。
本发明提供一种基于配准点云的树障隐患快速检测方法。
参照图2，图2为本发明基于配准点云的树障隐患快速检测方法第一实施例的流程示意图。
在本实施例中，提供了基于配准点云的树障隐患快速检测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中，基于配准点云的树障隐患快速检测方法包括：
步骤S10，获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云；
输电线路的激光点云和可见光点云通过无人机飞行器技术获得，无人机飞行器包括无人机多传感器电力巡检系统，无人机多传感器电力巡检系统以中小型无人机为搭载平台，配备可见光倾斜摄像机、可见光相机、紫外扫描仪、红外热像仪及激光扫描仪等多种设备，可满足输电线路及其周围环境不同种类点云数据的采集要求。无人机飞行器技术与人工巡检、直升机巡检相比，可以适用于多种复杂环境，具有巡检效率和准确率高、设备维护费用和数据采集成本低、巡检风险小、机动灵活性能强大、携带和操作方便等十分显著的优点，同时无人机飞行器技术极大程度上降低了巡检周期和劳动强度，保障了巡检人员的安全，输电线路的可见光点云是通过无人机倾斜摄像机采用五个方位的测量方法对输电线路进行数据采集，再与惯性导航系统配合获得高精度的位置和姿态信息，最后通过影响数据处理得到。输电线路的激光点云是通过无人机承载的激光扫描仪拍摄获得的。
激光点云和可见光点云的配准就是以激光点云为参考点云，将可见光点云统一到激光点云所在的坐标系中，得到配准点云。需要说明的是，激光点云和可见光处于同一坐标系，但是可见光点云未融合到一起，所以处于同一坐标系的激光点云和可见光点云还是独立的存在。
步骤S20，从所述配准点云中提取电力线点云和植被点云；
可以理解，配准点云包括可见光点云和激光点云，本实施例中将配准点云中的激光点云称为配准激光点云，将配准点云中的可见光点云称为配准可见光点云，虽然配准可见光点云的精度低于配准激光点云，但是其采集的效率较高，且表达的植被信息比较完整；配准激光点云具有质量高，精度好等优点，可以比较准确的表达输电线路的地形和电力线的信息，且在没有外在因素导致剧烈变化的情况下电塔和电力线在配准激光点云中的结构和形态比较稳定。
基于上述原因，所述步骤S20还包括：
步骤a，对所述配准激光点云进行分割处理，依次利用基于点云密度分析的滤波算法和基于点云间倾斜角度平均值的滤波算法提取分割后的所述配准激光点云中的电力线点云；
从配准激光点云中提取电力线点云主要分为电力线点云的粗提取和电力线点云的精提取。
关于电力线点云的粗提取：首先对配准激光点云进行分割处理，分割处理就是获取由人工输入的分割尺寸dx和dy，将配准激光点云分割成带有空间网格的点云，dx和dy的数值一般为几米到几十米，地形起伏变化越小，分割尺寸越小，先沿X轴方向根据尺度dx等距分割，然后对分割所得网格沿Y轴方向根据尺度dy进一步等距分割，得到空间网格。在基于点云密度分析的高程滤波算法计算每个空间网格中需要被滤除的非电力线点的高程区间，本实施例中用f(z)表示空间网格中需要被滤除的非电力线点的高程区间，其表达式为：
Figure BDA0003042355510000091
d表示每个空间网格的点云平均密度，D表示输电线路总体点云的点云平均密度(配准激光点云个数/输电线路水平投影面积)。Zmin、Zmean分别表示每个空间网格点云高程的最小值和平均值。a和b表示常数，其取值根据实际数据的电力线粗提取效果进行调整，在保证电力线完整度的情况下取值尽可能大，以便减少后续滤波算法的计算量，提高效率。
当d>0.6*D时表示该空间网格内存在大量地面点、电塔点或者植被点；当0.03*D≤d≤0.6*D时，该空间网格内存在地面点、电塔点或者植被点，但比较稀疏；当d<0.03*D时该空间网格中只有极少数点，此时可能存在的点为电力线点或者地面点(空间分割时线路边缘处可能出现只有很少地面点的空间网格)，地面点集在电力线精提取时基本都能被滤除，因此d<0.03*D的空间网格中的点可以视为电力线点。将d>0.6*D的空间网格中的点滤除后，得到电力线粗提取点云。
关于电力线精提取：电力线点在小范围内高程变化具有小于植被点、电塔点和地面点的特征，因此对电力线粗提取点云中的非电力点(植被点、电塔点和地面点)，可采用基于点云间倾斜角度平均值的滤波算法进行滤除，该算法原理如下：遍历电力线粗提取点云，将电力线粗提取点云中的每个点视为搜索点，每个搜索点给定搜索半径r进行KdTree搜索，计算搜索半径区域内其他点到搜索点的倾斜角度的平均值，倾斜角度平均值小于阈值β的搜索点视为电力线点，否则视为非电力线点。两点间的倾斜角度和距离关系如图所示，点Pi(xi,yi,zi)与点Pj(xj,yj,zj)倾斜角度θi,j的计算公式为：
Figure BDA0003042355510000101
将非电力线点滤除之后，得到电力线点云。
步骤b，对所述配准可见光点云进行分块处理，利用随机森林算法提取分块后的所述可见光点云中的植被点云。
从配准可见光点云中提取植被点云，本实施例采用随机森林算法。随机森林算法的流程包括从配准可见光点云中有放回地随机抽取n个点云子集(即构建n棵树)，在抽取每个点云子集时没有被选中的点云子集成为“袋外数据”，对每个已选中的点云子集构建原始的分类树，每个节点处随机选出建模因子构建拆分，从中选出最优方案，通过求取每棵树的预测结果的众数值来获取预测数据。
本实例在采用随机森林算法之前，对配准可见光点云进行分块处理，将配准可见光点云分成多个分块区域，分块尺寸由人工输入，目的是为了因地形因素对计算结果造成不必要的影响，再基于随机森林的特征变量重要性算法，对分块区域中的特征要素进行排名，去除相对较弱的特征，然后通过推演各个特征集合间的相关性，再去除高度相关并且重要性排名较低的要素，从而得到较为适宜的分块区域的特征要素集合。随机森林算法可有效降低特征维数，缩短运算时间，且精度较高。
步骤S30，构造所述电力线点云对应的电力线矢量，并计算所述植被点云的三维凸包；
具体的，所述构造所述电力线点云对应的电力线矢量，包括：
步骤c，利用直线拟合和曲线拟合构造所述电力线点云对应的电力线矢量；
本实施例采用直线模型结合抛物线模型对电力线点云进行三维重建，得到电力线矢量，具体的重建过程为：获取电力线点云中的电塔点，以相邻电塔点为一档，对电力线点云进行分档，得到多档电力线点云，将各档电力线点云投影到水平面XY平面上，得到多档水平投影直线，以电力线间水平投影直线间的最短距离的2/5为直线拟合的距离阈值，通过RANSAC直线拟合方法得到电力线的投影直线并将该直线上的点还原为三维坐标，得到单条电力线点云，循环拟合直到该档内所有电力线提取完成。然后采用直线模型结合抛物线模型进行电力线三维重建，直线拟合时先将每条电力线点云投影到XY平面上，求出电力线x坐标的最小值xmin和最大值xmax，然后通过最小二乘法则计算电力线直线模型的最佳参数k和b，拟合直线的方程公式为：y＝kx+b。曲线拟合时先将单条电力线投影到拟合直线和Z轴所在平面，然后采用最小二乘法则计算得到电力线抛物线模型的最佳参数a0,a1,a2，拟合抛物线的方程公式为z＝a0x2+a1x+a2。最后设置步长沿X轴在区间[xmin，xmax]上根据拟合直线和拟合抛物线生成对应的y坐标和z坐标，得到该电力线的三维矢量节点，近似表达电力线矢量。
具体的，所述检测所述植被点云的三维凸包，包括：
步骤d，对所述植被点云进行分段处理，利用增量法计算每一段所述植被点云的三维凸包。
为了提高树障检测的精度，本实施例对植被点云进行分段，得到段状的植被点云，利用增量法计算分段后植被点云的三维凸包。
步骤S40，若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
进一步地，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，所述步骤S40包括：
步骤e，若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述三维凸包点为植被隐患点。
第一安全阈值、第二安全阈值以及第三安全阈值根据输电线路等级和国家规定的安全距离设定。三维凸包中含有三维凸包点，计算植被点与电力线矢量的水平距离、垂直距离和净空距离，当三维凸包点与电力线矢量之间的水平距离小于第一安全阈值，垂直距离小于第二安全距离，并且净空距离小于第三安距离，应将该三维凸包点确定为植被隐患点，并做上标记。
由于三维凸包点能够很好的体现植被顶部的轮廓，且三维凸包点的数目远少于植被点云中点的数目，所以能在保证计算结果正确的同时减少计算量。
本实施例通过获取待检测输电线路的激光点云和可见光点云，配准激光点云和可见光电云，得到配准点云，从配准点云中提取电力线点云和植被点云，构造电力线点云的电力线矢量，计算植被点云的三维凸包，当三维凸包中的三维凸包点与电力线矢量之间的物理距离小于安全阈值时，确定该三维凸包点为植被隐患点，实现了输电线路的智能巡检，提高了巡检效率，降低了误判和漏判的概率，节省了劳动成本。
进一步地，提出本发明基于配准点云的树障隐患快速检测方法的第二实施例。基于配准点云的树障隐患快速检测方法的第二实施例与基于配准点云的树障隐患快速检测的第一实施例的区别在于，步骤S10还包括：
步骤f，通过无人机拍摄系统获取激光点云和可见光点云，利用基于八叉树的网格体素化方法分别对所述激光点云和所述可见光点云进行网格划分，得到多个点云网格；
通过无人机承载的拍摄系统拍摄并获取输电线路的激光点云和可见光点云，此时的激光点云与可见光点云含有大量的点，会严重降低配准效率，而且在后续计算全局特征时，过多的点会影响k邻域算法对局部特征的判断，会对已有的特征造成错误的判断，因此为了提升配准效率，采取降低激光点云和可见光点云中点的数量，但是要保留激光点云与可见光点云的局部特征，删除一些不影响对局部特征判断的点。
本实施例采用八叉树的网格体素化方法分别对激光点云和可见光点云进行降采样。首先分别计算激光点云与可见光点云中点与点的平均距离，将该平均距离作为划分八叉树自适应划分的最小网格单位，将点云分割到各个网格当中去。
步骤g，将每个所述点云网格的重心替代所述点云网格中的所有点，以对所述激光点云和所述可见光点云降采样处理；
计算每个点云网格中的点坐标的加权平均值，得到点云网格的重心点坐标，将该重心点替代点云网格中的所有点，计算点云网格的重心点的公式为：
Figure BDA0003042355510000131
PG＝(XG，YG，ZG)，
式中：PG为体素化网格的重心点，n为体素网格中的点数，(xi，yi，zi)为体素网格中的点的坐标。计算所有点云网格的重心点，利用重心点代替点云网格中的所有点，实现了激光点云和可见光点云的降采样。
步骤h，配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云。
对降采样处理后的激光点云和可见光点云进行配准，一方面提升了点云配准的计算效率，另一方面为了剔除无关的点对点云配准精度的影响。
本实施例提供的降采样方法并且点云目的就是用较少的数据量来表达重要的信息，例如点云中的拐点以及角点，点云网格的过大则其无法良好的表达真实特性，且也可以在后续良好的计算点云特征的同时降低整体的计算量。
本发明基于配准点云的树障隐患快速检测方法的第三实施例。基于配准点云的树障隐患快速检测方法的第三实施例与基于配准点云的树障隐患快速检测方法的第一实施例、第二实施例的区别在于，所述配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云的步骤包括：
步骤i，计算所述激光点云和所述可见光点云中所有点的FPFH特征；
步骤j，利用SAC-IA算法提取所述可见光点云中的随机采样点集，并根据所述FPFH特征从所述激光点云中筛选出与所述随机采样点集对应的相似点集；
步骤k，迭代所述随机采样点集和所述相似点集之间的刚体变换矩阵，得到最优刚体变换矩阵；
步骤l，以所述激光点云所在的空间坐标系为基准，依据所述最优刚体变换矩阵变换所述可见光点云中各个点的坐标，实现对所述激光点云和所述可见光点云的粗配准，得到粗配准点云；
本实施例的目的是以激光点云为基准，将可见光点云配准至激光点云所在的坐标系中，随机采样点集和相似点集指的是激光点云中与可见光点云中具有相似FPFH特征的点点集。SAC-IA算法，即采样一致性初始配准算法，首先计算激光点云和可见光点云中所有点的FPFH特征，再利用SAC-IA算法从可见光点云中提取n个采样点，得到随机采样点集，在激光点云中找到与随机采样点集中的点具有相似的FPFH特征的点，得到相似点集，通过迭代的方法进行判断，从随机采样点集和相似点集的刚体变换矩阵(刚体变换矩阵包括旋转矩阵和平移矩阵)中找到最优刚体变换矩阵，从而实现点云的特征对齐进而实现点云的粗配准，将输电线路的激光点云和可见光点云调整至大致相同的位姿，因为SAC-IA算法的迭代停止标准为对应点的距离最小，所以当同一特征位置(如电塔塔顶)的FPFH特征相似的对应点距离最小时，即可说明两组点云的初始位姿良好，得到了粗配准点云。
FPFH(快速点特征直方图算子)是由PFH(点特征直方图算子)简化而来，FPFH算法降低了特征计算的复杂度，但是仍保留了点特征直方图算法的大部分识别特性。PFH算子通过参数化查询点Pq与邻域点Pn之间的空间差异，并形成一个SPFH(简化的点特征直方图算子)对查询点Pq的k邻域几何属性进行描述。SPFH的算法是首先根据选取点的法向量构建一个固定的局部坐标系，然后通过计算邻域内点的法向量与选取点法向量的偏差以及邻域点与选取点的欧式距离作为该选取点的SPFH算子。
FPFH算子相较于PFH算子的简化在于取消计算了邻域点之间的SPFH算子的计算，只计算选取点与邻域内点之间的SPFH特征，并重新确定每个点的邻域，计算出最终的FPFH算子，计算公式如下：
Figure BDA0003042355510000141
式中Fq为选取点的FPFH算子，Sq为选取点的SPFH算子，dn为选取点与邻域点之间的距离，Sn为邻域点重新确定邻域后计算的自身的SPFH特征。所以相较于PFH，FPFH算法大大降低了特征计算的整体复杂度并同时，进而提升了配准的效率。
步骤k，对所述粗配准点云进行精配准，得到配准点云。
可见光点云经过粗配准已经与激光点云处于同一坐标系中，但是此时激光点云与可见光点云的位姿未达到最好，对粗配准点云的位姿作进一步调整，即精配准，得到配准点云。
进一步地，所述粗配准点云包括粗配准激光点云和粗配准可见光点云，步骤k包括：
步骤k1，获取所述粗配准激光点云中的粗配准激光点集，以及根据距离最短原则从所述粗配准可见光点云中筛选出与所述粗配准激光点集对应的所述粗配准可见光点集；
步骤k2，通过ICP算法计算所述粗配准激光点集和所述粗配准可见光点集之间的旋转平移矩阵；
步骤k3，依据所述旋转平移矩阵变换所述粗配准可见光点云，直至所述粗配准激光点集与所述粗配准可见光点集之间的平均距离小于预设阈值，得到配准点云。
本实施例提供一种精配准的方法得到配准点云，实现过程借助于ICP算法(迭代最近点算法)，首先根据距离最短原则，对粗配准激光点云和粗配准可见光点云依次遍历，得到对应点集(粗配准激光点集和初始粗配准可见光点集)，再利用四元素法计算出对应点集中对应点的旋转矩阵和平移矩阵(统称为旋转平移矩阵)，将粗配准可见光点集依据旋转矩阵和平移矩阵变换得到新的粗配准可见光点集，计算粗配准激光点集和新的初始粗配准可见光点集的平均距离，平均距离的计算方法为将新的粗配准可见光点集与粗配准激光点集中的对应点距离平方和除数据总点数，循环上述步骤直到循环计算的平均距离结果小于阈值收敛为止，停止ICP算法的迭代进而完成精配准操作，最终得到配准点云。具体的ICP算法过程如下：基于kdtree改进的ICP算法对粗配准可见光点云利用kdtree遍历搜寻在粗配准激光点云中的最邻近点集，通过设置kdtree最邻近点搜索个数为1时可实现粗配准可见光点云(P)与粗配准激光点云(Q)点的一一对应关系，他们的距离在搜索点到邻域点集中其他点的距离最小，从而构成点对(mi，mi)，进一步地获得对应点集，利用kdtree搜索点对，可加快点对的搜索效率，从粗配准可见光点云P中提取初始粗配准可见光点集Pn，依据距离最短原则在粗配准激光点云Q中找出与Pn对应的粗配准激光点集Qn，Pn和Qn为一组对应点集；利用四元素法计算出两点集Pn和Qn中对应点的旋转矩阵R与旋转矩阵T，并对粗配准可见光点云进行刚体变换得到对应点集Pn′，
P′n＝{R·pi+t，pi∈P′n}；
计算点集的平均距离S，根据新的初始粗配准可见光点集Pn′与粗配准激光点集Qn所有对应点距离平方和除以数据点总数n，作为迭代收敛判断依据，
Figure BDA0003042355510000151
通过设置S的阈值，如果迭代后S的值小于阈值时则停止迭代，或设置最大的迭代次数，当到达最大迭代次数时迭代停止，不满足上述两种情况则返回第一步直到满足其中一条收敛条件为止，当迭代停止的时候，完成精配准操作，获得配准点云。
本实施例通过对可见光点云和激光点云的粗配准和精配准，使得激光点云和可见光点云处于较好的位姿，提高了树障检测的精确度。
此外，本发明实施例还提出一种基于配准点云的树障隐患快速检测装置，所述基于配准点云的树障隐患快速检测装置包括：
获取模块，用于获取待检测输电线路的激光点云和可见光点云；
配准模块，用于配准所述激光点云和所述可见光点云，得到配准点云；
提取模块，用于从所述配准点云中分别提取电力线点云和植被点云；
构造模块，用于构造所述电力线点云对应的电力线矢量；
检测模块，用于检测所述植被点云的三维凸包；
确定模块，用于若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
本发明所述基于配准点云的树障隐患快速检测装置实施方式与上述基于配准点云的树障隐患快速检测各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于配准点云的树障隐患快速检测程序，所述基于配准点云的树障隐患快速检测程序被处理器执行时实现如上所述的基于配准点云的树障隐患快速检测方法的各个步骤。
需要说明的是，计算机可读存储介质可设置在基于配准点云的树障隐患快速检测设备中。
本发明计算机可读存储介质具体实施方式与上述基于配准点云的树障隐患快速检测方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于配准点云的树障隐患快速检测方法，其特征在于，所述基于配准点云的树障隐患快速检测方法包括以下步骤：
获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云；
从所述配准点云中分别提取电力线点云和植被点云；
构造所述电力线点云对应的电力线矢量，并计算所述植被点云的三维凸包；
若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
2.如权利要求1所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述获取待检测输电线路的激光点云和可见光点云，并配准所述激光点云和所述可见光点云，得到配准点云的步骤包括：
通过无人机拍摄系统获取激光点云和可见光点云，利用基于八叉树的网格体素化方法分别对所述激光点云和所述可见光点云进行网格划分，得到多个点云网格；
将每个所述点云网格的重心替代所述点云网格中的所有点，以对所述激光点云和所述可见光点云降采样处理；
配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云。
3.如权利要求2所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述配准降采样处理后的所述激光点云和所述可见光点云，得到配准点云的步骤包括：
计算所述激光点云和所述可见光点云中所有点的FPFH特征；
利用SAC-IA算法提取所述可见光点云中的随机采样点集，并根据所述FPFH特征从所述激光点云中筛选出与所述随机采样点集对应的相似点集；
迭代所述随机采样点集和所述相似点集之间的刚体变换矩阵，得到最优刚体变换矩阵；
以所述激光点云所在的空间坐标系为基准，依据所述最优刚体变换矩阵变换所述可见光点云中各个点的坐标，实现对所述激光点云和所述可见光点云的粗配准，得到粗配准点云；
对所述粗配准点云进行精配准，得到配准点云。
4.如权利要求3所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述粗配准点云包括粗配准激光点云和粗配准可见光点云，所述对所述粗配准点云进行精配准，得到配准点云的步骤包括：
获取所述粗配准激光点云中的粗配准激光点集，以及根据距离最短原则从所述粗配准可见光点云中筛选出与所述粗配准激光点集对应的所述粗配准可见光点集；
通过ICP算法计算所述粗配准激光点集和所述粗配准可见光点集之间的旋转平移矩阵；
依据所述旋转平移矩阵变换所述粗配准可见光点云，直至所述粗配准激光点集与所述粗配准可见光点集之间的平均距离小于预设阈值，得到配准点云。
5.如权利要求1所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述配准点云包括配准激光点云和所述配准可见光点云，所述从所述配准点云中提取电力线点云和植被点云的步骤包括：
对所述配准激光点云进行分割处理，依次利用基于点云密度分析的滤波算法和基于点云间倾斜角度平均值的滤波算法提取分割后的所述配准激光点云中的电力线点云；
对所述配准可见光点云进行分块处理，利用随机森林算法提取分块后的所述可见光点云中的植被点云。
6.如权利要求5所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述构造所述电力线点云对应的电力线矢量，并检测所述植被点云的三维凸包的步骤包括：
利用直线拟合和曲线拟合构造所述电力线点云对应的电力线矢量；
对所述植被点云进行分段处理，利用增量法计算每一段所述植被点云的三维凸包。
7.如权利要求6所述的基于配准点云的树障隐患快速检测方法，其特征在于，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，
所述若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点的步骤包括：
若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述三维凸包点为植被隐患点。
8.一种基于配准点云的树障隐患快速检测装置，其特征在于，所述基于配准点云的树障隐患快速检测装置包括：
获取模块，用于获取待检测输电线路的激光点云和可见光点云；
配准模块，用于配准所述激光点云和所述可见光点云，得到配准点云；
提取模块，用于从所述配准点云中分别提取电力线点云和植被点云；
构造模块，用于构造所述电力线点云对应的电力线矢量；
检测模块，用于检测所述植被点云的三维凸包；
确定模块，用于若所述三维凸包中的三维凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述三维凸包点为植被隐患点。
9.一种基于配准点云的树障隐患快速检测设备，其特征在于，所述基于配准点云的树障隐患快速检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于配准点云的树障隐患快速检测程序，所述基于配准点云的树障隐患快速检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于配准点云的树障隐患快速检测的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质为计算机可读存储介质，所述可读存储介质上存储有基于配准点云的树障隐患快速检测程序，所述基于配准点云的树障隐患快速检测程序被处理器执行时实现如权利要求1至7中任一项所述的基于配准点云的树障隐患快速检测方法的步骤。
CN202110463975.8A 2021-04-27 2021-04-27 一种基于配准点云的树障隐患快速检测方法 Pending CN113222914A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110463975.8A CN113222914A (zh) 2021-04-27 2021-04-27 一种基于配准点云的树障隐患快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110463975.8A CN113222914A (zh) 2021-04-27 2021-04-27 一种基于配准点云的树障隐患快速检测方法

Publications (1)

Publication Number Publication Date
CN113222914A true CN113222914A (zh) 2021-08-06

Family

ID=77089466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110463975.8A Pending CN113222914A (zh) 2021-04-27 2021-04-27 一种基于配准点云的树障隐患快速检测方法

Country Status (1)

Country Link
CN (1) CN113222914A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114119606A (zh) * 2022-01-20 2022-03-01 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
CN114494379A (zh) * 2022-02-17 2022-05-13 中南大学 基于fpfh的凸包辅助三维点云配准方法、设备及介质
CN115760725A (zh) * 2022-11-04 2023-03-07 广东安恒电力科技有限公司 基于激光雷达的输电线外力入侵监测方法、介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037514A (zh) * 2017-11-07 2018-05-15 国网甘肃省电力公司电力科学研究院 一种使用激光点云进行树障安全检测方法
CN109164459A (zh) * 2018-08-01 2019-01-08 南京林业大学 一种结合激光雷达和高光谱数据对森林树种分类的方法
WO2020082366A1 (zh) * 2018-10-26 2020-04-30 深圳市大疆创新科技有限公司 电力线路检测方法、装置、无人机及计算机可读存储介质
CN111311650A (zh) * 2020-01-20 2020-06-19 南方电网数字电网研究院有限公司 一种点云数据的配准方法、装置及存储介质
CN111985496A (zh) * 2020-07-13 2020-11-24 南方电网数字电网研究院有限公司 一种基于植被三维凸包的树障隐患快速检测方法和终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037514A (zh) * 2017-11-07 2018-05-15 国网甘肃省电力公司电力科学研究院 一种使用激光点云进行树障安全检测方法
CN109164459A (zh) * 2018-08-01 2019-01-08 南京林业大学 一种结合激光雷达和高光谱数据对森林树种分类的方法
WO2020082366A1 (zh) * 2018-10-26 2020-04-30 深圳市大疆创新科技有限公司 电力线路检测方法、装置、无人机及计算机可读存储介质
CN111311650A (zh) * 2020-01-20 2020-06-19 南方电网数字电网研究院有限公司 一种点云数据的配准方法、装置及存储介质
CN111985496A (zh) * 2020-07-13 2020-11-24 南方电网数字电网研究院有限公司 一种基于植被三维凸包的树障隐患快速检测方法和终端

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴新桥 等: "面向电网巡检的点云高精度配准算法研究", 《生态互联 数字电力——2019电力行业信息化年会论文集》 *
吴锦秋 等: "可见光影像与激光雷达点云融合技术在配网树障巡检中的应用", 《湖南电力》 *
曾忱 等: "基于无人机可见光点云的输电线路树障隐患智能分析研究", 《电力设备管理》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114119606A (zh) * 2022-01-20 2022-03-01 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
CN114494379A (zh) * 2022-02-17 2022-05-13 中南大学 基于fpfh的凸包辅助三维点云配准方法、设备及介质
CN115760725A (zh) * 2022-11-04 2023-03-07 广东安恒电力科技有限公司 基于激光雷达的输电线外力入侵监测方法、介质及设备
CN115760725B (zh) * 2022-11-04 2024-02-20 广东安恒电力科技有限公司 基于激光雷达的输电线外力入侵监测方法、介质及设备

Similar Documents

Publication Publication Date Title
CN113222914A (zh) 一种基于配准点云的树障隐患快速检测方法
US20220028163A1 (en) Computer Vision Systems and Methods for Detecting and Modeling Features of Structures in Images
WO2020207166A1 (zh) 一种物体检测方法、装置、电子设备和存储介质
Kim et al. UAV-assisted autonomous mobile robot navigation for as-is 3D data collection and registration in cluttered environments
CN111598916A (zh) 一种基于rgb-d信息的室内占据栅格地图的制备方法
CN112034878B (zh) 基于无人机的电力巡检方法、装置和电子设备
CN109919237B (zh) 点云处理方法及装置
US20220365186A1 (en) Automatic detection of a calibration standard in unstructured lidar point clouds
CN113298035A (zh) 基于图像识别的无人机电力杆塔检测及自主巡航方法
CN112305559A (zh) 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备
Awrangjeb et al. Rule-based segmentation of LIDAR point cloud for automatic extraction of building roof planes
CN109492606A (zh) 多光谱矢量图获取方法及系统、三维单体化方法及系统
CN113689535A (zh) 基于无人机影像的建筑物模型的生成方法和装置
CN107843261B (zh) 一种基于激光扫描数据定位机器人位置的方法和系统
CN117115063A (zh) 一种多源数据融合应用方法
CN113096181A (zh) 设备位姿的确定方法、装置、存储介质及电子装置
CN117470246A (zh) 路径规划方法、装置、存储介质及电子设备
Partovi et al. Model-driven 3D building reconstruction based on integeration of DSM and spectral information of satellite images
CN112540622B (zh) 雷达数据的处理方法及装置、作业设备
CN115390051B (zh) 激光雷达标定方法、装置、设备及存储介质
CN116030006A (zh) 基于无人机激光雷达的电力塔杆识别方法及系统
Caceres et al. Improved classification of building infrastructure from airborne lidar data using spin images and fusion with ground-based lidar
CN114742794B (zh) 一种基于三角剖分的临时道路检测方法及系统
CN118424295B (zh) 施工现场无人机智能巡检航线规划方法及系统
CN112950683B (zh) 基于点特征的航空影像和机载点云配准优化方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210806