CN114782947A - 输配电线路点云匹配方法、点云匹配系统及存储介质 - Google Patents
输配电线路点云匹配方法、点云匹配系统及存储介质 Download PDFInfo
- Publication number
- CN114782947A CN114782947A CN202210708115.0A CN202210708115A CN114782947A CN 114782947 A CN114782947 A CN 114782947A CN 202210708115 A CN202210708115 A CN 202210708115A CN 114782947 A CN114782947 A CN 114782947A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tower
- target
- line
- power line
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种输配电线路点云匹配方法、点云匹配系统及存储介质,包括:获取机载LiDAR测得的输配电线路的原始点云数据;将原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据;根据线路走廊点云数据分离得到目标杆塔点云和目标电力线点云;利用目标杆塔点云与电网台账的杆塔信息进行匹配,得到目标杆塔点云对应的目标杆塔的精确坐标;根据相邻两个目标杆塔的精确坐标对目标电力线点云进行缓冲分析,得到目标电力线点云对应的目标电力线的精确坐标;根据目标杆塔的精确坐标和目标电力线的精确坐标构建输配电线路的数字模型。本发明能够将输配电线路点云数据中的杆塔和导线与电网台账进行精确匹配。
Description
技术领域
本发明涉及数据点云技术领域,尤其涉及一种输配电线路点云匹配方法、点云匹配系统及存储介质。
背景技术
机载LiDAR点云成像技术具有分辨率高、抗干扰能力强、灵活机动等特点,常用于辅助电网线路走廊的三维建模工作。当前,搭载机载LiDAR的航测设备,单次航测任务扫描距离超过数十公里,航线能够依据采集成本而灵活规划,使得生成的点云模型文件融合了多条线路走廊信息(包括高塔与建筑物等造成干扰的地物),解决了传统人工巡检方法危险性高及效率低下等问题。
机载LiDAR生成的点云模型文件中,较大部分的导线点云在空间上没有接续在一块,即离散点云。这些离散点云与电网台账之间需要建立关联,目前依靠人工经验进行研判,工作量非常大,并且需要人工多次核对,效率低下并且容易出错。总而言之,即使利用机载LiDAR构建电网线路走廊的数据,仍然缺乏一套将输配电线路的离散点云与电网台账进行精确匹配的方案。
发明内容
本发明实施例提供了一种输配电线路点云匹配方法、点云匹配系统及存储介质,能够将输配电线路点云数据中的杆塔和导线与电网台账进行精确匹配。
第一方面,本发明实施例提供了一种输配电线路点云匹配方法,包括:
获取机载LiDAR测得的输配电线路的原始点云数据;
将所述原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据,所述卷积神经网络根据点云数据的垂直空间分布连续性和水平空间分布连续性构建卷积模板,所述线路走廊点云数据包括杆塔和电力线的点云数据;
根据所述线路走廊点云数据分离得到目标杆塔点云和目标电力线点云;
利用所述目标杆塔点云与电网台账的杆塔信息进行匹配,得到所述目标杆塔点云对应的目标杆塔的精确坐标;
根据相邻两个目标杆塔的精确坐标对所述目标电力线点云进行缓冲分析,得到所述目标电力线点云对应的目标电力线的精确坐标;
根据所述目标杆塔的精确坐标和所述目标电力线的精确坐标构建输配电线路的数字模型。
在一些实施例中,所述将所述原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据,包括:
根据所述原始点云数据的点云分布规律标注架空对象点云和非架空对象点云之间的相对高度、以及标注架空对象点云和非架空对象点云的垂直分布规律和水平分布规律;
将标注后的所述原始点云数据输入到卷积神经网络,以使所述卷积神经网络根据相对高度、垂直分布规律和水平分布规律过滤地物点云数据,得到线路走廊点云数据,所述线路走廊点云数据为表征杆塔和电力线在空间上连续的线路走廊点云数据。
在一些实施例中,所述根据所述线路走廊点云数据分离得到目标杆塔点云和目标电力线点云,包括:
对所述线路走廊点云数据进行粗分离处理,得到粗分离杆塔点云和粗分离电力线点云;
对所述粗分离杆塔点云和所述粗分离电力线点云进行精细分离,得到目标杆塔点云和目标电力线点云。
在一些实施例中,所述对所述线路走廊点云数据进行粗分离处理,包括:
对所述线路走廊点云数据进行抽稀处理;
遍历抽稀处理后的所述线路走廊点云数据中的点,对于每一点进行悬空性分析,得到粗分离杆塔点云;
根据粗分离杆塔点云确定杆塔质心;
根据所述杆塔质心对所述线路走廊点云数据确定粗分离电力线点云。
在一些实施例中,所述对所述粗分离杆塔点云和所述粗分离电力线点云进行精细分离,包括:
以所述杆塔质心为圆心、杆塔的横担宽为直径作圆;
当所述粗分离杆塔点云的点的水平投影落在所作圆中,将该点归为目标杆塔点云的点;
当所述粗分离杆塔点云的点的水平投影不落在所作圆中,将该点归为目标电力线点云的点;
对所述粗分离电力线点云进行曲线拟合,得到拟合线,将所述粗分离电力线点云与所述拟合线之间的距离小于预设阈值的点归为目标电力线的点。
在一些实施例中,所述利用所述目标杆塔点云与电网台账的杆塔信息进行匹配,包括:
根据所述原始点云数据的航测位置确定覆盖范围,所述覆盖范围内包括所述目标杆塔;
在所述覆盖范围内筛选所述电网台账的杆塔信息中的位置信息,得到所述覆盖范围内的若干个杆塔的GPS位置;
根据所述目标杆塔点云的在所述覆盖范围内的分布规律,与所述覆盖范围内的若干个杆塔的GPS位置进行匹配;
当所述目标杆塔的匹配位置误差小于阈值,则赋值所述目标杆塔的杆塔信息。
在一些实施例中,所述根据相邻两个目标杆塔的精确坐标对所述目标电力线点云进行缓冲分析,得到所述目标电力线点云对应的目标电力线的精确坐标,包括:
根据所述目标杆塔的精确坐标计算出相邻两个目标杆塔的相对坐标距离与相对方位角,并以其中一个所述目标杆塔的中心点坐标,按所述相对坐标距离的预设倍数增值与所述相对方位角进行垂直面方向的缓冲分析;
当缓冲分析的缓冲区内所述电力线点云存在唯一候选值,则确定唯一候选值的所述电力线点云为目标电力线点云;
切换到下一个目标杆塔进行缓冲分析直到所述目标电力线被遍历。
第二方面,本发明实施例提供了一种点云匹配系统,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配电线路点云匹配方法。
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如第一方面所述的输配电线路点云匹配方法。
本发明实施例提供的输配电线路点云匹配方法及点云匹配系统,至少具有如下有益效果:对机载LiDAR测得的输配电线路的原始点云数据进行过滤和分离,得到杆塔点云和电力线点云,基于电网台账中已有的杆塔坐标对杆塔点云进行匹配,然后基于缓冲分析对两个杆塔之间的电力线点云进行匹配,得到电力线的精确坐标,最后根据匹配完成的杆塔的精确坐标和电力线的精确坐标构建输配电线路的数字模型。该数字模型融合三维点云数据和电网台账数据,精确匹配得到杆塔的坐标,同时还确定了电力线的精确坐标(例如在杆塔的出入线位置、数量、弯曲度等),使得数字台账能够精确反映实际的输配电线路形状,解决了以往依靠人工通过经验对离散点云数据进行台账关联的弊端,以较小的建设代价和设计误差实现从线路点云分段到电力要素模型的自动关联,能够满足机载LiDAR点云快速应用与精细化建设的需求,实现电力要素的高标准分级管理。
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是本发明一个实施例提供的输配电线路点云匹配方法的整体流程图;
图2是本发明一个实施例提供的基于卷积神经网络过滤地物点云数据的流程图;
图3是本发明一个实施例提供的对线路走廊点云数据进行粗分离和精细分离的流程图;
图4是本发明一个实施例提供的粗分离的详细流程图;
图5是本发明一个实施例提供的精细分离的详细流程图;
图6是本发明一个实施例提供的匹配目标杆塔精确坐标的流程图;
图7是本发明一个实施例提供的基于缓冲分析确定目标电力线点云的流程图;
图8是本发明一个实施例提供的缓冲分析中提示人工判定的流程图;
图9是本发明一个实施例提供的点云匹配系统的结构示意图。
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。
机载LiDAR,全称是机载激光雷达(light laser detection and ranging),它集成了GPS、IMU、激光扫描仪、数码相机等光谱成像设备。其中主动传感系统(激光扫描仪)利用返回的脉冲可获取探测目标高分辨率的距离、坡度、粗糙度和反射率等信息,而被动光电成像技术可获取探测目标的数字成像信息,经过地面的信息处理而生成逐个地面采样点的三维坐标,最后经过综合处理而得到沿一定条带的地面区域三维定位与成像结果。主要应用于基础测绘、城市三维建模和林业应用、铁路、电力等。
目前机载LiDAR得到的输配电线路点云数据只能大致反映线路走廊的三维情况,其建立的三维模型仍然与现有的电网台账互相独立,虽然相关技术提出了一些三维模型与台账数据的匹配方式,但是精确度仍然存在问题,并且需要人工介入的地方很多,智能化程度相当低;另一方面,目前电网台账中电力线的数据也难以匹配到三维模型中,因为三维模型的电力线具有弧度,电网台账中没有记载,以离散点云表示的电力线与电网台账关联,大多是通过人工依据经验进行研判,缺乏一套输配电线路通用且经济可行的方案。
基于此,本发明提出了一种输配电线路点云匹配方法、点云匹配系统及可读存储介质,应用机载LiDAR技术得到的输配电线路的点云数据与现有的电网台账进行精确匹配,以便形成后续巡检所需的杆塔级或线路级为调度单元的电力要素数字化档案支撑。
参照图1,本发明实施例提供了一种输配电线路点云匹配方法,包括但不限于以下步骤S100至步骤S300。
步骤S100,获取机载LiDAR测得的输配电线路的原始点云数据;
步骤S200,将原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据,卷积神经网络根据点云数据的垂直空间分布连续性和水平空间分布连续性构建卷积模板,线路走廊点云数据包括杆塔和电力线的点云数据;
步骤S300,根据线路走廊点云数据分离得到目标杆塔点云和目标电力线点云;
步骤S400,利用目标杆塔点云与电网台账的杆塔信息进行匹配,得到目标杆塔点云对应的目标杆塔的精确坐标;
步骤S500,根据相邻两个目标杆塔的精确坐标对目标电力线点云进行缓冲分析,得到目标电力线点云对应的目标电力线的精确坐标;
步骤S600,根据目标杆塔的精确坐标和目标电力线的精确坐标构建输配电线路的数字模型。
原始点云数据为未经处理的、机载LiDAR测得的点云数据,也可以认为是经过一些简单的预处理后得到的点云数据(这个预处理可以是由机载LiDAR相关设备处理,也可以是机载LiDAR输出并经人工初筛处理),其包含了杆塔、电力线和地物对应的点云;地物包括地面的房屋、树木、路灯等物体,这些地物分布在杆塔或电力线附近,进入到机载LiDAR的测量范围内,被一并测得形成点云。
对于原始点云数据将其输入预设的卷积神经网络,对地物点云数据进行过滤,从而得到线路走廊点云数据;线路走廊包括杆塔和电力线,由于电力线与杆塔是相连的,多个杆塔之间通过多段电力线连接成一整体,形成线路走廊。然后对线路走廊点云数据进行分离,得到杆塔点云和电力线点云,分离方法要经过粗分离和精细分离,将在下面详细说明。分离得到的目标杆塔点云可以确定其大致坐标,根据大致坐标与电网台账中的杆塔坐标进行匹配,从而确定目标杆塔的精确坐标,然后对于两两相邻的目标杆塔,利用缓冲分析对它们之间的电力线进行分析,确定目标电力线的精确坐标,最后根据目标杆塔的精确坐标和目标电力线的精确坐标即可构建输配电线路的数字模型。
本发明实施例提供一套输配电线路点云匹配方法,实现输配电线路点云模型成果细分所需的分段匹配、自动标注、线路台账匹配方案,提高输配电线路一体应用的线路点云数字化建设水平。
对于上述步骤S200,原始点云数据在卷积神经网络中的处理,参照图2,具体可以包括以下步骤:
步骤S210,根据原始点云数据的点云分布规律标注架空对象点云和非架空对象点云之间的相对高度、以及标注架空对象点云和非架空对象点云的垂直分布规律和水平分布规律;
步骤S220,将标注后的原始点云数据输入到卷积神经网络,以使卷积神经网络根据相对高度、垂直分布规律和水平分布规律过滤地物点云数据,得到线路走廊点云数据,线路走廊点云数据为表征杆塔和电力线在空间上连续的线路走廊点云数据。
原始点云数据的点云分布规律与杆塔、电力线和地物的形状特征相关,其中电力线属于架空对象,杆塔和地物属于非架空对象。电力线的相对高度取决于所在的地形,由于线路走廊的长度较大,往往经过高低不平的地形,当地形起伏较大,容易导致电力线的相对高度远大于场景中的其他地物高度,当地形平坦,则电力线相对高度略低于杆塔的高度,杆塔的相对高度取决于自身高度,不受地形起伏影响。因此,利用这个特性,可以知道在垂直分布方面,电力线点云在垂直空间分布多为不连续,杆塔和地物则反之,在垂直空间分布多为连续。因此结合相对高度、垂直分布和水平分布三个方面分析非结构化的原始点云数据,可以将架空对象点云和非架空对象点云标注出来。此处标注可以是自动标注的形式,例如,对于相对高度较高的水平分布的点云,标注成架空对象点云,对于垂直分布且在垂直方向一直延伸到低位的点云,标注成非架空对象点云。标注的方式本发明实施例不做限制,本领域技术人员可以根据实际需要进行标注,只要能够实现架空对象和非架空对象的划分即可。
标注后的原始点云数据输入到卷积神经网络中进行过滤。过滤的目标是地物点云,地物点云往往跟架空对象在水平方向上不相连,且地物的高度通常低于附近杆塔的高度,基于这一规律,对卷积神经网络构建卷积核,将原始点云数据中的地物点云进行过滤,最后得到线路走廊点云数据。
参照图3,对线路走廊点云数据进行分离,得到目标杆塔点云和目标电力线点云,具体包括以下步骤:
步骤S310,对线路走廊点云数据进行粗分离处理,得到粗分离杆塔点云和粗分离电力线点云;
步骤S320,对粗分离杆塔点云和粗分离电力线点云进行精细分离,得到目标杆塔点云和目标电力线点云。
其中粗分离和精细分离均有多种处理方式,下面分别针对粗分离和精细分离的过程进行举例说明。
参照图4,对于粗分离,包括以下步骤:
步骤S311,对线路走廊点云数据进行抽稀处理;
步骤S312,遍历抽稀处理后的线路走廊点云数据中的点,对于每一点进行悬空性分析,得到粗分离杆塔点云;
步骤S313,根据粗分离杆塔点云确定杆塔质心;
步骤S314,根据杆塔质心对线路走廊点云数据确定粗分离电力线点云。
数据经过抽稀后,数量大量减少,并且基本保证能反映原图形或曲线的基本形状特征,能够为进一步的处理节省空间和时间。抽稀用于降低点云数据点的目的,同时保持相对较高的点云精度,提高点云数据的处理效率。抽稀距离可以根据线路分类确定,在此不做限制。抽稀处理后的线路走廊数据点云,进入下一步悬空性分析,用于粗分离得到杆塔点云。
悬空性分析在点云数据中应用方式如下,取点云数据中的任一点P,以P点为中心,根据杆塔在P点处的横担宽和预设第一高度创建立体矩形,从立体矩形的上表面往上扩展第二高度,从立体矩形的下表面往下扩展第三高度,当扩展得到的任一空间内包含点云数据的点,则认为当前P点属于杆塔点云中的点,反之认为当前P点属于电力线点云中的点。遍历线路走廊中的点,从而确定得到粗分离杆塔点云。
悬空性分析虽然可以区分当前P点属于杆塔还是电力线,但是点云数据中的点并非全部严格按照实际形状分布,电力线由于直径较小,其点云数据的误差也较大,因此还需要基于粗分离的杆塔点云进一步处理得到粗分离的电力线点云,从而确定电力线在杆塔上出入线的位置。具体来说,将粗分离杆塔点云看成一个整体,利用切片法确定杆塔质心,删除偏差较大的质心,余下的质心统计处理后得到杆塔的质心位置。基于线路走廊点云数据和质心位置可以确定电力线的大致位置,即粗分离电力线点云。
参照图5,对于精细分离,包括以下步骤:
步骤S321,以杆塔质心为圆心、杆塔的横担宽为直径作圆;
步骤S322,当粗分离杆塔点云的点的水平投影落在所作圆中,将该点归为目标杆塔点云的点;
步骤S323,当粗分离杆塔点云的点的水平投影不落在所作圆中,将该点归为目标电力线点云的点;
步骤S324,对粗分离电力线点云进行曲线拟合,得到拟合线,将粗分离电力线点云与拟合线之间的距离小于预设阈值的点归为目标电力线的点。
选择上述得到的杆塔的质心为圆心,以杆塔的横担宽为直径作圆,对于粗分离杆塔点云中的各个点,当粗分离杆塔点云的点的水平投影落在所作圆中,将该点归为目标杆塔点云的点,当粗分离杆塔点云的点的水平投影不落在所作圆中,将该点归为目标电力线点云的点;从而确定目标杆塔的精细坐标,以及靠近目标杆塔位置处的电力线的精细坐标。由于两个目标杆塔之间的电力线点云数据仍然未进行精细化处理。因此本发明实施例基于直线和抛物线拟合粗分离电力线点云,对电力线进行精细分离。
具体来说,电力线由于重力原因往往在两个目标杆塔的中间位置下垂,可以基于粗分离电力线点云上的点进行曲线拟合,曲线拟合方式的方式有多种,例如悬链线模型、抛物线模型等,本发明实施例为了简化说明采用抛物线并基于最小二乘法进行拟合,对每条电力线构建一元二次方程,并确定一元二次方程中的系数,最后根据拟合好的曲线考察粗分离电力线点云上的各个点,当点与曲线之间的最短距离小于预设阈值,则仍然该点属于目标电力线上的点,否则舍弃该点。
通过上述精细分离方式,可以得到目标杆塔和目标电力线的精细形状以及走向等信息。
接下来就基于精细分离得到的目标杆塔点云和目标电力线点云,与电网台账进行匹配,构建输配电网的数字模型。参照图6,具体来说,包括以下步骤:
步骤S410,根据原始点云数据的航测位置确定覆盖范围,覆盖范围内包括目标杆塔;
步骤S420,在覆盖范围内筛选电网台账的杆塔信息中的位置信息,得到覆盖范围内的若干个杆塔的GPS位置;
步骤S430,根据目标杆塔点云的在覆盖范围内的分布规律,与覆盖范围内的若干个杆塔的GPS位置进行匹配;
步骤S440,当目标杆塔的匹配位置误差小于阈值,则赋值目标杆塔的杆塔信息。
机载LiDAR的测量任务是针对指定区域进行的,因此所得的线路走廊点云数据必然位于该指定区域内,利用该指定区域的地理位置信息也能够从电网台账中查找到该指定区域内的各种电力设施的位置,例如杆塔的位置。因此对于原始点云数据对应的覆盖范围,在电网台账中查找该覆盖范围内所有杆塔的地理位置信息(以GPS信息表示)。显然,多个杆塔的GPS位置之间具有相对关系,可以与目标杆塔点云的在覆盖范围内的分布规律进行匹配,从而确定覆盖范围内的目标杆塔的杆塔信息(覆盖范围内只有一个目标杆塔的情况则直接将GPS位置赋值给该目标杆塔)。可以理解的是,电网台账中的GPS位置基本是准确的,但是并不一定就能完全匹配上目标杆塔的点云的,因此匹配过程中还需要考虑目标杆塔的匹配位置误差,当该误差小于预设的阈值,才能将GPS位置信息赋值给目标杆塔。
当确定好目标杆塔的精确位置,则需要建立目标电力线的精确位置,参照图7,对于步骤S500中的缓冲分析,具体包括以下步骤:
步骤S510,根据目标杆塔的精确坐标计算出相邻两个目标杆塔的相对坐标距离与相对方位角,并以其中一个目标杆塔的中心点坐标,按相对坐标距离的预设倍数增值与相对方位角进行垂直面方向的缓冲分析;
步骤S520,当缓冲分析的缓冲区内电力线点云存在唯一候选值,则确定唯一候选值的电力线点云为目标电力线点云;
步骤S530,切换到下一个目标杆塔进行缓冲分析直到目标电力线被遍历。
其中,目标杆塔的中心点坐标可以选为目标杆塔在电网台账中匹配之后得到的GPS位置,也可以是前述数据处理过程中的质心坐标等。缓冲区分析是指以点、线、面实体为基础,自动建立其周围一定宽度范围内的缓冲区多边形图层,然后建立该图层与目标图层的叠加,进行分析而得到所需结果。它是用来解决邻近度问题的空间分析工具之一。邻近度描述了地理空间中两个地物距离相近的程度。对于目标电力线来说,基于线要素的缓冲区,通常是以线为中心轴线,距中心轴线一定距离的平行条带多边形,而实际应用到本发明实施例中,以其中一个目标杆塔的中心点坐标,按相对坐标距离的预设倍数增值与相对方位角进行垂直面方向的缓冲分析,观察缓冲区内是否具有唯一候选值,若是,可自动进行下一段目标电力线的缓冲分析,直到目标杆塔之间的全部目标电力线被全部遍历。
可以理解的是,上述缓冲分析的缓冲区中有可能存在多个候选值,那么参照图8,此时还包括:
步骤S540,当缓冲分析的缓冲区内电力线点云存在多个候选值,发出警示以提醒进行人工判定。
通过上述各个步骤,本发明实施例的输配电线路点云匹配方法,是杆塔和电力线的点云自动分类提取与标识技术的应用,同时基于杆塔定位与档距分析,实现杆塔序列化点云分段处理,从而利用电网台账的高精度杆塔定位数据或附加的施工结构参数,与机载LiDAR点云数据进行拟合分析,快速且准确的实现针对输配线离散点云进行目标分类,辅助定位电力线线的悬挂区间,结合杆塔档距与跨越区点云复杂环境,实现对离散点云的杆塔邻接分析,精确匹配台账信息。
本发明实施例的还提供了一种点云匹配系统,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配电线路点云匹配方法。
参照图9,以点云匹配系统1000中的处理器1001和存储器1002可以通过总线连接为例。存储器1002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1002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1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至点云匹配系统1000。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。
本领域技术人员可以理解,图9中示出的装置结构并不构成对点云匹配系统1000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。
本发明实施例的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处理器执行,例如,被图9中的一个处理器1001执行,可使得上述一个或多个处理器执行上述方法实施例中的输配电线路点云匹配方法,例如,执行以上描述的图1中的方法步骤S100至步骤S600、图2中的方法步骤S210至步骤S220、图3中的方法步骤/310至步骤S320、图4中的方法步骤S311至步骤S314、图5中的方法步骤S321至步骤S324、图6中的方法步骤S410至步骤S440、图7中的方法步骤S510至步骤S530以及图8中的方法步骤S540。
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)
1.一种输配电线路点云匹配方法,包括:
获取机载LiDAR测得的输配电线路的原始点云数据;
将所述原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据,所述卷积神经网络根据点云数据的垂直空间分布连续性和水平空间分布连续性构建卷积模板,所述线路走廊点云数据包括杆塔和电力线的点云数据;
根据所述线路走廊点云数据分离得到目标杆塔点云和目标电力线点云;
利用所述目标杆塔点云与电网台账的杆塔信息进行匹配,得到所述目标杆塔点云对应的目标杆塔的精确坐标;
根据相邻两个目标杆塔的精确坐标对所述目标电力线点云进行缓冲分析,得到所述目标电力线点云对应的目标电力线的精确坐标;
根据所述目标杆塔的精确坐标和所述目标电力线的精确坐标构建输配电线路的数字模型。
2.根据权利要求1所述的输配电线路点云匹配方法,其特征在于,所述将所述原始点云数据输入卷积神经网络,过滤地物点云数据,得到线路走廊点云数据,包括:
根据所述原始点云数据的点云分布规律标注架空对象点云和非架空对象点云之间的相对高度、以及标注架空对象点云和非架空对象点云的垂直分布规律和水平分布规律;
将标注后的所述原始点云数据输入到卷积神经网络,以使所述卷积神经网络根据相对高度、垂直分布规律和水平分布规律过滤地物点云数据,得到线路走廊点云数据,所述线路走廊点云数据为表征杆塔和电力线在空间上连续的线路走廊点云数据。
3.根据权利要求1所述的输配电线路点云匹配方法,其特征在于,所述根据所述线路走廊点云数据分离得到目标杆塔点云和目标电力线点云,包括:
对所述线路走廊点云数据进行粗分离处理,得到粗分离杆塔点云和粗分离电力线点云;
对所述粗分离杆塔点云和所述粗分离电力线点云进行精细分离,得到目标杆塔点云和目标电力线点云。
4.根据权利要求3所述的输配电线路点云匹配方法,其特征在于,所述对所述线路走廊点云数据进行粗分离处理,包括:
对所述线路走廊点云数据进行抽稀处理;
遍历抽稀处理后的所述线路走廊点云数据中的点,对于每一点进行悬空性分析,得到粗分离杆塔点云;
根据粗分离杆塔点云确定杆塔质心;
根据所述杆塔质心对所述线路走廊点云数据确定粗分离电力线点云。
5.根据权利要求4所述的输配电线路点云匹配方法,其特征在于,所述对所述粗分离杆塔点云和所述粗分离电力线点云进行精细分离,包括:
以所述杆塔质心为圆心、杆塔的横担宽为直径作圆;
当所述粗分离杆塔点云的点的水平投影落在所作圆中,将该点归为目标杆塔点云的点;
当所述粗分离杆塔点云的点的水平投影不落在所作圆中,将该点归为目标电力线点云的点;
对所述粗分离电力线点云进行曲线拟合,得到拟合线,将所述粗分离电力线点云与所述拟合线之间的距离小于预设阈值的点归为目标电力线的点。
6.根据权利要求1所述的输配电线路点云匹配方法,其特征在于,所述利用所述目标杆塔点云与电网台账的杆塔信息进行匹配,包括:
根据所述原始点云数据的航测位置确定覆盖范围,所述覆盖范围内包括所述目标杆塔;
在所述覆盖范围内筛选所述电网台账的杆塔信息中的位置信息,得到所述覆盖范围内的若干个杆塔的GPS位置;
根据所述目标杆塔点云的在所述覆盖范围内的分布规律,与所述覆盖范围内的若干个杆塔的GPS位置进行匹配;
当所述目标杆塔的匹配位置误差小于阈值,则赋值所述目标杆塔的杆塔信息。
7.根据权利要求1所述的输配电线路点云匹配方法,其特征在于,所述根据相邻两个目标杆塔的精确坐标对所述目标电力线点云进行缓冲分析,得到所述目标电力线点云对应的目标电力线的精确坐标,包括:
根据所述目标杆塔的精确坐标计算出相邻两个目标杆塔的相对坐标距离与相对方位角,并以其中一个所述目标杆塔的中心点坐标,按所述相对坐标距离的预设倍数增值与所述相对方位角进行垂直面方向的缓冲分析;
当缓冲分析的缓冲区内所述电力线点云存在唯一候选值,则确定唯一候选值的所述电力线点云为目标电力线点云;
切换到下一个目标杆塔进行缓冲分析直到所述目标电力线被遍历。
8.根据权利要求7所述的输配电线路点云匹配方法,其特征在于,还包括:
当缓冲分析的缓冲区内所述电力线点云存在多个候选值,发出警示以提醒进行人工判定。
9.一种点云匹配系统,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中任意一项所述的输配电线路点云匹配方法。
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中任意一项所述的输配电线路点云匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708115.0A CN114782947B (zh) | 2022-06-22 | 2022-06-22 | 输配电线路点云匹配方法、点云匹配系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708115.0A CN114782947B (zh) | 2022-06-22 | 2022-06-22 | 输配电线路点云匹配方法、点云匹配系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114782947A true CN114782947A (zh) | 2022-07-22 |
CN114782947B CN114782947B (zh) | 2022-10-04 |
Family
ID=82421235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708115.0A Active CN114782947B (zh) | 2022-06-22 | 2022-06-22 | 输配电线路点云匹配方法、点云匹配系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782947B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309788A (zh) * | 2023-03-23 | 2023-06-23 | 中铁武汉电气化局集团有限公司 | 一种3d点云铁路接触线横截面积检测方法 |
CN116758122A (zh) * | 2023-08-14 | 2023-09-15 | 国网智能电网研究院有限公司 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779808A (zh) * | 2013-12-30 | 2014-05-07 | 国家电网公司 | 基于LiDAR的输电线路智能巡检系统 |
CN111309945A (zh) * | 2020-01-19 | 2020-06-19 | 国网山东省电力公司青岛供电公司 | 一种无人机巡检图片精确分类方法及系统 |
CN111709361A (zh) * | 2020-06-16 | 2020-09-25 | 广东电网有限责任公司 | 一种输电线路无人机巡检数据处理方法 |
CN113963276A (zh) * | 2021-10-22 | 2022-01-21 | 云南电网有限责任公司电力科学研究院 | 一种输电线路无人机自主巡检方法及系统 |
CN114114314A (zh) * | 2021-11-08 | 2022-03-01 | 国网福建省电力有限公司漳州供电公司 | 基于激光点云的输电线路巡检检测系统及检测方法 |
-
2022
- 2022-06-22 CN CN202210708115.0A patent/CN114782947B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779808A (zh) * | 2013-12-30 | 2014-05-07 | 国家电网公司 | 基于LiDAR的输电线路智能巡检系统 |
CN111309945A (zh) * | 2020-01-19 | 2020-06-19 | 国网山东省电力公司青岛供电公司 | 一种无人机巡检图片精确分类方法及系统 |
CN111709361A (zh) * | 2020-06-16 | 2020-09-25 | 广东电网有限责任公司 | 一种输电线路无人机巡检数据处理方法 |
CN113963276A (zh) * | 2021-10-22 | 2022-01-21 | 云南电网有限责任公司电力科学研究院 | 一种输电线路无人机自主巡检方法及系统 |
CN114114314A (zh) * | 2021-11-08 | 2022-03-01 | 国网福建省电力有限公司漳州供电公司 | 基于激光点云的输电线路巡检检测系统及检测方法 |
Non-Patent Citations (1)
Title |
---|
黄绪勇等: "基于LiDAR数据的输电线路隐患智能预警研究", 《中国战略新兴产业》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309788A (zh) * | 2023-03-23 | 2023-06-23 | 中铁武汉电气化局集团有限公司 | 一种3d点云铁路接触线横截面积检测方法 |
CN116758122A (zh) * | 2023-08-14 | 2023-09-15 | 国网智能电网研究院有限公司 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
CN116758122B (zh) * | 2023-08-14 | 2023-11-14 | 国网智能电网研究院有限公司 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114782947B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guan et al. | Extraction of power-transmission lines from vehicle-borne lidar data | |
CN114782947B (zh) | 输配电线路点云匹配方法、点云匹配系统及存储介质 | |
CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
EP3343503B1 (en) | High-precision map data processing method and apparatus, storage medium and device | |
CN106371456B (zh) | 一种无人机巡线方法及系统 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN111220993B (zh) | 目标场景定位方法、装置、计算机设备和存储介质 | |
JP2009068951A (ja) | 空中架線の管理システム | |
Vogtle et al. | 3D modelling of buildings using laser scanning and spectral information | |
CN115331190A (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
CN114937130B (zh) | 一种地形图测绘方法、装置、设备及存储介质 | |
CN112802004A (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
JP2020065320A (ja) | 巡視用サーバ、及び巡視点検システム | |
CN112085778A (zh) | 基于超像素和形态学的倾斜摄影违法建筑检测方法及系统 | |
Yao et al. | Automated detection of 3D individual trees along urban road corridors by mobile laser scanning systems | |
CN113096181A (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
US11734883B2 (en) | Generating mappings of physical spaces from point cloud data | |
CN113721254A (zh) | 一种基于道路指纹空间关联矩阵的车辆定位方法 | |
CN114252883B (zh) | 目标检测方法、装置、计算机设备和介质 | |
CN115170652A (zh) | 全局重定位方法、装置、电子设备及计算机存储介质 | |
CN114252884A (zh) | 路侧雷达定位监测方法、装置、计算机设备和存储介质 | |
CN116893685A (zh) | 一种无人机航线规划方法及系统 | |
CN114252859A (zh) | 目标区域的确定方法、装置、计算机设备和存储介质 |
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 |