CN115546406A - 基于点云数据的逆向建模方法及系统 - Google Patents
基于点云数据的逆向建模方法及系统 Download PDFInfo
- Publication number
- CN115546406A CN115546406A CN202211253997.2A CN202211253997A CN115546406A CN 115546406 A CN115546406 A CN 115546406A CN 202211253997 A CN202211253997 A CN 202211253997A CN 115546406 A CN115546406 A CN 115546406A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- scanning
- curve
- scanning reference
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000002441 reversible effect Effects 0.000 title claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 27
- 230000005477 standard model Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 abstract description 17
- 230000005540 biological transmission Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请涉及一种基于点云数据的逆向建模方法及系统，方法包括响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；使用经过筛选的点云数据在三维坐标系中构建第一三维模型；根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像；使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；使用圆心构建扫描基准曲线并计算均值曲率半径以及根据均值曲率半径和扫描基准曲线构建标准三维模型。本申请公开的基于点云数据的逆向建模方法及系统，通过使用点云数据来三维建模，然后得到准确的测量数据。
Description
技术领域
本申请涉及数据处理技术领域，尤其是涉及一种基于点云数据的逆向建模方法及系统。
背景技术
输电线路导线弧垂过大，将使得线路最低点与大地之间的距离不满足设计要求的安全距离。在大风和线路发生短路故障时，导线的摇摆度会使得线路的相间距离不能满足安全距离要求。而且弧垂过大，导致输电线所承担的应力过大，在冬天温度过低时，有可能导致导线断开而发生安全事故。
目前对于输电线路弧垂测量主要以观测法为主，尤其等长法和角度法应用比较多，利用全站仪或经纬仪进行观测。此方法计算比较复杂，计算繁琐，对人员计算要求比较高。
而且某些环境比较恶劣，导致仪器的架设和测量都比较困难，比如三跨区域或山区，威胁测量人员安全。同时电网运行维护部门每年需投入大量的人力、物力、财力，存在可靠性差、劳动强度大等不足。
发明内容
本申请提供一种基于点云数据的逆向建模方法及系统，使用基于无人机精确量测技术产生的点云数据来对架空输电线路进行三维建模，然后得到准确的测量数据，这种方式摆脱了地面测量环境的束缚，能够快速且准确的完成测量工作。
本申请的上述目的是通过以下技术方案得以实现的：
第一方面，本申请提供了一种基于点云数据的逆向建模方法，包括：
响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；
使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
使用圆心构建扫描基准曲线并计算均值曲率半径；以及
根据均值曲率半径和扫描基准曲线构建标准三维模型；
其中，每一个第二三维模型生成多个截面图像。
在第一方面的一种可能的实现方式中，获取到的点云数据包括多个点云数据组，每个点云数据组的生成地点不同。
在第一方面的一种可能的实现方式中，一个点云数据组生成一段子扫描基准曲线，多段子扫描基准曲线组成扫描基准曲线。
在第一方面的一种可能的实现方式中，两段子扫描基准曲线的对应点，当其最小直线距离小于等于阈值时，抛弃任意一段段子扫描基准曲线的对应点；当其最小直线距离大于于阈值时，选取这两段子扫描基准曲线的对应点为端点的线段的中点作为新的标准点。
在第一方面的一种可能的实现方式中，归属于不同扫描路径的多组点云数据得到的多条扫描基准曲线和多个均值曲率半径；
多条扫描基准曲线进行融合处理得到一条扫描基准曲线；
多个均值曲率半径进行均值计算得到一个均值曲率半径。
在第一方面的一种可能的实现方式中，还包括：
使用不可导点对扫描基准曲线进行分段，得到多个扫描基准曲线段；
将长度小于长度阈值的扫描基准曲线段舍弃；以及
使用光滑曲线对两个扫描基准曲线段之间的空白进行填充。
在第一方面的一种可能的实现方式中，计算均值曲率半径包括：
计算属于同一个截面图像的点云数据点组成的曲线的曲率半径；
根据阶梯范围和曲率半径对扫描基准曲线进行分段；以及
计算属于每一段扫描基准曲线的均值曲率半径；
其中，两段相邻的扫描基准曲线的均值曲率半径相同时，这两段相邻的扫描基准曲线进行融合。
第二方面，本申请提供了一种基于点云数据的逆向建模装置，包括：
第一筛选单元，用于响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
模型构建单元，用于使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
第二筛选单元，用于根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
截面构建单元，用于使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；每一个第二三维模型生成多个截面图像；
第一计算单元，用于使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
第二计算单元，用于使用圆心构建扫描基准曲线并计算均值曲率半径；以及
模型生成单元，用于根据均值曲率半径和扫描基准曲线构建标准三维模型。
第三方面，本申请提供了一种基于点云数据的逆向建模系统，所述系统包括：
一个或多个存储器，用于存储指令；以及
一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如第一方面及第一方面任意可能的实现方式中所述的方法。
第四方面，本申请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包括：
程序，当所述程序被处理器运行时，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第五方面，本申请提供了一种计算机程序产品，包括程序指令，当所述程序指令被计算设备运行时，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第六方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于实现上述各方面中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。
该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，或者处理器和该存储器也可以耦合在同一个设备上。
附图说明
图1是本申请提供的一种基于点云数据的逆向建模方法的流程示意图。
图2是本申请提供的一种使用距离参考变量筛除无效数据点的示意图。
图3是本申请提供的一种扫描截面在第二三维模型上的位置示意图。
图4是本申请提供的一种圆心的计算过程示意图。
图5是本申请提供的一种以圆心为基准绘制曲线的示意图。
图6是本申请提供的一种弧垂量的示意图。
图7是本申请提供的一种对扫描基准曲线段进行筛选的示意图。
图8是本申请提供的一种计算均值曲率半径的流程示意图。
图9是本申请提供的一种量测传感器采集点云数据的过程示意图。
图10是本申请提供的一种某段输电线缆上出现直径偏小段的示意图。
具体实施方式
以下结合附图，对本申请中的技术方案作进一步详细说明。
本申请公开的一种基于点云数据的逆向建模方法，应用于无人机或者具有无人机的数据采集平台，无人机上安装有量测传感器。测量过程中，无人机沿着线路飞行，量测传感器同步采集数据，量测传感器采集得到的数据由无人机进行处理或者发送给数据采集平台进行处理，处理过程包括根据数据逆向建模和计算弧垂量两个部分，但对于计算弧垂量而言，在根据数据逆向建模成功后，弧垂量计算可以根据使用数据逆向建模得到的三维模型直接得出，也就是说，根据数据逆向建模是核心步骤，计算弧垂量是该步骤的一个延伸。
为了描述方便，将本申请公开的基于点云数据的逆向建模方法应用于无人机或者具有无人机的数据采集平台统称为处理平台，处理平台是基于点云数据的逆向建模系统的一部分。
请参阅图1，为本申请公开的一种基于点云数据的逆向建模方法，包括以下步骤：
S101，响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
S102，使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
S103，根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
S104，使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；
S105，使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
S106，使用圆心构建扫描基准曲线并计算均值曲率半径；以及
S107，根据均值曲率半径和扫描基准曲线构建标准三维模型；
其中，每一个第二三维模型生成多个截面图像。
具体而言，在步骤S101中，量测传感器会将测量得到的数据发送给处理平台，响应于得到的数据，处理平台会使用距离参考变量对点云数据进行至少一次筛选，筛选的目的是得到后续步骤中需要使用的数据。
应理解，在输电线路的周围还存在例如电线杆、电塔、树叶和树枝等干扰对象，在量测传感器进行扫描的过程中，这些干扰对象也会在数据中体现出来，但是这部分数据是无用数据，需要进行筛选。
具体的筛选方式是使用距离参考变量进行筛选，此处可以将量测传感器所在传感器视为一个弧线的中心点，距离参考变量视为这个弧线的曲率半径，位于弧线内侧的数据点视为有效数据点，位于弧线内侧的数据点视为无效数据点，对无效数据点进行舍弃处理，如图2所示。
那么在实际的飞行过程中，无人机可以尽可能的靠近输电线路飞行，这样可以使距离参考变量的值尽可能的小，用以降低无效数据点在筛选完成的数据点中的占比。
然后使用经过筛选的点云数据在三维坐标系中构建第一三维模型，也就是步骤S102中的内容。
应理解，点组成线，线组成面，对于一个对象（物体）而言，可以将其看作是一个多个面组成的集合体，量测传感器得到的点云数据，使用多个点来描述面，那么通过对这些点的逆向，就能够得到多个面，这些面会组成一个或者多个第一三维模型。
然后执行步骤S103，该步骤中，会根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型，这里的第二三维模型指的就是输电线缆模型。在前文中提到，在筛选完成的数据点中，还可能存在一定量的无效数据点，这些无效数据点生成的第一三维模型可能是电线杆、电塔、树叶和树枝等或者是第一三维模型的一部分。
线缆的特征是条状、弧形和具有一定的长度，因此可以根据标准模型特征将输电线缆模型从全部的第一三维模型中筛选出来，因为电线杆、电塔、树叶和树枝等均不具备这些特征。
或者，使用一个经过训练的图像识别卷积神经网络来筛选第二三维模型。
得到第二三维模型后，请参阅图3，使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点，这些点云数据点是量测传感器在扫描过程中生成的。
在该步骤中，需要根据截面图像来得到可能归属于一个截面的多个点云数据点，这些点云数据点组成的形状应当是圆形或者近似于圆形的椭圆形。当根据这些云数据点生成的图形不是圆形（椭圆形的长轴和短轴的差值超过允许范围）时，就需要调整扫描截面的倾斜程度，直至这些点云数据点组成的形状应当是圆形或者近似于圆形的椭圆形。
在步骤S105中，使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径，每一组属于同一个截面图像的点云数据点，可以将其看作是在一条曲线上，该曲线具有一个圆心和一个曲率半径值。
请参阅图4，圆心的计算是在属于同一个截面图像的点云数据点中任意选取两个点云数据点，然后绘制一条线段，接着绘制一条垂直于该线段且经过该线段的中点的直线，然后增加直线的数量，这些直线会产生多个交点。
然后使用标准圆对这些交点进行筛选，使尽可能多的交点位于标准圆内，最后以标准圆的圆心作为属于同一个截面图像的点云数据点所在曲线的圆心。
请参阅图5，得到圆心后，开始反向绘制并计算曲线的曲率半径，具体点方法是以圆心为基准绘制曲线，使得曲线能够尽可能的经过属于同一个截面图像的点云数据点；或者根据弧线得到一个曲面，使尽可能多的属于同一个截面图像的点云数据点落在这个曲面上。
每一个第二三维模型生成多个截面图像。截面图像的数量为多个，因此可以得到多组圆心和曲率半径值，这些圆心在三维坐标系中可以看作是一条曲线上的点，那么通过这些点，就可以在在三维坐标系中将这条曲线反向绘制出来。
对于得到的多个曲率半径值，进行均值计算，得到均值曲率半径，然后开始构建标准三维模型，具体的方式是在得到均值曲率半径后绘制一个圆形，这个圆形的圆心在扫描基准曲线上移动，圆形边界线随着圆心的移动而移动，形成标准三维模型，也就是步骤S107中的内容。
得到标准三维模型后，以标准三维模型的两端为基准，可以得到该标准三维模型的最低点和两端的距离差，然后就可以计算出弧垂量，如图6所示。
整体而言，本申请提供的基于点云数据的逆向建模方法，使得输电线缆的数据化弧垂量测量成为现实，无人机飞行过程中对输电线缆进行扫描，然后根据扫描得到的点云数据来构建输电线缆的线缆模型，从而直接得到输电线缆的弧垂量。
测量过程中，工作人员可以直接在地面上放飞无人机，不再需要架设测量仪器和沿线路分段测量，降低了测量难度，提高了测量效率，同时还不再需要工作人员进行计算。
另外，本申请提供的基于点云数据的逆向建模方法，也不需要对输电线缆进行全面扫描，可以根据部分数据对输电线缆的三维模型进行还原，进而得到标准三维模型。例如在无人机沿输电线缆飞行过程中，可以位于线缆的侧面、上面或者下面，在任意位置处得到的点云数据都能够用于标准三维模型的构建。
应理解，无人机飞行过程中的飞行轨迹可能不稳定，这也就导致扫描得到的第二三维模型可能是一节一节的，或则两节第二三维模型虽然在端部有一定的重合，但是仍然能够看到明显的分界面。
还应理解，对于得到的扫描基准曲线，可能不是光滑的，因为无人机在飞行过程中的轨迹并不稳定，同时还考虑到数据采集精度、部分数据不可用和部分扫描点丢失的情况，因此作为申请提供的基于点云数据的逆向建模方法的一种具体实施方式，对扫描基准曲线增加了如下步骤进行处理：
S201，使用不可导点对扫描基准曲线进行分段，得到多个扫描基准曲线段；
S202，将长度小于长度阈值的扫描基准曲线段舍弃；以及
S203，使用光滑曲线对两个扫描基准曲线段之间的空白进行填充。
步骤S201中的不可导点指的就是两段扫描基准曲线之间的连接点，使用不可导点对扫描基准曲线进行分段，得到多个扫描基准曲线段，然后将长度小于长度阈值的扫描基准曲线段舍弃，如图7所示，这样可以消除部分过短的扫描基准曲线段，用来降低后续数据处理的难度。
对于剩余的扫描基准曲线段，使用光滑曲线对两个扫描基准曲线段之间的空白进行填充，这样就可以得到一条近似光滑的扫描基准曲线，然后再对这条扫描基准曲线进行光滑处理，这样可以较大程度的还原数据的真实性。
另外，对于部分缺失的空白，直接使用光滑曲线对两个扫描基准曲线段之间的空白进行填充。
请参阅图8，步骤S106中计算均值曲率半径的具体步骤如下：
S301，计算属于同一个截面图像的点云数据点组成的曲线的曲率半径；
S302，根据阶梯范围和曲率半径对扫描基准曲线进行分段；以及
S303，计算属于每一段扫描基准曲线的均值曲率半径；
其中，两段相邻的扫描基准曲线的均值曲率半径相同时，这两段相邻的扫描基准曲线进行融合。
具体而言，在步骤S301中，会计算属于同一个截面图像的点云数据点组成的曲线的曲率半径，这样可以得到多个有位置标记的曲线的曲率半径。然后在步骤S302中，会根据阶梯范围和曲率半径对扫描基准曲线进行分段，也就是通过对扫描基准曲线的分段来显示每一段输电线缆的直径。具体的计算在步骤S103中执行，该步骤中，计算属于每一段扫描基准曲线的均值曲率半径，对于两段相邻的扫描基准曲线的均值曲率半径相同时，这两段相邻的扫描基准曲线进行融合，也就是将这两段扫描基准曲线视为一段。
分段处理的方式可以使标准三维模型能够更加真实的反应输电线缆的情况，该部分内容在下文中有进一步解释。
作为申请提供的基于点云数据的逆向建模方法的一种具体实施方式，还对获取到的点云数据进行了分组，每个点云数据组的生成地点不同。这样可以在一定程度上解决无人机飞行轨迹不稳定带来的数据处理难度问题。
请参阅图9，应理解，无人机在飞行过程中的轨迹发生变化时，会导致最终得到的扫描基准曲线不光滑，进而导致得到的标准三维模型与实际的线缆形状出现偏差，因此在本申请中，使用了分段处理的方式，分段处理就是将点云数据进行分组，每一组的点云数据是在一个生成地点得到的，这样就可以得到多条子扫描基准曲线，然后将这些子扫描基准曲线融合成一条扫描基准曲线。
图中量测传感器的视野是确定的，其在三维坐标系中的位置也是能够确定的，因此根据位置和视野，可以对量测传感器采集得到的数据进行分段，例如第一次数据采集过程中，两次数据采集位置之间的距离是一个单位距离，此时首先多段第二三位模型，然后根据两个第二三位模型之间的距离调整两次数据采集位置之间的距离，直至出现图9中显示的情况，同时为了保证数据的连续性，两个相邻位置处的量测传感器的视野还需要具有一定的重合量，用以实现两段子扫描基准曲线的端部的连接。
对于两段子扫描基准曲线的端部的连接，使用如下方式：
当其最小直线距离小于等于阈值时，抛弃任意一段子扫描基准曲线的对应点；接着计算一个移动距离，然后移动被抛弃任意一段段子扫描基准曲线的对应点的子扫描基准曲线；
当其最小直线距离大于阈值时，选取这两段子扫描基准曲线的对应点为端点的线段的中点作为新的标准点，接着计算一个移动距离，并移动处理方向（从左到右或者从右到左）上的后一段子扫描基准曲线。
对于上述两种方式的使用，通过对应点的占比来实现，例如对应点的数量为十对，其中有超过七对对应点最小直线距离大于于阈值，使用第二种方式，反之使用第一种方式，当然此处的七对仅仅是举例。
另外还考虑到输电线缆粗度的不均匀性对弧垂量造成的影响，在本申请中，还增加了如下步内容：
归属于不同扫描路径的多组点云数据得到的多条扫描基准曲线和多个均值曲率半径；
多条扫描基准曲线进行融合处理得到一条扫描基准曲线；
多个均值曲率半径进行均值计算得到一个均值曲率半径。
请参阅图10，也就是扫描基准曲线的数量仍然为一条，但是均值曲率半径的数量为多个，这样就可以通过输电线缆在各段处的直径来得到与弧垂量相关的数据，例如某段输电线缆的直径偏小，则说明输电线缆使用的安全性可能受到的影响，或者某段输电线缆的弧垂量虽然在要求范围内，但是部分区域的直径偏小，也需要进行重点关注。
本申请还提供了一种基于点云数据的逆向建模装置，包括：
第一筛选单元，用于响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
模型构建单元，用于使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
第二筛选单元，用于根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
截面构建单元，用于使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；每一个第二三维模型生成多个截面图像；
第一计算单元，用于使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
第二计算单元，用于使用圆心构建扫描基准曲线并计算均值曲率半径；以及
模型生成单元，用于根据均值曲率半径和扫描基准曲线构建标准三维模型。
在第一方面的一种可能的实现方式中，获取到的点云数据包括多个点云数据组，每个点云数据组的生成地点不同。
进一步地，一个点云数据组生成一段子扫描基准曲线，多段子扫描基准曲线组成扫描基准曲线。
进一步地，两段子扫描基准曲线的对应点，当其最小直线距离小于等于阈值时，抛弃任意一段段子扫描基准曲线的对应点；当其最小直线距离大于于阈值时，选取这两段子扫描基准曲线的对应点为端点的线段的中点作为新的标准点。
进一步地，归属于不同扫描路径的多组点云数据得到的多条扫描基准曲线和多个均值曲率半径；
多条扫描基准曲线进行融合处理得到一条扫描基准曲线；
多个均值曲率半径进行均值计算得到一个均值曲率半径。
进一步地，还包括：
分段单元，用于使用不可导点对扫描基准曲线进行分段，得到多个扫描基准曲线段；
筛选单元，用于将长度小于长度阈值的扫描基准曲线段舍弃；以及
填充单元，用于使用光滑曲线对两个扫描基准曲线段之间的空白进行填充。
进一步地，还包括：
第三计算单元，用于计算属于同一个截面图像的点云数据点组成的曲线的曲率半径；
分段单元，用于根据阶梯范围和曲率半径对扫描基准曲线进行分段；
第四计算单元，用于计算属于每一段扫描基准曲线的均值曲率半径；以及
融合单元，用于两段相邻的扫描基准曲线的均值曲率半径相同时，这两段相邻的扫描基准曲线进行融合。
在一个例子中，以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。
再如，当装置中的单元可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些单元可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
在本申请中可能出现的对各种消息/信息/设备/网元/系统/装置/动作/操作/流程/概念等各类客体进行了赋名，可以理解的是，这些具体的名称并不构成对相关客体的限定，所赋名称可随着场景，语境或者使用习惯等因素而变更，对本申请中技术术语的技术含义的理解，应主要从其在技术方案中所体现/执行的功能和技术效果来确定。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述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，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
还应理解，在本申请的各个实施例中，第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响，上述的第一、第二等不应该对本申请的实施例造成任何限制。
还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种计算机程序产品，该计算机程序产品包括指令，当该指令被执行时，以使得该逆向建模系统执行对应于上述方法的逆向建模系统的操作。
本申请还提供了一种基于点云数据的逆向建模系统，所述系统包括：
一个或多个存储器，用于存储指令；以及
一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如上述内容中记载的方法。
本申请还提供了一种芯片系统，该芯片系统包括处理器，用于实现上述内容中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。
该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
上述任一处提到的处理器，可以是一个CPU，微处理器，ASIC，或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。
在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，以支持该芯片系统实现上述实施例中的各种功能。或者，该处理器和该存储器也可以耦合在同一个设备上。
可选地，该计算机指令被存储在存储器中。
可选地，该存储器为该芯片内的存储单元，如寄存器、缓存等，该存储器还可以是该终端内的位于该芯片外部的存储单元，如ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM等。
可以理解，本申请中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
非易失性存储器可以是ROM、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electricallyEPROM，EEPROM)或闪存。
易失性存储器可以是RAM，其用作外部高速缓存。RAM有多种不同的类型，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器。
本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种基于点云数据的逆向建模方法，其特征在于，包括：
响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；
使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
使用圆心构建扫描基准曲线并计算均值曲率半径；以及
根据均值曲率半径和扫描基准曲线构建标准三维模型；
其中，每一个第二三维模型生成多个截面图像。
2.根据权利要求1所述的基于点云数据的逆向建模方法，其特征在于，获取到的点云数据包括多个点云数据组，每个点云数据组的生成地点不同。
3.根据权利要求2所述的基于点云数据的逆向建模方法，其特征在于，一个点云数据组生成一段子扫描基准曲线，多段子扫描基准曲线组成扫描基准曲线。
4.根据权利要求3所述的基于点云数据的逆向建模方法，其特征在于，两段子扫描基准曲线的对应点，当其最小直线距离小于等于阈值时，抛弃任意一段段子扫描基准曲线的对应点；当其最小直线距离大于于阈值时，选取这两段子扫描基准曲线的对应点为端点的线段的中点作为新的标准点。
5.根据权利要求1至4中任意一项所述的基于点云数据的逆向建模方法，其特征在于，归属于不同扫描路径的多组点云数据得到的多条扫描基准曲线和多个均值曲率半径；
多条扫描基准曲线进行融合处理得到一条扫描基准曲线；
多个均值曲率半径进行均值计算得到一个均值曲率半径。
6.根据权利要求1所述的基于点云数据的逆向建模方法，其特征在于，还包括：
使用不可导点对扫描基准曲线进行分段，得到多个扫描基准曲线段；
将长度小于长度阈值的扫描基准曲线段舍弃；以及
使用光滑曲线对两个扫描基准曲线段之间的空白进行填充。
7.根据权利要求1或6所述的基于点云数据的逆向建模方法，其特征在于，计算均值曲率半径包括：
计算属于同一个截面图像的点云数据点组成的曲线的曲率半径；
根据阶梯范围和曲率半径对扫描基准曲线进行分段；以及
计算属于每一段扫描基准曲线的均值曲率半径；
其中，两段相邻的扫描基准曲线的均值曲率半径相同时，这两段相邻的扫描基准曲线进行融合。
8.一种基于点云数据的逆向建模装置，其特征在于，包括：
第一筛选单元，用于响应于获取到的点云数据，使用距离参考变量对点云数据进行至少一次筛选；
模型构建单元，用于使用经过筛选的点云数据在三维坐标系中构建第一三维模型；
第二筛选单元，用于根据标准模型特征对第一三维模型进行筛选，得到多个第二三维模型；
截面构建单元，用于使用扫描截面对每一个第二三维模型进行扫描，得到多个截面图像，每个截面图像中包括多个点云数据点；每一个第二三维模型生成多个截面图像；
第一计算单元，用于使用属于同一个截面图像的点云数据点绘制曲线并计算圆心和曲率半径；
第二计算单元，用于使用圆心构建扫描基准曲线并计算均值曲率半径；以及
模型生成单元，用于根据均值曲率半径和扫描基准曲线构建标准三维模型。
9.一种基于点云数据的逆向建模系统，其特征在于，所述系统包括：
一个或多个存储器，用于存储指令；以及
一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如权利要求1至7中任意一项所述的方法。
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包括：
程序，当所述程序被处理器运行时，如权利要求1至7中任意一项所述的方法被执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211253997.2A CN115546406B (zh) | 2022-10-13 | 2022-10-13 | 基于无人机产生点云数据的逆向建模方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211253997.2A CN115546406B (zh) | 2022-10-13 | 2022-10-13 | 基于无人机产生点云数据的逆向建模方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115546406A true CN115546406A (zh) | 2022-12-30 |
| CN115546406B CN115546406B (zh) | 2023-04-07 |
Family
ID=84733939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211253997.2A Active CN115546406B (zh) | 2022-10-13 | 2022-10-13 | 基于无人机产生点云数据的逆向建模方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115546406B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116878396A (zh) * | 2023-09-06 | 2023-10-13 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及系统 |
| CN117892389A (zh) * | 2023-12-19 | 2024-04-16 | 国网湖北省电力有限公司超高压公司 | 一种基于二维边坡的建模方法及系统 |
| CN118505500A (zh) * | 2024-07-19 | 2024-08-16 | 柏意慧心(杭州)网络科技有限公司 | 点云数据拼接方法、点云数据拼接装置、介质及电子设备 |
| CN118583054A (zh) * | 2024-08-05 | 2024-09-03 | 荣耀终端有限公司 | 一种曲面成像方法及曲面成像系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503060A (zh) * | 2016-09-28 | 2017-03-15 | 山东东电电气工程技术有限公司 | 一种输电线路三维点云数据处理及交跨物获取方法 |
| CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 |
| CN107045731A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站母线进行建模的方法 |
| CN107146277A (zh) * | 2017-03-21 | 2017-09-08 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站进行建模的方法 |
| CN110148211A (zh) * | 2019-05-15 | 2019-08-20 | 贵州电网有限责任公司 | 一种基于点云数据的电力线三维重建方法 |
| WO2021168989A1 (zh) * | 2020-02-28 | 2021-09-02 | 广东电网有限责任公司电力科学研究院 | 一种输电线路廊道多源空间数据库构建方法和装置 |
-
2022
- 2022-10-13 CN CN202211253997.2A patent/CN115546406B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503060A (zh) * | 2016-09-28 | 2017-03-15 | 山东东电电气工程技术有限公司 | 一种输电线路三维点云数据处理及交跨物获取方法 |
| CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 |
| CN107045731A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站母线进行建模的方法 |
| CN107146277A (zh) * | 2017-03-21 | 2017-09-08 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站进行建模的方法 |
| CN110148211A (zh) * | 2019-05-15 | 2019-08-20 | 贵州电网有限责任公司 | 一种基于点云数据的电力线三维重建方法 |
| WO2021168989A1 (zh) * | 2020-02-28 | 2021-09-02 | 广东电网有限责任公司电力科学研究院 | 一种输电线路廊道多源空间数据库构建方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 任海成: "机载LiDAR树木检测在电力巡线中的应用研究" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116878396A (zh) * | 2023-09-06 | 2023-10-13 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及系统 |
| CN116878396B (zh) * | 2023-09-06 | 2023-12-01 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及系统 |
| CN117892389A (zh) * | 2023-12-19 | 2024-04-16 | 国网湖北省电力有限公司超高压公司 | 一种基于二维边坡的建模方法及系统 |
| CN118505500A (zh) * | 2024-07-19 | 2024-08-16 | 柏意慧心(杭州)网络科技有限公司 | 点云数据拼接方法、点云数据拼接装置、介质及电子设备 |
| CN118583054A (zh) * | 2024-08-05 | 2024-09-03 | 荣耀终端有限公司 | 一种曲面成像方法及曲面成像系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115546406B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115546406B (zh) | 基于无人机产生点云数据的逆向建模方法及系统 | |
| US11823330B2 (en) | Detection device, detection method and detection program for linear structure | |
| CN110908014B (zh) | 舞动精细化订正预报方法及系统 | |
| CN115661357A (zh) | 基于融合点云数据的空间模型构建方法及系统 | |
| CN110136156A (zh) | 一种多边形区域检测方法及装置 | |
| CN106996795B (zh) | 一种车载激光外参标定方法和装置 | |
| CN115586797A (zh) | 基于点对点的无人机拍摄轨迹校正方法及系统 | |
| CN109948635A (zh) | 一种基于激光扫描的目标识别方法及装置 | |
| CN105636198A (zh) | 一种基于apit测试的无线传感器网络定位算法 | |
| CN115830010B (zh) | 输电导线交叉跨越距离检测方法、装置和计算机设备 | |
| CN110929723A (zh) | 一种基于卷积神经网络的变电站指针式仪表的识别方法 | |
| CN115859628B (zh) | 一种基于贝塞尔曲线的风切变点识别方法、装置、存储介质及终端 | |
| CN115829892A (zh) | 一种点云数据与可见光数据的融合方法及系统 | |
| CN110986787B (zh) | 基于点云数据的变电站支撑式管母形变预警方法 | |
| CN116878396B (zh) | 一种基于远程激光的弧垂测量方法及系统 | |
| CN112867052A (zh) | 一种高原地区通导设备覆盖范围盲区的确定方法及系统 | |
| CN116428977B (zh) | 基于激光阵列主缆索股定位调测方法、系统及存储介质 | |
| CN113344242A (zh) | 一种基于植物生长模型的树障隐患预测方法 | |
| CN117709052A (zh) | 一种输电线路多档塔线体系快速建模方法、系统及设备 | |
| Kiryati et al. | Chain code probabilities and optimal length estimators for digitized three-dimensional curves | |
| CN110057284B (zh) | 一种测量树木树干横截面形状的装置及方法和应用 | |
| KR101988577B1 (ko) | 풍속 추정 방법 및 이를 수행하기 위한 장치 | |
| CN110021008A (zh) | 一种路面沉降识别方法、终端及计算机可读存储介质 | |
| CN114706060A (zh) | 一种车载多激光雷达标定方法、装置、设备及存储介质 | |
| CN114111589A (zh) | 基于网状物的水下测距方法、测距系统及存储介质 |
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 |