CN115578654A - 一种基于点云的输电线杆塔类型识别方法及系统 - Google Patents
一种基于点云的输电线杆塔类型识别方法及系统 Download PDFInfo
- Publication number
- CN115578654A CN115578654A CN202211215454.1A CN202211215454A CN115578654A CN 115578654 A CN115578654 A CN 115578654A CN 202211215454 A CN202211215454 A CN 202211215454A CN 115578654 A CN115578654 A CN 115578654A
- Authority
- CN
- China
- Prior art keywords
- tower
- point cloud
- point
- transmission line
- grid
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于点云的输电线杆塔类型识别方法,包括杆塔类型数据集制作,将标准的杆塔模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;输电杆塔点云提取,剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;杆塔对称轴面计算,通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;杆塔点云重投影,利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;杆塔类型识别,采用模板匹配方法判断杆塔类型。本发明提高了输电线路点云数据处理自动化水平,解决了目视判别耗费大量人力物力的问题,为后续的杆塔自动建模、杆塔形变检测提供数据基础。
Description
技术领域
本发明涉及点云数据处理技术领域,尤其涉及一种基于点云的输电线杆塔类型识别方法及系统。
背景技术
随着智慧电网技术的发展,人们对电网管理的数字化、智能化程度提出了更高的要求。利用基于SAR卫星的遥感监测,虽然具有监测范围广、区域大等优势,但对遥感图像的采样周期和图像分辨率有较高要求,数据获取费用巨大,数据处理复杂,全面推广较为困难。近年来,利用机载激光扫描和倾斜摄影测量技术恢复架空输电线路三维模型已成为国网系统内大力推广的线路巡检方式,显著提升了线路巡检效率和准确度。
杆塔塔型是十分重要的杆塔建模数据,是进行杆塔特征点提取、杆塔状态识别的前提,传统方法是通过专业工作人员进行目视判别。但随着激光扫描与倾斜摄影测量技术的发展,工作人员往往需要快速处理上百GB杆塔的点云数据,此时采用人工目视方式判断塔型增加了数据处理人员的工作负担,且不符合点云数据处理自动化的发展趋势。因此需要一种基于点云的输电杆塔类型自动识别方法。
发明内容
本发明提供了一种基于点云的输电线杆塔类型识别方案,通过制作标准杆塔字符集,获取输电杆塔点云并计算输电杆塔点云对称轴面,对输电杆塔点云重投影,并将重投影后的杆塔点云与标准杆塔数据集进行匹配,从而实现杆塔类型判断。
为实现上述目的,本发明提供的一种基于点云的输电线杆塔类型识别方法,包括以下步骤:
步骤1,杆塔类型数据集制作,包括将标准的杆塔模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;
步骤2,输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
步骤3,杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
步骤4,杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
步骤5,杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
而且,步骤2的实现方式包括以下子步骤,
步骤2.1,采用无人机激光雷达或倾斜测量技术获取杆塔场景的三维点云;
步骤2.2,去除杂点数据,得到包含电塔、线地面以及周围植被的力巡数据;
步骤2.3,格网化点云,包括沿竖直方向将点云投影到水平XY坐标系中,并格网划分,判断每个点云所属格网位置,实现点云有序化;
步骤2.4,输电杆塔格网区域提取,包括在每个分割出来的格网中计算局部高程最大值、最小值以及局部高差,结合输电杆塔具有大高差的特征,设置高差阈值剔除包含地面、低矮植被等非输电杆塔点云的格网区域;根据杆塔点云在高程分布上的连续性特点,剔除输电线所在区域;结合局部极高值特征,以杆塔最大高程值为标准,快速滤除高大树林区域,最终得到输电杆塔格网区域;
步骤2.5,杆塔点云提取,包括以杆塔塔顶部分的点云局部高程最大值点为中心,向周围提取比格网稍大范围内所有高程下的点云,并计算格网内高程最小值作为地面高程,设置为阈值去除地面点和塔脚点云,提取杆塔塔头和塔身点云。
而且,步骤3的实现方式包括以下子步骤,
步骤3.1,将分割后的杆塔点云投影至XOY平面,获取杆塔平面位置中心点(x0,y0),即杆塔点云局部高程最大值点;
步骤3.2,以杆塔位置中心点为原点,设置步长θstep和区间α,记n为区间数,统计各角度方向n·θstep上点数,数量最大的方向α0作为对称轴,沿Z轴拉升做为对称轴面。
而且,步骤4的实现方式包括以下子步骤,
步骤4.1,计算杆塔中心点P(x0,y0,z0),其中z0=(hmax+hmin)/2,将点P作为三维空间坐标的新原点,坐标转换计算公式为:
其中,x0、y0、z0为转换前中心点坐标,x′、y′、z′为转换后中心点坐标;
步骤4.2,三维坐标旋转,包括通过空间坐标旋转,将步骤4.1中平移后的空间坐标系旋转为以P为原点,对称轴面为XOY平面的空间坐标系,且Y轴重新映射到原来Z+轴位置,其中对称轴面在原空间坐标系下的方程为y′=tanα0·′,坐标转换公式为:
其中,x′、y′、z′为转换前中心点坐标,x″、y″、z″为转换后中心点坐标,α0为对称轴角度;
步骤4.3,投影映射,通过投影将步骤4.2中转换后的三维空间坐标映射到XOY平面上,坐标转换公式为:
X、Y、Z为投影后的平面坐标。
而且,步骤5的实现方式包括以下子步骤,
步骤5.1,杆塔点云图像二值化处理,包里对所有点云的X、Y值做格网划分,设定投影格网宽度,若投影格网中存在点云像素点,则投影格网值取1,否则投影格网值取0,生成与标准杆塔字符库中大小一致的二值图像文件,记文件大小为M行N列;
步骤5.2,依次计算实测杆塔的二值图像文件S(m,n)与标准杆塔字符库中文件T(m,n)的相关系数R,当实测杆塔与标准杆塔字符库中的杆塔类型匹配时,相关系数有最大值,相关系数计算公式为,
其中,Ti为第i种标准杆塔字符库中文件,S为实测杆塔的二值图像文件,Ti(,n)为第i种标准杆塔字符库中文件第m行、第n列的取值,S(m,n)为实测杆塔的二值图像文件第m行、第n列的取值,R(S,Ti)为第i种标准杆塔字符库中文件和实测杆塔的二值图像文件之间的相关系数。
另一方面,本发明提供一种基于点云的输电线杆塔类型识别系统,用于实现如上所述的一种基于点云的输电线杆塔类型识别方法。
而且,包括以下模块,
第一模块,用于杆塔类型数据集制作,包括将标准的杆塔模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;
第二模块,用于输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
第三模块,用于杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
第四模块,用于杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
第五模块,用于杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
或者,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于点云的输电线杆塔类型识别方法。
或者,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于点云的输电线杆塔类型识别方法。
本发明的有益效果为:
1)本发明提出了一种基于点云的输电杆塔类型自动识别方案,促进输电线路点云数据处理自动化程度,解决了目视判别耗费大量人力物力的问题,为后续的杆塔自动建模、杆塔形变检测提供数据基础。
2)本发明方案实施简单方便,实用性强,解决了相关技术存在的实用性低及实际应用不便的问题,能够提高用户体验,具有重要的市场价值。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例局部高程点云分布图。
具体实施方式
以下结合附图和实施例具体说明本发明的技术方案。
如图1所示,实施例提供一种基于点云的输电线杆塔类型识别方法,包括杆塔类型数据集制作、输电杆塔点云提取、杆塔对称轴面计算、杆塔点云重投影、杆塔类型识别步骤,
所述杆塔类型数据集制作,包括将标准的杆塔模型(优选建议采用CAD模型)转换成高度宽度一致的图像文件,建立标准杆塔字符库;
所述输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
所述杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
所述杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
所述杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
进一步地,实施例中输电杆塔点云提取采用的具体优选建议实现方法为:
步骤2.1,采用无人机激光雷达或倾斜测量技术获取杆塔场景的三维点云。
步骤2.2,由于获取的点云数据存在一定噪声,采用常见的卡尔曼滤波去除杂点数据,得到包含电塔、线地面以及周围植被的力巡数据。
步骤2.3,格网化点云。沿竖直方向将点云投影到水平XY坐标系中,并按照一定的大小格网进行划分,判断每个点云所属格网位置,实现点云的有序化。点云格网化公式为:
式中,(x,y)为点云XY坐标。xmin、ymin表示点云的X坐标和Y坐标的最小值。d为格网大小。m、n为相应的格网编号。
步骤2.4,输电杆塔格网区域提取。在每个分割出来的格网中计算局部高程最大值、最小值以及局部高差,结合输电杆塔具有大高差的特征,设置高差阈值θh剔除包含地面、低矮植被等非输电杆塔点云的格网区域,记录高差大于阈值θh的格网区域。遍历记录的格网区域,根据杆塔点云在高程分布上的连续性特点,即从最高点至最低点中均存在点云分布,如图2所示,而电缆线、植被等点云仅分布在一定高程范围内,通过高程连续分布的特征,剔除输电线所在区域。具体实施时,优选建议结合局部极高值特征,以杆塔最大高程值为标准,设置最大高程阈值Hmax,快速滤除高大树林区域,最终得到输电杆塔格网区域。
步骤2.5,杆塔点云提取。以杆塔塔顶部分的点云局部高程最大值点为中心,向周围提取比格网稍大范围内所有高程下的点云,并优选建议计算格网内高程最小值作为地面高程,设置为最小高程阈值Hmin去除地面点和塔脚点云,提取杆塔塔头和塔身点云。
进一步地,实施例中杆塔对称轴面计算采用的具体优选建议实现方法为:
步骤3.1,将分割后的杆塔点云投影至XOY平面(横轴和纵轴确定的平面),获取杆塔平面位置中心点(x0,y0),即杆塔点云局部高程最大值点。
步骤3.2,以杆塔位置中心点为原点,设置步长θstep和区间α,统计各角度方向n·θstep上点数(n为区间数),即扇形区域[n·θstep-α,n·θstep+α]内的点数,数量最大的方向α0即为对称轴,沿Z轴(竖轴)拉升即为对称轴面。
上述技术方案中,所述杆塔点云重投影的具体实现方法为:
步骤4.1,计算杆塔中心点P(x0,y0,z0),其中z0=(Hmax+Hmin)/2,将点P作为三维空间坐标的新原点,坐标转换计算公式为:
其中,x0、y0、z0为转换前中心点坐标,x′、y′、z′为转换后中心点坐标,Hmax为最大高程阈值,Hmin为最小高程阈值,在步骤2已经确定。
步骤4.2,三维坐标旋转,本步骤通过空间坐标旋转,将步骤4.1中平移后的空间坐标系旋转为以P为原点,对称轴面为XOY平面的空间坐标系,且Y轴重新映射到原来Z+轴位置,其中对称轴面在原空间坐标系下的方程为y′=tanα0·x′,坐标转换公式为:
其中,x′、y′、z′为转换前中心点坐标,x″、y″、z″为转换后中心点坐标,α0为对称轴角度。
步骤4.3,投影映射,通过投影将步骤4.2中转换后的三维空间坐标映射到XOY平面上,坐标转换公式为:
X、Y、Z为投影后的平面坐标。
进一步地,实施例中输电线杆塔类型识别采用的具体优选建议实现方法为:
步骤5.1,杆塔点云图像二值化处理,对所有点云的X、Y值做格网划分,设定投影格网宽度,若投影格网中存在点云像素点,则投影格网值取1,否则投影格网值取0,生成与标准杆塔字符库中大小一致,即M行N列的二值图像文件。
步骤5.2,依次计算实测杆塔的二值图像文件S(m,n)与标准杆塔字符库中文件T(m,n)的相关系数R,当实测杆塔与标准杆塔字符库中的杆塔类型匹配时,相关系数有最大值,相关系数计算公式为:
其中,Ti为第i种标准杆塔字符库中文件,S为实测杆塔的二值图像文件,Ti(m,n)为第i种标准杆塔字符库中文件第m行、第n列的取值,S(m,n)为实测杆塔的二值图像文件第m行、第n列的取值,R(S,Ti)为第i种标准杆塔字符库中文件和实测杆塔的二值图像文件之间的相关系数。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
在一些可能的实施例中,提供一种基于点云的输电线杆塔类型识别系统,包括以下模块,
第一模块,用于杆塔类型数据集制作,包括将标准的杆塔CAD模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;
第二模块,用于输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
第三模块,用于杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
第四模块,用于杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
第五模块,用于杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
在一些可能的实施例中,提供一种基于点云的输电线杆塔类型识别系统,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于点云的输电线杆塔类型识别方法。
在一些可能的实施例中,提供一种基于点云的输电线杆塔类型识别系统,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于点云的输电线杆塔类型识别方法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.一种基于点云的输电线杆塔类型识别方法,其特征在于:包括以下步骤,
步骤1,杆塔类型数据集制作,包括将标准的杆塔模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;
步骤2,输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
步骤3,杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
步骤4,杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
步骤5,杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
2.根据权利要求1所述基于点云的输电线杆塔类型识别方法,其特征在于:步骤2的实现方式包括以下子步骤,
步骤2.1,采用无人机激光雷达或倾斜测量技术获取杆塔场景的三维点云;
步骤2.2,去除杂点数据,得到包含电塔、线地面以及周围植被的力巡数据;
步骤2.3,格网化点云,包括沿竖直方向将点云投影到水平XY坐标系中,并格网划分,判断每个点云所属格网位置,实现点云有序化;
步骤2.4,输电杆塔格网区域提取,包括在每个分割出来的格网中计算局部高程最大值、最小值以及局部高差,结合输电杆塔具有大高差的特征,设置高差阈值剔除包含地面、低矮植被等非输电杆塔点云的格网区域;根据杆塔点云在高程分布上的连续性特点,剔除输电线所在区域;结合局部极高值特征,以杆塔最大高程值为标准,快速滤除高大树林区域,最终得到输电杆塔格网区域;
步骤2.5,杆塔点云提取,包括以杆塔塔顶部分的点云局部高程最大值点为中心,向周围提取比格网稍大范围内所有高程下的点云,并计算格网内高程最小值作为地面高程,设置为阈值去除地面点和塔脚点云,提取杆塔塔头和塔身点云。
3.根据权利要求2所述基于点云的输电线杆塔类型识别方法,其特征在于:步骤3的实现方式包括以下子步骤,
步骤3.1,将分割后的杆塔点云投影至XOY平面,获取杆塔平面位置中心点(x0,y0),即杆塔点云局部高程最大值点;
步骤3.2,以杆塔位置中心点为原点,设置步长θstep和区间α,记n为区间数,统计各角度方向n·θstep上点数,数量最大的方向α0作为对称轴,沿Z轴拉升做为对称轴面。
4.根据权利要求3所述基于点云的输电线杆塔类型识别方法,其特征在于:步骤4的实现方式包括以下子步骤,
步骤4.1,计算杆塔中心点P(x0,y0,z0),其中z0=(hmax+hmin)/2,将点P作为三维空间坐标的新原点,坐标转换计算公式为:
其中,x0、y0、z0为转换前中心点坐标,x′、y′、z′为转换后中心点坐标;
步骤4.2,三维坐标旋转,包括通过空间坐标旋转,将步骤4.1中平移后的空间坐标系旋转为以P为原点,对称轴面为XOY平面的空间坐标系,且Y轴重新映射到原来Z+轴位置,其中对称轴面在原空间坐标系下的方程为y′=tanα0·x′,坐标转换公式为:
其中,x′、y′、z′为转换前中心点坐标,x″、y″、z″为转换后中心点坐标,α0为对称轴角度;
步骤4.3,投影映射,通过投影将步骤4.2中转换后的三维空间坐标映射到XOY平面上,坐标转换公式为:
X、Y、Z为投影后的平面坐标。
5.根据权利要求1或2或3或4所述基于点云的输电线杆塔类型识别方法,其特征在于:步骤5的实现方式包括以下子步骤,
步骤5.1,杆塔点云图像二值化处理,包里对所有点云的X、Y值做格网划分,设定投影格网宽度,若投影格网中存在点云像素点,则投影格网值取1,否则投影格网值取0,生成与标准杆塔字符库中大小一致的二值图像文件,记文件大小为M行N列;
步骤5.2,依次计算实测杆塔的二值图像文件S(m,n)与标准杆塔字符库中文件T(m,n)的相关系数R,当实测杆塔与标准杆塔字符库中的杆塔类型匹配时,相关系数有最大值,相关系数计算公式为,
其中,Ti为第i种标准杆塔字符库中文件,S为实测杆塔的二值图像文件,Ti(m,n)为第i种标准杆塔字符库中文件第m行、第n列的取值,S(m,n)为实测杆塔的二值图像文件第m行、第n列的取值,R(S,Ti)为第i种标准杆塔字符库中文件和实测杆塔的二值图像文件之间的相关系数。
6.一种基于点云的输电线杆塔类型识别系统,其特征在于:用于实现如权利要求1-5任一项所述的一种基于点云的输电线杆塔类型识别方法。
7.根据权利要求6所述基于点云的输电线杆塔类型识别系统,其特征在于:包括以下模块,
第一模块,用于杆塔类型数据集制作,包括将标准的杆塔模型转换成高度宽度一致的图像文件,建立标准杆塔字符库;
第二模块,用于输电杆塔点云提取,包括剔除无人机实测点云中包含的杂点及电线点云,提取电力杆塔点云;
第三模块,用于杆塔对称轴面计算,包括通过统计各角度方向上点数,计算杆塔实测点云的对称轴面;
第四模块,用于杆塔点云重投影,包括利用坐标变换的方式将杆塔实测点云投影至杆塔对称轴面;
第五模块,用于杆塔类型识别,包括采用模板匹配方法判断杆塔类型。
8.根据权利要求6所述基于点云的输电线杆塔类型识别系统,其特征在于:包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如权利要求1-5任一项所述的一种基于点云的输电线杆塔类型识别方法。
9.根据权利要求6所述基于点云的输电线杆塔类型识别系统,其特征在于:包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如权利要求1-5任一项所述的一种基于点云的输电线杆塔类型识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215454.1A CN115578654A (zh) | 2022-09-30 | 2022-09-30 | 一种基于点云的输电线杆塔类型识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215454.1A CN115578654A (zh) | 2022-09-30 | 2022-09-30 | 一种基于点云的输电线杆塔类型识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578654A true CN115578654A (zh) | 2023-01-06 |
Family
ID=84583376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211215454.1A Pending CN115578654A (zh) | 2022-09-30 | 2022-09-30 | 一种基于点云的输电线杆塔类型识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578654A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117994469A (zh) * | 2024-04-07 | 2024-05-07 | 国网浙江省电力有限公司宁波供电公司 | 一种基于无人机的电力线路全景图像生成方法及系统 |
-
2022
- 2022-09-30 CN CN202211215454.1A patent/CN115578654A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117994469A (zh) * | 2024-04-07 | 2024-05-07 | 国网浙江省电力有限公司宁波供电公司 | 一种基于无人机的电力线路全景图像生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291708B (zh) | 融合深度相机的变电站巡检机器人障碍物检测识别方法 | |
CN106709946B (zh) | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 | |
CN112033414A (zh) | 一种无人机巡检航线生成方法、装置、设备及介质 | |
CN112883878B (zh) | 一种基于三维格网的变电站场景下的点云自动分类方法 | |
CN113592822B (zh) | 一种电力巡检图像的绝缘子缺陷定位方法 | |
CN107958486A (zh) | 一种导线矢量模型的生成方法及装置 | |
CN114612488A (zh) | 建筑物单体化信息提取方法、计算机装置及存储介质 | |
CN110110687B (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN110853081A (zh) | 基于单木分割的地面和机载LiDAR点云配准方法 | |
CN112581386B (zh) | 一种全自动避雷器检测与跟踪方法 | |
CN116704333B (zh) | 一种基于激光点云数据的单株林木检测方法 | |
CN115578654A (zh) | 一种基于点云的输电线杆塔类型识别方法及系统 | |
CN113420674A (zh) | 基于点云数据的森林档案模型构建方法、装置及存储介质 | |
CN113592324A (zh) | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
CN104297753B (zh) | 一种基于自适应缩减算子的导航雷达图像反演海面风向方法 | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
CN116958610A (zh) | 一种基于北斗的输电线路电杆塔点云聚类方法 | |
CN112016641A (zh) | 一种异物导致线路短路故障告警方法及装置 | |
CN111091614A (zh) | 一种变电站三维实景模型建立方法及系统 | |
CN111932574B (zh) | 基于多层次语义特征的建筑立面点云提取系统及方法 | |
CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN113205543A (zh) | 一种基于机器学习的激光雷达点云树干提取方法 | |
CN112884026A (zh) | 一种图像识别辅助的输电线路激光LiDAR点云分类方法 |
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 |