CN115690209A - 一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 - Google Patents
一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 Download PDFInfo
- Publication number
- CN115690209A CN115690209A CN202211294214.5A CN202211294214A CN115690209A CN 115690209 A CN115690209 A CN 115690209A CN 202211294214 A CN202211294214 A CN 202211294214A CN 115690209 A CN115690209 A CN 115690209A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional
- distribution transformer
- point
- registration
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明属于电力设备检测技术领域,公开一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备,包括以下步骤:通过机器人带动3D扫描仪扫描配电变压器,得到三维点云数据;对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云;对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;基于三维坐标信息引导机器人实现自动化接线工作。本发明通过引导机器人等自动化设备实现配电变压器接线端子的自动化接线,提高工作效率。
Description
技术领域
本发明涉及电力设备检测技术领域,特别涉及一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备。
背景技术
配电变压器作为电网使用范围最广的配网物资之一,使用数量最为庞大、检测需求最迫切,由于目前配网设备的标准化程度还不高等因素,仍主要采用人工接线的方式,存在变压器人工接线效率较低的问题,通常一台变压器接线需要20-30分钟,且存在误接线的风险。
因此,如何提供一种符合电网业务需求的针对性配电变压器自动接线系统,是目前亟待解决的问题。
发明内容
本发明实施例提供了一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备,以解决现有技术配电变压器接线自动化程度低的问题。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
根据本发明实施例的第一方面,提供了一种用于配电变压器接线端子的三维定位识别方法。
在一个实施例中,用于配电变压器接线端子的三维定位识别方法,包括以下步骤:
通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云;
对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
基于三维坐标信息引导机器人实现自动化接线工作。
在一个实施例中,所述的对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云的步骤,还包括:
根据变压器接线端子的点云制作接线端子点云模板。
在一个实施例中,所述数据处理包括对三维点云数据进行数据精简和数据去噪。
在一个实施例中,所述对三维点云数据进行数据精简的步骤,包括:
通过直通滤波方法对三维点云数据进行目标点云提取;
通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;
采用点云重心作为整个体素的代表值。
在一个实施例中,所述对三维点云数据进行数据去噪的步骤,包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪。
在一个实施例中,所述通过剔除噪声点和离群点进行去噪的步骤,包括:
利用统计滤波方法统计三维点云数据中每个点的邻域内点集的距离来识别噪声点,予以删除。
在一个实施例中,所述通过比较点云表面不同点的法向量倾斜角度进行精准去噪的步骤,包括:
对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
在一个实施例中,所述对配电变压器接线端子进行三维重建的步骤,包括:
利用配电变压器接线端子的点云重叠区域的信息,通过点云拼合方法进行三维重建,具体包括:
在两个点云之间建立点的对应关系;
根据点的对应关系计算出点云间的变换关系,进行三维重建。
在一个实施例中,所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位。
在一个实施例中,所述点云配准包括初始配准和精配准,其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位的步骤,具体包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
在一个实施例中,所述的基于三维坐标信息引导机器人实现自动化接线工作的步骤,还包括:
配电变压器检测工作,所述配电变压器检测工作包括在接线的过程中通过电流传感器和电压传感器检测来判定是否达到标准接线状态;
所述配电变压器检测工作和接线工作交叉进行。
根据本发明实施例的第二方面,提供了一种用于配电变压器接线端子的三维定位识别装置。
在一个实施例中,所述用于配电变压器接线端子的三维定位识别装置,包括:
数据模块,用于通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
三维模块,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图;
坐标信息模块,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
机器人模块,用于基于三维坐标信息引导机器人实现自动化接线工作。
在一个实施例中,所述用于配电变压器接线端子的三维定位识别装置,包括:所述三维模块,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图,具体包括;
所述数据处理包括对三维点云数据进行数据精简和数据去噪;
其中,所述对三维点云数据进行数据精简的步骤,具体包括:
通过直通滤波方法对三维点云数据进行目标点云提取;
通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;
采用点云重心作为整个体素的代表值;
所述对三维点云数据进行数据去噪的步骤,具体包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪;
其中,所述精准去噪的步骤,具体包括:
对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
在一个实施例中,所述用于配电变压器接线端子的三维定位识别装置,包括:所述坐标信息模块,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息,具体包括:
所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位的步骤,具体包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质。
在一些实施例中,所述计算机可读存储介质包括用于保存计算机程序,其中,所述计算机程序被处理器执行时实现所述的用于配电变压器接线端子的三维定位识别方法的步骤。
根据本发明实施例的第四方面,提供了一种计算机设备。
在一些实施例中,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述用于配电变压器接线端子的三维定位识别方法的步骤。
本发明实施例提供的技术方案可以包括以下有益效果:
本发明提出一种用于配电变压器接线端子的三维定位识别方法,可以通过机器视觉对不同型号的配电变压器接线端子的定位识别,获得接线端子三维坐标信息,并基于三维坐标信息,通过引导机器人等自动化设备实现自动化接线,相比传统人工接线可大幅节约时间;使用过程中,配电变压器检测和接线交叉进行,在接线的过程中通过电流、电压传感器的检测来判定接线是否达到标准,从而提高检测效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种用于配电变压器接线端子的三维定位识别方法的流程图;
图2是根据一示例性实施例示出的三维点云数据图像图例;
图3是根据一示例性实施例示出的去噪后配电变压器接线端子点云图像图例;
图4是根据一示例性实施例示出配电变压器接线端子点云模板图像图例;
图5是根据一示例性实施例示出的对变压器接线端子进行点云配准的图像图例;
图6是根据一示例性实施例示出的用于配电变压器接线端子的三维定位识别装置结构示意图。
图7是根据一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案,以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。本文中,术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来,而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素,反之亦然。而且,术语“包括”、“包含”或者其任何其他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结构、装置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他要素,或者是还包括为这种结构、装置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,并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本文和简化描述,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。在本文的描述中,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本文中,除非另有说明,术语“多个”表示两个或两个以上。
本文中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
本文中,术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1所示的一种用于配电变压器接线端子的三维定位识别方法的流程图,本发明实施例公开了一种用于配电变压器接线端子的三维定位识别方法的步骤,具体包括:
S1:通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
S2:对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云;
所述数据处理包括对三维点云数据进行数据精简和数据去噪。
其中,所述对三维点云数据进行数据精简的步骤,包括:
①根据三维点云数据进行目标点云提取;
通过直通滤波方法对目标点云进行提取具体的数学描述如下,给定x0,x1,y0,y1,z0,z1构成长方体空间,对于任一点p(x,y,z)∈P。
②通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;采用点云重心作为整个体素的代表值。
每个体素包含若干点云,计算体素中所有点的重心,用于代表整个体素。对于包含n个点的体素栅格,根据式(2)计算得到其重心坐标,其中,xi、yi、zi为当前体素中第i个点的坐标。
所述对三维点云数据进行数据去噪的步骤,包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪,其中,包括利用统计滤波方法统计三维点云数据中每个点的邻域内点集的距离来识别噪声点,予以删除;
具体包括:对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
同时,根据变压器接线端子的点云制作接线端子点云模板。
S3:对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
所述对配电变压器接线端子进行三维重建的步骤,包括:
利用配电变压器接线端子的点云重叠区域的信息,通过点云拼合方法进行三维重建,具体包括:
在两个点云之间建立点的对应关系;
根据点的对应关系计算出点云间的变换关系,进行三维重建。
基于三维坐标信息引导机器人实现自动化接线工作。
所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位,具体步骤包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
S4:基于三维坐标信息引导机器人实现自动化接线工作的步骤,还包括:
配电变压器检测工作,所述配电变压器检测工作包括在接线的过程中通过电流传感器和电压传感器检测来判定是否达到标准接线状态;
所述配电变压器检测工作和接线工作交叉进行。
在此实施例中,图2是根据一示例性实施例示出的三维点云数据图像图例;
步骤A1:机器人末端安装3D扫描仪,通过机器人带动3D扫描仪扫描配电变压器顶部获得多张三维点云数据。
步骤A2:体素化下采样对原始点云进行合理的体素划分,从而对每个体素进行采样。每个体素包含若干点云,计算体素中所有点的重心,用于代表整个体素,实现点云数据精简。
步骤A3:通过剔除噪声点和离群点进行变压器点云去噪。采用统计滤波统计每个点的邻域内点集的距离来检测噪声点,统计滤波的主要流程如下:
(1)对点云构建kd-tree,对于点云中的每个点,定义邻域参数k,根据k建立knn加速计算过程,并计算其与最近k个点的平均距离,通过点Pi的x轴的坐标pi,x,y轴坐标pi,y,z轴坐标pi,z和点Pj的x轴的坐标pj,x,y轴坐标pj,y,z轴坐标pj,z之间的求出空间中的相对距离dij和平均距离如式(3)和式(4)所示。
(2)在上一步的基础上,计算点云中所有点的k近邻点di的平均距离dn,i和其标准差dstd,如式(5)所示。
(4)遍历点云数据中所有点进行计算,直到处理完所有点云数据,输出滤波后的点云数据。
步骤A4:如图3是根据一示例性实施例示出的去噪后配电变压器接线端子点云图像图例所示,通过比较点云表面不同点的法向量倾斜角度进行精准去噪。
对于点云中的每个扫描点p,搜索到与其最近邻的k个相邻点,然后计算这些点最小二乘意义上的局部平面P,此平面可以表示为:
平面P的法向量由主成分分析得到,P0是P经过其K邻域点的质心,对式(8)中的协方差矩阵M进行特征值分解,求得M的各特征值,M的最小特征值所对应的特征向量即P的法向量,公式如下:
判断每点法向量的倾斜角度,若大于给定阈值e,则判断该点为噪声点,将其删除;通过上述步骤即可实现点云噪声的精确删除。
步骤A5:如图4所示根据一示例性实施例示出配电变压器接线端子点云模板图像图例,通过多次拍摄获取到接线端子的完整点云模型,解决配电变压器接线端子定位范围大的问题。利用工件各部分点云重叠区域的信息,通过点云拼合方法,即采用基于特征点的方法通过两步来解决拼接问题:首先在两个点云之间建立点的对应关系,再根据点的对应关系计算出点云间的变换关系。提高接线端子三维重建的质量,事先根据变压器接线端子点云制作合理的接线端子点云模板。
步骤A6:如图5所示根据一示例性实施例示出的对变压器接线端子进行点云配准的图像图例;变压器接线端子的点云配准分为两步:初始配准和精配准。初始配准中使用了基于FPFH局部特征描述子的配准算法。在精配准阶段,采用了迭代最近点ICP算法。
其基本原理是:分别在待配准的目标点云和源点云中,按照一定的约束条件比如邻近关系,找到对应点对最邻近点对,构建基于距离的误差函数式。
迭代最近点算法的核心思想是,已知两个待配准点云P和Q,点云P中的点pi从点云Q中查找距离pi欧式距离最短的点qi,并以pi和qi作为对应点获取变换矩阵,通过不断迭代最小化式的函数值,最终得到最优变换矩阵,使得两个点云重合。
上式中,R表示旋转变换矩阵,T表示平移变换矩阵。qi和pi是将原始点云和目标点云中的对应点。
首先从两个变压器点云数据中按照同样的关键点选取标准,提取关键点;对选择的所有关键点分别计算其特征描述子;结合特征描述子在两个数据集中的坐标的位置,以两者之间特征和位置的相似度为基础,来估计它们的对应关系估计对应点对;利用剩余的正确对应关系来估算刚体变化,求解对应旋转矩阵和平移矩阵。通过设定阈值,迭代进行直到满足迭代终止条件,如旋转矩阵R、平移矩阵T的变化量小于了设定的阈值,并且上述目标函数的变化小于设定值,则准确匹配到了三个变压器接线端子点云。通过配准对应机器人接线点位,进而确定变压器接线端子三维坐标信息。
如图6所示一种用于配电变压器接线端子的三维定位识别装置结构示意图,本申请实施例公开了一种用于配电变压器接线端子的三维定位识别装置,包括:数据模块11,用于通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
三维模块12,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图;
在一个实施例中,所述三维模块12,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图,具体包括;
所述数据处理包括对三维点云数据进行数据精简和数据去噪;
其中,所述对三维点云数据进行数据精简的步骤,具体包括:
通过直通滤波方法对三维点云数据进行目标点云提取;
通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;
采用点云重心作为整个体素的代表值;
所述对三维点云数据进行数据去噪的步骤,具体包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪;
其中,所述精准去噪的步骤,具体包括:
对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
坐标信息模块13,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
在一个实施例中,所述坐标信息模块13,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息,具体包括:
所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位的步骤,具体包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
机器人模块14,用于基于三维坐标信息引导机器人实现自动化接线工作。
在一个实施例中,如图7所示计算机设备的结构示意图,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
本发明并不局限于上面已经描述并在附图中示出的结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (16)
1.一种用于配电变压器接线端子的三维定位识别方法,其特征在于,包括以下步骤:
通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云;
对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
基于三维坐标信息引导机器人实现自动化接线工作。
2.如权利要求1所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子的点云的步骤,还包括:
根据变压器接线端子的点云制作接线端子点云模板。
3.如权利要求1所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述数据处理包括对三维点云数据进行数据精简和数据去噪。
4.如权利要求3所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述对三维点云数据进行数据精简的步骤,包括:
通过直通滤波方法对三维点云数据进行目标点云提取;
通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;
采用点云重心作为整个体素的代表值。
5.如权利要求3所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述对三维点云数据进行数据去噪的步骤,包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪。
6.如权利要求5所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述通过剔除噪声点和离群点进行去噪的步骤,具体包括:
利用统计滤波方法统计三维点云数据中每个点的邻域内点集的距离来识别噪声点,予以删除。
7.如权利要求5所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述通过比较点云表面不同点的法向量倾斜角度进行精准去噪的步骤,具体包括:
对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
8.如权利要求1所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述对配电变压器接线端子进行三维重建的步骤,包括:
利用配电变压器接线端子的点云重叠区域的信息,通过点云拼合方法进行三维重建,具体包括:
在两个点云之间建立点的对应关系;
根据点的对应关系计算出点云间的变换关系,进行三维重建。
9.如权利要求1所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位。
10.如权利要求9所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述点云配准包括初始配准和精配准,其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位的步骤,具体包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
11.如权利要求1所述的用于配电变压器接线端子的三维定位识别方法,其特征在于,所述的基于三维坐标信息引导机器人实现自动化接线工作的步骤,还包括:
配电变压器检测工作,所述配电变压器检测工作包括在接线的过程中通过电流传感器和电压传感器检测来判定是否达到标准接线状态;
所述配电变压器检测工作和接线工作交叉进行。
12.一种用于配电变压器接线端子的三维定位识别装置,包括:
数据模块,用于通过机器人带动3D扫描仪扫描配电变压器接线端子,得到三维点云数据;
三维模块,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图;
坐标信息模块,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息;
机器人模块,用于基于三维坐标信息引导机器人实现自动化接线工作。
13.如权利要求12所述的用于配电变压器接线端子的三维定位识别装置,其特征在于,
所述三维模块,用于对三维点云数据进行数据处理,去除无关点,得到配电变压器接线端子三维图,具体包括;
所述数据处理包括对三维点云数据进行数据精简和数据去噪;
其中,所述对三维点云数据进行数据精简的步骤,具体包括:
通过直通滤波方法对三维点云数据进行目标点云提取;
通过体素化下采样算法对点云进行体素化,计算体素化后的点云重心;
采用点云重心作为整个体素的代表值;
所述对三维点云数据进行数据去噪的步骤,具体包括:
通过剔除噪声点和离群点进行去噪;
通过比较点云表面不同点的法向量倾斜角度进行精准去噪;
其中,所述精准去噪的步骤,具体包括:
对于点云中的三维点云数据,采用移动最小二乘法计算任意一点的法向量;
遍历点云中每个点,根据该点及其邻近点的法向量用式计算法向量的倾斜角度;
判断每个点的法向量的倾斜角度与给定阈值的关系;
将法向量的倾斜角度大于给定阈值的点认定为噪声点,予以删除。
14.如权利要求12所述的用于配电变压器接线端子的三维定位识别装置,其特征在于,
所述坐标信息模块,用于对配电变压器接线端子的点云进行三维重建和点云配准,得到三维坐标信息,具体包括:
所述点云配准包括初始配准和精配准;
其中,所述初始配准包括采用基于FPFH特征描述子的配准算法对配电变压器接线端子进行粗配准;
所述精配准包括采用ICP算法对配电变压器接线端子三维图进行精确定位的步骤,具体包括:
分别利用两个配电变压器的三维点云数据构建两个三维点云数据集;
基于FPFH特征描述子的配准算法,在两个三维点云数据集中提取关键点;
结合基于FPFH特征描述子的配准算法在两个三维点云数据集中的坐标位置,以两个坐标位置之间特征的相似度为基础,估算两个坐标位置对应关系;
删除对配准有影响的错误的对应点对;
用正确对应点对估算刚体变化,求解对应旋转矩阵和平移矩阵,对得到的矩阵和实际变换矩阵进行误差比较;
设定误差阈值,迭代进行直到满足迭代终止条件,得到匹配配电变压器接线端子的三维坐标信息。
15.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-11任一项所述的用于配电变压器接线端子的三维定位识别方法的步骤。
16.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-11中任一项所述的用于配电变压器接线端子的三维定位识别方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211294214.5A CN115690209A (zh) | 2022-10-21 | 2022-10-21 | 一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211294214.5A CN115690209A (zh) | 2022-10-21 | 2022-10-21 | 一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690209A true CN115690209A (zh) | 2023-02-03 |
Family
ID=85065976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211294214.5A Pending CN115690209A (zh) | 2022-10-21 | 2022-10-21 | 一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690209A (zh) |
-
2022
- 2022-10-21 CN CN202211294214.5A patent/CN115690209A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6681729B2 (ja) | オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム | |
CN107063228B (zh) | 基于双目视觉的目标姿态解算方法 | |
JP3735344B2 (ja) | キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム | |
CN106709950B (zh) | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 | |
JP4865557B2 (ja) | 有界三次元対象物の分類と空間ローカライゼーションのためのコンピュータ視覚システム | |
JP5705147B2 (ja) | 記述子を用いて3dオブジェクトまたはオブジェクトを表す方法 | |
US9141871B2 (en) | Systems, methods, and software implementing affine-invariant feature detection implementing iterative searching of an affine space | |
CN111598946B (zh) | 一种物体位姿测量方法、装置及存储介质 | |
WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
CN114119864A (zh) | 一种基于三维重建与点云匹配的定位方法和装置 | |
CN113096094A (zh) | 三维物体表面缺陷检测方法 | |
CN114743259A (zh) | 位姿估计方法、位姿估计系统、终端、存储介质及应用 | |
CN113128610A (zh) | 一种工业零件位姿估计方法及系统 | |
US11321953B2 (en) | Method and apparatus for posture, dimension and shape measurements of objects in 3D scenes | |
CN112651944A (zh) | 基于cad模型的3c部件高精度六维位姿估计方法及系统 | |
CN111798453A (zh) | 用于无人驾驶辅助定位的点云配准方法及其系统 | |
CN109145902B (zh) | 一种利用泛化特征对几何标识进行识别及定位的方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN116921932A (zh) | 焊接轨迹识别方法、装置、设备及存储介质 | |
CN115147433A (zh) | 点云配准方法 | |
CN117372487A (zh) | 图像配准方法、装置、计算机设备和存储介质 | |
CN114897974B (zh) | 一种目标物空间定位方法、系统、存储介质及计算机设备 | |
CN115690209A (zh) | 一种用于配电变压器接线端子的三维定位识别方法、装置、介质、设备 | |
CN116091603A (zh) | 一种基于点特征的箱体工件位姿测量方法 | |
CN113111741A (zh) | 一种基于三维特征点的装配状态识别方法 |
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 |