CN115908734B - 电网地图更新方法、装置、设备及存储介质 - Google Patents
电网地图更新方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115908734B CN115908734B CN202211490320.0A CN202211490320A CN115908734B CN 115908734 B CN115908734 B CN 115908734B CN 202211490320 A CN202211490320 A CN 202211490320A CN 115908734 B CN115908734 B CN 115908734B
- Authority
- CN
- China
- Prior art keywords
- power grid
- dimensional
- map
- semantic
- devices
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000005520 cutting process Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 4
- 230000003042 antagnostic effect Effects 0.000 claims description 3
- 230000008485 antagonism Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 102100040359 Angiomotin-like protein 2 Human genes 0.000 description 1
- 101000891151 Homo sapiens Angiomotin-like protein 2 Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及电网信息化技术领域，尤其涉及一种电网地图更新方法、装置、设备及存储介质，该方法包括：采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而实现重新建立电网地图模型，并对原电网地图更新，进而实现电网信息化。
Description
技术领域
本发明涉及电网信息化技术领域，尤其涉及一种电网地图更新方法、装置、设备及存储介质。
背景技术
随着电网设备的发展，电网设备的种类越来越多，从而使得电网网络接线越来越复杂。因此，一份准确可靠、方便的电网地图对于配电工作人员日常操作以及电网安全运行具有十分重要的作用。因此，如何及时准确更新电网地图，方便配电工作人员日常操作以及电网安全运行成为当前亟待解决的技术问题，目前传统的方式主要现有电网的调度员主要依靠单线图，监视配网自动化开关、配网变压器以及故障指示器的实时遥信和遥测信息，对电网地图进行更新，造成更新速度慢，更新不精确的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种电网地图更新方法、装置、设备及存储介质，旨在解决现有技术中难以及时准确更新电网地图的技术问题。
为实现上述目的，本发明提供一种电网地图更新方法，所述电网地图更新方法包括以下步骤：
采集电网中各个设备深度图像和RGB图像；
对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；
对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；
将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；
将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；
根据所述目标电网地图模型进行更新。
可选地，所述对拼接的冗余区间的点云进行分割剥离，包括：
根据所述电网中各个设备深度图像确定种子节点；
通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间；
对所述拼接的冗余区间进行分割剥离。
可选地，所述通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间，包括：
判断所述电网中各个设备深度图像中的云点与所述种子节点是否在同一预设曲面，所述电网中各个设备深度图像为三维图像，所述预设曲面为电网中各个设备深度图像其中的一个曲面；
若是，这将该云点确定为新的种子节点，并判断各个设备深度图像中的云点与所述新的种子节点是否在重新确定的同一曲面，若是则继续生长；
重复上述操作，直到完成对所有点云数据被划分，得到拼接的冗余区间。
可选地，所述对所述电网中各个设备深度图像进行拼接，得到三维电网空间图片，包括：
将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；
基于所述筛选后的点云，建立特征点集合，并计算所述特征点集合最大明可夫斯基距离；
随机选取所述特征点集合中的两个特征点，计算所述两个特征点的明可夫斯基距离；
在所述两个特征点的明可夫斯基距离大于预设阈值时，将所述两个特征点添加至待匹配点集；
重复上述操作，直到满足筛选出全部待匹配点，得到目标待匹配点集，并根据所述目标待匹配点集进行拼接，得到拼接后的三维电网空间图片。
可选地，所述对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息，包括：
根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息；
根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点；
将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息。
可选地，所述根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点，包括：
根据所述电网中各个设备的类别和位置信息计算得到不同设备对应的云块的凹凸性；
根据所述不同设备对应的云块的凹凸性进行二次聚类，根据二次聚类结果进行分割，得到三维空间中属于电网中同一设备的云点。
可选地，所述将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型，包括：
通过深度残差网络生成器以及三维电网的语义地图质量判别器构建所述对抗学习网络；
将所述三维电网的语义地图输入深度残差网络生成器，得到缩小后的三维电网的语义地图，并基于缩小结果对所述深度残差网络生成器进行参数校准；
将所述缩小后的三维电网的语义地图输入所述三维电网的语义地图质量判别器，得到满足预设三维电网的语义地图质量要求的三维电网的语义地图，并基于所述判别结果对所述三维电网的语义地图质量判别器进行参数校准；
重复上述操作，直到完成对三维电网的语义地图的训练，得到目标电网地图模型。
此外，为实现上述目的，本发明还提出一种电网地图更新装置，所述电网地图更新装置包括：
采集模块，用于采集电网中各个设备深度图像和RGB图像；
拼接模块，用于对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；
分割模块，用于对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；
构建模块，用于将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；
训练模块，用于将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；
更新模块，用于根据所述目标电网地图模型进行更新。
此外，为实现上述目的，本发明还提出一种电网地图更新设备，所述设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的电网地图更新程序，所述电网地图更新配置为实现如上文所述的电网地图更新方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有电网地图更新程序，所述电网地图更新程序被处理器执行时实现如上文所述的电网地图更新方法。
本发明其公开了一种电网地图更新方法、装置、设备及存储介质，该方法包括：采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而，通过对实现对各个设备深度图像进行拼接和隔离并与语义信息进行融合，重新建立电网地图模型，并对原电网地图更新，进而实现电网信息化。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电网地图更新设备结构示意图；
图2为本发明电网地图更新方法第一实施例的流程示意图；
图3为本发明电网地图更新方法第二实施例的流程示意图；
图4为本发明电网地图更新方法第三实施例的流程示意图；
图5为本发明电网地图更新装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的电网地图更新设备结构示意图。
如图1所示，该电网地图更新设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。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），可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB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（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可以是稳定的存储器（Non-volatileMemory，NVM），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。
本领域技术人员可以理解，图1中示出的结构并不构成对电网地图更新设备的限定，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，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电网地图更新程序。
在图1所示的电网地图更新设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述电网地图更新设备通过处理器1001调用存储器1005中存储的电网地图更新程序，并执行本发明实施例提供的电网地图更新方法。
基于上述硬件结构，提出本发明电网地图更新方法的实施例。
参照图2，图2为本发明电网地图更新方法第一实施例的流程示意图，提出本发明电网地图更新方法第一实施例。
在第一实施例中，所述电网地图更新方法包括以下步骤：
步骤S10：采集电网中各个设备深度图像和RGB图像。
理解的是，本实施例的执行主体是为电网地图更新设备，该电网地图更新设备具有数据处理、数据通信及程序运行等功能。
在具体实现中，利用正向和反向的RGB-HIS变换，对不同分辨率的遥感电网地图影像进行融合。其步骤操作：根据高空间分辨率的全色波段电网地图影像对其余多光谱波段的电网地图影像进行重新采样；将重新采样后的多光谱电网地图影像从RGB变换到HIS色彩电网地图空间；对全色波段电网地图影像与变换后的HIS色彩电网地图空间的亮度分量犐进行直方图匹配；用具有高空间电网地图分辨率的全色波段电网地图数据替代HIS的亮度分量；将替换后的电网地图影像从HIS变换到RGB色彩电网地图空间，采集电网中各个设备深度图像和RGB图像。
步骤S20：对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片。
在具体实施中，将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；基于所述筛选后的点云，建立特征点集合，并计算所述特征点集合最大明可夫斯基距离；随机选取所述特征点集合中的两个特征点，计算所述两个特征点的明可夫斯基距离；在所述两个特征点的明可夫斯基距离大于预设阈值时，将所述两个特征点添加至待匹配点集；重复上述操作，直到满足筛选出全部待匹配点，得到目标待匹配点集，并根据所述目标待匹配点集进行拼接，得到拼接后的三维电网空间图片。
应理解的是，本实施例中的基于离散选取机制的点云拼接方法，首先对各个设备深度图像初始值进行筛选，然后用筛选后的各个设备深度图像点进行点云拼接。首先计算各个设备深度图像特征点集合的最大明可夫斯基距离ddist，并引入阈值参数，设阈值为αmax，选取规则如下式所示：
其中，P1，P2为随机的电网中各个设备两个特征点；p为特征点被选取的概率。当P1，P2之间的明可夫斯基大于阈值时，则将两个特征点加入待配准的点集，如果不是P1，P2之间的明可夫斯基大于阈值时，则将两个特征点舍弃。另一方面，由于所提方法的效果很依赖α，当α过小可能无法对特征点进行有效的筛选，而α过大可能会导致特征点过少，影响点云配准效果。
需要说明的是，将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；将所述筛选后的点云进行拼接，得到拼接后的三维电网地图。
步骤S30：对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息。
在具体实施中，根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息；根据所述电网中各个设备的类别和位置信息，分割出三维空间中属于电网中同一设备的云点；将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息，从而实现将电网中的各个设备RGB图像进行语意切割，为建立电网中各个设备对应的语义地图做准备。
步骤S40：将所述语义信息映射到所述重建的三维电网地图，构建得到三维电网的语义地图。
需要说明的是，在构建三维电网地图，首先需要知道电网各个设备图像之间的关系，对各个设备图像进行特征提取和匹配获取各个设备图像间的关系，然后将二维像素点映射到三维空间，最后采用点云拼接算法来构建点云地图，即将所述语义信息映射到所述重建的三维电网地图，构建出三维电网的语义地图。
步骤S50：将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型。
在具体实施中，通过深度残差网络生成器以及三维电网的语义地图质量判别器构建所述对抗学习网络；将所述三维电网的语义地图输入深度残差网络生成器，得到缩小后的三维电网的语义地图，并基于缩小结果对所述深度残差网络生成器进行参数校准；将所述缩小后的三维电网的语义地图输入所述三维电网的语义地图质量判别器，得到满足预设三维电网的语义地图质量要求的三维电网的语义地图，并基于所述判别结果对所述三维电网的语义地图质量判别器进行参数校准；重复上述操作，直到完成对三维电网的语义地图的训练，得到目标电网地图模型，从而实现了对三维电网的语义地图的更新和训练。
需要说明的是，其中在训练生成器的同时对述三维电网的语义地图质量判别器进行训练，不断迭代的训练使述三维电网的语义地图质量判别器可以判断输入的缩小后的三维电网的语义地图是否满足为真实的电网环境。从而，在对抗训练中促使深度残差网络生成器的输出不断逼近真实三维电网的语义地图。在三维电网的语义地图的训练中，其对抗损失函数定义为：
其中，LADV代表对抗损失函数，G代表深度残差网络生成器函数，ILR代表预处理后的三维电网的语义地图。
步骤S60：根据所述目标电网地图模型进行更新。
需要说明的是，在本实施例中，是根据新得到的目标电网地图模型对原始的地图进行更新，在对原始地图进行匹配时，出现了不同的地图区域时，则用目标电网地图模型的该区域部分进行填补原始地图，从而实现了电网地图的更新。
在本实施例中，采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而，通过对实现对各个设备深度图像进行拼接和隔离并与语义信息进行融合，重新建立电网地图模型，并对原电网地图更新，进而实现电网信息化。
参照图3，图3为本发明电网地图更新方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明电网地图更新方法的第二实施例。
在第二实施例中，所述步骤S20，包括：
步骤S201：根据所述电网中各个设备深度图像确定种子节点。
在具体实施中，对电网中各个设备深度图像三维点云进行分割前，首先要确定种子节点，然后才能根据种子和设置好的生长准则判断一点是否与种子属于同一曲面，若是，则将该点确定为新的种子继续生长，直到所有点云数据被划分完成，则停止生长。对于种子的选择，主要根据点云中的一些明显特征如法向量、曲率等进行；法向量和曲率可以用来描述曲面的变换，法向量和曲率估算主要是使用主成分分析方法，具有易于实现且计算量小的特点。具体过程为首先将求解点云的法向量转换为求解点云切平面的法向量，其中切平面可由最小二乘法拟合局部平面的方法确定。
需要说明的是，构建三维地图，确定图像之间的关系，对图像进行特征提取和匹配获取图像间的关系，然后将二维像素点映射到三维空间，最后采用点云拼接算法来构建点云地图，对于一个对于电网中各个设备深度图像某个像素点T，其像素坐标为（u，v），深度值为d。该像素点在三维空间的坐标（
，/>
，/>
）为下式所示：
其中，
和/>
为映射函数，从而实现对每个二维像素点进行计算，生成点云。
步骤S202：通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间。
在具体实施中，判断所述电网中各个设备深度图像中的云点与所述种子节点是否在同一预设曲面，所述电网中各个设备深度图像为三维图像，所述预设曲面为电网中各个设备深度图像其中的一个曲面；若是，这将该云点确定为新的种子节点，并判断各个设备深度图像中的云点与所述新的种子节点是否在重新确定的同一曲面，若是则继续生长；重复上述操作，直到完成对所有点云数据被划分，得到拼接的冗余区间，从而完成目标操作，从而得到了拼接的冗余区域。
步骤S203：对所述拼接的冗余区间进行分割剥离；
需要说明的是，在拼接时要对三维电网空间图片中的冗余部分进行剔除，具体步骤为对三维点云进行分割前，首先要确定三维电网空间图片的种子节点，然后才能根据三维电网空间图片的种子和设置好的生长准则判断三维电网空间图片中一点是否与种子属于同一曲面，若是，则将该点确定为新的种子节点继续生长，以此类推，直到所有点云数据被划分完成，则停止生长。对于种子的选择，主要根据三维电网空间图片点云中的一些明显特征如法向量、曲率等进行，在划分完成后获得的法向量和曲率判断一区域中的点与种子是否属于同一曲面，若是，将该点作为新的种子继续生长，以此类推，直到所有点检测完毕。将所有相同属性的点云数据划入同一区域，生长停止，然后对三维点云进行分割。
在本实施例中，采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；将所述筛选后的点云进行拼接，得到拼接后的三维电网空间图片。将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而实现对三维电网空间图片进行分割和拼接，从而为电网地图更新做准备，有利于电网信息化发展。
参照图4，图4为本发明电网地图更新方法第三实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明电网地图更新方法的第三实施例。
在第三实施例中，所述步骤S30，包括：
步骤S301：根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息。
需要说明的是，RGB色彩就是常说的光学三原色，R代表Red（红色），G代表Green（绿色），B代表Blue（蓝色）。自然界中肉眼所能看到的任何色彩都可以由这三种色彩混合叠加而成，因此也称为加色模式，故而可以根据电网中各个设备RGB图像，得到电网中各个设备的颜色变化，从而得到电网中各个设备的类别和位置信息。
步骤S302：根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点。
在具体实施中，根据所述电网中各个设备的类别和位置信息计算得到不同设备对应的云块的凹凸性；根据所述不同设备对应的云块的凹凸性进行二次聚类，根据二次聚类结果进行分割，得到三维空间中属于电网中同一设备的云点，从而实现对电网中各个设备的语义进行划分。
需要说明的是，VCCS算法对三维电网地图点云进行分割时，将电网地图点云分割成若干点云块，出现过电网地图分割的现象；故通过LCCP算法在VCCS算法分割的基础上，首先计算不同点电网地图云块之间的凹凸性，然后利用物体电网地图凹凸性对过分割的点云进行二次聚类。
步骤S303：将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息。
在具体实施中，获取三维空间中属于电网中同一设备的类别和位置信息，但是二维图像只是反映了三维空间中属于电网中同一设备在二维空间的特征，不能还原出环境原始的三维信息，如果直接将三维空间中属于电网中同一设备二维语义信息映射到三维空间中属于电网中同一设备三维空间中，可能标注出的物体位置存在偏差。故使用三维点云分割算法，分割出三维空间中属于电网中同一设备的点云，然后与三维空间中属于电网中同一设备二维分割出的类别和位置信息进行融合，获取精度高的语义电网地图。
在本实施例中，采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息；根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点；将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而可以得到目标电网地图模型的语义信息，有助于精确建立电网地图，进而有助于电网信息化发展。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储电网地图更新程序，所述电网地图更新程序被处理器执行时实现如上文所述的电网地图更新方法的步骤。
由于本存储介质可以采用上述所有实施例的技术方案，因此至少具有上述实施例的技术方案所带来的有益效果，在此不再一一赘述。
参照图5，图5为本发明电网地图更新装置第一实施例的功能模块示意图。
本发明电网地图更新装置第一实施例中，该电网地图更新装置包括：
采集模块10，用于采集电网中各个设备深度图像和RGB图像；
拼接模块20，用于对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；
分割模块30，用于对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；
构建模块40，用于将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；
训练模块50，用于将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；
更新模块60，用于根据所述目标电网地图模型进行更新。
在本实施例中，采集电网中各个设备深度图像和RGB图像；对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；根据所述目标电网地图模型进行更新，从而，通过对实现对各个设备深度图像进行拼接和隔离并与语义信息进行融合，重新建立电网地图模型，并对原电网地图更新，进而实现电网信息化。
在一实施例中，所述分割模块30，还用于对拼接的冗余区间的点云进行分割剥离，包括：
根据所述电网中各个设备深度图像确定种子节点；
通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间；
对所述拼接的冗余区间进行分割剥离。
在一实施例中，所述拼接模块20，还用于通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间，包括：
判断所述电网中各个设备深度图像中的云点与所述种子节点是否在同一预设曲面，所述电网中各个设备深度图像为三维图像，所述预设曲面为电网中各个设备深度图像其中的一个曲面；
若是，这将该云点确定为新的种子节点，并判断各个设备深度图像中的云点与所述新的种子节点是否在重新确定的同一曲面，若是则继续生长；
重复上述操作，直到完成对所有点云数据被划分，得到拼接的冗余区间。
在一实施例中，所述拼接模块20，还用于将所述筛选后的点云进行拼接，得到拼接后的三维电网空间图片，包括：
将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；
基于所述筛选后的点云，建立特征点集合，并计算所述特征点集合最大明可夫斯基距离；
随机选取所述特征点集合中的两个特征点，计算所述两个特征点的明可夫斯基距离；
在所述两个特征点的明可夫斯基距离大于预设阈值时，将所述两个特征点添加至待匹配点集；
重复上述操作，直到满足筛选出全部待匹配点，得到目标待匹配点集，并根据所述目标待匹配点集进行拼接，得到拼接后的三维电网空间图片。
在一实施例中，所述分割模块20，还用于所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息，包括：
根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息；
根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点；
将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息。
在一实施例中，所述分割模块30，还用于根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点，包括：
根据所述电网中各个设备的类别和位置信息计算得到不同设备对应的云块的凹凸性；
根据所述不同设备对应的云块的凹凸性进行二次聚类，根据二次聚类结果进行分割，得到三维空间中属于电网中同一设备的云点。
在一实施例中，所述训练模块50，还用于将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型，包括：
通过深度残差网络生成器以及三维电网的语义地图质量判别器构建所述对抗学习网络；
将所述三维电网的语义地图输入深度残差网络生成器，得到缩小后的三维电网的语义地图，并基于缩小结果对所述深度残差网络生成器进行参数校准；
将所述缩小后的三维电网的语义地图输入所述三维电网的语义地图质量判别器，得到满足预设三维电网的语义地图质量要求的三维电网的语义地图，并基于所述判别结果对所述三维电网的语义地图质量判别器进行参数校准；
重复上述操作，直到完成对三维电网的语义地图的训练，得到目标电网地图模型。
本发明所述电网地图更新装置的其他实施例或具体实现方式可参照上述各方法实施例，因此至少具有上述实施例的技术方案所带来的所有有益效果，此处不再赘述。
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过程、方法、物品或者系统不仅包括那些要素，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过程、方法、物品或者系统所固有的要素。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、物品或者系统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。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。
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(如只读存储器镜像（Read Only Memory image，ROM）/随机存取存储器（Random AccessMemory，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，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他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种电网地图更新方法，其特征在于，所述方法包括以下步骤：
采集电网中各个设备深度图像和RGB图像；
对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；
对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；
将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；
将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；
根据所述目标电网地图模型进行更新；
所述对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，包括：
根据电网中各个设备深度图像确定种子节点；
通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间；
对所述拼接的冗余区间进行分割剥离；
所述通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间，包括：
判断所述电网中各个设备深度图像中的云点与所述种子节点是否在同一预设曲面，所述电网中各个设备深度图像为三维图像，所述预设曲面为电网中各个设备深度图像其中的一个曲面；
若是，这将该云点确定为新的种子节点，并判断各个设备深度图像中的云点与所述新的种子节点是否在重新确定的同一曲面，若是则继续生长，直到完成对所有点云数据被划分，得到拼接的冗余区间；
所述对所述电网中各个设备深度图像进行拼接，得到三维电网空间图片，包括：
将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；
基于所述筛选后的点云，建立特征点集合，并计算所述特征点集合最大明可夫斯基距离；
随机选取所述特征点集合中的两个特征点，计算所述两个特征点的明可夫斯基距离；
在所述两个特征点的明可夫斯基距离大于预设阈值时，将所述两个特征点添加至待匹配点集，直到满足筛选出全部待匹配点，得到目标待匹配点集，并根据所述目标待匹配点集进行拼接，得到拼接后的三维电网空间图片。
2.如权利要求1所述的方法，其特征在于，所述对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息，包括：
根据所述电网中各个设备RGB图像，得到电网中各个设备的类别和位置信息；
根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点；
将所述三维空间中属于电网中同一设备的云点进行融合，得到电网中各个设备对应的语义信息。
3.如权利要求2所述的方法，其特征在于，所述根据所述电网中各个设备的类别和位置信息分割出三维空间中属于电网中同一设备的云点，包括：
根据所述电网中各个设备的类别和位置信息计算得到不同设备对应的云块的凹凸性；
根据所述不同设备对应的云块的凹凸性进行二次聚类，根据二次聚类结果进行分割，得到三维空间中属于电网中同一设备的云点。
4.如权利要求1所述的电网地图更新方法，其特征在于，所述将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型，包括：
通过深度残差网络生成器以及三维电网的语义地图质量判别器构建所述对抗学习网络；
将所述三维电网的语义地图输入深度残差网络生成器，得到缩小后的三维电网的语义地图，并基于缩小结果对所述深度残差网络生成器进行参数校准；
将所述缩小后的三维电网的语义地图输入所述三维电网的语义地图质量判别器，得到满足预设三维电网的语义地图质量要求的三维电网的语义地图，并基于所述判别结果对所述三维电网的语义地图质量判别器进行参数校准，直到完成对三维电网的语义地图的训练，得到目标电网地图模型。
5.一种电网地图更新装置，其特征在于，所述电网地图更新装置包括：
采集模块，用于采集电网中各个设备深度图像和RGB图像；
拼接模块，用于对所述电网中各个设备深度图像进行拼接，并对各个设备深度图像在的拼接过程中的冗余区间的点云进行分割剥离，得到三维电网空间图片；
分割模块，用于对所述电网中各个设备RGB图像进行语意切割，得到电网中各个设备对应的语义信息；
构建模块，用于将所述语义信息映射到所述三维电网空间图片，构建得到三维电网的语义地图；
训练模块，用于将所述三维电网的语义地图输入到对抗学习网络中进行训练，得到目标电网地图模型；
更新模块，用于根据所述目标电网地图模型进行更新；
所述拼接模块，还用于根据电网中各个设备深度图像确定种子节点；通过预设的生长准则，对所述电网中各个设备深度图像中的云点进行划分，得到拼接的冗余区间；对所述拼接的冗余区间进行分割剥离；
所述拼接模块，还用于判断所述电网中各个设备深度图像中的云点与所述种子节点是否在同一预设曲面，所述电网中各个设备深度图像为三维图像，所述预设曲面为电网中各个设备深度图像其中的一个曲面；若是，这将该云点确定为新的种子节点，并判断各个设备深度图像中的云点与所述新的种子节点是否在重新确定的同一曲面，若是则继续生长，直到完成对所有点云数据被划分，得到拼接的冗余区间；
所述拼接模块，还用于将所述电网中各个设备深度图像进行初始化，并进行筛选，得到筛选后的点云；基于所述筛选后的点云，建立特征点集合，并计算所述特征点集合最大明可夫斯基距离；随机选取所述特征点集合中的两个特征点，计算所述两个特征点的明可夫斯基距离；在所述两个特征点的明可夫斯基距离大于预设阈值时，将所述两个特征点添加至待匹配点集，直到满足筛选出全部待匹配点，得到目标待匹配点集，并根据所述目标待匹配点集进行拼接，得到拼接后的三维电网空间图片。
6.一种电网地图更新设备，其特征在于，所述电网地图更新设备包括存储器、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电网地图更新程序，所述电网地图更新程序被所述处理器执行时实现如权利要求1至4中任一项所述的电网地图更新方法。
7.一种存储介质，其特征在于，所述存储介质上存储有电网地图更新程序，所述电网地图更新程序被处理器执行时实现如权利要求1至4中任一项所述的电网地图更新方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211490320.0A CN115908734B (zh) | 2022-11-25 | 2022-11-25 | 电网地图更新方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211490320.0A CN115908734B (zh) | 2022-11-25 | 2022-11-25 | 电网地图更新方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115908734A CN115908734A (zh) | 2023-04-04 |
| CN115908734B true CN115908734B (zh) | 2023-07-07 |
Family
ID=86485709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211490320.0A Active CN115908734B (zh) | 2022-11-25 | 2022-11-25 | 电网地图更新方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115908734B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222068A (zh) * | 2019-06-17 | 2019-09-10 | 广东电网有限责任公司清远供电局 | 一种输电运维的地图更新方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8655106B2 (en) * | 2011-10-24 | 2014-02-18 | Fannie Mae | Automated valuation model with customizable neighborhood determination |
| CN111192313B (zh) * | 2019-12-31 | 2023-11-07 | 深圳优地科技有限公司 | 机器人构建地图的方法、机器人及存储介质 |
| CN112287939B (zh) * | 2020-10-29 | 2024-05-31 | 平安科技（深圳）有限公司 | 三维点云语义分割方法、装置、设备及介质 |
| CN112819893A (zh) * | 2021-02-08 | 2021-05-18 | 北京航空航天大学 | 三维语义地图的构建方法和装置 |
| CN114004945B (zh) * | 2021-11-03 | 2022-06-17 | 山东翰林科技有限公司 | 一种基于三维地图的数字孪生电网系统及方法 |
| CN115035260A (zh) * | 2022-05-27 | 2022-09-09 | 哈尔滨工程大学 | 一种室内移动机器人三维语义地图构建方法 |
-
2022
- 2022-11-25 CN CN202211490320.0A patent/CN115908734B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222068A (zh) * | 2019-06-17 | 2019-09-10 | 广东电网有限责任公司清远供电局 | 一种输电运维的地图更新方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Super Rays and Culling Region for Real-Time Updates on Grid-Based Occupancy Maps;Youngsun Kwon.etc;《IEEE》;全文 * |
| 面向电网变电站的视觉三维重建及语义分割技术研究;陈英达等;《电力大数据》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115908734A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210142559A1 (en) | System and method for vegetation modeling using satellite imagery and/or aerial imagery | |
| CN106548516B (zh) | 三维漫游方法和装置 | |
| US20220222951A1 (en) | 3d object detection method, model training method, relevant devices and electronic apparatus | |
| CN112489099B (zh) | 点云配准方法、装置、存储介质及电子设备 | |
| CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
| CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
| CN112580558A (zh) | 红外图像目标检测模型构建方法、检测方法、装置及系统 | |
| CN110378174A (zh) | 道路线提取方法和装置 | |
| CN116756836B (zh) | 一种隧道超欠挖体积计算方法、电子设备及存储介质 | |
| CN115170575B (zh) | 遥感影像变化检测及模型训练的方法及设备 | |
| CN112116549A (zh) | 用于评估点云地图精度的方法和装置 | |
| CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
| CN109358640B (zh) | 一种无人机激光探测实时可视化方法、系统及存储介质 | |
| KR101079475B1 (ko) | 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템 | |
| CN115908734B (zh) | 电网地图更新方法、装置、设备及存储介质 | |
| KR101079531B1 (ko) | 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템 | |
| KR102564494B1 (ko) | 전파 세기 표현을 위한 3차원 지형의 색상 지정 장치 | |
| KR20130002244A (ko) | 도시공간정보모델의 등급정보에 따라 선택된 건물데이터를 이용하는 도시공간정보 생성 시스템 | |
| CN114913305B (zh) | 模型处理方法、装置、设备、存储介质及计算机程序产品 | |
| CN115187736A (zh) | 目标地图生成方法以及装置、ar地图生成方法以及装置 | |
| Sang et al. | The topological viewshed: embedding topological pointers into digital terrain models to improve GIS capability for visual landscape analysis | |
| JP7347696B2 (ja) | 訓練装置、制御方法、及びプログラム | |
| WO2021176676A1 (ja) | 生成装置、生成方法及び生成プログラム | |
| AU2017300877B2 (en) | Method and device for aiding the navigation of a vehicle | |
| KR101114904B1 (ko) | 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법 |
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 |