CN116128835A - 基于点云分析的输电导线弧垂测量方法、装置和设备 - Google Patents
基于点云分析的输电导线弧垂测量方法、装置和设备 Download PDFInfo
- Publication number
- CN116128835A CN116128835A CN202310051465.9A CN202310051465A CN116128835A CN 116128835 A CN116128835 A CN 116128835A CN 202310051465 A CN202310051465 A CN 202310051465A CN 116128835 A CN116128835 A CN 116128835A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- power transmission
- semantic segmentation
- transmission wire
- point
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- 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
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Electromagnetism (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Electric Cable Installation (AREA)
Abstract
本申请涉及输电技术领域,提供了一种基于点云分析的输电导线弧垂测量方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现提高确定输电导线的弧垂的准确性和效率。该方法包括:获取输电线路的点云,输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线,利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果,语义分割结果用于表示点云中与输电导线对应的输电导线点云,根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点,通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
Description
技术领域
本申请涉及输电技术领域,特别是涉及一种基于点云分析的输电导线弧垂测量方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着输电技术的发展,如何安全输电成为了重要的研究方向。在架线施工前,技术人员根据相关标准,计算出某输电线路的标准弧垂,再进行架线施工,但是,由于施工操作中的误差,或者由于时间、气候、受力、受损、故障等因素,输电导线的实际弧垂往往与计算的标准弧垂有一定偏差,当偏差超出范围后就会成为输电线路缺陷,对输电安全造成威胁。
传统技术通常是通过人工实地测量的方式确定输电导线的弧垂,但是测量过程中容易因工作人员对测量仪器的熟练程度,而对测量结果有所偏差,导致确定输电导线的弧垂的准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种基于点云分析的输电导线弧垂测量方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于点云分析的输电导线弧垂测量方法。方法包括:
获取输电线路的点云;输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线;
利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果;语义分割结果用于表示点云中与输电导线对应的输电导线点云;
根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点;
通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
在其中一个实施例中,根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点,包括:
根据语义分割结果,对输电导线点云进行主成分分析处理,得到输电导线点云的主方向向量;
根据输电导线点云的主方向向量的坐标信息,确定在点云中输电导线在相邻的两杆塔上的两悬挂点。
在其中一个实施例中,根据语义分割结果,对输电导线点云进行主成分分析处理,得到输电导线点云的主方向向量,包括:
根据语义分割结果,计算输电导线点云对应的协方差矩阵;
通过对协方差矩阵进行奇异值分解处理,确定输电导线点云的主方向向量。
在其中一个实施例中,利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果,包括:
利用点云语义分割模型中的点云注意力机制单元,增强点云中的连接处特征;
根据连接处特征,对点云进行语义分割处理,得到语义分割结果。
在其中一个实施例中,输电线路包括两杆塔、输电导线、地面、植被和建筑;
利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果,包括:
利用点云语义分割模型,对点云进行语义分割处理,将点云划分为输电导线点云、杆塔点云、地面点云、植被点云和建筑点云;
根据输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,确定语义分割结果。
在其中一个实施例中,通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂,包括:
识别采样点与输电导线点云之间的距离,得到距离集合;
从距离集合中,选取出最大的距离,作为输电导线的弧垂。
在其中一个实施例中,在识别采样点与输电导线点云之间的距离,得到距离集合之前,还包括:
根据预设间隔,在两悬挂点的连接线上,确定多个采样点;
计算采样点与输电导线点云的距离,得到距离集合,包括:
确定各采样点沿地面法向量的延长线与输电导线点云的交点;
计算各采样点与对应的交点的距离,得到距离集合。
第二方面,本申请还提供了一种基于点云分析的输电导线弧垂测量装置。所述装置包括:
点云获取模块,用于获取输电线路的点云;所述输电线路至少包括相邻的两杆塔和悬挂在所述两杆塔上的输电导线;
结果得到模块,用于利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果;所述语义分割结果用于表示所述点云中与所述输电导线对应的输电导线点云;
点云分析模块,用于根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点;
弧垂确定模块,用于通过所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,确定所述输电导线的弧垂。
第三方面,本申请还提供了一种计算机设备。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以下步骤:
获取输电线路的点云;输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线;利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果;语义分割结果用于表示点云中与输电导线对应的输电导线点云;根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点;通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取输电线路的点云;输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线;利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果;语义分割结果用于表示点云中与输电导线对应的输电导线点云;根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点;通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取输电线路的点云;输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线;利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果;语义分割结果用于表示点云中与输电导线对应的输电导线点云;根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点;通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
上述基于点云分析的输电导线弧垂测量方法、装置、计算机设备、存储介质和计算机程序产品,获取输电线路的点云,输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线,利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果,语义分割结果用于表示点云中与输电导线对应的输电导线点云,根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点,通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。该方案通过获取相邻的两杆塔和悬挂在所述两杆塔上的输电导线所对应的点云,对所述点云进行语义分割处理,确定点云中各对象对应的点云,对所述输电导线点云进行主成分分析处理,识别出在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点,根据所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,自动确定出所述输电导线的弧垂,从而实现提高确定输电导线的弧垂的准确性和效率。
附图说明
图1为一个实施例中基于点云分析的输电导线弧垂测量方法的流程示意图;
图2为一个实施例中点云语义分割模型的结构示意图;
图3为一个实施例中点云注意力机制模块的示意图;
图4为一个实施例中基于点云分析的输电导线弧垂测量装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于点云分析的输电导线弧垂测量方法,本实施例以该方法应用于终端进行举例说明,包括以下步骤:
步骤S101,获取输电线路的点云。
本步骤中,输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线。
具体的,终端确定待测量弧垂的输电线路,获取该输电线路的点云。
步骤S102,利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果。
本步骤中,如图2所示,点云语义分割模型可以是用于点云语义分割的神经网络模型;语义分割结果用于表示点云中与输电导线对应的输电导线点云。
具体的,终端将点云输入至预先构建的点云语义分割模型,通过预先构建的点云语义分割模型对点云进行语义分割处理,得到针对点云中各对象(例如杆塔、导线、地面、植被和建筑)的语义分割结果,作为点云的语义分割结果。
步骤S103,根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点。
本步骤中,两悬挂点可以是在点云中,输电导线悬挂在相邻的两杆塔上的两个悬挂点。
具体的,终端根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点。
步骤S104,通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
本步骤中,距离可以是垂直距离。
具体的,终端通过识别或计算两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。
上述基于点云分析的输电导线弧垂测量方法中,获取输电线路的点云,输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线,利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果,语义分割结果用于表示点云中与输电导线对应的输电导线点云,根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点,通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂。该方案获取相邻的两杆塔和悬挂在两杆塔上的输电导线所对应的点云,对点云进行语义分割处理,确定点云中各对象对应的点云,对输电导线点云进行主成分分析处理,识别出在点云中输电导线在相邻的两杆塔上的两悬挂点,根据两悬挂点的连接线上的采样点与输电导线点云之间的距离,自动确定出输电导线的弧垂,从而实现提高确定输电导线的弧垂的准确性和效率。
在一个实施例中,上述步骤S103的根据语义分割结果,对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点具体包括:根据语义分割结果,对输电导线点云进行主成分分析处理,得到输电导线点云的主方向向量;根据输电导线点云的主方向向量的坐标信息,确定在点云中输电导线在相邻的两杆塔上的两悬挂点。
本实施例中,坐标信息可以是坐标(坐标位置)。
具体的,终端根据语义分割结果,对输电导线点云进行主成分分析处理,得到输电导线点云的主方向向量,根据输电导线点云的主方向向量在点云中的坐标信息,确定在点云中输电导线在相邻的两杆塔上的两悬挂点的坐标位置。
本实施例的技术方案,通过对输电导线点云进行主成分分析处理,确定在点云中输电导线在相邻的两杆塔上的两悬挂点,从而有利于准确地确定两悬挂点,从而有利于后续提高确定输电导线的弧垂的准确性。
在一个实施例中,上述方法还可以通过如下步骤确定输电导线点云的主方向向量,具体包括:根据语义分割结果,计算输电导线点云对应的协方差矩阵;通过对协方差矩阵进行奇异值分解处理,确定输电导线点云的主方向向量。
本实施例中,主成分分析处理可以包括计算协方差矩阵处理和奇异值分解处理。
具体的,终端根据语义分割结果,计算输电导线点云对应的协方差矩阵,通过对协方差矩阵进行奇异值分解处理,确定输电导线点云的主方向向量。
本实施例的技术方案,通过计算协方差矩阵处理和奇异值分解处理,有利于准确得到输电导线点云的主方向向量,从而有利于后续提高确定输电导线的弧垂的准确性。
在一个实施例中,上述步骤S102的利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果具体包括:利用点云语义分割模型中的点云注意力机制单元,增强点云中的连接处特征;根据连接处特征,对点云进行语义分割处理,得到语义分割结果。
本实施例中,如图2和图3所示,点云注意力机制单元可以是点云注意力机制模块。
具体的,终端利用点云语义分割模型中的点云注意力机制单元,增强点云中的连接处特征,根据增强后的连接处特征,对点云进行语义分割处理,得到语义分割结果。
本实施例的技术方案,通过增强点云中的连接处特征,对点云进行语义分割处理,有利于更准确和更快地得到语义分割结果,从而有利于提高确定输电导线的弧垂的准确性和效率。
在一个实施例中,上述步骤S102的利用预先构建的点云语义分割模型,对点云进行语义分割处理,得到点云的语义分割结果具体包括:利用点云语义分割模型,对点云进行语义分割处理,将点云划分为输电导线点云、杆塔点云、地面点云、植被点云和建筑点云;根据输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,确定语义分割结果。
本实施例中,输电线路包括两杆塔、输电导线、地面、植被和建筑;杆塔点云可以表示点云中与杆塔对应的杆塔点云;地面点云可以表示点云中与地面对应的地面点云;植被点云可以表示点云中与植被对应的植被点云;建筑点云可以表示点云中与建筑对应的建筑点云。
具体的,终端利用点云语义分割模型,对点云进行语义分割处理,将点云划分为输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,根据输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,确定语义分割结果。
本实施例的技术方案,通过将点云划分为输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,确定为语义分割结果,有利于更快和更准确地得到语义分割结果,从而有利于后续提高确定输电导线的弧垂的准确性和效率。
在一个实施例中,上述步骤S104的通过两悬挂点的连接线上的采样点与输电导线点云之间的距离,确定输电导线的弧垂具体包括:识别采样点与输电导线点云之间的距离,得到距离集合;从距离集合中,选取出最大的距离,作为输电导线的弧垂。
本实施例中,距离集合表示多个采样点与输电导线点云之间的距离的集合。
具体的,终端识别采样点与输电导线点云之间的距离,得到距离集合,从距离集合中,选取出最大的距离,作为输电导线的弧垂。
本实施例的技术方案,通过将各采样点与输电导线点云之间的距离中最大的距离作为输电导线的弧垂,从而有利于提高确定输电导线的弧垂的准确性。
在一个实施例中,上述方法还可以通过如下步骤得到距离集合,具体包括:根据预设间隔,在两悬挂点的连接线上,确定多个采样点;确定各采样点沿地面法向量的延长线与输电导线点云的交点;计算各采样点与对应的交点的距离,得到距离集合。
本实施例中,预设间隔可以表示在两悬挂点的连接线上的预先设置的间距;两悬挂点的连接线可以是两悬挂点相连的直线;采样点沿地面法向量的延长线可以是采样点沿垂直地面方向的延长线。
具体的,终端根据预设间隔,在两悬挂点的连接线上,确定多个采样点,确定各采样点沿地面法向量的延长线与输电导线点云的交点,计算各采样点与对应的交点的距离,得到距离集合。
本实施例的技术方案,通过在两悬挂点的连接线上按预设间隔确定出多个采样点之后,计算各采样点与输电导线点云上对应交点的距离,得到距离集合,有利于得到更准确的距离集合,从而有利于后续提高确定输电导线的弧垂的准确性。
以下以一个实施例说明本申请提供的基于点云分析的输电导线弧垂测量方法,本实施例以该方法应用于终端进行举例说明,主要步骤包括:
第一步,终端获取输电线路的点云。
第二步,终端利用点云语义分割模型中的点云注意力机制单元,增强点云中的连接处特征。
第三步,终端根据连接处特征,对点云进行语义分割处理,将点云划分为输电导线点云、杆塔点云、地面点云、植被点云和建筑点云。
第四步,终端根据输电导线点云、杆塔点云、地面点云、植被点云和建筑点云,确定语义分割结果。
第五步,终端根据语义分割结果,计算输电导线点云对应的协方差矩阵。
第六步,终端通过对协方差矩阵进行奇异值分解处理,确定输电导线点云的主方向向量。
第七步,终端根据输电导线点云的主方向向量的坐标信息,确定在点云中输电导线在相邻的两杆塔上的两悬挂点。
第八步,终端根据预设间隔,在两悬挂点的连接线上,确定多个采样点。
第九步,终端确定各采样点沿地面法向量的延长线与输电导线点云的交点。
第十步,终端计算各采样点与对应的交点的距离,得到距离集合。
第十一步,终端从距离集合中,选取出最大的距离,作为输电导线的弧垂。
其中,输电线路至少包括相邻的两杆塔和悬挂在两杆塔上的输电导线;输电线路包括两杆塔、输电导线、地面、植被和建筑。
本实施例的技术方案,通过获取相邻的两杆塔和悬挂在两杆塔上的输电导线所对应的点云,对点云进行语义分割处理,确定点云中各对象对应的点云,对输电导线点云进行主成分分析处理,识别出在点云中输电导线在相邻的两杆塔上的两悬挂点,根据两悬挂点的连接线上的采样点与输电导线点云之间的距离,自动确定出输电导线的弧垂,从而实现提高确定输电导线的弧垂的准确性和效率。
以下以一个应用实例说明本申请提供的基于点云分析的输电导线弧垂测量方法,本应用实例以该方法应用于终端进行举例说明,主要步骤包括:
第一步,终端进行输电线路点云语义分割:终端通过设计点云语义分割神经网络(点云语义分割模型),实现输电线路杆塔、导线、地面、植被、建筑5类点云语义分割。
其中,由于点云语义分割的目的是实现导线弧垂测量,因此网络设计时需更加关注杆塔、导线两类点云的连接处;为了增强杆塔、导线点云连接处的分割效果,设计了点云注意力机制模块,通过计算相邻点云特征信息的加权增强连接处特征提取能力;使用点云注意力机制模块替换PointNet(点网)中的多层感知机模块进行特征提取,点云语义分割模型的结构如图2所示,包含n×3、旋转变换、n×6、点云注意力机制模块、n×64、n×1024、n×1088、n×7等处理过程,n可以表示点云或点;点云注意力机制模块如图3所示,包含α、β、γ、δ、ε、a、b、c、d、e、f等信息,其中f=a*γ+b*α+c*β+d*ε+e*δ。
第二步,终端进行导线悬挂点检测:终端基于第一步获得的导线点云语义分割结果,通过主成分分析法计算导线点云的主方向向量,首先计算导线点云的协方差矩阵:
,
其中N为导线点云个数,pi为点云坐标在XYZ(坐标轴)三个方向的数值,pm为点云坐标在XYZ三个方向的平均值。
第三步,终端对协方差矩阵进行奇异值分解:M=U∑VT,其中∑为3*3的矩阵,其对角线的第一个值即为导线主方向特征值,U为3*3的矩阵,其第一列即为导线主方向向量;终端根据导线主方向向量对应的坐标轴方向的坐标最大值和坐标最小值,确定导线在相邻两基杆塔的悬挂点A和B。
第四步,终端进行导线悬挂点连线等间隔采样:终端在连线AB之间进行等间隔距离h(h可以为任意设定的长度)采样,初始间隔距离为1米,计算每个采样点沿地面法向量N延长线与导线的交点之间的距离,该距离则为候选弧垂。
第五步,终端进行最大候选弧垂邻域等间隔采样:终端选择第四步计算的候选弧垂中的最大值,即为最大后续弧垂,在最大后续弧垂采样点两侧h/2米范围内进行等间隔采样,计算每个采样点沿地面法向量N延长线与导线的交点之间的距离。重复此步骤直至间隔距离为h/16,此时的最大候选弧垂则为弧垂实际值。
本应用实例的技术方案,通过点云语义分割神经网络对输电线路点云进行语义分割,然后根据网络输出的点云语义分割结果,通过主成分分析法进行导线悬挂点检测,最后通过对导线悬挂点连接线进行等间隔采样计算弧垂的方式,迭代计算导线最大弧垂,实现提高确定输电导线的弧垂的准确性和效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于点云分析的输电导线弧垂测量方法的基于点云分析的输电导线弧垂测量装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于点云分析的输电导线弧垂测量装置实施例中的具体限定可以参见上文中对于基于点云分析的输电导线弧垂测量方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种基于点云分析的输电导线弧垂测量装置,该装置400可以包括:
点云获取模块401,用于获取输电线路的点云;所述输电线路至少包括相邻的两杆塔和悬挂在所述两杆塔上的输电导线;
结果得到模块402,用于利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果;所述语义分割结果用于表示所述点云中与所述输电导线对应的输电导线点云;
点云分析模块403,用于根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点;
弧垂确定模块404,用于通过所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,确定所述输电导线的弧垂。
在一个实施例中,点云分析模块403,还用于根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,得到所述输电导线点云的主方向向量;根据所述输电导线点云的主方向向量的坐标信息,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点。
在一个实施例中,点云分析模块403,还用于根据所述语义分割结果,计算所述输电导线点云对应的协方差矩阵;通过对所述协方差矩阵进行奇异值分解处理,确定所述输电导线点云的主方向向量。
在一个实施例中,结果得到模块402,还用于利用所述点云语义分割模型中的点云注意力机制单元,增强所述点云中的连接处特征;根据所述连接处特征,对所述点云进行语义分割处理,得到所述语义分割结果。
在一个实施例中,所述输电线路包括所述两杆塔、所述输电导线、地面、植被和建筑;结果得到模块402,还用于利用所述点云语义分割模型,对所述点云进行语义分割处理,将所述点云划分为所述输电导线点云、杆塔点云、地面点云、植被点云和建筑点云;根据所述输电导线点云、所述杆塔点云、所述地面点云、所述植被点云和所述建筑点云,确定所述语义分割结果。
在一个实施例中,弧垂确定模块404,还用于识别所述采样点与所述输电导线点云之间的距离,得到距离集合;从所述距离集合中,选取出最大的距离,作为所述输电导线的弧垂。
在一个实施例中,该装置400还包括:采样点确定模块,用于根据预设间隔,在所述两悬挂点的连接线上,确定多个所述采样点;弧垂确定模块404,还用于确定各所述采样点沿地面法向量的延长线与所述输电导线点云的交点;计算各所述采样点与对应的所述交点的距离,得到所述距离集合。
上述基于点云分析的输电导线弧垂测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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和内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于点云分析的输电导线弧垂测量方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请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各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各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,本申请所提供的各实施例中所使用的对存储器、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-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。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等。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 AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于点云分析的输电导线弧垂测量方法,其特征在于,所述方法包括:
获取输电线路的点云;所述输电线路至少包括相邻的两杆塔和悬挂在所述两杆塔上的输电导线;
利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果;所述语义分割结果用于表示所述点云中与所述输电导线对应的输电导线点云;
根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点;
通过所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,确定所述输电导线的弧垂。
2.根据权利要求1所述的方法,其特征在于,所述根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点,包括:
根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,得到所述输电导线点云的主方向向量;
根据所述输电导线点云的主方向向量的坐标信息,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,得到所述输电导线点云的主方向向量,包括:
根据所述语义分割结果,计算所述输电导线点云对应的协方差矩阵;
通过对所述协方差矩阵进行奇异值分解处理,确定所述输电导线点云的主方向向量。
4.根据权利要求1所述的方法,其特征在于,所述利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果,包括:
利用所述点云语义分割模型中的点云注意力机制单元,增强所述点云中的连接处特征;
根据所述连接处特征,对所述点云进行语义分割处理,得到所述语义分割结果。
5.根据权利要求1所述的方法,其特征在于,所述输电线路包括所述两杆塔、所述输电导线、地面、植被和建筑;
所述利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果,包括:
利用所述点云语义分割模型,对所述点云进行语义分割处理,将所述点云划分为所述输电导线点云、杆塔点云、地面点云、植被点云和建筑点云;
根据所述输电导线点云、所述杆塔点云、所述地面点云、所述植被点云和所述建筑点云,确定所述语义分割结果。
6.根据权利要求1所述的方法,其特征在于,所述通过所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,确定所述输电导线的弧垂,包括:
识别所述采样点与所述输电导线点云之间的距离,得到距离集合;
从所述距离集合中,选取出最大的距离,作为所述输电导线的弧垂。
7.根据权利要求6所述的方法,其特征在于,在识别所述采样点与所述输电导线点云之间的距离,得到距离集合之前,还包括:
根据预设间隔,在所述两悬挂点的连接线上,确定多个所述采样点;
所述计算所述采样点与所述输电导线点云的距离,得到距离集合,包括:
确定各所述采样点沿地面法向量的延长线与所述输电导线点云的交点;
计算各所述采样点与对应的所述交点的距离,得到所述距离集合。
8.一种基于点云分析的输电导线弧垂测量装置,其特征在于,所述装置包括:
点云获取模块,用于获取输电线路的点云;所述输电线路至少包括相邻的两杆塔和悬挂在所述两杆塔上的输电导线;
结果得到模块,用于利用预先构建的点云语义分割模型,对所述点云进行语义分割处理,得到所述点云的语义分割结果;所述语义分割结果用于表示所述点云中与所述输电导线对应的输电导线点云;
点云分析模块,用于根据所述语义分割结果,对所述输电导线点云进行主成分分析处理,确定在所述点云中所述输电导线在所述相邻的两杆塔上的两悬挂点;
弧垂确定模块,用于通过所述两悬挂点的连接线上的采样点与所述输电导线点云之间的距离,确定所述输电导线的弧垂。
9.一种计算机设备,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至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310051465.9A CN116128835B (zh) | 2023-02-02 | 2023-02-02 | 基于点云分析的输电导线弧垂测量方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310051465.9A CN116128835B (zh) | 2023-02-02 | 2023-02-02 | 基于点云分析的输电导线弧垂测量方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128835A true CN116128835A (zh) | 2023-05-16 |
CN116128835B CN116128835B (zh) | 2023-09-15 |
Family
ID=86300594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310051465.9A Active CN116128835B (zh) | 2023-02-02 | 2023-02-02 | 基于点云分析的输电导线弧垂测量方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128835B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230784A (zh) * | 2011-04-18 | 2011-11-02 | 四川电力科学研究院 | 一种电线检测装置及检测方法 |
CN111798475A (zh) * | 2020-05-29 | 2020-10-20 | 浙江工业大学 | 一种基于点云深度学习的室内环境3d语义地图构建方法 |
CN112052884A (zh) * | 2020-08-17 | 2020-12-08 | 南京审计大学 | 一种基于局部边缘特征增强的点云分类方法及系统 |
CN113345094A (zh) * | 2021-05-18 | 2021-09-03 | 武汉大学 | 基于三维点云的电力走廊安全距离分析方法及系统 |
CN113870123A (zh) * | 2021-08-19 | 2021-12-31 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 |
CN114170410A (zh) * | 2021-11-30 | 2022-03-11 | 西安理工大学 | 基于PointNet的图卷积与KNN搜索的点云零件级分割方法 |
CN114972631A (zh) * | 2022-04-21 | 2022-08-30 | 国网江苏省电力有限公司南京供电分公司 | 一种输电线路激光点云模型在线重建方法及系统 |
-
2023
- 2023-02-02 CN CN202310051465.9A patent/CN116128835B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230784A (zh) * | 2011-04-18 | 2011-11-02 | 四川电力科学研究院 | 一种电线检测装置及检测方法 |
CN111798475A (zh) * | 2020-05-29 | 2020-10-20 | 浙江工业大学 | 一种基于点云深度学习的室内环境3d语义地图构建方法 |
CN112052884A (zh) * | 2020-08-17 | 2020-12-08 | 南京审计大学 | 一种基于局部边缘特征增强的点云分类方法及系统 |
CN113345094A (zh) * | 2021-05-18 | 2021-09-03 | 武汉大学 | 基于三维点云的电力走廊安全距离分析方法及系统 |
CN113870123A (zh) * | 2021-08-19 | 2021-12-31 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 |
CN114170410A (zh) * | 2021-11-30 | 2022-03-11 | 西安理工大学 | 基于PointNet的图卷积与KNN搜索的点云零件级分割方法 |
CN114972631A (zh) * | 2022-04-21 | 2022-08-30 | 国网江苏省电力有限公司南京供电分公司 | 一种输电线路激光点云模型在线重建方法及系统 |
Non-Patent Citations (1)
Title |
---|
王礼田 等: "基于双目视觉稀疏点云重建的输电线路弧垂测量方法", 太原理工大学学报, vol. 47, no. 6, pages 747 - 751 * |
Also Published As
Publication number | Publication date |
---|---|
CN116128835B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767375B (zh) | 一种点云质量评估方法及装置 | |
CN112233240B (zh) | 三维矢量地图的三维矢量数据切片方法、装置及电子设备 | |
CN112102432B (zh) | 空气质量垂直分布图绘制方法、装置及存储介质 | |
CN106777302B (zh) | 空间地理坐标的转换方法及装置 | |
CN112800915B (zh) | 建筑物变化检测方法、装置、电子设备以及存储介质 | |
CN107506499A (zh) | 兴趣点与建筑物之间建立逻辑关系的方法、装置及服务器 | |
CN111884207B (zh) | 基于电气距离的电网拓扑结构可视化方法、系统及介质 | |
CN115659985A (zh) | 电力知识图谱实体对齐方法、装置和计算机设备 | |
CN108875901B (zh) | 神经网络训练方法以及通用物体检测方法、装置和系统 | |
CN116128835B (zh) | 基于点云分析的输电导线弧垂测量方法、装置和设备 | |
CN115908318A (zh) | 电力线弧垂确定方法、装置、设备、介质和产品 | |
CN113239815B (zh) | 一种基于真实语义全网络学习的遥感影像分类方法、装置及设备 | |
CN112507596B (zh) | 地下水水位的分析方法、装置、电子设备和存储介质 | |
CN115810012B (zh) | 输电杆塔倾斜检测方法、装置、设备和存储介质 | |
CN114329868A (zh) | 变电设备安全距离校验方法、装置和计算机设备 | |
CN115240401B (zh) | 车辆位置确定方法、装置、设备、介质和产品 | |
CN112163331A (zh) | 一种配网线路易损性计算方法及相关装置 | |
CN111405463A (zh) | 信息获取方法、装置、电子设备和存储介质 | |
CN115964602B (zh) | 涡旋涡心识别方法、装置、存储介质及电子设备 | |
CN116958149B (zh) | 医疗模型训练方法、医疗数据分析方法、装置及相关设备 | |
CN116718122B (zh) | 基于图像视差深度的弧垂测量方法、装置和计算机设备 | |
CN116029151B (zh) | 水流阻力预测方法、训练方法、流量预测方法及装置 | |
CN115808578B (zh) | 电力设备的电压获取方法、装置、设备、存储介质 | |
CN116229271A (zh) | 图像差异检测方法、装置、设备、存储介质和程序产品 | |
CN116777073A (zh) | 反馈修正的高分辨率风能资源开发量与分布确定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |