CN116563272B - 基于高精点云的隔离开关分合状态识别方法及相关装置 - Google Patents

基于高精点云的隔离开关分合状态识别方法及相关装置 Download PDF

Info

Publication number
CN116563272B
CN116563272B CN202310782092.2A CN202310782092A CN116563272B CN 116563272 B CN116563272 B CN 116563272B CN 202310782092 A CN202310782092 A CN 202310782092A CN 116563272 B CN116563272 B CN 116563272B
Authority
CN
China
Prior art keywords
point cloud
data
data set
included angle
state
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
Application number
CN202310782092.2A
Other languages
English (en)
Other versions
CN116563272A (zh
Inventor
张雪兵
张培
田迎春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Euclideon Technology Co ltd
Original Assignee
Shenzhen Euclideon Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Euclideon Technology Co ltd filed Critical Shenzhen Euclideon Technology Co ltd
Priority to CN202310782092.2A priority Critical patent/CN116563272B/zh
Publication of CN116563272A publication Critical patent/CN116563272A/zh
Application granted granted Critical
Publication of CN116563272B publication Critical patent/CN116563272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明涉及图像处理领域，公开了一种基于高精点云的隔离开关分合状态识别方法及相关装置，用于提高对隔离开关分合状态识别的准确率。方法包括：对第一点云数据集合及第二点云数据集合进行数据旋转拟合处理，得到第一待分析数据及第二待分析数据并进行点云数据分割得到第一分割数据集及第二分割数据集；进行夹角计算得到第一导电拐臂夹角；计算侧向夹角和侧向偏移量得到标准比对数据集；进行点云投影得到点云投影轮廓并进行分合状态分析生成初步分合状态分析结果，对待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析生成待比较数据集；进行数据比对得到数据比对结果，对待检测隔离开关进行分合状态分析得到目标分合状态。

Description

基于高精点云的隔离开关分合状态识别方法及相关装置
技术领域
本发明涉及图像处理领域，尤其涉及一种基于高精点云的隔离开关分合状态识别方法及相关装置。
背景技术
隔离开关是否分合闸到位对于输配电安全以及电网稳定运行至关重要，随着电网数字化、智能化操作模式的推广，日常智能巡检、一键顺控等应用场景对于隔离开关的智能识别提出了更高的要求。
目前，变电站/换流站的隔离开关分合通过辅助遥信信号用于指示分合位置，基于此单一判据，容易出现隔离开关分合状态的误报，而第二判据主要依靠人工眼识别、可见光照片算法识别、基于点云数据的深度学习识别算法等。人工识别需要人员在现场利用肉眼或者望远镜进行观测，人工只是简单判断，耗费人工且精度不好保证；基于可见光照片算法识别受图像采集的角度、光照和环境影响，尤其是夜晚，识别准确率普遍不高，已达到技术瓶颈；基于点云数据的深度学习算法，对于点云的精度要求非常高，否则会出现误判，此外，该方法还需要前期采集大量的数据采集、标注和模型训练工作，不太适合电网中种类繁多的隔离开关的推广使用。为提高变电站智能化操作及第二判据的准确性和便捷性，亟需寻找新的技术手段来解决。
发明内容
本发明提供了一种基于高精点云的隔离开关分合状态识别方法及相关装置，用于提高对隔离开关分合状态识别的准确率。
本发明第一方面提供了一种基于高精点云的隔离开关分合状态识别方法，所述基于高精点云的隔离开关分合状态识别方法包括：
通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过所述点云采集装置采集待检测隔离开关的第二点云数据集合；
对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集；
通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集；
对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸；
当所述初步分合状态分析结果为合闸时，通过所述第二待分析数据对所述待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
结合第一方面，在本发明第一方面的第一实施方式中，所述对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据，包括：
对所述第一点云数据集合进行拟合角度分析，生成第一拟合角度；
通过所述第一拟合角度对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据；
对所述第二点云数据集合进行拟合角度分析，生成第二拟合角度；
通过所述第二拟合角度对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据。
结合第一方面，在本发明第一方面的第二实施方式中，所述对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集，包括：
对所述第一待分析数据进行点云数据分割，得到第一分割数据集，其中，所述第一分割数据集包括：第一隔离柱点云数据、第一导电拐臂点云数据、第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据；
对所述第二待分析数据进行点云数据分割，得到第二分割数据集，其中，所述第二分割数据集包括：第二隔离柱点云数据、第二导电拐臂点云数据、第二导电拐臂的左半支点云数据以及第二导电拐臂的右半支点云数据。
结合第一方面的第二实施方式，在本发明第一方面的第三实施方式中，所述通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角，包括：
基于所述第一点云数据集合，将所述第一导电拐臂的左半支点云数据以及所述第一导电拐臂的右半支点云数据投影至预设的立体坐标系的第一平面中，得到第一点云投影图像；
通过所述点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂左半支与所述立体坐标系的x轴的夹角，得到左半支夹角，同时，通过所述点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂右半支与所述立体坐标系的x轴的夹角，得到右半支夹角；
通过所述左半支夹角以及所述右半支夹角进行导电拐臂夹角计算，得到第一导电拐臂夹角。
结合第一方面的第二实施方式，在本发明第一方面的第四实施方式中，所述通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集，包括：
基于所述第一点云数据集合，将所述第一导电拐臂点云数据以及所述第一隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第二点云投影图像；
通过所述第二点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂与所述立体坐标系的x轴的夹角，得到x轴夹角，同时，通过所述第二点云投影图像计算所述完全闭合状态下的隔离开关的隔离柱中心连线与所述立体坐标系的x轴的夹角，得到隔离柱夹角；
通过所述x轴夹角、所述隔离柱夹角以及两个隔离柱的距离对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，其中，两个隔离柱的距离根据隔离开关的型号确定；
将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集。
结合第一方面的第二实施方式，在本发明第一方面的第五实施方式中，所述对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸，包括：
将所述第二分割数据集中所述第二导电拐臂点云数据以及所述第二隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第三点云投影图像；
对所述第三点云投影图像进行轮廓分析，得到点云投影轮廓；
对所述点云投影轮廓进行轮廓数量分析，得到数量分析结果；
通过所述数量分析结果对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸。
结合第一方面，在本发明第一方面的第六实施方式中，所述对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态，包括：
对所述待比较数据集以及所述标准比对数据集进行数据拆分匹配，得到同一类型的待比较数据以及标准比对数据；
对所述待比较数据以及所述标准比对数据进行对比分析，得到数据比对结果，其中，所述数据比对结果包括数据百分比数据；
基于预设的阈值，通过所述数据百分比数据对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
本发明第二方面提供了一种基于高精点云的隔离开关分合状态识别装置，所述基于高精点云的隔离开关分合状态识别装置包括：
采集模块，用于通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过所述点云采集装置采集待检测隔离开关的第二点云数据集合；
数据预处理模块，用于对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
数据分割模块，用于对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集；
拐臂夹角计算模块，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
侧向偏移量计算模块，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集；
轮廓分析模块，用于对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸；
综合生成模块，用于当所述初步分合状态分析结果为合闸时，通过所述第二待分析数据对所述待检测隔离开关进行拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
比对模块，用于对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
本发明第三方面提供了一种基于高精点云的隔离开关分合状态识别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于高精点云的隔离开关分合状态识别设备执行上述的基于高精点云的隔离开关分合状态识别方法。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于高精点云的隔离开关分合状态识别方法。
本发明提供的技术方案中，通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过点云采集装置采集待检测隔离开关的第二点云数据集合；对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；对第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对第二待分析数据进行点云数据分割，得到第二分割数据集；通过第一分割数据集对完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；通过第一分割数据集对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集；对第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过点云投影轮廓对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸；当初步分合状态分析结果为合闸时，通过第二待分析数据对待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；对待比较数据集以及标准比对数据集进行数据比对，得到数据比对结果，并通过数据比对结果对待检测隔离开关进行分合状态分析，得到目标分合状态，在本发明中，利用点云数据来识别隔离开关的分合状态，不需要大量的点云数据进行模型训练，能够基于少量点云数据（2个及以上）即可进行隔离开关的识别，节省了大量的数据准备和模型训练时间；分别从导电拐臂的伸展方向和侧向偏移量两个角度综合判断隔离开关的分合状态，状态识别更全面、更准确；该方法还可以进一步推广到其它类型的隔离开关的分合状态识别领域，应用于变电站、换流站的日常巡检和一键顺控的实际应用。
附图说明
图1为本发明实施例中基于高精点云的隔离开关分合状态识别方法的一个实施例示意图；
图2为本发明实施例中对第一待分析数据进行点云数据分割的流程图；
图3为本发明实施例中通过第一分割数据集对完全闭合状态下的隔离开关进行导电拐臂夹角计算的流程图；
图4为本发明实施例中通过第一分割数据集对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算的流程图；
图5为本发明实施例中基于高精点云的隔离开关分合状态识别装置的一个实施例示意图；
图6为本发明实施例中基于高精点云的隔离开关分合状态识别设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于高精点云的隔离开关分合状态识别方法及相关装置，用于提高对隔离开关分合状态识别的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于高精点云的隔离开关分合状态识别方法的一个实施例包括：
S101、通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过点云采集装置采集待检测隔离开关的第二点云数据集合；
需要说明的是，本实施例的应用场景是“变电站/换流站的水平伸缩式隔离开关的分合状态识别。
具体的，通过点云采集装置进行点云数据获取，其中，点云采集装置包括：无人机或固定式激光雷达，采集完全闭合状态下的隔离开关的点云数据A1（也就是，第一点云数据集合）；以及采集待检测隔离开关的点云数据B1（也就是，第二点云数据集合）。
S102、对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
具体的，服务器对第一点云数据集合进行拟合角度分析，生成第一拟合角度；服务器通过第一拟合角度对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据；服务器对第二点云数据集合进行拟合角度分析，生成第二拟合角度；服务器通过第二拟合角度对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据。
S103、对第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对第二待分析数据进行点云数据分割，得到第二分割数据集；
具体的，服务器对第一待分析数据进行点云数据分割，得到第一分割数据集，其中，第一分割数据集包括：第一隔离柱点云数据、第一导电拐臂点云数据、第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据；服务器对第二待分析数据进行点云数据分割，得到第二分割数据集，其中，第二分割数据集包括：第二隔离柱点云数据、第二导电拐臂点云数据、第二导电拐臂的左半支点云数据以及第二导电拐臂的右半支点云数据。
S104、通过第一分割数据集对完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
具体的，服务器基于第一点云数据集合，将第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据投影至预设的立体坐标系的第一平面中，得到第一点云投影图像；服务器通过点云投影图像计算完全闭合状态下的隔离开关的导电拐臂左半支与立体坐标系的x轴的夹角，得到左半支夹角，同时，通过点云投影图像计算完全闭合状态下的隔离开关的导电拐臂右半支与立体坐标系的x轴的夹角，得到右半支夹角；服务器通过左半支夹角以及右半支夹角进行导电拐臂夹角计算，得到第一导电拐臂夹角。
S105、通过第一分割数据集对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集；
具体的，服务器基于第一点云数据集合，将第一导电拐臂点云数据以及第一隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第二点云投影图像；服务器通过第二点云投影图像计算完全闭合状态下的隔离开关的导电拐臂与立体坐标系的x轴的夹角，得到x轴夹角，同时，通过第二点云投影图像计算完全闭合状态下的隔离柱中心连线与所述立体坐标系的x轴的夹角，得到隔离柱夹角；服务器通过x轴夹角、隔离柱夹角以及两个隔离柱的距离（根据隔离开关的型号确定）对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量；服务器将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集。
S106、对第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过点云投影轮廓对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸；
具体的，服务器将第二分割数据集中第二导电拐臂点云数据以及第二隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第三点云投影图像；服务器对第三点云投影图像进行轮廓分析，得到点云投影轮廓；服务器对点云投影轮廓进行轮廓数量分析，得到数量分析结果；服务器通过数量分析结果对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸。
S107、当初步分合状态分析结果为合闸时，通过第二待分析数据对待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
S108、对待比较数据集以及标准比对数据集进行数据比对，得到数据比对结果，并通过数据比对结果对待检测隔离开关进行分合状态分析，得到目标分合状态。
具体的，服务器对待比较数据集以及标准比对数据集进行数据拆分匹配，得到同一类型的待比较数据以及标准比对数据；服务器对待比较数据以及标准比对数据进行对比分析，得到数据比对结果，其中，数据比对结果包括数据百分比数据；服务器基于预设的阈值，通过数据百分比数据对待检测隔离开关进行分合状态分析，得到目标分合状态。
在本发明中，通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过点云采集装置采集待检测隔离开关的第二点云数据集合；对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；对第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对第二待分析数据进行点云数据分割，得到第二分割数据集；通过第一分割数据集对完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；通过第一分割数据集对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集；对第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过点云投影轮廓对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸；当初步分合状态分析结果为合闸时，通过第二待分析数据对待检测隔离开关进行侧向夹角及侧向偏移量分析，生成待比较数据集；对待比较数据集以及标准比对数据集进行数据比对，得到数据比对结果，并通过数据比对结果对待检测隔离开关进行分合状态分析，得到目标分合状态，在本发明中，利用点云数据来识别隔离开关的分合状态，不需要大量的点云数据进行模型训练，能够基于少量点云数据（2个及以上）即可进行隔离开关的识别，节省了大量的数据准备和模型训练时间；分别从导电拐臂的伸展方向和侧向偏移量两个角度综合判断隔离开关的分合状态，状态识别更全面、更准确；该方法还可以进一步推广到其它类型的隔离开关的分合状态识别领域，应用于变电站、换流站的日常巡检和一键顺控的实际应用。
在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：
（1）对第一点云数据集合进行拟合角度分析，生成第一拟合角度；
（2）通过第一拟合角度对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据；
（3）对第二点云数据集合进行拟合角度分析，生成第二拟合角度；
（4）通过第二拟合角度对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据。
具体的，为了方便点云数据的分割和隔离开关方向计算，利用线性拟合的方法，分别计算获取的第一点云数据集合A1以及第二点云数据集合B1，沿左右隔离柱拟合直线方向的角度，利用该角度，分别对第一点云数据集合以及第二点云数据集合进行数据旋转拟合处理，使点云数据中，左右隔离柱的拟合线方向与X方向一致，获得旋转后的第一待分析数据A2，第二待分析数据B2。
在一具体实施例中，如图2所示，执行步骤S103的过程可以具体包括如下步骤：
S201、对第一待分析数据进行点云数据分割，得到第一分割数据集，其中，第一分割数据集包括：第一隔离柱点云数据、第一导电拐臂点云数据、第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据；
S202、对第二待分析数据进行点云数据分割，得到第二分割数据集，其中，第二分割数据集包括：第二隔离柱点云数据、第二导电拐臂点云数据、第二导电拐臂的左半支点云数据以及第二导电拐臂的右半支点云数据。
具体的，对生成的两个点云数据，即第一待分析数据A2，第二待分析数据B2进行点云数据分割，分割为第一、第二分割数据集，其中，第一分割数据集包括：第一隔离柱点云数据、第一导电拐臂点云数据、第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据；其中，第二分割数据集包括：第二隔离柱点云数据、第二导电拐臂点云数据、第二导电拐臂的左半支点云数据以及第二导电拐臂的右半支点云数据；
在一具体实施例中，如图3所示，执行步骤S104的过程可以具体包括如下步骤：
S301、基于第一点云数据集合，将第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据投影至预设的立体坐标系的第一平面中，得到第一点云投影图像；
S302、通过点云投影图像计算完全闭合状态下的隔离开关的导电拐臂左半支与立体坐标系的x轴的夹角，得到左半支夹角，同时，通过点云投影图像计算完全闭合状态下的隔离开关的导电拐臂右半支与立体坐标系的x轴的夹角，得到右半支夹角；
S303、通过左半支夹角以及右半支夹角进行导电拐臂夹角计算，得到第一导电拐臂夹角。
具体的，计算完全闭合状态下导电拐臂的夹角，利用隔离开关完全闭合状态下采集点云数据（也就是，第一待分析数据A2），将导电拐臂的左右半支的点云数据（即，第一导电拐臂的左半支点云数据A2-3，第一导电拐臂的右半支点云数据A2-4）投影到预设的立体坐标系的第一平面，XZ平面为第一平面（侧视图），分别计算导电拐臂左半支与X轴的左半支夹角和导电拐臂右半支与X轴的右半支夹角/>，从而计算导电拐臂的第一导电拐臂夹角/>。
在一具体实施例中，如图4所示，执行步骤S105的过程可以具体包括如下步骤：
S401、基于第一点云数据集合，将第一导电拐臂点云数据以及第一隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第二点云投影图像；
S402、通过第二点云投影图像计算完全闭合状态下的隔离开关的导电拐臂与立体坐标系的x轴的夹角，得到x轴夹角，同时，通过第二点云投影图像计算完全闭合状态下的隔离开关的隔离柱中心连线与所述立体坐标系的x轴的夹角，得到隔离柱夹角；
S403、通过x轴夹角、隔离柱夹角以及两个隔离柱的距离对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，其中，两个隔离柱的距离根据隔离开关的型号确定；
S404、将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集。
具体的，计算完全闭合状态下导电拐臂与隔离柱连线的夹角和侧向偏移量，利用隔离开关完全闭合状态下采集点云数据（第一待分析数据A2）中，将导电拐臂的点云数据（第一导电拐臂点云数据A2-2）和左右隔离柱的点云数据（第一隔离柱点云数据A2-1）投影到预设的立体坐标系的第二平面中，第二平面为XY平面（俯视图），分别利用线性拟合的方法，计算导电拐臂与X方向的x轴夹角和左右隔离柱拟合连线与X方向的隔离柱夹角，从而计算导电拐臂与隔离柱拟合线的第一侧向夹角/>和第一侧向偏移量/>,其中D为两个隔离柱的距离，根据隔离开关的型号确定。将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为基础数据，保存到数据库中，得到标准比对数据集，供待检测隔离开关状态识别时使用。
在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：
（1）将第二分割数据集中第二导电拐臂点云数据以及第二隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第三点云投影图像；
（2）对第三点云投影图像进行轮廓分析，得到点云投影轮廓；
（3）对点云投影轮廓进行轮廓数量分析，得到数量分析结果；
（4）通过数量分析结果对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸。
具体的，对于待检测状态的隔离开关，计算导电拐臂端部的动触头与右侧隔离柱顶部的静触头的距离，利用待检测状态隔离开关的第二待分析数据B2，将导电拐臂的点云数据（第二导电拐臂点云数据B2-2）和左右隔离柱的第二隔离柱点云数据B2-1投影到至预设的立体坐标系的第二平面，即XY平面上（俯视图），利用形态学方法，对第三点云投影图像进行轮廓分析，得到点云投影轮廓，获取点云俯视图的轮廓信息，得到第三点云投影图像；对点云投影轮廓进行轮廓数量分析，得到数量分析结果，其中，该数量分析结果包括：一个轮廓或者两个轮廓；通过数量分析结果对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸，如果只有一个轮廓，初步判断状态为合闸，如果图中右两个轮廓，则计算两个轮廓的最小距离，如果距离大于规范规定的阈值范围（如0.8D，其中D为两个隔离柱的距离，根据隔离开关的型号确定），判断为分闸，否则初步判断状态为合闸。
在一具体实施例中，执行步骤S108的过程可以具体包括如下步骤：
（1）对待比较数据集以及标准比对数据集进行数据拆分匹配，得到同一类型的待比较数据以及标准比对数据；
（2）对待比较数据以及标准比对数据进行比对分析，得到数据比对结果，其中，数据比对结果包括数据百分比数据；
（3）基于预设的阈值，通过数据百分比数据对待检测隔离开关进行分合状态分析，得到目标分合状态。
具体的，对于初判为合闸的隔离开关状态，计算导电拐臂的夹角，利用待检测状态下采集第二待分析数据B2，将导电拐臂的左右半支的点云数据包括第二导电拐臂的左半支点云数据B2-3，第二导电拐臂的右半支点云数据B2-4投影到XZ平面为第一平面（侧视图），分别计算导电拐臂左半支与X轴的左半支夹角和导电拐臂右半支与X轴的右半支夹角，从而计算导电拐臂的第二导电拐臂夹角/>；对于初判为合闸的隔离开关状态，计算导电拐臂与隔离柱连线的夹角和侧向偏移量，待检测状态下采集第二待分析数据B2，将导电拐臂的点云数据（第二导电拐臂点云数据B2-2）和左右隔离柱的点云数据（第二隔离柱点云数据B2-1）投影到预设的立体坐标系的第二平面中，XY平面（俯视图），分别利用线性拟合的方法，计算导电拐臂与X方向的x轴夹角/>和左右隔离柱拟合连线与X方向的隔离柱夹角/>，从而计算导电拐臂与隔离柱拟合线的第二侧向夹角/>和第二侧向偏移量/>,其中D为两个隔离柱的距离，根据隔离开关的型号确定，最终确定第二导电拐臂夹角/>、第二侧向夹角/>以及第二侧向偏移量/>，进而实现对待比较数据集以及标准比对数据集进行数据拆分匹配，得到同一类型的待比较数据以及标准比对数据，其中，第二导电拐臂夹角/>与第一导电拐臂夹角为同一类型的待比较数据以及标准比对数据，第二导电拐臂夹角为待比较数据，第一导电拐臂夹角为标准比对数据，同理，第二侧向夹角与第一侧向夹角为同一类型的待比较数据以及标准比对数据，其中，第二侧向夹角为待比较数据，第一侧向夹角为标准比对数据，第二侧向偏移量与第一侧向偏移量为同一类型的待比较数据以及标准比对数据，其中，第二侧向偏移量为待比较数据，第一侧向偏移量为标准比对数据。
进一步的，对于初判为合闸的隔离开关状态，计算闭合百分比，通过计算的导电拐臂的夹角结果与标准比对数据的结果做对比，计算开合的百分比 ，对于初判为合闸的隔离开关状态，计算侧向偏移量，将计算的导电拐臂与隔离柱的侧向偏移量与数据库的结果做对比，计算与完全闭合状态的侧向偏移差/>；根据计算结果，最终得到数据百分比数据，并基于预设的阈值，通过数据百分比数据对待检测隔离开关进行分合状态分析，得到目标分合状态，具体的，综合判断隔离开关的分合状态为分闸（轮廓距离>规定的阈值范围（如0.8D）或导电拐臂夹角/>≤分闸不到位阈值（如20°））、分闸不到位（导电拐臂夹角/>>分闸不到位阈值（如20°）且合闸百分比/>≤开合阈值（如50%））、合闸（合闸百分比/>≥角度百分比阈值（如98%）、侧向偏移差/><侧向偏移阈值（如2cm））、“合闸不到位”（开合阈值（如50%）<合闸百分比/><角度百分比阈值（如98%）或合闸百分比/>≥角度百分比阈值（如98%）且侧向偏移差/>>侧向偏移阈值（如2cm））。
上面对本发明实施例中基于高精点云的隔离开关分合状态识别方法进行了描述，下面对本发明实施例中基于高精点云的隔离开关分合状态识别装置进行描述，请参阅图5，本发明实施例中基于高精点云的隔离开关分合状态识别装置一个实施例包括：
采集模块501，用于通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过所述点云采集装置采集待检测隔离开关的第二点云数据集合；
拟合模块502，用于对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
分割模块503，用于对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集；
拐臂夹角计算模块504，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
侧向偏移量计算模块505，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集；
轮廓分析模块506，用于对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸；
综合生成模块507，用于当所述初步分合状态分析结果为合闸时，通过所述第二待分析数据对所述待检测隔离开关进行拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
比对模块508，用于对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
通过上述各个组成部分的协同合作，通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过点云采集装置采集待检测隔离开关的第二点云数据集合；对第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；对第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对第二待分析数据进行点云数据分割，得到第二分割数据集；通过第一分割数据集对完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；通过第一分割数据集对完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将第一导电拐臂夹角、第一侧向夹角以及第一侧向偏移量作为标准比对数据集；对第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过点云投影轮廓对待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，初步分合状态分析结果包括分闸以及合闸；当初步分合状态分析结果为合闸时，通过第二待分析数据对待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；对待比较数据集以及标准比对数据集进行数据比对，得到数据比对结果，并通过数据比对结果对待检测隔离开关进行分合状态分析，得到目标分合状态，在本发明中，利用点云数据来识别隔离开关的分合状态，不需要大量的点云数据进行模型训练，能够基于少量点云数据（2个及以上）即可进行隔离开关的识别，节省了大量的数据准备和模型训练时间；分别从导电拐臂的伸展方向和侧向偏移量两个角度综合判断隔离开关的分合状态，状态识别更全面、更准确；该方法还可以进一步推广到其它类型的隔离开关的分合状态识别领域，应用于变电站、换流站的日常巡检和一键顺控的实际应用。
上面图5从模块化功能实体的角度对本发明实施例中的基于高精点云的隔离开关分合状态识别装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于高精点云的隔离开关分合状态识别设备进行详细描述。
图6是本发明实施例提供的一种基于高精点云的隔离开关分合状态识别设备的结构示意图，该基于高精点云的隔离开关分合状态识别设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于高精点云的隔离开关分合状态识别设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在基于高精点云的隔离开关分合状态识别设备600上执行存储介质630中的一系列指令操作。
基于高精点云的隔离开关分合状态识别设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的基于高精点云的隔离开关分合状态识别设备结构并不构成对基于高精点云的隔离开关分合状态识别设备的限定，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。
本发明还提供一种基于高精点云的隔离开关分合状态识别设备，所述基于高精点云的隔离开关分合状态识别设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于高精点云的隔离开关分合状态识别方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于高精点云的隔离开关分合状态识别方法的步骤。
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。
所述集成的单元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取存储介质中。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或者该技术方案的全部或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）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于高精点云的隔离开关分合状态识别方法，其特征在于，所述基于高精点云的隔离开关分合状态识别方法包括：
通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过所述点云采集装置采集待检测隔离开关的第二点云数据集合；
对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集；
通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集；
对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸；
当所述初步分合状态分析结果为合闸时，通过所述第二待分析数据对所述待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
2.根据权利要求1所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据，包括：
对所述第一点云数据集合进行拟合角度分析，生成第一拟合角度；
通过所述第一拟合角度对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据；
对所述第二点云数据集合进行拟合角度分析，生成第二拟合角度；
通过所述第二拟合角度对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据。
3.根据权利要求1所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集，包括：
对所述第一待分析数据进行点云数据分割，得到第一分割数据集，其中，所述第一分割数据集包括：第一隔离柱点云数据、第一导电拐臂点云数据、第一导电拐臂的左半支点云数据以及第一导电拐臂的右半支点云数据；
对所述第二待分析数据进行点云数据分割，得到第二分割数据集，其中，所述第二分割数据集包括：第二隔离柱点云数据、第二导电拐臂点云数据、第二导电拐臂的左半支点云数据以及第二导电拐臂的右半支点云数据。
4.根据权利要求3所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角，包括：
基于所述第一点云数据集合，将所述第一导电拐臂的左半支点云数据以及所述第一导电拐臂的右半支点云数据投影至预设的立体坐标系的第一平面中，得到第一点云投影图像；
通过所述点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂左半支与所述立体坐标系的x轴的夹角，得到左半支夹角，同时，通过所述点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂右半支与所述立体坐标系的x轴的夹角，得到右半支夹角；
通过所述左半支夹角以及所述右半支夹角进行导电拐臂夹角计算，得到第一导电拐臂夹角。
5.根据权利要求3所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集，包括：
基于所述第一点云数据集合，将所述第一导电拐臂点云数据以及所述第一隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第二点云投影图像；
通过所述第二点云投影图像计算所述完全闭合状态下的隔离开关的导电拐臂与所述立体坐标系的x轴的夹角，得到x轴夹角，同时，通过所述第二点云投影图像计算所述完全闭合状态下的隔离开关的隔离柱中心连线与所述立体坐标系的x轴的夹角，得到隔离柱夹角；
通过所述x轴夹角、所述隔离柱夹角以及两个隔离柱的距离对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，其中，两个隔离柱的距离根据隔离开关的型号确定；
将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集。
6.根据权利要求3所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸，包括：
将所述第二分割数据集中所述第二导电拐臂点云数据以及所述第二隔离柱点云数据投影至预设的立体坐标系的第二平面中，得到第三点云投影图像；
对所述第三点云投影图像进行轮廓分析，得到点云投影轮廓；
对所述点云投影轮廓进行轮廓数量分析，得到数量分析结果；
通过所述数量分析结果对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸。
7.根据权利要求1所述的基于高精点云的隔离开关分合状态识别方法，其特征在于，所述对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态，包括：
对所述待比较数据集以及所述标准比对数据集进行数据拆分匹配，得到同一类型的待比较数据以及标准比对数据；
对所述待比较数据以及所述标准比对数据进行比对分析，得到数据比对结果，其中，所述数据比对结果包括数据百分比数据；
基于预设的阈值，通过所述数据百分比数据对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
8.一种基于高精点云的隔离开关分合状态识别装置，其特征在于，所述基于高精点云的隔离开关分合状态识别装置包括：
采集模块，用于通过点云采集装置采集完全闭合状态下的隔离开关的第一点云数据集合，同时，通过所述点云采集装置采集待检测隔离开关的第二点云数据集合；
拟合模块，用于对所述第一点云数据集合进行数据旋转拟合处理，得到第一待分析数据，同时，对所述第二点云数据集合进行数据旋转拟合处理，得到第二待分析数据；
分割模块，用于对所述第一待分析数据进行点云数据分割，得到第一分割数据集，同时，对所述第二待分析数据进行点云数据分割，得到第二分割数据集；
拐臂夹角计算模块，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行导电拐臂夹角计算，得到第一导电拐臂夹角；
侧向偏移量计算模块，用于通过所述第一分割数据集对所述完全闭合状态下的隔离开关进行侧向夹角及侧向偏移量计算，得到第一侧向夹角以及第一侧向偏移量，并将所述第一导电拐臂夹角、所述第一侧向夹角以及所述第一侧向偏移量作为标准比对数据集；
轮廓分析模块，用于对所述第二分割数据集进行点云俯视投影，得到点云投影轮廓，通过所述点云投影轮廓对所述待检测隔离开关进行初步分合状态分析，生成初步分合状态分析结果，其中，所述初步分合状态分析结果包括分闸以及合闸；
综合生成模块，用于当所述初步分合状态分析结果为合闸时，通过所述第二待分析数据对所述待检测隔离开关进行导电拐臂夹角、侧向夹角及侧向偏移量分析，生成待比较数据集；
比对模块，用于对所述待比较数据集以及所述标准比对数据集进行数据比对，得到数据比对结果，并通过所述数据比对结果对所述待检测隔离开关进行分合状态分析，得到目标分合状态。
9.一种基于高精点云的隔离开关分合状态识别设备，其特征在于，所述基于高精点云的隔离开关分合状态识别设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于高精点云的隔离开关分合状态识别设备执行如权利要求1-7中任一项所述的基于高精点云的隔离开关分合状态识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于高精点云的隔离开关分合状态识别方法。
CN202310782092.2A 2023-06-29 2023-06-29 基于高精点云的隔离开关分合状态识别方法及相关装置 Active CN116563272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310782092.2A CN116563272B (zh) 2023-06-29 2023-06-29 基于高精点云的隔离开关分合状态识别方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310782092.2A CN116563272B (zh) 2023-06-29 2023-06-29 基于高精点云的隔离开关分合状态识别方法及相关装置

Publications (2)

Publication Number Publication Date
CN116563272A CN116563272A (zh) 2023-08-08
CN116563272B true CN116563272B (zh) 2023-09-01

Family

ID=87496778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310782092.2A Active CN116563272B (zh) 2023-06-29 2023-06-29 基于高精点云的隔离开关分合状态识别方法及相关装置

Country Status (1)

Country Link
CN (1) CN116563272B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113283B (zh) * 2023-10-25 2024-01-26 天津阿尔法优联电气有限公司 隔离开关的状态识别方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555824A (zh) * 2019-07-22 2019-12-10 深圳供电局有限公司 开关位置判别方法及开关位置检测系统的控制方法
CN111199219A (zh) * 2020-01-14 2020-05-26 国网湖南省电力有限公司 一种隔离开关状态分布式监测方法、系统及介质
CN113436223A (zh) * 2021-07-14 2021-09-24 北京市测绘设计研究院 点云数据的分割方法、装置、计算机设备和存储介质
CN113822180A (zh) * 2021-09-07 2021-12-21 深圳市长龙铁路电子工程有限公司 空气开关分合状态识别方法、装置、电子设备及存储介质
CN114037825A (zh) * 2021-11-16 2022-02-11 河南城建学院 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法
CN115620073A (zh) * 2022-11-10 2023-01-17 中国矿业大学 一种基于点云数据的隔离开关合闸状态判别方法
CN115761427A (zh) * 2022-11-23 2023-03-07 华南理工大学 一种高压隔离开关状态精确识别装置及方法
CN115908294A (zh) * 2022-11-10 2023-04-04 中国矿业大学 一种基于3d激光雷达的高压隔离开关分合闸状态判别方法
CN116091996A (zh) * 2022-11-25 2023-05-09 珠海优特电力科技股份有限公司 刀闸分合状态的识别方法、装置、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555824A (zh) * 2019-07-22 2019-12-10 深圳供电局有限公司 开关位置判别方法及开关位置检测系统的控制方法
CN111199219A (zh) * 2020-01-14 2020-05-26 国网湖南省电力有限公司 一种隔离开关状态分布式监测方法、系统及介质
CN113436223A (zh) * 2021-07-14 2021-09-24 北京市测绘设计研究院 点云数据的分割方法、装置、计算机设备和存储介质
CN113822180A (zh) * 2021-09-07 2021-12-21 深圳市长龙铁路电子工程有限公司 空气开关分合状态识别方法、装置、电子设备及存储介质
CN114037825A (zh) * 2021-11-16 2022-02-11 河南城建学院 一种基于投影欧式距离的隔离开关分合闸位置图像识别方法
CN115620073A (zh) * 2022-11-10 2023-01-17 中国矿业大学 一种基于点云数据的隔离开关合闸状态判别方法
CN115908294A (zh) * 2022-11-10 2023-04-04 中国矿业大学 一种基于3d激光雷达的高压隔离开关分合闸状态判别方法
CN115761427A (zh) * 2022-11-23 2023-03-07 华南理工大学 一种高压隔离开关状态精确识别装置及方法
CN116091996A (zh) * 2022-11-25 2023-05-09 珠海优特电力科技股份有限公司 刀闸分合状态的识别方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于BP神经网络的高压隔离开关分合闸监测识别;刘子英 等;电力系统保护与控制(第05期);140-146 *

Also Published As

Publication number Publication date
CN116563272A (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN116563272B (zh) 基于高精点云的隔离开关分合状态识别方法及相关装置
CN108871353B (zh) 路网地图生成方法、系统、设备及存储介质
CN104573702A (zh) 一种六氟化硫压力仪表图像自动识别方法
CN103048589B (zh) 一种电网故障诊断中装置时标容错处理的方法
CN104079816A (zh) 一种基于虚拟现实技术的监控摄像机自动控制方法
CN113688987B (zh) 光伏监测模型的训练方法、光伏设备的监测方法及设备
CN111402332A (zh) 基于slam的agv复合建图与导航定位方法及系统
Zhang et al. Cloud motion tracking system using low-cost sky imager for PV power ramp-rate control
CN110992410A (zh) 基于rgb-d数据融合的机器人视觉引导方法和装置
CN114241158A (zh) 基于风机点云数据的部件识别方法、装置、设备及介质
CN114119528A (zh) 一种配电线路绝缘子的缺陷检测方法及装置
CN117895898A (zh) 一种光伏短路与阴影故障识别方法与系统
CN116091996A (zh) 刀闸分合状态的识别方法、装置、设备及存储介质
Qian et al. Real-time power line safety distance detection system based on LOAM SLAM
CN115454126A (zh) 无人机巡检方法、装置、设备及存储介质
CN104537143A (zh) 一种用于电力scada系统的一次设备维护方法
CN112837262B (zh) 一种刀闸开合状态的检测方法、介质及系统
CN115033015A (zh) 基于移动智能终端的输电线路巡检管控系统
Wang et al. Autonomous Collection System of Substation Patrol Robot
CN118154676B (zh) 一种基于激光雷达的场景定位方法和系统
CN112611371B (zh) 一种多场景二维地图的位姿转换方法及系统
CN111478437A (zh) 台区配变监控方法、装置、计算机设备及介质
CN112712547A (zh) 一种隔离开关的状态检测方法及模型的建立方法
CN111144420A (zh) 基于小样本的电塔缺陷监测方法及系统
CN110763232B (zh) 一种机器人及其导航定位方法和装置

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