CN116758122A - 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 - Google Patents
一种基于跨源点云的输电线路铁塔位姿配准方法及装置 Download PDFInfo
- Publication number
- CN116758122A CN116758122A CN202311015010.8A CN202311015010A CN116758122A CN 116758122 A CN116758122 A CN 116758122A CN 202311015010 A CN202311015010 A CN 202311015010A CN 116758122 A CN116758122 A CN 116758122A
- Authority
- CN
- China
- Prior art keywords
- iron tower
- point cloud
- registration
- pose
- cloud data
- 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
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 674
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 337
- 230000005540 biological transmission Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 107
- 238000005070 sampling Methods 0.000 claims description 55
- 230000009466 transformation Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 18
- 238000000926 separation method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 11
- 230000000750 progressive effect Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Abstract
本发明涉及输电工程中铁塔位姿测量技术领域,公开了一种基于跨源点云的输电线路铁塔位姿配准方法及装置,本发明通过将输电线路设计时的第一点云数据和竣工时的第二点云数据均进行两两分段,对分段的第二点云数据进行滤波及地面去除,通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云和铁塔点云,对分段的第一点云数据离散采样处理,对分割后的铁塔点云和采样后的点云进行精确配准,从首个铁塔位姿配准开始,当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,遍历输电线路的所有铁塔。通过两两分段的配准原则,在整条输电线路中逐个修正铁塔的位姿,提高了铁塔位姿检验的准确性。
Description
技术领域
本发明涉及输电工程中铁塔位姿测量技术领域,具体涉及一种基于跨源点云的输电线路铁塔位姿配准方法及装置。
背景技术
输电线路的建设过程,铁塔是承担输电线路重要支撑作用的关键设备之一,其位置和姿态的准确性对于输电系统的稳定性和安全性至关重要。因此,进行铁塔位姿检验修正是输电工程建设和运行中必不可少的环节。
输电工程由于施工误差,或者地质沉降等自然因素,导致铁塔设计模型的点位高程与实际场景存在差异。为将准确的三维模型移交给运检部门,需要解决铁塔点位高程的校验与修正问题。传统的铁塔位姿检核主要是通过人工测量和计算来实现,这种方式存在着工作效率低下、人为误差大等问题。而随着计算机、通讯和传感技术的发展,新的铁塔位姿检核技术得到了广泛应用,如GPS定位、全站仪测量、激光扫描等技术。
对铁塔点位高程校验修正的依据是来自于竣工验收阶段获取的输电线路点云。在输电工程的竣工验收中,通过无人机巡检输电线路获取机载雷达点云是一种常见的场景扫描方式,以此扫描点云为参考,通过对输电线路点云中的铁塔的位置、姿态、尺寸进行测量,可以获得输电线路中铁塔等设备的真实点位高程信息,但仍存在误差。
目前国内外在基于点云的电力线及杆塔提取算法研究方面已开展了大量的工作。主要思想是根据输电走廊场景中各类别的上下文联系进行空间特征分割,然后利用特征拟合的方法从点云中提取、识别电力线或杆塔。然而,如果采用此类基于点云分割的方法对铁塔定位,则定位结果对点云噪声较为敏感。铁塔与电力线交接处、铁塔与地面点交界处、铁塔与植被交界处的分割误差,都会导致铁塔中心定位误差。存在铁塔位姿检验不准确的缺陷。
发明内容
有鉴于此,本发明提供了一种基于跨源点云的输电线路铁塔位姿配准方法及装置,以解决铁塔位姿检验不准确的问题。
第一方面,本发明提供了一种基于跨源点云的输电线路铁塔位姿配准方法,方法包括:
获取输电线路设计时的第一点云数据和竣工时的第二点云数据;
对第一点云数据和第二点云数据均按照预设原则进行分段,预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段;
对分段的第二点云数据进行滤波,生成去除地面的点云;
通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云和铁塔点云/>;
利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据;
根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
本发明提供了一种基于跨源点云的输电线路铁塔位姿配准方法,将输电线路设计时的第一点云数据和竣工时的第二点云数据均按照两两分段的原则进行分段,通过对分段的第二点云数据进行滤波,从两两分段的输电线路点云中进行地面去除,生成去除地面的点云,通过预设分割模型,对去除地面的点云/>进行处理,得到分割后的电力线点云和铁塔点云/>,对分段的第一点云数据进行离散采用处理,对分割后的铁塔点云数据和采样后的点云数据进行精确配准,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。通过两两分段的配准原则,在整条输电线路中逐个修正铁塔的位姿,从而提高了铁塔定位的准确性。
在一种可选的实施方式中,利用渐进式形态学对分段的第二点云数据进行滤波,生成去除地面的点云。
本发明通过渐进式形态学滤波的方法,对两两分段的第二点云数据进行地面去除,得到去除地面的点云,此时提取到的点云是铁塔和电力线连接在一起的点云,渐进式形态学的滤波方法,消除了地面点云的干扰,提高了位姿配准的精度。
在一种可选的实施方式中,通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>,包括:
对去除地面点云后的数据进行体素质心下采样,获取采样后去除地面的点云;
对采样后去除地面的点云进行三维网格划分,在z坐标上占据点云的网格数目若超过预设阈值/>,则被判断为铁塔点云,完成铁塔点云的粗分离;
将粗分离的铁塔点云作为预设包围盒,将预设包围盒的内外分别分割为铁塔点云和电力线点云/>;
利用连通域分割算法对粗分离的电力线点云进行分割,分割出每条互不相连的电力线点云,并将其分别投影至XOY平面和XOZ平面,计算出投影后拟合曲线的多项表达式,拟合完成后,使用拟合的方程分割出电力线点云/>和铁塔点云/>。
本发明通过预设分割模型,对去除地面的点云进行处理,从粗分离的电力线点云/>中精细分离出电力线点云/>,剩下的点云即为电力铁塔点云/>,此时得到的点云是将电力线和铁塔分离开的点云。
在一种可选的实施方式中,利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据,包括:
利用随机均匀采样算法对分段的第一点云数据进行处理,获取若干样本点;
利用泊松圆盘采样算法,对若干样本点中的任意两点进行处理,筛选出两点之间距离大于预设半径的点,作为采样后的点云数据。
本发明通过随机均匀采样算法得到足够多的样本点,以满足泊松圆盘采样无偏差的采样要求,通过此步骤可以快速得到采样后的点云数据,提高了计算的时间。
在一种可选的实施方式中,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,包括:
利用预设算法对当前第i号铁塔进行配准,计算其旋转估计和平移估计,生成第i号铁塔的配准变换矩阵;
根据第i号铁塔的配准变换矩阵,生成第i号铁塔的配准矩阵/>,其中,第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵;
根据第i号铁塔的配准变换矩阵,采用预设算法生成第i+1号铁塔配准变换矩阵/>;
根据第i+1号铁塔配准变换矩阵对第i+1号铁塔的粗配准矩阵进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准。
本发明通过利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,在整个输电线路中逐个修正铁塔的位姿,在粗配准的基础上在此进行配准,提高了位姿配准的精度。
在一种可选的实施方式中,根据第i+1号铁塔配准变换矩阵对第i +1号铁塔的粗配准矩阵/>进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准,包括:
对于第i+1号铁塔,计算其在当前分段中的点位高程,将其变换到首个铁塔点云坐标系下,计算其点位高程/>,利用预设算法生成第i+1号铁塔配准变换矩阵/>,利用第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵,根据第i+1号铁塔配准变换矩阵/>对第i+1号铁塔的粗配准矩阵/>进行处理,对第i+1号铁塔的点位高程进行变换,计算第i+1号铁塔的点位高程的修正量/>,完成第i+1号铁塔的位姿配准。
本发明通过计算第i+1号铁塔的点位高程的修正量,完成第i+1号铁塔的位姿配准,提高了位姿配准的精度。
在一种可选的实施方式中,预设算法为TEASER配准算法。
本发明通过TEASER配准算法,提高了位姿配准的精度。
第二方面,本发明提供了一种基于跨源点云的输电线路铁塔位姿配准装置,装置包括:
获取模块,用于获取输电线路设计时的第一点云数据和竣工时的第二点云数据;
分段模块,用于对第一点云数据和第二点云数据均按照预设原则进行分段,预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段;
滤波模块,用于对分段的第二点云数据进行滤波,生成去除地面的点云;
分割模块,用于通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>;
采样模块,用于利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据;
配准模块,用于根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的基于跨源点云的输电线路铁塔位姿配准方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于跨源点云的输电线路铁塔位姿配准方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于跨源点云的输电线路铁塔位姿配准方法的流程示意图;
图2是根据本发明实施例的另一基于跨源点云的输电线路铁塔位姿配准方法的流程示意图;
图3是根据本发明实施例的表面测地距离的近似计算示意图;
图4是根据本发明实施例的铁塔分段位姿校验示意图;
图5是根据本发明实施例的基于跨源点云的输电线路铁塔位姿配准装置的结构框图;
图6是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做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。
本发明适用于利用竣工验收阶段输电线路局部扫描获得的点云来修正输电线路设计模型中的铁塔点位高程。其中扫描得来的点云是竣工时通过传感器实际测量的点云,设计模型中的铁塔点云是设计之初图纸中的点云数据,在铁塔粗略分割的基础上,通过对相邻铁塔进行两两分段,在整个线路模型中逐个修正铁塔的点位高程。
根据本发明实施例,提供了一种基于跨源点云的输电线路铁塔位姿配准方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种基于跨源点云的输电线路铁塔位姿配准方法,可用于上述的计算机等终端设备,图1是根据本发明实施例的基于跨源点云的输电线路铁塔位姿配准方法的流程示意图,如图1所示,该流程包括如下步骤:
步骤S101,获取输电线路设计时的第一点云数据和竣工时的第二点云数据。
在本发明实施例中,输电线路设计时的第一点云数据为设计之初图纸中的点云数据,竣工时的第二点云数据是竣工时通过传感器实际扫描测量的点云。传感器的类型在此不作限制,根据实际情况进行相应的选取。
步骤S102,对第一点云数据和第二点云数据均按照预设原则进行分段,预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段。
在本发明实施例中,对第一点云数据和第二点云数据均按照两两相邻铁塔一段的原则进行分段,从首个铁塔开始,例如:第一个铁塔和第二个铁塔一段,第三个铁塔和第四个铁塔一段,依此类推,通过本发明实施例的分段原则,为整个线路中对每个铁塔进行精确位姿配准提供了条件。
步骤S103,对分段的第二点云数据进行滤波,生成去除地面的点云。
在本发明实施例中,通过对分段的第二点云数据进行滤波,从两两分段的输电线路点云中进行地面去除,生成去除地面的点云,此时提取到的点云是铁塔和电力线连接在一起的点云,消除了地面点云的干扰,提高了位姿配准的精度。
步骤S104,通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>。
在本发明实施例中,通过预设分割模型,对去除地面的点云进行处理,精细分离出电力线点云/>,剩下的点云即为电力铁塔点云/>,此时得到的点云是将电力线和铁塔分离开的点云。
步骤S105,利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据。
在本发明实施例中,分段的第一点云数据通过预设的网格采样算法,得到足够多的采样点,然后对采样点进行采样,通过此步骤可以减少计算的时间,快速得到采样后的点云数据。
步骤S106,根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
在本发明实施例中,首先采用预设算法对首个铁塔位姿进行配准,然后利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,遍历输电线路上的所有两两相邻的铁塔分段点云,以完成输电线路铁塔位姿配准,在整个输电线路中逐个修正铁塔的位姿,提高了位姿配准的精度。
本实施例提供的基于跨源点云的输电线路铁塔位姿配准方法,通过相邻铁塔两两分段的划分原则,首先采用预设算法对首个铁塔位姿进行配准,然后利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,在整条输电线路中逐个修正铁塔的位姿,从而提高了铁塔位姿检验的准确性。
在本实施例中提供了一种基于跨源点云的输电线路铁塔位姿配准方法,可用于上述的计算机等终端设备,图2是根据本发明实施例的另一基于跨源点云的输电线路铁塔位姿配准方法的流程示意图,如图2所示,该流程包括如下步骤:
步骤S201,获取输电线路设计时的第一点云数据和竣工时的第二点云数据。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S202,对第一点云数据和第二点云数据均按照预设原则进行分段,预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S203,对分段的第二点云数据进行滤波,生成去除地面的点云。详细请参见图1所示实施例的步骤S103,在此不再赘述。
在一些可选的实施方式中,利用渐进式形态学对分段的第二点云数据进行滤波,生成去除地面的点云。
在本发明实施例中,采用渐进式形态学先腐蚀后膨胀的运算过程,可以滤除指定大小窗口内尺寸小的地物,保留大型地物,以此分割地面点云和非地面点云。
渐进式是通过不断增大窗口的迭代运算过程对非地面点加以滤除,但是可能会导致某些地形起伏的顶部被错误地滤除,使得滤波器生成一个低于真实地面的表面,为了防止某些地面点被错误地滤除,需使用高差阈值对点云进行判断,保留小于高差阈值的点,其中高差阈值计算公式如下:
其中,为预设格网大小,/>为地形坡度参数,/>为第/>次滤波的窗口大小,/>为初始高差阈值,/>为最大高差阈值,/>为当前滤波窗口下的高差阈值。
高差阈值是影响渐进式形态学滤波算法最终结果的一个关键因素,初始高差阈值、最大高差阈值及地形坡度参数是计算高差阈值的关键参数,需要根据实际情况进行相应的选取,且算法在开始运算时需要对当前窗口中包含的所有点进行运算。
本发明实施例通过渐进式形态学滤波的方法,对两两分段的第二点云数据进行地面去除,得到去除地面的点云,此时提取到的点云是铁塔和电力线连接在一起的点云,渐进式形态学的滤波方法,消除了地面点云的干扰,提高了位姿配准的精度。
步骤S204,通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>。详细请参见图1所示实施例的步骤S104,在此不再赘述。
在一些可选的实施方式中,上述步骤S204包括:
步骤a1,对去除地面点云后的数据进行体素质心下采样,获取采样后去除地面的点云/>。
在本发明实施例中,使用体素质心下采样获得去除地面的点云,此时得到的点云是稀疏的点云,对于去除地面点云后的数据/>,采用PCL中的VoxelGrid类的滤波器为其创建一个三维体素栅格,其中,VoxelGrid为滤波器的名称,在每个体素内,用体素中所有点的重心来近似显示体素中的其他点,此时该体素内所有点都用一个重心点最终表示,虽然这比使用体素中心逼近的方法慢,但是对曲面的表示更准确,得到下采样后的点云为/>,通过体素质心下采样保证了计算的精度。
步骤a2,对采样后去除地面的点云进行三维网格划分,在z坐标上占据点云的网格数目若超过预设阈值/>,则被判断为铁塔点云,完成铁塔点云的粗分离。
在本发明实施例中,将采样后去除地面的点云进行三维网格划分,划分网格后判断每个网格是否含有点云,基于铁塔在z坐标上的含有点云的网格数量较多的特性,所以,需要判断在z坐标上占据点云的网格数目是否超过预设阈值/>,通过阈值判断,识别出铁塔点云,完成铁塔点云的粗分离,预设阈值的数值在此不作限制,根据实际情况进行相应的选取。
步骤a3,将粗分离的铁塔点云作为预设包围盒,将预设包围盒的内外分别分割为铁塔点云和电力线点云/>。
在本发明实施例中,将步骤a2中粗分离识别出的铁塔点云使用包围盒,把它框在包围盒中,包围盒外的为电力线点云,包围盒内的为铁塔点云/>,通过预设的包围盒实现了铁塔点云和电力线点云的分割,此时的电力线点云中可能含有铁塔电云。
步骤a4,利用连通域分割算法对粗分离的电力线点云进行分割,分割出每条互不相连的电力线点云,并将其分别投影至XOY平面和XOZ平面,计算出投影后拟合曲线的多项表达式,拟合完成后,使用拟合的方程分割出电力线点云/>和铁塔点云/>。
在本发明实施例中,电力线可看做两端悬挂于铁塔上的悬垂线,在水平面上可看做直线模型,在竖直面上可近似看作抛物线,因此拟合过程分为两个步骤:直线拟合和抛物线拟合。
通过步骤a3可以得到铁塔的坐标,即可获得相邻铁塔中心坐标之间的连线L,通过计算连线L与x轴夹角θ,然后将点云数据绕z轴旋转θ,使点云走向平行于x轴。利用连通域分割算法对电力线点云进行分割,使单条电力线聚为一类,将单条电力线投影到XOY平面,对于直线方程通过最小二乘拟合求取直线参数(k,b)。然后将该条电力线投影到XOZ平面,对/>抛物线模型通过最小二乘拟合求取曲线参数(A,B,C)。
得到单条电力线的直线抛物线模型参数(k,b,A,B,C)后,对粗分离铁塔点云进行模型生长,判断每个点与符合电力线模型的距离,若小于预定阈值则归为电力线点,否则为铁塔点,对每一条电力线进行此操作,从粗分离铁塔点云/>中精细分离出电力线点云/>,剩下的点云即为电力铁塔点云/>,此过程可以把粗分离电力线点云/>中隐藏的铁塔点云进行分离出来,实现了电力线点云和铁塔点云的精细分离。
步骤S205,利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据。详细请参见图1所示实施例的步骤S105,在此不再赘述。
具体地,上述步骤S205包括:
步骤S2051,利用随机均匀采样算法对分段的第一点云数据进行处理,获取若干样本点。
在本发明实施例中,首先用随机均匀采样算法对分段的第一点云数据进行采样,得到足够多的初始样本点,此时的初始样本点需要满足泊松圆盘采样的无偏差采样要求和最大化采样要求,其中,无偏差采样要求指待采样区域以相同的概率接受新的采样点,最大化采样要求指样本区域中所有被采样的点均满足无偏差采样、最大化采样和最小距离的要求。
在一具体实施例中,利用PLY点云模型中各个三角面片大小不一、形态各异,需要自适应控制各三角面片区域内样本点的生成数量,随机均匀采样算法将该数量设置为与三角面片的面积成正比,设三角面片的边长为/>,根据实际情况进行相应设置,在此不作限制,通过下面的海伦公式,计算需采样的候选点数/>:
其中,表示第/>个三角面片的面积,/>表示三角面片的半径周长,/>表示所有三角面片的总面积,/>是预先设定的计划采样的总点数。
步骤S2052,利用泊松圆盘采样算法,对若干样本点中的任意两点进行处理,筛选出两点之间距离大于预设半径的点,作为采样后的点云数据。
在本发明实施例中,利用预设半径(或设定的最小半径的阈值)进行比较与筛选,使得表面采样点满足最小距离要求(即采样得到的点中,集中的任意两点之间的距离大于设定的阈值半径)。
为降低计算的时间复杂度,借鉴八叉树划分网格的思想,针对PLY模型建立体素栅格,体素栅格的边长等于最小阈值半径r,不满足阈值半径条件的初始样本点只可能分布在该栅格或者相邻的栅格内,有效缩小了筛选范围。判断某一方格中的候选采样点是否为泊松圆盘分布的保留点,只需要查询本身和相邻的方格内的保留点,如果点距均大于最小阈值半径,则认为此点可保留。关于两点之间距离的定义,由于模型表面存在曲面的情况,两点间最短距离是贴着表面的测地距离,采用最简单的欧式距离进行计算会带来误差,故采用近似的快速计算方法,图3为表面测地距离的近似计算示意图。和/>分别为点/>和点的单位法向量,通过以下公式计算近似测地距离/>:
其中,表示点/>和点/>之间的欧式距离,/>是单位向量,/>和/>分别表示/>与向量/>的夹角余弦值和/>与向量/>的夹角余弦值。
步骤S206,根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。详细请参见图1所示实施例的步骤S106,在此不再赘述。
在一些可选的实施方式中,在步骤S206中,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,包括:
步骤b1,利用预设算法对当前第i号铁塔进行配准,计算其旋转估计和平移估计,生成第i号铁塔的配准变换矩阵;
步骤b2,根据第i号铁塔的配准变换矩阵,生成第i号铁塔的配准矩阵,其中,第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵;
步骤a3,根据第i号铁塔的配准变换矩阵,采用预设算法生成第i+1号铁塔配准变换矩阵/>;
步骤b4,根据第i+1号铁塔配准变换矩阵对第i+1号铁塔的粗配准矩阵/>进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准。
在一些可选的实施方式中,预设算法为TEASER配准算法。
本发明实施例中,利用TEASER配准算法,对第i号铁塔进行配准,生成第i号铁塔的配准变换矩阵,而/>相当于第i号铁塔位姿配准校验后的矩阵,即对第i号铁塔的位姿经过配准变换矩阵的变换,即可得到第i号铁塔的配准矩阵/>。利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,在整个输电线路中逐个修正铁塔的位姿,在粗配准的基础上再次进行配准,提高了位姿配准的精度。
在一些可选的实施方式中,上述步骤b4的计算过程,包括:对于第i+1号铁塔,计算其在当前分段中的点位高程,将其变换到首个铁塔点云坐标系下,计算其点位高程/>,利用预设算法生成第i+1号铁塔配准变换矩阵,利用第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵,根据第i+1号铁塔配准变换矩阵/>对第i+1号铁塔的粗配准矩阵/>进行处理,对第i+1号铁塔的点位高程进行变换,计算第i+1号铁塔的点位高程的修正量,完成第i+1号铁塔的位姿配准。
在一具体的实施例中,整条线路上各个铁塔点位高程检测算法如下:
首先,对整条线路上的首个铁塔采用TEASER配准算法进行配准,得到,因为对于首个铁塔,并无前级,所以使用TEASER配准算法,即得第1个铁塔的配准矩阵,从点云中计算1号铁塔的点位高程/>。
然后,对整条线路上的所有铁塔依次进行预处理,即将每座铁塔的点云变换到以1号铁塔点位高程坐标为原点的坐标系下,其中下标relative表示相对1号铁塔,接着遍历所有两两相邻的铁塔分段。对第i+1号铁塔,先计算其在当前分段中的点位高程,然后从其变换到1号铁塔坐标系下的点云中计算其点位高程,利用TEASER配准算法求出/>,最后利用前一座铁塔的配准矩阵/>作为其粗配准矩阵,生成第i+1号铁塔的配准矩阵/>,利用第i+1号铁塔的配准矩阵对点位高程/>作变换来计算其点位高程的修正量/>,完成第i+1号铁塔的位姿配准。
在一具体实施例中,图4为铁塔分段位姿校验示意图,Target point cloud为机载雷达点云,Source point cloud为电线路设计模型点云。设每个分段的模型点云都包括两个铁塔,机载雷达点云中的第号铁塔和第/>号铁塔的点云集合分别和/>,模型离散化得到的对应的点云集合分别为/>和/>。使用TEASER配准算法对/>号铁塔进行配准,得到的旋转估计和平移估计/>,第/>号铁塔点云集合通过以下公式表示:
。
在配准号铁塔时,由于机载雷达点云和模型点云之间的相对位姿变换是未知的,故只能进行全局配准,全局配准会消耗较多的算力,在精度上也存在一定的损失,因此在配准/>号铁塔时,模型离散化第/>号铁塔得到的对应的点云集合通过以下公式表示:
由于号铁塔的位姿变换矩阵和/>号铁塔的位姿变换矩阵不完全相同,故需要对经过粗配准的/>号铁塔进行精配准,生成第i+1号铁塔配准变换矩阵,通过以下公式得到利用/>号铁塔位姿变换矩阵得到的点云集合:
上式记为号铁塔的位姿修正变换为/>,即。利用/>号铁塔的配准矩阵作为/>号铁塔的粗配准矩阵,对/>号铁塔的位姿进行配准。
本实施例提供的基于跨源点云的输电线路铁塔位姿配准方法,避免了分割铁塔不准确而导致的铁塔定位定姿误差,提高了点位高程偏差的计算准确性。
在本实施例中还提供了一种基于跨源点云的输电线路铁塔位姿配准装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种基于跨源点云的输电线路铁塔位姿配准装置,如图5所示,包括:
获取模块501,用于获取输电线路设计时的第一点云数据和竣工时的第二点云数据。
分段模块502,用于对第一点云数据和第二点云数据均按照预设原则进行分段,预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段。
滤波模块503,用于对分段的第二点云数据进行滤波,生成去除地面的点云。
分割模块504,用于通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>。
采样模块505,用于利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据。
配准模块506,用于根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
在一些可选的实施方式中,分割模块504包括:
体素质心下采样单元,用于对去除地面点云后的数据进行体素质心下采样,获取采样后去除地面的点云/>。
粗分离单元,用于对采样后去除地面的点云进行三维网格划分,在z坐标上占据点云的网格数目若超过预设阈值/>,则被判断为铁塔点云,完成铁塔点云的粗分离。
粗分割单元,用于将粗分离的铁塔点云作为预设包围盒,将预设包围盒的内外分别分割为铁塔点云和电力线点云/>。
拟合单元,用于利用连通域分割算法对粗分离的电力线点云进行分割,分割出每条互不相连的电力线点云,并将其分别投影至XOY平面和XOZ平面,计算出投影后拟合曲线的多项表达式,拟合完成后,使用拟合的方程分割出电力线点云/>和铁塔点云/>。
在一些可选的实施方式中,采样模块505包括:
样本获取单元,用于利用随机均匀采样算法对分段的第一点云数据进行处理,获取若干样本点。
泊松圆盘采样单元,用于利用泊松圆盘采样算法,对若干样本点中的任意两点进行处理,筛选出两点之间距离大于预设半径的点,作为采样后的点云数据。
在一些可选的实施方式中配准模块506中,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,包括:
第一计算单元,用于利用预设算法对当前第i号铁塔进行配准,计算其旋转估计和平移估计,生成第i号铁塔的配准变换矩阵。
第二计算单元,用于根据第i号铁塔的配准变换矩阵,生成第i号铁塔的配准矩阵/>,其中,第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵。
第三计算单元,用于根据第i号铁塔的配准变换矩阵,采用预设算法生成第i+1号铁塔配准变换矩阵/>。
第四计算单元,用于根据第i+1号铁塔配准变换矩阵对第i+1号铁塔的粗配准矩阵/>进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的基于跨源点云的输电线路铁塔位姿配准装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图5所示的基于跨源点云的输电线路铁塔位姿配准装置。
请参阅图6,图6是本发明可选实施例提供的一种计算机设备的结构示意图,如图6所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于跨源点云的输电线路铁塔位姿配准方法,其特征在于,所述方法包括:
获取输电线路设计时的第一点云数据和竣工时的第二点云数据;
对第一点云数据和第二点云数据均按照预设原则进行分段,所述预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段;
对分段的第二点云数据进行滤波,生成去除地面的点云;
通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>;
利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据;
根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
2.根据权利要求1所述的方法,其特征在于,利用渐进式形态学对分段的第二点云数据进行滤波,生成去除地面的点云。
3.根据权利要求1或2所述的方法,其特征在于,所述通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>,包括:
对去除地面点云后的数据进行体素质心下采样,获取采样后去除地面的点云;
对采样后去除地面的点云进行三维网格划分,在z坐标上占据点云的网格数目若超过预设阈值/>,则被判断为铁塔点云,完成铁塔点云的粗分离;
将粗分离的铁塔点云作为预设包围盒,将预设包围盒的内外分别分割为铁塔点云和电力线点云/>;
利用连通域分割算法对粗分离的电力线点云进行分割,分割出每条互不相连的电力线点云,并将其分别投影至XOY平面和XOZ平面,计算出投影后拟合曲线的多项表达式,拟合完成后,使用拟合的方程分割出电力线点云/>和铁塔点云/>。
4.根据权利要求1所述的方法,其特征在于,所述利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据,包括:
利用随机均匀采样算法对分段的第一点云数据进行处理,获取若干样本点;
利用泊松圆盘采样算法,对若干样本点中的任意两点进行处理,筛选出两点之间距离大于预设半径的点,作为采样后的点云数据。
5.根据权利要求1所述的方法,其特征在于,所述利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,包括:
利用预设算法对当前第i号铁塔进行配准,计算其旋转估计和平移估计,生成第i号铁塔的配准变换矩阵;
根据第i号铁塔的配准变换矩阵,生成第i号铁塔的配准矩阵/>,其中,第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵;
根据第i号铁塔的配准变换矩阵,采用预设算法生成第i+1号铁塔配准变换矩阵/>;
根据第i+1号铁塔配准变换矩阵对第i+1号铁塔的粗配准矩阵进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准。
6.根据权利要求5所述的方法,其特征在于,所述根据第i+1号铁塔配准变换矩阵对第i+1号铁塔的粗配准矩阵/>进行处理,生成第i+1号铁塔的配准矩阵/>,完成第i+1号铁塔的位姿配准,包括:
对于第i+1号铁塔,计算其在当前分段中的点位高程,将其变换到首个铁塔点云坐标系下,计算其点位高程/>,利用预设算法生成第i+1号铁塔配准变换矩阵/>,利用第i号铁塔的配准矩阵/>作为第i+1号铁塔的粗配准矩阵,根据第i+1号铁塔配准变换矩阵/>对第i+1号铁塔的粗配准矩阵/>进行处理,对第i+1号铁塔的点位高程进行变换,计算第i+1号铁塔的点位高程的修正量/>,完成第i+1号铁塔的位姿配准。
7.根据权利要求6中所述的方法,其特征在于,所述预设算法为TEASER配准算法。
8.一种基于跨源点云的输电线路铁塔位姿配准装置,其特征在于,所述装置包括:
获取模块,用于获取输电线路设计时的第一点云数据和竣工时的第二点云数据;
分段模块,用于对第一点云数据和第二点云数据均按照预设原则进行分段,所述预设原则包括:从首个铁塔开始,按照两两相邻铁塔一段的原则进行分段;
滤波模块,用于对分段的第二点云数据进行滤波,生成去除地面的点云;
分割模块,用于通过预设分割模型,对去除地面的点云进行处理,得到分割后的电力线点云/>和铁塔点云/>;
采样模块,用于利用预设的网格采样算法,对分段的第一点云数据进行采样,得到采样后的点云数据;
配准模块,用于根据分割后的铁塔点云数据和采样后的点云数据,采用预设算法对输电线路的首个铁塔的位姿进行配准,利用当前铁塔的配准矩阵作为下一铁塔的粗配准矩阵,对下一铁塔的位姿进行配准,直至遍历输电线路的所有铁塔,完成输电线路铁塔位姿配准。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的基于跨源点云的输电线路铁塔位姿配准方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的基于跨源点云的输电线路铁塔位姿配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311015010.8A CN116758122B (zh) | 2023-08-14 | 2023-08-14 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311015010.8A CN116758122B (zh) | 2023-08-14 | 2023-08-14 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116758122A true CN116758122A (zh) | 2023-09-15 |
CN116758122B CN116758122B (zh) | 2023-11-14 |
Family
ID=87955432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311015010.8A Active CN116758122B (zh) | 2023-08-14 | 2023-08-14 | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116758122B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553881A (zh) * | 2020-03-27 | 2020-08-18 | 武汉地大信息工程股份有限公司 | 基于三维点云识别的检测铁塔形变的方法和系统 |
CN111652928A (zh) * | 2020-05-11 | 2020-09-11 | 上海交通大学 | 三维点云中物体抓取位姿检测方法 |
WO2021056630A1 (zh) * | 2019-09-26 | 2021-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路铁塔结构缺陷检测方法及装置 |
CN113487555A (zh) * | 2021-07-01 | 2021-10-08 | 中国电建集团贵州电力设计研究院有限公司 | 一种基于点云网格化的输电线路隐患点快速检测方法 |
CN114187297A (zh) * | 2021-12-06 | 2022-03-15 | 国网山东省电力公司电力科学研究院 | 一种输电线路风偏校核方法及校核系统 |
CN114782947A (zh) * | 2022-06-22 | 2022-07-22 | 韶关市擎能设计有限公司 | 输配电线路点云匹配方法、点云匹配系统及存储介质 |
CN115222883A (zh) * | 2022-07-15 | 2022-10-21 | 南京泛在地理信息产业研究院有限公司 | 一种基于地基LiDAR点云的电力杆塔重建方法 |
CN115757369A (zh) * | 2022-10-19 | 2023-03-07 | 国网电力空间技术有限公司 | 一种激光点云数据的自动检查方法及系统 |
CN116109686A (zh) * | 2022-12-19 | 2023-05-12 | 山东新一代信息产业技术研究院有限公司 | 一种点云配准方法、设备及介质 |
CN116309880A (zh) * | 2023-03-27 | 2023-06-23 | 西安电子科技大学广州研究院 | 基于三维重建的物体位姿确定方法、装置、设备及介质 |
-
2023
- 2023-08-14 CN CN202311015010.8A patent/CN116758122B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021056630A1 (zh) * | 2019-09-26 | 2021-04-01 | 北京国网富达科技发展有限责任公司 | 输电线路铁塔结构缺陷检测方法及装置 |
CN111553881A (zh) * | 2020-03-27 | 2020-08-18 | 武汉地大信息工程股份有限公司 | 基于三维点云识别的检测铁塔形变的方法和系统 |
CN111652928A (zh) * | 2020-05-11 | 2020-09-11 | 上海交通大学 | 三维点云中物体抓取位姿检测方法 |
CN113487555A (zh) * | 2021-07-01 | 2021-10-08 | 中国电建集团贵州电力设计研究院有限公司 | 一种基于点云网格化的输电线路隐患点快速检测方法 |
CN114187297A (zh) * | 2021-12-06 | 2022-03-15 | 国网山东省电力公司电力科学研究院 | 一种输电线路风偏校核方法及校核系统 |
CN114782947A (zh) * | 2022-06-22 | 2022-07-22 | 韶关市擎能设计有限公司 | 输配电线路点云匹配方法、点云匹配系统及存储介质 |
CN115222883A (zh) * | 2022-07-15 | 2022-10-21 | 南京泛在地理信息产业研究院有限公司 | 一种基于地基LiDAR点云的电力杆塔重建方法 |
CN115757369A (zh) * | 2022-10-19 | 2023-03-07 | 国网电力空间技术有限公司 | 一种激光点云数据的自动检查方法及系统 |
CN116109686A (zh) * | 2022-12-19 | 2023-05-12 | 山东新一代信息产业技术研究院有限公司 | 一种点云配准方法、设备及介质 |
CN116309880A (zh) * | 2023-03-27 | 2023-06-23 | 西安电子科技大学广州研究院 | 基于三维重建的物体位姿确定方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
攻城狮: "Python 点云数据处理 (四 )点云下采样", pages 1 - 5, Retrieved from the Internet <URL:https://zhuanlan.zhizhu.com/p/353761080> * |
郭凯宁;彭雄;万程辉;: "地面三维激光扫描与无人机倾斜摄影高压铁塔精度比较", 工程技术研究, no. 08, pages 8 - 9 * |
Also Published As
Publication number | Publication date |
---|---|
CN116758122B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108871353B (zh) | 路网地图生成方法、系统、设备及存储介质 | |
WO2021232463A1 (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
CN112927370A (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
CN105427377A (zh) | 一种基于无人机的地质灾害数据采集处理方法及装置 | |
CN104050715A (zh) | 输电线路及走廊的高精度三维重建方法 | |
CN109934911B (zh) | 基于OpenGL的移动端高精度倾斜摄影三维建模方法 | |
CN110008207B (zh) | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 | |
CN110363054B (zh) | 道路标识线识别方法、装置和系统 | |
CN115372989A (zh) | 基于激光雷达的越野自动小车长距离实时定位系统及方法 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
KR101767006B1 (ko) | Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치 | |
CN116503705B (zh) | 一种数字城市多源数据的融合方法 | |
Aslani et al. | Automatic identification of utilizable rooftop areas in digital surface models for photovoltaics potential assessment | |
CN113077552A (zh) | 基于无人机影像的dsm生成方法和装置 | |
CN115761303A (zh) | 基于机载激光雷达点云和遥感影像数据的地物分类方法 | |
CN107449404B (zh) | Dlg数据采集方法及装置 | |
Rashidi et al. | Ground filtering LiDAR data based on multi-scale analysis of height difference threshold | |
CN116189006A (zh) | 一种支持三维数据的遥感影像建筑物提取方法 | |
CN116763295B (zh) | 牲畜体尺测量方法、电子设备及存储介质 | |
CN116758122B (zh) | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 | |
CN113870326A (zh) | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 | |
Kurdi et al. | Full series algorithm of automatic building extraction and modelling from LiDAR data | |
KR102156085B1 (ko) | 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 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 |