CN117392270B - 基于激光点云的导线拟合的方法、系统和计算机设备 - Google Patents

Abstract

本发明提供了一种基于激光点云的导线拟合的方法、系统、计算机设备和存储介质，采用贝塞尔算法拟合导线的点云数据，能够实现快速获取导线的弧垂和最大风偏角，同时也保证求解效率和精度，提高拟合速度。之后进行偏移补偿，能够保证拟合后获得的弧垂和最大风偏角更加精确，相比传统方法拟合导线本发明的方法精度、速度都比较高，能够为输电线路日常运行维护提供有力的支持，提高输电线路管理能力，能协助监测线路是否安全，为安全生产和运行提供支撑。

Description

基于激光点云的导线拟合的方法、系统和计算机设备

技术领域

本申请涉及导线拟合技术的技术领域，特别是涉及一种基于激光点云的导线拟合的方法、系统和计算机设备。

背景技术

电力保障是民生问题中比较重要的部分，而电力传输中输导线路中的导线更是保障的重点，输导线路数据建档、日常维护、导线分析等的数据基础建设现在还不够完善。而导线的工况影响导线的姿态，如高温、大风、覆冰等状况下，不同情况导线弧垂、最大风偏角等都不相同。实测弧垂小于设计弧垂,导线水平应力增大,会导致耐张塔水平受力不平衡,杆塔倾斜值过大,甚至是倒杆;也可能导致导线连接器脱落,造成断线事故。输导线路中的导线，其情况复杂且线路繁多，这就导致导线的实际情况不好检测，工况不同的情况下，工人实地检测任务量大、危险系数高。因此，急需一种能够实现反应导线状态情况的方法，来改善上述问题。

发明内容

本发明实施例提供了一种基于激光点云的导线拟合的方法、系统和计算机设备，以至少解决相关技术中导线情况检查难的问题。

根据本发明的一个实施例，提供了一种基于激光点云的导线拟合的方法，所述方法包括：

获取点云数据；

将获取的所述点云数据进行聚类，筛选出导线部分的点云数据；

对所述导线部分的点云数据进行拟合处理得到导线曲线；

对所述导线曲线进行偏移补偿。

进一步地，使用无人机航测获取点云数据。

进一步地，所述将获取的所述点云数据进行聚类，筛选出导线部分的点云数据，具体包括：

采用k-means算法对导线部分的点云数据进行聚类。

进一步地，所述对导线部分的点云数据进行拟合处理得到导线曲线，具体包括：

使用贝塞尔算法对所述导线部分的点云数据进行拟合处理；

所述使用贝塞尔算法对所述导线部分的点云数据进行拟合处理包括：

获取所述导线部分的点云数据的若干个基准点的坐标；

基于预设的曲线度数，将所述若干个基准点的坐标使用贝塞尔曲线的微分方程进行计算拟合，获得拟合后的导线曲线；

所述若干个基准点包含所述导线的点云数据的两个端点和所述导线的点云数据中除端点外的至少两个点。

点云数据进行拟合处理点云数据进行拟合处理包括基于预设的曲线度数，将所述若干个基准点的坐标使用进一步地，所述对导线曲线进行偏移补偿，具体包括以下两种补偿方式：

对拟合后的导线曲线的再次取点进行补偿；

建立偏移模型进行补偿；

在进行所述偏移补偿时，单独采用其中一种补偿方式进行补偿或采用两种补偿方式依次进行补偿。

进一步地，所述对拟合后的导线曲线的再次取点进行补偿，具体包括：

获取使用贝塞尔算法拟合后的导线曲线与所述导线部分的点云数据；

获取所述点云数据中距离所述导线曲线直线距离最远的若干个基准点；

将所述若干个基准点再次使用贝塞尔算法进行拟合，得到补偿曲线；

基于所述导线曲线的中点对所述补偿曲线的中点进行补偿，补偿数值为所述导线曲线的中点和所述补偿曲线的中点直线距离的预设百分比。

进一步地，所述建立偏移模型进行补偿，具体包括：

获取第一时刻实际状态下导线的弧垂和最大风偏角实际数据；

获取所述第一时刻影响导线的弧垂和最大风偏角的影响因素数据；

获取所述第一时刻拟合后的导线曲线的弧垂和最大风偏角的虚拟数据；

计算所述导线的弧垂和最大风偏角实际数据和所述导线曲线的计算出的弧垂和最大风偏角的虚拟数据的差值；

将所述影响因素数据以及对应所述影响因素数据的差值记录至样本列表中；

将所述样本列表记录的差值数据作为训练样本，使用所述训练样本训练偏移模型；

根据所述偏移模型进行导线的弧垂和最大风偏角的偏移补偿。

进一步地，在对所述导线部分的点云数据进行拟合处理得到导线曲线之前，所述方法还包括：

通过第一分割算法对所述导线部分的点云数据进行分割处理，以得到区域导线点云数据；

对所述区域导线点云数据进行导线初步拟合处理，以确定原始导线，其中，所述原始导线用于指示可能被拟合的导线；

对所述原始导线进行曲率计算，以确定所述原始导线的初始曲率；

根据所述初始曲率，确定所述曲线度数。

根据本发明的另一个实施例，提供了一种基于激光点云的导线拟合的系统，所述系统包括：

数据获取模块：获取点云数据；

筛选模块：将获取的所述点云数据进行聚类，筛选出导线部分的点云数据；

拟合模块：对所述导线部分的点云数据进行拟合处理得到导线曲线；

补偿模块：对所述导线曲线进行偏移补偿。

根据本发明的又一个实施例，还提供了一种计算机设备，包括存储器和处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条程序指令或代码，所述至少一条程序指令或代码由所述处理器加载并执行，以使所述计算机设备实现所述的基于激光点云的导线拟合的方法。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现基于激光点云的导线拟合的方法中任一项所述的方法的步骤。

本发明采用贝塞尔算法拟合导线的点云数据，能够实现快速获取导线的弧垂和最大风偏角，同时也保证求解效率和精度，提高拟合速度。之后进行偏移补偿，能够保证拟合后获得的弧垂和最大风偏角更加精确，相比传统方法拟合导线本发明的方法精度、速度都比较高，能够为输电线路日常运行维护提供有力的支持，提高输电线路管理能力，能协助监测线路是否安全，为安全生产和运行提供支撑。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本申请实施例提供的基于激光点云的导线拟合的方法的流程示意图；

图2为本申请实施例提供的贝塞尔曲线的示意图；

图3为一个实施例中换流站基于激光点云的导线拟合的系统的示意性结构框图；

图4为一个实施例中计算机设备的示意性结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。

请参阅图1，为本申请实施例提供的基于激光点云的导线拟合的方法一个流程示意图，包括以下步骤：

S1、获取点云数据；

在本实施例中，由于导线不同于其他电力设备，如换电站等具有大型设备电力主站点，电磁影响对导线的影响较小，因此，在本实施例中，获取点云数据的方法为使用无人机航测即可，以无人机来获取带有导线的点云数据。

S2、将获取的点云数据进行聚类，筛选出导线部分的点云数据；

在本实施例中，由于上述获取的点云数据除了导线的点云数据还带有其他的物体的点云数据，因此，采用聚类的方法对S1获取的点云数据进行处理，来筛选出导线部分的点云数据，在点云数据的视图中，可以观察到每段输电线路在局部范围内基本平行，每根电线为一簇，簇之间间隔较大，因此在本实施例中优选采用k-means方法对电线进行聚类，k-means方法具体步骤如下：

随机初始化k个点作为簇质心；

将样本集中的每个点分配到一个簇中； 计算每个点与质心之间的距离（常用欧式距离和余弦距离），并将其分配给距离最近的质心所对应的簇中；

更新簇的质心，每个簇的质心更新为该簇所有点的平均值；

反复迭代上两个步骤，直到达到某个终止条件； 常用的终止条件有：1）达到指定的迭代次数；2）簇心不再发生明显的变化，即收敛；3）最小误差平方和SSE。

通过上述步骤即可完成对导线部分的点云数据的筛选。

S3、对导线部分的点云数据进行拟合处理得到导线曲线，其中，所述导线曲线是基于贝塞尔算法得到的；

在本实施例中，如图2所示，导线拟合的方式选用三阶贝塞尔算法对导线部分的点云数据进行拟合处理，贝塞尔曲线是计算机图形学中被广泛使用的一种曲线，它是一个灵活多样的几何表达方式，三阶贝塞尔曲线，即指的是三次贝塞尔曲线（即曲线度数为3），是最常用的曲线。它的公式如下:P(t) = P0(1-t) ³+ 3P1t(1-t)² +3P2t²(1-t) + P3t³ ，其中P(t)表示t时刻的点的坐标，P0、P1、P2、P3分别表示贝塞尔典线上的四个基准点的坐标，t的定义域为[0，1]。

取得给定点P0、P1、...Pn（一般为导线两个端点和导线上任意多个点），其贝塞尔曲线即为：。

使用贝塞尔算法对导线部分的点云数据进行拟合处理，其中拟合处理包括：

获取导线部分的点云数据的若干个基准点的坐标；

基于预设的曲线度数，将若干个基准点的坐标使用贝塞尔曲线的微分方程进行计算拟合，获得拟合后的导线曲线，其中，若干个基准点包含导线的点云数据的两个端点和导线的点云数据的其中至少两个点。

在本实施例中，其中基准点的坐标必须包含导线的两个端点，其余点的选取可根据实际情况进行调整，在本实施例中，优选为导线上等间距的八个点位和导线的中点来进行拟合，以保证拟合的准确性，也可根据特殊情况选用导线上与两个端点直线距离最远的若干个基准点进行拟合。采用三阶的曲线度数的贝塞尔曲线拟合方法可较快地生成准确的导线姿态，可计算导线弧垂、最大风偏角等信息，平均计算时间不超过2秒。因此能够实现可以快速、准确地建立导线模型，提高监测提取效率和精度，为输电线路日常运行维护提供有力的支持。

需要说明的是，在选择曲线度数时，为保证拟合后的导线曲线的精确度，还可以通过点云数据自身的特性来选择最合适的曲线度数，因而在对所述导线部分的点云数据进行拟合处理得到导线曲线之前，还可以通过以下方式来选择最合适的曲线度数：

步骤S31，通过第一分割算法对所述导线部分的点云数据进行分割处理，以得到区域导线点云数据；

步骤S32，对所述区域导线点云数据进行导线初步拟合处理，以确定原始导线，其中，所述原始导线用于指示可能被拟合的导线；

步骤S33，对所述原始导线进行曲率计算，以确定所述原始导线的初始曲率；

步骤S34，根据所述初始曲率，确定所述曲线度数。

在进行正式的导线拟合之前，可以先通过聚类分割算法将点云数据分割成多个预拟合的区域，此时每个区域中均包含若干个基准点云，随后对讲这些电源进行随机拟合（即随机将点云进行连接，对应前述初步拟合处理的过程），从而组成若干个后续可能被拟合为导线曲线的短导线（即前述原始导线），随后计算这些原始导线的曲率，再根据这些曲率计算相应的初始曲率，最后对这些曲率进行筛选计算，或直接选择曲率最大的曲率值，以得到后续进行拟合的曲线度数，其中，初始曲率的筛选过程可以是根据区域的点云数量来进行选择，也可以是根据点云的分布特点来确定，例如当点云密度较大时，曲线的形状基本可以确定，此时的曲线度数可以直接被确定，还可以是根据其他方式选择相关曲线度数。

S4、对导线曲线进行偏移补偿，以得到目标拟合导线。

在本实施例中，由于上述采用贝塞尔曲线的方法拟合的导线一定存在误差，可能导致导线数据不够准确，因此，在本实施例中，进行导线偏移补偿来减小误差，具体补偿方法包括以下两种：

对拟合后的导线曲线的再次取点进行补偿；

或，建立偏移模型进行补偿；

需要说明的是，在进行偏移补偿时，单独采用其中一种补偿方式进行补偿或采用两种补偿方式依次进行补偿均可。

其中，在拟合后的导线曲线的再次取点进行补偿，具体包括以下步骤：

获取使用贝塞尔算法拟合后的导线曲线与所述导线部分的点云数据；

获取点云数据中距离导线曲线直线距离最远的若干个基准点；

将若干个基准点再次使用贝塞尔算法进行拟合，得到补偿曲线；

拉拽导线曲线的中点朝向补偿曲线的中点进行补偿，补偿数值为导线曲线的中点和补偿曲线的中点直线距离的预设百分比。

在本实施例中，由于偏移情况与导线偏移最大的点相关性更高，因此选取多个距离拟合后的导线曲线直线距离最远的若干个基准点，用于囊括偏移情况的最大值，而将上述的多个点再次采用贝塞尔曲线进行处理，可以得到一个较为平滑且能够反应综合偏移指数的补偿曲线，此补偿曲线代表了与导线曲线直线距离最远的若干个极端点的导线情况，因此，采用上述多个极端点生成的补偿曲线对现有的导线曲线进行补偿，而由于多个极端点生成的补偿曲线为贝塞尔算法生成的曲线，因此，补偿曲线的中点就代表了偏移情况的方向，选取补偿曲线的中点为偏移补偿点，以导线曲线的中点作为与偏移补偿点对标的待进行补偿的点位，自动拉拽导线曲线的中点朝向偏移补偿点，能够实现导线曲线的偏移补偿，补偿数值为导线曲线的中点和补偿曲线的中点直线距离的预设百分比，而在采用了多次实际情况测试之后，实际偏移数值在直线距离的百分之三十左右最为贴近各个情况，因此在本实施例中，补偿数值优选为导线曲线的中点和补偿曲线的中点直线距离的百分之三十。

在本实施例中，通常情况在，采用第一种补偿方法已经能满足导线模拟的大部分需求，但有一些特殊需求下的导线模拟，需要更加精确，因此，还需要另一种更加精确的补偿方法，在本实施例中，采用建立模型的方式，使用偏移模型进行补偿。

其中，建立偏移模型进行补偿，具体包括以下步骤：

获取第一时刻实际状态下导线的弧垂和最大风偏角实际数据；

获取第一时刻影响导线的弧垂和最大风偏角的影响因素数据；

获取第一时刻拟合后的导线曲线的弧垂和最大风偏角的虚拟数据；

计算导线的弧垂和最大风偏角实际数据和导线曲线的计算出的弧垂和最大风偏角的虚拟数据的差值；

将所述影响因素数据以及对应所述影响因素数据的差值记录至样本列表中；

将所述样本列表记录的差值数据作为训练样本，使用所述训练样本训练偏移模型；

根据偏移模型进行导线的弧垂和最大风偏角的偏移补偿。

在本实施例中，获取某一时刻（即第一时刻）的拟合后的导线曲线的弧垂和最大风偏角的虚拟数据，即根据上述贝塞尔曲线拟合后的导线曲线，来计算此时刻对应导线的虚拟导线曲线的弧垂和最大风偏角的数据，再获取实际情况的导线的弧垂和最大风偏角的数据，同时获取第一时刻影响导线的弧垂和最大风偏角的影响因素数据，该影响因素包括当下时刻的温度、风力、风向风速和覆冰情况，之后建立模型样本列表，将该时刻下的影响因素、导线弧垂和最大风偏角的实际数据以及虚拟数据对应记录到样本列表中，以此方式来收集大量导线数据，并进行样本训练，来计算各个影响因素情况下虚拟导线曲线的弧垂和最大风偏角的数据和实际情况的导线的弧垂和最大风偏角的数据的偏移差值，进而计算补偿值，之后使用训练样本训练出的模型在使用虚拟导线曲线的计算弧垂和最大风偏角时进行补偿。值得一提的是，在样本不足，模型尚未训练完成之前，可以以多个数据来拟计算温度、风力、风向风速和覆冰情况分别对弧垂和最大风偏角的影响比例，此时可采用控制变量法，当其中某几项影响因素相同的情况下，沿用在先的影响情况来进行偏移补偿。

本实施例通过采用贝塞尔算法拟合导线的点云数据，能够实现快速获取导线的弧垂和最大风偏角，同时也保证求解效率和精度，提高拟合速度。之后进行偏移补偿，能够保证拟合后获得的弧垂和最大风偏角更加精确，相比传统方法拟合导线本发明的方法精度、速度都比较高，能够为输电线路日常运行维护提供有力的支持，提高输电线路管理能力，能协助监测线路是否安全，为安全生产和运行提供支撑。

综上所述，本发明的方法具有显著的有益效果，可以为导线监测、输电线路管理、维护提供有力的支持和保障。

在一个实施例中，提供了一种基于激光点云的导线拟合的系统，如图3所示，包括：

数据获取模块31：用于获取点云数据；

筛选模块32：用于将获取的点云数据进行聚类，筛选出导线部分的点云数据；

拟合模块33：用于对导线部分的点云数据进行拟合处理得到导线曲线。其中，所述导线曲线是基于贝塞尔算法得到的；

补偿模块34：用于对导线曲线进行偏移补偿，以得到目标拟合导线。

关于基于激光点云的导线拟合的系统的具体限定可参见上文中对于基于激光点云的导线拟合的方法的限定，在此不再赘述。上述基于激光点云的导线拟合的系统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，本申请实施例提供的计算机设备，可以是服务器，也可以是客户端：如图4所示，为本申请实施例提供的计算机设备的结构示意图。

处理器1701、存储器1702、总线1705、接口1704，处理器1701与存储器1702、接口1704相连，总线1705分别连接处理器1701、存储器1702以及接口1704，接口1704用于接收或者发送数据，处理器1701是单核或多核中央处理单元，或者为特定集成电路，或者为被配置成实施本发明实施例的一个或多个集成电路。存储器1702可以为随机存取存储器(randomaccess memory，RAM) ，也可以为非易失性存储器(non-volatile memory) ，例如至少一个硬盘存储器。存储器1702用于存储计算机执行指令。具体的，计算机执行指令中可以包括程序1703。

本实施例中，该处理器1701调用程序1703时，可以使图基于激光点云的导线拟合的x中的管理服务器执行基于激光点云的导线拟合的X操作，具体此处不再赘述。

应理解，本申请上述实施例提供的处理器，可以是中央处理单元(centralprocessing unit，CPU) ，还可以是其他通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路 (application-specific integrated circuit，ASIC) 、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请中以上实施例中的计算机设备中的处理器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。本申请实施例中的存储器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。

还需要说明的是，当计算机设备包括处理器(或处理单元)与存储器时，本申请中的处理器可以是与存储器集成在一起的，也可以是处理器与存储器通过接口连接，可以根据实际应用场景调整，并不作限定。

本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持计算机设备（客户端或服务器）实现上述方法中所涉及的控制器的功能，例如处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，芯片系统还包括存储器，存储器，用于保存必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

在另一种可能的设计中，当该芯片系统为用户设备或接入网等内的芯片时，芯片包括：处理单元和通信单元，处理单元例如可以是处理器，通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使该客户端或管理服务器等内的芯片执行基于激光点云的导线拟合的方法的步骤。可选地，存储单元为芯片内的存储单元，如寄存器、缓存等，存储单元还可以是客户端或管理服务器等内的位于芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现上述任一方法实施例中与客户端或管理服务器的控制器执行的方法流程。对应的，该计算机可以为上述计算机设备（客户端或服务器）。

应理解，本申请以上实施例中的提及的控制器或处理器，可以是中央处理单元(central processing unit，CPU) ，还可以是其他通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等中的一种或多种的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请中以上实施例中的计算机设备（客户端或服务器）或芯片系统等中的处理器或控制器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。本申请实施例中的存储器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。

还应理解，本申请实施例中以上实施例中的计算机设备（客户端或服务器）等中提及的存储器或可读存储介质等，可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM) 、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM) ，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM) 和直接内存总线随机存取存储器(direct rambusRAM，DR RAM)。

本领域普通技术人员可以理解实现上述实施例的全部或部分由计算机设备（客户端或服务器）或者处理器执行的步骤可以通过硬件或程序来指令相关的硬件完成。程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，随机接入存储器等。具体地，例如：上述处理单元或处理器可以是中央处理器，通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。上述的这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

当使用软件实现时，上述实施例描述的方法步骤可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质等。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，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单元。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本申请实施例中所使用的单数形式的“一种”、“其”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，在本申请的描述中，除非另有说明，“/”表示前后关联的对象是一种“或”的关系，例如，A/B可以表示A或B；本申请中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。

取决于语境，如在此所使用的词语“如果”或“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围。

Claims (6)

1.一种基于激光点云的导线拟合的方法，其特征在于，所述方法包括：

获取点云数据；

将获取的所述点云数据进行聚类，筛选出导线部分的点云数据；

对所述导线部分的点云数据进行拟合处理得到导线曲线，其中，所述导线曲线是基于贝塞尔算法得到的；

对所述导线曲线进行偏移补偿，以得到目标拟合导线；

所述对所述导线部分的点云数据进行拟合处理得到导线曲线，具体包括：

使用贝塞尔算法对所述导线部分的点云数据进行拟合处理，其中，所述拟合处理包括：

获取所述导线部分的点云数据的若干个基准点的坐标；

基于预设的曲线度数，将若干个基准点的坐标使用贝塞尔曲线的微分方程进行计算拟合，获得拟合后的导线曲线；

其中，所述若干个基准点包含所述导线的点云数据的两个端点和所述导线的点云数据中除端点外的至少两个点；

所述对所述导线曲线进行偏移补偿至少包括以下任意之一：

对拟合后的导线曲线的再次取点进行补偿；

或，建立偏移模型进行补偿；

所述对拟合后的导线曲线的再次取点进行补偿，具体包括：

获取使用贝塞尔算法拟合后的导线曲线与所述导线部分的点云数据；

获取所述点云数据中距离所述导线曲线直线距离最远的若干个基准点；

将若干个基准点再次使用贝塞尔算法进行拟合，得到补偿曲线；

基于所述导线曲线的中点对所述补偿曲线的中点进行补偿，补偿数值为所述导线曲线的中点和所述补偿曲线的中点直线距离的预设百分比；

所述建立偏移模型进行补偿，具体包括：

获取第一时刻实际状态下导线的弧垂和最大风偏角实际数据；

获取所述第一时刻影响导线的弧垂和最大风偏角的影响因素数据；

获取所述第一时刻拟合后的导线曲线的弧垂和最大风偏角的虚拟数据；

计算所述导线的弧垂和最大风偏角实际数据和所述导线曲线的计算出的弧垂和最大风偏角的虚拟数据的差值；

将所述影响因素数据以及对应所述影响因素数据的差值记录至样本列表中；

将所述样本列表记录的差值数据作为训练样本，使用所述训练样本训练偏移模型；

根据所述偏移模型进行导线的弧垂和最大风偏角的偏移补偿。

2.根据权利要求1所述的基于激光点云的导线拟合的方法，其特征在于，

在对所述导线部分的点云数据进行拟合处理得到导线曲线之前，所述方法还包括：

通过第一分割算法对所述导线部分的点云数据进行分割处理，以得到区域导线点云数据；

对所述区域导线点云数据进行导线初步拟合处理，以确定原始导线，其中，所述原始导线用于指示可能被拟合的导线；

对所述原始导线进行曲率计算，以确定所述原始导线的初始曲率；

根据所述初始曲率，确定所述曲线度数。

3.根据权利要求1所述的基于激光点云的导线拟合的方法，其特征在于，所述获取的所述点云数据进行聚类，筛选出导线部分的点云数据，具体包括：

采用k-means算法对导线部分的点云数据进行聚类。

4.一种基于激光点云的导线拟合的系统，其特征在于，所述系统包括：

数据获取模块：获取点云数据；

筛选模块：将获取的所述点云数据进行聚类，筛选出导线部分的点云数据；

拟合模块：对所述导线部分的点云数据进行拟合处理得到导线曲线，其中，所述导线曲线是基于贝塞尔算法得到的；所述对所述导线部分的点云数据进行拟合处理得到导线曲线，具体包括：使用贝塞尔算法对所述导线部分的点云数据进行拟合处理，其中，所述拟合处理包括：获取所述导线部分的点云数据的若干个基准点的坐标；基于预设的曲线度数，将若干个基准点的坐标使用贝塞尔曲线的微分方程进行计算拟合，获得拟合后的导线曲线；其中，所述若干个基准点包含所述导线的点云数据的两个端点和所述导线的点云数据中除端点外的至少两个点；

补偿模块：对所述导线曲线进行偏移补偿，以得到目标拟合导线，所述对所述导线曲线进行偏移补偿至少包括以下任意之一：对拟合后的导线曲线的再次取点进行补偿；或，建立偏移模型进行补偿；述对拟合后的导线曲线的再次取点进行补偿，具体包括：获取使用贝塞尔算法拟合后的导线曲线与所述导线部分的点云数据；获取所述点云数据中距离所述导线曲线直线距离最远的若干个基准点；将若干个基准点再次使用贝塞尔算法进行拟合，得到补偿曲线；基于所述导线曲线的中点对所述补偿曲线的中点进行补偿，补偿数值为所述导线曲线的中点和所述补偿曲线的中点直线距离的预设百分比；所述建立偏移模型进行补偿，具体包括：获取第一时刻实际状态下导线的弧垂和最大风偏角实际数据；获取所述第一时刻影响导线的弧垂和最大风偏角的影响因素数据；获取所述第一时刻拟合后的导线曲线的弧垂和最大风偏角的虚拟数据；计算所述导线的弧垂和最大风偏角实际数据和所述导线曲线的计算出的弧垂和最大风偏角的虚拟数据的差值；将所述影响因素数据以及对应所述影响因素数据的差值记录至样本列表中；将所述样本列表记录的差值数据作为训练样本，使用所述训练样本训练偏移模型；根据所述偏移模型进行导线的弧垂和最大风偏角的偏移补偿。

5.一种计算机设备，包括存储器和处理器，所述处理器与存储器耦合，其特征在于，所述存储器中存储有至少一条程序指令或代码，所述至少一条程序指令或代码由所述处理器加载并执行，以使所述计算机设备实现权利要求1-3任一项所述的基于激光点云的导线拟合的方法。

6.一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，所述计算机程序被执行时实现权利要求1-3中任一项所述的方法的步骤。