CN117576144B - 一种激光点云电力线提取方法、装置和电子设备 - Google Patents
一种激光点云电力线提取方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117576144B CN117576144B CN202410050728.9A CN202410050728A CN117576144B CN 117576144 B CN117576144 B CN 117576144B CN 202410050728 A CN202410050728 A CN 202410050728A CN 117576144 B CN117576144 B CN 117576144B
- Authority
- CN
- China
- Prior art keywords
- power line
- point cloud
- points
- point
- extracting
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000005520 cutting process Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种激光点云电力线提取方法、装置和电子设备,该方法包括:提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分;构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定所述图割模型的能量方程;以最小化所述能量方程为目标计算所述图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。本发明可以在复杂城市环境下对激光点云中的电力线进行有效提取。
Description
技术领域
本发明涉及目标检测技术领域,具体涉及一种激光点云电力线提取方法。
背景技术
近些年来中国电力网络规模快速扩大,为了满足不断增长的需求,电力供应也在不断改进和扩张。与此同时,输电线路故障带来的潜在风险也不可忽视,输电线路故障可能导致大面积停电,这对人们的日常生产生活和国家经济带来巨大损失,电力线检查和维护领域具有至关重要的作用。
为了降低人工巡检的风险,提高工作效率,并在维护过程中降低成本,目前电力线检测主要向二维与三维两个方向发展;二维电力线检测在面对复杂城市环境时存在复杂环境干扰、遮挡、噪声等问题;为了解决上述问题,使用三维点云电力线检测具有更全面的信息、更少的遮挡干扰、更多的应用领域、更低的误检率、提高维护效率等优点。同时,三维点云电力线检测配合激光点云技术,激光点云技术能够提供准确的地理位置和电力线高度信息,确保电力线的高精度维护和管理,实时监测电力线状态,及时发现问题,并采取紧急维修措施,有助于确保电力供应的稳定性。
三维电力线点云提取方法可划分为两大类;第一类方法基于机器学习,依赖于事先标记电力线类别的数据集,通过网络训练得出可用于检测电力线的模型但在面对复杂城市环境时,机器学习需要大量的标注数据,工作难度较大;为了解决上述问题,使用第二类方法基于电力线特征提取,如基于线性结构、高度特征和垂直特征等特征提取电力线点云,但在面对复杂城市环境时,基于电力线特征提取方法,也面临着电力线与其接近的(如电线杆、树等)非电力物体粘连难以区分,电力线提取效果较差的问题。
发明内容
有鉴于此,有必要提供一种激光点云电力线提取方法、装置和电子设备,用以解决现有技术中存在的面对复杂城市环境时,三维电力线点云提取方法,具有工作难度大、提取效果较差,难以有效提取复杂场景下的电力线的技术问题。
为了解决上述问题,一方面,本发明提供了一种激光点云电力线提取方法,包括:
提取激光点云中的初始电力线点云,所述初始电力线点云中包含电力线和与其接近的非电力线部分;
构建图割模型,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定所述图割模型的能量方程;
以最小化所述能量方程为目标计算所述图割模型的最小割,基于所述最小割对所述初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。
在一些可能的实现方式中,提取激光点云中的初始电力线点云,包括:
获取激光点云;
根据地面点和非地面点不同的高程信息,从所述激光点云中提取非地面点;
根据所述非地面点中物体的独立性特征和电力线的长线性特征,从所述非地面点中提取初始电力线点云。
在一些可能的实现方式中,根据所述非地面点中物体的独立性特征和电力线的长线性特征,从所述非地面点中提取初始电力线点云,包括:
基于欧式聚类算法,将所述非地面点中距离小于第一预设阈值的点聚类到一个点簇中,得到若干第一点簇,其中,所述第一预设阈值由相邻电力线之间的距离确定;
从所述若干第一点簇中提取最大距离大于第二预设阈值的点簇,得到初始电力线点云,其中,所述第二预设阈值由电力线横跨距离确定。
在一些可能的实现方式中,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,包括:
为所述初始电力线点云中的每个点分配一个圆柱体,每个点位于其对应圆柱体的中心,且所述圆柱体的底面半径大于电力线半径,高度的一半低于相邻电力线之间的最大距离,所述圆柱体的高度方向与竖直方向平行设置;
将所述圆柱体沿高度方向切割为若干子区域,计算所述若干子区域的每个子区域中初始电力线点云个数,将初始电力线点云个数小于第三预设阈值的子区域视为空区域;
从所述初始电力线点云中提取空区域个数大于第四预设阈值的圆柱体对应的点,得到第一点云,基于所述第一点云得到前景点。
在一些可能的实现方式中,基于所述第一点云得到前景点,包括:
对所述第一点云进行欧式聚类,得到若干第二点簇;
计算所述若干第二点簇中每个点簇的PCA线性特征值;
从若干第二点簇中提取线性特征值大于预设线性阈值的点簇,得到前景点。
在一些可能的实现方式中,从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,包括:
将所述初始电力线点中距离小于第五预设阈值、主方向夹角小于第六预设阈值的点两两分类为一个分量,得到若干分量;
将所述若干分量中主方向夹角小于第七预设阈值、最小欧式距离小于第八预设阈值的分量聚类到一个点簇中,得到若干第三点簇
对所述若干第三点簇中的每个点簇进行非电力线特征判断,得到背景点。
在一些可能的实现方式中,所述非电力线判断公式为:
式中,和/>表示根据PCA算法计算得出的点簇的特征值,/>表示点簇的方向向量与地球坐标系下z轴的夹角,/>表示点簇到主方向向量线的残差值的平均值,当/>为假时,表示点簇为需要的背景点。
在一些可能的实现方式中,所述能量函数为:
式中,表示所述能量函数,/>表示区域项,/>表示边界项,/>表示区域项和边界项之间的重要因子,决定区域项和边界项对能量的影响大小;
所述区域项具体为:
式中,表示为初始电力线点云中点/>分配标签/>的惩罚,/>表示点/>分配为电力线点,/>表示点/>分配为非电力线点,/>表示点/>到线的平均残差值,/>表示电力线半径,/>表示点/>到背景点的最小距离,/>表示点/>到前景点最小距离;
所述边界项具体为:
式中,表示点/>的标签,/>为点/>的标签,/>表示点/>和点/>的距离,/>表示线段在点/>的主方向上的投影距离,/>表示常量。
另一方面,本发明还提供了一种激光点云电力线提取装置,包括:
点云获取单元,用于提取激光点云中的初始电力线点云,所述初始电力线点云中包含电力线和与其接近的非电力线部分;
模型构建单元,构建图割模型,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定所述图割模型的能量方程;
电力线提取单元,以最小化所述能量方程为目标计算所述图割模型的最小割,基于所述最小割对所述初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。
另一方面,本发明还提供了一种电子设备,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述所述的激光点云电力线提取方法的步骤;
采用上述实施例的有益效果是:本发明提供的激光点云电力线提取方法,首先提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分,然后构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定图割模型的能量方程,接着以最小化能量方程为目标计算图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云;实现了利用图割模型对电力线和与其接近的非电力线部分(如树、电线杆和墙等)进行分割,提取被接近的非电力线物体(如树、电线杆和墙等)遮挡、重叠、穿越的电力线,在保证电力线提取准确性较高的同时,有效提高了电力线提取完整性,且从初始电力线点云中提取图割模型的前景点和背景点,利用电力线的线性特征构建图割模型的能量方程,图割模型构建、计算难度较小。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,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为本发明提供的激光点云电力线提取方法的一个实施例流程示意图;
图2为本发明图1中步骤S101的一个实施例流程示意图;
图3为本发明图2中步骤S203的一个实施例流程示意图;
图4为本发明图1中步骤S102中确定图割模型的前景点的一个实施例流程示意图;
图5为本发明图4中S403中基于第一点云得到前景点的一个实施例流程示意图;
图6为本发明图1中步骤S102中确定图割模型的背景点的一个实施例流程示意图;
图7为本发明提供的激光点云电力线提取装置的一个实施例结构示意图;
图8为本发明提供的电子设备的一个实施例结构示意图。
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。
应当理解,示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本发明内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
本发明实施例中所涉及的“第一”、“第二”等描述仅用于描述隐含的目的,而不能理解为指示或者暗示其相对重要性或者隐含指明所指示的技术特征的数量。因此,限定有“第一”、“第二”的技术特征可以明示或者隐含地包括至少一个该特征。“和/或”,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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种激光点云电力线提取方法,以下分别进行说明。
图1为本发明提供的激光点云电力线提取方法的一个实施例流程示意图,如图1所示,激光点云电力线提取方法包括:
S101、提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分;
S102、构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定图割模型的能量方程;
S103、以最小化能量方程为目标计算图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。
与现有技术相比,本发明先提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分,然后构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定图割模型的能量方程,接着以最小化能量方程为目标计算图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云;实现了利用图割模型对电力线和与其接近的非电力线部分(如树、电线杆和墙等)进行分割,提取被非电力线物体(如树、电线杆和墙等)遮挡、重叠、穿越的电力线,在保证电力线提取准确性较高的同时,有效提高了电力线提取完整性,且从初始电力线点云中提取图割模型的前景点和背景点,利用电力线的线性特征构建图割模型的能量方程,图割模型构建、计算难度较小。
在提取初始电力线点云时,主要考虑的问题是在保证初始电力线点云中电力线点的完整性,即保留被接近的非电力线物体(如树、电线杆和墙等)遮挡、重叠、穿越的电力线的同时,尽可能地去除激光点云中大部分非电力线点(包括地面点和离散点),故在一些实施例中,参照图2,步骤S101具体包括:
S201、获取激光点云;
S202、根据地面点和非地面点不同的高程信息,从激光点云中提取非地面点;
S203、根据非地面点中物体的独立性特征和电力线的长线性特征,从非地面点中提取初始电力线点云。
为了充分利用高程信息去除非地面点,在一些实施例中,步骤S202具体包括,基于布料模拟算法,从激光点云中提取非地面点。
进一步地,为了应对地面有较大起伏的复杂城市环境,在一些实施例中,步骤S202具体包括,根据预设高度将激光点云分割成若干子区域,基于布料模拟算法,从若干子区域中提取非地面点。
为了充分利用电力线的长线性特征提取初始电力线点云,在一些实施例中,参照图3,步骤S203具体包括:
S301、基于欧式聚类算法,将非地面点中距离小于第一预设阈值的点聚类到一个点簇中,得到若干第一点簇,其中,第一预设阈值由相邻电力线之间的距离确定;
需要说明的是,为了实现聚类加速,采用kd树范围搜索算法,kd树以第一预设阈值为半径对非地面点进行搜索,以将非地面点中距离小于第一预设阈值的点聚类到一个点簇中;在本实施例中,根据先验知识,电力线之间的最大距离不超过0.8m,故第一预设阈值设置为0.8m;进一步地,得到若干点簇后,剔除点数低于预设个数的点簇,低于预设个数的点簇被认为是噪声,为后续筛选电力线候选点提供数据净化,在本实施例中,预设个数设置为10。
S302、从若干第一点簇中提取最大距离大于第二预设阈值的点簇,得到初始电力线点云,其中,第二预设阈值由电力线横跨距离确定。
需要说明的是,从若干第一点簇中提取最大距离大于第二预设阈值的点簇的公式为:
式中,表示最大距离大于第二预设阈值的点簇,即初始电力线点云,表示点簇的最大距离,/>、/>、/>和/>这四个数值分别表示点簇中的最大/>值,最小/>值,最大/>值,最小/>值,/>表示第二预设阈值,在本实施例中,根据先验知识,电力线一般横跨距离超100米,故/>设置为100m。
还需要说明的是,本实施例中的坐标系均指的是地球坐标系。
经过布料滤波和欧式聚类后的初始电力线点云中包含有电力线、电线杆、墙面和树等物体,这些物体互相接触,互相牵扯。
为了充分利用电力线点的上下不贴切特征提取前景点,在一些实施例中,通过圆柱滤波进行前景点的提取,参照图4,步骤S102中从初始电力线点云中提取电力线点,确定图割模型的前景点,具体包括:
S401、为初始电力线点云中的每个点分配一个圆柱体,每个点位于其对应圆柱体的中心,且圆柱体的底面半径大于电力线半径,高度的一半低于相邻电力线之间的最大距离,圆柱体的高度方向与竖直方向平行设置;
需要说明的是,在本实施例中,根据先验知识,电力线半径一般为0.03m,相邻电力线之间的最大距离不超过0.8m,故圆柱体的底面半径设置为0.2米、高度设置为0.4米。
S402、将圆柱体沿高度方向切割成若干子区域,计算若干子区域的每个子区域中初始电力线点云个数,将初始电力线点云个数小于第三预设阈值的子区域视为空区域;
S403、从初始电力线点云中提取空区域个数大于第四预设阈值的圆柱体对应的点,得到第一点云,基于第一点云得到前景点。
需要说明的是,空区域个数越多说明该点上下不贴切特征越强。
进一步地为了加快第一点云选取速度,在一些实施例中,步骤S402中计算若干子区域的每个子区域中初始电力线点云个数,包括:基于kd树范围搜索算法,kd树以为半径对圆柱体中的初始电力线点云进行搜索,以确定子区域中初始电力线点云个数。
需要说明的是,由于圆柱体包含的点在kd树的球体区域里选取,为了确定适当的kd树的球体半径,根据圆柱体的高和半径计算球体半径,计算公式具体为:
式中,表示kd树的球体半径,/>表示圆柱体的底面半径,/>表示圆柱体的高。
经过圆柱滤波后,仍可能存在于树冠及建筑物边缘的离散点,故为了去除离散点,在一些实施例中,步骤S403中基于第一点云得到前景点,包括:
采用离群点移除滤波器对电力线点进行过滤。
圆柱滤波后,仍可能还存在平行于地面的建筑物、水平面点云,故在一些实施例中,参照图5,步骤S403中基于第一点云得到前景点,包括:
S501、对第一点云进行欧式聚类,得到若干第二点簇;
S502、计算若干第二点簇中每个点簇的PCA线性特征值;
S503、从若干第二点簇中提取线性特征值大于预设线性阈值的点簇,得到前景点。
需要说明的是,因为电力线呈现强线性特征,故预设线性阈值设置为0.9。
为了充分利用非电力线点云的三个主要特征提取背景点,非电力线点云的三个主要特征为:非线性、不与XOY平面平行,以及高残差值的第三拟合线,在一些实施例中,参照图6,步骤S102中从初始电力线点云中提取非电力线点,确定图割模型的背景点,具体包括:
S601、将初始电力线点中距离小于第五预设阈值、主方向夹角小于第六预设阈值的点两两分类为一个分量,得到若干分量;
需要说明的是,利用点的邻近点拟合的向量直线方向即为该点的主方向,在本实施例中,是通过kd树最近邻搜索点的预设个数邻近点。
S602、将若干分量中主方向夹角小于第七预设阈值、最小欧式距离小于第八预设阈值的分量聚类到一个点簇中,得到若干第三点簇;
需要说明的是,两分量之间的最小欧氏距离定义为
式中,为分量/>和分量/>之间的最小欧氏距离,/>和/>为分量/>的两端点,/>和/>为分量/>的两端点。
S603、对若干第三点簇中的每个点簇进行非电力线特征判断,得到背景点。
需要说明的是,非电力线特征判断公式为:
式中,和/>表示根据PCA算法计算得出的点簇的特征值,/>表示点簇的方向向量与地球坐标系下z轴的夹角,/>表示点簇到主方向向量线的残差值的平均值,当/>为假时,表示点簇为需要的背景点。
为了充分利用电力线的线状特征,更好地对初始电力线点云进行图割,该图割模型采用graph-cut图割算法,能量函数为:
式中,表示所述能量函数,/>表示区域项,/>表示边界项,/>表示区域项和边界项之间的重要因子,决定区域项和边界项对能量的影响大小。
区域项具体为:
式中,表示为初始电力线点云中点/>分配标签/>的惩罚,/>表示点/>分配为电力线点,/>表示点/>分配为非电力线点,/>表示点/>到线的平均残差值,/>表示电力线半径,/>表示点/>到背景点的最小距离,/>表示点/>到前景点最小距离。
需要说明的是,表示点/>到线的平均残差值中的线指的是,利用点/>的邻近点拟合的直线,在本实施例中,这里是通过kd树最近邻搜索点的预设个数邻近点。
边界项具体为:
式中,表示点/>的标签,/>为点/>的标签,/>表示点/>和点/>的距离,/>表示线段在点/>的主方向上的投影距离,/>表示常量,是一个经验值,在本实施例中,/>。
为了证明本发明的有效性,本发明在公开的Toronto_3D数据集上进行电力线提取实验,该数据集覆盖加拿大多伦多约1km路段,约7830万个点,该数据集分为四个路段,每个路段覆盖的范围约为250米。
为该数据集定义了对象标类标签具体如下:
道路:铺砌路面,包括人行道、路缘、停车场;
道路标记:路面标记,包括行驶路线、箭头、人行横道;
天然树木:树木、灌木,不包括草还有裸露的土壤;
建筑物:低层和多层的任何部分建筑物、店面;
公用线路:电力线、电信;
电线杆:电线杆、交通标志、灯柱;
汽车:在道路上行驶的汽车和停放的汽车侧面和停车场;
围栏:垂直屏障,包括木制建筑工地的围墙;
未分类。
在该数据集中各个标签的统计结果如表1所示:
表1 Toronto_3D数据集中各个标签的统计结果
为了更好地评价实验效果,该实验引入三个评价指标,分别是准确率(Precision)、完整率(Recall)和F1分数(F1-score),F1分数兼顾模型的准确率和完整率,用于评价模型的整体性能,这三个评价指标是现有技术中流行的点云评价指标,被广泛用于评估不同的算法。
使用本发明电力线提取方法的实验结果如表2所示:
表2 使用本发明电力线提取方法的实验结果
对比实验采用的提取方法是先利用布料算法分离地面与非地面点,然后利用PCA算法检测非地面点中主方向向量与z轴的夹角是否小于5°,线性特征阈值为0.98,对比实验结果如表3所示:
表3 对比实验结果
从表2和表3中可以看出,表2除了路段三的准确性数据略低于表3外,其他数据特别是完整率是明显高于表3的,证明了本发明的电力线提取模型在保证精度较高的情况下,大大提升了完整率。
为了更好地实施本发明实施例中的一种激光点云电力线提取方法,在一种激光点云电力线提取方法基础之上,对应地,如图7所示,本发明实施例还提供了一种激光点云电力线提取装置700,包括:
点云获取单元701,用于提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分;
模型构建单元702,构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定图割模型的能量方程;
电力线提取单元703,以最小化能量方程为目标计算图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。
上述实施例提供的激光点云电力线提取装置700可实现上述激光点云电力线提取方法实施例中描述的技术方案,上述各单元具体实现的原理可参见上述激光点云电力线提取方法实施例中的相应内容,此处不再赘述。
如图8所示,本发明还相应提供了一种电子设备800。该电子设备800包括处理器801、存储器802及显示器803。图8仅示出了电子设备800的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器802在一些实施例中可以是电子设备800的内部存储单元,例如电子设备800的硬盘或内存。存储器802在另一些实施例中也可以是电子设备800的外部存储设备,例如电子设备800上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器802还可既包括电子设备800的内部储存单元也包括外部存储设备。存储器802用于存储安装电子设备800的应用软件及各类数据。
处理器801在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器802中存储的程序代码或处理数据,例如本发明中的激光点云电力线提取方法。
显示器803在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器803用于显示在电子设备800的信息以及用于显示可视化的用户界面。电子设备800的部件801-803通过系统总线相互通信。
在本发明的一些实施例中,当处理器801执行存储器802中的激光点云电力线提取程序时,可实现以下步骤:
提取激光点云中的初始电力线点云,初始电力线点云中包含电力线和与其接近的非电力线部分;
构建图割模型,从初始电力线点云中提取电力线点,确定图割模型的前景点,从初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定图割模型的能量方程;
以最小化能量方程为目标计算图割模型的最小割,基于最小割对初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云。
应当理解的是:处理器801在执行存储器802中的激光点云电力线提取程序时,除了上面的功能之外,还可实现其他功能,具体可参见前面相应方法实施例的描述。
进一步地,本发明实施例对提及的电子设备800的类型不做具体限定,电子设备800可以为手机、平板电脑、个人数字助理(personaldigitalassistant,PDA)、可穿戴设备、膝上型计算机(laptop)等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备,诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是,在本发明其他一些实施例中,电子设备800也可以不是便携式电子设备,而是具有触敏表面(例如触控面板)的台式计算机。
以上对本发明所提供的一种激光点云电力线提取方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种激光点云电力线提取方法,其特征在于,包括:
提取激光点云中的初始电力线点云,所述初始电力线点云中包含电力线和与其接近的非电力线部分;
构建图割模型,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定所述图割模型的能量方程;
以最小化所述能量方程为目标计算所述图割模型的最小割,基于所述最小割对所述初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云;
其中,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,包括:
为所述初始电力线点云中的每个点分配一个圆柱体,每个点位于其对应圆柱体的中心,且所述圆柱体的底面半径大于电力线半径,高度的一半低于相邻电力线之间的最大距离,所述圆柱体的高度方向与竖直方向平行设置;
将所述圆柱体沿高度方向切割成若干子区域,计算所述若干子区域的每个子区域中初始电力线点云个数,将初始电力线点云个数小于第三预设阈值的子区域视为空区域;
从所述初始电力线点云中提取空区域个数大于第四预设阈值的圆柱体对应的点,得到第一点云,基于所述第一点云得到前景点;
从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,包括:
将所述初始电力线点云中距离小于第五预设阈值、主方向夹角小于第六预设阈值的点两两分类为一个分量,得到若干分量;
将所述若干分量中主方向夹角小于第七预设阈值、最小欧式距离小于第八预设阈值的分量聚类到一个点簇中,得到若干第三点簇;
对所述若干第三点簇中的每个点簇进行非电力线特征判断,得到背景点,所述非电力线特征包括非线性、不与XOY平面平行,以及高残差值的拟合线。
2.根据权利要求1所述的激光点云电力线提取方法,其特征在于,提取激光点云中的初始电力线点云,包括:
获取激光点云;
根据地面点和非地面点不同的高程信息,从所述激光点云中提取非地面点;
根据所述非地面点中物体的独立性特征和电力线的长线性特征,从所述非地面点中提取初始电力线点云。
3.根据权利要求2所述的激光点云电力线提取方法,其特征在于,根据所述非地面点中物体的独立性特征和电力线的长线性特征,从所述非地面点中提取初始电力线点云,包括:
基于欧式聚类算法,将所述非地面点中距离小于第一预设阈值的点聚类到一个点簇中,得到若干第一点簇,其中,所述第一预设阈值由相邻电力线之间的距离确定;
从所述若干第一点簇中提取最大距离大于第二预设阈值的点簇,得到初始电力线点云,其中,所述第二预设阈值由电力线横跨距离确定。
4.根据权利要求1所述的激光点云电力线提取方法,其特征在于,基于所述第一点云得到前景点,包括:
对所述第一点云进行欧式聚类,得到若干第二点簇;
计算所述若干第二点簇中每个点簇的PCA线性特征值;
从所述若干第二点簇中提取线性特征值大于预设线性阈值的点簇,得到前景点。
5.根据权利要求1所述的激光点云电力线提取方法,其特征在于,所述非电力线特征判断公式为:
式中,和/>表示根据PCA算法计算得出的所述点簇的特征值,/>表示所述点簇的主方向向量与地球坐标系下z轴的夹角,/>表示所述点簇到主方向向量线的残差值的平均值,当为假时表示所述点簇为需要的背景点。
6.根据权利要求1所述的激光点云电力线提取方法,其特征在于,
所述能量方程为:
式中,表示所述能量方程,/>表示区域项,/>表示边界项,/>表示区域项和边界项之间的重要因子,决定区域项和边界项对能量的影响大小;
所述区域项具体为:
式中,表示为初始电力线点云中点/>分配标签/>的惩罚,/>表示点/>分配为电力线点,/>表示点/>分配为非电力线点,/>是点/>到线的平均残差值,/>表示电力线半径,/>表示点/>到背景点的最小距离,/>表示点/>到前景点最小距离;
所述边界项具体为:
式中,表示点/>的标签,/>为点/>的标签,/>表示点/>和点/>的距离,/>表示/>线段在点/>的主方向上的投影距离,/>表示常量。
7.一种激光点云电力线提取装置,其特征在于,包括:
点云获取单元,用于提取激光点云中的初始电力线点云,所述初始电力线点云中包含电力线和与其接近的非电力线部分;
模型构建单元,构建图割模型,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,并根据电力线的线性特征确定所述图割模型的能量方程;
电力线提取单元,以最小化所述能量方程为目标计算所述图割模型的最小割,基于所述最小割对所述初始电力线点云中的电力线和非电力线部分进行分割,确定目标电力线点云;
其中,从所述初始电力线点云中提取电力线点,确定图割模型的前景点,包括:
为所述初始电力线点云中的每个点分配一个圆柱体,每个点位于其对应圆柱体的中心,且所述圆柱体的底面半径大于电力线半径,高度的一半低于相邻电力线之间的最大距离,所述圆柱体的高度方向与竖直方向平行设置;
将所述圆柱体沿高度方向切割成若干子区域,计算所述若干子区域的每个子区域中初始电力线点云个数,将初始电力线点云个数小于第三预设阈值的子区域视为空区域;
从所述初始电力线点云中提取空区域个数大于第四预设阈值的圆柱体对应的点,得到第一点云,基于所述第一点云得到前景点;
从所述初始电力线点云中提取非电力线点,确定图割模型的背景点,包括:
将所述初始电力线点云中距离小于第五预设阈值、主方向夹角小于第六预设阈值的点两两分类为一个分量,得到若干分量;
将所述若干分量中主方向夹角小于第七预设阈值、最小欧式距离小于第八预设阈值的分量聚类到一个点簇中,得到若干第三点簇;
对所述若干第三点簇中的每个点簇进行非电力线特征判断,得到背景点,所述非电力线特征包括非线性、不与XOY平面平行,以及高残差值的拟合线。
8.一种电子设备,其特征在于,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至6中任意一项所述的激光点云电力线提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050728.9A CN117576144B (zh) | 2024-01-15 | 2024-01-15 | 一种激光点云电力线提取方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050728.9A CN117576144B (zh) | 2024-01-15 | 2024-01-15 | 一种激光点云电力线提取方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576144A CN117576144A (zh) | 2024-02-20 |
CN117576144B true CN117576144B (zh) | 2024-03-29 |
Family
ID=89890336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410050728.9A Active CN117576144B (zh) | 2024-01-15 | 2024-01-15 | 一种激光点云电力线提取方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576144B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485695A (zh) * | 2016-09-21 | 2017-03-08 | 西北大学 | 基于统计形状模型的医学图像Graph Cut分割方法 |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
CN109147038A (zh) * | 2018-08-21 | 2019-01-04 | 北京工业大学 | 基于三维点云处理的管道三维建模方法 |
CN110794413A (zh) * | 2019-11-13 | 2020-02-14 | 湖北大学 | 线性体素分割的激光雷达点云数据电力线检测方法和系统 |
CN113205529A (zh) * | 2021-04-19 | 2021-08-03 | 武汉大学 | 一种基于机载LiDAR点云分割建筑物顶面的方法 |
CN114241217A (zh) * | 2021-11-25 | 2022-03-25 | 电子科技大学 | 一种基于圆柱特征的树干点云高效提取方法 |
CN114511572A (zh) * | 2020-10-28 | 2022-05-17 | 刘晋浩 | 一种林间测树的单木分割流程方法 |
WO2023019709A1 (zh) * | 2021-08-19 | 2023-02-23 | 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 |
CN116071530A (zh) * | 2023-03-07 | 2023-05-05 | 青岛市勘察测绘研究院 | 一种基于机载激光点云的建筑物屋顶体素化分割方法 |
CN117078928A (zh) * | 2023-08-04 | 2023-11-17 | 电子科技大学长三角研究院(湖州) | 一种基于枝干信息引导的阔叶林单木分割方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10192117B2 (en) * | 2015-06-25 | 2019-01-29 | Kodak Alaris Inc. | Graph-based framework for video object segmentation and extraction in feature space |
US10453200B2 (en) * | 2016-11-02 | 2019-10-22 | General Electric Company | Automated segmentation using deep learned priors |
US11361484B1 (en) * | 2020-12-04 | 2022-06-14 | Argo AI, LLC | Methods and systems for ground segmentation using graph-cuts |
-
2024
- 2024-01-15 CN CN202410050728.9A patent/CN117576144B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485695A (zh) * | 2016-09-21 | 2017-03-08 | 西北大学 | 基于统计形状模型的医学图像Graph Cut分割方法 |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
CN109147038A (zh) * | 2018-08-21 | 2019-01-04 | 北京工业大学 | 基于三维点云处理的管道三维建模方法 |
CN110794413A (zh) * | 2019-11-13 | 2020-02-14 | 湖北大学 | 线性体素分割的激光雷达点云数据电力线检测方法和系统 |
CN114511572A (zh) * | 2020-10-28 | 2022-05-17 | 刘晋浩 | 一种林间测树的单木分割流程方法 |
CN113205529A (zh) * | 2021-04-19 | 2021-08-03 | 武汉大学 | 一种基于机载LiDAR点云分割建筑物顶面的方法 |
WO2023019709A1 (zh) * | 2021-08-19 | 2023-02-23 | 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 |
CN114241217A (zh) * | 2021-11-25 | 2022-03-25 | 电子科技大学 | 一种基于圆柱特征的树干点云高效提取方法 |
CN116071530A (zh) * | 2023-03-07 | 2023-05-05 | 青岛市勘察测绘研究院 | 一种基于机载激光点云的建筑物屋顶体素化分割方法 |
CN117078928A (zh) * | 2023-08-04 | 2023-11-17 | 电子科技大学长三角研究院(湖州) | 一种基于枝干信息引导的阔叶林单木分割方法及系统 |
Non-Patent Citations (3)
Title |
---|
A Hierarchical Clustering Method to Repair Gaps in Point Clouds of Powerline Corridor for Powerline Extraction;Yongzhao Fan 等;《remote sensing》;20210413;全文 * |
无人机航拍图像中电力线检测方法研究进展;刘传洋 等;《中国图象图形学报》;20231031;全文 * |
李婕 等.基于深度学习的机载点云屋顶平面提取算法.《激光技术》.全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117576144A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Road boundaries detection based on local normal saliency from mobile laser scanning data | |
Yang et al. | Hierarchical extraction of urban objects from mobile laser scanning data | |
Li et al. | XEarth: A 3D GIS Platform for managing massive city information | |
Serna et al. | Urban accessibility diagnosis from mobile laser scanning data | |
Gargoum et al. | Assessing stopping and passing sight distance on highways using mobile LiDAR data | |
WO2017020466A1 (zh) | 基于激光点云的城市道路识别方法、装置、存储介质及设备 | |
CN111462275A (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN105551016A (zh) | 一种基于激光点云的路沿识别方法及装置 | |
Gao et al. | SUM: A benchmark dataset of semantic urban meshes | |
CN108898672A (zh) | 一种制作三维高清道路图车道线的半自动点云方法 | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN109584302A (zh) | 相机位姿优化方法、装置、电子设备和计算机可读介质 | |
WO2021003487A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN102063652A (zh) | 道路设施及养护监管方法 | |
CN112541049A (zh) | 高精地图处理方法、装置、设备、存储介质和程序产品 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN114758086B (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN105335478B (zh) | 构建城市土地空间立体调查数据语义关联的方法和装置 | |
CN112579715B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN117576144B (zh) | 一种激光点云电力线提取方法、装置和电子设备 | |
CN104281633A (zh) | 水利信息移动导航定位系统 | |
WO2023232055A1 (zh) | 地图生成方法以及装置 | |
Hossain et al. | Visual pollution detection using google street view and YOLO | |
CN112669461A (zh) | 机场净空安全检测方法、装置、电子设备及存储介质 |
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 |