一种基于云计算的用户配电房设计生成方法技术

本发明专利技术公开了一种基于云计算的用户配电房设计生成方法，属于业扩工程技术领域。目前采用的业扩设计方法，完成设计工作需要消耗较多时间，效率低。本发明专利技术通过激光深度传感器数据收集配电房三维信息以及图片，并利用卷积神经网络，获取绘图所需的参数，并将参数传输到CAD模块；最终输出实际可用的配电房设计图纸；能够有效缩短业扩设计时间，提高业扩设计效率。本发明专利技术可以通过将供电服务、电力工程设计、电力工程施工、电力设备制造等有机融合，缩短设计周期，规范工程标准，增供扩销，提升用户满意度，最终不断推动企业价值的产生，形成良性循环发展的商业模式。

A design generation method of user distribution room based on Cloud Computing

【技术实现步骤摘要】
一种基于云计算的用户配电房设计生成方法
本专利技术涉及一种基于云计算的用户配电房设计生成方法，属于业扩工程

技术介绍
高压业扩工程一般分为临时业扩、高压新装和高压扩容三种业扩类型，其中高压扩容需要现场收集用户端已安装的高压配电设备资料，目前工作流程是由客户经理沟通好需求后，由设计人员完成现场查看工作，收集用户配电房和设备的资料，主要采用拍照和配电房测量绘制草图方法。现场收资完成后，将绘制的草图在CAD软件中重新绘制，然后再根据用户业扩需求将需要安装的设备设计与现有收资的设计结合起来，形成新的配电房设计图纸。这份图纸由客户经理与用户确认后，设计人员再绘制施工图纸，交给实施人员完成设备安装工作。目前采用的业扩设计方法，在一切顺利的情况下，需要消耗约1周时间才能完成设计工作。对电网、设计、施工和用户本身来说，该流程消耗了太多时间，所以需要引进新技术缩短该工作流程。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种通过激光深度传感器数据收集配电房三维信息以及图片，并利用卷积神经网络，获取绘图所需的参数，并将参数传输到CAD模块；最终输出实际可用的配电房设计图纸的能够有效缩短业扩设计时间的提高业扩设计效率的基于云计算的用户配电房设计生成方法。为实现上述目的，本专利技术的技术方案为：一种基于云计算的用户配电房设计生成方法，其包括以下步骤：第一步，建立采用为python编程语音定义的Web服务器和Web应用程序和深度计算框架的接口程序WSGI；r>第二步，通过在配电房现场的工作人员，利用激光深度相机收集配电房三维信息；第三步，通过无线网络将三维重建信息与设备的激光深度照片传输到云端服务器的WSGI；第四步，通过云端的WSGI接口将数据传输到基于GPU集群的卷积神经网络推理inference模块，获取绘图所需的参数，并将参数传输到CAD模块的pythonAPI接口；第五步，使用一种云端加速计算架构来加快现场传感器收集数据的空间计算量，最终输出配电房现场收资的标准图纸。本专利技术通过激光深度传感器数据收集配电房三维信息以及图片，并利用卷积神经网络，获取绘图所需的参数，并将参数传输到CAD模块；最终输出实际可用的配电房设计图纸；能够有效缩短业扩设计时间，提高业扩设计效率。应用本专利技术的方案，能够将现有的高压业扩设计流程，从原有的5个工作日，降低到0.5个工作日，实现工作效率的革命性提升。本专利技术能够通过将供电服务、电力工程设计、电力工程施工、电力设备制造等有机融合，缩短设计周期，规范工程标准，增供扩销，提升用户满意度，最终不断推动企业价值的产生，形成良性循环发展的商业模式。作为优选技术措施：卷积神经网络的输入数据为激光深度相机通过同步定位与建图技术SLAM收集到的配电房三维重建点云，点云应用偏微分算法，得出变化量较大的点作为特征点云，然后随机抽取其中若干坐标点作为卷积神经网络的一个输入源；采用激光深度相机拍摄的设备图像作为卷积神经网络的另一个输入。通过同步定位与建图技术实现三维数据的收集，可与现场三维数据收集相结合，也能够单独应用，进而能够有效提高数据收集效率，同时提高卷积神经网络的输入数据的多样性以及精准性。作为优选技术措施：卷积神经网络的训练通过模拟系统完成数据收集，采用机器人训练用三维引擎，gazebo，随机生成多个不同大小的配电房和设备；并通过在系统内采用机器人的虚拟激光深度相机作为传感器输入，虚拟激光深度传感器被安装到虚拟机器人的身上，在ROS(robotoperatingsystem)系统内运行机器人SLAM技术用于机器人自主导航收集空间和设备数据，自动生成卷积神经网络训练用数据集，通过GPU集群生成预训练网络；最后，通过预训练网络输出设计勘察数据，其包括设备数量、设备类型和设备相对三维重建的位置坐标。作为优选技术措施：SLAM技术目标是在没有任何先验知识的情况下，根据虚拟激光深度传感器数据实时构建周围环境地图，同时根据这个地图推测自身的定位，虚拟机器人携带虚拟激光深度传感器在未知环境中运动；为方便起见，把一段连续时间的运动变成离散时刻t＝1，…k，而在这些时刻，用x表示虚拟机器人的自身位置，则各时刻的位置就记为x1，x2…xk，它构成了虚拟机器人的轨迹；地图方面，地图由许多个三维点坐标组成，而每个时刻，虚拟激光深度传感器会测量到一部分三维点坐标，得到它们的观测数据；三维点坐标共有N个，用y1，y2…yn表示；通过运动测量u和虚拟激光深度传感器读数z来求解定位问题x和建图问题y。作为优选技术措施：调用激光ToF传感器，由在配电房现场的工作人员完成配电房的三维点云收集，收集完成的激光点云会通过一个简单的数量判断；点数量超过50000的点云能够作为房间关键点坐标提取卷积神经网络的输入，不超过50000点需要工作人员重新收集三维点云；点云输入卷积神经网络后，推理(Inference)房间基本形状关键点坐标并向量化。通过现场收集三维数据，可与同步定位与建图技术相结合，可与也能够单独应用，进而能够有效提高数据收集效率，同时提高卷积神经网络的输入数据的多样性以及精准性。作为优选技术措施：由现场工作人员对用户已有的高压配电设备，采用同一个激光ToF传感器拍摄深度图像，获取到的激光深度图像先要经过无效像素点判断流程；如果无效像素点数量超过像素点总量的15％，则需要工作人员重新拍摄高压配电设备。无效像素点小于像素总量的15％的深度图像，通过双边滤波去噪算法处理后，输入预训练配网设备识别深度卷积神经网络。作为优选技术措施：在这个网络里完成设备分类和位置坐标提取的步骤，如输出中存在无法识别的模型，现场工作人员需要重新拍摄深度图像，重启流程；如所有模型均识别成功，则输出配电设备数量、类型、中心点坐标参数。作为优选技术措施：所述卷积神经网络是一种前馈型卷积神经网络，其CNNC结构分为五层：第一层输入图片，进行卷积(Convolution)操作，得到第二层深度为3的矩阵(FeatureMap)；对第二层的矩阵进行池化(Pooling)操作，得到第三层深度为3的矩阵；重复上述操作得到第五层深度为5的矩阵，最后将这5个矩阵，按行展开连接成向量，传入全连接(FullyConnected)层，全连接层就是一个BP卷积神经网络；每个矩阵都能够看成是排列成矩阵形式的神经元，与BP卷积神经网络中的神经元大同小异。作为优选技术措施：根据需要设定补零的层数；补零层称为ZeroPadding，是一个能够设置的超参数，但要根据卷积核的大小，步幅，输入矩阵的大小进行调整，以使得卷积核恰好滑动到边缘；一般情况下，输入的图片矩阵以及后面的卷积核，特征图矩阵都是方阵，这里输入矩阵大小为w，卷积核大小为k，步幅为s，补零层数为p，则卷积后产生的特征图大小计算公式为：作为优选技术措施本文档来自技高网...

【技术保护点】
1.一种基于云计算的用户配电房设计生成方法，其特征在于，/n其包括以下步骤：/n第一步，建立采用为python编程语音定义的Web服务器和Web应用程序和深度计算框架的接口程序WSGI；/n第二步，通过在配电房现场的工作人员，利用激光深度相机收集配电房三维信息；/n第三步，通过无线网络将三维重建信息与设备的激光深度照片传输到云端服务器的WSGI；/n第四步，通过云端的WSGI接口将数据传输到基于GPU集群的卷积神经网络推理inference模块，获取绘图所需的参数，并将参数传输到CAD模块的pythonAPI接口；/n第五步，使用一种云端加速计算架构来加快现场传感器收集数据的空间计算量，最终输出配电房现场收资的标准图纸。/n

【技术特征摘要】
1.一种基于云计算的用户配电房设计生成方法，其特征在于，
其包括以下步骤：
第一步，建立采用为python编程语音定义的Web服务器和Web应用程序和深度计算框架的接口程序WSGI；
第二步，通过在配电房现场的工作人员，利用激光深度相机收集配电房三维信息；
第三步，通过无线网络将三维重建信息与设备的激光深度照片传输到云端服务器的WSGI；
第四步，通过云端的WSGI接口将数据传输到基于GPU集群的卷积神经网络推理inference模块，获取绘图所需的参数，并将参数传输到CAD模块的pythonAPI接口；
第五步，使用一种云端加速计算架构来加快现场传感器收集数据的空间计算量，最终输出配电房现场收资的标准图纸。


2.如权利要求1所述的一种基于云计算的用户配电房设计生成方法，其特征在于，
卷积神经网络的输入数据为激光深度相机通过同步定位与建图技术SLAM收集到的配电房三维重建点云，点云应用偏微分算法，得出变化量较大的点作为特征点云，然后随机抽取其中若干坐标点作为卷积神经网络的一个输入源；采用激光深度相机拍摄的设备图像作为卷积神经网络的另一个输入。


3.如权利要求2所述的一种基于云计算的用户配电房设计生成方法，其特征在于，
卷积神经网络的训练通过模拟系统完成数据收集，采用机器人训练用三维引擎，gazebo，随机生成多个不同大小的配电房和设备；并通过在系统内采用机器人的虚拟激光深度相机作为传感器输入，虚拟激光深度传感器被安装到虚拟机器人的身上，在ROS系统内运行机器人SLAM技术用于机器人自主导航收集空间和设备数据，自动生成卷积神经网络训练用数据集，通过GPU集群生成预训练网络；最后，通过预训练网络输出设计勘察数据，其包括设备数量、设备类型和设备相对三维重建的位置坐标。


4.如权利要求3所述的一种基于云计算的用户配电房设计生成方法，其特征在于，
SLAM技术目标是在没有任何先验知识的情况下，根据虚拟激光深度传感器数据实时构建周围环境地图，同时根据这个地图推测自身的定位，虚拟机器人携带虚拟激光深度传感器在未知环境中运动；
把一段连续时间的运动变成离散时刻t＝1，…k，而在这些时刻，用x表示虚拟机器人的自身位置，则各时刻的位置就记为x1，x2…xk，它构成了虚拟机器人的轨迹；
地图方面，地图由许多个三维点坐标组成，而每个时刻，虚拟激光深度传感器会测量到一部分三维点坐标，得到它们的观测数据；
三维点坐标共有N个，用y1，y2…yn表示；通过运动测量u和虚拟激光深度传感器读数z来求解定位问题x和建图问题y。


5.如权利要求1所述的一种基于云计算的用户配...

【专利技术属性】
技术研发人员：陈识微，罗斌，黄亚东，俞伟，蒋鲁军，郭鹏飞，杨海娟，
申请(专利权)人：杭州电力设备制造有限公司，杭州电力设备制造有限公司富阳容大成套电气制造分公司，国网浙江杭州市富阳区供电有限公司，
类型：发明
国别省市：浙江;33