一种变电站三维模型重构方法技术

本发明专利技术公开了一种变电站三维模型重构方法，所述方法包括：获取三维模型公开数据库数据构成基础训练集；获取变电站设备原始图像并进行标记并确定迁移学习训练集；对所述基础训练集合和所述迁移学习训练集中的图像进行处理并提取得到设备特征图，基于所述设备特征图构造深度卷积自编码神经网络；使用所述基础训练集训练深度卷积自编码神经网络，并使用所述迁移学习训练集对深度卷积自编码神经网络进一步训练；根据训练完成的深度卷积自编码神经网络对变电站进行建模，得到变电站三维模型。通过采用上述技术方案，可对变电站的三维模型进行构建，提高变电站建模的效率，减少建模中采样的工作量。

【技术实现步骤摘要】
一种变电站三维模型重构方法
本专利技术实施例涉及智能变电站领域，尤其涉及一种一种变电站三维模型重构方法。
技术介绍
随着科技的进步，用电设备的不断增加，变电站的日常运维压力越来越大。构建变电站模型可以辅助工作人员的安全巡视和运维操作人员的可视化培训，对变电站的安全运行具有非常重要的现实意义。目前，国内主流的变电站建模方法有以下四种：近景摄影测法，通过专业摄影工具获取变电站设备的资料，配合专业后期软件实现变电站的建模；VRML建模，通过编程语言以圆柱、立方体等规则立体图形为原始对象构造电气设备模型；几何造型模型，依据变电站图片和设备图纸，采用立体图形建立电气设备的三维模型；地面激光雷达建模法，利用大量的扫描数据和图片数据融合，再对得到的数据进行分类重构得到模型。但上述四种主流建模方法均存在较为明显技术缺点：传统的近景摄影测量法效率低；VRML建模方法模型对建模人员要求高；几何造型建模方法过于依赖变电站原始设计资料；地面激光雷达建模法成本高，耗时长。
技术实现思路
为解决相关技术问题，本专利技术提供一种基于变电站本文档来自技高网...

【技术保护点】
1.一种变电站三维模型重构方法，其特征在于，包括/n获取三维模型公开数据库数据构成基础训练集；/n获取变电站设备原始图像并进行标记并确定迁移学习训练集；/n对所述基础训练集合和所述迁移学习训练集中的图像进行处理并提取得到设备特征图，基于所述设备特征图构造深度卷积自编码神经网络；/n使用所述基础训练集训练深度卷积自编码神经网络，并使用所述迁移学习训练集对深度卷积自编码神经网络进一步训练；/n根据训练完成的深度卷积自编码神经网络对变电站进行建模，得到变电站三维模型。/n

【技术特征摘要】
1.一种变电站三维模型重构方法，其特征在于，包括
获取三维模型公开数据库数据构成基础训练集；
获取变电站设备原始图像并进行标记并确定迁移学习训练集；
对所述基础训练集合和所述迁移学习训练集中的图像进行处理并提取得到设备特征图，基于所述设备特征图构造深度卷积自编码神经网络；
使用所述基础训练集训练深度卷积自编码神经网络，并使用所述迁移学习训练集对深度卷积自编码神经网络进一步训练；
根据训练完成的深度卷积自编码神经网络对变电站进行建模，得到变电站三维模型。


2.根据权利要求1所述的方法，其特征在于，获取变电站设备原始图像并进行标记并确定迁移学习训练集，包括：
获取变电站设备多角度摄影图像，对获取的图像进行标记，并选取其中正投影图像作为监督训练标签，其他图像则构成迁移学习训练集。


3.根据权利要求1所述的方法，其特征在于，对所述基础训练集合和所述迁移学习训练集中的图像进行处理并提取得到设备特征图，包括：
对获取的所有二维图像数据进行裁剪、统一尺寸以及归一化处理；
使用多组不同类型形态学算子对预处理后的二维图像进行滤波，分别提取变电站设备不同维度的特征信息；
使用解码器对所提取特征信息进行解码，得到变电站设备特征图。


4.根据权利要求3所述的方法，其特征在于，所述二维图像的像素大小为256×256，所述二维形态学算子尺寸为16×16，所述解码器对特征信息解码后获得256×256的设备特征图。


5.根据权利要求2所述的方法，其特征在于，使用所述基础训练集训练深度卷积自编码神经网络，包括：
采用Hinge损失函数作为深...

【专利技术属性】
技术研发人员：邝振星，华耀，温爱辉，邱健文，朱红涛，林孝斌，欧冠华，李朝阳，罗欣礼，李存海，赖家文，何荣伟，何文滨，
申请(专利权)人：广东电网有限责任公司清远供电局，
类型：发明
国别省市：广东;44