一种基于无人机图像采集的电厂锅炉内三维重建方法技术

本发明专利技术属于三维重建技术领域，公开了一种基于无人机图像采集的电厂锅炉内三维重建方法。方法具体为，先利用无人机进入锅炉内部对指定部位进行有序的深度图像拍摄，然后对每张深度图像生成的点云依次利用分层去噪法和solation forest(IF)算法进行去噪处理，再对点云进行特征点提取，并分别进行粗配准和基于改进ICP算法的精确配准，得到完整点云从而完成三维重建。相较于传统的采用搭设大型脚手架或升降式大平台后人工进入作业的方式，该方法减少了锅炉停机检测的工作量，缩短了工期，降低了工人作业危险系数，节省了人力物力。节省了人力物力。节省了人力物力。

【技术实现步骤摘要】
一种基于无人机图像采集的电厂锅炉内三维重建方法


[0001]本专利技术属于三维重建
，具体为一种基于无人机图像采集的电厂锅炉内三维重建方法。

技术介绍

[0002]火力发电机组经过20多年的跨越式发展，中国已经发展成为世界最大装机容量的国家。近些年火力发电行业如何融合大数据、人工智能等新技术革命提高设备管理水平和安全生产水平，促进火力发电厂的智能化改造和产业升级，已经成为火电行业急需解决的重要课题。
[0003]火电厂的锅炉是电厂核心的发电生产设备之一。其体积庞大，特别是超临界的百万等级锅炉，其最高约100m左右，内部跨度可达60m，深度40m左右。锅炉内部煤粉燃烧的环境复杂恶劣，需要在超临界高温高压参数的水蒸气条件下长期稳定的运行。因此，设备可靠性的要求非常高，保障锅炉安全运行具有至关重要的意义。通常情况下，电厂每隔一段时间会对锅炉进行停机检测，传统的检测方式一般采用搭设大型脚手架或升降式大平台后人工进入作业的方式，工作量庞大、工期长、危险系数高，并且对检验员的技能和经验要求较高。

技术实现思路

[0004]针对上述问题本专利技术提供了一种基于无人机图像采集的电厂锅炉内三维重建方法。
[0005]为了达到上述目的，本专利技术采用了下列技术方案：
[0006]本专利技术提供一种基于无人机图像采集的电厂锅炉内三维重建方法，包括以下步骤：
[0007]步骤1，利用无人机进行图像采集；
[0008]步骤2，对步骤1采集到的每张深度图像生成的点云利用分层去噪法进行去噪处理；
[0009]步骤3，对步骤2去噪处理后的点云采用Isolation forest算法进行再次去噪；
[0010]步骤4，对步骤3去噪后的点云进行特征点提取，构建特征点集；
[0011]步骤5，基于特征点集采用PCA算法对点云进行粗配准；
[0012]步骤6，采用改进的ICP算法对粗配准后的点云进行精确配准；
[0013]步骤7，按照无人机拍摄图像的顺序从第一张开始配准拼接，之后将拼接好的新点云与下一张图像的点云再进行配准拼接，直到完成所有点云的拼接，即完成三维重建。
[0014]进一步，所述步骤1利用无人机进行图像采集的具体过程为：无人机从电厂锅炉入孔进入锅炉内部，飞行到需要进行三维重建的区域，利用无人机超声波测距仪确定无人机与需要进行三维重建的炉壁的距离为0.5
‑
07m，然后进行有序的深度图像拍摄。
[0015]更进一步，所述深度图像拍摄的具体方式为：从确定的拍摄区域的左上角开始，以s型轨迹，自上而下进行深度图像采集，相邻图片之间有10％
‑
20％的重叠部分。
[0016]进一步，所述步骤2中用分层去噪法对点云进行去噪处理具体包括以下步骤：
[0017]步骤2.1，对深度图像生成的点云进行归一化处理，具体为：
[0018]以包含点云的最小立方体的某一顶点为坐标原点o，构建三维坐标系oxyz，使点云所有点的坐标均为正值；
[0019]找到点云在x，y，z轴三个方向的最大值和最小值：x
max
，x
min
，y
max
，y
min
，z
max
，z
min
；
[0020]对点云中所有点的坐标信息做如下处理：对点云中所有点的坐标信息做如下处理：其中x
i
，y
i
，z
i
是点云中某一点的原始坐标，x
new
，y
new
，z
new
是归一化后的新坐标；
[0021]步骤2.2，将步骤2.1归一化处理后的点云沿z轴方向平均分隔成m层
[0022][0023]式中，U
Z
为z轴方向包含所有归一化处理后点的最小长度，
[0024][0025]式中，N表示点云中所有点的数量，S
xoy
，S
yoz
和S
xoz
表示归一化处理后点云分别投影到xoy，yoz和xoz平面上的面积；
[0026]步骤2.3，计算归一化处理后点云的边界阈值β，计算公式如下：
[0027][0028]式中，ω为权重调节系数；
[0029]步骤2.4，删除噪声点，具体为：
[0030]忽略z轴的影响，将每一层所包含点的三维坐标转化为二维坐标，若在二维坐标的阈值范围内只有一个点，则判定该点为噪声点，将其删除；否则判定这些点为非噪声点；对每一层包含的点按上述方法进行判断，删除点云中的所有噪声点；
[0031]步骤2.5，对删除噪声点后剩余的点云进行反归一化还原。
[0032]进一步，所述步骤3中用Isolation forest算法对步骤2去噪处理后的点云进行再次去噪处理的具体步骤如下：
[0033]步骤3.1，构建iTree组成iForest，具体为：
[0034]3.1.1从点云中随机抽取百分之一的点作为样本；
[0035]3.1.2从样本中随机选择x,y,z三个坐标方向中的一个作为属性q，以及在该坐标方向下样本中最大值和最小值之间的任意值p；
[0036]3.1.3将满足条件q＜p的点划分为一部分，q≥p的点为另一部分；
[0037]3.1.4重复3.1.2和3.1.3直到到达以下三个条件之一：树达到了限制的高度；节点上只有一个样本；节点上的样本所有特征都相同；
[0038]3.1.5重复步骤3.1.1
‑
3.1.4，构建100棵iTree组成iForest；
[0039]步骤3.2，将点云中的所有点经过每个构建的iTree，计算对应的异常评分l(x)
[0040][0041]式中，g(n)是点云数为n的点云集的标准化常数，E(k(x))是点云中的点x在所有构建的itree中的平均路径长度；
[0042][0043]H(i)＝ln(i)+0.5772156649
[0044][0045]式中，i为树级，L为根节点到终止节点的最大距离，e
i
为点x从根节点到终止节点所经过的边数；
[0046]步骤3.3，设置超参数λ，λ范围在0
‑
1之间，将异常评分l(x)超过λ则视为异常点，进行删除。
[0047]进一步，所述步骤4中对步骤3去噪后的点云进行特征点提取，构建特征点集的具体过程为：
[0048]步骤4.1由于拍摄深度图片之间只有少部分重叠，为保证配准的效率，需要分割拍摄的深度图像的重叠部分：按照无人机的拍摄顺序依次选择两张相邻的深度图像生成的去噪后的点云标记为点云p和点云q，截取重叠部分后的点云为p'和q'，每张图像重叠部分截取的点的数量为点云总数的25％；
[0049]步骤4.2对点云p'和q'进行特征点提取，具体步骤如下：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于，包括以下步骤：步骤1，利用无人机进行图像采集；步骤2，对步骤1采集到的每张深度图像生成的点云利用分层去噪法进行去噪处理；步骤3，对步骤2去噪处理后的点云采用Isolation forest算法进行再次去噪；步骤4，对步骤3去噪后的点云进行特征点提取，构建特征点集；步骤5，基于特征点集采用PCA算法对点云进行粗配准；步骤6，采用改进的ICP算法对粗配准后的点云进行精确配准；步骤7，按照无人机采集图像的顺序逐一拼接精确配准后的点云完成三维重建。2.根据权利要求1所述的一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于：所述步骤1利用无人机进行图像采集的具体过程为：无人机从电厂锅炉入孔进入锅炉内部，飞行到需要进行三维重建的区域，利用无人机超声波测距仪确定无人机与需要进行三维重建的炉壁的距离为0.5
‑
07m，然后进行有序的深度图像拍摄。3.根据权利要求2所述的一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于：所述深度图像拍摄的具体方式为：从确定的拍摄区域的左上角开始，以s型轨迹，自上而下进行深度图像采集，相邻图片之间有10％
‑
20％的重叠部分。4.根据权利要求1所述的一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于：所述步骤2中用分层去噪法对点云进行去噪处理具体包括以下步骤：步骤2.1，对深度图像生成的点云进行归一化处理，具体为：以包含点云的最小立方体的某一顶点为坐标原点o，构建三维坐标系oxyz，使点云所有点的坐标均为正值；找到点云在x，y，z轴三个方向的最大值和最小值：x
max
，x
min
，y
max
，y
min
，z
max
，z
min
；对点云中所有点的坐标信息做如下处理：对点云中所有点的坐标信息做如下处理：其中x
i
，y
i
，z
i
是点云中某一点的原始坐标，x
new
，y
new
，z
new
是归一化后的新坐标；步骤2.2，将步骤2.1归一化处理后的点云沿z轴方向平均分隔成m层式中，U
Z
为z轴方向包含所有归一化处理后点的最小长度，式中，N表示点云中所有点的数量，S
xoy
，S
yoz
和S
xoz
表示归一化处理后点云分别投影到xoy，yoz和xoz平面上的面积；步骤2.3，计算归一化处理后三维点云的边界阈值β，计算公式如下：式中，ω为权重调节系数；步骤2.4，删除噪声点，具体为：忽略z轴的影响，将每一层所包含点的三维坐标转化为二维坐标，若在二维坐标的阈值
范围内只有一个点，则判定该点为噪声点，将其删除；否则判定这些点为非噪声点；对每一层包含的点按上述方法进行判断，删除点云中的所有噪声点；步骤2.5，对删除噪声点后剩余的点云进行反归一化还原。5.根据权利要求1所述的一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于：所述步骤3中用Isolation forest算法对步骤2去噪处理后的点云进行再次去噪处理的具体步骤如下：步骤3.1，构建iTree组成iForest，具体为：3.1.1从点云中随机抽取百分之一的点作为样本；3.1.2从样本中随机选择x,y,z三个坐标方向中的一个作为属性q，以及在该坐标方向下样本中最大值和最小值之间的任意值p；3.1.3将满足条件q＜p的点划分为一部分，q≥p的点为另一部分；3.1.4重复3.1.2和3.1.3直到到达以下三个条件之一：树达到了限制的高度；节点上只有一个样本；节点上的样本所有特征都相同；3.1.5重复步骤3.1.1
‑
3.1.4，构建100棵iTree组成iForest；步骤3.2，将点云中的所有点经过每个构建的iTree，计算对应的异常评分l(x)式中，g(n)是点云数为n的点云集的标准化常数，E(k(x))是点云中的点x在所有构建的itree中的平均路径长度；H(i)＝ln(i)+0.5772156649式中，i为树级，L为根节点到终止节点的最大距离，e
i
为点x从根节点到终止节点所经过的边数；步骤3.3，设置超参数λ，λ范围在0
‑
1之间，将异常评分l(x)超过λ则视为异常点，进行删除。6.根据权利要求1所述的一种基于无人机图像采集的电厂锅炉内三维重建方法，其特征在于：所述步骤4中对步骤3去噪后的点云进行特征点提取，构建特征点集的具体过程为：步骤4.1分割拍摄的深度图像的重叠部分：按照无人机的拍摄顺序依次选择两张相邻的深度图像生成的去噪后的点云标记为点云p和点云q，截取重叠部分后的点云为p
′
和q
′
，每张图像重叠部分截取的点的数量为点云总数的25％；步骤4.2对点云p
′
和q
′
进行特征点提取，具体步骤如下：4.2.1计算点p
′
i
的曲率，p
′
i
为点云p
′
中的任意一点，式中，为p
′
i
的单位法向量，k为由K
‑
D树算法寻找到点云p
′
中距离点p
′
i
最...

【专利技术属性】
技术研发人员：池小波，刘宇韬，贾新春，王美刚，白文杰，
申请(专利权)人：山西大学，
类型：发明
国别省市：