一种基于SHOT特征和ESF特征结合的变电站设备识别方法及装置制造方法及图纸

本发明专利技术的主要目的在于提供一种基于SHOT特征和ESF特征结合的变电站设备识别方法及装置。由于全局特征的物体识别方法从整体上对物体进行识别，对于三维模型的细节描述不够且对于噪声遮挡的比较敏感，而局部特征描述的物体识别方法对于对称程度高或细节缺少的物体识别效率不高，因此通过全局特征和局部特征对于物体识别的优缺点结合来实现对三维点云的识别，能够有效提高物体识别的精度。本发明专利技术提出的对于三维点云识别的方法不需要对场景进行分割，有效利用全局特征和局部特征的优点来提高识别的精度，有效提高变电站设备点云的识别精度。精度。精度。

【技术实现步骤摘要】
一种基于SHOT特征和ESF特征结合的变电站设备识别方法及装置


[0001]本专利技术属于三维物体识别领域，具体设计了一种基于SHOT特征和ESF特征结合的变电站设备识别方法及装置。

技术介绍

[0002]三维点云的物体识别工作需要从大量无序的三维点中找到属于要识别的物体点云集合。而三维点之间没有物理上的联系，要做到物体的识别，这需要借助特征的学习来完成识别的工作。
[0003]但三维模型的特质使得构建一个逼真的三维模型是一项非常专业且复杂的工作，因此实现资源重用的三维模型检索技术成为了计算机视觉、计算机图形学领域的研究热点。
[0004]但是全局特征的识别需要对整个场景进行分割，但当面对复杂场景时，分割会难以进行，得不到想要识别的场景模型，从而难以进行物体识别。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中的不足，提供一种基于SHOT特征和ESF特征结合的变电站设备识别方法及装置，通过全局特征和局部特征对于物体识别的优缺点结合来实现对三维点云的识别，能够有效提高物体识别的精度。本专利技术提出的对于三维点云识别的方法不需要对场景进行分割，有效利用全局特征和局部特征的优点来提高识别的精度，有效提高变电站设备点云的识别精度。
[0006]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0007]第一方面，本专利技术提供了一种基于SHOT特征和ESF特征结合的变电站设备识别方法，包括以下步骤：
[0008]步骤a，获取变电站场景原始点云集合，进行去噪配准操作，得到变电站场景点云；
[0009]步骤b，根据变电站场景点云和模型库待识别的设备点云，进行点云法线和关键点的计算，得到场景点云和模型点云的关键点。
[0010]步骤c,根据得到的场景点云和模型点云的关键点，计算关键点处的SHOT特征，得到场景和模型的关键点的SHOT特征集合。
[0011]步骤d，根据得到的场景和模型的关键点处的SHOT特征，进行特征点的匹配，得到场景和模型匹配的关键点对。
[0012]步骤e，根据得到的匹配的关键点对，进行Hough投票，得到模型在场景匹配到的实例点云集。
[0013]步骤f，根据Hough投票结果进行是否下一步骤，如果没有匹配的实例存在，计算模型在场景的大致位置，得到模型在场景中的待判断点云集合。
[0014]步骤g，根据场景中的待判定点云集合和模型点云集合，进行ESF特征计算和比较
相似度，得到模型在场景中匹配到的点云集，即变电站设备识别种类。
[0015]进一步的，步骤a中，获取变电站场景点云，包括：
[0016]架设地面的三维激光扫描仪，对变电站进行扫描，分为多个站点，每个站点在变电站场景中架设标点，使用三维激光扫描仪自动扫描场景，通看仪器查看预扫描生成的点云场景，将整个变电站场景进行扫描；
[0017]将扫描数据导出配备专门软件进行处理，进行配准，去噪声，滤波处理，并对最终获取的点云数据输出成pcd格式，获得变电站场景点云。
[0018]进一步的，步骤b，进行点云法线和关键点的计算，得到场景点云和模型点云的关键点，包括：
[0019]计算场景点云和模型点云点的法线，通过体素化网格实现下采样，从而计算出场景点云和模型点云的关键点。
[0020]进一步的，步骤c,计算该关键点处的SHOT特征，得到场景和模型的关键点的SHOT特征集合，包括：
[0021]计算场景和模型点云关键点处的局部坐标系，通过奇异值分解得到xyz轴向量，确定xyz方向；
[0022]结合场景和模型关键点处的局部坐标系，计算场景和模型关键点处方位角、仰角、径向值，并每个分区分成11个间隔，最后归一化，得到场景和模型点云关键点处的352维SHOT特征。
[0023]进一步的，步骤d，进行特征点的匹配，得到场景和模型匹配的关键点对，包括：
[0024]使用对应分组方法寻找场景和设备关键点的匹配分组关系，通过KdTree搜索每个设备关键点在场景关键点中进行匹配，如果SHOT特征向量的欧式距离小于阈值，则认为两个是关键点是匹配的，以此来找到所有设备和场景的匹配的关键点对。其中遍历模型点云的所有关键点，对每个关键点通过KdTree搜索场景点云的关键点，进行SHOT特征的比较，通过欧式距离确定两个关键点的差值，看是否小于阈值，小于的话认为是一对的匹配点。
[0025]进一步的，步骤e，进行Hough投票，得到模型在场景匹配到的实例点云集，包括：
[0026]Hough投票借助三维特征描述子，计算一系列的模型点和场景点的匹配对同时每一个模型特征点和模型形心都有一个相对位置关系，因此与此模型特征点相匹配的场景特征点能够对应出一个形心的位置，由此形心位置信息在霍夫空间内对相关参数进行投票。得到模型在场景存在的实例，最终得到模型在场景匹配到的实例点云集。
[0027]进一步的，步骤f，根据Hough投票结果进行是否下一步骤，如果没有匹配的实例存在，计算模型在场景的大致位置，得到模型在场景中的待判断点云集合，包括：
[0028]假如SHOT特征不能识别在场景中识别到模型，则通过模型和场景点云关键点之间匹配关系，计算出场景中可能的模型点云集，即模型在场景中的待判断点云集合。
[0029]进一步的，步骤g，进行ESF特征计算和比较相似度，得到模型在场景中匹配到的点云集，包括：
[0030]确定设备在场景中可能存在的位置，计算其中点云物体的ESF特征描述子。对于场景中可能模型点云集和设备模型点云集，每次迭代，随机选择三个点，计算点距离，点距比，点面积和点角度4个函数，最终迭代大约2000次，得到ESF特征。ESF特征做对比，最终确定设备是否存在。
[0031]第二方面，本专利技术提供了一种基于SHOT特征和ESF特征结合的变电站设备识别装置，包括：
[0032]点云获取模块：用于获取变电站场景原始点云集合，进行去噪配准操作，得到变电站场景点云；
[0033]关键点模块：用于根据变电站场景点云和模型库待识别的设备点云，进行点云法线和关键点的计算，得到场景点云和模型点云的关键点；
[0034]特征计算模块：用于根据得到的场景点云和模型点云的关键点，计算关键点处的SHOT特征，得到场景和模型的关键点的SHOT特征集合；
[0035]匹配模块：用于根据得到的场景和模型的关键点处的SHOT特征，进行特征点的匹配，得到场景和模型匹配的关键点对；
[0036]Hough投票模块：用于根据得到的匹配的关键点对，进行Hough投票，得到模型在场景匹配到的实例点云集；
[0037]判断模块：用于根据Hough投票结果进行是否下一步骤，如果没有匹配的实例存在，计算模型在场景的大致位置，得到模型在场景中的待判断点云集合；
[0038]识别模块：用于根据场景中的待判定点云集合和模型点云集合，进行ESF特征计算和比较相似度，得到模型在场景中匹配到的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SHOT特征和ESF特征结合的变电站设备识别方法，其特征在于，包括以下步骤：步骤a，获取变电站场景原始点云集合，进行去噪配准操作，得到变电站场景点云；步骤b，根据变电站场景点云和模型库待识别的设备点云，进行点云法线和关键点的计算，得到场景点云和模型点云的关键点；步骤c, 根据得到的场景点云和模型点云的关键点，计算关键点处的SHOT特征，得到场景和模型的关键点的SHOT特征集合；步骤d，根据得到的场景和模型的关键点处的SHOT特征，进行特征点的匹配，得到场景和模型匹配的关键点对；步骤e，根据得到的匹配的关键点对，进行Hough投票，得到模型在场景匹配到的实例点云集；步骤f，根据Hough投票结果进行是否下一步骤，如果没有匹配的实例存在，计算模型在场景的大致位置，得到模型在场景中的待判断点云集合；步骤g，根据场景中的待判定点云集合和模型点云集合，进行ESF特征计算和比较相似度，得到模型在场景中匹配到的点云集，即变电站设备识别种类。2.根据权利要求1所述的基于SHOT特征和ESF特征结合的变电站设备识别方法，其特征在于，步骤a中，获取变电站场景点云，包括：架设地面的三维激光扫描仪，对变电站进行扫描，分为多个站点，每个站点在变电站场景中架设标点，使用三维激光扫描仪自动扫描场景，通看仪器查看预扫描生成的点云场景，将整个变电站场景进行扫描；将扫描数据导出配备专门软件进行处理，进行配准，去噪声，滤波处理，并对最终获取的点云数据输出成pcd格式，获得变电站场景点云。3.根据权利要求1所述的基于SHOT特征和ESF特征结合的变电站设备识别方法，其特征在于，步骤b，进行点云法线和关键点的计算，得到场景点云和模型点云的关键点，包括：计算场景点云和模型点云点的法线，通过体素化网格实现下采样，从而计算出场景点云和模型点云的关键点。4. 根据权利要求1所述的基于SHOT特征和ESF特征结合的变电站设备识别方法，其特征在于，步骤c, 计算该关键点处的SHOT特征，得到场景和模型的关键点的SHOT特征集合，包括：计算场景和模型点云关键点处的局部坐标系，通过奇异值分解得到xyz轴向量，确定xyz方向；结合场景和模型关键点处的局部坐标系，计算场景和模型关键点处方位角、仰角、径向值，并每个分区分成11个间隔，最后归一化，得到场景和模型点云关键点处的352维SHOT特征。5.根据权利要求1所述的基于SHOT特征和ESF特征结合的变电站设备识别方法，其特征在于，步骤d，进行特征点的匹配，得到场景和模型匹配的关键点对，包括：使用对应分组方法寻找场景和设备关键点的匹配分组关系，通过KdTree搜索每个设备关键点在场景关键点中进行匹配，如果SHOT特征向量的欧式距离小于阈值，则认为两个是关键点是匹配的，以此来找到所有设备和场景的匹配的关键点对；其中遍历模型点云的所
有关键点，对每个关键点通过KdTree搜索场景点云的关键点，进行SHOT特征的比较，通过欧...

【专利技术属性】
技术研发人员：丁俊峰，陈昊，王昊，陈轩，郭胜超，周健，吴德勇，戴挈军，王磊，鞠保兴，陶双柱，张龙，高锋，俞海燕，郎伊紫禾，赵翔飞，韩学春，甘强，许卫刚，何露芽，
申请(专利权)人：国网江苏省电力有限公司超高压分公司南京邮电大学，
类型：发明
国别省市：