一种配电站房三维模型重建方法、系统、设备和存储介质技术方案

本发明专利技术提供了一种配电站房三维模型重建方法、系统、设备和存储介质，包括：利用迭代最近点算法，对预先获取的配电站房点云数据进行配准；利用神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据利用BIM生成各配电站房单体三维模型；基于配准后的配电站房点云数据，利用最小二乘拟合算法对各配电站房单体三维模型进行位置拟合，得到配电站房三维重建模型；配电站房点云数据包括配电站房外部结构和内部设备点云数据；本发明专利技术通过迭代最近点算法进行点云数据配准，便于神经网络分类，通过分类可提高BIM生成单体模型的速度和准确率；通过最小二乘拟合算法拟合各单体模型的位置，可提高配电站房三维重建的效率和精度。率和精度。率和精度。

【技术实现步骤摘要】
一种配电站房三维模型重建方法、系统、设备和存储介质


[0001]本专利技术属于配电站房工程建设领域，具体涉及一种配电站房三维模型重建方法、系统、设备和存储介质。

技术介绍

[0002]随着配网工程的规模加大，配电站房结构越来越复杂，配电站房里的电气设备种类也越来越多，使传统的配电站房建模迎来巨大的挑战，由此可能导致配电站房运行和维护的难题。因此越来越多的研究人员开始研究智能化的配电站房三维建模方法，进而为智能电网的实施提供坚实有效的数据基础。
[0003]然而，配电站房不同于常规民用建筑，其电力线路结构复杂、电气设备众多。因此，在建立配电站房三维模型时，如何更加快速、高效、准确的采集原始数据是一个巨大的难题。目前，常用三维激光扫描和摄影测量的传感技术获取现场数据。通过现场数据，工程人员依据其经验可以对施工进度进行预判，但这种预判的效率和准确率不高。虽然，基于建筑信息模型(BIM)可进行施工进度预判，但基于BIM的施工进度监测研究尚处于初级阶段，相关理论还不够成熟，智能化水平不高，三维重建的速度、精度和准确度无法满足配电站房运行维护时的需求。鉴于上述原因，急需提出一种配电站房三维重建方法。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提出一种配电站房三维模型重建方法，包括：
[0005]利用迭代最近点算法，对预先获取的配电站房点云数据进行配准；
[0006]利用预先构建的神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据，利用BIM生成各配电站房单体三维模型；
[0007]基于所述配准后的配电站房点云数据，利用最小二乘拟合算法对所述各配电站房单体三维模型进行位置拟合，得到配电站房三维重建模型；
[0008]其中，所述配电站房点云数据，包括配电站房外部结构点云数据和配电站房内部设备点云数据。
[0009]优选的，所述利用迭代最近点算法，对预先获取的配电站房点云数据进行配准，包括：
[0010]以预先获取的配电站房点云数据为源点云，并为所述配电站房点云数据设定目标点云；
[0011]以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，并利用奇异值分解法对迭代最近点算法的配准进行求解，得到配电站房点云数据的最优解作为配准结果；
[0012]其中，所述目标点云，依据配电站房三维重建模型的精度要求设定。
[0013]优选的，所述以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，并利用奇异值分解法对迭代最近点算法的配准进行求解，得到配电站房点云数据的最
优解，包括：
[0014]将所述目标点云和源点云转换为质心坐标，并在质心坐标下以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，得到点云旋转矩阵；
[0015]通过奇异值分解法，对所述点云旋转矩阵进行求解，得到点云最优旋转矩阵；
[0016]基于所述点云最优旋转矩阵，计算点云最优平移矩阵；
[0017]所述点云最优旋转矩阵和点云最优平移矩阵，为所述配电站房点云数据的最优解。
[0018]优选的，所述点云最优平移矩阵，按下式计算：
[0019][0020]式中，t为点云最优平移矩阵，为源点云的质心，为目标点云的质心，R为点云最优旋转矩阵。
[0021]优选的，所述点云最优旋转矩阵，按下式计算：
[0022][0023]式中，R为点云最优旋转矩阵，为第i个源点云的对应点，为第i个目标点云的对应点，N为源点云总数；
[0024]所述第i个源点云的对应点和第i个目标点云的对应点按下式表示：
[0025][0026][0027]式中，为第i个源点云，为第i个目标点云，为源点云的质心，为目标点云的质心。
[0028]优选的，所述利用预先构建的神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据，利用BIM生成各配电站房单体三维模型，包括：
[0029]利用预先构建的神经网络，对所述配准后的配电站房点云数据进行数据分割，并对分割后的配电站房点云数据通过目标识别进行分类，得到各配电站房点云数据的构件类别；
[0030]基于所述各配电站房点云数据及对应的构件类别，利用BIM生成各配电站房单体三维模型；
[0031]其中，所述神经网络，以所述配电站房点云数据为输入，以配电站房点云数据的构件类别为输出；所述神经网络，基于深度学习构建，并利用已知构件类别的配电站房点云数据进行训练。
[0032]优选的，所述基于所述配准后的配电站房点云数据，利用最小二乘拟合算法对所述各配电站房单体三维模型进行位置拟合，得到配电站房三维重建模型，包括：
[0033]基于所述配准后的配电站房点云数据，利用最小二乘拟合算法拟合所述各配电站房单体三维模型的位置；
[0034]基于所述各配电站房单体三维模型的位置，对所述各配电站房单体三维模型进行
组合，得到配电站房三维重建模型。
[0035]优选的，所述方法还包括：
[0036]通过架设在配电站房内部和外部多个角度的多台激光扫描仪，分别对配电站房的外部和内部进行扫描，得到配电站房原始点云数据；
[0037]采用K均值聚类算法，对所述配电站房原始点云数据进行去噪，得到所述配电站房点云数据。
[0038]基于同一专利技术构思，本专利技术还提供了一种配电站房三维模型重建系统，包括：数据配准模块、单体构建模块和三维重建模块；
[0039]所述数据配准模块，用于利用迭代最近点算法，对预先获取的配电站房点云数据进行配准；
[0040]所述单体构建模块，用于利用预先构建的神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据，利用BIM生成各配电站房单体三维模型；
[0041]所述三维重建模块，用于基于所述配准后的配电站房点云数据，利用最小二乘拟合算法对所述各配电站房单体三维模型进行位置拟合，得到配电站房三维重建模型；
[0042]其中，所述配电站房点云数据，包括配电站房外部结构点云数据和配电站房内部设备点云数据。
[0043]优选的，所述数据配准模块，包括：设定单元和求解单元；
[0044]所述设定单元，用于以预先获取的配电站房点云数据为源点云，并为所述配电站房点云数据设定目标点云；
[0045]所述求解单元，用于以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，并利用奇异值分解法对迭代最近点算法的配准进行求解，得到配电站房点云数据的最优解作为配准结果；
[0046]其中，所述目标点云，依据配电站房三维重建模型的精度要求设定。
[0047]优选的，所述求解单元，具体用于：
[0048]将所述目标点云和源点云转换为质心坐标，并在质心坐标下以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，得到点云旋转矩阵；
[0049]通过奇异值分解法，对所述点云旋本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电站房三维模型重建方法，其特征在于，包括：利用迭代最近点算法，对预先获取的配电站房点云数据进行配准；利用预先构建的神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据，利用BIM生成各配电站房单体三维模型；基于所述配准后的配电站房点云数据，利用最小二乘拟合算法对所述各配电站房单体三维模型进行位置拟合，得到配电站房三维重建模型；其中，所述配电站房点云数据，包括配电站房外部结构点云数据和配电站房内部设备点云数据。2.如权利要求1所述的方法，其特征在于，所述利用迭代最近点算法，对预先获取的配电站房点云数据进行配准，包括：以预先获取的配电站房点云数据为源点云，并为所述配电站房点云数据设定目标点云；以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，并利用奇异值分解法对迭代最近点算法的配准进行求解，得到配电站房点云数据的最优解作为配准结果；其中，所述目标点云，依据配电站房三维重建模型的精度要求设定。3.如权利要求2所述的方法，其特征在于，所述以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，并利用奇异值分解法对迭代最近点算法的配准进行求解，得到配电站房点云数据的最优解，包括：将所述目标点云和源点云转换为质心坐标，并在质心坐标下以所述目标点云为目标，通过迭代最近点算法对所述源点云进行配准，得到点云旋转矩阵；通过奇异值分解法，对所述点云旋转矩阵进行求解，得到点云最优旋转矩阵；基于所述点云最优旋转矩阵，计算点云最优平移矩阵；所述点云最优旋转矩阵和点云最优平移矩阵，为所述配电站房点云数据的最优解。4.如权利要求3所述的方法，其特征在于，所述点云最优平移矩阵，按下式计算：式中，t为点云最优平移矩阵，为源点云的质心，为目标点云的质心，R为点云最优旋转矩阵。5.如权利要求3所述的方法，其特征在于，所述点云最优旋转矩阵，按下式计算：式中，R为点云最优旋转矩阵，为第i个源点云的对应点，为第i个目标点云的对应点，N为源点云总数；所述第i个源点云的对应点和第i个目标点云的对应点按下式表示：按下式表示：
式中，为第i个源点云，为第i个目标点云，为源点云的质心，为目标点云的质心。6.如权利要求1所述的方法，其特征在于，所述利用预先构建的神经网络对配准后的配电站房点云数据进行分类，并基于分类的配电站房点云数据，利用BIM生成各配电站房单体三维模型，包括：利用预先构建的神经网络，对所述配准后的配电站房点云数据进行数据分割，并对分割后的配电站房点云数据通过目标识别进行分类，得到各配电站房点云数据的构件类别；基于所述各配电站房点云数据及对应的构件类别，利用BIM生成各配电站房单体三维模型；其中，所述神经网络，以所述配电站房点云数据为输入，以配电站房点云数据的构件类别为输出；所述神经网络，基于深度学习构建，并利用已知构件类别的配电站房点云数据进行训练。7.如权利要求1所述的方法，其特征在于，所述基于所述配准后的配电站房点云数据，利用最小二乘拟合算法对所述各配电站...

【专利技术属性】
技术研发人员：李佳，王金丽，段祥骏，冯德志，李运硕，许媛媛，张琳，符金伟，王庆杰，段青，沙广林，杨乐，曾军，李春晓，肖征，邢田伟，李腾，
申请(专利权)人：国家电网有限公司国网河北省电力有限公司，
类型：发明
国别省市：