一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置制造方法及图纸

本发明专利技术公开了一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置，利用无人机激光雷达对输电线路场景进行扫描得到线路和杆塔激光点云；首先在飞行过程中提取每一帧数据的电力线通道和杆塔，利用当前通道的电力线直线方程对提取的杆塔点云进行不同范围的过滤，得到杆塔种子点和备选点；然后，将过滤得到杆塔种子点和备选点云分别进行逐帧累积、采样并聚类，判断聚类种子点是否达到种子点数量阈值，进而确定杆塔是否存在；最后，利用种子点和备选点的重叠关系恢复杆塔点云形状，从而识别到杆塔，最后计算得到杆塔的坐标及杆塔的中心高度。度。度。

【技术实现步骤摘要】
一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置


[0001]本专利技术涉及无人机激光雷达仿线飞行领域，尤其涉及一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置。

技术介绍

[0002]利用无人机激光雷达系统仿线飞行自动巡检过程，无人机的飞行位置和姿态可能在某些时间段导致激光器对杆塔扫描不全的情况，偶然的飞行晃动可能导致部分杆塔数据丢失，或者无人机在逐渐靠近杆塔的过程中，杆塔数据逐渐完整，而不是立刻能对杆塔进行全貌观测。
[0003]目前主要仿线飞行主要技术缺陷在于：1、激光器扫描的范围较广，下方可能存在多个线路，那么可能同时观测到多个杆塔存在，此时便需要区分当前观测到的杆塔属于多条线路中的哪一条线路；2、观测到类似杆塔的柱状地物，如何有效地将无关的杆塔或者地物区分也是需要解决的问题。因此需要一种方法保持对多帧观测数据进行综合处理，快速并持续稳定识别杆塔，越早识别到前方杆塔的存在，越有利于无人机仿线系统做出相应的决策。否则，由于单帧数据的完整性不足或者其他干扰线路存在导致杆塔识别失误，出现时有时无的情况，不利于做出飞行决策。3、无人机仿线飞行时，激光雷达会扫描到已经飞过的杆塔，并且所述已经飞过的杆塔已经记录在历史杆塔信息中，需要对已经飞过的杆塔进行过滤。

技术实现思路

[0004]本专利技术的目的在于提供一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置，解决了现有技术中指出的上述技术问题。
[0005]本专利技术提出了一种鲁棒的无人机激光雷达仿线杆塔识别装置，包括仿线飞行无人机；
[0006]其中，所述仿线飞行无人机包括激光雷达模块、中央处理器、GPS定位模块；
[0007]所述中央处理器分别与所述激光雷达模块、所述GPS定位模块连接；
[0008]其中，所述激光雷达模块，用于实时获取当前帧所有电力线通道数据和当前帧杆塔点云；
[0009]其中，所述当前帧电力线通道数据包括当前帧所有电力线通道的线路直线方程；所述杆塔点云包括杆塔点云的坐标、杆塔点云的高度；
[0010]所述GPS定位模块，用于获取所述仿线飞行无人机的坐标位置；
[0011]所述中央处理器，用于根据所述激光雷达模块实时获取的当前帧所有电力线通道数据和当前帧杆塔点云，并从当前帧所有杆塔点云中获取当前帧杆塔点云；筛选确定当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道；
[0012]所述中央处理器，还用于从当前帧杆塔点云中筛选出多个种子点和备选点；
[0013]所述中央处理器，还用于连续多帧获取多个备选点与多个种子点，并将所述多个
备选点与多个种子点进行累积并合并得到多个合并后的多个备选点与多个种子点；将所述合并后的多个备选点与多个种子点通过体素网格过滤得到采样后的种子点和备选点；利用DBSCAN密度聚类方法对采样后的备选点和种子点进行聚类处理，并预设种子点云簇中点云个数最小阈值N
s
，获取多个备选点云簇和种子点云簇；
[0014]所述中央处理器，还用于根据重叠率最小阈值k，将种子点云簇与备选点云簇聚类结果合并得到种子点云簇包围盒与备选点云簇包围盒；
[0015]分别计算种子点云簇和备选点云簇的包围盒体积，并判断种子点云簇包围盒与备选点云簇包围盒是否有重叠，若有重叠，则计算种子点云簇包围盒与备选点云簇包围盒的重叠率；
[0016]确定种子点云簇包围盒与备选点云簇包围盒的重叠率大于所述重叠率最小阈值k，则确定所述备选点云簇包围盒对应的备选点云簇为有效杆塔点云簇；
[0017]计算每个所述有效杆塔点云簇与种子点云簇重合平面面积，并确定上述重合平面面积最大的杆塔点云簇为目标杆塔点云簇；
[0018]所述中央处理器，还用于遍历目标杆塔点云簇中所有杆塔点云，根据所述杆塔点云的坐标，计算杆塔包围盒体积及杆塔坐标，并提取目标杆塔点云簇最高点为杆塔中心最高程。
[0019]相应地，本专利技术还提出了一种鲁棒的无人机激光雷达仿线杆塔识别方法，包括如下操作步骤：
[0020]实时获取当前帧所有电力线通道数据和当前帧所有杆塔点云，并从当前帧所有杆塔点云中获取当前帧杆塔点云；
[0021]筛选确定当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道；
[0022]从当前帧杆塔点云中筛选出多个种子点和备选点；
[0023]连续多帧获取多个备选点与多个种子点，并将所述多个备选点与多个种子点进行累积并合并得到多个合并后的多个备选点与多个种子点；将所述合并后的多个备选点与多个种子点通过体素网格过滤得到采样后的种子点和备选点；利用DBSCAN密度聚类方法对采样后的备选点和种子点进行聚类处理，并预设种子点云簇中点云个数最小阈值N
s
，获取多个备选点云簇和种子点云簇；
[0024]预设重叠率最小阈值k，将种子点云簇与备选点云簇聚类结果合并得到种子点云簇包围盒与备选点云簇包围盒；
[0025]分别计算种子点云簇和备选点云簇的包围盒体积，并判断种子点云簇包围盒与备选点云簇包围盒是否有重叠，若有重叠，则计算种子点云簇包围盒与备选点云簇包围盒的重叠率；
[0026]确定种子点云簇包围盒与备选点云簇包围盒的重叠率大于所述重叠率最小阈值k，则确定所述备选点云簇包围盒对应的备选点云簇为有效杆塔点云簇；
[0027]计算每个所述有效杆塔点云簇与种子点云簇重合平面面积，并确定上述重合平面面积最大的杆塔点云簇为目标杆塔点云簇；
[0028]遍历目标杆塔点云簇中所有点云，计算杆塔包围盒体积及杆塔坐标，并提取目标杆塔点云簇最高点为杆塔中心最高程。
[0029]与现有技术相比，本专利技术实施例至少存在如下方面的技术优势：
[0030]分析本专利技术提供的上述一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置可知，在具体应用时首先在飞行过程中提取每一帧数据的电力线通道和杆塔，根据所述激光雷达模块实时获取的当前帧所有电力线通道数据和当前帧杆塔点云，并从当前帧所有杆塔点云中获取当前帧杆塔点云；筛选确定当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道，通过上述改进的操作方式可以筛除其他电力线通道对杆塔识别的影响，进而可以明确当前帧杆塔点云所处在的电力线通道；在当前帧杆塔点云所处在的电力线通道确定基础上，再从当前帧杆塔点云中筛选出多个种子点和备选点；筛除其他物体点云(树木点云、类似于杆塔的柱状地物点云)，并筛除已识别到的杆塔的杆塔点云，保障对当前杆塔的识别准确；
[0031]随后连续多帧获取多个备选点与多个种子点，并将所述多个备选点与多个种子点进行累积并合并得到多个合并后的多个备选点与多个种子点；将所述合并后的多个备选点与多个种子点通过体素网格过滤得到采样后的种子点和备选点；在现有技术中，激光雷达会对同一个位置进行多次扫描，获取多个重复的杆塔点云，造成点云聚集，本专利技术实施例提供的技术方案对获取到的多个备选点与种子点进行采样后，得到少量但不充分的杆塔点云，提高杆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鲁棒的无人机激光雷达仿线杆塔识别方法，其特征在于，包括如下操作步骤：实时获取当前帧所有电力线通道数据和当前帧所有杆塔点云，并从当前帧所有杆塔点云中获取当前帧杆塔点云；筛选确定当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道；从当前帧杆塔点云中筛选出多个种子点和备选点；连续多帧获取多个备选点与多个种子点，并将所述多个备选点与多个种子点进行累积并合并得到多个合并后的多个备选点与多个种子点；将所述合并后的多个备选点与多个种子点通过体素网格过滤得到采样后的种子点和备选点；利用DBSCAN密度聚类方法对采样后的备选点和种子点进行聚类处理，并预设种子点云簇中点云个数最小阈值N
s
，获取多个备选点云簇和种子点云簇；预设重叠率最小阈值k，将种子点云簇与备选点云簇聚类结果合并得到种子点云簇包围盒与备选点云簇包围盒；分别计算种子点云簇和备选点云簇的包围盒体积，并判断种子点云簇包围盒与备选点云簇包围盒是否有重叠，若有重叠，则计算种子点云簇包围盒与备选点云簇包围盒的重叠率；确定种子点云簇包围盒与备选点云簇包围盒的重叠率大于所述重叠率最小阈值k，则确定所述备选点云簇包围盒对应的备选点云簇为有效杆塔点云簇；计算每个所述有效杆塔点云簇与种子点云簇重合平面面积，并确定上述重合平面面积最大的杆塔点云簇为目标杆塔点云簇；遍历目标杆塔点云簇中所有点云，计算杆塔包围盒体积及杆塔坐标，并提取目标杆塔点云簇最高点为杆塔中心最高程。2.根据权利要求1所述的一种鲁棒的无人机激光雷达仿线杆塔识别方法，其特征在于，所述筛选确定当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道，具体包括如下步骤：获取当前帧所有电力线通道数据中的线路直线方程；将所述线路直线方程的高度保存至容器内并排序，得到电力线路高度序列表；通过所述电力线路高度序列表得到电力线通道线路的最小高度H
min
和最大高度H
max
；预设最小垂直间距阈值δ
min
与最大垂直间距阈值δ
max
，根据上述电力线路高度序列表，计算线路垂直间距平均值；根据所述线路垂直间距平均值、所述最小垂直间距阈值δ
min
与最大垂直间距阈值δ
max
计算确定每条电力线通道之间的2D距离阈值D
2d
及每条电力线通道之间的3D距离阈值D
3d
；当前帧所有杆塔点云中获取当前帧杆塔点云，计算所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离及3D距离，筛选所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离小于每条电力线通道之间的2D距离阈值D
2d
并且所述当前帧杆塔点云分别至当前帧所有电力线通道的3D距离小于每条电力线通道之间的3D距离阈值D
3d
的当前帧杆塔点云为筛选后的当前帧杆塔点云；确定所述筛选后的当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道。3.根据权利要求2所述的一种鲁棒的无人机激光雷达仿线杆塔识别方法，其特征在于，
所述从当前帧杆塔点云中筛选出多个种子点和备选点，具体包括如下步骤：判断在获取当前帧杆塔点云之前是否已识别到杆塔，根据预设的高度阈值Δ
h
、电力线通道线路的最小高度H
min
和最大高度H
max
、当前仿线飞行无人机的坐标点至当前杆塔点云的方向与当前仿线飞行无人机的飞行方向的夹角、杆塔点云至电力线路的2D距离及3D距离、线路之间的2D距离阈值及3D距离阈值、种子点距离阈值D
s
筛选出多个种子点和备选点。4.根据权利要求3所述的一种鲁棒的无人机激光雷达仿线杆塔识别方法，其特征在于，所述预设最小垂直间距阈值δ
min
与最大垂直间距阈值δ
max
，根据上述电力线路高度序列表，计算线路垂直间距平均值；根据所述线路垂直间距平均值、所述最小垂直间距阈值δ
min
与最大垂直间距阈值δ
max
计算确定每条电力线通道之间的2D距离阈值D
2d
及每条电力线通道之间的3D距离阈值D
3d
；计算所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离及3D距离，筛选所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离小于每条电力线通道之间的2D距离阈值D
2d
并且所述当前帧杆塔点云分别至当前帧所有电力线通道的3D距离小于每条电力线通道之间的3D距离阈值D
3d
的当前帧杆塔点云为筛选后的当前帧杆塔点云；确定所述筛选后的当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道，包括如下操作步骤：预设最小垂直间距阈值δ
min
；遍历上述电力线路高度序列表中所有线路直线方程的高度，计算容器中相邻两个线路直线方程的高度的绝对高差，若所述绝对高差大于所述最小垂直间距阈值δ
min
，则确定所述绝对高差为有效高差；将多个所述有效高差计算平均值得到线路垂直间距平均值；预设最大垂直间距阈值δ
max
；判断线路垂直间距平均值与最大垂直间距阈值δ
max
的关系，若所述线路垂直间距平均值大于所述最大垂直间距阈值δ
max
，则确定所述每条电力线通道之间的2D距离阈值、每条电力线通道之间的3D距离阈值均为δ
max
；若当前所述线路垂直间距平均值小于所述最大垂直间距阈值δ
max
，则所述每条电力线通道之间的2D距离阈值、每条电力线通道之间的3D距离阈值均为δ
min
；计算所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离及3D距离，筛选所述当前帧杆塔点云分别至当前帧所有电力线通道的2D距离小于每条电力线通道之间的2D距离阈值D
2d
并且所述当前帧杆塔点云分别至当前帧所有电力线通道的3D距离小于每条电力线通道之间的3D距离阈值D
3d
的当前帧杆塔点云为筛选后的当前帧杆塔点云；确定所述筛选后的当前帧杆塔点云所在的一条电力线通道为当前帧杆塔点云所处在的电力线通道。5.根据权利要求4所述的一种鲁棒的无人机激光雷达仿线杆塔识别方法，其特征在于，所述判断在获取当前帧杆塔点云之前是否已识别到杆塔，根据预设的高度阈值Δ
h
、电力线通道线路的最小高度H
min
和最大高度H
max
、当前仿线飞行无人机的坐标点至当前杆塔点云的方向与当前仿线飞行无人机的飞行方向的夹角、杆塔点云至电力线路的2D距离及3D距离、线路之间的2D距离阈值及3D距离阈值、种子点距离阈值D
s
筛选出多个种子点和备选点，包括如下操作步骤：随机选择对所述当前帧电力线通道上的杆塔点云中的任意一个点作为一级目标点云；判断获取当前帧电力线通道上的杆塔点云之前是否有识别到的杆塔，若获取当前帧电力线通道上的杆塔点云之前有识别到的杆塔，则获取上一个杆塔的包围盒信息，判断一级目标点云是否在所述包围盒中，若一级目标点云...

【专利技术属性】
技术研发人员：张勇，吴芳芳，郭彦明，孙喜亮，张衡，陈琳海，高上，徐光彩，
申请(专利权)人：深圳绿土智新科技有限公司，
类型：发明
国别省市：