一种多尺度特征量化的绝缘子自动提取方法及系统技术方案

本发明专利技术涉及电力巡检技术领域，公开了一种多尺度特征量化的绝缘子自动提取方法及系统，其方法包括以下步骤：步骤1：基于基础点云数据，进行特征提取，并提取得到电塔塔头点云；步骤2：基于电塔塔头点云，计算其在不同尺度下的不同几何特征；所述尺度包含每个点的最佳邻域和自定义邻域；所述几何特征包括绝缘子的特征值特征、密度特征和投影特征；量化不同几何特征对于提取绝缘子的贡献程度，并获取各几何特征的权重，对各几何特征进行加权融合，进而得到绝缘子的综合评价得分；步骤3：基于绝缘子的综合评价得分，提取完整的绝缘子串点云。本发明专利技术所提供的方案具备广泛适用性，能够从复杂场景中精确提取不同类型的绝缘子点云，提取精确度较高。度较高。度较高。

【技术实现步骤摘要】
一种多尺度特征量化的绝缘子自动提取方法及系统


[0001]本专利技术涉及电力巡检
，具体涉及一种多尺度特征量化的绝缘子自动提取方法及系统。

技术介绍

[0002]绝缘子作为高压电力走廊中支撑架空线路并保证与杆塔绝缘的重要部件，关系着电力系统的安全稳定运行。在电网的日常运作中，绝缘子若长期暴露在灰尘中，易形成污秽，以致于降低绝缘子的绝缘作用，更严重者会在经受开关或闪电的强烈电涌后产生过热自爆，引起电力系统短路，从而造成大范围的停电事故。因此，针对绝缘子的巡检是日常电力巡检的重要环节之一，需要定期查看绝缘子串是否污秽与完整，以及时维修或更换绝缘子。
[0003]近年来，随着轻小型无人机的快速发展，电力巡检中广泛应用无人机搭载光学相机、热红外相机以及激光雷达(light detection and ranging，LiDAR)系统来进行电网巡检。相比于传统方法，基于无人机的巡检方法具有便捷、经济、快速、安全等优势。但该类方法应用于绝缘子巡检中时，受地区的不可达性、无人机信号的限制、绝缘子的复杂分布特点和巡检点繁多等因素的影响，使得人工操作无人机进行精细化巡检较为困难，一般需要预先规划飞行路径，安排无人机进行自动巡检。无人机搭载的LiDAR系统可以获取电力走廊的高精度地形信息和三维地图，提取绝缘子的三维点云并提取巡检点后，进行安全的路径规划，进而实现自动巡检，大大提高了无人机巡检的效率。
[0004]这其中，绝缘子点云及巡检点的精准提取是实现精细化自动巡检的关键步骤。此前，提取绝缘子点云依靠繁琐的人工。而自动的绝缘子点云提取算法面临以下问题：(1)庞大的数据量和周围环境严重影响提取效率和精度；(2)绝缘子相对较小且分布复杂，与电力线、电塔形成的线性结构相似性和复杂拓扑关系使得难以精确提取绝缘子；(3)电塔尺寸、形状、层数多样，绝缘子长度和类型随电塔尺寸和作用变化，算法的适用性较低。现有基于图像的绝缘子识别方法无法获取绝缘子空间位置，而基于点云的绝缘子提取方法提取精度不高且适用性较低，无法自复杂场景实现精确提取。

技术实现思路

[0005]本专利技术意在提供一种多尺度特征量化的绝缘子自动提取方法及系统，具备广泛适用性，能够从复杂场景中精确提取不同类型的绝缘子点云，提取精确度较高。
[0006]为达到上述目的，本专利技术提供的基础方案为：
[0007]方案一
[0008]一种多尺度特征量化的绝缘子自动提取方法，包括以下步骤：
[0009]步骤1：基于基础点云数据，进行特征提取，并提取得到电塔塔头点云；
[0010]步骤2：基于电塔塔头点云，计算其在不同尺度下的不同几何特征；所述尺度包含每个点的最佳邻域和自定义邻域；所述几何特征包括绝缘子的特征值特征、密度特征和投
影特征；量化不同几何特征对于提取绝缘子的贡献程度，并获取各几何特征的权重，对各几何特征进行加权融合，进而得到绝缘子的综合评价得分；
[0011]步骤3：基于绝缘子的综合评价得分，提取完整的绝缘子串点云。
[0012]进一步，在步骤1中，进行特征提取时，采用竖直切片的方式，从基础点云数据中提取出电塔点云。
[0013]进一步，在提取电塔塔头点云时，将电塔主方向重定向为朝向X轴；再对电塔点云进行水平切片，并提取得到电塔塔头点云。
[0014]进一步，所述特征值特征包括最小特征值、平面度、线性度、表面变化、PCA1、PCA2和垂直度；所述密度特征包括点密度；所述投影特征包括宽度和长宽之和。
[0015]进一步，在步骤2中，在计算几何特征时，先构建点云kd
‑
tree，计算[0.8
‑
2.0m]、间隔为0.1m的尺度范围内的特征熵，获取特征熵最小时对应的邻域半径作为最佳邻域半径；结合最佳邻域半径与多个自定义邻域点云计算几何特征。
[0016]进一步，在步骤2中，根据特征信息熵量化不同几何特征对于提取绝缘子的贡献程度，包括以下子步骤：
[0017]S1：对各几何特征进行归一化处理；构建特征值矩阵；
[0018]S2：进行权重计算；且计算式如下：
[0019][0020]其中，w
i
表示第i个几何特征的权重；表示第i个几何特征的信息熵；表示特征集合；α
i
表示第i点的特征归一化值；m表示特征集合中几何特征的个数；n表示特征值的个数；且信息熵a
i
表示第i点的特征归一化值。
[0021]进；一；步，在进行归一化处理时，先根据绝缘子特征分布，将各几何特征划分为正向特征和负向特征；再将正向特征按照α
j
＝v
max
‑
v
j
/v
max
‑
v
min
进行归一化处理；将负向特征按照α
j
＝v
j
‑
v
min
/v
max
‑
v
min
进行归一化处理；其中，(v
min
，v
max
)分别表示该特征值的最小值和最大值；α
j
表示第j点的特征归一化值。
[0022]进一步，在步骤3中，采用区域侵蚀与生长策略提取完整的绝缘子串点云；所述区域侵蚀与生长策略包括：基于绝缘子的固定几何特征，侵蚀噪声点云；沿绝缘子的主方向生长点云，直至达到完整绝缘子的末端。
[0023]进一步，在侵蚀噪声点云时，以标准化处理后的点密度阈值范围[0.6
‑
1]，以及宽度范围[0.6
‑
1.4m]为基准，侵蚀噪声点。
[0024]方案二
[0025]一种多尺度特征量化的绝缘子自动提取系统，用于执行如方案一所述的一种多尺度特征量化的绝缘子自动提取方法，包括特征提取模块、特征量化模块和绝缘子提取模块；
[0026]所述特征提取模块用于基于基础点云数据，进行特征提取，并提取得到电塔塔头点云；
[0027]所述特征量化模块用于基于电塔塔头点云，计算其在不同尺度下的不同几何特
征；所述尺度包含每个点的最佳邻域和自定义邻域；所述几何特征包括特征值特征、密度特征和投影特征；还用于量化不同几何特征对于提取绝缘子的贡献程度，并获取各几何特征的权重，对各几何特征进行加权融合，进而得到绝缘子的综合评价得分；
[0028]所述绝缘子提取模块用于基于绝缘子的综合评价得分，提取完整的绝缘子串点云。
[0029]本专利技术的工作原理及优点在于：首先自基础点云数据中提取得到电塔塔头点云，再自电塔塔头点云中，通过多尺度下的几何特征分析，以及，对不同几何特征计算综合评价得分，可确认得到绝缘子候选点云，最后，进一步采取区域侵蚀与生长策略分割提取得到完整的绝缘子串点云。
[0030]本专利技术一种多尺度特征量化的绝缘子自动提取方法及系统，能够适用于多种复杂塔形复杂分布的绝缘子提取，具有广泛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多尺度特征量化的绝缘子自动提取方法，其特征在于，包括以下步骤：步骤1：基于基础点云数据，进行特征提取，并提取得到电塔塔头点云；步骤2：基于电塔塔头点云，计算其在不同尺度下的不同几何特征；所述尺度包含每个点的最佳邻域和自定义邻域；所述几何特征包括绝缘子的特征值特征、密度特征和投影特征；量化不同几何特征对于提取绝缘子的贡献程度，并获取各几何特征的权重，对各几何特征进行加权融合，进而得到绝缘子的综合评价得分；步骤3：基于绝缘子的综合评价得分，提取完整的绝缘子串点云。2.根据权利要求1所述的一种多尺度特征量化的绝缘子自动提取方法，其特征在于，在步骤1中，进行特征提取时，采用竖直切片的方式，从基础点云数据中提取出电塔点云。3.根据权利要求2所述的一种多尺度特征量化的绝缘子自动提取方法，其特征在于，在提取电塔塔头点云时，将电塔主方向重定向为朝向X轴；再对电塔点云进行水平切片，并提取得到电塔塔头点云。4.根据权利要求1所述的一种多尺度特征量化的绝缘子自动提取方法，其特征在于，所述特征值特征包括最小特征值、平面度、线性度、表面变化、PCA1、PCA2和垂直度；所述密度特征包括点密度；所述投影特征包括宽度和长宽之和。5.根据权利要求1所述的一种多尺度特征量化的绝缘子自动提取方法，其特征在于，在步骤2中，在计算几何特征时，先构建点云kd
‑
tree，计算[0.8
‑
2.0m]、间隔为0.1m的尺度范围内的特征熵，获取特征熵最小时对应的邻域半径作为最佳邻域半径；结合最佳邻域半径与多个自定义邻域点云计算几何特征。6.根据权利要求1所述的一种多尺度特征量化的绝缘子自动提取方法，其特征在于，在步骤2中，根据特征信息熵量化不同几何特征对于提取绝缘子的贡献程度，包括以下子步骤：S1：对各几何特征进行归一化处理；构建特征值矩阵；S2：进行权重计算；且计算式如下：其中，w
i
表示第i个几何特征的权重；表示第i个几何特征的信息熵；表示特征集合；α
i
表示第i点的特征归一化值；m表示特征集合中几何特征的个数；n表示特征值的个数；且信息熵a
i
表示第i点的特征归一化值。7.根据权利要求6所述的一种多尺度特征量化的绝缘子...

【专利技术属性】
技术研发人员：谭骏祥，唐杰，曾志鹏，李欣然，张涛，赵浩杰，刘健飞，
申请(专利权)人：成都奥伦达科技有限公司，
类型：发明
国别省市：