一种基于密集点云的电塔自动定位方法及系统技术方案

本发明专利技术公开了一种基于密集点云的电塔自动定位方法及系统，首先对电力场景进行扫描，获得电力场景的密集点云，然后进行地面点滤除；进行体素化后提取体素特征；根据满足阈值范围的体素特征获得粗定位的电塔点云；基于高度对电塔点云进行分层，并获得各层电塔点云的最小外接矩形；设置最小外接矩形长度和宽度变化一致的各层为参考层，对参考层中各层的最小外接矩形的各对应角点进行拟合，拟合得到电塔边界线；根据拟合得到的电塔边界线，移除靠近电塔底部边界的植被点云，实现电塔的定位

【技术实现步骤摘要】
一种基于密集点云的电塔自动定位方法及系统


[0001]本专利技术涉及电塔定位，具体是涉及一种基于密集点云的电塔自动定位方法及系统
。

技术介绍

[0002]近年来，电网建设迅速发展，基本形成了完整的长距离输电电网网架
。
为防止和杜绝电网安全事故的发生，电网运行维护部门每年都需要投入大量人力
、
物力对输电线路进行巡检
。
[0003]电力巡检方式从人工巡检发展到后来的直升机巡检技术，但这些方法都存在明显的局限性：
1)
巡线劳动力度大，耗费大量人力资源；
2)
在一些地势陡峭且植被茂盛的山区内，人难以进入电力设施所在处，甚至有一定危险；
3)
量测精度低；
4)
数据处理困难
。
[0004]近年来，目前国内外对电力走廊机载激光点云
(LiDAR)
数据中电力设施的提取大多集中在电力线分割与拟合技术，其中游安清等利用栅格化的激光点云的密度信息提取电塔，直接通过统计单元格内点云数量，提取全局高密度点并排序，所得位置即为杆塔点
。
然而，此种方法对应用场景有着极为严格的限制，扫描区域中，杆塔密度必须足够显著，意味着场景中不可出现其他高密度区域，如高大树木
、
垂直建筑物以及其他垂直分布的物体在扫描区域中，并且电塔底部容易存在茂盛的植被，无法获得显著的电塔形状
。

技术实现思路

[0005]专利技术目的：针对以上缺点，本专利技术提供一种检测精度高的基于密集点云的电塔自动定位方法及系统
。
[0006]技术方案：为解决上述问题，本专利技术采用一种基于密集点云的电塔自动定位方法，包括以下步骤：
[0007](1)
对电力场景进行扫描，获得电力场景的密集点云；
[0008](2)
对获取的密集点云进行地面点滤除，得到非地面点；
[0009](3)
对非地面点进行体素化，并提取体素特征；
[0010](4)
通过设定阈值对提取的体素特征进行判断，根据满足阈值范围的体素特征获得粗定位的电塔点云；
[0011](5)
基于高度对电塔点云进行分层，并获得各层电塔点云的最小外接矩形；
[0012](6)
根据各层的最小外接矩形的长度和宽度变化情况设定参考层，所述参考层中的各层的最小外接矩形在按高度排列时，各层的最小外接矩形的长度变化和宽度变化一致；
[0013](7)
对参考层中各层的最小外接矩形的各对应角点进行最小二乘法的直线拟合，拟合得到低于参考层高度的电塔边界线；并计算高于参考层高度的各层电塔点云的最小外接矩形的角点，得到电塔完整边界线；
[0014](8)
根据拟合得到的电塔边界线，移除靠近电塔底部边界的植被点云，实现电塔的
定位
。
[0015]进一步的，所述步骤
(2)
中采用布料模拟滤波方法对获取的密集点云
F(x
i
,y
i
,z
i
)
i
＝
1,2,
…
,n
进行地面点滤除，获得非地面点
F'(x
j
,y
j
,z
j
)
j
＝
1,2,
…
,m
，其中，
x
i
、y
i
、z
i
为电力场景内第
i
个采集点的三维坐标，
n
为密集点云中采集点的数量，
x
j
、y
j
、z
j
为非地面点中第
j
个点的三维坐标，
m
为非地面点的数量
。
[0016]进一步的，所述步骤
(2)
中对非地面点进行体素化，并计算各个方向上体素数量：
[0017][0018][0019][0020]其中，
n
x
、n
y
、n
z
为
X、Y、Z
三个方向上的体素数量，
l
x
、l
y
、l
z
为预先设置的
X、Y、Z
三个方向的体素尺度，
(X
min
,Y
min
,Z
min
)
为非地面点中坐标值最小处，
(X
max
,Y
max
,Z
max
)
为非地面点中坐标值最大处，
ceil
为向上取整；
[0021]计算体素位置：
[0022][0023][0024][0025]其中，
(i
x
,i
y
,i
z
)
为体素位置，
i
x
为行号，
i
y
为列号，
i
z
为层号，
(X,Y,Z)
代表当前点在非地面点中的坐标值，
(X
min
,Y
min
,Z
min
)
为非地面点中坐标值最小处，
(X
max
,Y
max
,Z
max
)
为非地面点中坐标值最大处，
ceil
为向上取整
。
[0026]进一步的，所述体素特征包括最大高度
h
max
、
最大高度差
Δ
h
max
、
沿
Z
轴方向分布的连续空体素数量
n
ev
。
[0027]进一步的，设定的阈值包括最大高度阈值
、
最大高度差阈值和沿
Z
轴方向分布的连续空体素数量阈值；其中，小于最大高度阈值的非地面点判定为矮植被，大于最大高度差阈值的非地面点判定为电力线
、
电塔或孤立的高地物，小于沿
Z
轴方向分布的连续空体素数量阈值的非地面点判定为电塔或孤立的高地物，位于电力线走廊方向内的非地面点判定为电塔点云
。
[0028]进一步的，所述步骤
(5)
具体包括：
[0029](51)
以粗定位的电塔点云为中心，获取周围规定尺寸的所有邻近点，实现处理点云的扩充；
[0030](52)
对扩充后的处理点云沿竖直方向分割为若干相同厚度的切片单元；切片单元的编号由上至下依次为其中
n
h
为切片数量；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于密集点云的电塔自动定位方法，其特征在于，包括以下步骤：
(1)
对电力场景进行扫描，获得电力场景的密集点云；
(2)
对获取的密集点云进行地面点滤除，得到非地面点；
(3)
对非地面点进行体素化，并提取体素特征；
(4)
通过设定阈值对提取的体素特征进行判断，根据满足阈值范围的体素特征获得粗定位的电塔点云；
(5)
基于高度对电塔点云进行分层，并获得各层电塔点云的最小外接矩形；
(6)
根据各层的最小外接矩形的长度和宽度变化情况设定参考层，所述参考层中的各层的最小外接矩形在按高度排列时，各层的最小外接矩形的长度变化和宽度变化一致；
(7)
对参考层中各层的最小外接矩形的各对应角点进行最小二乘法的直线拟合，拟合得到低于参考层高度的电塔边界线；并计算高于参考层高度的各层电塔点云的最小外接矩形的角点，得到电塔完整边界线；
(8)
根据拟合得到的电塔边界线，移除靠近电塔底部边界的植被点云，实现电塔的定位
。2.
根据权利要求1所述的电塔自动定位方法，其特征在于，所述步骤
(2)
中采用布料模拟滤波方法对获取的密集点云
F(x
i
,y
i
,z
i
)
i
＝
1,2,
…
,n
进行地面点滤除，获得非地面点
F'(x
j
,y
j
,z
j
)
j
＝
1,2,
…
,m
，其中，
x
i
、y
i
、z
i
为电力场景内第
i
个采集点的三维坐标，
n
为密集点云中采集点的数量，
x
j
、y
j
、z
j
为非地面点中第
j
个点的三维坐标，
m
为非地面点的数量
。3.
根据权利要求2所述的电塔自动定位方法，其特征在于，所述步骤
(2)
中对非地面点进行体素化，并计算各个方向上体素数量：进行体素化，并计算各个方向上体素数量：进行体素化，并计算各个方向上体素数量：其中，
n
x
、n
y
、n
z
为
X、Y、Z
三个方向上的体素数量，
l
x
、l
y
、l
z
为预先设置的
X、Y、Z
三个方向的体素尺度，
(X
min
,Y
min
,Z
min
)
为非地面点中坐标值最小处，
(X
max
,Y
max
,Z
max
)
为非地面点中坐标值最大处，
ceil
为向上取整
。4.
根据权利要求3所述的电塔自动定位方法，其特征在于，计算体素位置：所述的电塔自动定位方法，其特征在于，计算体素位置：所述的电塔自动定位方法，其特征在于，计算体素位置：其中，
(i
x
,i
y
,i
z
)
为体素位置，
i
x
为行号，
i
y
为列号，
i
z
为层号，
(X,Y,Z)
代表当前点在非地面点中的坐标值，
(X
min
,Y
min
,Z
min
)
为非地面点中坐标值最小处，
(X
max
,Y
max
,Z
max
)
为非地面
点中坐标值最大处，
ceil
为向上取整
。5.
根据权利要求4所述的电塔自动定位方法，其特征在于，所述体素特征包括最大高度
h
max
、
最大高度差
Δ
h
max<...

【专利技术属性】
技术研发人员：沈月千，黄军军，王锦国，
申请(专利权)人：河海大学，
类型：发明
国别省市：