【技术实现步骤摘要】
本专利技术涉及点云修复，更具体地说，它涉及一种基于距离分割的3d场景目标快速识别系统。
技术介绍
1、电力设备带电部分通常被封闭起来或布置在高处，以满足对地、人、邻近设备的绝缘要求。然而在电力作业中，由于电力作业人员的粗心大意、违章作业等，导致电力作业人员跌落伤亡或者误碰电力设备带电部分导致电力设备损坏等事故。
2、现有技术通过获取电力作业现场的三维点云数据，通过神经网络模型对三维点云数据进行语义分割，并识别出不同语义对应物体之间的安全距离，用于判断是否采取告警措施。
3、上述方案虽然一定程度上去除了电力作业现场的复杂环境(天气干扰、背景干扰等)对三维点云数据进行语义分割的干扰，但是当目标区域被其他物体遮挡时，难以获取目标区域的三维点云数据，导致上述方案中的神经网络模型无法对目标区域的三维点云数据进行语义分割，进而无法识别目标区域中物体之间的安全距离，导致无法判断是否采取告警措施。
技术实现思路
1、本专利技术提供一种基于距离分割的3d场景目标快速识别系统，解决相关技术中现有技术难以对遮挡区域的三维点云数据进行语义分割，导致无法识别遮挡区域中物体之间的安全距离的技术问题。
2、本专利技术提供了一种基于距离分割的3d场景目标快速识别系统，包括：
3、点云数据采集模块，其用于多测站采集电力作业现场的三维点云数据；
4、点云数据处理模块，其用于将三维点云数据预处理获得待修复点云数据；待修复点云数据表示为：其中分别表示第i个点云的
5、点云数据修复模块，其用于将待修复点云数据输入循环生成对抗网络模型，输出已修复点云数据；已修复点云数据和待修复点云数据的数据表示相同；循环生成对抗网络模型包括：第一生成器、第一判别器、第二生成器和第二判别器；第一生成器输入待修复点云数据，输出已修复点云数据；第一判别器输入已修复点云数据和真实点云数据，判别已修复点云数据来源于第一生成器还是真实点云数据，第一判别器输出的值表示已修复点云数据为真实点云数据的概率值；第二生成器输入已修复点云数据，输出伪待修复点云数据；第二判别器输入伪待修复点云数据和待修复点云数据，判别伪待修复点云数据来源于第二生成器还是待修复点云数据，第二判别器输出的值表示伪待修复点云数据为待修复点云数据的概率值；
6、点云语义分割模块，其用于将已修复点云数据输入点云语义分割网络模型，输出第一点云数据；第一点云数据表示为：其中分别表示第i个点云的x轴的坐标值、y轴的坐标值、z轴的坐标值和物体类型的值；物体类型的值属于物体类型集合，物体类型集合表示为：c＝{c1…c3}，其中c1…c3分别表示物体类型为电力作业人员、运输车和电力设备，物体类型集合的元素值通过正整数表示；
7、最小距离识别模块，其用于计算获得第一点云数据中不同物体类型对应物体之间的最小距离；
8、安全预警判断模块，其用于根据物体之间的最小距离，判断是否需要采取安全预警措施。
9、进一步地，在电力作业现场设置多个测站，在每个测站安装三维点云数据采集设备，确保采集整个电力作业现场的三维点云数据。
10、进一步地，预处理获得待修复点云数据包括以下步骤：
11、步骤s201，去噪，通过高斯滤波去除三维点云数据的噪声点和无效点；
12、步骤s202，点云抽稀，通过体素格下采样对三维点云数据进行点云抽稀；
13、步骤s203，点云配准，将多测站的三维点云数据通过点云配准，转换到统一的坐标系中，从而获得整个电力作业现场的三维点云数据，并标记为待修复点云数据。
14、进一步地，循环生成对抗网络模型的第一生成器和第一判别器的对抗损失的损失函数的计算公式如下：
15、其中g表示第一生成器，dy表示第一判别器，x表示待修复点云数据，y表示真实点云数据，g(x)表示第一生成器输出的已修复点云数据，dy(y)表示第一判别器判别真实点云数据为真实点云数据的概率值，dy(g(x))表示第一判别器判别第一生成器输出的已修复点云数据为真实点云数据的概率值，表示最小化第一生成器的对抗损失，表示最大化第一判别器的对抗损失；
16、循环生成对抗网络模型的第二生成器和第二判别器的对抗损失的损失函数的计算公式如下：
17、其中f表示第二生成器，dx表示第二判别器，表示已修复点云数据，表示待修复点云数据，表示第二生成器输出的伪待修复点云数据，表示第二判别器判别待修复点云数据为待修复点云数据的概率值，表示第二判别器判别第二生成器输出的伪待修复点云数据为待修复点云数据的概率值，表示最小化第二生成器的对抗损失，表示最大化第二判别器的对抗损失；
18、循环生成对抗网络模型的循环一致性损失的损失函数的计算公式如下：
19、losscyc(g，f)＝[||f(g(x))-x||]+[||g(f(y))-y||]，其中g表示第一生成器，f表示第二生成器，x表示待修复点云数据，y表示真实点云数据，g(x)表示第一生成器输出的已修复点云数据，f(g(x))表示第一生成器输出的已修复点云数据输入到第二生成器输出的伪待修复点云数据，f(y)表示第二生成器输出的伪待修复点云数据，g(f(y))表示第二生成器输出的伪待修复点云数据输入到第一生成器输出的已修复点云数据，||表示l1范数，用于衡量点云数据之间的差异。
20、进一步地，用于训练循环生成对抗网络模型的训练数据集通过采集不同干扰因素下的电力作业现场的三维点云数据进行构建。
21、进一步地，用于训练点云语义分割网络模型的训练数据集对应的样本标签通过人工进行标注。
22、进一步地，通过欧式距离计算公式遍历计算第一点云数据中不同物体类型对应的每个点之间的距离，取距离最小的作为不同物体类型对应物体之间的最小距离。
23、进一步地，判断是否采取安全预警措施的条件包括：条件一，物体类型为电力作业人员与物体类型为运输车的最小距离小于第一距离阈值；条件二，物体类型为电力作业人员与物体类型为电力设备的最小距离小于第二距离阈值；条件三，物体类型为运输车与物体类型为电力设备的最小距离小于第三距离阈值；只要满足上述条件之一，即采取安全预警措施。
24、进一步地，安全预警措施包括：通过设置语音报警装置和警示灯报警装置发出预警提示；通过人工呼叫相关管理人员去电力作业现场进行查看。
25、本专利技术的有益效果在于：本专利技术通过循环对抗生成网络模型生成遮挡区域的三维点云数据，并通过点云语义分割网络模型进行语义分割，实时监测电力作业现场中不同物体之间的最小距离，判断是否采取安全预警措施，保障了电力作业人员生命安全和相关设备的财产安全。
本文档来自技高网...【技术保护点】
1.一种基于距离分割的3D场景目标快速识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，在电力作业现场设置多个测站，在每个测站安装三维点云数据采集设备，确保采集整个电力作业现场的三维点云数据。
3.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，预处理获得待修复点云数据包括以下步骤：
4.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，循环生成对抗网络模型的第一生成器和第一判别器的对抗损失的损失函数的计算公式如下：
5.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，用于训练循环生成对抗网络模型的训练数据集通过采集不同干扰因素下的电力作业现场的三维点云数据进行构建。
6.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，用于训练点云语义分割网络模型的训练数据集对应的样本标签通过人工进行标注。
7.根据权利要求1所述的一种基于距离分割的3D场景
8.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，判断是否采取安全预警措施的条件包括：条件一，物体类型为电力作业人员与物体类型为运输车的最小距离小于第一距离阈值；条件二，物体类型为电力作业人员与物体类型为电力设备的最小距离小于第二距离阈值；条件三，物体类型为运输车与物体类型为电力设备的最小距离小于第三距离阈值；只要满足上述条件之一，即采取安全预警措施。
9.根据权利要求1所述的一种基于距离分割的3D场景目标快速识别系统，其特征在于，安全预警措施包括：通过设置语音报警装置和警示灯报警装置发出预警提示；通过人工呼叫相关管理人员去电力作业现场进行查看。
...【技术特征摘要】
1.一种基于距离分割的3d场景目标快速识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于距离分割的3d场景目标快速识别系统，其特征在于，在电力作业现场设置多个测站，在每个测站安装三维点云数据采集设备，确保采集整个电力作业现场的三维点云数据。
3.根据权利要求1所述的一种基于距离分割的3d场景目标快速识别系统，其特征在于，预处理获得待修复点云数据包括以下步骤：
4.根据权利要求1所述的一种基于距离分割的3d场景目标快速识别系统，其特征在于，循环生成对抗网络模型的第一生成器和第一判别器的对抗损失的损失函数的计算公式如下：
5.根据权利要求1所述的一种基于距离分割的3d场景目标快速识别系统，其特征在于，用于训练循环生成对抗网络模型的训练数据集通过采集不同干扰因素下的电力作业现场的三维点云数据进行构建。
6.根据权利要求1所述的一种基于距离分割的3d场景目标快速识别系统，其特征在于，用于训练点云语义分割网络...
【专利技术属性】
技术研发人员：王鹏源，赵莉莉，贺亮，边小军，
申请(专利权)人：国网山西省电力公司朔州供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。