System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种可见光数据与机载激光点云数据匹配方法,属于点云数据处理。
技术介绍
1、可见光数据和机载激光点云数据是两种广泛应用的输电线路巡检数据类型。可见光数据,即通过传统光学技术捕获的图像,能够提供高分辨率的输电线路巡检视觉信息。而机载激光点云数据,通过激光扫描技术获得,可以提供高精度的输电线路巡检结构信息。这两种数据类型各有优势,但在信息内容和格式上存在显著差异,因此,将它们有效匹配成为了一个技术挑战。
2、目前,关于可见光数据与机载激光点云数据的匹配方法主要依赖于传统的图像处理技术和空间变换模型。这些方法通常包括特征点检测、匹配算法、以及几何校正等步骤。然而,这些方法在处理复杂环境下的数据时,如树木覆盖区,往往面临精度不高、计算成本大、耗时长等问题。特别是在高动态环境中,如不断变化的环境中,这些方法的效果更是受限。此外,现有方法在处理大规模数据时的扩展性和效率也存在不足。
技术实现思路
1、本专利技术要解决的技术问题是:提供一种可见光数据与机载激光点云数据匹配方法,以克服现有技术的不足。
2、本专利技术的技术方案为:一种可见光数据与机载激光点云数据匹配方法,所述方法包括以下步骤:
3、提取可见光数据的特征,提取激光点云数据的特征;
4、将两种数据类型的特征进行融合,并使用深度学习算法进行特征匹配;
5、利用变换网络对匹配后的数据进行几何校正;
6、分析两种数据的空间关系;
7、使用空间关
8、通过迭代不断优化空间关系模型;
9、将大规模数据分成小块进行处理;
10、将各数据块处理的结果合并,形成最终的匹配结果。
11、进一步地,所述提取可见光数据的特征的方法为利用卷积神经网络来提取可见光数据的特征。
12、进一步地,所述提取激光点云数据的特征的方法为利用三维点云处理网络来提取激光点云数据的特征。
13、进一步地,所述三维点云处理网络为pointnet深度学习框架。
14、进一步地,所述将两种数据类型的特征进行融合的方法为:
15、将可见光数据的特征和云数据的特征进行归一化;
16、对于可见光数据和激光点云数据的特征进行空间对齐;
17、使用映射函数将两种特征映射到同一空间。
18、进一步地,所述利用变换网络对匹配后的数据进行几何校正的方法为:
19、提取两种数据中的关键几何特征;
20、确定可见光数据的特征和激光点云数据的特征中相对应的几何特征;
21、度量可见光数据的特征和激光点云数据的特征间的空间关系;
22、进行统计分析来评估空间关系的分布和特性;
23、使用优化算法来细化空间关系。
24、进一步地,所述约束条件包括:
25、欧氏距离不应超过预定阈值;
26、保证两种数据中对应特征的方向或者姿态相匹配;
27、两种数据的比例尺一致;
28、相邻特征在两种数据中应保持相邻;
29、几何形状在两种数据类型中的特征是一致的;
30、数据特征的统计分布在两种类型中应当相似。
31、进一步地,所述使用空间关系作为约束条件构建空间关系模型的方法为:
32、根据约束条件定义两种数据误差的目标函数;
33、通过遗传算法寻找目标函数的最优解。
34、本专利技术的有益效果是:与现有技术相比,
35、1)本专利技术通过特征融合和深度学习算法进行特征匹配,能够在复杂环境下,如树木覆盖区,提高匹配精度,减少计算成本和时间消耗。此外,利用变换网络对匹配后的数据进行几何校正,并结合统计分析和优化算法,进一步提高了数据处理的精确度和效率;
36、2)本技术方案能够更好地处理大规模数据,提高扩展性和效率,特别是在动态变化环境中的应用效果更加显著。最后,通过空间关系模型的构建和迭代优化,能够更准确地反映两种数据类型之间的空间关系,从而在输电线路巡检等应用中发挥更大的作用。
本文档来自技高网...【技术保护点】
1.一种可见光数据与机载激光点云数据匹配方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述提取可见光数据的特征的方法为利用卷积神经网络来提取可见光数据的特征。
3.根据权利要求1所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述提取激光点云数据的特征的方法为利用三维点云处理网络来提取激光点云数据的特征。
4.根据权利要求3所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述三维点云处理网络为PointNet深度学习框架。
5.根据权利要求1所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述将两种数据类型的特征进行融合的方法为:
6.根据权利要求5所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述利用变换网络对匹配后的数据进行几何校正的方法为:
7.根据权利要求5所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述约束条件包括:
8.根据权利要求7所述的可见光数据与机载激光点云数据匹配
...【技术特征摘要】
1.一种可见光数据与机载激光点云数据匹配方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述提取可见光数据的特征的方法为利用卷积神经网络来提取可见光数据的特征。
3.根据权利要求1所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述提取激光点云数据的特征的方法为利用三维点云处理网络来提取激光点云数据的特征。
4.根据权利要求3所述的可见光数据与机载激光点云数据匹配方法,其特征在于,所述三维点云处理网络为pointnet...
【专利技术属性】
技术研发人员:申溥婷,李瑾,刘博迪,张宗钰,谢春,邱实,
申请(专利权)人:贵州电网有限责任公司,
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。