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】
本专利技术涉及风电工程的,具体地说,涉及一种利用无人机、深度学习、点云处理、参数化建模等技术,实现风电站的三维数据获取和三维模型生成的方法。
技术介绍
1、风电站三维建模是指利用计算机技术,根据风电站的实际情况,建立风电站的三维数字模型,以便于对风电站的设计、分析、优化、仿真、展示等进行高效和准确的处理。风电站三维建模是风电工程的重要组成部分,对于提高风电站的性能和效益,保障风电站的安全和稳定运行,具有重要的意义。
2、目前,风电站三维建模技术的发展主要面临以下两方面的问题:
3、一是风电站区域的三维数据获取难度大,精度低,效率低。风电站区域通常分布在山区、海岸、海上等复杂的地形和环境中,传统的三维数据获取方法,如地面测量、卫星遥感、航空摄影等,难以覆盖风电站区域的全貌,且受天气、光照、遮挡等因素的影响,导致三维数据的质量和完整性不高,无法满足风电站三维建模的要求。
4、二是风电站三维模型的生成方法复杂,耗时长,效果差。风电站三维模型的生成,需要对风电站区域的三维数据进行预处理、分割、分类、匹配、重构等多个步骤,涉及多种算法和技术,如点云处理、图像处理、深度学习、参数化建模等,这些算法和技术的实现和优化,需要大量的计算资源和专业知识,且难以保证三维模型的精度和真实性,无法满足风电站三维建模的要求。
技术实现思路
1、为了解决现有技术的问题,本专利技术的目的在于提供一种风电站高精准度三维建模方法,该方法能够有效地解决上述问题,实现对风电站区域的高质
2、为实现上述技术目的,达到上述技术效果,本专利技术通过以下技术方案实现:
3、一种风电站高精准度三维建模方法,包括:
4、对风电站进行飞行扫描,获取风电站区域的三维点云数据;
5、使用深度学习方法去噪点云数据,并利用点云分割与分类算法提取风电站的关键部件;
6、建立风电站三维模型的部件库,并通过配准算法实现点云数据与三维模型的自动匹配;
7、基于匹配结果,采用参数化建模方法生成风电站的三维数字模型。
8、进一步地,所述的对风电站进行飞行扫描,获取风电站区域的三维点云数据,包括:
9、无人机搭载激光扫描仪和摄像头,按照预设的飞行轨迹和扫描参数,对风电站区域进行飞行扫描,同时采集风电站区域的激光反射信号和图像信号;
10、将激光反射信号和图像信号转换为三维坐标和颜色信息,生成风电站区域的三维点云数据。
11、进一步地,所述的使用深度学习方法去噪点云数据,包括:
12、利用深度卷积神经网络,对点云数据进行特征提取和编码,得到点云数据的低维表示;
13、利用深度反卷积神经网络,对点云数据的低维表示进行解码和重构,得到去噪后的点云数据。
14、进一步地,所述的利用点云分割与分类算法提取风电站的关键部件,包括:
15、利用基于图的点云分割算法,将点云数据划分为若干个子区域,每个子区域包含一定数量的点;
16、利用基于深度学习的点云分类算法,对每个子区域的点云进行分类,识别出风电站的关键部件,如风机、升压站、输电线等。
17、进一步地,所述的建立风电站三维模型的部件库,包括:
18、根据风电站的设计规范和参数,利用三维建模软件,创建风电站的各个部件的三维模型,如风机、升压站、输电线等;
19、将风电站的各个部件的三维模型存储在一个部件库中,为每个部件的三维模型分配一个唯一的标识符和一个类别标签。
20、进一步地,所述的通过配准算法实现点云数据与三维模型的自动匹配,包括:
21、对点云数据进行匹配,将每个子区域的点云数据与部件库中的模型进行对应,计算出点云与模型之间的变换矩阵,从而实现点云与模型之间的对齐;
22、利用一种基于迭代最近点的方法,首先从点云中随机选取一个点,然后在模型中找到与该点最近的点,计算两个点之间的距离,然后重复上述过程,直到选取了足够多的点对,然后利用最小二乘法,求解出点云与模型之间的旋转矩阵和平移向量,使得点对之间的距离之和最小,然后利用旋转矩阵和平移向量,将点云与模型进行对齐,然后重复上述过程,直到点云与模型之间的误差达到一个阈值,从而实现点云与模型之间的匹配。
23、进一步地,所述的基于匹配结果,采用参数化建模方法生成风电站的三维数字模型,包括:
24、利用参数化建模软件,根据点云数据和匹配结果,对风电站的各个部分和构件进行三维建模,生成一个完整的风电站三维模型,该模型包含了风电站的所有细节和参数;
25、利用参数化建模软件,对风电站的三维模型进行参数化,设置可变的参数,以便于后续的修改和优化,从而实现高效和灵活的三维建模。
26、本专利技术的有益效果是:
27、一是提高了风电站区域的三维数据获取的质量和效率,利用无人机进行飞行扫描,可以覆盖风电站区域的全貌,同时采集高质量和高密度的激光和图像数据,利用深度学习方法去噪点云数据,可以保留点云数据的主要信息和结构,从而获取风电站区域的高质量、高效率、高真实度的三维点云数据,为风电站三维建模提供强有力的基础。
28、二是提高了风电站三维模型的生成的质量和效率,利用点云分割与分类算法提取风电站的关键部件,可以从点云数据中识别出风电站的各个部件,如风机、升压站、输电线等,利用部件库和配准算法实现点云数据与三维模型的自动匹配,可以实现点云数据与三维模型之间的对齐和匹配,利用参数化建模方法生成风电站的三维数字模型,可以实现风电站的三维模型的完整和灵活,从而生成风电站的高质量、高效率、高真实度的三维数字模型,为风电站的设计、分析、优化、仿真、展示等提供强有力的支持。
29、三是提高了风电站的性能和效益,利用风电站的三维数字模型,可以对风电站的风能资源、风速分布、风能利用率、结构稳定性、受力情况、变形程度、环境影响、噪声水平、碳排放量、建设成本、运维成本、收益预测等指标进行分析和评估,从而实现风电站的科学和合理的设计和规划,利用风电站的三维数字模型,可以对风电站的运行状态、故障情况、维修需求、优化建议等信息进行实时监测和智能分析,从而实现风电站的安全和稳定的运行和维护,利用风电站的三维数字模型,可以对风电站的美丽和壮观进行沉浸式和交互式的体验,从而实现风电站的宣传和推广,利用风电站的三维数字模型,可以提高风电站的性能和效益,为风电产业的发展和社会的进步做出贡献。
本文档来自技高网...【技术保护点】
1.一种风电站高精准度三维建模方法,其特征在于,包括:
2.根据权利要求1所述的风电站高精准度三维建模方法,其特征在于,所述的对风电站进行飞行扫描,获取风电站区域的三维点云数据,包括:
3.根据权利要求1或2所述的风电站高精准度三维建模方法,其特征在于,所述的使用深度学习方法去噪点云数据,包括:
4.根据权利要求1所述的风电站高精准度三维建模方法,其特征在于,所述的利用点云分割与分类算法提取风电站的关键部件,包括:
5.根据权利要求4所述的风电站高精准度三维建模方法,其特征在于,所述的建立风电站三维模型的部件库,包括:
6.根据权利要求5所述的风电站高精准度三维建模方法,其特征在于,所述的通过配准算法实现点云数据与三维模型的自动匹配,包括:
7.根据权利要求6所述的风电站高精准度三维建模方法,其特征在于,所述的基于匹配结果,采用参数化建模方法生成风电站的三维数字模型,包括:
【技术特征摘要】
1.一种风电站高精准度三维建模方法,其特征在于,包括:
2.根据权利要求1所述的风电站高精准度三维建模方法,其特征在于,所述的对风电站进行飞行扫描,获取风电站区域的三维点云数据,包括:
3.根据权利要求1或2所述的风电站高精准度三维建模方法,其特征在于,所述的使用深度学习方法去噪点云数据,包括:
4.根据权利要求1所述的风电站高精准度三维建模方法,其特征在于,所述的利用点云分割与分类算法提...
【专利技术属性】
技术研发人员:王马泉,盛志成,陈耀辉,南明军,宋明修,马宏怡,丁杨,刘吉辰,陈臣,王忠杰,
申请(专利权)人:华能山东发电有限公司蓬莱风电分公司,
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。