【技术实现步骤摘要】
本专利技术涉及一种基于高斯泼溅的电网设备三维重建方法，属于电网设备数字建模。
技术介绍
1、随着科技的不断进步，电网设备的运维和管理逐渐趋向智能化与精细化。在这一背景下，三维重建技术以其直观、全面的视觉呈现方式，正逐渐成为电网设备监测、故障诊断及资产管理的重要手段。近年来，基于高斯泼溅的三维重建方法凭借其高效、高质量的特点，在电网设备三维重建领域展现出巨大的应用潜力。
2、高斯泼溅技术起源于计算机图形学领域，其核心思想是将三维场景中的每个数据点或体素视为一个高斯核，通过将这些高斯核在空间中进行叠加，从而生成连续的表面或体积表示。这一技术能够将离散的点云数据转换为连续的三维模型，实现高质量的场景重建和渲染。在电网设备三维重建中，高斯泼溅技术能够有效地处理复杂的设备结构和细节，生成逼真的三维模型，为运维人员提供直观、全面的设备信息。
3、superpoint算法是一种基于深度学习的图像特征提取方法，它在图像匹配、目标跟踪等多种视觉任务中展现出高效性和鲁棒性。superglue算法是一种基于深度学习的图像特征匹配算法，它旨在从预先存在的局部特征中学习匹配过程，以解决具有挑战性的图像匹配任务。netvlad算法是一种在图像处理和计算机视觉领域广泛应用的特征编码方法，主要用于将局部特征描述子聚合为全局表示，进而支持图像识别和检索等任务。cloudcompare是一款功能强大的开源3d点云和网格处理软件，广泛应用于地理信息系统(gis)、计算机图形学、测绘、考古、建筑和工程等多个领域。
4、在当前推进电网
5、现有技术如专利号为“cn117523081a”的中国专利公开了一种基于点云数据的水下结构三维重建方法及系统。该方法包括以下步骤：数据采集阶段，通过水下声呐、深度相机或结构光设备，从多角度和距离获取目标场景或物体的点云数据，并保存为三维坐标格式。数据预处理包括去噪、滤波、下采样和配准，以提高数据质量和一致性，减少冗余和误差。数据分割根据点云的空间分布和语义信息，将其划分为不同子区域或实例。特征提取使用深度神经网络，从点云中提取全局和局部特征，描述形状、结构和纹理。数据重建阶段，结合水下结构设计，利用生成对抗网络或变分自编码器生成三维网格或体素模型，或使用隐函数生成连续表面模型，并应用条件批量归一化技术生成纹理信息。最后，数据后处理优化和修复生成的三维模型，提升质量和完整性。
6、上述现有技术存在的问题是，根据点云数据的空间分布和语义信息进行分割和特征提取，对于复杂场景或物体可能具有一定的难度，需要更先进的算法和技术来实现准确的分割和有效的特征提取。使用的生成对抗网络或变分自编码器方法生成三维模型，可能在某些情况下对模型的细节和准确性的表现不如方案2中使用激光雷达点云数据进行补充的方式。
技术实现思路
1、为了解决上述现有技术中存在的问题，本专利技术提出了一种基于高斯泼溅的电网设备三维重建方法。
2、本专利技术的技术方案如下：
3、本专利技术提供了一种基于高斯泼溅的电网设备三维重建方法，包括以下步骤：
4、采集电网设备场景的数据，所述数据包括激光雷达点云数据、视频数据、图片数据及采集设备的相机内参信息；对视频数据进行抽帧处理，对图片数据进行视场角切割处理，分别得到数据处理后对应的图片；
5、使用superpoint算法提取图片的特征点及描述符，根据图片的特征点及描述符使用superglue算法获取图片与随机图片的特征匹配；
6、将图片、图片的特征点、描述符以及特征匹配信息输入colmap数据库，并基于colmap数据库的glomap算法对图片、图片的特征点、描述符、特征匹配信息以及采集设备的相机内参信息进行稀疏重建得到电力设备初始的点云与图片采集时设备的位姿估计信息；
7、使用激光雷达点云数据，对电力设备初始的点云进行补充，得到电力设备最终的点云；
8、将电力设备最终的点云、图片以及图片采集时设备的位姿估计信息合并为高斯泼溅数据集；根据预设区间将高斯泼溅数据集划分为若干分块，使用高斯泼溅算法训练分块构建高斯泼溅子模型；
9、根据透明度与体积参数对高斯泼溅子模型进行修剪，将修剪后的高斯泼溅子模型合并为高斯泼溅模型；
10、根据高斯泼溅模型表示电网设备三维模型。
11、作为优选实施方式，所述视频数据通过无人机采集；
12、所述图片数据通过地面全景相机进行采集360°视角的图片数据；
13、所述激光雷达点云数据通过激光雷达设备采集。
14、作为优选实施方式，针对无人机采集的视频数据，对视频数据进行抽帧处理，具体为：
15、将视频数据每30帧抽去掉2帧；
16、通过抽帧处理后的视频数据的每1帧视频画面生成1个图片；
17、针对地面全景相机采集的图片数据，将360°视角的图片数据根据视场角在80至120区间进行切割，得到若干切割后的图片；
18、通过grounding dino目标检测算法和sam图像分割算法提取所述切割后的图片的掩膜。
19、作为优选实施方式，使用所述superpoint算法提取特征点及描述符的具体方法为：
20、将图片输入共享编码器，获取图片的特征图；
21、将特征图分别输入特征点检测解码器与描述符解码器，获取图片数据的特征点和描述符；
22、针对地面全景相机采集的图片数据获取到的特征点和描述符，使用所述掩膜剔除与电网设备不相关部分的特征点。
23、作为优选实施方式，使用superglue算法进行特征匹配的具体方法为：
24、使用netvlad算法提取图片的全局特征信息，根据所述全局特征信息计算图片之间的相似度，选取与目标图片最相似的n张图片作为匹配对；
25、将图片及其匹配对的特征点和描述符输入到注意力图神经网络中，通过映射变换对图片及其匹配对的特征点位置和描述符进行处理，并通过自注意力和交叉注意力机制计算相似性，根据相似性得到对应的匹配描述符；
26、根据最优匹配层生成图片及其匹配对之间的特征点得分矩阵，通过得分矩阵过滤掉得分低于设定阈值的特征点，得到最终的匹配信息。
27、作为优选实施方式，使用激光雷达点云数据，对电力设备初始的点云进行补充的方法为：
28、使用cloudcompare软件对电力设备初始的点云进行离群点过滤处理，以及对激光雷达点云数据进行抽稀处理；
29、将抽稀处理后的激光雷达点云数据与离群点过滤处理后的点云进行点云配准；
30、使用配准后的点云作为电力设备最终的点云。
31、作为优选实施方式，构建所述高本文档来自技高网...
【技术保护点】
1.一种基于高斯泼溅的电网设备三维重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，所述视频数据通过无人机采集；
3.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，针对无人机采集的视频数据，对视频数据进行抽帧处理，具体为：
4.根据权利要求3所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用所述SuperPoint算法提取特征点及描述符的具体方法为：
5.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用SuperGlue算法进行特征匹配的具体方法为：
6.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用激光雷达点云数据，对电力设备初始的点云进行补充的方法为：
7.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，构建所述高斯泼溅模型步骤为：
8.根据权利要求7所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用高斯泼溅算法训练分块的步骤为
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的基于高斯泼溅的电网设备三维重建方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8任一项所述的基于高斯泼溅的电网设备三维重建方法。
...【技术特征摘要】
1.一种基于高斯泼溅的电网设备三维重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，所述视频数据通过无人机采集；
3.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，针对无人机采集的视频数据，对视频数据进行抽帧处理，具体为：
4.根据权利要求3所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用所述superpoint算法提取特征点及描述符的具体方法为：
5.根据权利要求1所述的基于高斯泼溅的电网设备三维重建方法，其特征在于，使用superglue算法进行特征匹配的具体方法为：
6.根据权利要求1所述的基于高斯泼溅的电网设备三维重...
【专利技术属性】
技术研发人员：傅伟源，张春光，林黎鸣，黄志彬，江颖，
申请(专利权)人：厦门亿力吉奥信息科技有限公司，
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。