CN108846374B - 电力设备巡检方法及装置 - Google Patents
电力设备巡检方法及装置 Download PDFInfo
- Publication number
- CN108846374B CN108846374B CN201810695357.4A CN201810695357A CN108846374B CN 108846374 B CN108846374 B CN 108846374B CN 201810695357 A CN201810695357 A CN 201810695357A CN 108846374 B CN108846374 B CN 108846374B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- power equipment
- vertical interval
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种电力设备巡检方法及装置,对电力设备的点云数据进行拼接、分割、去噪处理,得到单个电力设备的点云数据,将单个电力设备的点云数据与点云数据模版进行匹配,得到点云数据所表征的电力设备的属性信息,根据该属性信息确定历史点云数据并进行点云数据比对,以对电力设备进行异常分析。实现了电力设备的自动化巡检,提高了电力设备的巡检效率。
Description
技术领域
本申请涉及数据处理技术领域,更具体地说,涉及一种电力设备巡检方法及装置。
背景技术
为了保证电力设备(如,发电设备,输电设备,变电设备或配电设备等) 正常运行,需要对电力设备进行定时或不定时的巡检。而目前电力设备的巡检仍然是以人工为主,不但巡检效率慢,还耗费了大量的人力、物力。因此,如何提高巡检效率成为亟待解决的技术问题。
发明内容
本申请的目的是提供一种电力设备巡检方法及装置,以提高电力设备的巡检效率。
为实现上述目的,本申请提供了如下技术方案:
一种电力设备巡检方法,包括:
采集电力设备的点云数据;
对所述点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据;
对所述长方体空间中的点云数据进行去噪处理;
将所述长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息;
将所述长方体空间内的去噪后的点云数据与所述第一属性信息相关联的保存;
将所述长方体空间内去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
上述方法,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了第一属性信息的点云数据;所述将所述长方体空间内去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析,包括:
在所述长方体空间内去噪后的点云数据中提取所述第一电力设备的第一骨架特征,以及在所述历史点云数据中提取所述第一电力设备的第二骨架特征;
若所述第一骨架特征与所述第二骨架特征不同,确定所述第一电力设备发生异常。
上述方法,优选的,在确定所述第一电力设备发生异常之后,还包括:
在所述长方体空间内的去噪后的点云数据中提取所述第一电力设备的第一连接部特征点,并在所述历史点云数据中提取所述第一电力设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一电力设备的连接部发生松动。
上述方法,优选的,所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;在确定所述第一电力设备发生异常之后,还包括:
对于保存的所述长方体空间内的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布;
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形。
一种电力设备巡检装置,包括:
采集模块,用于采集电力设备的点云数据;
拼接模块,用于对所述点云数据进行拼接处理,得到拼接后的点云数据;
分割模块,用于对所述拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据;
去噪模块,用于对所述长方体空间中的点云数据进行去噪处理;
匹配模块,用于将所述长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息;
保存模块,用于将所述长方体空间内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将所述长方体空间内去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
上述装置,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述分析模块具体用于:
在所述长方体空间内去噪后的点云数据中提取所述第一电力设备的第一骨架特征,以及在所述历史点云数据中提取所述第一电力设备的第二骨架特征;
若所述第一骨架特征与所述第二骨架特征不同,确定所述第一电力设备发生异常。
上述装置,优选的,所述分析模块还用于:在确定所述第一电力设备发生异常之后,在所述长方体空间内的去噪后的点云数据中提取所述第一电力设备的第一连接部特征点,并在所述历史点云数据中提取所述第一电力设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一电力设备的连接部发生松动。
上述装置,优选的,所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;所述分析模块还用于:
在确定所述第一电力设备发生异常之后,对于保存的所述长方体空间内的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布;
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形。
通过以上方案可知,本申请提供的一种电力设备巡检方法及装置,对电力设备的点云数据进行拼接、分割、去噪处理,得到单个电力设备的点云数据,将单个电力设备的点云数据与点云数据模版进行匹配,得到点云数据所表征的电力设备的属性信息,根据该属性信息确定历史点云数据并进行点云数据比对,以对电力设备进行异常分析。实现了电力设备的自动化巡检,提高了电力设备的巡检效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的电力设备巡检方法的一种实现流程图;
图2为本申请实施例提供的对拼接后的点云数据进行空间分割的一种实现流程图;
图3为本申请实施例提供的电力设备巡检装置的一种结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本申请实施例提供的电力设备巡检方法的一种实现流程图,可以包括:
步骤S11:采集电力设备的点云数据。
可以通过三维激光扫描仪对电力设备进行扫描得到。为了使得点云数据的处理结果的精度较高,可以选择高精度的三维激光扫描仪对电力设备进行扫描。例如,可以选择采样精度为mm级的三维激光扫描仪。
在通过三维激光扫描仪完成对电力设备的扫描后,可以将所采集的点云数据存储到预置数据库中,当需要进行点云数据处理时,从该预置数据库中获取点云数据。
其中,三维激光扫描仪可以搭载在机器人、无人机、车载平台等运动平台上。该运动平台上安装有支撑装置,该支撑装置可以包括:可伸缩桅杆,固定在所述可伸缩桅杆的可活动的一端的旋转轴,固定于所述旋转轴上,用于承载三维激光扫描仪的支撑平台,所述支撑平台随着所述旋转轴的转动而转动,使得三维激光扫描仪可以从不同的角度对电力设备进行扫描。支撑平台下设置有倾角传感器,用于测量支撑平台相对于水平面的倾斜角度。在采样作业前,先调整旋转轴的角度以及可伸缩桅杆的长度,使得支撑平台在一定的高度以某种角度对电力设备进行扫描。
步骤S12:对点云数据进行拼接处理,得到拼接后的点云数据。
在通过三维激光扫描仪对电力设备进行扫描时,受到许多客观因素的影响,通常需要从多个不同的视角(即不同位置)对电力设备进行扫描,这样三维激光扫描仪获取的点云数据是一些散乱的点,无明显的几何特征。将获取的点云数据进行拼接处理,就是将不同视角下采集的点云数据转换到同一坐标系下,以获得体现电力设备完整轮廓的点云数据。也就是说,拼接后的点云数据就是体现所有电力设备完整轮廓的点云数据。
本申请实施例中,在三维激光扫描仪进行扫描作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联。在扫描完成后,所记录的坐标按照记录的先后顺序形成一坐标序列,也就是说,坐标序列中的坐标按照坐标记录的先后顺序进行排列。每一个坐标关联的点云数据构成一个点云数据片,也就是说,不同的坐标对应不同的点云数据片,不同的坐标对应的点云数据片包含的点云数据中存在部分相同的点云数据。
具体在进行拼接时,可以按照三维激光扫描仪进行扫描作业时的坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接。
本申请实施例中,通过在进行采集作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联,按照坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接,避免随机从采集的点云数据中获取的待拼接的两个点云数据片不能进行拼接,需要重新从采集的点云数据中获取另一点云数据片进行拼接,导致拼接速度慢的问题。
步骤S13:对拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据。
本申请实施例中,不是直接提取电力设备的轮廓,而是将单个电力设备的点云数据划分到一个独立的长方体空间中,通过长方体空间划分确定电力设备的轮廓。也就是说,一个长方体空间内的点云数中仅包含一个电力设备的点云数据,而不是两个或更多个电力设备的点云数据,即该一个长方体空间内包含的点云数据只体现一个电力设备的轮廓,而不是两个或更多个电力设备的轮廓。换句话说,每个长方体空间是按预设规则得到的能够包含一个电力设备的点云数据的最小空间。具体分割过程可以包括:
根据电力设备的坐标,将预置的长方体包围盒放置在拼接后的点云数据所在空间中所述电力设备的坐标处。
这里电力设备的坐标是指电力设备的实际地理坐标,是预先存储好的。电力设备的实际地理坐标可以是指电力设备的底座的中心的地理坐标,则将预置长方体包围盒放置在拼接后的点云数据所在空间中电力设备的坐标处是指,将预置长方体包围盒的底座的中心点放置在电力设备的底座的中心的地理坐标处,且预置的长方体包围盒的长、宽、高与电力设备所在长方体空间的长、宽、高相平行。
将长方体包围盒进行缩小或放大,每缩小或放大一次,计算长方体包围盒缩小或放大前后,长方体包围盒第一平面中点云的计数结果的差值。
若差值的绝对值大于预设差值阈值,则若长方体包围盒被缩小了,则将长方体包围盒缩小前第一平面的位置确定为第一平面的最终位置,若长方体包围盒被放大了,则将长方体包围盒放大后的第一平面的位置确定为第一平面的最终位置。
若差值的绝对值小于或等于预设差值阈值,则返回执行将长方体包围盒进行缩小或放大的步骤,直至长方体包围盒的各个平面均确定最终位置。
具体的,本申请实施例提供的对拼接后的点云数据进行空间分割的一种实现流程图如图2所示,可以包括:
步骤S201:根据电力设备的坐标,将预置的长方体包围盒放置在所述拼接后的点云数据所在空间中所述电力设备的坐标处。
步骤S202:对长方体包围盒的每一个平面中的点云数据分别进行计数。
本施例中预置长方体包围盒的长、宽、高均小于电力设备的实际的长、宽、高。
步骤S203:确定目标平面,在长方体包围盒确定位置后,将长方体包围盒的各个平面均作为目标平面。
步骤S204:按预设步长将各个目标平面向远离长方体包围盒中心的方向移动,以放大长方体包围盒的体积。
其中该预设步长小于或等于预置步长阈值,该步长阈值为:上述预置长方体包围盒的最大边长的5%。
步骤S205:对放大后的长方体包围盒中,各个目标平面中的点云数据进行计数;
步骤S206:将对应同一目标平面(为方便叙述,记为第一平面)的放大前后的计数结果进行比较。
步骤S207:根据比较结果判断是否可以确定第一平面的位置,若可以,则执行步骤S208。否则,执行步骤S209。
具体的,若放大前后第一平面中点云的计数结果的差值的绝对值大于预置差值阈值,则可以确定第一平面的位置,否则不能确定第一平面的位置。
步骤S208:确定第一平面的位置。将第一平面的当前位置确定为第一平面的最终位置,也就是说,保持第一平面的当前位置不变。
步骤S209:将第一平面作为新的目标平面,返回执行步骤S204。
图2所示示例中,预置的长方体包围盒的长、宽、高小于电力设备的长、宽、高。在另一示例中,预置的长方体包围盒的长、宽、高可以大于电力设备的长、宽、高。则在确定预置的长方体包围盒的位置后,按预设步长将长方体包围盒的各个平面向靠近长方体包围盒中心的方向移动,以缩小长方体包围盒的体积。则长方体包围盒每缩小一次,对缩小后的长方体包围盒中,各个平面中的点云数据进行计数;将长方体包围盒缩小前后,对应同一平面(为方便叙述,记为第一平面)的前后两次计数结果进行比较,若计数结果的差值的绝对值大于预置差值阈值,则将长方体包围盒缩小前第一平面的位置确定为第一平面的最终位置,而若计数结果的差值的绝对值小于或等于预置差值阈值,则继续将第一平面向靠近长方体包围盒中心的方向移动,直至长方体包围盒中的各个平面均确定最终位置。
步骤S14:对上述各个长方体空间中的点云数据进行去噪处理。
本申请实施例中,只对包含电力设备的点云数据的长方体空间中的点云数据进行去噪处理,而不是对拼接后的所有点云数据进行去噪处理,从而减少了去噪过程中点云数据的处理量,提高点云数据处理效率。
具体实现过程可以为:
将长方体空间平均划分为若干立方体网格,该立方体网格的边长的长度为预置长度,例如1cm。
对立方体网格中的点云数据进行计数。
若计数结果小于第三预设阈值,则删除立方体网格内的点云数据;否则,保留立方体网格内的点云数据。
通过步骤S12-步骤S14的处理,最大限度的保留了点云数据中的有效空间信息,减少了遮挡、缺损、噪点、压缩的影响。
步骤S15:将长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息。
点云数据模型库中可以包括各类电力设备的点云数据模型,例如,可以包括风力发电机的点云数据模型,变压器的点云数据模型等等,这里不再一一列举。
在将长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型分别进行匹配时,可以从长方体空间内去噪后的点云数据中,以及点云数据模型中,提取预设的特征数据,根据提取的特征数据计算长方体空间内去噪后的点云数据与点云数据模型的相似度,将最大相似度对应的点云数据模型确定为与长方体空间内去噪后的点云数据匹配的点云数据模型。所确定的匹配的点云数据模型对应的属性信息即为长方体空间内去噪后的点云数据所表征的第一电力设备的属性信息。
其中,电力设备的属性信息可以包括:名称(如,风力发电机、变压器等)、所属的场景层次(如,设备层、道路层、障碍物层等)、几何类型(如,点、线、面、长方体)、地理位置(该地理位置可以是一个地理区域)等。
对于电力设备来说,其所属的场景层次是设备层。
上述特征数据可以包括以下特征中的至少一种特征:骨架特征、面积特征、体积特征、投影轮廓特征、边界曲率特征等。
下面举例说明将长方体空间内去噪后的点云数据与点云数据模型进行匹配的具体实现过程。
举例一
将长方体空间内的点云数据在三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第一轮廓特征) 和边界点曲率特征(为方便叙述,记为第一边界点曲率特征)。
将点云数据模型在相同的三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第二轮廓特征)和边界点曲率特征(为方便叙述,记为第二边界点曲率特征)。
计算同一平面上的第一轮廓特征与第二轮廓特征的第一距离,以及同一平面上的第一边界点曲率特征与第二边界点曲率特征的第二距离;
将对应同一平面的第一距离和第二距离求和,得到第一和值;三个平面一共得到三个第一和值。
将三个第一和值求和,得到第二和值。该第二和值表征长方体空间内的点云数据与点云数据模型的相似度。第二和值越大,相似度越低,第二和值越小,相似度越高。
举例二
分别提取长方体空间内的点云数据的第一骨架特征,以及点云数据模型的第二骨架特征;
将第一骨架特征与第二骨架特征进行比对,若第一骨架特征与第二骨架特征的路径数、节点数,以及节点之间的连通关系均一致,则长方体空间内的点云数据与点云数据模型相同,否则二者不同。
下面以点云数据模型为例,说明提取骨架特征的过程:
确定初始表面骨架:将点云数据模型的边界点中,曲率大于预设曲率阈值的点作为特征点,为方便叙述,这里假设一共有m个特征点。
计算点云数据模型中,每个特征点到点云数据模型的质心的最短路径,得到m个最短路径,将该m个最短路径作为点云数据模型的初始表面骨架。
对初始表面骨架进行简化:对初始表面骨架中的节点进行三角连接,计算三角的质心坐标,对质心所属的预置大小的立方体网格中的点云数据进行计数,若计数结果大于第一预设阈值,则确定与三角的三个顶点处的节点(记为第一节点)连接的第二节点,删除第一节点与第二节点的连接路径,将三角的质心与第二节点连接,形成新路径,以便用尽量少的节点表征点云数据模型的骨架。
优选的,三角质心所属的预置大小的立方体网格是指以三角质心为质心的立方体网格,该立方体网格的边与点云数据所在三维坐标系的三个坐标轴平行或垂直,该立方体网格的边的长度为预置长度,例如1cm。
步骤S16:将长方体空间内的去噪后的点云数据与第一属性信息相关联的保存。
步骤S17:将长方体空间内去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对第一电力设备进行异常分析。电力设备的异常可以包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形等。
其中,历史点云数据可以是:在预设历史时长内多次保存的关联了第一属性信息的点云数据。本申请实施例中,在上述预设历史时长内多次保存了关联了第一属性信息的点云数据,也就是说,在该预设历史时长内,多次采集电力设备的点云数据并对每次采集的电力设备的点云数据通过步骤S12~步骤S16进行处理,得到关联了第一属性信息的位于长方体空间内的点云数据。
历史点云数据也可以是:在预设历史时刻保存的关联了第一属性信息的点云数据。例如,历史点云数据可以是指在电力设备在首次安装或布置好之后,采集点云数据并对采集的点云数据通过步骤S12~步骤S16的处理得到的关联了第一属性信息的位于长方体空间内的点云数据。该历史点云数据也可以是在对出现异常(如平移、覆雪、部件缺失等)的电力设备进行修复后,采集点云数据并对采集的点云数据通过步骤S12~步骤S16的处理得到的关联了第一属性信息的位于长方体空间内的点云数据。也就是说,历史点云数据是对某个历史时刻采集的电力设备的点云数据通过步骤S12~步骤S16的处理得到的关联了第一属性信息的位于长方体空间内的点云数据。该预设历史时刻保存的关联了第一属性信息的点云数据,还可以关联有部件标记,用于标记点云数据中表征电力设备的部件的点云数据,该部件标记可以是人为手动添加的标记。该预设历史时刻保存的关联了第一属性信息的点云数据可以关联有多个部件标记,不同的部件标记用于标记电力设备的不同的部件。该部件标记也可以是根据相匹配的点云模型中的部件标记自动添加的。
综上,历史点云数据可以是指某一次保存的关联了第一属性信息的点云数据,也可以是多次保存的关联了第一属性信息的点云数据。
由于需要监测电力设备是否发生异常,因此,可以周期性执行本申请提供的电力设备巡检方法。在每个执行周期内,均执行步骤S11~步骤S17。当然,也可以在需要的时候(如在温度骤变、高温、覆冰、冰雹、冰雪、大雾、重度雾霾、大风、连阴雨、大雨、雷雨等第一类气象条件下,或者,在出现第一类气象条件后,天气转好的第二类气象条件下)执行本申请提供电力设备巡检方法,而不必仅仅局限于周期性执行本申请提供的电力设备巡检方法。另外,周期的长短也可以根据实际需求进行调整,例如,在有雾、雪、雨、大风等气象条件下,可以缩短周期,而在晴天情况下,则可以延长周期。
需要说明的是,本申请对步骤S16与步骤S17的执行顺序不做具体限定,可以先执行步骤S16,再执行步骤S17,或者先执行步骤S17,再执行步骤S16,或者,两个步骤同时执行。
本申请提供的电力设备巡检方法,对电力设备的点云数据进行拼接、分割、去噪处理,得到包含单个电力设备的点云数据,将单个电力设备的点云数据与点云数据模版进行匹配,得到单个电力设备的点云数据所表征的电力设备的属性信息,根据该属性信息确定历史点云数据并进行点云数据比对,以对电力设备进行异常分析。实现了电力设备的自动化巡检,节省了人力、物力,提高了电力设备的巡检效率。
在一可选的实施例中,上述历史点云数据可以包括:在预设历史时刻保存的关联了第一属性信息的点云数据;则将长方体空间内去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对第一电力设备进行异常分析的一种实现方式可以为:
在长方体空间内去噪后的点云数据中提取第一电力设备的第一骨架特征,以及在历史点云数据中提取第一电力设备的第二骨架特征。
具体提取骨架特征的方法可以参看前述实施例,这不再详述。
若第一骨架特征与第二骨架特征不同,确定第一电力设备发生异常。
第一骨架特征与第二骨架特征不同可以为:第一骨架特征与第二骨架特征的接点数、路径数,以及节点直接的连接关系均不同。或者,第一骨架特征与第二估计特征之间的距离大于预设距离阈值。
也就是说,若第一骨架特征与第二骨架特征不同,确定第一电力设备发生部件缺失或破损,或者,连接部发生松动,或者,异物覆盖或凸起,或者,扭曲变形等异常情况。
上述实施例中,只是粗略的判断出第一电力设备是否发生异常,而没有判断出第一电力设备具体发生了哪些异常。下面说明判断第一电力设备发生异常的具体实现过程。
在一可选的实施例中,在确定第一电力设备发生异常之后,还可以包括:
在长方体空间内的去噪后的点云数据中提取第一电力设备的第一连接部特征点,并在所述历史点云数据中提取第一电力设备的第二连接部特征点;
其中,第一连接部特征点和第二类连接部特征点是指第一电力设备的同一连接部件的特征点。第二连接部特征点可以从第二连接部的部件标记关联的点云数据中提取。第一连接部特征点可以通过与第二连接部特征点进行特征匹配确定。具体匹配过程可以应用现有的已经成熟的匹配技术,这里不再详述。也就是说,第一连接部特征点是从长方体空间内的去噪后的点云数据中与第二连接部最相似的点云数据中提取的特征点。
将第一连接部特征点在第一维度的第一坐标区间与第二连接部特征点在第一维度的第二坐标区间进行第一比对;第一维度的坐标轴可以是与连接部发生松动的方向平行的坐标轴。
若第一比对结果表征第一坐标区间与第二坐标区间至少有部分区间不同时,确定长方体空间内的第一电力设备的连接部发生松动。通常,第一坐标区间会大于第二坐标区间。
当电力设备的连接部发生松动时,连接部在第一维度的坐标区间通常会变大。
当第一坐标区间与第二坐标区间至少有部分区间不同时,说明第一电力设备的连接部件的至少部分区域发生了移动,也就是第一电力设备的连接部件发生松动。
在另一可选的实施例中,历史点云数据中除了包括上述在预设历史时刻保存的关联了第一属性信息的点云数据外,还可以包括:在最近的预设历史时长内多次保存的关联了第一属性信息的点云数据,例如在最近的预设历史时长内按照一定的周期执行本申请提供的电力设备巡检方法而保存的关联了第一属性信息的点云数据;在确定第一电力设备发生异常之后,还可以包括:
对于保存的长方体空间内的去噪后的点云数据,以及历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布。
本申请实施例中,对于每一次保存的点云数据(包括长方体空间内的去噪后的点云数据,以及上述历史点云数据),均将其在垂直于地面的方向上分割为多个点云数据片。假设点云数据所处的坐标系为xyz三维坐标系,其中,x轴和y轴构成的平面与地面平行,则x轴和y轴构成的平面与z轴垂直。本申请实施例中,在z轴方向上将每一次保存的点云数据分割为多个点云数据片。其中,不同的点云数据在z轴方向上的分割方式相同,例如,均按照每1cm切割一次的方式进行分割,则各个点云数据片在z轴方向上的厚度均为1cm。
在对点云数据进行切割后,对于每一次保存的点云数据,其在垂直于地面的方向上的体积分布为:在切割得到的多个垂直区间上点云数据片的体积分布。若用直方图表示点云数据片的体积分布,则该直方图的横轴为分割得到的多个垂直区间,纵轴为垂直区间对应的点云数据片的体积。
在对点云数据进行切割后,对于每一次保存的点云数据,其在垂直于地面的方向上的面积分布为:在切割得到的多个垂直区间上点云数据片的面积分布。若用直方图表示点云数据片的面积分布,则该直方图的横轴为分割得到的多个垂直区间,纵轴为垂直区间对应的点云数据片的面积。
对统计得到的所有体积分布进行第二比对,若第二比对结果表征在一定历史时长(该一定历史时长为上述预设历史时长内的一个子区间,也就是说,该到一定历史时长小于或等于上述预设历史时长)内,对应第一垂直区间的体积连续变小,确定第一电力设备在第一垂直区间内发生部件缺失或破损;若第二比对结果表征在一定历史时长内对应第一垂直区间的体积连续变大,确定第一电力设备在第一垂直区间内发生异物覆盖或凸起;若第二比对结果表征在一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一电力设备发生扭曲变形。
或者,
对统计得到的所有面积分布进行第三比对,若第三比对结果表征在一定历史时长内,对应第一垂直区间的面积连续变小,确定第一电力设备在第一垂直区间内发生部件缺失或破损;若第三比对结果表征在一定历史时长内对应第一垂直区间的面积连续变大,确定第一电力设备在第一垂直区间内发生异物覆盖或凸起;若第三比对结果表征在一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一电力设备发生扭曲变形。
第一垂直区间可以是分割得到的最小单位的区间,例如,上述1cm长的一个区间,也可以是依次相邻的多个(两个或更多个)最小单位的区间构成的一个较大的区间。同理,第二垂直区间可以是分割得到的最小单位的区间,例如,上述1cm长的一个区间,也可以是依次相邻的多个(两个或更多个) 最小单位的区间构成的一个较大的区间。第一垂直区间和第二垂直区间的长度可以相同,也可以不同。
进一步的,在确定第一电力设备在第一垂直区间内发生异物覆盖或凸起后,还可以包括:
对于每一次保存的点云数据,将第一电力设备的点云数据在第一坐标平面(该第一坐标平面为垂直于地面的某个坐标平面,如前述z轴和x轴构成平面,或者z轴与y轴构成的平面)进行投影;根据各个投影的面积分析投影面积增大的区间,若投影面积增大的区间大于预设长度且面积增大区间连续,说明第一电力设备发生覆雪或覆冰异常,否则,说明第一电力设备发生其它覆盖异常,
本申请实施例中,对点云数据在时间和空间两个维度上进行分析,从而确定电力设备是否发生部件缺失或破损,异物覆盖或凸起,或者,扭曲变形等异常。
与方法实施例相对应,本申请还提供一种电力设备巡检装置,本申请提供的电力设备巡检装置的一种结构示意图如图2所示,可以包括:
采集模块31,拼接模块32,分割模块33,去噪模块34,匹配模块35,保存模块36和分析模块37;其中,
采集模块31用于采集电力设备的点云数据;
拼接模块32用于对所述点云数据进行拼接处理,得到拼接后的点云数据;
分割模块33用于对所述拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据;
去噪模块34用于对所述长方体空间中的点云数据进行去噪处理;
匹配模块35用于将所述长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息;
保存模块36用于将所述长方体空间内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块37用于将所述长方体空间内去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对第一电力设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
本申请提供的电力设备巡检装置,对电力设备的点云数据进行拼接、分割、去噪处理,得到包含单个电力设备的点云数据,将单个电力设备的点云数据与点云数据模版进行匹配,得到单个电力设备的点云数据所表征的电力设备的属性信息,根据该属性信息确定历史点云数据并进行点云数据比对,以对电力设备进行异常分析。实现了电力设备的自动化巡检,节省了人力、物力,提高了电力设备的巡检效率。
在一可选的实施例中,历史点云数据可以包括:在预设历史时刻保存的关联了第一属性信息的点云数据;所述分析模块37具体可以用于:
在所述长方体空间内去噪后的点云数据中提取第一电力设备的第一骨架特征,以及在所述历史点云数据中提取第一电力设备的第二骨架特征;
若所述第一骨架特征与所述第二骨架特征不同,确定所述第一电力设备发生异常。
在一可选的实施例中,分析模块37还可以用于:在确定所述第一电力设备发生异常之后,在长方体空间内的去噪后的点云数据中提取第一电力设备的第一连接部特征点,并在历史点云数据中提取第一电力设备的第二连接部特征点;
将第一连接部特征点在第一维度的第一坐标区间与第二连接部特征点在第一维度的第二坐标区间进行第一比对;
若第一比对结果表征第一坐标区间与第二坐标区间至少有部分区间不同时,确定第一电力设备的连接部发生松动。
在一可选的实施例中,历史点云数据还包括:在最近的预设历史时长内多次保存的关联了第一属性信息的点云数据;分析模块37还用于:
在确定第一电力设备发生异常之后,对于保存的长方体空间内的去噪后的点云数据,以及历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布;
对统计得到的所有体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定第一电力设备在第一垂直区间内发生部件缺失或破损;若在一定历史时长内对应第一垂直区间的体积连续变大,确定第一电力设备在第一垂直区间内发生异物覆盖或凸起;若在一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一电力设备发生扭曲变形;或者,
对统计得到的所有面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定第一电力设备在第一垂直区间内发生部件缺失或破损;若在一定历史时长内对应第一垂直区间的面积连续变大,确定第一电力设备在第一垂直区间内发生异物覆盖或凸起;若在一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一电力设备发生扭曲变形。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种电力设备巡检方法,其特征在于,包括:
采集电力设备的点云数据;
对所述点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据;
对所述长方体空间中的点云数据进行去噪处理;
将所述长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息;
将所述长方体空间内的去噪后的点云数据与所述第一属性信息相关联的保存;
将所述长方体空间内去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形;
所述历史点云数据包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;在确定所述第一电力设备发生异常之后,还包括:
对于保存的所述长方体空间内的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布;
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形。
2.根据权利要求1所述的方法,其特征在于,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述将所述长方体空间内去噪后的点云数据与关联有上述第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析,包括:
在所述长方体空间内去噪后的点云数据中提取所述第一电力设备的第一骨架特征,以及在所述历史点云数据中提取所述第一电力设备的第二骨架特征;
若所述第一骨架特征与所述第二骨架特征不同,确定所述第一电力设备发生异常。
3.根据权利要求2所述的方法,其特征在于,在确定所述第一电力设备发生异常之后,还包括:
在所述长方体空间内的去噪后的点云数据中提取所述第一电力设备的第一连接部特征点,并在所述历史点云数据中提取所述第一电力设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一电力设备的连接部发生松动。
4.一种电力设备巡检装置,其特征在于,包括:
采集模块,用于采集电力设备的点云数据;
拼接模块,用于对所述点云数据进行拼接处理,得到拼接后的点云数据;
分割模块,用于对所述拼接后的点云数据进行空间分割,以得到若干长方体空间,其中,每个长方体空间中包括一个电力设备的点云数据;
去噪模块,用于对所述长方体空间中的点云数据进行去噪处理;
匹配模块,用于将所述长方体空间内去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述长方体空间内去噪后的点云数据所表征的第一电力设备的第一属性信息;
保存模块,用于将所述长方体空间内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将所述长方体空间内去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述第一电力设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形;
所述历史点云数据包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;所述分析模块还用于:
在确定所述第一电力设备发生异常之后,对于保存的所述长方体空间内的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片在垂直于地面的方向上的体积分布或切面面积分布;
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一电力设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一电力设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一电力设备发生扭曲变形。
5.根据权利要求4所述的装置,其特征在于,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述分析模块具体用于:
在所述长方体空间内去噪后的点云数据中提取所述第一电力设备的第一骨架特征,以及在所述历史点云数据中提取所述第一电力设备的第二骨架特征;
若所述第一骨架特征与所述第二骨架特征不同,确定所述第一电力设备发生异常。
6.根据权利要求5所述的装置,其特征在于,所述分析模块还用于:在确定所述第一电力设备发生异常之后,在所述长方体空间内的去噪后的点云数据中提取所述第一电力设备的第一连接部特征点,并在所述历史点云数据中提取所述第一电力设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一电力设备的连接部发生松动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695357.4A CN108846374B (zh) | 2018-06-29 | 2018-06-29 | 电力设备巡检方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695357.4A CN108846374B (zh) | 2018-06-29 | 2018-06-29 | 电力设备巡检方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108846374A CN108846374A (zh) | 2018-11-20 |
CN108846374B true CN108846374B (zh) | 2021-11-23 |
Family
ID=64199882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810695357.4A Active CN108846374B (zh) | 2018-06-29 | 2018-06-29 | 电力设备巡检方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846374B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110009602B (zh) * | 2019-03-08 | 2020-08-11 | 唐山百川智能机器股份有限公司 | 一种紧固件是否松动的检测方法 |
CN110673158B (zh) * | 2019-08-28 | 2022-10-04 | 国网福建省电力有限公司 | 基于激光扫描点云的电力生产场景三维空间异常检测方法 |
WO2023220977A1 (en) * | 2022-05-18 | 2023-11-23 | Huawei Technologies Co., Ltd. | Method and device for detecting data |
CN115575948A (zh) * | 2022-12-13 | 2023-01-06 | 山东矩阵软件工程股份有限公司 | 一种基于雷达点云的货运列车形变判断方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940356A (zh) * | 2014-02-27 | 2014-07-23 | 山东交通学院 | 一种基于三维激光扫描技术的建筑物整体变形监测方法 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN105737751A (zh) * | 2014-12-06 | 2016-07-06 | 中国石油化工股份有限公司 | 立式储罐变形监测***及方法 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
-
2018
- 2018-06-29 CN CN201810695357.4A patent/CN108846374B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940356A (zh) * | 2014-02-27 | 2014-07-23 | 山东交通学院 | 一种基于三维激光扫描技术的建筑物整体变形监测方法 |
CN105737751A (zh) * | 2014-12-06 | 2016-07-06 | 中国石油化工股份有限公司 | 立式储罐变形监测***及方法 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108846374A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846374B (zh) | 电力设备巡检方法及装置 | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和*** | |
CN111985496B (zh) | 一种基于植被三维凸包的树障隐患快速检测方法和终端 | |
CN108830256B (zh) | 封闭空间设备巡检方法及装置 | |
CN110544298B (zh) | 变电站建模方法、装置、计算机设备和存储介质 | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN115203778A (zh) | 隧道超欠挖检测方法、装置、终端设备及存储介质 | |
CN108898598B (zh) | 输电导线监测方法及装置 | |
CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
CN114663672B (zh) | 一种输电线路塔钢构件腐蚀检测方法及*** | |
CN115825984A (zh) | 一种基于激光点云的输电线路巡检***及巡检方法 | |
CN115830234A (zh) | 一种输电线路建模用点云处理方法及处理*** | |
CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
Neidhart et al. | Extraction of building ground plans from LiDAR data | |
CN111895907B (zh) | 一种电塔点云提取方法、***及设备 | |
CN108876885B (zh) | 电力设备的点云数据处理方法及装置 | |
Dey et al. | Building Boundary Extraction from LiDAR Point Cloud Data | |
CN112381029B (zh) | 一种基于欧氏距离的机载LiDAR数据建筑物提取方法 | |
CN112882047B (zh) | 基于激光点云的电力导线相间距离自动获取方法及*** | |
Lu et al. | A tilt angle measurement method of power tower using UAV LiDAR point cloud | |
CN114332006A (zh) | 一种城垛缺失自动定量评估方法 | |
CN114355364A (zh) | 无人机电力巡检激光点云实时安全距离诊断方法 | |
CN113269202A (zh) | 一种提取门型电塔点云的方法 | |
CN115937229B (zh) | 一种基于超体素和图割算法的三维自动分割方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 250000 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park) Applicant after: National Network Intelligent Technology Co., Ltd. Address before: Xinluo Avenue high tech Zone of Ji'nan City, Shandong province 250101 silver bearing No. 2008 building Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |