CN112034470B - 一种基于固态面阵激光雷达的电缆识别定位方法 - Google Patents
一种基于固态面阵激光雷达的电缆识别定位方法 Download PDFInfo
- Publication number
- CN112034470B CN112034470B CN202010910294.7A CN202010910294A CN112034470B CN 112034470 B CN112034470 B CN 112034470B CN 202010910294 A CN202010910294 A CN 202010910294A CN 112034470 B CN112034470 B CN 112034470B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- line
- robot
- laser radar
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/022—Optical sensing devices using lasers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于固态面阵激光雷达的电缆识别定位方法,包括步骤:(1)在机器人前方滑动安装半球形激光雷达,通过半球形激光雷达建模获取全局电缆低精度位置;在机器人操作手臂上斜向上安装固态面阵激光雷达;(2)识别支线;(3)识别支线位置形态和末端长度;(4)识别主线位置形态。本发明实现了机器人对黑色电缆的有效识别,能够保证全自动流程作业实现抓线、剥线、挂线等一系列高精度动作。
Description
技术领域
本发明涉及激光雷达探测领域,尤其涉及一种基于固态面阵激光雷达的电缆识别定位方法。
背景技术
空中带电作业机器人是能在高空配网线路进行带电作业的机器人,通过远程操控策略,以代替人工完成带电作业。与传统人工带电作业方式相比,杜绝了人身安全风险,作业效率提升一倍,而且全过程实现人与电的物理隔绝,有效提升了带电作业质量和效率。
空中带电作业机器人在空中作业过程中,需要精确识别出电缆才能完成抓线、剥线、挂线动作。现有技术中一般采用全局激光建模定位或视觉定位实现电缆识别,但是使用全局激光建模定位电缆,其传感器本身精度多在3cm~5cm,考虑到***误差,精度很难达到1cm,难以满足抓线、剥线、挂线作业精度;而使用视觉方案定位电缆,在户外环境的情况下,针对强光、夜间等条件,抗干扰能力难以达到。
发明内容
发明目的:本发明针对上述不足,提出了一种基于固态面阵激光雷达的电缆识别定位方法,实现在户外环境下,对近距离电缆的高精度识别提取,使机器人能够自动完成抓线、剥线、挂线动作。
技术方案:
一种基于固态面阵激光雷达的电缆识别定位方法,包括步骤:
(1)在机器人前方滑动安装半球形激光雷达,通过半球形激光雷达建模获取全局电缆低精度位置;在机器人操作手臂上斜向上安装固态面阵激光雷达;
(2)识别支线及其抓线点:
(21)规划机器人单侧操作手臂运动,使步骤(1)中获取得到的全局电缆低精度位置中支线的位置进入固态面阵激光雷达的视野范围;
(22)对固态面阵激光雷达采集并提供的点云数据进行点云的范围滤波、离群点滤波、体素滤波后,对点云进行自动聚类;
(23)对聚类后的点云进行种子自动生长和分段切割,提取每一段点云的质心,最后将前述得到的一系列分段点坐标从固态面阵激光雷达的坐标系转换到机器人的坐标系下识别得到支线,并根据支线弯曲的最高点确定支线抓线点供抓线使用;
(3)识别支线位置形态和末端长度:
(31)规划机器人的第一只操作手臂抓取步骤(2)确定的支线抓线点,抓取后顺着支线向末端撸线,移动到主线下方平行主线放置,第二只操作手臂移动到步骤(2)确定的支线末端下方,使支线末端在其固态面阵激光雷达的视野中间;
(32)对固态面阵激光雷达采集并提供的点云数据进行范围滤波、离群点滤波、体素滤波,对点云进行自动聚类和分段切割;
(33)对步骤(32)分段切割后的每一段点云进行直线迭代拟合,直至参与每段点云直线计算的点数不再变化,最终提取每段直线的中心点和整个线段的两个端点,形成支线的一系列关键点来表示支线位置形态;
(34)将一系列关键点坐标从固态面阵激光雷达的坐标系转换到机器人的坐标系下识别得到支线位置形态供穿线使用;
(35)根据第一只操作手臂抓取支线的抓线点及识别得到的支线位置形态计算得到支线抓线点末端长度,若支线抓线点末端长度不在阈值范围内,则调整支线抓线点位置,直至支线抓线点末端长度在阈值范围内;
(4)识别主线位置形态:
(41)规划机器人单侧操作手臂运动,使步骤(1)中获取得到的全局电缆低精度位置中主线进入固态面阵激光雷达的视野范围;
(42)根据固态面阵激光雷达采集的激光点云数据进行点云的范围滤波、离群点滤波、体素滤波,然后对点云进行自动聚类和直线迭代拟合,直至参与直线计算的点数不再变化,最终提取视野中间两侧一定范围内的主线及其两个端点作为主线的位置形态,并转换到机器人的坐标系供剥线和挂线使用。
所述步骤(2)、(3)、(4)中,所述固态面阵激光雷达到目标电缆的距离为30~70cm。
所述步骤(2)中,对点云进行自动聚类步骤如下:
1)找到空间中某点p10,有kdTree找到离他最近的n个点,判断这n个点到p10的距离,将距离小于阈值r的点p12,p13,p14…放在类Q里;
2)在步骤1)的类Q里找到一点,重复步骤1),得到更新后的类Q;重复本步骤,当类Q再也不能有新点加入;
3)判断步骤2)得到的类Q内点云个数是否在设置的最大最小个数之间,若不在则,返回步骤1);若在,则完成搜索。
所述步骤(2)中,自动生长和分段切割求质心包括如下步骤:
1)对前述聚类点云从x极值一侧开始生成种子,种子搜索附近n个点作为一段;
2)剔除聚类点云中在步骤1)中已经搜索过的点;
3)对剩下的点云重复步骤1)和2),直至全部点云切割完毕;
4)对分割的每段点云进行质心计算,每一段得到一个点,整个线段用一系列质心折线表示。
所述步骤(2)中,电线识别点坐标转换如下:
固态面阵激光雷达相对于机器人单侧操作手臂的坐标关系为RTCamera_Flange,识别的电缆点为PointsCamera,机器人单侧操作手臂到机器人坐标原点的坐标关系为RTFlange_Robot,则可计算出电缆目标点在机器人坐标系下的位置PointsRobot=RTFlange_Robot*RTCamera_Flangee*PointsCamera。
所述步骤(3)中,在步骤(31)之前,将点云数据在第一只操作手臂的抓线点的基础上沿着支线向量方向平移10cm后切除。
所述步骤(33)的直线迭代拟合包括如下步骤:
1)对每一段点云进行最小二乘拟合,得到直线方程;
2)计算点云团中每个点到拟合直线的距离,剔除超过阈值的点;
3)使用步骤2)剔除超过阈值的点后的的点云,重复步骤1)和步骤2),直至没有点需要再剔除为止;
4)最终拟合得到的直线方程即为最终结果。
所述步骤(3)中,根据第一只操作手臂抓取支线的抓线点和步骤(33)识别得到的支线位置形态,计算得到支线抓线点末端长度;如果支线抓线点末端长度不在阈值范围内,则调整第一只操作手臂的抓线点位置,重新识别支线位置形态和末端长度,直至支线抓线点末端长度在阈值范围内;所述支线抓线点到支线末端长度的阈值范围为20~70cm。
所述步骤(42)中,提取视野中间两侧±12cm范围内的电缆作为主线。
对比步骤(4)计算的主线方向向量和步骤(1)中全局电缆低精度位置得到的主线方向向量之间的差别,若二者大于10°则判定为失败。
有益效果:本发明首先通过半球形激光雷达进行全局激光建模得到全局电缆低精度位置,然后再通过机器人操作手臂上安装的固态面阵激光雷达拉近距离进行相应电缆高精度识别,实现了机器人对黑色电缆的有效识别,精度能够达到±1cm,保证全自动流程作业实现抓线、剥线、挂线等一系列高精度动作。
附图说明
图1为本发明固态面阵激光雷达的安装示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
图1为本发明固态面阵激光雷达的安装示意图。如图1所示,在本发明中,首先在机器人前方滑动安装半球形激光雷达,通过半球形激光雷达建模的全局激光获取全局电缆低精度位置;固态面阵激光雷达安装在机器人操作手臂上,为避免激光照到机器人本体,固态面阵激光雷达采用斜向上30°安装在机器人操作手臂前端绝缘杆上,首先通过半球形激光雷达获取电缆低精度大致位置,进而获取得到支线及其抓线点和主线及主线预估剥线点的粗定位;该粗定位精度为±5cm;机器人的双臂配合将目标电缆放到固态面阵激光雷达的视野范围内,且固态面阵激光雷达到电缆的距离为30~70cm(作业范围角度85°*48°),在识别支线抓线点、识别支线位置形态和末端长度以及识别主线位置形态采用不同的算法,获取目标电缆的精确位置。
三个动作坐标变换都是用的固态面阵激光雷达原点到机器人操作手臂法兰的位置(如图1所示尺寸角度),使用ros提供的tf树进行坐标转换提取。
其中:
1、识别支线及其抓线点
规划机器人单侧操作手臂运动,使根据全局激光的粗定位得到的支线位置进入固态面阵激光雷达的视野范围,根据固态面阵激光雷达采集并提供的点云数据p(x,y,z)(p∈CameraPointsrobot),根据点云库(PCL库)的接口,进行点云的范围滤波、离群点滤波、体素滤波后,对点云进行自动聚类,然后对聚类点云进行种子自动生长和分段切割,提取每一段点云的质心,最后通过ros提供的tf树进行坐标转换,将前述得到的一系列分段点坐标从激光坐标系转换到机器人坐标系下识别得到支线,并根据支线弯曲的最高点确定支线抓线点供抓线使用。
其中,范围滤波后点云同时满足p.x∈(xmin,xmax),p.y∈(ymin,ymax),p.z∈(zmin,zmax),其中,p.x、p.y、p.z分别表示点云p(x,y,z)在激光坐标系下的三轴坐标值,(xmin,xmax)、(ymin,ymax)、(zmin,zmax)分别表示点云p(x,y,z)在激光坐标系下的三轴坐标值的取值范围;离群点滤波为指定邻居点的个数,要每个点必须在指定半径内具有指定个邻居点才能保留在点云中;体素滤波通过输入的点云创建一个三维体素栅格,然后在每个体素内的所有点的重心近似显示体素中的其它点,这样该体素内所有点就用一个重心点表示,达到降采样稠密点云的目的。
对点云进行自动聚类步骤如下:
1)找到空间中某点p10,有kdTree找到离他最近的n个点,判断这n个点到p10的距离,将距离小于阈值r的点p12,p13,p14…放在类Q里;其中,阈值r表示空间中距离点p10的最大距离,根据聚类范围设定;
2)在步骤1)的类Q里找到一点,重复步骤1),得到更新后的类Q;重复本步骤,当类Q再也不能有新点加入;
3)判断步骤2)得到的类Q内点云个数是否在设置的最大最小个数之间,若不在则,返回步骤1);若在,则完成搜索。
自动生长和分段切割求质心包括如下步骤:
1)对前述聚类点云从x极值一侧(固态面阵激光雷达视野里电线沿着X轴延展分布,即相当于从电线的一侧开始生长。)开始生成种子,种子搜索附近n个点作为一段;
2)剔除聚类点云中在步骤1)中已经搜索过的点;
3)对剩下的点云重复步骤1)和2),直至全部点云切割完毕;
4)对分割的每段点云进行质心计算,每一段得到一个点,整个线段用一系列质心折线表示。
电线识别点坐标转换:
固态面阵激光雷达相对于机器人单侧操作手臂的坐标关系为RTCamera_Flange,识别的电缆点为PointsCamera,机器人单侧操作手臂到机器人坐标原点的坐标关系为RTFlange_Robot,则可计算出电缆目标点在机器人坐标系下的位置PointsRobot=RTFlange_Robot*RTCamera_Flangee*PointsCamera。
2、识别支线位置形态和末端长度
规划机器人的第一只操作手臂根据步骤(2)确定的支线抓线点抓紧支线,抓取后顺着支线向末端撸线,移动到主线下方平行主线放置,第二只操作手臂移动到支线末端下方,确保支线末端在固态面阵激光雷达的视野中间,且固态面阵激光雷达到电缆的距离为30~70cm(作业范围角度85°*48°),第一只操作手臂提供当前动作的抓线点和支线向量;扫描时,抓支线的操作手臂也会进入视野产生点云成为干扰,为了不让抓支线的操作手臂点云参与计算,需要切除,因此将点云数据在第一只操作手臂的抓线点的基础上沿着支线向量方向平移一段距离(10cm)后切除,然后进行范围滤波、离群点滤波、体素滤波,对点云进行自动聚类和分段切割,然后对每一段点云进行直线迭代拟合,直至参与每段点云直线计算的点数不再变化,最终提取每段直线的中心点和整个线段的两个端点,形成支线的一系列关键点来表示支线位置形态,最后通过tf转换,将一系列关键点坐标从激光坐标系转换到机器人坐标系下识别得到支线位置形态供穿线使用;
根据机器人的第一只操作手臂抓取支线的抓线点及识别得到的支线位置形态计算得到支线抓线点距末端长度,如果支线抓线点末端预留长度不在阈值范围内,则调整支线抓线点位置,进而伸长或者缩短支线抓线点末端长度,直至支线抓线点末端长度在阈值范围内;其中,支线抓线点到支线末端长度的阈值范围为20~70cm长度,在本实施例中,取35cm。
其中,直线迭代拟合包括如下步骤:
1)对每一段点云进行最小二乘拟合,得到直线方程;
2)计算点云团中每个点到拟合直线的距离,剔除超过阈值的点;
3)使用步骤2)剔除超过阈值的点后的的点云,重复步骤1)和步骤2),直至没有点需要再剔除为止;
4)最终拟合得到的直线方程即为最终结果。
根据第一只操作手臂的抓线点和计算得到的端点,计算支线的长度。如果支线空余尺寸不在末端空余长度范围内,则调整抓线手臂,伸长或者缩短末端长度,重新进入看支线末端流程,直至精确计算长度在有效范围内。
3、识别主线位置形态
规划机器人单侧操作手臂运动,使半球形激光雷达通过全局激光获取的主线及主线预估剥线点进入固态面阵激光雷达的视野内,根据固态面阵激光雷达采集的激光点云数据,进行点云的范围滤波、离群点滤波、体素滤波,然后对点云进行自动聚类和直线迭代拟合,直至参与直线计算的点数不再变化,最终提取视野中间两侧±12cm内的主线及其两个端点作为主线的位置形态,并通过tf转换从固态面阵激光雷达的坐标系转换到机器人的坐标系下得到主线位置形态供剥线和挂线使用。且对比精确计算的主线方向向量和全局建模得到的主线方向向量之间的差别,若大于10°则判定为失败,需要重新进行精确计算。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护范围。
Claims (10)
1.一种基于固态面阵激光雷达的电缆识别定位方法,其特征在于:包括步骤:
(1)在机器人前方滑动安装半球形激光雷达,通过半球形激光雷达建模获取全局电缆低精度位置;在机器人操作手臂上斜向上安装固态面阵激光雷达;
(2)识别支线及其抓线点:
(21)规划机器人单侧操作手臂运动,使步骤(1)中获取得到的全局电缆低精度位置中支线的位置进入固态面阵激光雷达的视野范围;
(22)对固态面阵激光雷达采集并提供的点云数据进行点云的范围滤波、离群点滤波、体素滤波后,对点云进行自动聚类;
(23)对聚类后的点云进行种子自动生长和分段切割,提取每一段点云的质心,最后将前述得到的一系列分段点坐标从固态面阵激光雷达的坐标系转换到空中机器人的坐标系下识别得到支线,并根据支线弯曲的最高点确定支线抓线点供抓线使用;
(3)识别支线位置形态和末端长度:
(31)规划机器人的第一只操作手臂抓取步骤(2)确定的支线抓线点,抓取后顺着支线向末端撸线,移动到主线下方平行主线放置,第二只操作手臂移动到步骤(2)确定的支线末端下方,使支线末端在其固态面阵激光雷达的视野中间;
(32)对固态面阵激光雷达采集并提供的点云数据进行范围滤波、离群点滤波、体素滤波,对点云进行自动聚类和分段切割;
(33)对步骤(32)分段切割后的每一段点云进行直线迭代拟合,直至参与每段点云直线计算的点数不再变化,最终提取每段直线的中心点和整个线段的两个端点,形成支线的一系列关键点来表示支线位置形态;
(34)将一系列关键点坐标从固态面阵激光雷达的坐标系转换到机器人的坐标系下识别得到支线位置形态供穿线使用;
(4)识别主线位置形态:
(41)规划机器人单侧操作手臂运动,使步骤(1)中获取得到的全局电缆低精度位置中主线进入固态面阵激光雷达的视野范围;
(42)根据固态面阵激光雷达采集的激光点云数据进行点云的范围滤波、离群点滤波、体素滤波,然后对点云进行自动聚类和直线迭代拟合,直至参与直线计算的点数不再变化,最终提取视野中间两侧一定范围内的主线及其两个端点作为主线的位置形态,并转换到机器人的坐标系供剥线和挂线使用。
2.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(2)、(3)、(4)中,所述固态面阵激光雷达到目标电缆的距离为30~70cm。
3.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(2)中,对点云进行自动聚类步骤如下:
1)找到空间中某点p,由kdTree找到离他最近的n个点,判断这n个点到点p的距离,将距离小于阈值r的点放在类Q里;
2)在步骤1)的类Q里找到一点,重复步骤1),得到更新后的类Q;重复本步骤,当类Q再也不能有新点加入;
3)判断步骤2)得到的类Q内点云个数是否在设置的最大最小个数之间,若不在则,返回步骤1);若在,则完成搜索。
4.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(2)中,自动生长和分段切割求质心包括如下步骤:
1)对前述聚类点云从x极值一侧开始生成种子,种子搜索附近n个点作为一段;
2)剔除聚类点云中在步骤1)中已经搜索过的点;
3)对剩下的点云重复步骤1)和2),直至全部点云切割完毕;
4)对分割的每段点云进行质心计算,每一段得到一个点,整个线段用一系列质心折线表示。
5.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(2)中,电线识别点坐标转换如下:
固态面阵激光雷达相对于机器人单侧操作手臂的坐标关系为RTCamera_Flange,识别的电缆点为PointsCamera,机器人单侧操作手臂到机器人坐标原点的坐标关系为RTFlange_Robot,则可计算出电缆目标点在机器人坐标系下的位置PointsRobot=RTFlange_Robot*RTCamera_Flangee*PointsCamera。
6.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(3)中,在步骤(31)之前,将点云数据在第一只操作手臂的抓线点的基础上沿着支线向量方向平移10cm后切除。
7.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(33)的直线迭代拟合包括如下步骤:
1)对每一段点云进行最小二乘拟合,得到直线方程;
2)计算点云团中每个点到拟合直线的距离,剔除超过阈值的点;
3)使用步骤2)剔除超过阈值的点后的的点云,重复步骤1)和步骤2),直至没有点需要再剔除为止;
4)最终拟合得到的直线方程即为最终结果。
8.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(3)中,根据第一只操作手臂抓取支线的抓线点和步骤(33)识别得到的支线位置形态,计算得到支线抓线点末端长度;如果支线抓线点末端长度不在阈值范围内,则调整第一只操作手臂的抓线点位置,重新识别支线位置形态和末端长度,直至支线抓线点末端长度在阈值范围内;所述支线抓线点到支线末端长度的阈值范围为20~70cm。
9.根据权利要求1所述的电缆识别定位方法,其特征在于:所述步骤(42)中,提取视野中间两侧±12cm范围内的电缆作为主线。
10.根据权利要求1所述的电缆识别定位方法,其特征在于:对比步骤(4)计算的主线方向向量和步骤(1)中全局电缆低精度位置得到的主线方向向量之间的差别,若二者大于10°则判定为失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910294.7A CN112034470B (zh) | 2020-09-02 | 2020-09-02 | 一种基于固态面阵激光雷达的电缆识别定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910294.7A CN112034470B (zh) | 2020-09-02 | 2020-09-02 | 一种基于固态面阵激光雷达的电缆识别定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034470A CN112034470A (zh) | 2020-12-04 |
CN112034470B true CN112034470B (zh) | 2022-10-18 |
Family
ID=73591215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010910294.7A Active CN112034470B (zh) | 2020-09-02 | 2020-09-02 | 一种基于固态面阵激光雷达的电缆识别定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034470B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509044A (zh) * | 2022-01-26 | 2022-05-17 | 成都唐源电气股份有限公司 | 一种接触网几何参数连续测量***及方法 |
CN114782529B (zh) * | 2022-03-25 | 2024-06-25 | 国网湖北省电力有限公司电力科学研究院 | 一种面向带电作业机器人的抓线点高精度定位方法、***及存储介质 |
CN116787466B (zh) * | 2023-08-21 | 2023-11-07 | 福建大观电子科技有限公司 | 一种基于绝缘套的引流线识别方法、存储介质及机器人 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473734B (zh) * | 2013-09-16 | 2016-09-14 | 南京大学 | 一种基于车载LiDAR数据的电力线提取与拟合方法 |
CN106529416A (zh) * | 2016-10-18 | 2017-03-22 | 国网山东省电力公司电力科学研究院 | 基于毫米波雷达决策树分类的电力线检测方法及*** |
CN108985143B (zh) * | 2018-05-10 | 2022-03-29 | 国电南瑞科技股份有限公司 | 一种基于无人机图像识别架空输电线路铁塔结构的方法 |
CN109446640A (zh) * | 2018-10-25 | 2019-03-08 | 国网河南省电力公司濮阳供电公司 | 一种基于激光点云的输电线路电力线建模提取方法 |
WO2020103043A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 线状物识别方法及装置、***和计算机存储介质 |
CN111104861B (zh) * | 2019-11-20 | 2024-04-30 | 广州极飞科技股份有限公司 | 用于确定电线位置的方法和设备以及存储介质 |
CN111508020B (zh) * | 2020-03-23 | 2024-05-07 | 北京国电富通科技发展有限责任公司 | 融合图像与激光雷达的电缆三维位置计算方法、装置 |
-
2020
- 2020-09-02 CN CN202010910294.7A patent/CN112034470B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112034470A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112034470B (zh) | 一种基于固态面阵激光雷达的电缆识别定位方法 | |
CN107886528B (zh) | 基于点云的配电线路作业场景三维重建方法 | |
CN106970375B (zh) | 一种机载激光雷达点云中自动提取建筑物信息的方法 | |
CN112883878B (zh) | 一种基于三维格网的变电站场景下的点云自动分类方法 | |
CN110340891A (zh) | 基于点云模板匹配技术的机械臂定位抓取***及方法 | |
AU2020104291A4 (en) | Singletree segmentation method based on chord angle discriminant clustering for layered LIDAR point cloud | |
CN101672915B (zh) | 一种高空间分辨率遥感影像树冠轮廓勾绘***及方法 | |
WO2019144617A1 (zh) | 一种可变场景下多设备的视觉导航方法及*** | |
CN115562348A (zh) | 基于变电站的无人机图像技术方法 | |
CN115410104A (zh) | 一种获取飞行器的图像采集点的数据处理*** | |
CN113593038A (zh) | 隧道点云中心线自动提取和三角网构建方法 | |
CN112578405A (zh) | 一种基于激光雷达点云数据去除地面的方法及*** | |
CN115272815A (zh) | 一种基于图像的电缆隧道环境异常识别方法 | |
CN114782357A (zh) | 一种用于变电站场景的自适应分割***及方法 | |
KR20050078670A (ko) | 라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선자동추출방법 | |
CN117422826A (zh) | 一种电网设备数字孪生体构建方法及*** | |
CN112008730B (zh) | 一种基于固态面阵激光雷达的太阳位置识别与规避方法 | |
CN110889898A (zh) | 适于单一航空导管外形的建模方法 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN116071530A (zh) | 一种基于机载激光点云的建筑物屋***化分割方法 | |
CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 | |
CN112034481B (zh) | 一种基于反光贴和激光雷达的电缆自动识别方法 | |
Mayura et al. | Building detection from LIDAR point cloud data | |
CN113689504A (zh) | 基于可描述形状的点云精准定位方法、装置及存储介质 | |
CN112558091A (zh) | 一种输电线对树空间距离的实时检测方法、装置及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |