CN112598588B - 一种基于曲率加权引导的变电站三维点云模型去噪方法 - Google Patents
一种基于曲率加权引导的变电站三维点云模型去噪方法 Download PDFInfo
- Publication number
- CN112598588B CN112598588B CN202011501283.XA CN202011501283A CN112598588B CN 112598588 B CN112598588 B CN 112598588B CN 202011501283 A CN202011501283 A CN 202011501283A CN 112598588 B CN112598588 B CN 112598588B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- points
- model
- substation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001914 filtration Methods 0.000 claims abstract description 41
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于曲率加权引导的变电站三维点云模型去噪方法,其特征在于:该去噪方法步骤如下:a、采用半径滤波的方法去除变电站模型离群点;b、根据曲面变分的数值进行特征点识别;c、点云加权引导滤波引入;d、顶点位置更新得到去噪后的点云模型。本发明的去噪方法首先针对变电站三维点云模型中存在的大量的离群点,采用半径滤波的方法对模型进行离群点的去除;接着采用曲率加权引导滤波算法对模型做更精确地去噪;该方法能够获得更好的去噪效果,并在去噪的同时保留了变电站设备的几何特征,提高变电站重构的逼真度,为变电站重构奠定了基础。
Description
技术领域
本发明涉及变电站三维建模技术领域,具体地说是一种能够提高变电站三维建模精度的基于曲率加权引导的变电站三维点云模型去噪方法。
背景技术
现如今,3D点云作为一种新的对象表示方法,由于其简单、灵活和强大的表示,在对象识别和重建等诸多研究领域得到了越来越广泛的应用。在变电站的管理工作中,对其电力设备的高效管理与国家电网的稳定运行有着密切关系,因此对变电站的三维模型进行重建的工作日益重要。利用变电站三维实景模型便于变电站的升级维护以及问题查找,能够实时对变电站进行运维和监控,从而节省了大量的人力、物力和财力。
随着三维激光扫描仪等设备的快速发展,使得获取变电站的点云模型变得容易。然而,由于扫描过程中存在的环境遮挡、光线变化,激光扫描仪自身精度不够,被测物体表面材质、粗糙度等原因,扫描得到的变电站三维点云模型不可避免地会存在大量噪声点,严重影响了变电站重建的精度,使得重构后的模型与原被测变电站相差甚远。因此,在变电站重建之前对点云模型进行去噪处理对于后续建模是必不可少的。
然而,现如今点云去噪方法仍然存在一定的挑战:在进行点云去噪的同时,怎样能够有效保留点云的几何特征信息以及防止几何模型收缩与顶点漂移等现象。因此,研究在去噪的同时能够保留点云模型的几何特征具有重要意义。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种能够提高变电站三维建模精度的基于曲率加权引导的变电站三维点云模型去噪方法;该去噪方法适用于对变电站的三维模型进行重建、便于变电站的升级维护以及问题查找、能够实时对变电站进行运维和监控。
本发明的目的是通过以下技术方案解决的:
一种基于曲率加权引导的变电站三维点云模型去噪方法,其特征在于:该去噪方法步骤如下:
a、去除变电站模型离群点;
b、特征点识别;
c、点云加权引导滤波引入;
d、顶点位置更新。
所述步骤a中的去除变电站模型离群点采用半径滤波的方法,通过设定滤波半径,计算每个点在其半径范围内的邻域点的个数;半径范围内邻域点的个数少于某一设定的阈值的点将被视为离群点予以去除。
所述步骤b中的特征点识别是基于模型曲率特性来实现的,其过程为:
首先,定义局部邻域协方差矩阵C,其表达式为:
然后计算协方差矩阵的特征值{λ0,λ1,λ2},根据得到的特征值计算曲面变分σi(曲面变分也被视为曲率信息),曲面变分σi值的大小用于区分非特征点与特征点,其表达式为:
所述的曲面变分σi值用于区分非特征点与特征点的方法是:由于尖锐特征附近的点的曲面变分σi值要比在光滑区域的点的曲面变分σi值大;故每一个曲面变分σi值比设定的特征点曲率阈值στ大的点就被定义为特征点。
所述步骤c中的点云加权引导滤波引入中的传统引导滤波算法在滤波的过程中,将输入图像中的每个像素点与其近邻点构成线性关系,在输入图像的引导下对每个点做线性变换,得到的输出图像在保留自身底层结构的同时具有与输入图像对应的纹理结构;
为了使滤波后的输出图像与输入图像对应,构造的代价函数的表达式为:
式(3)中,Ii为引导图像,ak和bk是当滤波窗口中心位于像素点k时该滤波窗口中各像素点做线性变换的系数,ε是一个用来防止ak过大的正则化参数。
所述步骤c中的点云加权引导滤波引入是指:在传统引导滤波算法的基础上,结合曲率信息对代价函数进行加权,从而使模型平滑区域和特征区域的点赋予不同的权值,分别处理;
其具体过程为:在传统引导滤波算法的代价函数的正则化参数中添加一个分母项作为权值,该分母项利用指数函数的特性,将点的曲面变分作为底数、指数项为一个约束因子,使该权值能敏感地对不同区域采取不同的加权行为,该权值的表达式为:
γ(i)=(σi-στ)s(i)+χ (4)
最终结合权值在引导滤波的基础上对代价函数进行更新,更新后的代价函数表达式为:
式(5)中,N(pi)表示当前点pi的邻域,pij为该邻域中的点,ai和bi为待求的线性变换的系数,ε是一个用来防止ak过大的正则化参数,用来控制滤波效果。
所述步骤d中的顶点位置更新是使用最小二乘法对更新后的代价函数进行拟合,得到线性变换的系数ai和bi,具体为:
本发明相比现有技术有如下优点:
本发明的去噪方法首先针对变电站三维点云模型中存在的大量的离群点,采用半径滤波的方法对模型进行离群点的去除;接着采用曲率加权引导滤波算法对模型做更精确地去噪;该方法能够获得更好的去噪效果,并在去噪的同时保留了变电站设备的几何特征,提高变电站重构的逼真度,为变电站重构奠定了基础。
附图说明
附图1为本发明的基于曲率加权引导的变电站三维点云模型去噪方法的流程图;
附图2为本发明的基于曲率加权引导的变电站三维点云模型去噪方法的半径滤波示意图;
附图3为配电箱噪声模型图;
附图4为本发明的去噪方法的用于图2所示的配电箱噪声模型的配电箱离群点去除效果图;
附图5为噪声模型中的特征点示意图;
附图6为配电箱噪声模型及其局部放大图;
附图7为本发明的去噪方法的用于图6所示的配电箱噪声模型的局部放大图部分的去噪效果图;
附图8为变压器外壳噪声模型及其局部放大图;
附图9本发明的去噪方法的用于图8所示的变压器外壳噪声模型的局部放大图部分的去噪效果图;
附图10为电压互感器回路噪声模型及其局部放大图;
附图11本发明的去噪方法的用于图10所示的电压互感器回路噪声模型的局部放大图部分的去噪效果图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
一种基于曲率加权引导的变电站三维点云模型去噪方法,该方法步骤包括以下四步。
第一步,去除变电站模型离群点。
三维激光扫描仪得到的变电站模型中含有大量的离群点,为了更彻底地去除噪声,首先需要将离群点去除。采用半径滤波的方法来消除离群点,通过设定滤波半径,计算每个点在其半径范围内的邻域点的个数;当半径范围内邻域点的个数少于某一设定的阈值的点将被视为离群点予以去除。如图2所示,假设设定滤波半径为d,分别考察竖线圆点、网格圆点和斜线圆点这三个点。若设置邻域点个数阈值为1,则竖线圆点就被视为离群点被滤除;若设置邻域点个数为2,则竖线圆点和斜线圆点都被视为离群点被滤除。图3和图4分别显示了变电站模型中配电箱这一设备的噪声模型和去除离群点之后的效果。
第二步,特征点识别。
利用模型曲率特性来识别特征点,首先,定义局部邻域协方差矩阵C,其表达式为:
然后计算协方差矩阵的特征值{λ0,λ1,λ2},根据得到的特征值计算曲面变分σi(曲面变分也被视为曲率信息),曲面变分σi值的大小用于区分非特征点与特征点,其表达式为:
尖锐特征附近的点的曲面变分σi值要比在光滑区域的点的曲面变分σi值大,故每一个曲面变分σi值比设定的特征点曲率阈值στ大的点就被定义为特征点。特征点曲率阈值στ能够自适应地对不同的点云模型设定不同的阈值,增强了算法的鲁棒性。在该阈值下得到的噪声模型的特征点如图5所示。由图5可以看出,本发明的方法不仅可以提取出理想模型中的特征点,对于包含噪声点的模型依然具有一定的鲁棒性,能够准确地识别出噪声模型中的特征点。
第三步,点云加权引导滤波引入。
传统引导滤波算法在滤波的过程中,将输入图像中的每个像素点与其近邻点构成线性关系,在输入图像的引导下对每个点做线性变换,得到的输出图像在保留自身底层结构的同时具有与输入图像对应的纹理结构。
当输入图像就是待处理图像自身时,其效果就是对原图像做去噪处理。引导滤波算法的最终目的是得到与输入图像对应的底层结构,底层结构被定义为一个与引导图像(即自身)有关的线性模型,为了使滤波后的输出图像与输入图像对应,构造一代价函数,其表达式为:
式(3)中,Ii为引导图像,ak和bk是当滤波窗口中心位于像素点k时该滤波窗口中各像素点做线性变换的系数,ε是一个用来防止ak过大的正则化参数。
但是,由于其对于图像的各个部分都使用统一的线性模型和相同的正则化参数,它往往会在滤波后图像边缘附近引入光晕。为此,在将传统引导滤波算法应用于点云领域的同时做了一定的改进,结合曲率信息对代价函数进行加权,从而使模型平滑区域和特征区域的点赋予不同的权值,分别处理。具体做了以下两方面的改进:第一,该权值在点云模型的处理方法中能够准确的识别出点云模型的特征区域;第二,对于模型的特征区域与平滑区域分别使用不同的线性模型和正则化参数。
具体的,为了保证在模型的特征区域正则化系数较小、平滑力度小,在模型的平坦区域正则化系数较大、平滑力度大。
本发明在传统引导滤波算法的代价函数的正则化参数中添加一个分母项作为权值,该分母项利用指数函数的特性,将点的曲率信息作为底数、指数项为一个约束因子,使该权值能敏感地对不同区域采取不同的加权行为,该权值的表达式为:
γ(i)=(σi-στ)s(i)+χ (4)
在此过程中,为了得到模型的特征区域,设置特征点曲率阈值σi,当某点的曲面变分σi值大于特征点曲率阈值στ,则认为该点为特征点,否则为非特征点。当前点为特征点时,σi>στ,此时曲面变分σi值越大则权值越大、正则化系数越小、平滑力度小,易于保留模型特征;当前点为平坦区域点时,σi<στ,则权值很小、正则化系数大、平滑力度大,能很好的消除噪声点。
最终结合权值在引导滤波的基础上对代价函数进行更新,更新后的代价函数表达式为:
式(5)中,N(pi)表示当前点pi的邻域,pij为该邻域中的点,ai和bi为待求的线性变换的系数,ε是一个用来防止ak过大的正则化参数,用来控制滤波效果。
第四步,顶点位置更新。
使用最小二乘法对更新后的代价函数进行拟合,得到线性变换的系数ai和bi,具体为:
图6和图7是配电箱的去噪效果;图8和图9是变压器外壳的去噪效果;图10和图11是电压互感器回路的去噪效果。
本发明的去噪方法首先针对变电站三维点云模型中存在的大量的离群点,采用半径滤波的方法对模型进行离群点的去除;接着采用曲率加权引导滤波算法对模型做更精确地去噪;该方法能够获得更好的去噪效果,并在去噪的同时保留了变电站设备的几何特征,提高变电站重构的逼真度,为变电站重构奠定了基础。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内;本发明未涉及的技术均可通过现有技术加以实现。
Claims (5)
1.一种基于曲率加权引导的变电站三维点云模型去噪方法,其特征在于:该去噪方法步骤如下:
a、去除变电站模型离群点;
b、特征点识别;
c、点云加权引导滤波引入;
d、顶点位置更新;
所述步骤c中的点云加权引导滤波引入中的传统引导滤波算法在滤波的过程中,将输入图像中的每个像素点与其近邻点构成线性关系,在输入图像的引导下对每个点做线性变换,得到的输出图像在保留自身底层结构的同时具有与输入图像对应的纹理结构;为了使滤波后的输出图像与输入图像对应,构造的代价函数的表达式为:
式(3)中,Ii为引导图像,ak和bk是当滤波窗口中心位于像素点k时该滤波窗口中各像素点做线性变换的系数,ε是一个用来防止ak过大的正则化参数;
所述步骤c中的点云加权引导滤波引入是指:在传统引导滤波算法的基础上,结合曲率信息对代价函数进行加权,从而使模型平滑区域和特征区域的点赋予不同的权值,分别处理;其具体过程为:在传统引导滤波算法的代价函数的正则化参数中添加一个分母项作为权值,该分母项利用指数函数的特性,将点的曲面变分作为底数、指数项为一个约束因子,使该权值能敏感地对不同区域采取不同的加权行为,该权值的表达式为:
γ(i)=(σi-στ)s(i)+χ (4)
最终结合权值在引导滤波的基础上对代价函数进行更新,更新后的代价函数表达式为:
式(5)中,N(pi)表示当前点pi的邻域,pij为该邻域中的点,ai和bi为待求的线性变换的系数,ε是一个用来防止ak过大的正则化参数,用来控制滤波效果。
2.根据权利要求1所述的基于曲率加权引导的变电站三维点云模型去噪方法,其特征在于:所述步骤a中的去除变电站模型离群点采用半径滤波的方法,通过设定滤波半径,计算每个点在其半径范围内的邻域点的个数;半径范围内邻域点的个数少于某一设定的阈值的点将被视为离群点予以去除。
4.根据权利要求3所述的基于曲率加权引导的变电站三维点云模型去噪方法,其特征在于:所述的曲面变分σi值用于区分非特征点与特征点的方法是:由于尖锐特征附近的点的曲面变分σi值要比在光滑区域的点的曲面变分σi值大;故每一个曲面变分σi值比设定的特征点曲率阈值στ大的点就被定义为特征点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011501283.XA CN112598588B (zh) | 2020-12-17 | 2020-12-17 | 一种基于曲率加权引导的变电站三维点云模型去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011501283.XA CN112598588B (zh) | 2020-12-17 | 2020-12-17 | 一种基于曲率加权引导的变电站三维点云模型去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598588A CN112598588A (zh) | 2021-04-02 |
CN112598588B true CN112598588B (zh) | 2022-09-27 |
Family
ID=75199188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011501283.XA Active CN112598588B (zh) | 2020-12-17 | 2020-12-17 | 一种基于曲率加权引导的变电站三维点云模型去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598588B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706457B (zh) * | 2021-07-12 | 2024-07-23 | 广东电网有限责任公司广州供电局 | 一种开关柜母线室的几何尺寸检测方法及装置 |
CN114926356B (zh) * | 2022-05-10 | 2024-06-18 | 大连理工大学 | 一种针对降雪影响的LiDAR点云无监督去噪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014026378A1 (en) * | 2012-08-17 | 2014-02-20 | Thomson Licensing | Method and apparatus for 3d mesh de-noising |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
-
2020
- 2020-12-17 CN CN202011501283.XA patent/CN112598588B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014026378A1 (en) * | 2012-08-17 | 2014-02-20 | Thomson Licensing | Method and apparatus for 3d mesh de-noising |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112598588A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598588B (zh) | 一种基于曲率加权引导的变电站三维点云模型去噪方法 | |
CN116310360A (zh) | 一种电抗器表面缺陷检测方法 | |
CN106127688B (zh) | 一种超分辨率图像重建方法及其*** | |
CN105335947A (zh) | 图像去噪方法和图像去噪装置 | |
CN110263384B (zh) | 基于Laplacian微分域变形的三维网格曲面变厚度偏置造型方法 | |
CN110189266B (zh) | 一种自适应的快速图像增强方法 | |
CN110428450B (zh) | 应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法 | |
CN105139366A (zh) | 一种基于空间域的图像增强方法 | |
CN113592782A (zh) | 一种复合材料碳纤维芯棒x射线图像缺陷提取方法及*** | |
Qi et al. | Research on the image segmentation of icing line based on NSCT and 2-D OSTU | |
Zhao et al. | Constant time texture filtering | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN111091107A (zh) | 一种人脸区域边缘检测方法、装置及存储介质 | |
Liu et al. | Two‐stage image smoothing based on edge‐patch histogram equalisation and patch decomposition | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN113506212A (zh) | 一种改进的基于pocs的高光谱图像超分辨率重建方法 | |
Du et al. | Research on filtering and measurement algorithms based on human point cloud data | |
Isik et al. | A shape parameter for soil particles using a computational method | |
Akther et al. | Detection of Vehicle's Number Plate at Nighttime using Iterative Threshold Segmentation (ITS) Algorithm | |
Mai et al. | A modified unsharp masking method using particle swarm optimization | |
CN116486273A (zh) | 一种小样本遥感图像水体信息提取方法 | |
Li | Roof-edge preserving image smoothing based on MRFs | |
Fan et al. | Research on image segmentation method using a structure-preserving region model-based MRF | |
CN111626966A (zh) | 声呐图像的去噪模型训练方法及其装置和可读存储介质 | |
CN113962907B (zh) | 一种图像去噪方法、装置及设备 |
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 |