CN112990235B - 点云数据的处理方法、装置及电子设备 - Google Patents
点云数据的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112990235B CN112990235B CN202110488298.5A CN202110488298A CN112990235B CN 112990235 B CN112990235 B CN 112990235B CN 202110488298 A CN202110488298 A CN 202110488298A CN 112990235 B CN112990235 B CN 112990235B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- insulator
- point
- line
- determining
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种点云数据的处理方法、装置及电子设备,包括:获取待处理场景的点云数据集合,并确定点云数据集合中各个点云数据的点云类型;其中,点云数据集合携带有各个点云数据的点云属性;分别针对各个点云类型对应的点云数据进行聚类处理,确定各个点云数据所属的物体实例;其中,物体实例至少包括杆塔实例、绝缘子实例、线路实例;根据各个物体实例对应的点云数据的点云属性,确定待处理场景的绝缘子信息;其中,绝缘子信息包括关键点信息和/或相位信息。本发明可以更为高效地获取到点云数据中的绝缘子信息。
Description
技术领域
本发明涉及三维点云技术领域,尤其是涉及一种点云数据的处理方法、装置及电子设备。
背景技术
从机载LiDAR(Laser Radar,激光雷达)的输电线路点云中提取的绝缘子信息,可以用于无人机输电线路的后续规划中,诸如,绝缘子信息中的绝缘子关键点可用于反向推到无人机输电线路精细巡检的航线规划,绝缘子信息中的相位信息可用于无人机输电线路精细训练的数据整理与归档,然而,目前只能通过工程师手动吃泡面和输电线路点云中提取绝缘子信息,导致信息提取效率较慢。
发明内容
有鉴于此,本发明的目的在于提供一种点云数据的处理方法、装置及电子设备,可以更为高效地获取到点云数据中的绝缘子信息。
第一方面,本发明实施例提供了一种点云数据的处理方法,包括:获取待处理场景的点云数据集合,并确定所述点云数据集合中各个所述点云数据的点云类型;其中,所述点云数据集合携带有各个点云数据的点云属性;分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例;其中,所述物体实例至少包括杆塔实例、绝缘子实例、线路实例;根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息;其中,所述绝缘子信息包括关键点信息和/或相位信息。
在一种实施方式中,所述确定所述点云数据集合中各个所述点云数据的点云类型的步骤,包括:利用预设点云分割算法对所述点云数据集合进行分割处理,将所述点云数据集合内的各个所述点云数据至少划分为杆塔点云、绝缘子点云、线路点云。
在一种实施方式中,所述分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例的步骤,包括:根据第一聚类距离对所述杆塔点云进行聚类处理,确定所述杆塔点云所属的杆塔实例;根据第二聚类距离对所述绝缘子点云进行聚类处理,确定所述绝缘子点云所属的绝缘子实例;根据所述线路点云对应的点云属性和预设权重对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;其中,所述点云属性至少包括点云坐标,所述点云坐标包括点云横坐标、点云纵坐标、点云竖坐标。
在一种实施方式中,所述根据所述线路点云对应的点云属性和预设权重对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例的步骤,包括:利用所述点云横坐标及其对应的第一权重、所述点云纵坐标及其对应的第二权重、所述点云竖坐标及其对应的第三权重进行加权平均处理;根据加权平均处理结果和第三聚类距离对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;其中,所述第一权重、所述第二权重、所述第三权重按照预设线路曲率设置,所述第一权重和所述第二权重均大于所述第三权重。
在一种实施方式中,所述根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息的步骤,包括:根据所述绝缘子实例对应的绝缘子点云的点云坐标,确定所述待处理场景的关键点信息;其中,所述关键点信息包括绝缘子挂点和中心坐标;根据所述绝缘子实例的绝缘子挂点分别与各个所述杆塔实例对应的杆塔点云和各个所述线路实例对应的线路点云之间的距离,确定所述待处理场景的相位信息。
在一种实施方式中,所述根据所述绝缘子实例对应的绝缘子点云的点云坐标,确定所述待处理场景的关键点信息的步骤,包括:对于每个所述绝缘子实例,计算该绝缘子实例对应的绝缘子点云的方向向量;计算所述方向向量与该绝缘子实例对应的绝缘子点云的点云坐标的内积值;将内积最大值的绝缘子点和内积最小值的绝缘子点均确定为该绝缘子实例的绝缘子挂点,以及将该绝缘子实例对应的绝缘子点云的质心确定为该绝缘子实例的中心坐标。
在一种实施方式中,所述根据所述绝缘子实例的绝缘子挂点分别与各个所述杆塔实例对应的杆塔点云和各个所述线路实例对应的线路点云之间的距离,确定所述待处理场景的相位信息的步骤,包括:对于所述绝缘子实例的每个绝缘子挂点,计算该绝缘子挂点与各个所述杆塔实例对应的杆塔点云之间的第一距离,以及计算该绝缘子挂点与各个所述线路实例对应的线路点云之间的第二距离;如果第一距离最小值大于第二距离最小值,确定该绝缘子挂点的挂点属性为线路挂点;如果第一距离最小值小于第二距离最小值,确定该绝缘子挂点的挂点属性为横担挂点;根据该绝缘子挂点的挂点属性确定所述绝缘子实例的相位信息。
第二方面,本发明实施例还提供一种点云数据的处理装置,包括:类型确定模块,用于获取待处理场景的点云数据集合,并确定所述点云数据集合中各个所述点云数据的点云类型;其中,所述点云数据集合携带有各个点云数据的点云属性;实例确定模块,用于分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例;其中,所述物体实例至少包括杆塔实例、绝缘子实例、线路实例;信息确定模块,用于根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息;其中,所述绝缘子信息包括关键点信息和/或相位信息。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器;所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如第一方面提供的任一项所述的方法。
第四方面,本发明实施例还提供一种计算机存储介质,用于储存为第一方面提供的任一项所述方法所用的计算机软件指令。
本发明实施例提供的一种点云数据的处理方法、装置及电子设备,首先获取待处理场景的点云数据集合,并确定点云数据集合中各个点云数据的点云类型,然后分别针对各个点云类型对应的点云数据进行聚类处理确定各个点云数据所属的物体实例,再根据各个物体实例对应的点云数据的点云属性,确定待处理场景的绝缘子信息。其中,物体实例至少包括杆塔实例、绝缘子实例、线路实例,绝缘子信息包括关键点信息和/或相位信息。上述方法首先确定各个点云数据的点云类型,再针对每个点云类型,确定该点云类型的点云数据所属的点云实例,在此基础上根据点云数据的点云数据确定绝缘子信息,本发明实施例通过自动提取绝缘子信息,有效提高了绝缘子信息的提取效率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种点云数据的处理方法的流程示意图;
图2为本发明实施例提供的另一种点云数据的处理方法的流程示意图;
图3为本发明实施例提供的一种点云数据的处理装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
目前,需要手动提取点云数据中的绝缘子信息,导致绝缘子信息的提取效率较低,基于此,本发明实施提供了一种点云数据的处理方法、装置及电子设备,可以更为高效地获取到点云数据中的绝缘子信息。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种点云数据的处理方法进行详细介绍,参见图1所示的一种点云数据的处理方法的流程示意图,该方法主要包括以下步骤S102至步骤S106:
步骤S102,获取待处理场景的点云数据集合,并确定点云数据集合中各个点云数据的点云类型。其中,待处理场景可以包括机载LiDAR输电线路,点云数据集合携带有各个点云数据的点云属性,点云属性可以包括点云坐标,还可以包括诸如点云色彩、点云反射率等,点云类型可以包括地面点云、杆塔点云、绝缘子点云、线路点云中的一种或多种。在一种实施方式中,对机载LiDAR输电线路的点云数据进行采集,并利用预设点云分割算法对点云数据进行划分,从而确定各个点云数据所属的点云类型。
步骤S104,分别针对各个点云类型对应的点云数据进行聚类处理,确定各个点云数据所属的物体实例。其中,物体实例至少包括杆塔实例、绝缘子实例、线路实例,杆塔实例、绝缘子实例、线路实例的数量均为至少一个。在一种可选的实施方式中,可以采用空间聚类算法针对各个点云类型对应的点云数据进行聚类处理,例如,对于绝缘子点云,可以对绝缘子点云进行聚类处理,以确定各个绝缘子点云属于哪个绝缘子实例。
步骤S106,根据各个物体实例对应的点云数据的点云属性,确定待处理场景的绝缘子信息。其中,绝缘子信息包括关键点信息和/或相位信息,关键点信息也即绝缘子关键点,绝缘子关键点即为能够描述绝缘子结构、位置的一些点,诸如绝缘子挂点、横担挂件、质心点等,相位信息用于表征绝缘子连接的是输电线路的哪一相。在一种实施方式中,可以利用点云属性中的点云坐标确定待处理场景的绝缘子信息。
本发明实施例提供的上述点云数据的处理方法,首先确定各个点云数据的点云类型,再针对每个点云类型,确定该点云类型的点云数据所属的点云实例,在此基础上根据点云数据的点云数据确定绝缘子信息,本发明实施例通过自动提取绝缘子信息,有效提高了绝缘子信息的提取效率。
对于前述步骤S102,本发明实施例提供了一种确定点云数据集合中各个点云数据的点云类型的实施方式,可以利用预设点云分割算法对点云数据集合进行分割处理,将点云数据集合内的各个点云数据至少划分为杆塔点云、绝缘子点云、线路点云。其中,预设点云分割算法可以包括RandLA-Net(大规模点云高效语义分割网络)或PointCNN(点云卷积神经网络)等,也可以包括其他用于点云分割的神经网络。在实际应用中,点云数据集合中每个点云数据拥有的点云属性为(x,y,z,r,g,b,i),其中,(x,y,z)为点云坐标,x为点云横坐标,y为点云纵坐标,z为点云竖坐标,(r,g,b,)为点云色彩,i为点云反射率,假设将点云数据集合输入至RandLA-Net中,通过RandLA-Net对点云数据集合进行分割处理,RandLA-Net将输出分类后每个点云数据的点云属性(x,y,z,r,g,b,i,c),c为点云类型,包括地面点云、杆塔点云、绝缘子点云、线路点云四类。可选的,c对应的数值用于表征点云类型,例如,当c=1时表征该点云数据为地面点云,当c=2时表征该点云数据为杆塔点云,当c=3时表征该点云数据为绝缘子点云,当c=4时表征该点云数据为线路点云。
在实际应用中,一条输电线路的数据点云中往往可以对应大量绝缘实例子,每个绝缘子实例由大量点云组成,在执行上述步骤S102后,可以确定点云数据集合中哪些点云数据为绝缘子点云,但是仍然无法进一步判定哪些点云数据属于同一绝缘子实例。为进一步获知点云数据所属的物体实例,本发明实施例还提供了一种分别针对各个点云类型对应的点云数据进行聚类处理,确定各个点云数据所属的物体实例的实施方式,例如采用空间聚类算法将杆塔点云、绝缘子点云、线路点云汇聚为相应的物体实例,可以包括如下(1)至(3):
(1)根据第一聚类距离对杆塔点云进行聚类处理,确定杆塔点云所属的杆塔实例。假设第一聚类距离为λ1,对于每一个塔杆点云,搜索λ1距离内的临近点云,从而确定该塔杆点云所属的杆塔实例,其中,上述λ1可以基于实际需求进行设置。
(2)根据第二聚类距离对绝缘子点云进行聚类处理,确定绝缘子点云所属的绝缘子实例。假设第二聚类距离为λ2,对于每一个绝缘子点云,搜索λ2内的临近点云,从而确定该绝缘子点云所属的绝缘子实例,其中,上述λ2可以基于实际需求进行设置。
(3)根据线路点云对应的点云属性和预设权重对线路点云进行聚类处理,确定线路点云所属的线路实例。其中,点云属性至少包括点云坐标,点云坐标包括点云横坐标、点云纵坐标、点云竖坐标。在一种实施方式中,可以利用点云横坐标及其对应的第一权重、点云纵坐标及其对应的第二权重、点云竖坐标及其对应的第三权重进行加权平均处理,然后根据加权平均处理结果和第三聚类距离对线路点云进行聚类处理,确定线路点云所属的线路实例。考虑到线路实例通常处于平面,因此在计算近邻点时,可以针对x、y、z方向分别加上了不同的权重w,其中平面权重(也即第一权重和第二权重)与高程方向权重(也即第三权重)按照预设线路曲率μ设置,通常第一权重和第二权重均大于第三权重,也即z方向的权重小于x方向、y方向的权重。
在一种实施方式中,可以按照如下步骤1至步骤2执行根据各个物体实例对应的点云数据的点云属性,确定待处理场景的绝缘子信息的步骤:
步骤1,根据绝缘子实例对应的绝缘子点云的点云坐标,确定待处理场景的关键点信息。其中,关键点信息包括绝缘子挂点和中心坐标,在一种实施方式中,可参考如下步骤1.1至步骤1.3:
步骤1.1,对于每个绝缘子实例,计算该绝缘子实例对应的绝缘子点云的方向向量。在一种实施方式中,对该绝缘子实例对应的所有绝缘子点云进行统计,计算其在x方向、y方向、z方向的方差,并对三个方差进行归一化处理得到方向向量(x1,y1,z1)。
步骤1.2,计算方向向量与该绝缘子实例对应的绝缘子点云的点云坐标的内积值。
步骤1.3,将内积最大值的绝缘子点和内积最小值的绝缘子点均确定为该绝缘子实例的绝缘子挂点,以及将该绝缘子实例对应的绝缘子点云的质心确定为该绝缘子实例的中心坐标。在一种实施方式中,绝缘子点云的点云坐标与上述方向向量的内积最大值点与内积最小值点即为绝缘子实例两端的绝缘子挂点,所有绝缘子点云的质心即为绝缘子实例的中心坐标,该中心坐标也可称之为关键点坐标。
步骤2,根据绝缘子实例的绝缘子挂点分别与各个杆塔实例对应的杆塔点云和各个线路实例对应的线路点云之间的距离,确定待处理场景的相位信息。在一种实施方式中,可参考如下步骤2.1至步骤2.3:
步骤2.1,对于绝缘子实例的每个绝缘子挂点,计算该绝缘子挂点与各个杆塔实例对应的杆塔点云之间的第一距离,以及计算该绝缘子挂点与各个线路实例对应的线路点云之间的第二距离。在一种实施方式中,可以根据绝缘子挂点的点云坐标、各个塔杆点云的点云坐标、各个线路点云的点云坐标,分别计算上述第一距离和第二距离。例如,根据绝缘子挂点的点云坐标和某一杆塔实例对应的塔杆点云的点云坐标,计算绝缘子挂点与该杆塔实例之间的第一距离;或,根据绝缘子挂点的点云坐标和某一线路实例对应的线路点云的点云坐标,计算绝缘子挂点与该线路实例之间的第二距离。
步骤2.2,如果第一距离最小值大于第二距离最小值,确定该绝缘子挂点的挂点属性为线路挂点;如果第一距离最小值小于第二距离最小值,确定该绝缘子挂点的挂点属性为横担挂点。在一种实施方式中,从各个杆塔实例中选择与绝缘子挂点距离最近的杆塔实例,以及从各个线路实例中选择与绝缘子挂点距离最近的线路实例,如果该杆塔实例与绝缘子挂点之间的第一距离大于该线路实例与绝缘子挂点之间的第二距离,则绝缘子挂点为线路挂点,反之绝缘子挂点为横担挂点。
步骤2.3,根据该绝缘子挂点的挂点属性确定绝缘子实例的相位信息。在一种实施方式中,导入现有塔杆号数据与线路相序信息,即可确定每个绝缘子实例归属于哪一级塔杆和归属于哪一项线路。
为便于理解,本发明实施例还提供了一种点云数据的处理方法的应用示例,参见图2所示的另一种点云数据的处理方法的流程示意图,该方法主要包括如下步骤S202至步骤S208:
步骤S202,对机载LiDAR点云数据进行分割处理,将机载LiDAR点云数据划分为地面点云、杆塔点云、绝缘子点云、线路点云四个类别。
步骤S204,将各个类别下的机载LiDAR点云数据实例化。其中,实例化可以理解为确定机载LiDAR点云数据所属的物体实例,具体可参见前述步骤S104,本发明实施例对此不再赘述。
步骤S206,提取实例化绝缘子的关键点信息。其中,实例化绝缘子也即上述绝缘子实例。在具体实现时,可参见前述步骤1.1至步骤1.3获取关键点信息。
步骤S208,判断实例化线路与实例化绝缘子的归属关系。其中,实例化线路即为上述线路实例。在具体实现时,可参见前述步骤2.1至2.3判断实例化绝缘子是否属于实例化线路以及属于哪一相线路,另外,还可以判断实例化绝缘子是否属于实例化杆塔(也即上述塔杆实例)以及属于哪一级杆塔。
综上所述,本发明实施例首先对机载LiDAR点云数据进行自动分割,然后确定各类点云数据所属实例,再提取实例化绝缘子的关键点,以及判断线路与绝缘子的归属关系,从而实现绝缘子信息的自动提取,有效提高了绝缘子信息的提取效率。
对于前述实施例提供的点云数据的处理方法,本发明实施例提供了一种点云数据的处理装置,参见图3所示的一种点云数据的处理装置的结构示意图,该装置主要包括以下部分:
类型确定模块302,用于获取待处理场景的点云数据集合,并确定点云数据集合中各个点云数据的点云类型;其中,点云数据集合携带有各个点云数据的点云属性;
实例确定模块304,用于分别针对各个点云类型对应的点云数据进行聚类处理,确定各个点云数据所属的物体实例;其中,物体实例至少包括杆塔实例、绝缘子实例、线路实例;
信息确定模块306,用于根据各个物体实例对应的点云数据的点云属性,确定待处理场景的绝缘子信息;其中,绝缘子信息包括关键点信息和/或相位信息。
本发明实施例提供的点云数据的处理装置,首先确定各个点云数据的点云类型,再针对每个点云类型,确定该点云类型的点云数据所属的点云实例,在此基础上根据点云数据的点云数据确定绝缘子信息,本发明实施例通过自动提取绝缘子信息,有效提高了绝缘子信息的提取效率。
在一种实施方式中,类型确定模块302还用于:利用预设点云分割算法对点云数据集合进行分割处理,将点云数据集合内的各个点云数据至少划分为杆塔点云、绝缘子点云、线路点云。
在一种实施方式中,实例确定模块304还用于:根据第一聚类距离对杆塔点云进行聚类处理,确定杆塔点云所属的杆塔实例;根据第二聚类距离对绝缘子点云进行聚类处理,确定绝缘子点云所属的绝缘子实例;根据线路点云对应的点云属性和预设权重对线路点云进行聚类处理,确定线路点云所属的线路实例;其中,点云属性至少包括点云坐标,点云坐标包括点云横坐标、点云纵坐标、点云竖坐标。
在一种实施方式中,实例确定模块304还用于:利用点云横坐标及其对应的第一权重、点云纵坐标及其对应的第二权重、点云竖坐标及其对应的第三权重进行加权平均处理;根据加权平均处理结果和第三聚类距离对线路点云进行聚类处理,确定线路点云所属的线路实例;其中,第一权重、第二权重、第三权重按照预设线路曲率设置,第一权重和第二权重均大于第三权重。
在一种实施方式中,信息确定模块306还用于:根据绝缘子实例对应的绝缘子点云的点云坐标,确定待处理场景的关键点信息;其中,关键点信息包括绝缘子挂点和中心坐标;根据绝缘子实例的绝缘子挂点分别与各个杆塔实例对应的杆塔点云和各个线路实例对应的线路点云之间的距离,确定待处理场景的相位信息。
在一种实施方式中,信息确定模块306还用于:对于每个绝缘子实例,计算该绝缘子实例对应的绝缘子点云的方向向量;计算方向向量与该绝缘子实例对应的绝缘子点云的点云坐标的内积值;将内积最大值的绝缘子点和内积最小值的绝缘子点均确定为该绝缘子实例的绝缘子挂点,以及将该绝缘子实例对应的绝缘子点云的质心确定为该绝缘子实例的中心坐标。
在一种实施方式中,信息确定模块306还用于:对于绝缘子实例的每个绝缘子挂点,计算该绝缘子挂点与各个杆塔实例对应的杆塔点云之间的第一距离,以及计算该绝缘子挂点与各个线路实例对应的线路点云之间的第二距离;如果第一距离最小值大于第二距离最小值,确定该绝缘子挂点的挂点属性为线路挂点;如果第一距离最小值小于第二距离最小值,确定该绝缘子挂点的挂点属性为横担挂点;根据该绝缘子挂点的挂点属性确定绝缘子实例的相位信息。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法 。
图4为本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
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。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种点云数据的处理方法,其特征在于,包括:
获取待处理场景的点云数据集合,并确定所述点云数据集合中各个所述点云数据的点云类型;其中,所述点云数据集合携带有各个点云数据的点云属性;
分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例;其中,所述物体实例至少包括杆塔实例、绝缘子实例、线路实例;
根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息;其中,所述绝缘子信息包括关键点信息和/或相位信息;
所述分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例的步骤,包括:
根据第一聚类距离对所述杆塔点云进行聚类处理,确定所述杆塔点云所属的杆塔实例;
根据第二聚类距离对所述绝缘子点云进行聚类处理,确定所述绝缘子点云所属的绝缘子实例;
根据所述线路点云对应的点云属性和预设权重对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;其中,所述点云属性至少包括点云坐标,所述点云坐标包括点云横坐标、点云纵坐标、点云竖坐标;
所述根据所述线路点云对应的点云属性和预设权重对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例的步骤,包括:
利用所述点云横坐标及其对应的第一权重、所述点云纵坐标及其对应的第二权重、所述点云竖坐标及其对应的第三权重进行加权平均处理;
根据加权平均处理结果和第三聚类距离对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;
其中,所述第一权重、所述第二权重、所述第三权重按照预设线路曲率设置,所述第一权重和所述第二权重均大于所述第三权重。
2.根据权利要求1所述的方法,其特征在于,所述确定所述点云数据集合中各个所述点云数据的点云类型的步骤,包括:
利用预设点云分割算法对所述点云数据集合进行分割处理,将所述点云数据集合内的各个所述点云数据至少划分为杆塔点云、绝缘子点云、线路点云。
3.根据权利要求1所述的方法,其特征在于,所述根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息的步骤,包括:
根据所述绝缘子实例对应的绝缘子点云的点云坐标,确定所述待处理场景的关键点信息;其中,所述关键点信息包括绝缘子挂点和中心坐标;
根据所述绝缘子实例的绝缘子挂点分别与各个所述杆塔实例对应的杆塔点云和各个所述线路实例对应的线路点云之间的距离,确定所述待处理场景的相位信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述绝缘子实例对应的绝缘子点云的点云坐标,确定所述待处理场景的关键点信息的步骤,包括:
对于每个所述绝缘子实例,计算该绝缘子实例对应的绝缘子点云的方向向量;
计算所述方向向量与该绝缘子实例对应的绝缘子点云的点云坐标的内积值;
将内积最大值的绝缘子点和内积最小值的绝缘子点均确定为该绝缘子实例的绝缘子挂点,以及将该绝缘子实例对应的绝缘子点云的质心确定为该绝缘子实例的中心坐标。
5.根据权利要求3所述的方法,其特征在于,所述根据所述绝缘子实例的绝缘子挂点分别与各个所述杆塔实例对应的杆塔点云和各个所述线路实例对应的线路点云之间的距离,确定所述待处理场景的相位信息的步骤,包括:
对于所述绝缘子实例的每个绝缘子挂点,计算该绝缘子挂点与各个所述杆塔实例对应的杆塔点云之间的第一距离,以及计算该绝缘子挂点与各个所述线路实例对应的线路点云之间的第二距离;
如果第一距离最小值大于第二距离最小值,确定该绝缘子挂点的挂点属性为线路挂点;
如果第一距离最小值小于第二距离最小值,确定该绝缘子挂点的挂点属性为横担挂点;
根据该绝缘子挂点的挂点属性确定所述绝缘子实例的相位信息。
6.一种点云数据的处理装置,其特征在于,包括:
类型确定模块,用于获取待处理场景的点云数据集合,并确定所述点云数据集合中各个所述点云数据的点云类型;其中,所述点云数据集合携带有各个点云数据的点云属性;
实例确定模块,用于分别针对各个点云类型对应的点云数据进行聚类处理,确定各个所述点云数据所属的物体实例;其中,所述物体实例至少包括杆塔实例、绝缘子实例、线路实例;
信息确定模块,用于根据各个所述物体实例对应的点云数据的点云属性,确定所述待处理场景的绝缘子信息;其中,所述绝缘子信息包括关键点信息和/或相位信息;
实例确定模块,还用于:根据第一聚类距离对所述杆塔点云进行聚类处理,确定所述杆塔点云所属的杆塔实例;根据第二聚类距离对所述绝缘子点云进行聚类处理,确定所述绝缘子点云所属的绝缘子实例;根据所述线路点云对应的点云属性和预设权重对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;其中,所述点云属性至少包括点云坐标,所述点云坐标包括点云横坐标、点云纵坐标、点云竖坐标;
实例确定模块还包括线路聚类单元,用于:利用所述点云横坐标及其对应的第一权重、所述点云纵坐标及其对应的第二权重、所述点云竖坐标及其对应的第三权重进行加权平均处理;根据加权平均处理结果和第三聚类距离对所述线路点云进行聚类处理,确定所述线路点云所属的线路实例;其中,所述第一权重、所述第二权重、所述第三权重按照预设线路曲率设置,所述第一权重和所述第二权重均大于所述第三权重。
7.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至5任一项所述的方法。
8.一种计算机存储介质,其特征在于,用于储存为权利要求1至5任一项所述方法所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110488298.5A CN112990235B (zh) | 2021-05-06 | 2021-05-06 | 点云数据的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110488298.5A CN112990235B (zh) | 2021-05-06 | 2021-05-06 | 点云数据的处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990235A CN112990235A (zh) | 2021-06-18 |
CN112990235B true CN112990235B (zh) | 2021-08-20 |
Family
ID=76336989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110488298.5A Active CN112990235B (zh) | 2021-05-06 | 2021-05-06 | 点云数据的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990235B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332848B (zh) * | 2022-03-10 | 2022-06-07 | 北京云圣智能科技有限责任公司 | 点云标注方法、装置及服务器 |
CN114677381B (zh) * | 2022-05-30 | 2022-10-11 | 天津云圣智能科技有限责任公司 | 绝缘子分割方法、装置、电子设备及计算机可读存储介质 |
CN116071368B (zh) * | 2023-04-07 | 2023-06-16 | 国网山西省电力公司电力科学研究院 | 绝缘子污秽多角度图像检测与精细度分析方法及装置 |
CN116630361B (zh) * | 2023-04-24 | 2024-04-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于Lidar点云的输电杆塔与绝缘子模型自动分割方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN106373130A (zh) * | 2016-10-24 | 2017-02-01 | 北京拓维思科技有限公司 | 导线悬挂点定位方法和装置 |
US20190236373A1 (en) * | 2018-01-31 | 2019-08-01 | Guangzhou Institute Of Building Science Co., Ltd. | Data Transmission System of Safety Patrol on Construction Project Site Based on "Internet Plus" |
CN112034878A (zh) * | 2020-11-05 | 2020-12-04 | 北京云圣智能科技有限责任公司 | 基于无人机的电力巡检方法、装置和电子设备 |
CN112147633A (zh) * | 2020-09-27 | 2020-12-29 | 广东电网有限责任公司 | 一种电力线路安全距离检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780681B (zh) * | 2019-11-26 | 2023-05-12 | 贵州电网有限责任公司 | 一种基于激光点云的无人机自主巡检绝缘子路径规划方法 |
WO2022087916A1 (zh) * | 2020-10-28 | 2022-05-05 | 华为技术有限公司 | 定位方法、装置、电子设备和存储介质 |
-
2021
- 2021-05-06 CN CN202110488298.5A patent/CN112990235B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN106373130A (zh) * | 2016-10-24 | 2017-02-01 | 北京拓维思科技有限公司 | 导线悬挂点定位方法和装置 |
US20190236373A1 (en) * | 2018-01-31 | 2019-08-01 | Guangzhou Institute Of Building Science Co., Ltd. | Data Transmission System of Safety Patrol on Construction Project Site Based on "Internet Plus" |
CN112147633A (zh) * | 2020-09-27 | 2020-12-29 | 广东电网有限责任公司 | 一种电力线路安全距离检测方法 |
CN112034878A (zh) * | 2020-11-05 | 2020-12-04 | 北京云圣智能科技有限责任公司 | 基于无人机的电力巡检方法、装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
基于机载LiDAR点云数据的电力线自动提取方法;杨业,李宏宁;《激光与光电子学进展》;20191008;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112990235A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990235B (zh) | 点云数据的处理方法、装置及电子设备 | |
CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
CN110598541B (zh) | 一种提取道路边缘信息的方法及设备 | |
CN115880536B (zh) | 数据处理方法、训练方法、目标对象检测方法及装置 | |
CN111881777B (zh) | 一种视频处理方法和装置 | |
CN110633843B (zh) | 园区巡检方法、装置、设备及存储介质 | |
CN116071651B (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN111105435B (zh) | 标志物匹配方法、装置及终端设备 | |
CN110728735A (zh) | 道路级拓扑图层构建方法及*** | |
CN113377748B (zh) | 激光雷达点云数据的静态点去除方法和装置 | |
CN115841558B (zh) | 城市道路建模的方法、装置、电子设备和存储介质 | |
CN116091709B (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
CN114332848B (zh) | 点云标注方法、装置及服务器 | |
CN114325678A (zh) | 障碍物检测方法、装置及服务器 | |
CN113902898A (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
CN109840535B (zh) | 实现地形分类的方法和装置 | |
CN117392631B (zh) | 一种道路边界提取方法、装置、电子设备及存储介质 | |
CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
CN114677381B (zh) | 绝缘子分割方法、装置、电子设备及计算机可读存储介质 | |
CN111931743B (zh) | 建筑违章监控方法、***和电子设备 | |
CN113656425B (zh) | 电子地图的更新方法、装置、电子设备、存储介质及产品 | |
CN118037988A (zh) | 一种输电线路三维重建方法、装置、电子设备及存储介质 |
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 |