CN113009452B - 一种激光点云电力杆塔提取方法 - Google Patents
一种激光点云电力杆塔提取方法 Download PDFInfo
- Publication number
- CN113009452B CN113009452B CN201911326484.8A CN201911326484A CN113009452B CN 113009452 B CN113009452 B CN 113009452B CN 201911326484 A CN201911326484 A CN 201911326484A CN 113009452 B CN113009452 B CN 113009452B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- extraction
- point
- tower
- clouds
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 155
- 230000009466 transformation Effects 0.000 claims abstract description 46
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000007670 refining Methods 0.000 claims abstract description 5
- 238000000513 principal component analysis Methods 0.000 claims description 61
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种激光点云电力杆塔提取方法,包括以下步骤:获取原始点云,设置所述原始点云中的提取范围;粗提取:将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云;精细化提取:对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云。本发明的提取速度远高于人工提取的速度,能够更加精确的提取点云数据,避免由于植被带来的错提取现象,精度大幅提升。
Description
技术领域
本发明涉及电力设施巡检领域,特别是涉及一种激光点云电力杆塔提取方法。
背景技术
由于机载激光雷达***具有较高的定位和测距精度,使得其在电力架空输电线路运维如:线路走廊危险地物的检测、电力线间距离的精细量测、输电线路三维可视化管理等应用中具有较大的优势,因此激光点云被大量运用于线路巡检的应用中。其中,电力杆塔作为电力巡检的重要资产,在电力巡线过程中对杆塔的提取是机载激光雷达巡线数据处理的一个重要步骤。
目前,杆塔点云提取方法主要是靠人工对点云数据进行手动提取,或者直接将杆塔空间范围内的所有点云都当成杆塔点云,效率低、提取精度低,容易因植被的存在带来错提取的情况。
发明内容
本发明的目的在于现有技术的局限,提供一种激光点云电力杆塔提取方法,由以下技术方案实现:
一种激光点云电力杆塔提取方法,包括以下步骤:
获取原始点云,设置所述原始点云中的提取范围;
粗提取:将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云,其中,根据预设的地面拟合点高程阈值从所述提取范围内提取地面点云,通过对所述地面点云进行地平面拟合获得地平面方程,将所述提取范围内的点云坐标参数输入所述地平面方程获得地面拟合高程,由点云实际高度与所述地面拟合高程的差值得到点云的相对高程值;
精细化提取:对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,其中,对所述未通过粗提取的点云进行PCA变换,获得所述未通过粗提取的点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述未通过粗提取的点云中所述特征值之比大于预设的PCA变换阈值的点云作为杆塔点云;或者,根据预设的分块大小对所述未通过粗提取的点云所在空间进行分块处理,从各个分块中筛选出存在点云的点云块,对所述点云块中的点云进行PCA变换,获得点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述特征值之比大于预设的PCA变换阈值的点云块中的点云作为杆塔点云;
剔除误差点:对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
相较于现有技术,本申请的激光点云电力杆塔提取方法提取速度远高于人工提取的速度,能够更加精确的提取点云数据,避免由于植被带来的错提取现象,精度大幅提升。
进一步的,对精细化提取得到的杆塔点云进行聚类,可包括以下步骤:
设立候选库;
判断所述精细化提取得到的杆塔点云中未被检测过的点云是否已被聚类,若检测到未被聚类的点云则为其创建新的点集进行聚类,并将该点云存入所述候选库中;
判断所述候选库中是否为空直至所有精细化提取得到的杆塔点云聚类完成,若不为空,则从所述候选库取出一个点云,将该点云预设的邻域内其它未被聚类的点云存入所述候选库中并聚类到该点云所在的点集中。
进一步的,所述的激光点云电力杆塔提取方法,还可包括以下步骤:
恢复漏提取的杆塔点云:以所述剔除误差点后的杆塔点云为中心,在所述原始点云中将给定的滤波窗口范围内存在的点云作为杆塔点云。
通过上述步骤,能够恢复漏提取的杆塔点云。
一种激光点云电力杆塔提取***,包括:
原始点云提取范围设置模块,用于获取原始点云,设置所述原始点云中的提取范围;
杆塔点云粗提取模块,将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云,其中,根据预设的地面拟合点高程阈值从所述提取范围内提取地面点云,通过对所述地面点云进行地平面拟合获得地平面方程,将所述提取范围内的点云坐标参数输入所述地平面方程获得地面拟合高程,由点云实际高度与所述地面拟合高程的差值得到点云的相对高程值;
杆塔点云精细化提取模块,用于对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,其中,对所述未通过粗提取的点云进行PCA变换,获得所述未通过粗提取的点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述未通过粗提取的点云中所述特征值之比大于预设的PCA变换阈值的点云作为杆塔点云;或者,根据预设的分块大小对所述未通过粗提取的点云所在空间进行分块处理,从各个分块中筛选出存在点云的点云块,对所述点云块中的点云进行PCA变换,获得点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述特征值之比大于预设的PCA变换阈值的点云块中的点云作为杆塔点云;
杆塔点云剔除误差点模块,对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
本发明还提供一种储存介质,其上储存有计算机程序,所述计算机程序被处理器执行时实现前述激光点云电力杆塔提取方法的步骤。
本发明还提供一种计算机设备,包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序,所述计算机程序被处理器执行时实现前述激光点云电力杆塔提取方法的步骤。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1为本发明实施例激光点云电力杆塔提取方法的流程图1;
图2为本发明实施例粗提取的流程图;
图3为本发明实施例获得地平面方程的流程图;
图4为本发明实施例精细化提取的流程图1;
图5为本发明实施例精细化提取的流程图2;
图6为本发明实施例激光点云电力杆塔提取方法的流程图2;
图7为本发明实施例剔除误差点的流程图1;
图8为本发明实施例激光点云电力杆塔提取方法的流程图3;
图9为本发明实施例激光点云电力杆塔提取***的示意图1;
图10为本发明实施例激光点云电力杆塔提取***的示意图2。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
一种激光点云电力杆塔提取方法,包括以下步骤:
S01,获取原始点云,设置所述原始点云中的提取范围;
S02,粗提取:将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云;
S03,精细化提取:对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云。
相较于现有技术,本申请的激光点云电力杆塔提取方法提取速度远高于人工提取的速度,能够更加精确的提取点云数据,避免由于植被带来的错提取现象,精度大幅提升。
具体的,所述原始点云指由机载激光雷达沿电力巡线过程中扫描得到的点云的原始数据。
由于所述原始点云包含巡检通道点云,为了减少计算并提取出杆塔点云,故设置所述提取范围;所述提取范围即杆塔区域所在范围,该范围完全包含所有杆塔点云,范围的设置包括长和宽,单位可为米。所述提取范围可直接设置,在一种可选的实施例中,亦可先设置目标杆塔的中心点坐标,再依据上述目标杆塔的中心点坐标设定提取范围;这样能够在原始点云中快速定位到目标杆塔以提高杆塔点云提取的效率,实际上由于提取过程中是在范围内进行提取,因此目标杆塔的中心点坐标设置可以允许存在一定偏差;通过中心点坐标定位杆塔的坐标,因此中心点坐标的坐标系和投影系应该与原始点云中的坐标系和投影系保持一致。
绝对高程,即海拔,指地面点沿垂线方向至大地水准面的距离;而所述相对高程,则是当在局部地区无法知道绝对高程时,假定一个水准面作为高程起算面,地面点到该假定水准面的沿铅垂线方向的距离。
由于部分电力杆塔的高度可达到近百米,通过预设的杆塔粗提取高程阈值,相当于划分出不可能存在植被点云的空间,在杆塔粗提取高程阈值之上的点云即可认为是杆塔点云进行提取,从而实现对杆塔点云的粗提取;在此过程中设置的杆塔粗提取高程阈值同样为相对高程值,为相对于假定的水准面或拟合平面的高程。
PCA即主成分分析(Principal components analysis),目标是寻找r(r<n)个新变量,使它们反映事物的主要特征,压缩原有数据矩阵的规模,将特征向量的维数降低,挑选出最少的维数来概括最重要特征。每个新变量是原有变量的线性组合,体现原有变量的综合效果,具有一定的实际含义。这r个新变量称为“主成分”,它们可以在很大程度上反映原来n个变量的影响,并且这些新变量是互不相关的,也是正交的。通过主成分分析,压缩数据空间,将多元数据的特征在低维空间里直观地表示出来。具体到本实施例中,由于植被点云与杆塔点云混杂在一起,植被点云分布较为分散,而杆塔点云分布较为集中,对所述未通过粗提取的点云进行PCA变换,能够提取出点云的线性特征,从而将线性特征比植被点云更加明显的杆塔点云从植被点云中区分提取出来。
进一步的,将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取识别为杆塔点云,可包括以下步骤:
S021,根据预设的地面拟合点高程阈值从所述提取范围内提取地面点云,通过对所述地面点云进行地平面拟合获得地平面方程;
S022,将所述提取范围内的点云坐标参数输入所述地平面方程获得地面拟合高程,由点云实际高度与所述地面拟合高程的差值得到点云的相对高程值。
具体的,在所述地面拟合点高程阈值之上的点即非地面点,所述地面拟合点高程阈值同样为相对高程值,为相对于提取范围内点云的平均高程,因此可以为负值,若为负值则说明小于提取范围内点云的平均高程。
通过对所述地面点云进行地平面拟合获得地平面方程的步骤如下:
S021a,以所述地面点云作为地平面拟合输入点,求解拟合平面方程z=ax+by+c;
S021b,获取所述地平面拟合输入点到所述拟合平面的距离,剔除所述地平面拟合输入点中高于预设的拟合平面距离阈值的点云以作为更新,并根据更新后的输入点重新求解拟合平面方程,重复本步骤直至所述地平面拟合输入点到所述拟合平面的距离均小于所述拟合平面距离阈值并以对应的拟合平面方程作为地平面方程。
在一种可选的实施例中,所述拟合平面距离阈值为3米。
在一种可选的实施例中,对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,可包括以下步骤:
S032a,对所述未通过粗提取的点云进行PCA变换,获得所述未通过粗提取的点云在PCA变换后的第一主成分及第二主成分的特征值之比;将所述未通过粗提取的点云中所述特征值之比大于预设的PCA变换阈值的点云作为杆塔点云。
具体的,由于植被点云分布较为分散,PCA变换后第一与第二主成分信息量差异不大;而杆塔点云分布较为集中,PCA变换后第一与第二主成分信息量差异较大;因此,通过计算第一主成分及第二主成分的特征值之比,并将其与所述PCA变换阈值比较能有效区分植被点云与杆塔点云。
在另一种可选的实施例中,对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,可包括以下步骤:
S031b,根据预设的分块大小对所述未通过粗提取的点云所在空间进行分块处理,从各个分块中筛选出存在点云的点云块;
S032b,对所述点云块中的点云进行PCA变换,获得点云在PCA变换后的第一主成分及第二主成分的特征值之比;将所述特征值之比大于预设的PCA变换阈值的点云块中的点云作为杆塔点云。
具体的,设置的分块大小指包括长、宽、高的值;分块处理在于在三维空间中对所述未通过粗提取的点云进行分割,剔除不包含点云的分块,再分别对每个包含部分未通过粗提取的点云的点云块中进行PCA变换,能够进一步大幅提升提取精度和效率。
进一步的,所述的激光点云电力杆塔提取方法,还可包括以下步骤:
S04,剔除误差点:对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
通过上述步骤,能够进一步剔除物提取的植被点云。
进一步的,对精细化提取得到的杆塔点云进行聚类,可包括以下步骤:
S041,设立候选库;
S042,判断所述精细化提取得到的杆塔点云中未被检测过的点云是否已被聚类,若检测到未被聚类的点云则为其创建新的点集进行聚类,并将该点云存入所述候选库中;
S043,判断所述候选库中是否为空直至所有精细化提取得到的杆塔点云聚类完成,若不为空,则从所述候选库取出一个点云,将该点云预设的邻域内其它未被聚类的点云存入所述候选库中并聚类到该点云所在的点集中。
进一步的,所述的激光点云电力杆塔提取方法,还可包括以下步骤:
S05,恢复漏提取的杆塔点云:以所述剔除误差点后的杆塔点云为中心,在所述原始点云中将给定的滤波窗口范围内存在的点云作为杆塔点云。
通过上述步骤,能够恢复漏提取的杆塔点云。
一种激光点云电力杆塔提取***,包括:
原始点云提取范围设置模块1,用于获取原始点云,设置所述原始点云中的提取范围;
杆塔点云粗提取模块2,将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云;
杆塔点云精细化提取模块3,用于对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云。
进一步的,所述激光点云电力杆塔提取***还可包括:
误差点剔除模块4,用于对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
漏提取的杆塔点云恢复模块5,用于以所述剔除误差点后的杆塔点云为中心,在所述原始点云中将给定的滤波窗口范围内存在的点云作为杆塔点云。
本实施例还提供一种储存介质,其上储存有计算机程序,所述计算机程序被处理器执行时实现前述激光点云电力杆塔提取方法的步骤。
本实施例还提供一种计算机设备,包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序,所述计算机程序被处理器执行时实现前述激光点云电力杆塔提取方法的步骤。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.一种激光点云电力杆塔提取方法,其特征在于,包括以下步骤:
获取原始点云,设置所述原始点云中的提取范围;
粗提取:将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云,其中,根据预设的地面拟合点高程阈值从所述提取范围内提取地面点云,通过对所述地面点云进行地平面拟合获得地平面方程,将所述提取范围内的点云坐标参数输入所述地平面方程获得地面拟合高程,由点云实际高度与所述地面拟合高程的差值得到点云的相对高程值;
精细化提取:对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,其中,对所述未通过粗提取的点云进行PCA变换,获得所述未通过粗提取的点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述未通过粗提取的点云中所述特征值之比大于预设的PCA变换阈值的点云作为杆塔点云;或者,根据预设的分块大小对所述未通过粗提取的点云所在空间进行分块处理,从各个分块中筛选出存在点云的点云块,对所述点云块中的点云进行PCA变换,获得点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述特征值之比大于预设的PCA变换阈值的点云块中的点云作为杆塔点云;
剔除误差点:对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
2.根据权利要求1所述的激光点云电力杆塔提取方法,其特征在于,对精细化提取得到的杆塔点云进行聚类,包括以下步骤:
设立候选库;
判断所述精细化提取得到的杆塔点云中未被检测过的点云是否已被聚类,若检测到未被聚类的点云则为其创建新的点集进行聚类,并将该点云存入所述候选库中;
判断所述候选库中是否为空直至所有精细化提取得到的杆塔点云聚类完成,若不为空,则从所述候选库取出一个点云,将该点云预设的邻域内其它未被聚类的点云存入所述候选库中并聚类到该点云所在的点集中。
3.根据权利要求1所述的激光点云电力杆塔提取方法,其特征在于,还包括以下步骤:
恢复漏提取的杆塔点云:以所述剔除误差点后的杆塔点云为中心,在所述原始点云中将给定的滤波窗口范围内存在的点云提取作为杆塔点云。
4.一种激光点云电力杆塔提取***,其特征在于,包括:
原始点云提取范围设置模块,用于获取原始点云,设置所述原始点云中的提取范围;
杆塔点云粗提取模块,将所述提取范围内,相对高程值大于预设的杆塔粗提取高程阈值的点云提取作为杆塔点云,并筛选出未通过粗提取的点云,其中,根据预设的地面拟合点高程阈值从所述提取范围内提取地面点云,通过对所述地面点云进行地平面拟合获得地平面方程,将所述提取范围内的点云坐标参数输入所述地平面方程获得地面拟合高程,由点云实际高度与所述地面拟合高程的差值得到点云的相对高程值;
杆塔点云精细化提取模块,用于对所述未通过粗提取的点云进行PCA变换,根据PCA变换的结果提取杆塔点云,其中,对所述未通过粗提取的点云进行PCA变换,获得所述未通过粗提取的点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述未通过粗提取的点云中所述特征值之比大于预设的PCA变换阈值的点云作为杆塔点云;或者,根据预设的分块大小对所述未通过粗提取的点云所在空间进行分块处理,从各个分块中筛选出存在点云的点云块,对所述点云块中的点云进行PCA变换,获得点云在PCA变换后的第一主成分及第二主成分的特征值之比,将所述特征值之比大于预设的PCA变换阈值的点云块中的点云作为杆塔点云;
杆塔点云剔除误差点模块,对精细化提取得到的杆塔点云进行聚类,选取聚类得到的点集中点云数目最多的作为剔除误差点后的杆塔点云。
5.一种储存介质,其上储存有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的激光点云电力杆塔提取方法的步骤。
6.一种计算机,其特征在于:包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的激光点云电力杆塔提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911326484.8A CN113009452B (zh) | 2019-12-20 | 2019-12-20 | 一种激光点云电力杆塔提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911326484.8A CN113009452B (zh) | 2019-12-20 | 2019-12-20 | 一种激光点云电力杆塔提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113009452A CN113009452A (zh) | 2021-06-22 |
CN113009452B true CN113009452B (zh) | 2024-03-19 |
Family
ID=76382767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911326484.8A Active CN113009452B (zh) | 2019-12-20 | 2019-12-20 | 一种激光点云电力杆塔提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113009452B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433750B (zh) * | 2023-06-15 | 2023-08-18 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于激光点云的输电杆塔提取方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701478A (zh) * | 2016-02-24 | 2016-06-22 | 腾讯科技(深圳)有限公司 | 杆状地物提取的方法和装置 |
CN106897686A (zh) * | 2017-02-19 | 2017-06-27 | 北京林业大学 | 一种机载lidar电力巡检点云分类方法 |
CN107644452A (zh) * | 2017-09-15 | 2018-01-30 | 武汉大学 | 机载LiDAR点云屋顶面片分割方法及*** |
CN108230336A (zh) * | 2017-12-29 | 2018-06-29 | 国网通用航空有限公司 | 一种点云杆塔提取方法及装置 |
CN110570428A (zh) * | 2019-08-09 | 2019-12-13 | 浙江合信地理信息技术有限公司 | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及*** |
-
2019
- 2019-12-20 CN CN201911326484.8A patent/CN113009452B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701478A (zh) * | 2016-02-24 | 2016-06-22 | 腾讯科技(深圳)有限公司 | 杆状地物提取的方法和装置 |
CN106897686A (zh) * | 2017-02-19 | 2017-06-27 | 北京林业大学 | 一种机载lidar电力巡检点云分类方法 |
CN107644452A (zh) * | 2017-09-15 | 2018-01-30 | 武汉大学 | 机载LiDAR点云屋顶面片分割方法及*** |
CN108230336A (zh) * | 2017-12-29 | 2018-06-29 | 国网通用航空有限公司 | 一种点云杆塔提取方法及装置 |
CN110570428A (zh) * | 2019-08-09 | 2019-12-13 | 浙江合信地理信息技术有限公司 | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113009452A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709946B (zh) | 基于LiDAR点云的多***导线自动提取与精细建模方法 | |
CA2839165C (en) | Method and system for processing image data | |
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 | |
CN111275821B (zh) | 一种电力线拟合方法、***及终端 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN110889828A (zh) | 预定场景中的栈板识别方法、终端设备、计算机存储介质 | |
CN110798805B (zh) | 基于gps轨迹的数据处理方法、装置及存储介质 | |
CN113920134B (zh) | 一种基于多线激光雷达的斜坡地面点云分割方法及*** | |
CN113009452B (zh) | 一种激光点云电力杆塔提取方法 | |
CN114612616A (zh) | 建图方法、装置、电子设备和存储介质 | |
CN114187297A (zh) | 一种输电线路风偏校核方法及校核*** | |
CN116310849A (zh) | 基于三维形态特征的树木点云单体化提取方法 | |
CN114610825A (zh) | 关联网格集的确认方法、装置、电子设备及存储介质 | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
CN116309828A (zh) | 一种基于三维激光点云数据的电力杆塔信息提取方法 | |
CN117197639A (zh) | 真值获取方法、装置、电子设备及存储介质 | |
CN111968253A (zh) | 一种基于点云数据的路面提取方法及*** | |
CN112882047B (zh) | 基于激光点云的电力导线相间距离自动获取方法及*** | |
CN115143936B (zh) | 一种基于激光点云的输电工程杆塔倾斜度测量方法 | |
CN112907574B (zh) | 一种飞行器的降落点寻找方法、装置、***及存储介质 | |
CN111507287A (zh) | 一种航空影像中道路斑马线角点提取方法及*** | |
CN116052003B (zh) | 一种天线角度信息的测量方法、装置及相关设备 | |
CN115797545A (zh) | 一种输电通道场景中***导线的建模方法及*** | |
CN116342811A (zh) | 一种基于bev视图辅助的电力线重建方法 |
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 |