CN115423968B - 基于点云数据和实景三维模型的输电通道优化方法 - Google Patents
基于点云数据和实景三维模型的输电通道优化方法 Download PDFInfo
- Publication number
- CN115423968B CN115423968B CN202210864446.3A CN202210864446A CN115423968B CN 115423968 B CN115423968 B CN 115423968B CN 202210864446 A CN202210864446 A CN 202210864446A CN 115423968 B CN115423968 B CN 115423968B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- dimensional
- live
- data
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及电力线路路径规划技术领域，尤其涉及一种基于点云数据和实景三维模型的输电通道优化方法，其首先获取点云数据以及三维实景模型，然后，结合三维实景模型，对点云数据进行数据预处理以去除噪声点。接着，根据三维实景模型，对点云数据设置标签。最后，基于点云数据获取断面图，并根据点云数据的标签，在断面图上确定多个杆塔排位。本发明采用点云数据与三维实景模型相结合的方式，对杆塔排位进行设置，因此，杆塔排位效果能够得到近似真实场景的验证。点云数据通过结合实景模型进行去噪，点云数据通过设置地物标签，并通过点云数据获取断面图，结合断面图和地物标签设置杆塔排位，因此，规划的准确性、可实施性更高。
Description
技术领域
本发明涉及电力线路路径规划技术领域，尤其涉及一种基于点云数据和实景三维模型的输电通道优化方法。
背景技术
点云数据简单的讲就是通过激光雷达获取的带空间坐标的采样点的一个集合，由于数量大且密集因此称之为“点云”。由于点云带有空间坐标，因此广泛应用于测绘、电力、建筑、工业、汽车、游戏、刑侦等相当多的领域。且术业有专攻，不同激光产品所采集的点云应用方向也是天差地别的。
点云数据的应用场景包括：地形图测绘三维激光扫描技术在大比例尺地形测绘中的应用，在测区面积较大时能够快速而精确地采集大量点云数据，有效节约人力物力，缩短工期，提高工作效率和经济效益；在复杂地形和危险测区，能够不直接接触危险目标，详细、快速地进行外业数据采集，既保证了人员和设备的安全，又保证了成图精度要求，并同时提高工作效率。
安装在汽车上的移动式LiDAR扫描仪或在无人机上操作的机载扫描仪可以提供密集的点云，可以非常准确地描绘高速公路，以及其周围环境和路面情况。
实景三维是客观真实反映现实世界的三维模型，具有单体化、实体化、结构化、语义化的特点，通过融合模型三维、倾斜三维、全景三维，形成可空间量算和综合分析的模型，是一种泛三维，集多种模型优点于一体的三维数据成果。
实景三维模型的制作，首先从数据采集开始。模型的真实感在于与现实世界具有相同的色彩，这源自于从空中拍摄的影像。目前，主要采用倾斜摄影测量技术进行航拍，通过在同一飞行平台上搭载多台传感器，可以同时从垂直、倾斜等不同角度采集影像，获取地面物体更为完整准确的信息。
获取影像后，需要通过摄影测量的技术手段将二维的影像处理成实景三维模型。
随着近年来电力行业的不断发展，技术水平逐步提升，对于电力线路路径优化提出了更高的要求，越来越多的工程应用了高精度的地理数据进行线路的优化选线，比较典型的为实景三维模型和激光点云模型。但是大家多数还在使用比较传统的方式进行线路优化设计，需要使用专门的立体显示器结合立体航片对输电线路通道走廊进行观测，对设备和人员的立体观测能力都有着较高的要求，同时受限于视角的原因，无法多角度的观测通道走廊的实际情况，影响人员对通道走廊情况判读。
如何针对海量多源高精度遥感数据，充分发挥多种数据的优势，辅助人员设计线路，是电力线路优化选线需要解决的问题。
基于此，需要开发设计出一种基于点云数据和实景三维模型的输电通道优化方法。
发明内容
本发明实施方式提供了一种基于点云数据和实景三维模型的输电通道优化方法，用于解决现有技术中基于点云数据和实景三维模型的输电通道优化设计方式效率低下的问题。
第一方面，本发明实施方式提供了一种基于点云数据和实景三维模型的输电通道优化方法，包括：
获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形；
结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点；
根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘；
基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。
在一种可能实现的方式中，所述结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点，包括：
按照所述点云数据获取的先后顺序，对所述点云数据进行排列，获得数据排列；
对多个待修正高度数据进行傅里叶变换、加窗傅里叶变换或小波变换，获得波形集，其中，所述波形集包括多个频域波形，所述数据排列包括有多个高度数据，所述多个待修正高度数据基于所述数据排列中的多个高度数据依次获得；
去噪步骤：按照预设条件，对所述波形集中的多个频域波形进行删除或幅值消减操作，其中，所述预设条件用于表征波形删除或幅值消减的量；
对所述波形集中的多个频域波形进行叠加，获取叠加波形；
按照所述多个待修正高度数据的总数量，从所述叠加波形中获取多个采样数值，作为多个去噪高度数据；
计算所述多个去噪高度数据与所述多个待修正高度数据的差，作为去噪差集；
根据所述去噪差集中超过阈值的元素找到待定高度数据在所述三维实景模型的对应位置，其中，所述待定高度数据为所述超过阈值的元素对应所述多个去噪高度数据中的元素；
根据所述待定高度数据以及所述待定高度数据在所述三维实景模型的对应位置，确定所述多个去噪高度数据的偏差；
如所述偏差较大，则调整预设条件并跳转至所述去噪步骤；
否则，用所述多个去噪高度数据替换所述多个待修正高度数据。
在一种可能实现的方式中，对多个待修正高度数据进行小波变换，获得波形集，包括：
根据获得所述点云数据的采集频率，确定最高次波频域波形的频率；
根据所述最高次波频域波形的频率，确定多个频域波形的频率，其中，所述多个频率波形的频率在所述点云数据的采集时长内正交；
根据所述多个频域波形的频率，构建多个小波函数；
对所述多个小波函数分别进行求解，确定多个小波的波形。
在一种可能实现的方式中，所述小波函数表达式为：
式中，e为自然常数，i为虚数单位，t为时间变量，
为对应a次波频的小波函数，βa为对应a次波频的小波函数极大值的幅值，ω0为最高次波频域波形的频率，ba为中心频率极大值的位置。
在一种可能实现的方式中，所述根据所述三维实景模型，对所述点云数据设置标签，包括：
基于所述三维实景模型，获取平面实景图；
获取一个中间模板，按照预定的顺序，从所述平面实景图中取出一个待定图块；
将所述待定图块送入识别模型中，确定所述待定图形中包含的地物目标以及所述地物目标在所述待定图形中的范围，其中，所述识别模型基于CNN神经网络模型构建，所述识别模型经过地物目标识别训练，并经过识别成功率验证；
根据所述地物目标在所述待定图形中的范围以及所述三维实景模型，确定所述地物目标的地理坐标范围；
对隶属所述地物目标的坐标范围内的点云数据添加地物目标标签。
在一种可能实现的方式中，所述基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位，包括：
根据电力线路的起止点以及所述点云数据绘制断面图；
若所述断面图中包括有高点，则基于所述高点，改变断面图走向，直至所述断面图符合设置杆塔排位条件；
根据所述点云数据的标签，对所述断面图的各段进行标注；
根据设计规范以及所述断面图的各段标注，确定多个杆塔排位。
在一种可能实现的方式中，在所述在所述断面图上确定多个杆塔排位步骤之后，包括：
根据所述多个杆塔排位计算电力线的悬垂度；
根据所述多个杆塔排位以及所述电力线的悬垂度，构建电力线路的三维模型；
将所述电力线路的三维模型与所述三维实景模型进行叠加，生成三维假想图；
根据所述三维假想图验证所述电力线路设计。
第二方面，本发明实施方式提供了一种基于点云数据和实景三维模型的输电通道优化设计装置，包括：
基础数据获取模块，用于获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形；
点云数据去噪模块，用于结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点；
地物调绘模块，用于根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘；
以及，
杆塔排位模块，用于基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。
第三方面，本发明实施方式提供了一种终端，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是：
本发明实施方式公开了的一种基于点云数据和实景三维模型的输电通道优化方法，其首先获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形。然后，结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点。接着，根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘。最后，基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。本发明实施方式，采用点云数据与三维实景模型相结合的方式，对杆塔排位进行设置，因此，杆塔排位效果能够得到近似真实场景的验证。点云数据通过结合实景模型的去噪的方式，去除那些噪声点，点云数据真实性、准确性更有保障，点云数据通过设置地物标签，并通过点云数据获取断面图，结合断面图和地物标签设置杆塔排位，因此，规划的准确性、可实施性更高。本发明方法，基于点云数据和三维实景模型进行电力线规划，效率高，实地地物调研步骤少，节省了人力。
附图说明
为了更清楚地说明本发明实施方式中的技术方案，下面将对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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化方法的流程图；
图2是本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化方法的应用场景图；
图3是本发明实施方式提供的经过波形变换获得的频域图；
图4是本发明实施方式提供的图块取样过程图；
图5是本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化设计装置功能框图；
图6是本发明实施方式提供的终端功能框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的***、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
图1为本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化方法的流程图。
如图1所示，其示出了本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化方法的实现流程图，详述如下：
在步骤101中，获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形。
示例性地，在进行线路规划实施前，通常需要先确定一个选线通道，基于这个选线通道，获取点云数据和图像数据，图像数据在后续步骤中用于生成实景三维模型，因此，一种应用场景中，多个图像基于倾斜摄影获得。
在步骤102中，结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点。
在一些实施方式中，所述步骤102包括：
按照所述点云数据获取的先后顺序，对所述点云数据进行排列，获得数据排列；
对多个待修正高度数据进行傅里叶变换、加窗傅里叶变换或小波变换，获得波形集，其中，所述波形集包括多个频域波形，所述数据排列包括有多个高度数据，所述多个待修正高度数据基于所述数据排列中的多个高度数据依次获得；
去噪步骤：按照预设条件，对所述波形集中的多个频域波形进行删除或幅值消减操作，其中，所述预设条件用于表征波形删除或幅值消减的量；
对所述波形集中的多个频域波形进行叠加，获取叠加波形；
按照所述多个待修正高度数据的总数量，从所述叠加波形中获取多个采样数值，作为多个去噪高度数据；
计算所述多个去噪高度数据与所述多个待修正高度数据的差，作为去噪差集；
根据所述去噪差集中超过阈值的元素找到待定高度数据在所述三维实景模型的对应位置，其中，所述待定高度数据为所述超过阈值的元素对应所述多个去噪高度数据中的元素；
根据所述待定高度数据以及所述待定高度数据在所述三维实景模型的对应位置，确定所述多个去噪高度数据的偏差；
如所述偏差较大，则调整预设条件并跳转至所述去噪步骤；
否则，用所述多个去噪高度数据替换所述多个待修正高度数据。
在一些实施方式中，对多个待修正高度数据进行小波变换，获得波形集，包括：
根据获得所述点云数据的采集频率，确定最高次波频域波形的频率；
根据所述最高次波频域波形的频率，确定多个频域波形的频率，其中，所述多个频率波形的频率在所述点云数据的采集时长内正交；
根据所述多个频域波形的频率，构建多个小波函数；
对所述多个小波函数分别进行求解，确定多个小波的波形。
在一些实施方式中，所述小波函数表达式为：
式中，e为自然常数，i为虚数单位，t为时间变量，
为对应a次波频的小波函数，βa为对应a次波频的小波函数极大值的幅值，ω0为最高次波频域波形的频率，ba为中心频率极大值的位置。
示例性地，如图2所示，图2中示出了一种电力线架设应用场景图，现有技术中，对于点云数据的采集，是通过无人机载有的RTK(Real Time Kinematic，实时动态测量技术)定位以及激光测距装置获得的，激光测距装置通过向地面发射激光，通过测算激光的传播时长，确定地面的高度。
尽管用于测距的激光波长较长，从而使得激光能够保持较好的穿透性，但是，如果上部遮盖物较为密集，还是会出现一些高度偏差，例如，图2中，在茂密的树叶下部设有一个垃圾桶，激光有可能不能穿透部分树叶，造成高度数据的误差。
如果以这种带有偏差的点云数据作为依据，进行电力线路规划的话，显然，给线路规划工作带来了不小的困难。
因此，本发明实施方式提出了一种数据去噪的方法。
其原理是，将点云数据按照采集时间的先后进行排列，然后，提取出其中的高度数据，对高度数据进行变换，这里所说的变换包括傅里叶变换、加窗傅里叶变换或小波变换。变换的目的在于将信号随时间的波动性，变为频域特性。
即提取出不同频域的波形。一般性而言，那些低频特征更符合物理世界中高度变化的规律，而高频特征意味着，高度数据随着时间在快速的变化，这些高度数据一小部分是可能出现的，例如，激光点打到了用于晾晒衣服的晾衣绳、旗杆等等，而大部分则为如前所述的噪声信号：被其它不确定的物体所干扰导致的不准确的数据。
图3中示出了，在一些应用场景中，对点云数据进行变换后获取的频域图，图中我们可以看出，对于横坐标中，频率指示为10的频率远高于基波(频率为2)，且距离最近的频率距离较远(频率5)，这个频率非常可疑，相应的数据也非常值得商榷。
因此，我们可以按照一定的规则，对通过上述步骤获得的频域波形进行消减，例如，对上述图中频率为10的波形幅值消减为原来的一半，或者，干脆去掉这个波形。
从而，现在的波形还剩下四个(如果去掉频率为10的波形的情况下)，频率分别是2、2.4、3.4以及5。
将上述剩下的四个波形，进行叠加，就获得了一个新的波形，按照原来获取点云数据的对应时刻，再从这个新波形中获取采样数值，就得到了去噪的高度数据。
工作并未到此为止，因为，去噪的结果如前所述，对于高频波形的消减，可能去掉了一部分准确的数据(例如，晾衣绳、旗杆)，只是这些数据看上去比较像是噪声而已。
如何区分那些数据是经过去明显的噪处理，而哪些数据继续得以保留，本发明实施方式中，将去噪数据与原高度数据相减，获得去噪差。
依据去噪差对应的地理坐标(经度和维度)，找到三维实景模型中对应的位置，我们就可以明确上述去噪是合理的还是误判的，如果误判出现的次数过多，也就是去噪后的数据偏差过大，那么，说明上述去噪设定的条件过于苛刻，应当适当放宽去噪条件，否则，说明去噪成功。
对于波形变换上，尽管傅里叶变换、加窗变换都可以取得波形变换的效果，但是，小波变换在这种应用中，显得更能够反映频域特征。例如，一些高频波形，其幅值高，出现的宽度窄，在傅里叶变换中是不能够反映出来的。
具体到一种应用场景中，小波变换是基于采集频率确定最高次波形的频率，因为，根据香农定理，采样频率是被采样波形频率至少二倍关系。例如，对于图形3中的波形，采样频率应当至少为20。同样的，对于采样频率20的数据集，被采样的波形频率至多为10。
在确定了最高波形频率后，就可以通过选择小波基函数，构建小波函数，然后，基于对小波函数的求解，获得各个波形的幅值、延伸宽度、中心频率极大值的位置。
在一种应用场景中，小波函数为如下表达式：
式中，e为自然常数，i为虚数单位，t为时间变量，
为对应a次波频的小波函数，βa为对应a次波频的小波函数极大值的幅值，ω0为最高次波频域波形的频率，ba为中心频率极大值的位置。
以这个表达式为例，通过求解βa、ba就可以明确各个波形幅值、中心频率极大值的位置。
如果以这个小波变换的方式设定上述去噪条件，应当对那些中心频率极大值高、频率高、延伸宽度窄的波形进行消减，会取得比较好的效果。
在步骤103中，根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘。
在一些实施方式中，步骤103包括：
基于所述三维实景模型，获取平面实景图；
获取一个中间模板，按照预定的顺序，从所述平面实景图中取出一个待定图块；
将所述待定图块送入识别模型中，确定所述待定图形中包含的地物目标以及所述地物目标在所述待定图形中的范围，其中，所述识别模型基于CNN神经网络模型构建，所述识别模型经过地物目标识别训练，并经过识别成功率验证；
根据所述地物目标在所述待定图形中的范围以及所述三维实景模型，确定所述地物目标的地理坐标范围；
对隶属所述地物目标的坐标范围内的点云数据添加地物目标标签。
示例性地，作为进行设置杆塔排位的前置工作，有必要确定点云数据对应的地物物体，如我们所知，杆塔排位放置位置，除受规范约定外，还需要考虑一些实际，例如，杆塔应当设置在公路边缘、河流边缘，而决不能将杆塔设置在公路中间、河流中间，如果设置了这些地物标签，那么，就明确了大部分的杆塔设置禁区。
标签的一种设置方式为，根据三维实景模型，获取平面实景图，依照地理坐标(精度、维度)的对应关系，将识别出的地物物体标注在点云数据上。
如图4所示，对于地物物体的识别上，本发明实施方式是将平面实景图401依次取出图块402，基于图块402识别地物物体和地物物体的范围。图4中，这个图块402的取出过程是从左往右，从上到下的顺序。
图块被送入CNN神经网络模型中进行识别。CNN神经网络是经过地物物体图像样本训练的模型，并经过识别验证。CNN神经网络模型作为一种现有技术，包括有卷积层、池化层、全连接层以及输出层，其中，卷积层用于提取图像的特征(例如识别道路时，道路包括有车道线、交通灯这些特征)，而池化层则是将图像特征进行进一步汇总，全连接层是构建一个网络，反映的是多个特征之间的关系，最终由输出层输出结果。
通过上述识别步骤，就确定了点云数据一一对应的地物物体，加上了地物标签。
在步骤104中，基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。
在一些实施方式中，步骤104包括：
根据电力线路的起止点以及所述点云数据绘制断面图；
若所述断面图中包括有高点，则基于所述高点，改变断面图走向，直至所述断面图符合设置杆塔排位条件；
根据所述点云数据的标签，对所述断面图的各段进行标注；
根据设计规范以及所述断面图的各段标注，确定多个杆塔排位
示例性地，如图2所示，该图示出了一种电力线架设、杆塔排位是应用场景图，图中，杆塔201依次架设时，应考虑电力线202与地面物体的距离，还应当考虑一些建筑物203，如果是高大建筑物204，则应当通过设置转角塔的方式，对高大建筑物进行规避。
因此，基于电力线的起止点，规划绘制一个断面图，反映出地面的高度，再根据标签，标注不同段代表的地物(例如，公路、桥梁、河流、建筑物等)。如果有高点，高于设计规范和规划要求(例如前述的高大建筑物)，则应当在遇到高点前，重新确定一个端面，以规避高点。
断面确定后，就可以根据地物，根据设计规范设置杆塔排位。
在一些实施方式中，还包括有步骤105，步骤105设置在步骤104之后，包括：
根据所述多个杆塔排位计算电力线的悬垂度；
根据所述多个杆塔排位以及所述电力线的悬垂度，构建电力线路的三维模型；
将所述电力线路的三维模型与所述三维实景模型进行叠加，生成三维假想图；
根据所述三维假想图验证所述电力线路设计。
示例性地，在杆塔排位后，就可以计算电力线的悬垂度，并根据杆塔排位、电力线悬垂度生成三维模型，这个三维模型应用到三维实景模型中，就可以看到近似于实际应用的效果，并从这个假想图中找出电力线规划中的不足，对电力线规划进行调整。
本发明基于点云数据和实景三维模型的输电通道优化方法实施方式，其首先获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形。然后，结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点。接着，根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘。最后，基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。本发明实施方式，采用点云数据与三维实景模型相结合的方式，对杆塔排位进行设置，因此，杆塔排位效果能够得到近似真实场景的验证。点云数据通过结合实景模型的去噪的方式，去除那些噪声点，点云数据真实性、准确性更有保障，点云数据通过设置地物标签，并通过点云数据获取断面图，结合断面图和地物标签设置杆塔排位，因此，规划的准确性、可实施性更高。本发明方法，基于点云数据和三维实景模型进行电力线规划，效率高，实地地物调研步骤少，节省了人力。
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
图5是本发明实施方式提供的基于点云数据和实景三维模型的输电通道优化设计装置功能框图，参照图5，基于点云数据和实景三维模型的输电通道优化设计装置5包括：基础数据获取模块501、点云数据去噪模块502、地物调绘模块503以及杆塔排位模块504。
基础数据获取模块501，用于获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形；
点云数据去噪模块502，用于结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点；
地物调绘模块503，用于根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘；
杆塔排位模块504，用于基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。
图6是本发明实施方式提供的终端的功能框图。如图6所示，该实施方式的终端6包括：处理器600和存储器601，所述存储器601中存储有可在所述处理器600上运行的计算机程序602。所述处理器600执行所述计算机程序602时实现上述各个基于点云数据和实景三维模型的输电通道优化方法及实施方式中的步骤，例如图1所示的步骤101至步骤104。
示例性的，所述计算机程序602可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器601中，并由所述处理器600执行，以完成本发明。
所述终端6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端6可包括，但不仅限于，处理器600、存储器601。本领域技术人员可以理解，图6仅仅是终端6的示例，并不构成对终端6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器600可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器601可以是所述终端6的内部存储单元，例如终端6的硬盘或内存。所述存储器601也可以是所述终端6的外部存储设备，例如所述终端6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器601还可以既包括所述终端6的内部存储单元也包括外部存储设备。所述存储器601用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器601还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
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方式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。
在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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方式方案的目的。
另外，在本发明各个实施方式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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元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，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法及装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式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：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于点云数据和实景三维模型的输电通道优化方法，其特征在于，包括：
获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形；
结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点；
根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据的地物调绘；
基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位；
其中，所述结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点，包括：
按照所述点云数据获取的先后顺序，对所述点云数据进行排列，获得数据排列；
对多个待修正高度数据进行傅里叶变换、加窗傅里叶变换或小波变换，获得波形集，其中，所述波形集包括多个频域波形，所述数据排列包括有多个高度数据，所述多个待修正高度数据基于所述数据排列中的多个高度数据依次获得；
去噪步骤：按照预设条件，对所述波形集中的多个频域波形进行删除或幅值消减操作，其中，所述预设条件用于表征波形删除或幅值消减的量；
对所述波形集中的多个频域波形进行叠加，获取叠加波形；
按照所述多个待修正高度数据的总数量，从所述叠加波形中获取多个采样数值，作为多个去噪高度数据；
计算所述多个去噪高度数据与所述多个待修正高度数据的差，作为去噪差集；
根据所述去噪差集中超过阈值的元素找到待定高度数据在所述三维实景模型的对应位置，其中，所述待定高度数据为所述超过阈值的元素对应的所述多个去噪高度数据中的元素；
根据所述待定高度数据以及所述待定高度数据在所述三维实景模型的对应位置，确定所述多个去噪高度数据的偏差；
如所述偏差较大，则调整预设条件并跳转至所述去噪步骤；
否则，用所述多个去噪高度数据替换所述多个待修正高度数据。
2.根据权利要求1所述的基于点云数据和实景三维模型的输电通道优化方法，其特征在于，对多个待修正高度数据进行小波变换，获得波形集，包括：
根据获得所述点云数据的采集频率，确定最高次波频域波形的频率；
根据所述最高次波频域波形的频率，确定多个频域波形的频率，其中，所述多个频率波形的频率在所述点云数据的采集时长内正交；
根据所述多个频域波形的频率，构建多个小波函数；
对所述多个小波函数分别进行求解，确定多个小波的波形。
3.根据权利要求2所述的基于点云数据和实景三维模型的输电通道优化方法，其特征在于，所述小波函数表达式为：
式中，为自然常数，为虚数单位，为时间变量，为对应次波频的小波函数，为对应次波频的小波函数极大值的幅值，为最高次波频域波形的频率，为中心频率极大值的位置。
4.根据权利要求1所述的基于点云数据和实景三维模型的输电通道优化方法，其特征在于，所述根据所述三维实景模型，对所述点云数据设置标签，包括：
基于所述三维实景模型，获取平面实景图；
获取一个中间模板，按照预定的顺序，从所述平面实景图中取出一个待定图块；
将所述待定图块送入识别模型中，确定所述待定图块中包含的地物目标以及所述地物目标在所述待定图块中的范围，其中，所述识别模型基于CNN神经网络模型构建，所述识别模型经过地物目标识别训练，并经过识别成功率验证；
根据所述地物目标在所述待定图块中的范围以及所述三维实景模型，确定所述地物目标的地理坐标范围；
对隶属所述地物目标的坐标范围内的点云数据添加地物目标标签。
5.根据权利要求1所述的基于点云数据和实景三维模型的输电通道优化方法，其特征在于，所述基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位，包括：
根据电力线路的起止点以及所述点云数据绘制断面图；
若所述断面图中包括有高点，则基于所述高点，改变断面图走向，直至所述断面图符合设置杆塔排位条件；
根据所述点云数据的标签，对所述断面图的各段进行标注；
根据设计规范以及所述断面图的各段标注，确定多个杆塔排位。
6.根据权利要求1-5任一项所述的基于点云数据和实景三维模型的输电通道优化方法，其特征在于，在所述在所述断面图上确定多个杆塔排位步骤之后，包括：
根据所述多个杆塔排位计算电力线的悬垂度；
根据所述多个杆塔排位以及所述电力线的悬垂度，构建电力线路的三维模型；
将所述电力线路的三维模型与所述三维实景模型进行叠加，生成三维假想图；
根据所述三维假想图验证所述电力线路设计。
7.一种基于点云数据和实景三维模型的输电通道优化设计装置，其特征在于，用于实现如权利要求1-6任一项所述的基于点云数据和实景三维模型的输电通道优化方法，所述基于点云数据和实景三维模型的输电通道优化装置包括：
基础数据获取模块，用于获取点云数据以及三维实景模型，其中，所述点云数据以及所述三维实景模型基于预研选线通道获取，所述点云数据表征预研选线通道中多个点的坐标，所述三维实景模型表征实景的三维图形；
点云数据去噪模块，用于结合所述三维实景模型，对所述点云数据进行数据预处理以去除噪声点；
地物调绘模块，用于根据所述三维实景模型，对所述点云数据设置标签，其中，所述标签表征点云数据中点数据的地物调绘；
以及，
杆塔排位模块，用于基于所述点云数据获取断面图，并根据所述点云数据的标签，在所述断面图上确定多个杆塔排位。
8.一种终端，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210864446.3A CN115423968B (zh) | 2022-07-21 | 2022-07-21 | 基于点云数据和实景三维模型的输电通道优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210864446.3A CN115423968B (zh) | 2022-07-21 | 2022-07-21 | 基于点云数据和实景三维模型的输电通道优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115423968A CN115423968A (zh) | 2022-12-02 |
| CN115423968B true CN115423968B (zh) | 2023-05-09 |
Family
ID=84196596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210864446.3A Active CN115423968B (zh) | 2022-07-21 | 2022-07-21 | 基于点云数据和实景三维模型的输电通道优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115423968B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116561995B (zh) * | 2023-04-25 | 2024-03-08 | 国网黑龙江省电力有限公司经济技术研究院 | 一种基于仿真建模的共享杆塔安全使用检测方法 |
| CN116935234B (zh) * | 2023-09-18 | 2023-12-26 | 众芯汉创(江苏)科技有限公司 | 一种输电线走廊点云数据自动分类和树障预警***及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
| CN102662179A (zh) * | 2012-05-18 | 2012-09-12 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达的三维优化选线方法 |
| CN106503301A (zh) * | 2016-09-28 | 2017-03-15 | 山东东电电气工程技术有限公司 | 一种三维全景数字化输电线路杆塔排位方法 |
| WO2022062305A1 (zh) * | 2020-09-28 | 2022-03-31 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于激光点云的线路塔基地形自动提取与成图方法 |
| CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109285220B (zh) * | 2018-08-30 | 2022-11-15 | 阿波罗智能技术(北京)有限公司 | 一种三维场景地图的生成方法、装置、设备及存储介质 |
-
2022
- 2022-07-21 CN CN202210864446.3A patent/CN115423968B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
| CN102662179A (zh) * | 2012-05-18 | 2012-09-12 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达的三维优化选线方法 |
| CN106503301A (zh) * | 2016-09-28 | 2017-03-15 | 山东东电电气工程技术有限公司 | 一种三维全景数字化输电线路杆塔排位方法 |
| WO2022062305A1 (zh) * | 2020-09-28 | 2022-03-31 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于激光点云的线路塔基地形自动提取与成图方法 |
| CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杜永亮等.倾斜摄影和激光雷达在某输电工程三维建模中的应用研究.《电网技术》.2019,(8),第12-20页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115423968A (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6837467B2 (ja) | 点群データ同士のマッチング関係を確定するための方法及び装置 | |
| CN115423968B (zh) | 基于点云数据和实景三维模型的输电通道优化方法 | |
| CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和***、存储介质 | |
| CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
| CN109840553B (zh) | 耕地作物类型的提取方法及***、存储介质、电子设备 | |
| CN113989450B (zh) | 图像处理方法、装置、电子设备和介质 | |
| US20140211005A1 (en) | Method and apparatus for direct detection, location, analysis, identification, and reporting of vegetation clearance violations | |
| CN110073362A (zh) | 用于车道标记检测的***及方法 | |
| CN110428490B (zh) | 构建模型的方法和装置 | |
| CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
| CN111339876B (zh) | 用于识别场景中各区域类型的方法和装置 | |
| Hu et al. | Research on a single-tree point cloud segmentation method based on UAV tilt photography and deep learning algorithm | |
| CN115331190A (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
| CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及*** | |
| CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
| Badenko et al. | Comparison of software for airborne laser scanning data processing in smart city applications | |
| Hu et al. | Building modeling from LiDAR and aerial imagery | |
| CN116466307B (zh) | 一种基于深度图的毫米波雷达点云仿真的方法和装置 | |
| CN114861475B (zh) | 一种基于传感数据的实时海洋模拟方法及*** | |
| CN110927765A (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
| CN115618602A (zh) | 一种车道级场景仿真方法及*** | |
| CN114120795B (zh) | 一种地图绘制方法及装置 | |
| Atik et al. | Comparison of automatic feature extraction methods for building roof planes by using airborne lidar data and high resolution satellite image | |
| JP2023528530A (ja) | 訓練装置、制御方法、及びプログラム | |
| Wu et al. | Voxel-based marked neighborhood searching method for identifying street trees using vehicle-borne laser scanning data |
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 |