一种使用激光雷达对电力线锁线跟踪处理的方法和系统与流程

1.本发明涉及计算机技术领域，尤其涉及一种使用激光雷达对电力线锁线跟踪处理的方法和系统。


背景技术：

2.空间测距的相关技术，经常需要测量和提取三维空间中的直线。例如地图测绘、无人机侦察以及输电线路测量技术。在现有的输电线路测量中，对于直线的测量和提取，通常是无人机巡检得到大体的输电杆塔的相关图像，然后使用相关的无人机仿线算法提取得到三维空间中的直线数据。
3.当前的无人机仿线算法涉及的相关技术大多是采用相机拍摄图像的方案，具体通过对线路拍照，然后采用hough变换算法提取线路方程。上述方案的不足是相机容易受到光照影响以及需要近距离拍摄，否则分辨率不够或者图像不清晰无法识别图像中的线路，此外，图像拍照线路存在遮挡以及场景中背景直线也容易被提取，这些因素使得这种相机拍摄图像的方案不够稳定可靠。


技术实现要素：

4.本发明提供一种使用激光雷达对电力线锁线跟踪处理的方法，并利用带有约束条件的ransac多线提取算法提取当前线路通道上所有直线的直线方程，旨在解决现有技术中锁线跟踪不稳定以及传统hough变换、最小二乘算法的效率较低，对内存的占用大，对计算单元的计算能力和计算资源要求较高的问题。
5.为实现上述目的，根据本发明的第一方面，本发明提出了一种使用激光雷达对电力线锁线跟踪处理的方法，主要步骤包括：
6.使用激光雷达实时采集激光点云，得到点云数据；
7.使用深度学习模型对所述点云数据包含的激光点云进行分割，得到当前线路通道对应的电力线点和杆塔点；
8.对所述当前线路通道中的杆塔点进行聚类，使用聚类后的杆塔点计算生成所述杆塔点的中心点坐标；
9.使用带有约束条件的ransac多线提取算法，根据所述杆塔点的中心点坐标提取所述当前线路通道的所有直线，得到所述当前线路通道中所有直线的直线方程；
10.根据所述当前线路通道中所有直线的直线方程，选择目标跟踪直线；
11.判断所述目标跟踪直线的偏差角度和距离是否小于或等于预设标准偏差阈值；
12.若判定所述偏差角度和距离小于或等于所述预设标准偏差阈值，则使用所述目标跟踪直线预测飞行器的飞行预测位置。
13.优选的，上述对当前线路通道中的杆塔点进行聚类，使用聚类后的杆塔点计算生成杆塔点的中心点坐标的步骤包括：
14.提取位于当前线路通道的预定距离范围内杆塔点；
15.使用dbscan算法对杆塔点进行聚类操作，选取杆塔点数最多的类别；
16.使用杆塔点数最多的类别中所有杆塔点坐标求平均计算，得到杆塔点的中心点坐标。
17.优选的，上述电力线锁线跟踪处理方法中，使用带有约束条件的ransac多线提取算法，根据杆塔点的中心点坐标提取当前线路通道的所有直线的步骤，包括：
18.使用ransac多线提取算法提取当前线路通道对应的电路线点，得到当前帧直线；
19.获取所述当前帧直线的上一帧直线，根据所述上一帧直线的方向对所述当前帧直线进行约束，以判断两帧直线的夹角是否超出预设角度阈值；
20.若所述两帧直线的夹角超出所述预设角度阈值，则舍弃当前帧直线并将所述电力线点从所述当前线路通道中移出；
21.若所述两帧直线的夹角未超出所述预设角度阈值，则确定所述当前帧直线对应的直线段为有效线段；
22.获取最近杆塔点的中心坐标，根据所述最近杆塔点的中心坐标与所述有效线段的位置关系，约束所述有效线段；
23.根据所述有效线段与所述当前线路通道的电力线点的距离，约束所述有效线段；
24.提取约束后的所述有效线段并重复上述步骤，直至所有直线提取完成。
25.优选的，上述电力线锁线跟踪处理方法中，得到当前线路通道对应的电力线点和杆塔点的步骤包括：
26.获取飞行器的当前位置和飞行方向；
27.选取所述三维空间中、与所述飞行器的当前位置和飞行方向最接近的线路通道；
28.从所述点云数据中选取所述当前线路通道对应的电力线点和杆塔点。
29.优选的，上述电力线锁线跟踪处理方法中，根据预设投票得分机制，使用当前线路通道中所有直线的直线方程，选择投票得分最高的直线作为目标跟踪直线的步骤，包括：
30.使用当前线路通道中所有直线的直线方程，计算得到各直线到偏心坐标的距离；
31.根据预设投票机制对各直线到偏心坐标的距离进行投票评分，选取投票得分最高的直线作为目标跟踪直线；
32.对目标跟踪直线进行约束，得到目标跟踪直线的直线方程。
33.优选的，上述电力线锁线跟踪处理方法中，计算得到各直线到偏心坐标的距离的步骤包括：
34.使用线路通道中所有直线的起始坐标，计算线路通道的中心点坐标；
35.使用中心点坐标到所有直线的上最近点的点坐标，计算偏心坐标；
36.计算各直线到偏心坐标的距离。
37.优选的，上述预设投票得分机制对各直线到偏心坐标的距离进行投票评分的步骤，包括：
38.将各直线到偏心坐标的三维距离、高度和平均化距离，代入所述预设投票得分机制对应的直线得分公式，得到各直线对应的得分；
39.选取得分最高的直线，作为目标跟踪直线。
40.优选的，上述电力线锁线跟踪处理方法中，对目标跟踪直线进行约束，得到目标跟踪直线的直线方程的步骤包括：
41.使用预设线路优先原则实时选取目标跟踪直线，得到目标跟踪直线对应的多帧直线；
42.使用多帧直线中上一帧直线约束当前帧直线得到当前帧直线的直线方程，作为目标跟踪直线的直线方程。
43.根据本发明的第二方面，本发明还提供了一种使用激光雷达对电力线锁线跟踪处理的系统，其特征在于，包括：
44.点云获取模块，用于使用激光雷达实时采集激光点云，得到所述点云数据；
45.点云分割模块，用于使用深度学习模型对所述点云数据包含的激光点云进行分割，获取当前线路通道对应的电力线点和杆塔点；
46.提取聚类模块，用于对所述当前线路通道中的杆塔点进行聚类，使用聚类后的杆塔点计算生成所述杆塔点的中心点坐标；
47.直线提取模块，用于使用带有约束条件的ransac多线提取算法，根据所述杆塔点的中心点坐标提取所述当前线路通道的所有直线，得到所述当前线路通道中所有直线的直线方程；
48.目标跟踪直线选择模块，用于根据所述当前线路通道中所有直线的直线方程，选择目标跟踪直线；
49.偏差角度判断模块，用于判断所述目标跟踪直线的偏差角度是否小于或等于预设标准偏差阈值；
50.飞行预测模块，用于若判定所述偏差角度小于或等于所述预设标准偏差阈值时，使用所述目标跟踪直线预测飞行器的飞行预测位置。
51.根据本发明的第三方面，本发明还提供了使用激光雷达对电力线锁线跟踪处理的系统，包括：
52.存储器、处理器及存储在所述存储器上并可在所述处理器上运行的使用激光雷达对电力线锁线跟踪处理的程序，所述使用激光雷达对电力线锁线跟踪处理的程序被所述处理器执行时实现上述任一项技术方案所述的使用激光雷达对电力线锁线跟踪处理的方法的步骤。
53.综上，本技术上述技术方案提供的电力线锁线跟踪处理方案，通过使用激光雷达实时采集激光点云，得到点云数据，使用深度学习模型对点云数据包含的激光点云进行分割，得到线路通道对应的电力线点和杆塔点。然后对当前线路通道中的杆塔点进行提取和聚类，使用聚类后的杆塔点生成杆塔点的中心点坐标，然后使用带有约束条件的ransac多线提取算法对该杆塔点的中心点坐标进行直线提取，就能够得到线路通道中的目标跟踪直线。使用该目标跟踪直线，就能够准确预测飞行器的飞行预测位置。由于本技术的技术方案采用激光雷达获取点云数据，进而得到当前线路通道对应的电力线点和杆塔点，能够确保锁线跟踪稳定。另外使用随机采样一致性ransac多线提取算法对杆塔点的中心点坐标进行采样，以提取线路通道中的直线，并且带有约束条件，能够快速精确地提取直线，并且ransac多线提取算法相比于hough变换算法的效率较高，对内存占用较小，因此能够解决现有技术中hough算法对计算单元的计算能力和计算资源要求较高的问题。
附图说明
54.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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例，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示出的结构获得其他的附图。
55.图1是本发明实施例提供的第一种使用激光雷达对电力线锁线跟踪处理的方法的流程示意图；
56.图2是图1所示实施例提供的一种线路通道的选取方法的流程示意图；
57.图3是图1所示实施例提供的一种杆塔点提取和聚类方法的流程示意图；
58.图4是图1所示实施例提供的一种杆塔点的中心点坐标的直线提取方法的流程示意图；
59.图5是本发明实施例提供的第二种使用激光雷达对电力线锁线跟踪处理的方法的流程示意图；
60.图6是图5所示实施例提供的一种目标跟踪直线的选取方法的流程示意图；
61.图7是图6所示实施例提供的一种直线评分方法的流程示意图；
62.图8是图5所示实施例提供的一种直线方程的获取方法的流程示意图；
63.图9是本发明实施例提供的第一种基于ransac多线提取算法的电力线锁线跟踪处理系统的结构示意图；
64.图10是本发明实施例提供的第二种基于ransac多线提取算法的电力线锁线跟踪处理系统的结构示意图。
65.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
66.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
67.本发明实施例的主要解决方案是：
68.现有的直线提取算法大多采用hough变换算法。然而，hough变换算法的效率较低，对内存的占用大，对计算单元的计算能力和计算资源要求较高，这就限制了hough的应用范围。例如无人机平台搭载的计算单元计算能力相对较弱且计算资源极为宝贵，采用hough变换就不利于无人机平台的部署。
69.为了解决上述问题，本发明下述实施例提供了基于ransac多线提取算法的电力线锁线跟踪处理方案，通过使用随机采样一致性ransac多线提取算法对线路通道中的电力线点进行采样，提取线路通道中的直线，提取效率较高，且因随机采样对内存占用较小，因此能够解决现有技术中hough算法对计算单元的计算能力和计算资源要求较高的问题。
70.为实现上述目的，请参见图1，图1是本发明实施例提供的第一种激光雷达电力线锁线跟踪处理方法的流程示意图。如图1所示，该电力线锁线跟踪处理方法包括：
71.s110：使用激光雷达实时采集激光点云，得到点云数据。使用激光雷达采集点云能够不受光照影响，并且能够实现远距离的点云采集，解决了现有的相机采集图像容易受到光照影响以及需要近距离拍摄，否则分不了不够或图像不清晰无法识别图像中线路的问题。
72.s120：使用深度学习模型对点云数据包含的激光点云进行分割，得到当前线路通道对应的电力线点和杆塔点。
73.因为深度学习预测的线路通道(例如电力线的线路通道)往往存在一些噪声，并且可能将场景中多个线路全部预测提取出来，此时需要对线路通道的线进行跟踪锁定，这个时候就需要仿线初始化。具体地，确定无人机飞行的大致方向，选择线路(例如电力线)中与当前无人机所在位置和方向最为接近的线路，连续两次锁定同一线路通道则初始化成功，确定了飞行方向和线路通道。
74.具体作为一种优选的实施例，如图2所示，该得到当前线路通道对应的电力线点和杆塔点的步骤包括：
75.s121：获取飞行器的当前位置和飞行方向；
76.s122：选取三维空间中、与飞行器的当前位置和飞行方向最接近的线路通道，作为当前线路通道；
77.s123：从点云数据中选取当前线路通道对应的电力线点和杆塔点。
78.通过选取飞行器当前位置与飞行方向最为接近，例如过飞行器当前位置的坐标并且与飞行方向夹角不超过预定角度阈值的线路，当连续两次锁定该同一条线路通道，则确定了线路通道。
79.另外，在选取三维空间中的线路通道后，在图1所示的激光雷达电力线锁线跟踪处理方法还包括：
80.s130：对当前线路通道中的杆塔点进行聚类，使用聚类后的杆塔点计算生成杆塔点的中心点坐标。
81.以电力线通道为例，本技术实施例能够提取到多个帧的电力线通道，每一帧电力线通道都包含多个杆塔点，这样使用上一帧提取的电力线通道能够对下一帧电力线通道进行约束，得到电力线通道上几乎所有杆塔点的坐标。在得到大量的杆塔点的坐标后，可以对该杆塔点进行聚类，本技术实施例是使用dbscan算法对杆塔点进行聚类的。在聚类成功后使用大量杆塔点的坐标，根据一定算法(例如加权求平均，或者选取坐标距离平均值最近的杆塔点)就能够产生杆塔点的中心点坐标。
82.具体地，作为一种优选的实施例，如图3所示，该对线路通道中的杆塔点进行提取和聚类，使用聚类后的杆塔点坐标，生成杆塔点的中心点坐标的步骤包括：
83.s131：提取位于当前线路通道的预定距离范围内的杆塔点，其中，杆塔点为深度学习模型对线路通道检测输出的杆塔点。
84.s132：使用dbscan算法对杆塔点进行聚类操作，选取杆塔点数最多的类别。
85.s133：使用杆塔点数最多的类别中所有杆塔点坐标求平均计算，得到杆塔点的中心点坐标。
86.其中，dbscan(density-based spatial clustering ofapplications withnoise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
87.以杆塔点提取与聚类为例，本技术实施例利用上一帧提取的电力线通道对以后每一帧深度学习模型输出的杆塔点进行约束，超过一定距离范围的杆塔点过滤掉，剩余当前
线路的点。然后对剩余杆塔点进行累积并采用dbscan算法进行聚类，选择最大的一个类别作为杆塔点类别，聚类点数达到一定阈值后则确认杆塔被识别并有效，此时利用聚类后点坐标计算杆塔中心点坐标。
88.在使用聚类后的杆塔点生成杆塔点的中心点坐标后，图1所示实施例提供的电力线锁线跟踪处理方法还包括以下步骤：
89.s140：使用带有约束条件的ransac多线提取算法，根据杆塔点的中心点坐标提取当前线路通道的所有直线，得到当前线路通道中的所有直线的直线方程。
90.带有约束条件的ransac多线提取算法：
91.随机采样一致性ransac多线提取算法是根据一组包含异常数据的样本数据集计算出数据的数学模型参数，得到有效样本数据的算法。该算法具有采样效率高，占用资源小的特点。使用ransac多线提取算法将深度学习模型输出的电力线点(包含部分噪点)进行直线提取，得到三维空间场景中的直线，并且能够根据该直线生成对应的直线方程。以电力通道为例，由于电力通道中点云可能存在噪点以及在过塔时，杆塔两侧的点在不同直线上，采用传统的ransac多线提取算法则容易将不在同一直线上的点就算为同一直线，存在一定错误。此外，经典的ransac多线提取算法往往容易将线路中的同一条直线提取为多条直线。因此，本技术实施例提出一种带有约束条件的ransac多线提取算法，利用上一帧的直线和杆塔坐标约束当前直线，同时在多条直线提取过程中进行筛查，防止同一条直线被检测为多条直线，最终实现线路的直线被准确提取。
92.具体地，作为一种优选的实施例，如图4所示，该使用带有约束条件的ransac多线提取算法进行直线提取的步骤包括：
93.s141：使用所述ransac多线提取算法提取所述当前线路通道对应的电力线点，得到当前帧直线；
94.s142：若所述两帧直线的夹角超出所述预设角度阈值，则舍弃当前帧直线并将所述电力线点从所述当前线路通道中移出；
95.s143：若所述两帧直线的夹角未超出所述预设角度阈值，则确定所述当前帧直线对应的直线段为有效线段；
96.s144：获取最近杆塔点的中心坐标，根据所述最近杆塔点的中心坐标与所述有效线段的位置关系，约束所述有效线段；
97.s145：根据所述有效线段与所述当前线路通道的电力线点的距离，约束所述有效线段；
98.s146：提取约束后的所述有效线段并重复上述步骤，直至所有直线提取完成。
99.综上，上述根据杆塔点的中心点坐标提取当前线路通道的所有直线的步骤，具体如下：
100.1.使用传统ransac多线提取算法在模型给出的原始电力线点(含部分噪点)中提取出一根直线；
101.2.利用上一帧直线的方向对当前直线进行约束(如果不存在上一帧直线，则不进行)，如果两直线夹角超过阈值，则认为当前直线存在较大偏差，可能受噪点影响太大，该直线被舍弃，相应的点作为外点从原始电力线点中移除，不再进行ransac直线提取,并重复步骤1。若夹角未超限，则该直线段为有效线段。
102.3.在直线方程上计算离杆塔最近的点，若杆塔点落在直线段中间，则当前线路实际为两条线路，需要利用杆塔将直线段分割为两段，选择其中一段，剩余的一段的点放入原始电力线点中继续下一次提取，若杆塔未在直线段中间，而是在两侧较远处，则当前直线认为实际只是一条线路，不需要额外处理。
103.4.利用当前直线方程，设定阈值d，计算原始电力线点到当前直线的距离，若距离小于距离d，则认为点位直线近距离点或者直线上的点，并利用步骤3完成线段分割，得到当前直线的附近点，将当前直线附近点从原始电力线点中移除，不再参与直线提取，从而防止单个直线被提取为多根直线。
104.5.保存当前直线重复以上步骤直到将所有直线提取完成。
105.备注：以上为ransac多线提取算法过程。若需要相应的计算公式和计算方法可以提供。(比如直线段的最近点计算，直线夹角计算，点到线的距离计算等)。
106.本技术实施例提供的技术方案中，在通过ransac随机选点，并且不断加入点的过程中，计算直线方程以及上述步骤中得到的杆塔点在该直线方程上最近的坐标p，判断该坐标p是否在加入的杆塔点后的直线线段中间，如果是在直线线段中间，则后续加入不在有效线段上(无人机起点位置到杆塔位置为有效范围)的点不应作为直线点，否则加入直线中并作为直线内点。
107.然后，利用上一帧直线的方向对当前直线提取进行约束，如果两直线夹角未超过一定角度阈值时，则当前帧随机选择电力线点进行直线提取时，选择落在直线上的电力线点加入直线作为内点，否则不应加入直线，防止通道点过量噪点引起较大的错误。
108.由于线路通道，例如电力线通道中往往存在多条直线，因此在每次提取到一条直线后，将该直线对应的直线点剔除，留下剩余的点继续重复以上过程，再次提取直线直到将所有直线提取完成。
109.s150：根据预设投票得分机制，使用当前线路通道中所有直线的直线方程，选择投票得分最高的直线作为目标跟踪直线。
110.s160：判断所述目标跟踪直线的偏差角度和距离是否小于或等于预设标准偏差阈值；若是，则执行步骤s170；若否，则返回执行步骤s110，开始下一帧直线的处理。
111.s170：若判定所述偏差角度和距离小于或等于所述预设标准偏差阈值，则使用所述目标跟踪直线预测飞行器的飞行预测位置。
112.飞行预测位置，即飞行轨迹点的预测方法具体如下：
113.为了实现无人机自主飞行，利用无人机激光雷达点云提取到最佳线路直线方程后，根据直线方程可计算下一个飞行的位置。设空间直线方程表达式为：
114.x＝n
x
·
t+x0115.y＝ny·
t+y0116.z＝nz·
t+z0117.其中(n
x
,ny,nz)为直线方向，(x0,y0,z0)直线中的一点，t为任意标量。
118.那么根据飞机当前点位置坐标、直线方向以及预测距离t即可计算出下一个点的位置，即飞行预测位置。
119.综上，本技术上述技术方案提供的电力线锁线跟踪处理方法，通过选取三维空间中的线路通道，然后对该线路通道中的杆塔点进行提取和聚类，使用聚类后的杆塔点生成
杆塔点的中心点坐标，然后使用带有约束条件的ransac多线提取算法对该通道中的电力线点进行直线提取，就能够得到线路通道中的直线，由于本技术的技术方案使用随机采样一致性ransac多线提取算法对通道中电力线点进行采样，以提取线路通道中的直线，并且带有约束条件，能够快速精确地提取直线，并且ransac多线提取算法相比于hough变换算法的效率较高，对内存占用较小，因此能够解决现有技术中hough算法对计算单元的计算能力和计算资源要求较高的问题。
120.因为线路通道包含大量直线，所以在提取得到线路通道的直线后，可以选取偏差角度和距离最小的直线为飞行器导航应用。
121.具体地，作为一种优选的实施例，如图5所示，本技术实施例提供的电力线锁线跟踪处理方法，上述根据预设投票得分机制，使用当前线路通道中所有直线的直线方程，选择投票得分最高的直线作为目标跟踪直线的步骤，具体包括：
122.s210：使用所述当前线路通道中所有直线的直线方程，计算得到各直线到偏心坐标的距离。
123.其中，如图6所示，该使用当前线路通道中所有直线的直线方程，计算得到各直线到偏心坐标的距离的步骤包括：
124.s211：根据线路通道的位置信息，对线路通道中的直线进行过滤，以去除非线路通道中的直线；
125.s212：使用线路通道中所有直线的起始坐标，计算线路通道的中心点坐标；
126.s213：使用中心点坐标到所有直线的上最近点的点坐标，计算偏心坐标；
127.s214：计算所有直线到偏心坐标的距离。
128.本技术实施例需要对场景中的直线进行过滤，通常情况下提取的直线是地面场景中所有的现状地物的通道，例如包括平行线路中的通道。需要过滤到无关的其他通道中的直线，利用上述飞行器锁定的线路通道距离和角度等信息进行约束，将非当前通道的线路去除，从而得到当前线路中的所有直线。
129.在得到当前线路中所有直线后，需要选择并对特定线路进行锁定。因为在一条通道中存在多个直线，在飞行器的飞行过程中需要锁定同一根线以保持飞行平稳。
130.因此，当计算得到各直线到偏心坐标的距离后，图5所示方法还包括以下步骤：
131.s220：根据预设投票得分机制对各直线到偏心坐标的距离进行投票评分，选取投票得分最高的直线作为目标跟踪直线。
132.具体地，作为一种优选的实施例，如图7所示，该根据预设投票得分机制对各直线到偏心坐标的距离进行评分的步骤包括：
133.s221：将各直线到偏心坐标的三维距离、高度和平均化距离，代入所述预设投票得分机制对应的直线得分公式，得到各直线对应的得分；
134.s222：选取得分最高的直线，作为所述目标跟踪直线。
135.具体的选线锁线跟踪算法过程如下：
136.无人机在飞行过程中实时跟踪线路需要对通道中同一根电力线进行锁定跟踪，否则在多根线路中切换过程中，将导致预测的飞行位置产生大的偏移，最终使得飞行不稳定。因此，提出一种基于预设投票得分机制的锁线跟踪方法，计算每一根线路的得分，得分最高的线路作为当前帧最佳线路。
137.锁线跟踪算法详细过程如下：
138.根据线路通道内所有直线段的起点和终点坐标计算平均中心点坐标pc。
139.利用中心点坐标pc，计算中心点坐标到所有直线上最近的点坐标pf。
140.利用中心点坐标pc以及该中心点坐标到直线最近点坐标pf的方向计算方位角，得到中心点坐标到每条直线的方位角并对所有方位角从小到大进行排序。
141.上一步排序后，对前一半的最近点坐标pf求平均得到偏心坐标pe，此时完成线路划分，通道中心左侧以及右侧的线路只有一侧将被选择。
142.计算所有直线到点偏心坐标pe的3d距离d，并得到dmin和dmax。计算每一条直线的得分sc＝(1-(d-dmin)/(dmax-dmin))*100，离通道中心越近的线，得分越高，反之越低，即优先跟踪离中心越近的线。
143.计算所有直线在偏心坐标pe处的高度h，并得到hmin和hmax。计算所有直线的得分sh＝(h-hmin)/(hmax-hmin)*100，线路中高度越高的线得分越高，反之越低，即优先跟踪较高的线。
144.计算所有直线在偏心坐标pe处以及沿着直线方向距离pe等距离的n个点到上一帧直线(如果存在)的距离，取平均后得到距离d(即上述平均化距离)，并得到dmin，dmax。计算每条直线的得分sr＝(1-(d-dmin)/(dmax-dmin))*100，线路中离上一帧越近的直线段得分越高，反之越低，即优先跟踪上一帧直线最接近的直线，该过程实现同一根直线的跟踪。
145.计算每条直线的得分s＝sc+sh+sr，选取得分最高的直线，作为飞行需锁定的线。
146.计算当前直线和上一帧直线的偏差，计算两直线夹角以及在线段范围内等间距采样计算两直线直接的距离，如果夹角和距离超出阈值范围，则认为当前最佳直线不可取，否则，得到最佳直线进行下一步轨迹预测。
147.备注：以上过程为锁线跟踪算法。
148.在选取目标跟踪直线作为飞行器的目标跟踪直线后，图5所示的三维空间中直线提取方法还包括以下步骤：
149.s230：对目标跟踪直线进行约束，得到目标跟踪直线的直线方程。
150.作为一种优选的实施例，如图8所示，该对目标跟踪直线进行约束，得到目标跟踪直线的直线方程的步骤包括：
151.s231：使用预设线路优先原则实时选取目标跟踪直线，得到目标跟踪直线对应的多帧直线；
152.s232：使用上一帧直线约束当前帧直线得到当前帧直线的直线方程，作为目标跟踪直线的直线方程。
153.本技术实施例采用高度较高的以及始终左侧或者右侧线路优先的预设线路优先原则选线。在初始化成功后利用上一帧的直线约束锁定当前帧线路，得到当前帧的直线方程。
154.基于上述方法实施例的同一构思，本发明实施例还提出了基于ransac多线提取算法的电力线锁线跟踪处理系统，用于实现本发明的上述方法，由于该系统实施例解决问题的原理与方法相似，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
155.参见图9，图9为本发明实施例提供的一种基于ransac多线提取算法的电力线锁线
跟踪处理系统的结构示意图。如图9所示，该使用激光雷达对电力线锁线跟踪处理的系统，其特征在于，包括：
156.点云获取模块110，用于使用激光雷达实时采集激光点云，得到所述点云数据；
157.点云分割模块120，用于使用深度学习模型对所述点云数据包含的激光点云进行分割，获取当前线路通道对应的电力线点和杆塔点；
158.提取聚类模块130，用于对所述当前线路通道中的杆塔点进行聚类，使用聚类后的杆塔点计算生成所述杆塔点的中心点坐标；
159.直线提取模块140，用于使用带有约束条件的ransac多线提取算法，根据所述杆塔点的中心点坐标提取所述当前线路通道的所有直线，得到所述当前线路通道中所有直线的直线方程；
160.目标跟踪直线选择模块150，用于根据所述当前线路通道中所有直线的直线方程，选择目标跟踪直线；
161.偏差角度判断模块160，用于判断所述目标跟踪直线的偏差角度是否小于或等于预设标准偏差阈值；
162.飞行预测模块170，用于若判定所述偏差角度小于或等于所述预设标准偏差阈值时，使用所述目标跟踪直线预测飞行器的飞行预测位置。
163.本技术实施例提供的电力线锁线跟踪处理系统，通过选取三维空间中的线路通道，然后对该线路通道中的杆塔点进行提取和聚类，使用聚类后的杆塔点生成杆塔点的中心点坐标，然后使用带有约束条件的ransac多线提取算法对深度学习模型预测的电力线点进行直线提取，就能够得到线路通道中的直线，由于本技术的技术方案使用随机采样一致性ransac多线提取算法对电力线点进行采样，以提取线路通道中的直线，并且带有约束条件，能够快速精确地提取直线，并且ransac多线提取算法相比于hough变换算法的效率较高，对内存占用较小，因此能够解决现有技术中hough算法对计算单元的计算能力和计算资源要求较高的问题。
164.另外，如图10所示，本发明实施例还提供了一种电力线锁线跟踪处理系统的结构示意图。该电力线锁线跟踪处理系统包括：
165.通信线路1002、通信模块1003、存储器1004、处理器1001及存储在存储器1004上并可在处理器1001上运行的电力线锁线跟踪处理程序，电力线锁线跟踪处理程序被处理器1001执行时实现上述任一项技术方案提供的电力线锁线跟踪处理方法的步骤。
166.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
167.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
168.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
169.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
170.应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
171.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
172.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。