一种导线矢量模型的生成方法及装置与流程

本发明涉及测绘技术领域，尤其涉及一种导线矢量模型的生成方法及装置。

背景技术：

电力建设是国民经济建设的重要组成部分，其中，输电线路是发电厂、变电站和电力用户之间的纽带。随着国民经济的飞速发展，电网结构日趋复杂，对电力设施安全性、可靠性及其运行状态的实时性检测要求越来越高。由于输电线路距离长、覆盖范围广，因此电力巡视越发重要。然而，传统的人工巡检方式劳动强度大、工作条件艰苦、效率低、复巡周期长、巡检数据准确率不高，因此，目前广泛采用无人机巡检技术。

机载激光雷达(lightdetectionandranging，lidar)测量技术在电力巡线中得到日益广泛的应用，机载lidar电力巡线可以克服传统的工程测量电力巡线工作量大、危险性高、效率低下及基于图像或视频的电力巡线空间定位精度低的缺点。其原理是是利用gps(globalpositionsystem)和imu(inertialmeasurementunit，惯性测量装置)机载激光扫描。其所测得的数据为数字表面模型(digitalsurfacemodel,dsm)的离散点表示，数据中含有空间三维信息。利用离散点的三维信息可以重建导线三维矢量模型。通过导线三维矢量模型可以实现危险点检测、导线弧垂分析、导线覆冰分析和导线风偏分析等。

由于采用计算及程序对点云中的噪点识别率较差，致使所生成的导线三维矢量模型与实际导线拟合度较低，。目前，导线三维矢量模型通常采用人工方式生成。具体的，可以在通过手动调整点云的位置，去除点云中的噪点，并手动连接去除噪点后的点云，生成线矢量模型。但该方法由于依靠人工，时间成本较高。

技术实现要素：

有鉴于此，本发明实施例提供了一种导线矢量模型的生成方法及装置，以实现提高生成的导线三维矢量模型与实际导线拟合度的目的。

第一方面，本发明实施例提供了一种导线矢量模型的生成方法，包括：

对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线；

对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段；

从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云；

依次连接相邻的标准点云，生成所述导线的矢量模型。

第二方面，本发明实施例还提供了一种导线矢量模型的生成装置，包括：

拟合模块，用于对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线；

投影模块，用于对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段；

选取模块，用于从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云；

生成模块，用于依次连接相邻的标准点云，生成所述导线的矢量模型。

本发明实施例提供的导线矢量模型的生成方法及装置，通过将拟合得到的曲线在水平面进行投影，并对投影得到的点进行拟合，得到与所述曲线对应的线段，再从所述曲线中选取与所述线段对应的点，并根据选取的点生成导线的矢量模型。利用导线在地面的投影为一条线段的图像特征，可以去除导线模型的点云噪点，有效提升生成的导线三维矢量模型与实际导线拟合度。能够实现程序自动生成导线三维矢量模型，节省了人力和时间成本。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例一提供的导线矢量模型的生成方法的流程图；

图2是本发明实施例二提供的导线矢量模型的生成方法的流程图；

图3是本发明实施例三提供的导线矢量模型的生成方法的流程图；

图4是本发明实施例四提供的导线矢量模型的生成装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的导线矢量模型的生成方法的流程示意图，本实施例的方法适用于根据lidar所得到的点云生成导线矢量模型的情况。可以由导线矢量模型的生成装置来执行，该装置可通过硬件和/或软件的方式实现。

参见图1，所述导线矢量模型的生成方法，包括：

s110，对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线。

点云可以是通过过测量仪器得到的产品外观表面的点数据集合。在本实施例中，所述同一条导线模型的点云可以是，对机载lidar(激光雷达)系统获取的导线位置点的数据集合进行处理后，确定为同一条导线所得到的点云集合。对同一条导线模型的点云进行空间拟合，可以得到该导线模型的拟合曲线。拟合是指用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。用解析表达式逼近离散数据的一种方法。通过拟合，可以得到该导线的粗略三维模型。常见的拟合方式可以包括：使偏差绝对值之和最小、使偏差绝对值最大的最小和使偏差平方和最小。示例性的，可以通过最小二乘法对同一条导线模型的点云进行拟合，以得到该导线模型的粗略三维模型，即空间中的一条曲线。采用最小二乘法可以根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y＝f(x)的近似曲线y＝φ(x)。采用最小二乘法可以使偏差平方和最小，能够使拟合得到的曲线更为光滑，其形态更接近于导线实际形态。

s120，对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段。

由于点云是机载lidar系统通过激光扫描的方式获取得到的,所以点云数据中包括：地面点、建筑物、植被和河流等地面物体点，需要将其进行过滤，以得到导线对应的点云。由于电力线架设在一定高度的空中，所以可以利用高程滤除地面点。但该种方法对于高度接近的物体点，例如：山丘和高大树木等产生的噪点，无法滤除。因此需要进行对高度接近的物体点所产生的噪点进行滤除。

导线架设在两个杆塔之间，在正常情况下，其在水平面的投影为一条线段，利用该线段可以去除由于山丘和高大树木等产生的噪点。因此，可以对所述拟合曲线进行水平面投影。所述水平面可以是垂直于高程z，且包括高程z＝0的点的平面。

由于拟合曲线中存在噪点，其在水平面上的投影包括在近似一条线段的大量投影点以及散落在所述线段外的少量投影点。可以对水平面的投影点进行直线拟合，用于去除所述噪点产生的投影点。示例性的，仍然可以采用最小二乘法进行拟合，生成一条与所述拟合曲线对应的线段。

s130，从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云。

所述线段是所述拟合曲线在水平面的投影，因此，线段中的点与所述拟合曲线的点具有映射关系。因此，可以从所述选段中选取参考点。所述参考点可以包括所述线段中的所有的点，也可以是部分的点。示例性的，可以按照预设的间距从所述线段中选取参考点。具体的，可以从所述线段的一个端点开始，并按照一定的间距沿所述线段进行采样。得到一个有序排列的二维点集合，直至到达直线段的另一个端点则停止采样，并将直线段的另一个端点加入到二维点集的末尾，完成参考点的选取。所述间距可以根据导线的总长度确定，以保证采样精度。例如1m，2m和5m等。通过选取参考点，可以在滤除噪点的同时，在保证精度的前提下，减少数据采集量。所述标准点云是所述参考点在拟合曲线上的对应点。由于参考点是从所述线段中选取的，而所述线段是根据拟合曲线生成的，因此，对于参考点，其在拟合曲线上存在对应的标准点云。根据所述参考点可以确定其在拟合曲线对应的标准点云。

s140，依次连接相邻的标准点云，生成所述导线的矢量模型。

将上述步骤得到的标准点云依次进行连接。由于标准点云的数量与投影得到的线段中的参考点数量相对应，而参考点数量是根据预设的采样密度确定。这样，可以保证标准点云的采样密度与该导线的长度相对应。利用标准点云所生产的导线的矢量模型，可以体现所述导线的形态。具体的，可以通过依次连接相邻的标准点云，生成一个由多个线段所组成多段线，该多段线的形态近似抛物线。该多段线为所述导线的矢量模型。

本实施例通过将拟合得到的曲线在水平面进行投影，并对投影得到的点进行拟合，得到与所述曲线对应的线段，再从所述曲线中选取与所述线段对应的点，并根据选取的点生成导线的矢量模型。利用导线在地面的投影为一条线段的图像特征，可以去除导线模型的点云噪点，有效提升生成的导线三维矢量模型与实际导线拟合度。能够实现程序自动生成导线三维矢量模型，节省了人力和时间成本。

实施例二

图2是本发明实施例二提供的导线矢量模型的生成方法的流程示意图。本实施例以上述实施例为基础进行优化，在本实施例中，在对同一条导线的点云进行空间拟合之前，增加如下步骤：根据输入的杆塔位置对点云进行分割，确定每两个相邻杆塔之间的点云集合；采用聚类算法。将所述点云集合进行聚类，生成多条导线模型。

参见图2，所述导线矢量模型的生成方法，包括：

s210，根据输入的杆塔位置对点云进行分割,确定每两个相邻杆塔之间的点云集合。

杆塔，用于支承架空输电线路导线和架空地线。根据杆塔可以确定电力导线的大概位置及走向。而通过机载lidar系统的得到的点云包括该区域内所有电力导线对应的点云，因此，需要根据塔杆对点云进行分割，以得到两个相邻杆塔之间的点云集合,即相当于杆塔之间的一条或者多条电力导线所对应的点云的集合。

示例性的，可以通过测量预先获取杆塔位置，或者，也可通过点云分布情况确定杆塔的位置，例如沿着输电线路的走向，统计点云密度的变化，根据所述点云密度确定杆塔的位置，由于电力导线是架设在两两杆塔之间，塔杆附近点云密度与其它区域相比较大，因此可以根据点云密度确定杆塔的位置。在获取到杆塔位置后，可以输入所述杆塔位置。由于电力导线是架设在两两杆塔之间，可以根据所述杆塔的位置确定同属于同一范围内的点云集合。可以利用杆塔对通过机载lidar所获取得到的全部点云进行分割,确定每两个杆塔之间的点云集合。

示例性的，所述根据输入的杆塔位置对点云进行分割,确定每两个相邻杆塔之间的点云集合，可以包括：计算每个杆塔与其相连的杆塔之间的角平分线，所述角平分线垂直于所述杆塔和与其相连的杆塔之间的连线；根据所述角平分线确定每两个相邻杆塔之间的点云集合。所述杆塔之间的角平分线可以是俯视图中，通过所述杆塔，且垂直于每两个相邻杆塔之间的连线的直线。利用角平分线可以对过机载lidar所获取得到的全部点云进行分割，得到多个区域所对应的点云。每两个角平分线之间的点云数据为每两个相邻杆塔之间的点云集合。

s220，采用聚类算法对所述点云集合进行聚类，并根据聚类结果生成多条导线模型。

相邻的杆塔之间存在多条电力导线。因此，需要对相邻的杆塔之间的点云集合进行聚类，区分出每条导线所对应的点云集合。示例性的，可以采用聚类算法对相邻的杆塔之间的点云金河进行聚类。聚类算法接收输入的电力导线数量k，然后将相邻杆塔之间的点云数据划分为k个聚类，以便使得所获得的聚类满足，同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。具体的，首先从相邻杆塔之间的点云数据中任意选择k个数据作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的距离，分别将它们分配给与其最相似的聚类中心所代表的聚类；然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)；不断重复这一过程直到标准测度函数开始收敛为止。通常一般都采用均方差作为标准测度函数.优选的，可以采用加权欧式聚类算法对所述点云集合进行聚类。通过先计算相邻的杆塔之间点云的均值和标准差，对点云数据进行变换：x-x1/s,其中，x为点云数据，s为标准差，x1为均值。利用变换，能够体现出点云数据之间的变化量，能够有效提高聚类质量。采用聚类算法能够生成相连杆塔之间的多条电力导线的点云集合，即多条电力导线的导线模型。

s230，对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线。

s240，对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段。

s250，从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云。

s260，依次连接相邻的标准点云，生成所述导线的矢量模型。

本实施例通过在对同一条导线的点云进行空间拟合之前，增加如下步骤：根据输入的杆塔位置对点云进行分割，确定每两个相邻杆塔之间的点云集合；采用聚类算法。将所述点云集合进行聚类，生成多条导线模型。可以从海量点云数据中抽取得到相邻的杆塔之间的每条导线的导线模型。可以避免不同导线的点云数据发生混淆，提高了生成的导线矢量模型的精度。

实施例三

图3是本发明实施例三提供的导线矢量模型的生成方法的流程示意图。本实施例以上述实施例为基础进行优化，在本实施例中，在所述在生成多条导线模型之后，对同一条导线的点云进行空间拟合之前，增加如下步骤：将在预设距离范围内的至少两个导线模型合并为一个导线模型。

参见图3，所述导线矢量模型的生成方法，包括：

s310，根据输入的杆塔位置对点云进行分割,确定每两个相邻杆塔之间的点云集合。

s320，采用聚类算法对所述点云集合进行聚类，生成多条导线模型。

s330，将在预设距离范围内的至少两个导线模型合并为一个导线模型。

导线模型是根据聚类算法生成的，在一些点云数据缺失时，会导致同一条电力导线的导向模型被聚合为多个导线模型，形成多个断裂的导线模型。因此，需要将多个断裂的导线模型进行合并。示例性的，可以通过各个导线模型之间的距离判断其是否为断裂的导线模型。所述距离可以是导线模型中两端的点云之间的距离，也可以是导向模型中中间点的点云之间的距离，还可以使根据断裂的导线模型拟合生成的曲线之间的距离，在距离小于预设距离范围时，判定所述导线模型为断裂的导线模型，可以将二者进行合并，以生成一个导线模型。示例性的，可以通过将两个断裂的导向模型的最近的端点所对应的点云数据连接，生成一个新的导线模型。优选的，所述将在预设距离范围内的至少两个导线模型合并为一个导线模型，可以包括：采用最小二乘法计算两个相邻导线模型的连接点，按照所述连接点合并所述两个相邻的导线模型，生成一个导线模型。具体的，可以根据两个相邻导线模型的点云数据按偏差平方和最小的原则选取拟合曲线，并根据所述拟合曲线确定连接点。进一步的，也可以按照两个相邻导线模型分别对应的权重值对所述连接点的位置进行调整，以使得调整后的连接点的位置更加贴近于实际电力导线的形态。并按照所述连接点分别连接所述两个相邻的导线，实现合并生成一个导线模型。

s340，对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线。

s350，对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段。

s360，从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云。

s370，依次连接相邻的标准点云，生成所述导线的矢量模型。

本实施例通过在所述在生成多条导线模型之后，对同一条导线的点云进行空间拟合之前，增加如下步骤：将在预设距离范围内的至少两个导线模型合并为一个导线模型。可以对断裂的导线模型进行合并，实现了完整导线模型的重建，能够进一步提高生成的导线矢量模型的精度。

实施例四

图4是本发明实施例四提供的导线矢量模型的生成装置的结构图，如图4所示，所述装置包括：

拟合模块410，用于对同一条导线模型的点云进行空间拟合，得到所述导线模型的拟合曲线；

投影模块420，用于对所述拟合曲线进行水平面投影，并对在水平面上投影得到的点进行拟合，得到与所述拟合曲线对应的线段；

选取模块430，用于从所述线段中选取参考点，并根据所述参考点确定在所述拟合曲线上与所述参考点对应的标准点云；

生成模块440，用于依次连接相邻的标准点云，生成所述导线的矢量模型。

本实施例提供的导线矢量模型的生成装置，通过将拟合得到的曲线在水平面进行投影，并对投影得到的点进行拟合，得到与所述曲线对应的线段，再从所述曲线中选取与所述线段对应的点，并根据选取的点生成导线的矢量模型。利用导线在地面的投影为一条线段的图像特征，可以去除导线模型的点云噪点，有效提升生成的导线三维矢量模型与实际导线拟合度。能够实现程序自动生成导线三维矢量模型，节省了人力和时间成本。

在上述各实施例的基础上，所述选取模块，包括：

选取单元，用于按照预设的间距从所述线段中选取参考点。

在上述各实施例的基础上，所述装置还包括：

分割模块，用于根据输入的杆塔位置对点云进行分割，确定每两个相邻杆塔之间的点云集合；

导线模型生成模块，用于采用聚类算法对所述点云集合进行聚类，生成多条导线模型。

在上述各实施例的基础上，所述分割模块，包括：

计算单元，用于计算每个杆塔与其相连的杆塔之间的角平分线，所述角平分线垂直于所述杆塔和与其相连的杆塔之间的连线；

确定单元，用于根据所述角平分线确定每两个相邻杆塔之间的点云集合。

在上述各实施例的基础上，，所述装置还包括：

合并模块，用于将在预设距离范围内的至少两个导线模型合并为一个导线模型。

在上述各实施例的基础上，所述合并模块用于：

采用最小二乘法计算两个相邻导线模型的连接点，按照所述连接点合并所述两个相邻的导线模型，生成一个导线模型。

本发明实施例所提供的导线矢量模型的生成装置可执行本发明任意实施例所提供的导线矢量模型的生成方法，具备执行方法相应的功能模块和有益效果。

显然，本领域技术人员应该明白，上述本发明的各模块或各步骤可以通过如上所述的设备实施。可选地，本发明实施例可以用计算机装置可执行的程序来实现，从而可以将它们存储在存储装置中由处理器来执行，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等；或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。