一种复杂变电站场景分割方法、设备及存储介质

本发明属于点云分割，涉及一种复杂变电站场景分割方法、设备及存储介质。

背景技术：

1、电力是我国能源的重要组成部分，电力的安全和稳定事关居民的人身安全和国家经济的正常发展。在电力系统中，变电站起着变换电流电压，接收电能和分配的电能的作用。因此，对变电站的维护和检修对电力的安全和稳定有重要作用。近年来，随着三维激光扫描技术的发展，点云正在推动着目标识别、场景分割等领域的发展。传统的变电站的检修，通过人工检查，以人工巡查为主，存在风险大，成本高，工作环境危险和巡检不全等缺点。随着点云在相关领域的应用，人们可以通过使用点云提供的丰富的变电站场景三维信息来构建变电站三维模型，在终端查看变电站设备的状态或者在三维模型上规划检修路线，减少与检修工人与带电设备的接触，从而使变电站检修的成本和危险降低。

2、点云分割是处理点云的重要一步，其将三维点云数据依据诸如颜色、形状、纹理、接近度等属性分割为人们感兴趣或者容易处理的更小簇点云。经过分割处理后的点云能够支持后续的诸如场景重建、点云识别、缺陷检测等工作的进行。人们可以通过点云分割将场景分割成多个小场景，特定的分析和处理部分，而不需要对整个场景进行操作，可以提高算法效率和准确度。通过点云分割处理，将整个变电站场景分割为空间上独立的设备点云簇，从而使设备和部件的识别更加高效和准确。点云分割方法包括传统的点云分割方法和基于深度学习的点云分割方法。传统的点云分割方法依赖于几何约束和统计规则来人工设计特征进行点云分割。传统的点云分割方法通常基于边缘、模型拟合、区域增长、属性等一个或几个方面结合进行点云分割。基于深度学习的点云分割方法通过卷积神经网络等，训练模型从点云数据中自动提取相关特征，对每个点所属种类做出预测。

3、目前，大多数的场景分割和目标识别面对的对象是简单的三维场景或非变电站对象。传统的分割方法难以对复杂的变电站场景进行有效的分割，从而无法有效得到待识别的物体。而基于深度学习的分割方法类精度严重依赖于模型构建方法和阈值设置，需要大量的数据标本来要提高特征集合，使工作的成本变大，实时性降低。传统的物体识别多面对空间周边不复杂的对象。但在变电站场景中，通常多个零部件组成一个设备，且变电站场景复杂，在获取点云时，可能会因为遮挡导致点云残缺并且存在噪声，使识别的精度变低。且基于深度学习的识别方法同样需要大量的数据来提高精度。由于变电站的特殊性，缺乏公开的数据集供模型训练和学习。

技术实现思路

1、目的：为了克服现有技术中存在的不足，本发明提供一种复杂变电站场景分割方法、设备及存储介质，

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，提供一种复杂变电站场景分割方法，包括：

4、步骤s1、获取变电站场景点云；

5、步骤s2、对所述变电站场景点云采用随机抽样一致性算法提取得到地面点云，从变电站场景点云中去除地面点云得到不包含地面点云的变电站场景点云；

6、步骤s3、将不包含地面点云的变电站场景点云向xoy平面投影，得到变电站的二维平面图像；

7、步骤s4、对变电站的二维平面图像采用cannay边缘检测算法计算得到边缘图像；

8、步骤s5、采用霍夫直线检测算法提取边缘图像中的直线，确定直线上点位于变电站场景点云中的对应点，根据空间中电力线的特征去除非电力线直线，得到电力线直线段；

9、步骤s6、采用区域生长算法延长边缘图像中电力线直线段获取完整的电力线直线段；

10、步骤s7、根据完整的电力线直线段采用欧式聚类算法进行聚类得到电力线点云；

11、步骤s8、从不包含地面点云的变电站场景点云中去除电力线点云，得到变电站场景分割结果。

12、在一些实施例中，步骤s6、采用区域生长算法延长边缘图像中电力线直线段获取完整的电力线直线段，包括：

13、s61、以电力线直线段的像素点为种子点，退出当前种子点，搜索像素点周围8个方向的像素点；

14、s62、计算搜索到的像素点到电力线直线段的距离h；

15、s63、当搜索到的像素点是图像像素点且h＜δ，将该像素点加入种子点且加入电力线直线中，其中δ为所设阈值；

16、s64、重复s61至s63，直到种子点序列清零，获得完整的电力线直线段。

17、进一步地，在一些实施例中，计算搜索到的像素点pxi(ui,vi)到端点为px1(u1,v1)和px2(u2,v2)的电力线直线段的距离h，包括：

18、

19、其中中间参数α＝v2-v1,β＝u1-u2,γ＝(v1-v2)*u1+(u2-u1)*v1。

20、在一些实施例中，步骤s2中，对所述变电站场景点云采用随机抽样一致性算法提取得到地面点云，包括：

21、平面模型的方程为：a*x+b*y+c*z+d＝0，其中a,b,c不同时为零；

22、在变电站场景点云中随机选取三个点p1(x1,y1,z1)，p2(x2,y2,z3)，p3(x3,y3,z3)，求解平面模型的参数值a,b,c，d；

23、

24、基于求得的平面模型的参数值，根据公式求得其他点云点pi(xi,yi,zi)到平面的距离di，距离大于预设阈值的点为局外点，距离小于预设阈值的点为局内点，并记录局内点数量；

25、迭代执行上述步骤，直到达到迭代次数k，迭代次数k通过下列公式计算：

26、其中，z为局内点与点云总数的比例，n为模拟平面模型所需的最少点个数，p为迭代过程中选取的样本点为局内点的概率；

27、在迭代完成后选取局内点数量最多的平面作为地面，得到地面点云。

28、在一些实施例中，步骤s3、将不包含地面点云的变电站场景点云向xoy平面投影，得到变电站的二维平面图像，包括：

29、s31、基于设置的图像分辨率，根据点云最大的x坐标和y坐标和点云最小的x坐标和y坐标，计算得到单个像素代表的实际长度；

30、

31、其中，l为单个像素代表的实际长度，lx、ly分别为x、y轴方向上单个像素代表的实际长度，dpix，dpiy为设置的图像分辨率，xmax为点云最大的x坐标，ymax为点云最大的y坐标，xmin为点云最小的x坐标，ymin为点云最小的y坐标；

32、s32、基于点云三维点坐标，根据点云最小的x坐标和y坐标、单个像素代表的实际长度，计算点云中的点对应二维图像像素点的坐标；

33、

34、其中，ximage，yimage为点云中的点对应二维图像像素点的坐标，xcloud，ycloud为点云三维点坐标；

35、s33、基于点云中的每个点对应二维图像像素点的坐标，将点云三维点的颜色赋予相对应的像素点，得到点云的二维图像。

36、在一些实施例中，步骤s4、对变电站的二维平面图像采用cannay边缘检测算法计算得到边缘图像，包括：

37、使用高斯滤波处理去除变电站的二维平面图像的噪声，通过离散化窗口滑窗卷积；

38、使用sobel算子计算高斯滤波处理后的变电站的二维平面图像的像素梯度；

39、基于计算得到的图像的像素梯度，使用非极大值抑制，将局部范围内的梯度方向上，灰度变化最大的保留下来，其它的不保留，得到边缘图像。

40、在一些实施例中，步骤s5中，根据空间中电力线的特征去除非电力线直线，得到电力线直线段，包括：

41、根据直线上点位于变电站场景点云中的对应点检测该点周围的三维特征，如果周围设定范围内没有其他点云且周围点云特征不为平面，则认为这个直线段是电力线直线段；否则认为这个直线段不是电力线直线段，去除这个直线段。

42、在一些实施例中，步骤s7、根据完整的电力线直线段采用欧式聚类算法进行聚类得到电力线点云，包括：

43、获取完整的电力线直线段两端的坐标，根据二维平面图像与三维点云的对应关系，得到两端的三维点坐标；

44、采用欧式聚类算法进行聚类获取两端的三维点坐标范围之间的电力线点云。

45、第二方面，本发明提供了一种复杂变电站场景分割装置，包括处理器及存储介质；

46、所述存储介质用于存储指令；

47、所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。

48、第三方面，本发明提供了一种设备，包括，

49、存储器；

50、处理器；

51、以及

52、计算机程序；

53、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现上述第一方面所述的方法。

54、第四方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。

55、有益效果：本发明提供的一种窄带环境下复杂变电站场景分割方法，具有以下优点：由于在滤除周边环境后变电站中设备通过地面和电力线相连，本发明通过地面点云提取和电力线提取的方式完成场景的分割。本发明通过ransac方法提取地面点云，通过投影方法获取变电站二维图像，并结合边缘检测算法和直线提取算法提取电力线直线，通过电力线三维特征去除非电力线直线段，结合电力线直线段使用欧几里得聚类完成电力线提取。本发明通过改进的直线检测算法提取完整电力线直线段。