一种用于输电线路的多期激光点云数据处理方法及系统

技术领域

本发明涉及电力巡检技术领域，具体涉及一种用于输电线路的多期激光点云数据处理方法及系统。

背景技术

随着电力建设的发展，电网建设的覆盖区域也越来越大，激光雷达也开始运用到电力监测中。对于输电线路(特别是山区的输电线路)进行点云数据采集时，因为地形的局限，因此大多书情况是采用无人机搭载激光雷达进行采集，采集好激光点云数据之后，将激光点云数据导入分类模型进行分类计算，得到最后渲染所需要的结果。但是，目前激光点云分类是依赖于一次采集的点云数据进行分类的，数据采集时如果出现光照、天气等因素的影响，容易出现分类错误等情形，导致最终渲染结果出现误差。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种用于输电线路的多期激光点云数据处理方法，解决了分类结果易出错的问题。本发明还提出了一种用于输电线路的多期激光点云数据处理系统。

根据本发明第一方面实施例的用于输电线路的多期激光点云数据处理方法，包括以下步骤：

针对多种塔型构建多个不同的分类系统，每个分类系统包括多个点云分类模型；

采集同一个待处理输电线路的多期待处理点云数据；

依据多期所述待处理点云数据判断所述待处理输电线路对应的塔型类型，并记作待处理塔型类型；

确认所述待处理塔型类型对应的分类系统，并使用该分类系统对多期所述待处理点云数据分别进行分类，并对应生成多个中间分类结果；

对多个所述中间分类结果进行融合。

根据本发明实施例的用于输电线路的多期激光点云数据处理方法，至少具有如下技术效果：通过针对同一待处理输电线路进行多期待处理点云数据采集，可以便于后续利用多期待处理点云数据进行分类结果的比对，并最终从多期分类结果中选择出正确的分类结果，这一分类方式相较于传统的分类方式，可以更准确的确定分类结果，排除仅使用单期点云数据带来的误差。同时，针对不同的塔型使用不同的分类系统，可以更为快速和准确的对处理点云数据进行分类，进一步提高分类结果的准确性。

根据本发明的一些实施例，所述针对多种塔型构建多个不同的分类系统，每个分类系统包括多个点云分类模型包括以下步骤：

构建塔型信息数据表，所述塔型信息数据表包括多种塔型类型信息；

分别获取与每种所述塔型类型信息对应的多个建模用激光点云数据；

依据与每种所述塔型类型信息对应的多个所述建模用激光点云数据构建对应的分类系统，每个所述分类系统皆包括多个点云分类模型。

根据本发明的一些实施例，多个点云分类模型至少包括：电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型。

根据本发明的一些实施例，所述依据多期所述待处理点云数据判断所述待处理输电线路对应的塔型类型通过人工判断。

根据本发明的一些实施例，每期所述待处理点云数据对应的中间分类结果生成过程包括以下步骤：

对所述待处理输电线路进行分区；

获取所述待处理点云数据中每一分区内的分类结果；

将所有分区的分类结果合成中间分类结果。

根据本发明的一些实施例，所述对多个所述中间分类结果进行融合包括以下步骤：

对每一分区内多期的分类结果进行比较，将同一分类结果最多的记录为最终分类结果；

将所有分区的最终分类结果进行融合。

根据本发明第二方面实施例的用于输电线路的多期激光点云数据处理系统，包括：

数据库，其内置有多个不同的分类系统，每个分类系统对应一种塔型，每个所述分类系统皆包括多个点云分类模型；

点云数据采集装置，用于对同一个待处理输电线路进行多期待处理点云数据采集；

塔型判断模块，用于依据多期所述待处理点云数据判断所述待处理输电线路对应的塔型类型，并记作待处理塔型类型；

点云分类模块，用于依据与所述待处理塔型类型对应的分类系统对多期所述待处理点云数据分别进行分类，并对应生成多个中间分类结果；

最终融合模块，用于对多个所述中间分类结果进行融合。

根据本发明实施例的用于输电线路的多期激光点云数据处理系统，至少具有如下技术效果：

通过点云数据采集装置针对同一待处理输电线路进行多期待处理点云数据采集，可以便于后续点云分类模块和最终融合模块利用多期待处理点云数据进行分类结果的比对，并最终从多期分类结果中选择出正确的分类结果，这一分类方式相较于传统的分类方式，可以更准确的确定分类结果，排除仅使用单期点云数据带来的误差。同时，针对不同的塔型使用不同的分类系统，可以更为快速和准确的对处理点云数据进行分类，进一步提高分类结果的准确性。

根据本发明的一些实施例，所述数据库中还存储有塔型信息数据表，所述塔型信息数据表包括多种塔型类型信息，多种所述塔型类型信息与多种所述分类系统一一对应。

根据本发明的一些实施例，多个点云分类模型至少包括：电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式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是本发明实施例的用于输电线路的多期激光点云数据处理方法的流程简图；

图2是本发明实施例的用于输电线路的多期激光点云数据处理系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

下面参考图1至图2描述根据本发明第一方面实施例的用于输电线路的多期激光点云数据处理方法。

根据本发明实施例的用于输电线路的多期激光点云数据处理方法，包括以下步骤：

S101.针对多种塔型构建多个不同的分类系统，每个分类系统包括多个点云分类模型；

S102.采集同一个待处理输电线路的多期待处理点云数据；

S103.依据多期待处理点云数据判断待处理输电线路对应的塔型类型，并记作待处理塔型类型；

S104.确认待处理塔型类型对应的分类系统，并使用该分类系统对多期待处理点云数据分别进行分类，并对应生成多个中间分类结果；

S105.对多个中间分类结果进行融合。

多期塔型是确定输电线路类型的重要因素，通常在确认塔型之后便可以快速的知晓对应的输电线路类型。塔型的种类受到地形、电压等级等等因素的影响，因此会有多种塔型以适应不同的使用需求。不同的塔型虽然在大体上相同，但是仍然会存在一定的差别。传统的激光点云分类方式，通常是采集大量的各种型号的杆塔、电力线、配电设备的点云数据，然后进行模型训练，得到不同用途的分类模型，在获取到待处理点云数据后，会利用训练好的分类模型对待处理点云数据进行分类。但是这样分类出的点云数据容易受到训练样本的影响可能出现分类错误的情况。同时也仍然难以避免数据采集问题带来的误判影响。

参考图1、图2，本发明实施例的用于输电线路的多期激光点云数据处理方法，针对不同的塔型构建不同的分类系统，例如：有3种塔型，那么便针对这三种塔型分别进行样本采集，分别进行模型训练，以得到针对每一种塔型的多个点云分类模型，然后在获取到待处理点云数据后，会先对待处理点云数据进行塔型判断，从而确定具体的待处理塔型类型以及对应的输电线路类型，最后选择对应的分类系统进行点云数据分类即可。

在对待处理输电线路进行数据采集时，会因为光照、天气等等因素的影响，导致采集的待处理输电线路对应的待处理点云数据中的部分点云出现不同的分类结果，因此针对待处理输电线路进行多次数据采集，每一期的点云数据分类后都会一个对应的中间分类结果。每个中间分类结果中会包括对每一个小区域或单元的判断结果；将每个中间分类结果中的同一小区域或单元的分类结果进行比较，则可以像排除误差的方式一样快速得到最终分类结果。后续可以依照最终分类结果进行渲染。此外，需要说明，最终分类结果中每一个小区域或单元都会保留最新一期的待处理点云数据。

根据本发明实施例的用于输电线路的多期激光点云数据处理方法，通过针对同一待处理输电线路进行多期待处理点云数据采集，可以便于后续利用多期待处理点云数据进行分类结果的比对，并最终从多期分类结果中选择出正确的分类结果，这一分类方式相较于传统的分类方式，可以更准确的确定分类结果，排除仅使用单期点云数据带来的误差。同时，针对不同的塔型使用不同的分类系统，可以更为快速和准确的对处理点云数据进行分类，进一步提高分类结果的准确性。

在本发明的一些实施例中，多期的数量是有限制的，例如：在实际工程中，如果每1天采集一次，则可能采集次数为9次，如果采集了第十次，则第一次采集的待处理点云数据不再参与运算。

在本发明的一些实施例中，针对多种塔型构建多个不同的分类系统，每个分类系统包括多个点云分类模型包括以下步骤：

构建塔型信息数据表，塔型信息数据表包括多种塔型类型信息；

分别获取与每种塔型类型信息对应的多个建模用激光点云数据；

依据与每种塔型类型信息对应的多个建模用激光点云数据构建对应的分类系统，每个分类系统皆包括多个点云分类模型。

因为塔型信息数据表中多种塔型类型信息都对应了一种分类系统，所以通过查看塔型信息数据表便可以迅速的让用户查看到现在具有的分类系统，便于人工依据待处理点云数据的对应塔型快速调用对应的分类系统。每一种分类系统的构建，都仅采集该类型的建模用激光点云数据进行训练，从而可以得到针对性较强的分类系统和对应的分类模型。

在本发明的一些实施例中，多个点云分类模型至少包括：电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型。对于山区或郊外，可以采用无人机采集激光点云，这些区域内基本上都只包括了电力线、杆塔、地面和植被，因此构建电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型便可以快速的对采集的待处理点云数据进行分类。在一些区域如果存在河流、铁路时，也会构建对应的分类模型。

在本发明的一些实施例中，依据多期待处理点云数据判断待处理输电线路对应的塔型类型通过人工判断。人工判断塔型类型较为便捷，在电网建设结束后，各区域中的塔型基本都已确定。在无人机确定采集路线和区域后，用户只需要通过查阅资料便可以知晓该线路中的塔型。此外，也可以设置塔型参数，不同的塔型参数对应不同的塔型，通过人工输入相应的塔型参数，服务器便可以自动选择相应的分类系统。

在本发明的一些实施例中，每期待处理点云数据对应的中间分类结果生成过程包括以下步骤：

对待处理输电线路进行分区；

获取待处理点云数据中每一分区内的分类结果；

将所有分区的分类结果合成中间分类结果。

针对每一个激光点云进行确认，数据量较大，且容易出现误差。这时可以将待处理输电线路划分为多个分区，各个分区足够小然后每个分区对应的点云数据进行结果判断即可。例如：在某一期待处理点云数据中，某一分区超过95％的点云都分类为电力线，则该分区的分类结果为电力线，后续按照电力线进行渲染即可。所有的分区结果便可以合成中间分类结果。

在本发明的一些实施例中，对多个中间分类结果进行融合包括以下步骤：

对每一分区内多期的分类结果进行比较，将同一分类结果最多的记录为最终分类结果；

将所有分区的最终分类结果进行融合。

在每一分区的每一期的区域分类结束之后，只需要再将多期待处理点云数据进行横向比较即可，以采集了9期为例：如果有8期分类为电力线，1期分类为植被，则该分区可以分类为电力线。且该分区的点云数据使用最新一期的点云数据。通过将所有分区的最终分类结果进行融合便可以最终用于渲染的点云数据。

根据本发明第二方面实施例的用于输电线路的多期激光点云数据处理系统，包括:数据库、点云数据采集装置、塔型判断模块、点云分类模块、最终融合模块。

数据库，其内置有多个不同的分类系统，每个分类系统对应一种塔型，每个分类系统皆包括多个点云分类模型；

点云数据采集装置，用于对同一个待处理输电线路进行多期待处理点云数据采集；

塔型判断模块，用于依据多期待处理点云数据判断待处理输电线路对应的塔型类型，并记作待处理塔型类型；

点云分类模块，用于依据与待处理塔型类型对应的分类系统对多期待处理点云数据分别进行分类，并对应生成多个中间分类结果；

最终融合模块，用于对多个中间分类结果进行融合。

多期塔型是确定输电线路类型的重要因素，通常在确认塔型之后便可以快速的知晓对应的输电线路类型。塔型的种类受到地形、电压等级等等因素的影响，因此会有多种塔型以适应不同的使用需求。不同的塔型虽然在大体上相同，但是仍然会存在一定的差别。传统的激光点云分类方式，通常是采集大量的各种型号的杆塔、电力线、配电设备的点云数据，然后进行模型训练，得到不同用途的分类模型，在获取到待处理点云数据后，会利用训练好的分类模型对待处理点云数据进行分类。但是这样分类出的点云数据容易受到训练样本的影响可能出现分类错误的情况。

参考图1、图2，本发明实施例的用于输电线路的多期激光点云数据处理系统，针对不同的塔型构建不同的分类系统，例如：有3种塔型，那么便针对这三种塔型分别进行样本采集，分别进行模型训练，以得到针对每一种塔型的多个点云分类模型，然后在获取到待处理点云数据后，会先对待处理点云数据进行塔型判断，从而确定具体的待处理塔型类型以及对应的输电线路类型，最后选择对应的分类系统进行点云数据分类即可。

点云数据采集装置通常采用无人机搭载激光雷达构成，在使用点云数据采集装置对待处理输电线路进行数据采集时，会因为光照、天气等等因素的影响，导致采集的待处理输电线路对应的待处理点云数据中的部分点云出现不同的分类结果，因此针对待处理输电线路进行多次数据采集，每一期的点云数据通过点云分类模块分类后都会一个对应的中间分类结果。每个中间分类结果中会包括对每一个小区域或单元的判断结果；将每个中间分类结果中的同一小区域或单元的分类结果进行比较，则可以像排除误差的方式一样快速得到最终分类结果。后续可以依照最终分类结果进行渲染。此外，需要说明，最终分类结果中每一个小区域或单元都会保留最新一期的待处理点云数据。

根据本发明实施例的用于输电线路的多期激光点云数据处理系统，通过点云数据采集装置针对同一待处理输电线路进行多期待处理点云数据采集，可以便于后续点云分类模块和最终融合模块利用多期待处理点云数据进行分类结果的比对，并最终从多期分类结果中选择出正确的分类结果，这一分类方式相较于传统的分类方式，可以更准确的确定分类结果，排除仅使用单期点云数据带来的误差。同时，针对不同的塔型使用不同的分类系统，可以更为快速和准确的对处理点云数据进行分类，进一步提高分类结果的准确性。

在本发明的一些实施例中，数据库中还存储有塔型信息数据表，塔型信息数据表包括多种塔型类型信息，多种塔型类型信息与多种分类系统一一对应。因为塔型信息数据表中多种塔型类型信息都对应了一种分类系统，所以通过查看塔型信息数据表便可以迅速的让用户查看到现在具有的分类系统，便于人工依据待处理点云数据的对应塔型快速调用对应的分类系统。每一种分类系统的构建，都仅采集该类型的建模用激光点云数据进行训练，从而可以得到针对性较强的分类系统和对应的分类模型。

在本发明的一些实施例中，多个点云分类模型至少包括：电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型。对于山区或郊外，可以采用无人机采集激光点云，这些区域内基本上都只包括了电力线、杆塔、地面和植被，因此构建电力线分类模型、杆塔分类模型、地面分类模型、植被分类模型便可以快速的对采集的待处理点云数据进行分类。在一些区域如果存在河流、铁路时，也会构建对应的分类模型。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上述结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。