输电杆塔倾斜检测方法、装置、设备和存储介质

技术领域

本申请涉及电力技术领域，特别是涉及一种输电杆塔倾斜检测方法、装置、设备和存储介质。

背景技术

随着电力技术领域的发展，出现了输电杆塔倾斜检测技术，该技术通过铅垂测量输电杆塔到的倾斜角度来对输电杆塔进行倾斜检测。

在上述技术方案中，需要工作人员登塔作业，非常不安全，且操作过程十分繁琐，需要耗费大量人力物力，从而使得输电杆塔的倾斜检测过程十分低效。

发明内容

基于此，有必要针对上述技术问题，提供一种能够高效地对输电杆塔进行倾斜检测的输电杆塔倾斜检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种输电杆塔倾斜检测方法。所述方法包括：

获取针对于待检测输电杆塔所在空间的多个初始点云数据；所述输电杆塔所在空间包含有所述输电杆塔，以及所述输电杆塔所在地面；

对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，并基于所述几何特征信息，得到各所述初始点云数据对应的目标点云数据；

从所述目标点云数据中，获取所述输电杆塔对应的输电杆塔点云数据，以及所述输电杆塔所在地面对应的地面点云数据；

基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果。

在其中一个实施例中，所述对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，包括：从所述多个初始点云数据中，获取当前初始点云数据对应的多个邻近点云数据；所述多个邻近点云数据为多个邻近测量点分别对应的多个初始点云数据，所述多个邻近测量点为与所述当前初始点云数据对应的当前测量点之间的距离小于预设距离的多个测量点；基于所述多个邻近测量点，获取所述当前初始点云数据对应的目标直线，以及所述目标直线对应的斜率信息以及截距信息，并将所述斜率信息以及截距信息作为所述当前初始点云数据对应的几何特征信息。

在其中一个实施例中，所述基于所述多个邻近测量点，获取所述当前初始点云数据对应的目标直线，包括：从所述多个邻近测量点中，获取当前邻近测量点组合，以及获取所述当前邻近测量点组合对应的当前直线；所述当前邻近测量点组合包含两个邻近测量点；获取所述多个邻近测量点分别与所述当前直线之间的多个第一距离信息；若所述多个第一距离信息符合第一预设条件，则将所述当前直线作为所述目标直线。

在其中一个实施例中，所述基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果，包括：根据所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜程度，以及所述输电杆塔的高度信息；利用所述倾斜程度，以及所述高度信息，得到所述输电杆塔对应的倾斜检测结果。

在其中一个实施例中，所述根据所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜程度，以及所述输电杆塔的高度信息，包括：

根据所述输电杆塔点云数据，得到所述输电杆塔对应的朝向信息，并根据所述地面点云数据，得到所述输电杆塔所在地面的平面特征；基于所述朝向信息，以及所述平面特征，得到所述输电杆塔对应的倾斜程度；基于所述输电杆塔点云数据，以及所述平面特征，得到所述输电杆塔的高度信息。

在其中一个实施例中，所述地面点云数据为多个；所述根据所述地面点云数据，得到所述输电杆塔所在地面的平面特征，包括：从多个地面点云数据分别对应的多个地面测量点中，获取当前地面测量点组合，以及获取所述当前地面测量点组合对应的当前平面；所述当前地面测量点组合包含三个地面测量点；获取所述多个地面测量点分别与所述当前平面之间的多个第二距离信息；若所述多个第二距离信息符合第二预设条件，则获取所述当前平面对应的法向量信息以及位置信息，并将所述法向量信息以及所述位置信息作为所述输电杆塔所在地面的平面特征。

在其中一个实施例中，所述利用所述倾斜程度，以及所述高度信息，得到所述输电杆塔对应的倾斜检测结果，包括：当所述高度信息小于或等于预设高度阈值时，若所述倾斜程度大于或等于第一预设倾斜阈值，则所述倾斜检测结果为不正常倾斜，若所述倾斜程度小于所述第一预设倾斜阈值，则所述倾斜检测结果为正常倾斜；当所述高度信息大于所述预设高度阈值时，若所述倾斜程度大于或等于第二预设倾斜阈值，则所述倾斜检测结果为不正常倾斜，若所述倾斜程度小于所述第二预设倾斜阈值，则所述倾斜检测结果为正常倾斜。

第二方面，本申请还提供了一种输电杆塔倾斜检测装置。所述装置包括：

初始点云数据获取模块，用于获取针对于待检测输电杆塔所在空间的多个初始点云数据；所述输电杆塔所在空间包含有所述输电杆塔，以及所述输电杆塔所在地面；

目标点云数据获取模块，用于对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，并基于所述几何特征信息，得到各所述初始点云数据对应的目标点云数据；

地面和杆塔点云数据获取模块，用于从所述目标点云数据中，获取所述输电杆塔对应的输电杆塔点云数据，以及所述输电杆塔所在地面对应的地面点云数据；

倾斜检测结果获取模块，用于基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取针对于待检测输电杆塔所在空间的多个初始点云数据；所述输电杆塔所在空间包含有所述输电杆塔，以及所述输电杆塔所在地面；

对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，并基于所述几何特征信息，得到各所述初始点云数据对应的目标点云数据；

从所述目标点云数据中，获取所述输电杆塔对应的输电杆塔点云数据，以及所述输电杆塔所在地面对应的地面点云数据；

基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果。

第四方面，本申请还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，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以下步骤：

获取针对于待检测输电杆塔所在空间的多个初始点云数据；所述输电杆塔所在空间包含有所述输电杆塔，以及所述输电杆塔所在地面；

对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，并基于所述几何特征信息，得到各所述初始点云数据对应的目标点云数据；

从所述目标点云数据中，获取所述输电杆塔对应的输电杆塔点云数据，以及所述输电杆塔所在地面对应的地面点云数据；

基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取针对于待检测输电杆塔所在空间的多个初始点云数据；所述输电杆塔所在空间包含有所述输电杆塔，以及所述输电杆塔所在地面；

对各个初始点云数据进行几何特征求解，得到各所述初始点云数据对应的几何特征信息，并基于所述几何特征信息，得到各所述初始点云数据对应的目标点云数据；

从所述目标点云数据中，获取所述输电杆塔对应的输电杆塔点云数据，以及所述输电杆塔所在地面对应的地面点云数据；

基于所述输电杆塔点云数据，以及所述地面点云数据，得到所述输电杆塔对应的倾斜检测结果。

上述输电杆塔倾斜检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取针对于待检测输电杆塔所在空间的多个初始点云数据；输电杆塔所在空间包含有输电杆塔，以及输电杆塔所在地面；对各个初始点云数据进行几何特征求解，得到各初始点云数据对应的几何特征信息，并基于几何特征信息，得到各初始点云数据对应的目标点云数据；从目标点云数据中，获取输电杆塔对应的输电杆塔点云数据，以及输电杆塔所在地面对应的地面点云数据；基于输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜检测结果。本申请通过获取输电杆塔所在空间的点云数据对应的几何特征信息，并基于该点云数据和几何特征信息对上述点云数据自动进行分类，得到输电杆塔点云数据以及地面点云数据，进一步得到输电杆塔对应的倾斜检测结果，能够高效地对输电杆塔进行倾斜检测。

附图说明

图1为一个实施例中输电杆塔倾斜检测方法的流程示意图；

图2为一个实施例中获取几何特征信息的流程示意图；

图3为一个实施例中获取目标直线的流程示意图；

图4为一个实施例中获取输电杆塔倾斜检测结果的流程示意图；

图5为一个实施例中语义分割模型的网络结构示意图；

图6为一个实施例中输电杆塔倾斜检测装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

在一个实施例中，如图1所示，提供了一种输电杆塔倾斜检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤S101，获取针对于待检测输电杆塔所在空间的多个初始点云数据；输电杆塔所在空间包含有输电杆塔，以及输电杆塔所在地面。

其中，待检测输电杆塔为待检测是否有倾斜缺陷的输电塔杆，该输电塔杆可以是木制塔杆，也可为输电铁塔，而输电杆塔所在空间为输电杆塔以及输电杆塔周围的空间，输电杆塔所在空间包含有输电杆塔，以及输电杆塔所在地面，至于初始点云数据，指的是输电杆塔所在空间内，预先采集到的多个预设采集点的坐标数据和颜色数据等，初始点云数据包括但不限于地面采集点对应的地面初始点云数据，以及输电杆塔采集点对应的输电杆塔初始点云数据等。

具体地，预先采集多个待检测输电杆塔所在空间内预设的采集点对应的多个初始点云数据。

步骤S102，对各个初始点云数据进行几何特征求解，得到各初始点云数据对应的几何特征信息，并基于几何特征信息，得到各初始点云数据对应的目标点云数据。

其中，几何特征信息为各初始点云数据对应的测量点所在直线的斜率和截距，而目标点云数据为初始点云数据和几何特征信息合并以后得到的点云数据。

具体地，通过当前测量点初始点云数据中位置信息，计算出当前测量点所对应的直线，并获取该直线的斜率和截距作为当前测量点对应的几何特征信息，再将该几何特征信息与当前测量点对应的初始点云数据合并，得到当前测量点对应的目标点云数据，也即得到各初始点云数据对应的目标点云数据。

步骤S103，从目标点云数据中，获取输电杆塔对应的输电杆塔点云数据，以及输电杆塔所在地面对应的地面点云数据。

其中，输电杆塔点云数据为输电杆塔上的测量点对应的点云数据，而地面点云数据为输电杆塔所在地面上的测量点对应的点云数据。

具体地，将多个目标点云数据输入至预先得到的语义分割模型中，通过该模型，从多个目标点云数据中，区分出输电杆塔对应的输电杆塔点云数据，以及输电杆塔所在地面对应的地面点云数据。

步骤S104，基于输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜检测结果。

其中，倾斜检测结果为输电杆塔是否有倾斜缺陷的检测结果。

具体地，基于输电杆塔点云数据，以及地面点云数据，计算得到输电杆塔的相对于地面的倾斜角度，基于该倾斜角度判断输电杆塔是否有倾斜缺陷，从而得到输电杆塔对应的倾斜检测结果。

上述输电杆塔倾斜检测方法中，通过获取针对于待检测输电杆塔所在空间的多个初始点云数据；输电杆塔所在空间包含有输电杆塔，以及输电杆塔所在地面；对各个初始点云数据进行几何特征求解，得到各初始点云数据对应的几何特征信息，并基于几何特征信息，得到各初始点云数据对应的目标点云数据；从目标点云数据中，获取输电杆塔对应的输电杆塔点云数据，以及输电杆塔所在地面对应的地面点云数据；基于输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜检测结果。本申请通过获取输电杆塔所在空间的点云数据对应的几何特征信息，并基于该点云数据和几何特征信息对上述点云数据自动进行分类，得到输电杆塔点云数据以及地面点云数据，进一步得到输电杆塔对应的倾斜检测结果，能够高效地对输电杆塔进行倾斜检测。

在一个实施例中，如图2所示，对各个初始点云数据进行几何特征求解，得到各初始点云数据对应的几何特征信息，包括以下步骤：

步骤S201，从多个初始点云数据中，获取当前初始点云数据对应的多个邻近点云数据；多个邻近点云数据为多个邻近测量点分别对应的多个初始点云数据，多个邻近测量点为与当前初始点云数据对应的当前测量点之间的距离小于预设距离的多个测量点。

其中，邻近点云数据为当前初始点云数据对应的当前测量点预设距离范围内的邻近测量点对应的多个初始点云数据，而邻近测量点为当前测量点预设距离范围内的测量点，至于预设距离可以为5米。

具体地，获取当前初始点云数据对应的当前测量点5米范围内的邻近测量点对应的点云数据，作为邻近点云数据。

步骤S202，基于多个邻近测量点，获取当前初始点云数据对应的目标直线，以及目标直线对应的斜率信息以及截距信息，并将斜率信息以及截距信息作为当前初始点云数据对应的几何特征信息。

其中，目标直线为当前初始点云数据对应的当前测量点所对应的直线，而斜率信息和截距信息分别为目标直线的斜率和直线。

具体地，基于多个邻近点云数据对应的多个邻近测量点，计算得到当前测量点的延伸方向所在直线，并获取目标直线对应的斜率信息以及截距信息，斜率信息以及截距信息即为当前初始点云数据对应的几何特征信息。

本实施例中，通过获取当前初始点云数据对应的目标直线，以及目标直线对应的斜率信息以及截距信息，能够准确地得到当前初始点云数据对应的几何特征信息。

在一个实施例中，如图3所示，基于多个邻近测量点，获取当前初始点云数据对应的目标直线，包括以下步骤：

步骤S301，从多个邻近测量点中，获取当前邻近测量点组合，以及获取当前邻近测量点组合对应的当前直线；当前邻近测量点组合包含两个邻近测量点。

其中，当前邻近测量点组合为任意两个邻近测量点的组合，当前直线为该组合两个邻近测量点连线所在直线。

具体地，从多个邻近测量点中，任意获取两个邻近测量点作为当前邻近测量点组合，并获取该组合两个邻近测量点连线所在直线作为当前直线。

步骤S302，获取多个邻近测量点分别与当前直线之间的多个第一距离信息。

其中，第一距离信息为多个邻近测量点分别与当前直线之间的距离。

具体地，通过距离计算公式计算得到多个邻近测量点分别与当前直线之间的多个第一距离信息。

步骤S303，若多个第一距离信息符合第一预设条件，则将当前直线作为目标直线。

其中，第一预设条件为多个第一距离信息中小于1米的第一距离信息的数量最多。

具体地，记录当前直线对应的多个第一距离信息中小于1米的第一距离信息的数量，若当前直线对应的该数量在所有组合中是最大值，则当前直线作为目标直线。

本实施例中，通过获取多个邻近测量点分别与当前直线之间的多个第一距离信息，并判断多个第一距离信息是否符合第一预设条件，能够准确地判断当前直线是否为目标直线。

在一个实施例中，如图4所示，基于输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜检测结果，包括以下步骤：

步骤S401，根据输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜程度，以及输电杆塔的高度信息。

其中，倾斜程度为输电杆塔和地面间的夹角，高度信息为输电杆塔最高点到所在地面的高度。

具体地，根据输电杆塔点云数据，获取输电杆塔所在直线的直线方程，根据地面点云数据，获取输电杆塔所在地面的平面方程，基于上述直线方程和平面方程，计算得到输电杆塔对应的倾斜程度，以及输电杆塔的高度信息。

步骤S402，利用倾斜程度，以及高度信息，得到输电杆塔对应的倾斜检测结果。

具体地，若输电杆塔的高度信息满足预设值，且倾斜程度也满足预设值，则输电杆塔对应的倾斜检测结果为倾斜正常

本实施例中，通过获取输电杆塔对应的倾斜程度，以及输电杆塔的高度信息，能够准确地得到输电杆塔对应的倾斜检测结果。

在一个实施例中，根据输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜程度，以及输电杆塔的高度信息，包括以下步骤：

根据输电杆塔点云数据，得到输电杆塔对应的朝向信息，并根据地面点云数据，得到输电杆塔所在地面的平面特征；基于朝向信息，以及平面特征，得到输电杆塔对应的倾斜程度；基于输电杆塔点云数据，以及平面特征，得到输电杆塔的高度信息。

其中，朝向信息为输电杆塔所在直线的朝向，平面特征为上述地面所在平面的位置、延伸方向以及法向量。

具体地，根据输电杆塔点云数据，对输电杆塔进行主成分分析，计算输电杆塔的三阶协方差矩阵，然后通过奇异值分解计算输电杆塔点云数据的3个特征向量和对应的特征值，其中最大的特征值对应的特征向量即为输电杆塔的朝向；同时根据地面点云数据，计算得到上述地面所在平面的位置、延伸方向以及法向量，也即输电杆塔所在地面的平面特征，根据输电杆塔的朝向和上述地面所在平面的延伸方向，计算得到输电杆塔对应上述地面的倾斜程度，最后获取输电杆塔点云数据对应的输电杆塔测量点中距离地面最远的测量点，计算该最远的测量点到上述地面的距离即得到输电杆塔的高度信息。

本实施例中，通过获取输电杆塔对应的朝向信息，以及输电杆塔所在地面的平面特征，能够准确地得到输电杆塔对应的倾斜程度和输电杆塔的高度信息。

在一个实施例中，地面点云数据为多个；根据地面点云数据，得到输电杆塔所在地面的平面特征，包括以下步骤：

从多个地面点云数据分别对应的多个地面测量点中，获取当前地面测量点组合，以及获取当前地面测量点组合对应的当前平面；当前地面测量点组合包含三个地面测量点。

其中，地面测量点为输电杆塔所在地面的测量点，而当前地面测量点组合为任意三个地面测量点的组合，至于当前平面为当前地面测量点组合三个地面测量点所在的平面。

具体地，从多个地面测量点中，随机获取三个地面测量点作为当前地面测量点组合，并获取当前地面测量点组合的三个地面测量点所在的平面作为当前平面。

获取多个地面测量点分别与当前平面之间的多个第二距离信息；若多个第二距离信息符合第二预设条件，则获取当前平面对应的法向量信息以及位置信息，并将法向量信息以及位置信息作为输电杆塔所在地面的平面特征。

其中，第二距离信息为多个地面测量点分别与当前平面之间的距离，而第二预设条件为当前平面对应的小于1米的第二距离信息的数量在所有平面组合中最大，至于法向量信息和位置信息分别为当前平面的法向量和预设坐标轴系中的位置。

具体地，计算得到多个地面测量点分别与当前平面之间的多个第二距离信息，如果当前平面对应的小于1米的第二距离信息的数量在所有平面组合中最大，则计算得到当前平面对应的法向量信息以及位置信息，并将法向量信息以及位置信息作为输电杆塔所在地面的平面特征。

本实施例中，通过多个地面测量点分别与当前平面之间的多个第二距离信息以及第二预设条件，能够准确地获得输电杆塔所在地面的平面特征。

在一个实施例中，利用倾斜程度，以及高度信息，得到输电杆塔对应的倾斜检测结果，包括以下步骤：

当高度信息小于或等于预设高度阈值时，若倾斜程度大于或等于第一预设倾斜阈值，则倾斜检测结果为不正常倾斜，若倾斜程度小于第一预设倾斜阈值，则倾斜检测结果为正常倾斜。

其中，预设高度阈值为预设的输电杆塔高度值，第一预设倾斜阈值为预设的输电杆塔倾斜值。

具体地，例如，当高度信息小于或等于阈值A时，若倾斜程度大于或等于阈值B，则倾斜检测结果为不正常倾斜，若倾斜程度小于阈值B，则倾斜检测结果为正常倾斜。

当高度信息大于预设高度阈值时，若倾斜程度大于或等于第二预设倾斜阈值，则倾斜检测结果为不正常倾斜，若倾斜程度小于第二预设倾斜阈值，则倾斜检测结果为正常倾斜。

其中，第二预设倾斜阈值为预设的输电杆塔倾斜值。

具体地，例如，当高度信息大于阈值A时，若倾斜程度大于或等于阈值C，则倾斜检测结果为不正常倾斜，若倾斜程度小于阈值C，则倾斜检测结果为正常倾斜。

本实施例中，通过利用倾斜程度，以及高度信息，能够准确得到输电杆塔对应的倾斜检测结果。

在一个应用实施例中，本申请提供了一种输电杆塔倾斜缺陷检测方法，包括以下步骤：

1、输电线路点云语义分割

搭建输电线路点云语义分割神经网络并进行网络模型训练，通过训练完成的语义分割神经网络模型实现杆塔、导线、地面、植被、建筑5类点云语义分割。由于本方案的最终目的是进行杆塔倾斜度分析，因此点云语义分割应更关注杆塔、地面点云的分割结果。为了增强杆塔点云语义分割结果，本方案在输电线路点云输入网络之前对点云进行几何特征求解，对于任意一个点云，取半径5米范围内的所有点云作为点云合集，任意选取点云集内2点(x

计算除构成直线的2点外的所有点云与该直线方程的距离，若距离小于1米则对该点云进行记录，记录的点云合集的点云数记为N

构造相邻点云的几何特征（a，b，c），与点云坐标信息（X，Y，Z）和点云颜色信息（R，G，B）同时作为语义分割神经网络模型的输入进行训练和推理，输入模型的目标点云格式为（X，Y，Z，R，G，B，a，b，c）。

如图5所示，语义分割神经网络模型结构采取U型结构，下采样次数为4次，基础网络模块为点-体素双通道卷积模块。

为了增强地面点云语义分割结果，对网络输出的分割结果进行后处理滤波，具体为使用随机抽样一致性算法对网络输出的地面点云分割结果进行约束，在300迭代次数内每次随机选取3个点云确定一个平面方程，将所有点依次带入该平面方程中，根据设定的距离阈值1米做判定，若在阈值范围内，则认为属于该平面的内点，在迭代次数内内点数量最多的平面方程即为地面方程，该地面方程下的内点就是地面点云集，过滤不属于内点的点云。

2、杆塔点云实例分割

对步骤1训练完成的点云语义分割神经网络的输出结果中的杆塔点云进行实例分割，通过具有噪声的基于密度的聚类算法对杆塔点云进行聚类，其中最大半径设置为10米，最小点云个数设置为500。

3、计算杆塔主方向向量

对每一个杆塔实例进行主成分分析，具体方法为先计算三阶协方差矩阵，然后通过奇异值分解计算杆塔点云的3个特征向量和对应的特征值，其中最大的特征值对应的特征向量α即为杆塔主方向向量。协方差矩阵计算公式如下所示：

其中N为杆塔点云个数，p

4、计算杆塔临近区域的地面法向量

选取杆塔25米半径范围内的地面点云，进行平面方程拟合，计算平面方程的法向量β，具体方法为随机选取平面3个点组成平面内两组不平行的向量，通过向量外积的方式计算平面法向量。

5、杆塔高度计算

选取杆塔点云Z轴最高值对应的点，计算该点与地面平面方程的距离，即为杆塔高度h。

6、杆塔倾斜度计算和缺陷等级判断

根据如下公式计算杆塔倾斜度q，对倾斜度q和杆塔高度h进行判断，若h<50时，当q>10%即判断为重大缺陷；若h>50，当q>5%即判断为重大缺陷。

本实施例，通过语义分割神经网络模型对输电杆塔点云和地面点云进行语义分割，基于分割结果，计算输电杆塔主方向向量和地面法向量之间的输电杆塔倾斜度，结合输电杆塔高度进行缺陷等级判断，能够准确地对输电杆塔进行倾斜检测。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的输电杆塔倾斜检测方法的输电杆塔倾斜检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电杆塔倾斜检测装置实施例中的具体限定可以参见上文中对于输电杆塔倾斜检测方法的限定，在此不再赘述。

在一个实施例中，如图6所示，提供了一种输电杆塔倾斜检测装置，包括：初始点云数据获取模块601、目标点云数据获取模块602、地面和杆塔点云数据获取模块603和倾斜检测结果获取模块604，其中：

初始点云数据获取模块601，用于获取针对于待检测输电杆塔所在空间的多个初始点云数据；输电杆塔所在空间包含有输电杆塔，以及输电杆塔所在地面；

目标点云数据获取模块602，用于对各个初始点云数据进行几何特征求解，得到各初始点云数据对应的几何特征信息，并基于几何特征信息，得到各初始点云数据对应的目标点云数据；

地面和杆塔点云数据获取模块603，用于从目标点云数据中，获取输电杆塔对应的输电杆塔点云数据，以及输电杆塔所在地面对应的地面点云数据；

倾斜检测结果获取模块604，用于基于输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜检测结果。

在其中一个实施例中，目标点云数据获取模块602，进一步用于从多个初始点云数据中，获取当前初始点云数据对应的多个邻近点云数据；多个邻近点云数据为多个邻近测量点分别对应的多个初始点云数据，多个邻近测量点为与当前初始点云数据对应的当前测量点之间的距离小于预设距离的多个测量点；基于多个邻近测量点，获取当前初始点云数据对应的目标直线，以及目标直线对应的斜率信息以及截距信息，并将斜率信息以及截距信息作为当前初始点云数据对应的几何特征信息。

在其中一个实施例中，目标点云数据获取模块602，进一步用于从多个邻近测量点中，获取当前邻近测量点组合，以及获取当前邻近测量点组合对应的当前直线；当前邻近测量点组合包含两个邻近测量点；获取多个邻近测量点分别与当前直线之间的多个第一距离信息；若多个第一距离信息符合第一预设条件，则将当前直线作为目标直线。

在其中一个实施例中，倾斜检测结果获取模块604，进一步用于根据输电杆塔点云数据，以及地面点云数据，得到输电杆塔对应的倾斜程度，以及输电杆塔的高度信息；利用倾斜程度，以及高度信息，得到输电杆塔对应的倾斜检测结果。

在其中一个实施例中，倾斜检测结果获取模块604，进一步用于根据输电杆塔点云数据，得到输电杆塔对应的朝向信息，并根据地面点云数据，得到输电杆塔所在地面的平面特征；基于朝向信息，以及平面特征，得到输电杆塔对应的倾斜程度；基于输电杆塔点云数据，以及平面特征，得到输电杆塔的高度信息。

在其中一个实施例中，倾斜检测结果获取模块604，进一步用于从多个地面点云数据分别对应的多个地面测量点中，获取当前地面测量点组合，以及获取当前地面测量点组合对应的当前平面；当前地面测量点组合包含三个地面测量点；获取多个地面测量点分别与当前平面之间的多个第二距离信息；若多个第二距离信息符合第二预设条件，则获取当前平面对应的法向量信息以及位置信息，并将法向量信息以及位置信息作为输电杆塔所在地面的平面特征。

在其中一个实施例中，倾斜检测结果获取模块604，进一步用于当高度信息小于或等于预设高度阈值时，若倾斜程度大于或等于第一预设倾斜阈值，倾斜检测结果为不正常倾斜，若倾斜程度小于第一预设倾斜阈值，则倾斜检测结果为正常倾斜；当高度信息大于预设高度阈值时，若倾斜程度大于或等于第二预设倾斜阈值，则倾斜检测结果为不正常倾斜，若倾斜程度小于第二预设倾斜阈值，则倾斜检测结果为正常倾斜。

上述输电杆塔倾斜检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种输电杆塔倾斜检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。