[發明專利]基于LiDAR點云的電力塔三維重建方法

有效

• 申請號: 201710853206.2
• 申請日: 2017-09-20
• 公開（公告）號: CN107610223B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 陳浩;翟瑞聰;張峰;許志海;彭熾剛;李雄剛;廖如超;楊成城;杜俊明;羅世奇;李威;李閃閃
• 申請（專利權）人: 廣東電網有限責任公司機巡作業中心;武漢匯卓航科技有限公司
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T7/13
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于LiDAR點云的電力塔三維重建方法，其特征在于，包括以下步驟：

S1.電力塔的分解，獲取電力塔的LiDAR點云數據，通過對電力塔點云的密度和寬度進行統計分析，將電力塔分解為塔身和塔頭兩部分；

S2.基于數據驅動重建塔身，對角點進行提取與分割，對塔身的四條主輪廓線基于RANSAC算法進行三維直線擬合；

S3.基于模型驅動重建塔頭，預定義一個包含塔頭基本類型的模型庫，然后采用形狀上下文算法識別塔頭基本類型，再將Metropolis-Hastings算法與模擬退火相結合估算塔頭模型的最優參數；

S4.根據S2、S3步驟所得結果中的位置和方向進行組合，得到完整的三維電力塔模型；其中，

所述的S3步驟中識別塔頭基本類型包括以下步驟：

S3011.將待識別塔頭點云和模型庫中的所有塔頭模型轉化為二值影像；

S3012.提取所有影像的外輪廓，對輪廓邊緣采樣得到n個采樣點點集P＝{p₁，p₂，p₃，.....p_n}；

S3013.根據形狀上下文算法計算每個采樣點的形狀上下文h_i(k)，計算公式如式(1)，k＝{1,2,..K}，K＝M*N；M代表采樣次數；

h_i(k)＝{q≠p_i:(q-p_i∈bin(k)}， (1)

S3014.計算待匹配影像的形狀直方圖和每個模型影像的形狀直方圖每對點之間的匹配代價，計算公式如式(2)，其中，hi(k)為目標P的點pi的形狀直方圖；hj(k)為目標Q的點qi的形狀直方圖，

S3015.基于計算得到的代價矩陣C進行點匹配操作，選取具有最小形狀距離的模型影像為最佳匹配結果，該模型即為塔頭點云對應模型；

所述的S3步驟中參數最優化包括以下步驟：

S3021.Gibbs能量定義，Gibbs能量表達為式為：

利用alpha shape算法來提取模型和點云的關鍵點，距離u_m(x_i)為每個模型關鍵點到最近塔頭點云關鍵點的距離，距離u_p(x_i)為每個塔頭點云關鍵點到最近模型關鍵點的距離，其中：

其中，相似性程度u(x)由模型到點云的平均距離u_m(x_i)和點云到模型的平均距離u_p(x_i)組成，且u(x)＝au_m(x)+bu_p(x)，a+b＝1，a和b分別為兩距離的權值；n為模型關鍵點個數，m為塔頭點云關鍵點個數；

S3022.Metropolis-Hastings采樣和模擬退火，首先，根據建議分布q(x^*|x)在搜索空間X中給出當前參數值x的一個候選參數值x^*，然后，根據計算公式(6)計算候選參數值的接受率A(x,x^*)；若接受率A(x,x^*)大于預設的接受閾值Ta，則將候選值x^*代替當前值x，否則，保留當前值x；

2.根據權利要求1所述的基于LiDAR點云的電力塔三維重建方法，其特征在于，所述的S1步驟中對電力塔點云的密度和寬度進行統計分析包括以下步驟：

S101.將電力塔點云根據等間隔Δh分成若干層；

S102.計算每一層的密度和寬度，并分別以密度和寬度為X軸、以層數為Y軸建立密度直方圖和寬度直方圖；

S103.定義一個以當前層數為中心，大小為2L*1大小的移動窗口分別在密度和寬度直方圖中尋找密度極大值和寬度極小值，并對極大值和極小值所在層進行標記；

S104.電力塔從下至上選擇第一個同時滿足該層密度局部最大且上下兩層范圍內存在寬度局部最小的層數作為特征面的位置，以特征面為界線進行分解，特征面以上的部分分解為塔頭，特征面以下的部分分解為塔身。