[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

本發明屬于激光雷達點云數據信息提取技術領域，涉及一種基于LiDAR點云的電力塔三維重建方法。包括以下步驟：S1.電力塔的分解，通過對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。本發明可有效的、準確的重建電力塔，滿足輸電線路三維可視化、數字化的需求。

技術領域

本發明屬于激光雷達點云數據信息提取技術領域，更為具體的，涉及一種基于LiDAR點云的電力塔三維重建方法。

背景技術

電力塔作為高壓輸電線路重要的基礎設施，其重建在輸電線路三維可視化方面吸引了越來越多的關注。在過去幾年中，電力塔建模最常用的方法主要是用CAD或3dmax進行人工手動建模，這種方法耗費大量的人力、物力且重建精度較低。電網管理部門急需一種自動化、高效率、高精度的電力塔重建方法來滿足現代輸電線路可視化、數字化的需求。隨著機載LiDAR技術的飛速發展，高密度、精準的3D點云對該需求提供了一個有效的解決方案。

目前，有許多的學者在基于LiDAR點云三維目標的重建方面做了大量的研究，且在自然地物和人工地物重建上均取得了較大的進步。然而，由于電力塔結構的復雜性和種類的多樣性，對電力塔重建的研究還十分稀少。李清泉等提出了一種基于模型驅動的電力塔重建方法，該方法首先將電力塔分解為塔頭、塔身和塔腳三部分，然后對塔身部分用四個主平面進行重建，對塔頭部分采用SVM分類器進行分類。該方法僅根據密度特征對電力塔進行分解，缺乏適用性，其他常見類型電力塔(如貓頭塔、酒杯塔、六角塔)進行分解時往往會出現錯誤結果；此外，由于該方法引入了人工手動建立塔頭模型，使得自動化程度降低，缺乏實用性。郭波等提出了一種基于隨機幾何的電力塔重建方法，該方法將RJMCMC采樣器與模擬退火相結合，自動的解決電力塔類型和模型參數問題，但該方法效率不高，需要耗費大量的迭代次數判斷電力塔類型，且在電力塔模型參數估算過程中，沒有考慮參數間的幾何關系，導致大量的冗余參數需要被估算。

目前，建筑物重建的方法主要分為以下兩種策略：基于數據驅動的策略和基于模型驅動的策略。基于數據驅動的策略采用從上至下的重建方法。大部分建筑物重建處理過程一般包括兩個關鍵步驟：建筑物屋頂邊緣的提取和拓撲關系的重建。雜的屋頂結構或高密度的點云數據，通常采用基于面片分割的方法提取邊緣，如基于邊緣或區域增長、三維RANSAC算法、分類或特征聚類等。基于數據驅動的重建結果不受模型庫完整性的影響，理論上可以重建任何形狀。當數據比較完整時，數據驅動的方法對簡單的目標提供精準的描述；然而，當數據缺失或包含較多噪聲時，該方法會產生重建誤差甚至失敗。

基于模型驅動的策略采用從下至上的重建方法，該方法是基于預先定義的模型庫的。該方法主要包含兩個關鍵步驟：與模型庫中的模型進行最優匹配和對應模型參數的最優化求解。在許多基于模型驅動的重建方法中，最基本的假設是建筑物是許多墻面的集合。許多方法如RJMCMC被引入來決模型參數問題，并且顯示出了較大的發展潛力。基于模型驅動的方法對數據的質量具有魯棒性且適用于大場景，由于拓撲關系預先在模型中定義，因此，該方法在點云密度較小時可發揮其優越性并保證正確的拓撲關系。然而，該方法的重建結果受到模型庫的影響，當待求模型參數較多時，該方法效率較低。

由于目標結構的復雜性和形狀的多樣性，僅憑單一的某種方法很難滿足現代重建的要求。因此，結合數據驅動與模型驅動的混合驅動策略在近幾年中被提出。該方法在目標重建階段將建造規則(如平行性、共面性、對稱性)等引入來優化模型。與單一的策略不同，混合驅動的策略將兩種方法的優勢相融合，既保留了數據驅動的靈活性，也具有模型驅動的魯棒性。

發明內容