[發明專利]一種基于無人機電力巡檢的點云數據分割方法

有效

• 申請號: 201910844223.9
• 申請日: 2019-09-06
• 公開（公告）號: CN110782457B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 黃茂春
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06V10/764;G06V10/82;G06N3/02
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 杜鵬飛

本發明公開了一種基于無人機電力巡檢的點云數據分割方法，包括下述步驟：使用pointnet++架構，對點云數據進行初步分類，初步分類可以獲得約90％的分割精度，然后通過軟件進行手工修正分類標簽，從而得到準確的帶標簽的初始數據；對之后的同地區、未帶標簽的待分類數據，通過手工選取原始數據和待分類數據的桿塔中心點，挖取約10*3*3的立方體數據，運用迭代最近點的方法找到旋轉平移矩陣；本發明利用了同地區段需要多次分割的特點，充分利用前次數據，提升數據分類的精度，所用的分割時間較短，減少了手工修正耗時。

技術領域

本發明涉及電力巡檢技術領域，具體涉及一種基于無人機電力巡檢的點云數據分割方法。

背景技術

自2015年國家電網開始推廣無人機電力巡檢以來，目前主流方法都是通過搭載有激光雷達的無人機，對需要巡檢的電力走廊進行飛行巡檢，與此同時，激光雷達掃描無人機周圍環境，產生反映場景的點云數據。通過數據直接進行分割，知道點云類別才可以進行下一步的點云分析，從而判斷電力走廊哪些存在危險或者不足。

目前的數據分析方法還處于研究階段，有的方法是純手工去標注點云類別，工作量太大，大概每公里的點云數據，需要花費1個小時來進行修正，極度耗時耗力；有的方法是通過深度學習進行三維點云分割，但由于無法根本解決點云數據的無序性，導致效率和準確率并不高；也有的是通過傳統視覺方法去實現點云分割，但針對不同類別點云相交的地方，其效果并不好，除此之外準確率也不高，仍然需要手工進行進一步分類。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種基于無人機電力巡檢的點云數據分割方法，該方法能夠減少手工修正耗時，提高分割精度。

本發明的目的通過下述技術方案實現：

一種基于無人機電力巡檢的點云數據分割方法，包括下述步驟：

步驟一，使用pointnet++架構，對點云數據進行初步分類，初步分類可以獲得約90％的分割精度，然后進行手工修正分類標簽，從而得到準確的帶標簽的初始數據；

步驟二，對之后的同地區、未帶標簽的待分類數據，通過手工選取原始數據和待分類數據的桿塔中心點，挖取約10*3*3的立方體數據，運用迭代最近點的方法找到旋轉平移矩陣，如下述公式所示：

步驟三，將旋轉平移矩陣運用到待分類數據中，從而使待分類數據和初始數據重合，待分類數據和初始數據z軸方向上最近的點，視為同一點，將初始數據的標簽遷移到待分類數據中，從而使待分類數據獲得標簽。

本發明與現有技術相比具有以下的有益效果：

本發明利用了同地區段需要多次分割的特點，充分利用前次數據，提升數據分類的精度，所用的分割時間較短，減少了手工修正耗時。

附圖說明

圖1為本發明pointnet++的網絡結構示意圖；

圖2為本發明的匹配效果示意圖。

具體實施方式

下面結合實施例及附圖對本發明作進一步詳細的描述，但本發明的實施方式不限于此。

本發明提出了一種基于無人機電力巡檢的點云數據分割方法，該方法使用深度學習粗分類點云精度之后，再進行手工修正，獲得帶標簽的點云數據，稱為初始數據，對同地區、未帶標簽以及時間較新的點云數據，稱為待分類數據；因為初始數據和待分類數據在相同地區，數據有一定關系，通過圖匹配找到此關系，可以把初始數據的標簽通過此關系遷移到待分類數據，從而使待分類數據獲得標簽。

具體來說，如圖1～2所示，一種基于無人機電力巡檢的點云數據分割方法，包括下述步驟：