[發明專利]一種基于無監督學習的輸電桿塔點云關鍵點提取方法有效
| 申請號： | 202110142296.0 | 申請日： | 2021-02-02 |
| 公開（公告）號： | CN112883844B | 公開（公告）日： | 2022-07-01 |
| 發明（設計）人： | 徐梁剛;虢韜;王時春;史洪云;趙建;王迪;冉爽 | 申請（專利權）人： | 貴州電網有限責任公司 |
| 主分類號： | G06V20/40 | 分類號： | G06V20/40;G06V20/52;G06K9/62;G06V10/774 |
| 代理公司： | 成都玖和知識產權代理事務所(普通合伙) 51238 | 代理人： | 胡琳梅 |
| 地址： | 550000 貴*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 監督 學習 輸電 桿塔 關鍵 提取 方法 | ||
本發明公開了一種基于無監督學習的輸電桿塔點云關鍵點提取方法，通過估計關鍵點的位置來改進關鍵點定位，能獲得更精準的輸電桿塔關鍵點，這與現有的關鍵點檢測方法相反；在訓練期間對輸電桿塔點云使用隨機生成的變換，因此對于任意變換下的輸電桿塔點云均能檢測出高度可重復的、精確定位的輸電桿塔關鍵點。本方法也是無人監督的，不需要獲取任何真實訓練數據，因此可針對于任何類型的輸電桿塔關鍵點提取，提高了輸電桿塔關鍵點提取方法的適用范圍。
技術領域
本發明涉及測繪技術領域，特別涉及一種基于無監督學習的輸電桿塔點云關鍵點提取方法。
背景技術
從點云數據中準確高效的提取表征輸電桿塔外觀形態和位置方向的關鍵點是桿塔類型判別、桿塔傾斜檢測、桿塔基座沉降檢測、桿塔基座位移檢測等工作的重要前提，目前對于輸電桿塔關鍵點的提取的仍然使用手工設計的方法，這種方法依賴輸電桿塔點云的局部幾何性質來選擇輸電桿塔關鍵點，因此受到點云數據的噪聲、密度變化、角度變化等影響較大，通常無法準確提取不同類型、不同密度、不同角度下的輸電桿塔關鍵點，進而影響輸電桿塔塔類型判別、桿塔傾斜檢測、桿塔基座沉降檢測、桿塔基座位移檢測等工作的準確性和精度。
發明內容
有鑒于此，本發明的目的之一是提供一種基于無監督學習的輸電桿塔點云關鍵點提取方法，能夠克服背景技術中存在的問題。
本發明的目的是通過以下技術方案實現的：
該種基于無監督學習的輸電桿塔點云關鍵點提取方法，包括以下步驟：
步驟S1：將訓練數據集中的每一基輸電桿塔點云P進行隨機旋轉平移變換，形成對應的輸電桿塔點云P’；
步驟S2：將輸電桿塔點云P和P’分別輸入到關鍵點生成網絡中，該網絡針對P和P’分別輸出對應的N個預測關鍵點及其對應的不確定度。
步驟S3：在輸電桿塔關鍵點生成網絡輸出后，旋轉后的輸電桿塔點云乘以旋轉矩陣的逆矩陣得到M’再與原矩陣M進行比較；
步驟S4：重新預測關鍵點的坐標，使用點到點的損失函數Lpoint對預測的輸電桿塔關鍵點進行約束防止其位置偏離輸電桿塔點云。
特別地，，通過構建損失函數LC最小化M與M’之間的差異，使一個輸電桿塔點云中的每個點與另一個輸電桿塔點云中最近鄰點的距離最小；
特別地，所述步驟S2中，所述關鍵點生成網絡的具體步驟為：
步驟S21：對輸電桿塔點云進行最遠點采樣得到N個節點集合C[C1,……,CN]；
步驟S22：使用點到節點的分組方法將點云P分配給每個節點，得到：
其中K表示每個節點相關聯的點，這種方法相對于K近鄰法或者半徑球搜索聚類法的優勢在于：點到節點分組法能夠不重不漏的分配所有點云，且能自動適應不同的尺度和點密度；
步驟S23：將每一個節點代表的局部集群進行坐標中心化，然后輸入到一個點相似網絡中得到局部特征向量G|C:{G1|C1,…,GN|CN}；
步驟S24：對G|C中的每個特征向量G_i|C_i進行K近鄰搜索，將最近鄰的K個G進行坐標中心化然后通過一個網絡得到特征向量V:{V1,…,VN}；
步驟S25：使用多層感知器對V進行預測得到N個輸電桿塔關鍵點以及對應的不確定度ω{ω1,…,ωN}；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州電網有限責任公司，未經貴州電網有限責任公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110142296.0/2.html，轉載請聲明來源鉆瓜專利網。
