一种配电线路走廊三维建模方法及装置与流程

1.本技术涉及场景三维建模技术领域，尤其涉及一种配电线路走廊三维建模方法及装置。


背景技术：

2.近年来，数字电网不断发展，带电作业也不断向智能化，自动化发展。为了提高带电作业效率，需要对作业地点进行提前勘测，用无人机倾斜摄影技术可快速获得高精度的配电线路走廊三维模型。
3.但是配电线路走廊植被条件较为复杂，且倾斜摄影技术受到飞行高度和复杂植被地形条件的限制，通常无法对树冠下的区域进行精确建模，模型在数据采集中容易形成盲区。


技术实现要素：

4.本技术提供了一种配电线路走廊三维建模方法及装置，用于解决现有技术受制于复杂的环境，仅凭无人机无法实现对配电线路走廊的精确建模的技术问题。
5.有鉴于此，本技术第一方面提供了一种配电线路走廊三维建模方法，包括：基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云；通过gicp算法在所述粗融合点云的基础上将所述高密度三维点云和所述激光雷达点云进行精准融合，得到精融合点云，粗融合过程为：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云；根据所述精融合点云构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型。
6.优选地，所述基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云，包括：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对所述倾斜摄影图像进行区域网平差计算，得到加密点结果；采用sift算法根据所述加密点结果匹配影像同名点，并生成高密度三维点云。
7.优选地，所述采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，包括：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云。
8.优选地，所述采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，之前还包括：采用预设纸箱法对目标激光雷达进行标定处理后，通过所述目标激光雷达获取配电线路走廊的激光雷达点云。
9.优选地，所述根据所述精融合点云的离散程度构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型，包括：以优化组合的方式，将离散的所述精融合点云连接成连续三角面，并构建tin模型；依据所述tin模型生成白体模型后，将预置影像纹理映射至所述白体模型上，得到配电线路走廊三维模型，所述预置影像纹理从倾斜摄影图像中提取得到。
10.本技术第二方面提供了一种配电线路走廊三维建模装置，包括：摄像点云获取单元，用于基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；点云粗融合单元，用于采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，所述点云粗融合单元，具体用于：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云；点云精准融合单元，用于通过gicp算法在所述粗融合点云的基础上将所述高密度三维点云和所述激光雷达点云进行精准融合，得到精融合点云；三维模型构建单元，用于根据所述精融合点云构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型。
11.优选地，所述摄像点云获取单元，具体用于：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对所述倾斜摄影图像进行区域网平差计算，得到加密点结果；
采用sift算法根据所述加密点结果匹配影像同名点，并生成高密度三维点云。
12.优选地，所述点云粗融合单元，具体用于：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云。
13.优选地，还包括：雷达点云获取单元，用于采用预设纸箱法对目标激光雷达进行标定处理后，通过所述目标激光雷达获取配电线路走廊的激光雷达点云。
14.优选地，所述三维模型构建单元，具体用于：以优化组合的方式，将离散的所述精融合点云连接成连续三角面，并构建tin模型；依据所述tin模型生成白体模型后，将预置影像纹理映射至所述白体模型上，得到配电线路走廊三维模型，所述预置影像纹理从倾斜摄影图像中提取得到。
15.从以上技术方案可以看出，本技术实施例具有以下优点：本技术中，提供了一种配电线路走廊三维建模方法，包括：基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；采用随机采样一致性算法将高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云；通过gicp算法在粗融合点云的基础上将高密度三维点云和激光雷达点云进行精准融合，得到精融合点云；根据精融合点云构建tin模型，并依据tin模型和预置影像纹理构建配电线路走廊三维模型。
16.本技术提供的配电线路走廊三维建模方法，为了克服无人机在复杂植被地形环境下采集信息的局限性，加入了激光雷达点云进行信息融合；而且采用粗融合与精准融合结合的方式确保两类数据融合的可靠性，然后基于融合点云进行三维建模，既能满足多种不同地形环境下采集信息的完整性需求，还能通过信息的处理过程确保三维建模的可靠性和准确性。因此，本技术能够解决现有技术受制于复杂的环境，仅凭无人机无法实现对配电线路走廊的精确建模的技术问题。
附图说明
17.图1为本技术实施例提供的一种配电线路走廊三维建模方法的流程示意图；图2为本技术实施例提供的一种配电线路走廊三维建模装置的结构示意图；图3为本技术实施例提供的基于预设纸箱法对激光雷达进行标定的示意图。
具体实施方式
18.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在
没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
19.为了便于理解，请参阅图1，本技术提供的一种配电线路走廊三维建模方法的实施例，包括：步骤101、基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云。
20.进一步地，步骤101，包括：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对倾斜摄影图像进行区域网平差计算，得到加密点结果；采用sift算法根据加密点结果匹配影像同名点，并生成高密度三维点云。
21.需要说明的是，无人机可以预先根据地形地貌设置合适的航行参数，然后进行无人机巡航，并采集配电线路走廊的倾斜摄影图像；为了将倾斜摄影图像转换为点云信息，便于后续点云融合，本实施例采用一些算法对倾斜摄影图像进行图像处理。
22.光束法也称光束法区域网平差方法，它以单张图像作为基本平差单元，根据控制点的外业坐标与内业坐标相等、加密点的内业坐标相等，按照共线条件方程列出误差方程，在全区域内统一进行平差处理，解算出每张像片的外方位元素，然后按多片前方交会计算出加密点地面坐标。本实施例采用光束法对倾斜摄影图像进行区域网平差计算，可以计算得到加密点结果。
23.空中三角测量是立体摄影测量中，根据少量的野外控制点，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。其主要目的是为缺少野外控制点的地区测图提供绝对定向的控制点。本实施例是对真实场景的三维建模，所以需要采用空中三角测量算法对图像进行立体测量。
24.sift算法是指通过一定的匹配算法在两幅或多幅影像之间识别同名点的过程。本实施例中的匹配是指加密点结果与预设多视影像密集的匹配过程，提取出影像同名点就可以生成高密度三维点云。
25.步骤102、采用随机采样一致性算法将高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云。
26.进一步地，步骤102，包括：基于随机采样一致性算法，通过最小二乘法根据高密度三维点云和激光雷达点云计算旋转平移矩阵；通过旋转平移矩阵将高密度三维点云转换为新三维点云；基于距离阈值在新三维点云中筛选与激光雷达点云相近的点集，并选取最大数量点集；通过根据最大数量点集计算得到的粗融合变换矩阵将高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云。
27.需要说明的是，基于随机采样一致性算法可以在高密度三维点云a中随机选取非共线的三个点云{a1,a2,a3}，在激光雷达点云b中随机选取非共线的三个点云{b1,b2,b3}；然后通过最小二乘法根据选取的6个点云可以计算出旋转平移矩阵；接着通过旋转平移矩阵将高密度三维点云转换为新三维点云a1；在根据新三维点云a1与激光雷达点云b的距离小
于距离阈值l的筛选方式提取出相近点集，记作c1；不断重复选点、计算旋转平移矩阵、转换点云、提取相近点集，可以得到多个ci（），选取点云数量最多的点云集c1，即最大数量点集；最后根据最大数量点集计算粗融合变换矩阵，就可以根据粗融合变换矩阵对高密度三维点云和激光雷达点云进行粗融合操作，得到粗融合点云。可以理解的是，距离阈值可以根据实际情况设定，在此不作限制。
28.进一步地，步骤102，之前还包括：采用预设纸箱法对目标激光雷达进行标定处理后，通过目标激光雷达获取配电线路走廊的激光雷达点云。
29.本实施例中的目标激光雷达为多线激光雷达，由于车体坐标系以车辆后轴中心为原点，与激光雷达坐标系存在夹角，所以需要提前进行标定。车体坐标系中的某一点p=(x,y,z)，p’=(x’,y’,z’)，存在以下关系：；其中，r、w分别为目标激光雷达的坐标系到车体坐标系的旋转矩阵和平移向量。
30.请参阅图3，在水平地面摆放正方形纸箱，分别获取纸箱顶点的激光雷达坐标系坐标和车体坐标系坐标；用两个不同坐标系的纸箱顶点坐标代入坐标变换方程中，就可以计算出对应的旋转矩阵和平以向量。然后就可以用目标激光雷达获取配电线路走廊的激光雷达点云。
31.步骤103、通过gicp算法在粗融合点云的基础上将高密度三维点云和激光雷达点云进行精准融合，得到精融合点云。
32.需要说明的是，粗融合点云仍然可以分为高密度三维点云a{ai}和激光雷达点云b{bi}；为了调整粗融合结果，使得两类数据融合效果更好，本实施例采用gicp算法对两种点云进行处理，两类点云及其邻域小点云集满足高斯分布特点：；；；其中，、分别是点云的期望值，、分别是两个领域点云集的协方差矩阵，t表示变换矩阵，为从点云a转移至点云b的点云中间量。采用最大似然估计法迭代计算：；其中，t为精准变换矩阵，可以将高密度三维点云a转换为新的点云集a1，然后计算点云集a1与激光雷达点云b的距离，距离小于预设距离，则停止迭代，否则以点云集a1作为初始点云集继续迭代，直至完全点云精准融合操作，得到精融合点云。
33.步骤104、根据精融合点云构建tin模型，并依据tin模型和预置影像纹理构建配电线路走廊三维模型。
34.进一步地，步骤104，包括：以优化组合的方式，将离散的精融合点云连接成连续三角面，并构建tin模型；
依据tin模型生成白体模型后，将预置影像纹理映射至白体模型上，得到配电线路走廊三维模型，预置影像纹理从倾斜摄影图像中提取得到。
35.精融合点云中的采样点呈现出一定的离散程度，直接将这些离散点云进行优化组合，并连接这些离散的采样点形成连续三角面，进而构建出不规则的tin模型。预置影像纹理是从无人机拍摄的倾斜摄像图像中提取到的，用于表达配电线路的纹理特征，映射在白体模型上就可以形成较为完整的配电线路走廊三维模型。
36.本技术实施例提供的配电线路走廊三维建模方法，为了克服无人机在复杂植被地形环境下采集信息的局限性，加入了激光雷达点云进行信息融合；而且采用粗融合与精准融合结合的方式确保两类数据融合的可靠性，然后基于融合点云进行三维建模，既能满足多种不同地形环境下采集信息的完整性需求，还能通过信息的处理过程确保三维建模的可靠性和准确性。因此，本技术实施例能够解决现有技术受制于复杂的环境，仅凭无人机无法实现对配电线路走廊的精确建模的技术问题。
37.为了便于理解，请参阅图2，本技术提供了一种配电线路走廊三维建模装置的实施例，包括：摄像点云获取单元201，用于基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；点云粗融合单元202，用于采用随机采样一致性算法将高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，点云粗融合单元，具体用于：基于随机采样一致性算法，通过最小二乘法根据高密度三维点云和激光雷达点云计算旋转平移矩阵；通过旋转平移矩阵将高密度三维点云转换为新三维点云；基于距离阈值在新三维点云中筛选与激光雷达点云相近的点集，并选取最大数量点集；通过根据最大数量点集计算得到的粗融合变换矩阵将高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云；点云精准融合单元203，用于通过gicp算法在粗融合点云的基础上将高密度三维点云和激光雷达点云进行精准融合，得到精融合点云；三维模型构建单元204，用于根据精融合点云构建tin模型，并依据tin模型和预置影像纹理构建配电线路走廊三维模型。
38.优选地，摄像点云获取单元201，具体用于：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对倾斜摄影图像进行区域网平差计算，得到加密点结果；采用sift算法根据加密点结果匹配影像同名点，并生成高密度三维点云。
39.优选地，点云粗融合单元202，具体用于：基于随机采样一致性算法，通过最小二乘法根据高密度三维点云和激光雷达点云计算旋转平移矩阵；通过旋转平移矩阵将高密度三维点云转换为新三维点云；基于距离阈值在新三维点云中筛选与激光雷达点云相近的点集，并选取最大数量
点集；通过根据最大数量点集计算得到的粗融合变换矩阵将高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云。
40.优选地，还包括：雷达点云获取单元205，用于采用预设纸箱法对目标激光雷达进行标定处理后，通过目标激光雷达获取配电线路走廊的激光雷达点云。
41.优选地，三维模型构建单元204，具体用于：以优化组合的方式，将离散的精融合点云连接成连续三角面，并构建tin模型；依据tin模型生成白体模型后，将预置影像纹理映射至白体模型上，得到配电线路走廊三维模型，预置影像纹理从倾斜摄影图像中提取得到。
42.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
43.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
44.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
45.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（英文全称：read-only memory，英文缩写：rom）、随机存取存储器（英文全称：random access memory，英文缩写：ram）、磁碟或者光盘等各种可以存储程序代码的介质。
46.以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种配电线路走廊三维建模方法，其特征在于，包括：基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，粗融合过程为：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云；通过gicp算法在所述粗融合点云的基础上将所述高密度三维点云和所述激光雷达点云进行精准融合，得到精融合点云；根据所述精融合点云构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型。2.根据权利要求1所述的配电线路走廊三维建模方法，其特征在于，所述基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云，包括：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对所述倾斜摄影图像进行区域网平差计算，得到加密点结果；采用sift算法根据所述加密点结果匹配影像同名点，并生成高密度三维点云。3.根据权利要求1所述的配电线路走廊三维建模方法，其特征在于，所述采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，之前还包括：采用预设纸箱法对目标激光雷达进行标定处理后，通过所述目标激光雷达获取配电线路走廊的激光雷达点云。4.根据权利要求1所述的配电线路走廊三维建模方法，其特征在于，所述根据所述精融合点云构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型，包括：以优化组合的方式，将离散的所述精融合点云连接成连续三角面，并构建tin模型；依据所述tin模型生成白体模型后，将预置影像纹理映射至所述白体模型上，得到配电线路走廊三维模型，所述预置影像纹理从倾斜摄影图像中提取得到。5.一种配电线路走廊三维建模装置，其特征在于，包括：摄像点云获取单元，用于基于光束法和sift算法，通过无人机获取配电线路走廊的高密度三维点云；点云粗融合单元，用于采用随机采样一致性算法将所述高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云，所述点云粗融合单元，具体用于：基于随机采样一致性算法，通过最小二乘法根据所述高密度三维点云和激光雷达点云计算旋转平移矩阵；
通过所述旋转平移矩阵将所述高密度三维点云转换为新三维点云；基于距离阈值在所述新三维点云中筛选与所述激光雷达点云相近的点集，并选取最大数量点集；通过根据所述最大数量点集计算得到的粗融合变换矩阵将所述高密度三维点云和激光雷达点云进行粗融合，生成粗融合点云；点云精准融合单元，用于通过gicp算法在所述粗融合点云的基础上将所述高密度三维点云和所述激光雷达点云进行精准融合，得到精融合点云；三维模型构建单元，用于根据所述精融合点云构建tin模型，并依据所述tin模型和预置影像纹理构建配电线路走廊三维模型。6.根据权利要求5所述的配电线路走廊三维建模装置，其特征在于，所述摄像点云获取单元，具体用于：通过无人机获取配电线路走廊的倾斜摄影图像；基于光束法，通过空中三角测量技术对所述倾斜摄影图像进行区域网平差计算，得到加密点结果；采用sift算法根据所述加密点结果匹配影像同名点，并生成高密度三维点云。7.根据权利要求5所述的配电线路走廊三维建模装置，其特征在于，还包括：雷达点云获取单元，用于采用预设纸箱法对目标激光雷达进行标定处理后，通过所述目标激光雷达获取配电线路走廊的激光雷达点云。8.根据权利要求5所述的配电线路走廊三维建模装置，其特征在于，所述三维模型构建单元，具体用于：以优化组合的方式，将离散的所述精融合点云连接成连续三角面，并构建tin模型；依据所述tin模型生成白体模型后，将预置影像纹理映射至所述白体模型上，得到配电线路走廊三维模型，所述预置影像纹理从倾斜摄影图像中提取得到。

技术总结
本申请公开了一种配电线路走廊三维建模方法及装置，方法包括：基于光束法和SIFT算法，通过无人机获取配电线路走廊的高密度三维点云；采用随机采样一致性算法将高密度三维点云和激光雷达点云进行粗融合，得到粗融合点云；通过GICP算法在粗融合点云的基础上将高密度三维点云和激光雷达点云进行精准融合，得到精融合点云；根据精融合点云构建TIN模型，并依据TIN模型和预置影像纹理构建配电线路走廊三维模型。本申请能够解决现有技术受制于复杂的环境，仅凭无人机无法实现对配电线路走廊的精确建模的技术问题。建模的技术问题。建模的技术问题。


技术研发人员：杨鑫 胡聪 邱明明 刘超 吴慧峰 侯年冠 韩广超 唐建辉 李浩
受保护的技术使用者：广东电网有限责任公司佛山供电局
技术研发日：2023.07.17
技术公布日：2023/8/28