[发明专利]基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法

权利要求书

1.一种基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法，其特征在于：步骤如下：

步骤1：使用无人机搭载激光雷达获取输电杆塔的点云数据；

步骤2：对点云数据进行预处理：

将原始点云数据进行异常值剔除预处理操作，然后通过滤波、排序处理分离出地面点和非地面点；

步骤3：对杆塔目标的自动识别和杆塔结构关键点位的自动提取：

根据典型塔型的三维投影特征以及激光点云的杆塔目标特征点几何结构，实现对杆塔目标的自动识别和杆塔结构关键点位的自动提取；具体过程如下：

(1)采用归一化数字表面模型剔除地面的噪点

在一副拍摄完整的杆塔点云图像中，包含的点云数据有：杆塔点云、电力线点云、高低起伏的地面点云、高大建筑点云、树木点云、地面植被点云以及噪声点云；地面的噪点会影响整体的点云处理，采用归一化数字表面模型，能够消除地形的影响，滤除地面噪点；

(2)确定最佳阈值

在滤除地面噪点的处理上，通过最大类间方差法自动确定最佳阈值；如果点云的高程值低于此最佳阈值，则把这个点云点剔除，如果大于此最佳阈值，则把这些点云留下，此时点云图像中的高大建筑点云、树木点云被完全剔除，剩下电力线和杆塔候选点点云；

(3)基于连通域分析法提取杆塔电力线

通过采用归一化数字表面模型及最大类间方差法之后只剩下杆塔和电力线的原始点云数据，在植被多的地区采用连通域分析法，能够将地面的植被点云进行剔除，将该植被多的复杂地区的杆塔和电力线提取出来；

(4)根据点云密度提取杆塔点云

由于电力线的点云密度比较小，而杆塔的点云密度比较大，通过对区域的点云数据进行统计，密度大的为杆塔点云，密度小的为电力线点云，根据点云密度的不同就能够提取出准确的杆塔点云，确定杆塔位置；

步骤4：自动计算杆塔的倾斜角度：

在电力系统中，杆塔会因为气候、环境、自然灾害或人为因素发生倾斜的现象，这种情况严重时会直接影响输电线路的运行；采用水平截面法来对杆塔的倾斜角度进行测量；

具体测量方法如下：

(1)高压线塔分层

将三维的杆塔点云进行水平切片操作，切片点云平行于水平地面，将切片点云投影在水平地面上，对切片的边界点云进行提取；

(2)边界分割

采用Hough变换进行边界点云的检测，通过将图像空间的线转化到参数空间中，检测参数空间的极值点，提取出边界线；

(3)边界直线拟合

通过Hongh变换提取出的边界点云有异常值，采用改进的最小二乘法来拟合直线，得到准确的边界；计算过程如下：

设直线方程为

y＝ax+b

其中a，b为直线参数；

点到拟合直线距离的标准偏差如下：：

其中，d_i表示第i点到拟合直线的距离，表示所有点到拟合直线的平均距离，n为所有点的总数；

所有点到拟合直线的平均距离当d_i＞2σ时，此点为异常点，剔除该点；否则，保留该点；然后再次计算参数a，b；对以上步骤进行循环操作，当d_i均小于2倍的标准偏差时停止操作；

(4)边界角点及中心点求取

设两直线的交点为

则面片角点在XOY平面的投影坐标为

对四条直线均进行上面的交点计算，得出平面四条边的的四个交点，也即四个边界角点，分别为(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，(x₄,y₄)，其中，(x₁,y₁)为平面的左上角点坐标，(x₂,y₂)位平面的右上角点坐标，(x₃,y₃)为平面的左下角点坐标，(x₄,y₄)位平面的右下角点坐标；

则平面的中心点为

通过上面的公式计算最终得出平面的中心点；

(5)倾斜度计算方法

取出杆塔点云的一个水平截面，计算出该水平截面的中心点与底层水平面中心点的高度差和该水平截面与底层水平面的高度差的比值，该比值结果就是杆塔的倾斜度。