[发明专利]一种从雷达点云数据中获取静止及移动目标轮廓的方法

说明书

一种从雷达点云数据中获取静止及移动目标轮廓的方法，属于电力设备巡检技术领域，在杆塔雷达点云数据最大包裹范围基础上，利用输电线路杆塔中线收缩算子和输电线路杆塔纵向收缩算子，分别朝着杆塔中线和垂直向下两个方向将这一范围收缩，逐步获得输电线路杆塔的轮廓。采用本发明方法在收缩过程中可以忽略掉一些线路产生的点或者噪声点对轮廓的影响；由于分别朝着杆塔中线和垂直向下收缩，所以雷达在数据采集过程中由于遮挡在杆塔内部的一些缺失数据不会影响到杆塔的轮廓结果，使得本发明方法可以产生更加准确的结果。

技术领域

本发明属于电力设备巡检技术领域，特别是涉及到一种从雷达点云数据中获取静止及移动目标轮廓的方法。

背景技术

利用机载雷达获得输电线杆塔的点云三维数据进而获取输电线路杆塔的轮廓，这些轮廓可以计算输电线关键设施与树木、建筑物的净空距离，有利于判断输电线的位置和安全状况，可以极大的提高电力巡检的效率，有效降低电网管理企业的运行成本并快速发现电网安全问题；因此获取输电线路杆塔的三维轮廓具有十分重要的意义。

由于点云数据量十分庞大，且存在一定干扰噪声点，这些内容如果直接作为输电线路杆塔的轮廓数据，一方面会对计算机存储和显示造成巨大的负担；另一方面会降低计算效率，很多运算无法在短时间内获得结果，甚至出现计算错误。所以输电线路杆塔的雷达点云数据需要进一步简化并获得其轮廓。当前行业内采用的技术方案包括：1)直接人工在点云中选取关键节点来获得电线路杆塔轮廓，这种方式最为直接和准确，但是由于人在三维空间中选取大量点需要反复变换视角并交互点击选取，这种方式需要耗费巨大的人力和时间，在需要进行大范围快速提取的工作时，这种方式往往难以满足需要；2)利用最小包凸算法计算包裹三维点云的外扩多边形，由于云数据不只是有杆塔轮本身，而且还包括线路及附属元件和噪声，所以这种算法获得的轮廓结果往往远远大于杆塔实际轮廓，在一些应用中容易引起故障的误报；3)利用空间范围内统计等手段进行三维点信息简化从而获得轮廓，由于杆塔的雷达点云数据不是环绕杆塔而获得的，而是从固定方向上获得的(如来自于杆塔上方)，所以对应的雷达点云在固定方向上由于被遮挡而有所缺失，这种模式会造成巨大的空洞，从而使获得的轮廓小于杆塔实际轮廓。

因此，现有技术中亟需一种新的技术方案来解决上述问题。

发明内容

本发明所要解决的技术问题是：提供一种从雷达点云数据中获取静止及移动目标轮廓的方法，在杆塔雷达点云数据最大包裹范围基础上，利用输电线路杆塔中线收缩算子和输电线路杆塔纵向收缩算子，分别朝着杆塔中线和垂直向下两个方向将这一范围收缩，逐步获得输电线路杆塔的轮廓。

一种从雷达点云数据中获取静止及移动目标轮廓的方法，包括以下步骤，且以下步骤顺次进行，

步骤一、将输电线路杆塔雷达点云数据SDDY输入系统，输入最大收缩幅度SDZD，输入最少容纳点数SDPoint；获得点云最大X坐标XMax，点云最小X坐标XMin，点云最大Y坐标YMax，点云最小Y坐标YMin，点云最大Z坐标ZMax，点云最小Z坐标ZMin；

步骤二、以列表的形式建立点云数据最大包裹范围中心点数据SDWC，通过对中心点三维矢量运算，获得中心点个数SDWCNum；

步骤三、建立输电线路杆塔中线收缩算子SnkOpt，SnkOpt的输入为待处理中心矢量SOIV，输出为处理后的中心矢量SOOV；

步骤四、建立输电线路杆塔纵向收缩算子ZXOpt，ZXOpt的输入为纵向待处理中心矢量ZXIV，输出为纵向下降处理后的中心矢量ZXOV；

步骤五、利用SDWC、SnkOpt和ZXOpt获取输电线路杆塔的轮廓点，获得输电线路杆塔轮廓点。

所述步骤一输电线路杆塔雷达点云数据SDDY为列表形式，列表的每一项对应一个点，每个点包括一个三维矢量，矢量的第一维对应点的X坐标，第二维对应点的Y坐标，第三维对应点的Z坐标。