[发明专利]一种输电线路激光点云数据的特征提取方法

权利要求书

1.一种输电线路激光点云数据的特征提取方法，其特征在于，包括如下步骤：

步骤S1：通过无人机机载雷达捕获输电线路三维点云数据；

步骤S2：对输电线路三维点云数据预处理，所述预处理包括异常点去除；

步骤S3：将预处理后的输电线路三维点云进行聚类，得到聚类后的点云数据；

步骤S4：根据所述步骤S3的聚类后的点云数据，利用修复拟合模型对所述聚类后数据进行修复，得到点云数据修复值：

步骤S5：将所述修复后的点云数据输入到深度学习模型中进行输电线路的特征提取。

2.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：还包括步骤S6：将提取的输电线路点云数据的特征发送到电力巡检监控终端中进行三维模型化显示，实现输电线路的监控和智能巡检。

3.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述步骤S1中所述机载雷达通过在均匀分布的角度上测量从所述雷达中心到输电线路的径向距离来表述所述电线的三维点云数据，并且通过坐标变换，将所述三维点云数据转换为二维网格阵列图像，形成输电线路的全景图。

4.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述异常点通过比较所述输电线路点云数据中的任意点a和其相邻点的密度来判断该点是否为异常点，如果判断结果低于阈值A，则判断该点为异常点，对该点进行剔除，所述判断公式为：

式中，S_k(a)表示输电线路点云数据中任意点a的第k距离邻域，N_k(a)、N_k(b)分别表示点a的可达密度以及点b的可达密度，b为任意点a的第k距离邻域内的另一点。

5.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述修复拟合模型R为：

其中，n表示输电线路点云数据的编号，d(s,p_i)代表为平面修复值，z(s,p_i)代表空间修复值，x(s,p_i)代表距离修复值，s表示点云数据拟合后的曲面参数，p_i表示点云数据中的三维点坐标(x_i，y_i，z_i)。

6.根据权利要求5所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述平面修复值公式为：

d(s,p_i)＝αp_i+γ

式中，α表示点云拟合平面的法向量，γ表示拟合后空间坐标系原点到拟合平面的垂直距离的平均值。

7.根据权利要求5所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述空间修复值公式为：

z(s,p_i)＝‖c-p_i‖-r

式中，c表示点云拟合空间的中心，r表示拟合后的空间半径。

8.根据权利要求5所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述距离修复值公式为：

式中，q₀表示点云拟合空间内除p_i外的其他点(x_j，y_j，z_j)，c表示点云数据拟合后的空间法向量。

9.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述输入到深度学习模型前，先对输电线路点云数据中的数据点归入对应的体素格中，对体素格内的点进行随机采样，设定阈值β，当体素格内的点数量大于阈值β时，采用随机采样，只保留其中的β个点，否则将全部保留。

10.根据权利要求1所述的一种输电线路激光点云数据的特征提取方法，其特征在于：所述深度学习模型为卷积神经网络。