(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221098645 6.4 (22)申请日 2022.08.17 (71)申请人 中国南方电网有限责任公司超高压 输电公司检修试验中心 地址 510663 广东省广州市黄埔区科 学大 道223号 (72)发明人 张兴华　李庭坚　姜诚　王黎伟　 张福　罗望春　王鸿涛　梁晖明　 莫兵兵　李翔　刘洪驿　石志彬　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06V 10/764(2022.01)G06V 10/762(2022.01) G06T 7/187(2017.01) G06T 7/13(2017.01) G06T 7/00(2017.01) G06T 5/00(2006.01) H04N 1/32(2006.01) (54)发明名称 一种高压架空输电线路关键要素激光点云 自动分类方法 (57)摘要 本发明公开了一种高压架空输电线路关键 要素激光点 云自动分类方法， 涉及架空输电线路 技术领域， 包括S1、 采集高压架空输电线路点云 数据， 并引用架空线路台账信息对采集的点云数 据进行预处理； S2、 针对预处理后的点 云数据， 采 用不规则三角网TIN渐进加密滤波算法分离 出地 面点云数据和非地面点云数据； S3、 针对地面点 云数据采用加权最小二乘法进行点云平滑处理； S4、 针对非地面点云数据利用不同的算法进行精 细化分类和提取。 本发明采用不规则三角网TIN 渐进加密滤波算法， 提高了架空输电线路点云自 动化分类及提取的效率和正确率。 权利要求书2页 说明书6页 附图2页 CN 115410036 A 2022.11.29 CN 115410036 A 1.一种高压架空输电线路关键要素激光点云自动分类方法， 其特征在于， 所述方法包 括以下步骤： S1、 采集高压架空输电线路点云数据， 并引用架空线路台账信息对采集的点云数据进 行预处理， 所述架空线路台账信息包括杆塔坐标位置信息； S2、 针对预处理后的点云数据， 采用不规则三角网TIN渐进加密 滤波算法分离出地面点 云数据和非地 面点云数据； S3、 针对地 面点云数据采用加权最小二乘法进行点云平 滑处理； S4、 针对非地 面点云数据利用不同的算法进行精细化分类和提取。 2.根据权利要求1所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 步骤S1中引用架空线路台账信息对点云数据进行 预处理具体包括： 采用基于点云局部空间分布统计的去噪算法对采集的高压架空输电线路点云数据进 行去噪处 理； 根据架空线路台账信息中的杆塔坐标位置将去燥处理后的高压架空输电线路点云数 据进行分段， 生成多档标准 las格式的点云数据。 3.根据权利要求1所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 步骤S2包括以下步骤： S21、 获取 预处理后的点云数据； S22、 将预处理后的点云数据进行格网划分， 取每个格网中最低点作为初始点生成初始 不规则三角网TI N； S23、 计算点云数据点到距离该数据点最近三角面的垂距， 和该数据点与所述三角面三 个顶点的夹角， 若所述垂距和所述夹角中的最大值均小于设定的阈值， 则将该数据点加入 地面点云数据集 合， 并对生成的初始不 规则三角网TI N进行加密； S24、 重复步骤S2 2‑S23， 迭代处 理所有的点云数据， 直到遍历完所有的点云数据。 4.根据权利要求1所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 步骤S4中针对非地 面点云数据利用不同的算法进行精细化分类， 具体包括： a、 利用Kd ‑tree算法和OB B包围盒提取 杆塔点云数据； b、 结合Hough变换和最小二乘进行中心线拟合方法提取电力线点云数据， 并分离出地 线点云数据和导线点云数据； c、 采用随机抽样一致算法和最小二乘拟合平面的区域增长算法提取建筑点云数据和 低植被点云数据。 5.根据权利要求4所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 方法a 中利用Kd ‑tree算法和包围盒提取 杆塔点云数据具体包括： 根据杆塔坐标位置信 息获取杆塔点云数据， 并根据塔杆几何特征将杆塔点云数据分为 塔顶点云数据和塔身点云数据； 针对塔顶点云数据： 构建塔顶点云数据的初始OBB包围盒， 并以初始OBB包围盒为根节 点递归构建Kd ‑tree， 对初始OBB包围盒内的塔顶点云数据进行水平切片， 对各个水平切片 内的点云数据进 行圆拟合， 以提取水平切片内的点云数据， 利用Kd ‑tree遍历搜索所有 水平 切片内的点云数据并合并， 提取塔杆点云数据； 针对塔身点云数据： 构建塔身点云数据的初始OBB包围盒， 对初始OBB包围盒内的塔身权　利　要　求　书 1/2 页 2 CN 115410036 A 2点云数据进行初始OBB拟合， 根据初始OBB拟合的结果， 识别塔身的塔棱， 对识别出塔棱的塔 身点云数据进行精确OB B拟合。 6.根据权利要求4所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 方法b中结合Hough变换和最小二乘进行中心线拟合方法提取电力线点云数据， 并分 离出地线点云数据和导线点云数据， 具体包括： b1、 获取非地面点云数据的高程值影像， 对高程值影像进行Canny算子检测,提取边缘 图像； b2、 利用Hough变换检测边 缘图像中的线段， 并计算 边缘图像中各线段的斜 率和截距； b3、 根据计算得到的斜 率和截距对边 缘图像中的线段进行分簇， 获取 得到m簇线段群； b4、 分别对m簇线段群内的坐标点数据用最小二乘法进行拟合,从而拟合出m条线段； b5、 对线段斜 率进行聚类,将元 素小于一定阈值的线段类剔除,获取拟合电力线； b6、 使用高程特 征检测拟合电力线， 获取地线点云数据和导线点云数据。 7.根据权利要求4所述的高压架空输电线路关键要素激光点云自动分类方法， 其特征 在于， 方法c中采用随机抽样一致算法和最小二乘拟合平面的区域增长算法提取建筑点云 数据和低植被点云数据， 具体包括： 利用随机抽 样一致算法对非地面点云数据进行拟合 聚类， 提取符合目标的初步点云数 据； 根据初步点云数据再次利用最小二乘拟合平面的区域增长算法提取最终目标点云数 据； 利用最终目标点云数据的三维坐标值计算目标 数据点的3 *3协方差矩阵； 由协方差矩阵确定不同目标 数据点在X、 Y、 Z方向上的 的三个特 征值 λx, λy, λz； 若目标数据点Z方向上的特征值λz大于目标数据点在X、 Y方向的特征值λx, λy,则该目 标数据点为建筑物点云数据中的点； 反之， 若目标数据点Z方向上的特征值λz小于等于目标 数据点在X、 Y方向的特 征值 λx, λy,则该目标 数据点为低植被点云数据。权　利　要　求　书 2/2 页 3 CN 115410036 A 3