一種變電站中變電設備的三維模型布局方法技術

本發明專利技術公開了一種變電站中變電設備的三維模型布局方法，該方法通過三維激光雷達獲取全景點云，并根據變電設備結構的高程信息對全景點云進行相關于單體設備點云的聚類分割，再獲取單體設備點云

【技術實現步驟摘要】
一種變電站中變電設備的三維模型布局方法


：
[0001]本專利技術涉及變電站數字化輔助設計領域，具體涉及一種變電站中變電設備的三維模型布局方法
。

技術介紹

：
[0002]電網中的變電工程設計正經歷從二維到三維的轉變，三維數字化設計技術在變電工程中得到了廣泛的應用
。
[0003]傳統變電站建模技術主要通過使用專業的軟件，利用人工標記創建物體表面形狀，海量的數據導致效率低下而且勞動強度大
。
[0004]有研究直接通過電氣拓撲圖快速生成孿生體空間模型，但該方法難以解決精度不足和設備空間疊放的問題，其準確性和精細度難以達到分析計算的要求
。
[0005]有研究基于實測點云數據進行變電站場景重建
。
該方法引入具有先驗形狀信息的設備模型庫，通過實際設備點云與設備模型庫中模型的配準來實現電力設備單體重構，可以實現對實際場景中設備布局的快速復制
。
其中兩個關鍵步驟是設備形狀檢索和模型
?
點云配準
。
由于變電設備型號繁多
、
形狀復雜，原始點云數據的缺陷
(
如噪聲
、
遮擋和密度不均等
)
，傳統的基于
SHOT、ESF
等形狀描述子的
3D
形狀識別算法難以將設備點云與設備模型庫準確匹配，導致模型檢索錯誤
。
由于設備模型和掃描點云存在細節上的形狀差異和離散化模型與掃描點云的表面點分布不均勻，導致對應點易出現誤匹配，
ICP、Super4PCS
等傳統基于對應點的點云配準算法容易造成配準誤差，導致采用該方法進行變電站的場景重建會存在模型姿態不準確
、
模型位置錯誤等問題
。
因此現有方法尚未達到完全自動化模型創建所要求的質量水平，采用現有方法進行變電站場景重建后依然需要大量人工校核返修工作
。

技術實現思路

：
[0006]為解決現有技術中存在的問題，本專利技術提供一種變電站中變電設備的三維模型布局方法
。
[0007]本專利技術采用如下技術方案：
[0008]一種變電站中變電設備的三維模型布局方法，包括：
[0009]獲取變電站的全景點云，對所述全景點云進行預處理；
[0010]基于八叉樹連通格柵標記法，對預處理后的全景點云進行相關于單體設備點云的聚類分割，得到預處理后的全景點云中的若干個單體設備點云；
[0011]在預設的設備模型庫中分別獲取與每個單體設備點云相匹配的變電設備的三維模型；
[0012]獲取與每個單體設備點云相匹配的三維模型對應的模型點云，完成單體設備點云
、
三維模型以及模型點云的對應匹配；
[0013]在預處理后的全景點云中，將每個單體設備點云和與之對應匹配的模型點云的姿態對齊，再將模型點云替換為三維模型，由此完成變電站中變電設備的三維模型布局
。
[0014]進一步地，所述預處理包括去除全景點云中的地面點云和電力線點云
。
[0015]進一步地，所述基于八叉樹連通格柵標記法，對預處理后的全景點云進行相關于變電設備的單體設備點云的聚類分割，得到預處理后的全景點云中的若干個單體設備點云的具體步驟如下：
[0016]首先，遍歷預處理后的全景點云，分別獲取
x、y
和
z
軸方向上的最大值和最小值，以最小值所在葉子節點柵格作為柵格坐標的原點，得到各葉子節點柵格的坐標，從而計算根節點柵格以及各個葉子節點柵格的坐標；
[0017]其次，對各葉子節點柵格的坐標進行
Morton
編碼；
[0018]然后，計算預處理后的全景點云中各點云數據點所在柵格坐標及
Morton
碼，從而構建預處理后的全景點云對應的線性八叉樹；
[0019]最后，利用構建好的線性八叉樹，根據變電設備單體之間的間隔距離設置八叉樹分辨率
n
，按照八叉樹中葉子節點柵格與相鄰柵格中的點云被標記為同一聚類的原則，完成預處理后的全景點云中的單體設備點云的聚類分割
。
[0020]進一步地，所述在預設的設備模型庫中分別獲取與每個單體設備點云相匹配的變電設備的三維模型的具體步驟如下：
[0021]獲取各單體設備點云的局部不變描述子，
[0022]對于每個單體設備點云，將其局部不變描述子與預設的設備模型庫中各三維模型對應的局部不變描述子進行相似度比較，將相似度最高的三維模型作為與單體設備點云相匹配的三維模型
。
[0023]進一步地，所述局部不變描述子通過用深度神經網絡提取得到，該深度神經網絡的網絡結構包括
[0024]一個點云變換層
、
一個分組卷積層
、
兩個平均池化層
、
兩個全連接層
。
[0025]進一步地，所述對于每個單體設備點云，將其局部不變描述子與預設的設備模型庫中各三維模型對應的局部不變描述子進行相似度比較的具體步驟如下：
[0026]分別對預設的設備模型庫中每個三維模型進行離散化處理，得到每個三維模型對應的模型點云，記為
D
j j
＝1，
...,M
，
M
為模型數量；并將單體設備點云記為
P
i
；
i
＝
1,...,N
，
N
為全景點云中分割出的單體設備點云數量；
[0027]分別將各單體設備點云和各模型點云輸入至所述深度神經網絡中得到各單體設備點云經深度神經網絡提取的特征向量
f(P
i
,
θ
)
，以及各模型點云經深度神經網絡提取的特征向量
f(D
j
,
θ
)
；
[0028]分別計算各單體設備點云經深度神經網絡提取的特征向量
f(P
i
,
θ
)
與各模型點云經深度神經網絡提取的特征向量
f(D
j
,
θ
)
之間的相似距離
Dist
；
[0029]Dist
＝
||f(D
j
,
θ
)
?
f(D
i
,
θ
)||
[0030]式中，
||*||
為歐氏距離運算符
。
[0031]進一步地，三維模型對應的模型點云的獲取具體步驟如下：
[0032]對三維模型采用基于
Poisson
?
Disk
分布的兩階段網格采樣方法進行離散化處理，得到三維模本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.
一種變電站中變電設備的三維模型布局方法，其特征在于：包括：獲取變電站的全景點云，對所述全景點云進行預處理；基于八叉樹連通格柵標記法，對預處理后的全景點云進行相關于單體設備點云的聚類分割，得到預處理后的全景點云中的若干個單體設備點云；在預設的設備模型庫中分別獲取與每個單體設備點云相匹配的變電設備的三維模型；獲取與每個單體設備點云相匹配的三維模型對應的模型點云，完成單體設備點云
、
三維模型以及模型點云的對應匹配；在預處理后的全景點云中，將每個單體設備點云和與之對應匹配的模型點云的姿態對齊，再將模型點云替換為三維模型，由此完成變電站中變電設備的三維模型布局
。2.
根據權利要求1所述的變電站中變電設備的三維模型布局方法，其特征在于：所述預處理包括去除全景點云中的地面點云和電力線點云
。3.
根據權利要求1所述的變電站中變電設備的三維模型布局方法，其特征在于：所述基于八叉樹連通格柵標記法，對預處理后的全景點云進行相關于變電設備的單體設備點云的聚類分割，得到預處理后的全景點云中的若干個單體設備點云的具體步驟如下：首先，遍歷預處理后的全景點云，分別獲取
x、y
和
z
軸方向上的最大值和最小值，以最小值所在葉子節點柵格作為柵格坐標的原點，得到各葉子節點柵格的坐標，從而計算根節點柵格以及各個葉子節點柵格的坐標；其次，對各葉子節點柵格的坐標進行
Morton
編碼；然后，計算預處理后的全景點云中各點云數據點所在柵格坐標及
Morton
碼，從而構建預處理后的全景點云對應的線性八叉樹；最后，利用構建好的線性八叉樹，根據變電設備單體之間的間隔距離設置八叉樹分辨率
n
，按照八叉樹中葉子節點柵格與相鄰柵格中的點云被標記為同一聚類的原則，完成預處理后的全景點云中的單體設備點云的聚類分割
。4.
根據權利要求1所述的變電站中變電設備的三維模型布局方法，其特征在于：所述在預設的設備模型庫中分別獲取與每個單體設備點云相匹配的變電設備的三維模型的具體步驟如下：獲取各單體設備點云的局部不變描述子，對于每個單體設備點云，將其局部不變描述子與預設的設備模型庫中各三維模型對應的局部不變描述子進行相似度比較，將相似度最高的三維模型作為與單體設備點云相匹配的三維模型
。5.
根據權利要求4所述的變電站中變電設備的三維模型布局方法，其特征在于：所述局部不變描述子通過用深度神經網絡提取得到，該深度神經網絡的網絡結構包括一個點云變換層
、
一個分組卷積層
、
兩個平均池化層
、
兩個全連接層
。6.
根據權利要求5所述的變電站中變電設備的三維模型布局方法，其特征在于：所述對于每個單體設備點云，將其局部不變描述子與預設的設備模型庫中各三維模型對應的局部不變描述子進行相似度...

【專利技術屬性】
技術研發人員：王菲，范子愷，戴皎，李妍，任佳依，劉曉波，羅宇超，
申請(專利權)人：國網江蘇省電力有限公司經濟技術研究院，
類型：發明
國別省市：