【技術實現步驟摘要】
本公開涉及電力數據處理領域，尤其涉及一種基于點云自動分類的噪點后處理方法及裝置、設備、介質。
技術介紹
1、在處理電力場景中的點云數據時，盡管已經提出了許多噪點提取的算法，但由于電力場景的復雜性、多樣性以及其他干擾，導致難以用單一的規則或純深度學習的方式來達到良好的噪點分類效果。
2、現有的噪點分類方案均存在一些局限性和缺陷。例如：基于聚類的噪點分類方法，其具體是通過人工設定的聚類半徑和每簇最小點數，進行聚類來篩選離群點，并分類為噪點。這種方法存在較大的性能問題，當點云數量較多時，聚類算法需要耗費大量內存，在并行處理時對計算機設備硬件要求較高，且處理相當耗時；另外，該方法需要大量人工經驗和調參，難以適用于復雜多變的實際場景，規則難以覆蓋所有可能的情況，容易出現漏檢和誤檢的問題。再例如：基于機器學習或深度學習的分類方法，其是直接從原始點云數據中學習特征并建模，進行噪點自動分類。這種方法對訓練數據的依賴程度較高，需要大量標注良好的訓練數據，且對噪聲點云的魯棒性較差。
技術實現思路
1、本公開至少提供了一種基于點云自動分類的噪點后處理方法及裝置、設備、介質，以解決上述至少一種技術缺陷。
2、根據本公開的一方面，提供了一種基于點云自動分類的噪點后處理方法，包括：
3、獲取三維激光雷達對目標電力線路區域進行掃描得到的原始點云數據，對所述原始點云數據進行分類處理，并分別提取各類別的點云數據；所述類別包括導線類別、噪點類別；
4、根據所述導線類別對
5、從所述各類別的點云數據中提取每兩個相鄰桿塔之間的點云數據，得到多個塔桿間點云數組；
6、針對每個塔桿間點云數組分別執行以下操作：
7、建立該塔桿間點云數組的kd樹；
8、遍歷該塔桿間點云數組中的每個點，針對每個點，利用所述kd樹搜索與該點最臨近的n個點，計算所述n個點與該點的平均距離；其中，n為正整數；
9、計算該塔桿間點云數組中所有點對應的平均距離的均值，得到目標距離均值；并根據所有點對應的平均距離，計算距離標準差；
10、根據所述目標距離均值、所述距離標準差以及各類別對應的預設標準差乘數，確定對應于各類別的距離閾值；
11、遍歷該塔桿間點云數組中的每個點，針對每個點，若該點對應的平均距離大于所述該點對應的類別的距離閾值，則將該點作為潛在噪點；
12、遍歷所有的潛在噪點，若該潛在噪點的高度值小于所述導線最低高度值，則利用所述kd樹搜索與該潛在噪點的距離小于預設距離的點，若搜索得到的點的數量為零，則確定該潛在噪點為目標噪點；若該潛在噪點的高度值大于所述導線最低高度值，則獲取到與該潛在噪點最臨近的n個點，并在所述n個點的類別均為噪點類別的情況下，確定該潛在噪點為目標噪點。
13、在一種可能的實施方式中，所述類別還包括以下至少一種：
14、地線類別；上下交跨線類別；桿塔類別；絕緣子引流線類別；植被類別；地面類別。
15、在一種可能的實施方式中，所述桿塔類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數；所述導線類別、地線類別、上下交跨線類別、絕緣子引流線類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數。
16、在一種可能的實施方式中，所述根據所述目標距離均值、所述距離標準差以及各類別對應的預設標準差乘數，確定對應于各類別的距離閾值，包括：
17、針對每種類別，將該類別對應的預設標準差乘數與所述距離標準差相乘，并將相乘得到的值與所述目標距離均值相加，得到該類別對應的距離閾值。
18、在一種可能的實施方式中，所述根據導線類別對應的點云數據，確定導線最低高度值，包括：
19、按照高程值從低到高的順序，將導線類別對應的點云數據中的點進行排序，得到目標點云序列；
20、按照預設高程值，將所述目標點云序列進行切段，得到多個高程段對應的目標點云數組；
21、計算前m個最低高程段對應的目標點云數組中所有點的高程值的均值，得到所述導線最低高度值；其中，m為正整數。
22、在一種可能的實施方式中，所述對所述原始點云數據進行分類處理，包括：
23、將每兩個相鄰桿塔之間的原始點云數據進行分割，得到多組原始點云數組；
24、利用深度學習的方式，分別對各組原始點云數組進行分類處理。
25、在一種可能的實施方式中，所述獲取到與該潛在噪點最臨近的n個點，包括：
26、所述kd樹搜索與該潛在噪點最臨近的n個點。
27、根據本公開的另一方面，提供了一種基于點云自動分類的噪點后處理裝置，包括：
28、點云獲取處理模塊，用于獲取三維激光雷達對目標電力線路區域進行掃描得到的原始點云數據，對所述原始點云數據進行分類處理，并分別提取各類別的點云數據；所述類別包括導線類別、噪點類別；
29、導電最低高度確定模塊，用于根據所述導線類別對應的點云數據，確定導線最低高度值；
30、點云分割模塊，用于從所述各類別的點云數據中提取每兩個相鄰桿塔之間的點云數據，得到多個塔桿間點云數組；
31、噪點后處理模塊，用于針對每個塔桿間點云數組分別執行以下操作：
32、建立該塔桿間點云數組的kd樹；
33、遍歷該塔桿間點云數組中的每個點，針對每個點，利用所述kd樹搜索與該點最臨近的n個點，計算所述n個點與該點的平均距離；其中，n為正整數；
34、計算該塔桿間點云數組中所有點對應的平均距離的均值，得到目標距離均值；并根據所有點對應的平均距離，計算距離標準差；
35、根據所述目標距離均值、所述距離標準差以及各類別對應的預設標準差乘數，確定對應于各類別的距離閾值；
36、遍歷該塔桿間點云數組中的每個點，針對每個點，若該點對應的平均距離大于所述該點對應的類別的距離閾值，則將該點作為潛在噪點；
37、遍歷所有的潛在噪點，若該潛在噪點的高度值小于所述導線最低高度值，則利用所述kd樹搜索與該潛在噪點的距離小于預設距離的點，若搜索得到的點的數量為零，則確定該潛在噪點為目標噪點；若該潛在噪點的高度值大于所述導線最低高度值，則獲取到與該潛在噪點最臨近的n個點，并在所述n個點的類別均為噪點類別的情況下，確定該潛在噪點為目標噪點。
38、根據本公開的另一方面，提供了一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器在執行所述計算機程序時實現上述任一項所述的方法。
39、根據本公開的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現上述任一項所述的方法。
40、本公開的基于點云自動分類的噪點后處理方法，首先對輸入的點云數據進行分類，之后對相鄰桿塔本文檔來自技高網...
【技術保護點】
1.一種基于點云自動分類的噪點后處理方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述類別還包括以下至少一種：
3.根據權利要求2所述的方法，其特征在于，所述桿塔類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數；所述導線類別、地線類別、上下交跨線類別、絕緣子引流線類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數。
4.根據權利要求1所述的方法，其特征在于，所述根據所述目標距離均值、所述距離標準差以及各類別對應的預設標準差乘數，確定對應于各類別的距離閾值，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據導線類別對應的點云數據，確定導線最低高度值，包括：
6.根據權利要求1所述的方法，其特征在于，所述對所述原始點云數據進行分類處理，包括：
7.根據權利要求1所述的方法，其特征在于，所述獲取到與該潛在噪點最臨近的N個點，包括：
8.一種基于點云自動分類的噪點后處理裝置，其特征在于，包括：
9.一種電子設備，包括存儲器、處
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-7中任一項所述的方法。
...【技術特征摘要】
1.一種基于點云自動分類的噪點后處理方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述類別還包括以下至少一種：
3.根據權利要求2所述的方法，其特征在于，所述桿塔類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數；所述導線類別、地線類別、上下交跨線類別、絕緣子引流線類別對應的預設標準差乘數大于植被類別以及地面類別對應的預設標準差乘數。
4.根據權利要求1所述的方法，其特征在于，所述根據所述目標距離均值、所述距離標準差以及各類別對應的預設標準差乘數，確定對應于各類別的距離閾值，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據...
【專利技術屬性】
技術研發人員：熊嘉梁，王躍，張龍，張磊，李微微，郭彥明，
申請(專利權)人：北京數字綠土科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。