【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及三維激光點(diǎn)云數(shù)據(jù)處理領(lǐng)域，具體涉及電力激光點(diǎn)云語義分割方法。
技術(shù)介紹
1、近年來，三維激光掃描技術(shù)在輸變電設(shè)備數(shù)字化建模方面得到快速發(fā)展，突顯出極為廣闊的應(yīng)用前景。在線路隱患排查方面，為樹障、交叉跨越距離、空氣間隙凈空距離等危險點(diǎn)辨識分析提供了高效的檢查手段。在無人機(jī)自主巡檢方面，為無人機(jī)航跡規(guī)劃提供了高精度建模工具。目前激光點(diǎn)云數(shù)據(jù)分類較為依賴于人工數(shù)據(jù)處理，存在效率低下、影響精度等問題。
2、由于機(jī)載激光點(diǎn)云數(shù)據(jù)具有場景復(fù)雜、目標(biāo)豐富、點(diǎn)密度不均勻及存在噪聲點(diǎn)等問題，從大量激光雷達(dá)點(diǎn)云數(shù)據(jù)中提取有效信息進(jìn)行場景分類始終是一個挑戰(zhàn)。傳統(tǒng)的點(diǎn)云分類方法需要利用各種機(jī)器學(xué)習(xí)的分類器對人工標(biāo)記點(diǎn)云提取的特征描述進(jìn)行分類，通常會因無法充分聯(lián)系上下文信息而忽略點(diǎn)云數(shù)據(jù)之間的相關(guān)性，分類過程中容易產(chǎn)生噪聲，模型泛化能力較差，在真實(shí)場景中的應(yīng)用受到限制，點(diǎn)云分類效率和精度均不高。
3、近幾年，越來越多的研究人員將深度學(xué)習(xí)應(yīng)用于點(diǎn)云分類，分類效率和精度較傳統(tǒng)的點(diǎn)云分類算法有了很大提升。基于深度學(xué)習(xí)實(shí)現(xiàn)點(diǎn)云分類的方法可分成四大類，即基于原始點(diǎn)云的分類方法、基于體素的點(diǎn)云分類方法、基于range圖像的點(diǎn)云分類方法、基于融合的點(diǎn)云分類方法。其中基于原始點(diǎn)云的分類方法randla-net是一種高效且輕量級的網(wǎng)絡(luò)結(jié)構(gòu)，可以直接處理大規(guī)模點(diǎn)云，得到每一個點(diǎn)的分割結(jié)果。randla-net采用隨機(jī)采樣技術(shù)可以大量的節(jié)省計(jì)算資源和內(nèi)存資源，局部特征聚合模塊通過逐漸的增加每一個3d點(diǎn)的感受野，可以有效的保留點(diǎn)云的幾何細(xì)節(jié)
4、在對點(diǎn)云直接處理的分類方式中，基于randla-net的分類方法分類精度相對較高，計(jì)算資源和內(nèi)存資源占用較低，但數(shù)據(jù)預(yù)處理階段的柵格采樣和kd-tree查詢耗時較長，另外數(shù)據(jù)加載階段randla-net采用的最小可能性采樣方式不支持?jǐn)?shù)據(jù)并行采樣，進(jìn)一步影響了點(diǎn)云語義分割計(jì)算效率。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于解決上述現(xiàn)有技術(shù)的不足，從而提供一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，以解決現(xiàn)有技術(shù)計(jì)算效率低的問題。
2、一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，包括以下步驟：
3、獲取輸電線路點(diǎn)云數(shù)據(jù)作為樣本庫，對樣本庫數(shù)據(jù)按一定比例劃分為訓(xùn)練集、驗(yàn)證集和測試集；
4、對樣本庫中點(diǎn)云數(shù)據(jù)采用直通濾波器的點(diǎn)云預(yù)處理算法，剔除離群點(diǎn)和降低噪聲；
5、對預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云體素化操作，在體素化過程中，將點(diǎn)云數(shù)據(jù)映射到離散的體素格子上；
6、基于訓(xùn)練集、驗(yàn)證集和測試集訓(xùn)練點(diǎn)云語義分割網(wǎng)絡(luò)模型得到改進(jìn)randla-net的點(diǎn)云語義分割網(wǎng)絡(luò)，通過改進(jìn)randla-net的點(diǎn)云語義分割網(wǎng)絡(luò)對體素格子上的體素位置和強(qiáng)度特征進(jìn)行編碼后，計(jì)算體素類別；
7、根據(jù)點(diǎn)云和體素的所屬關(guān)系，將體素類別賦值給體素內(nèi)的點(diǎn)，從而得到每個點(diǎn)的類別。
8、所述輸電線路包含1000kv、±800kv、±500kv、500kv、220kv電壓等級，各電壓等級占比各20％；其中雙回、單回各電壓等級約占50％；線路在山區(qū)、平原各電壓等級約占50％，輸電線路總長為1000km；
9、樣本庫的標(biāo)注類別包括桿塔、地線、導(dǎo)線、絕緣子、地面、植被及建筑物共7類。
10、所述訓(xùn)練集、驗(yàn)證集和測試集的比例分別為60％，20％，20％。
11、對樣本庫中點(diǎn)云數(shù)據(jù)采用直通濾波器的點(diǎn)云預(yù)處理算法，剔除離群點(diǎn)和降低噪聲，具體為：
12、采用直通濾波器在x,y,z三個維度上將不在給定值域內(nèi)的點(diǎn)過濾掉；實(shí)現(xiàn)剔除離群點(diǎn)和降低噪聲，以保證輸入樣本的純凈度。
13、采用直通濾波器在x,y,z三個維度上將不在給定值域內(nèi)的點(diǎn)過濾掉；實(shí)現(xiàn)剔除離群點(diǎn)和降低噪聲，具體步驟如下：
14、采用直通濾波器在x,y,z三個維度上將不在給定值域內(nèi)的點(diǎn)剔除掉，獲得處理過的點(diǎn)云數(shù)據(jù)集r＝{ri,i＝1,2,3,...,n}，其中ri表示第i個點(diǎn)云數(shù)據(jù)，n為樣本中的點(diǎn)云總數(shù)；
15、對于任意一個點(diǎn)ri，計(jì)算該點(diǎn)與距離它最近的k個點(diǎn)之間的平均距離，記為ai：
16、
17、其中j＝1,2,3,...,k，表示與點(diǎn)ri距離最近的第j個點(diǎn)，dij表示點(diǎn)ri與點(diǎn)j的距離；
18、計(jì)算ai的平均值μ與標(biāo)準(zhǔn)差σ：
19、
20、
21、針對點(diǎn)云數(shù)據(jù)構(gòu)建kd樹，然后遍歷點(diǎn)云中的每個點(diǎn)，使用kd樹查詢其k個最近鄰點(diǎn)，然后使用歐氏距離計(jì)算與其鄰近的k個點(diǎn)的距離，將距離處于(μ-f·σ,μ+f·σ)范圍之外的點(diǎn)定為離散點(diǎn)，予以剔除，其中f為比例系數(shù)，用于調(diào)整降噪效果，f越小剔除的點(diǎn)越多，f越大剔除的點(diǎn)越少。
22、對預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云體素化操作，在體素化過程中，將點(diǎn)云數(shù)據(jù)映射到離散的體素格子上，具體為：
23、根據(jù)大小為0.1米的體素，體素大小記為v，創(chuàng)建一個覆蓋整個點(diǎn)云數(shù)據(jù)范圍的三維網(wǎng)格，三維網(wǎng)格由均勻大小的體素組成，每個體素可以視為三維空間中的一個小立方體；
24、遍歷點(diǎn)云中的每個點(diǎn)，根據(jù)點(diǎn)的坐標(biāo)確定其所屬的體素，最終得到深度、高度和寬度分別為d,h,w的體素網(wǎng)格；
25、對于每個非空體素，用其位置和強(qiáng)度特征進(jìn)行體素特征表示，將體素中所有點(diǎn)的位置平均值記為該體素的位置特征，將體素中所有點(diǎn)強(qiáng)度的平均值記為該體素的強(qiáng)度特征；如果體素中沒有點(diǎn)，將該體素的各項(xiàng)特征值設(shè)置為0；最后將體素特征表示為d*h*w*4的特征圖，其中4代表每個體素的特征通道數(shù)。
26、改進(jìn)randla-net的點(diǎn)云語義分割網(wǎng)絡(luò)由編碼器和解碼器構(gòu)成，編碼器主要由三維卷積和最大池化構(gòu)成，解碼器主要由反卷積和激活函數(shù)構(gòu)成。
27、通過點(diǎn)云語義分割網(wǎng)絡(luò)對體素格子上的體素位置和強(qiáng)度特征進(jìn)行編碼后，計(jì)算體素類別，具體為：
28、通過點(diǎn)云語義分割網(wǎng)絡(luò)的編碼器對體素的位置和強(qiáng)度特征進(jìn)行編碼，然后經(jīng)過點(diǎn)云語義分割網(wǎng)絡(luò)的解碼器計(jì)算體素類別。
29、編碼器對體素的位置和強(qiáng)度特征進(jìn)行編碼，具體為：
30、編碼器有五層，第一層由兩個三維卷積對輸入的體素特征進(jìn)行計(jì)算得到d*h*w*32的特征圖；然后采用最大池化對特征圖進(jìn)行降采樣得到(d/2)*(h/2)*(w/2)*32的特征圖；
31、第二層和、第三層和第四層與第一層結(jié)構(gòu)相同，通過第二層得到(d/4)*(h/4)*(w/4)*64的特征圖，通過第三層得到(d/8)*(h/8)*(w/8)*128的特征圖，通過第四層得到(d/16)*(h/16)*(w/16)*256的特征圖；
32、第五層由兩個三維卷積對第四層的輸出進(jìn)行特征提取得到(d/16)*(h/16)*(w/16)*512的特征圖。
33、解碼器計(jì)算體素類別，具體為：
34、解本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于改進(jìn)RandLA-Net的電力激光點(diǎn)云語義分割方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)RandLA-Net的電力激光點(diǎn)云語義分割方法，其特征在于：所述輸電線路包含1000kV、±800kV、±500kV、500kV、220kV電壓等級，各電壓等級占比各20％；其中雙回、單回各電壓等級約占50％；線路在山區(qū)、平原各電壓等級約占50％，輸電線路總長為1000km；
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)RandLA-Net的電力激光點(diǎn)云語義分割方法，其特征在于：所述訓(xùn)練集、驗(yàn)證集和測試集的比例分別為60％，20％，20％。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)RandLA-Net的電力激光點(diǎn)云語義分割方法，其特征在于：對樣本庫中點(diǎn)云數(shù)據(jù)采用直通濾波器的點(diǎn)云預(yù)處理算法，剔除離群點(diǎn)和降低噪聲，具體為：
5.根據(jù)權(quán)利要求5所述的一種基于改進(jìn)RandLA-Net的電力激光點(diǎn)云語義分割方法，其特征在于：采用直通濾波器在x,y,z三個維度上將不在給定值域內(nèi)的點(diǎn)過濾掉；實(shí)現(xiàn)剔除離群點(diǎn)和降低噪聲，具體步驟如下：<...
【技術(shù)特征摘要】
1.一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，其特征在于：所述輸電線路包含1000kv、±800kv、±500kv、500kv、220kv電壓等級，各電壓等級占比各20％；其中雙回、單回各電壓等級約占50％；線路在山區(qū)、平原各電壓等級約占50％，輸電線路總長為1000km；
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，其特征在于：所述訓(xùn)練集、驗(yàn)證集和測試集的比例分別為60％，20％，20％。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，其特征在于：對樣本庫中點(diǎn)云數(shù)據(jù)采用直通濾波器的點(diǎn)云預(yù)處理算法，剔除離群點(diǎn)和降低噪聲，具體為：
5.根據(jù)權(quán)利要求5所述的一種基于改進(jìn)randla-net的電力激光點(diǎn)云語義分割方法，其特征在于：采用直通濾波器在x,y,z三個維度上將不在給定值域內(nèi)的點(diǎn)過濾掉；實(shí)現(xiàn)剔除離群點(diǎn)和降...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馮志強(qiáng)，胡丹暉，杜偉，馬春田，姚堯，胡偉，李俊磊，張力，孟小前，周學(xué)明，
申請(專利權(quán))人：國網(wǎng)湖北省電力有限公司電力科學(xué)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。