[发明专利]基于激光数据的变电站异物识别方法

权利要求书

1.一种基于激光数据的变电站异物识别方法，其特征是：识别的方法步骤如下：首先利用激光雷达对多个区域采集激光数据，通过分析整理建成一个模型点云集合，其次再利用激光雷达对某一个需测定区域采集激光数据组成测试点云，通过计算将点云分布信息进行孤立点去除滤波，再统计点云数据在xyz轴三个方向上的分布直方图，经均匀采样滤波提取关键点并计算特征向量，建立kdtree匹配对索引，经过SVD进行转换矩阵求解，并转换测试点云坐标与模型点云进行ICP迭代配准，再通过kdtree计算点对配对距离筛选超距点，最后计算超距点集合的疏密性，利用深度图来计算特征向量，并通过kdtree、 ICP、点云坐标转换等方法来计算和筛选测试点云中是否存在异物；

所述的点云 分布信息进行孤立点去除滤波的方法步骤如下：对于每个点P，以R为搜索半径会得到K个近 邻点，计算所有K个近邻点到P的距离Di，将所有距离求和得到D，

和平均距离M，

计算K个近邻点的距离平方和S，

计算协方差Var，

以及均方差，

以上计算得出后可以计算滤波阈值T：

将阈值T带回与之前计算的K个近邻点距离Di相比较，小于阈值设置保留标志，遍历一次所有的点，对所有点计算得到的近邻点统计其标志情况，至少两次以上的保留标志才能保留该点，其余的为孤立点和离群点舍弃；

所述的提取关键点并计算特征向量的方法步骤如下：首先对测试点云数据集合做一定的转 换，将三维测试点云数据投射成二维的图像数据，其中每个点变成一个包含x，y坐标和深度 信息D的深度图，利用3D激光雷达扫描前方180度范围的数据，返回一帧测试点云数据，以雷 达位置为坐标原点，雷达位置正前方为z轴正向，雷达位置正上方为y轴正向，雷达位置正右 方为X轴正向，建立一个空间坐标系，利用空间的直角坐标到球坐标系来转换，将该空间内 的数据投射到x-y平面，z轴的数值以投射后的二维图像的灰度来表示，一帧测试点云中从0 到距离雷达最远的测试点云数据，分别用灰度的0~255来表示，至此便得到了一个雷达正对 面的测试点云数据的深度图，其次计算关键点的步骤一遍历每个深度图中的点，通过寻找 每个点在其领域r内的有深度变化的位置来完成边缘检测，步骤二遍历每个深度图中的点， 根据每个点的近邻域R内的表面变化来表征该点的变化系数和主方向，步骤三由步骤二得 到的主方向来计算该点和其邻域R内的点曲率差值，步骤四平滑每个点的曲率和多个邻域 点的差值求平均，至此每个深度图中的点作为该帧测试点云的关键点提取完成，同时每个 关键点具有的几个特征值x坐标、y坐标、深度图灰度、曲率的均值、法线向量组成一个特征 向量；

所述的建立kdtree匹配对索引的方法步骤如下：kdtree是一种常用的分割多维数据空间的数据结构，通过对多维空间关键数据的搜索，结合近邻搜索方法，计算多维特征空间中两个特征向量之间的欧氏距离，距离公式如下：

其中的m、n是k维特征空间中的两个向量，以两个点云集合的所有方位直方图特征向量建立对应的kdtree数据索引，然后以k邻域搜索的方式来计算彼此所有点之间的最短距离对应的配对，在形成的配对中统计出最短距离Dm，然后取最短距离Dm的30倍阈值系数作为阈值进行筛选点对，其阈值 =最短距离x阈值系数；

所述的基于SVD进行转换矩阵求解的方法步骤如下：利用筛选后留下的配对点坐标进行建模，配对的两个点经过一个矩阵运算可以互相转换，矩阵M，配对点Ai，Bi，那么Ai =BixM；通过奇异值分解方法，对每次抽取6对点对进行方程组计算，直到抽取足够次数，再将每次求得的矩阵进行统计，找到出现次数最多的一个作为结果矩阵，点云的转换是利用结果矩阵与测试点云的每个点坐标向量做乘法，得到经转换后的点云坐标；

所述的计算超距点集合的疏密性的方法步骤如下：配准点云与模型点云利用 kdtree来计算配对的点对距离，设置一阈值T，大于阈值T的点对认为是超距点对，保留点对 中对应转换后点云的数据，根据协方差计算公式Var来计算超距点集合的协方差，作为疏密 性的度量值，设置阈值TT，大于阈值TT便认为存在异物，小于阈值TT便认为不存在异物。